{
  "id": "effect-size",
  "title": "效应量",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "效应量用于量化差异或关联的大小，为统计检验补充有关效应规模及实际重要性的信息。",
  "category": "mathematics",
  "subcategory": "probability-statistics",
  "type": "concept",
  "aliases": [
    "效应大小",
    "效果量"
  ],
  "generated_at": "2026-10-04",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/effect-size/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/effect-size/",
      "json": "https://aiwiki.page/en/effect-size.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "效应量是对统计学所研究的差异、关联或其他现象的大小进行量化的指标。这个术语既可以指总体中的某个量，也可以指根据样本数据计算出的估计值。效应量包括均值差、标准化差异、相关系数，以及用于比较事件概率的比值。与P值不同，效应量描述的是观察到的关系有多大，而不是数据与某个指定统计模型有多不相容。其含义取决于所用指标、结果变量及研究背景。(www2.psych.ubc.ca)"
    },
    {
      "heading": "效应大小与统计显著性",
      "text": "效应量与统计假设检验回答的是不同的问题。假设检验评估反对原假设的证据，而效应量估计值则描述关系的大小，并在适用时描述其方向。统计显著并不意味着效应在实质上重要：当估计足够精确时，很小的效应也可能产生很小的P值。反过来，在精度不足的研究中，即使效应很重要，也可能无法在统计上得出明确结论。(amstat.org)\n\n还必须区分总体效应及其样本估计量。估计值会随样本而变化，也可能存在估计量的偏差。在报告估计值的同时给出置信区间，可以传达其不确定性；仅给出点估计，无法说明对真实效应的估计有多精确。此外，“效应”一词本身并不意味着因果关系：要对描述性关联作出因果解释，还需要额外的研究设计条件和识别假设。(www2.psych.ubc.ca)"
    },
    {
      "heading": "均值差",
      "text": "未标准化的均值差保留了结果变量的原始单位：\n\n\\[\\widehat{\\Delta}=\\bar{x}_1-\\bar{x}_2,\\]\n\n其中，每个 \\(\\bar{x}_i\\) 都是一个样本均值。因此，假设某次考试的成绩相差五分，这个差异仍可在该考试的分数尺度上直接解释。当各项研究采用相同的测量工具时，这类差异尤其有用。(cochrane.org)\n\n标准化均值差以变异程度为参照来表示差异。对于两个独立组，Cohen的 d 的一种常见形式为\n\n\\[d=\\frac{\\bar{x}_1-\\bar{x}_2}{s_p}, \\qquad s_p=\\sqrt{\\frac{(n_1-1)s_1^2+(n_2-1)s_2^2} {n_1+n_2-2}}.\\]\n\n这里，\\(s_1,s_2\\) 是样本标准差，\\(s_p\\) 则通过合并两组的方差得到。假设均值相差五分，且 \\(s_p=10\\)，则 \\(d=0.5\\)：两个均值相差半个合并标准差。其正负号取决于两组的排列顺序。(frontiersin.org)\n\nHedges的 g 对 \\(d\\) 的绝对大小存在的向上偏差进行校正，这在小样本中尤为重要。对于配对测量或重复测量，采用不同的标准化分母会得到不同版本的标准化效应量。除以变化分数的标准差，不等同于除以单次测量值的标准差；因此，在比较不同研究设计时，所选用的版本很重要。(frontiersin.org)"
    },
    {
      "heading": "关联与解释的变异",
      "text": "皮尔逊相关系数 \\(r\\) 衡量两个变量之间的线性相关关系。其取值范围为 \\(-1\\) 至 \\(1\\)；正负号表示方向，绝对值表示强度。接近零的值并不能排除很强的非线性关系。(online.stat.psu.edu)\n\n在用普通最小二乘法拟合且包含截距的一元线性回归中，决定系数满足 \\(R^2=r^2\\)。它表示拟合模型所解释的结果变量观测变异的比例，而不是由预测变量造成的变异比例。回归斜率也描述效应大小，但其单位取决于预测变量和结果变量的测量尺度。(online.stat.psu.edu)\n\n在方差分析中，η平方为\n\n\\[\\eta^2=\\frac{SS_{\\text{effect}}}{SS_{\\text{total}}}.\\]\n\n偏η平方则以该效应的平方和除以该效应平方和与相应误差平方和之和。这些指标回答的是不同的问题，通常不能互换，尤其是在多因素设计或重复测量设计中。(frontiersin.org)"
    },
    {
      "heading": "二元结果",
      "text": "对于二元结果，令 \\(p_1\\) 和 \\(p_0\\) 分别表示两组中事件发生的概率。常用指标为\n\n\\[RD=p_1-p_0,\\qquad RR=\\frac{p_1}{p_0},\\qquad OR=\\frac{p_1/(1-p_1)}{p_0/(1-p_0)}.\\]\n\n风险差是绝对比较指标；风险比和优势比是相对比较指标。表示无差异的值，对 \\(RD\\) 而言是零，对 \\(RR\\) 和 \\(OR\\) 而言则是一。(cochrane.org)\n\n假设两组的事件发生概率分别为0.20和0.10，上述公式得到的风险差为10个百分点，风险比为2，优势比为2.25。因此，优势比通常并不等于风险比。绝对指标和相对指标可能给人不同的印象，因为绝对差异取决于基线事件发生概率。(cochrane.org)"
    },
    {
      "heading": "解释与研究综合",
      "text": "惯常使用的“小”“中”“大”等标签，通常分别对应 \\(d\\) 值0.2、0.5和0.8，但它们只是粗略的参照标准，并非判断重要性的普遍界限。解释效应量时，需要考虑结果变量的含义、相关的比较对象，以及所观察到的差异会带来什么后果。标准化消除了测量单位，却没有消除不同总体之间的背景差异。(frontiersin.org)\n\n效应量与样本量、显著性水平、变异程度及实验设计一起用于计算统计功效。研究规划中的计算可以采用预期效应，也可以采用研究者关注的最小效应。噪声较大的预试验估计值，不一定是可靠的规划依据。(doi.org)\n\n在元分析中，可以相互比较的效应估计值会被合并，通常采用与估计精度有关的权重。标准化差异有助于综合使用不同工具测量同一构念的研究，但总体变异程度的差异可能影响这些效应量的可比性。报告所用指标、组别顺序、分母、标准误或区间，以及针对具体研究设计采用的计算方法，可以让估计值更易于解释和再次使用。解释合并效应时，也需要关注研究之间的差异和偏差，而不能将其视为不受背景影响的常数。(cochrane.org)"
    }
  ],
  "links": [
    "statistics",
    "p-value",
    "statistical-hypothesis-testing",
    "null-hypothesis",
    "estimator",
    "estimator-bias",
    "confidence-interval",
    "causation",
    "sample-mean",
    "standardized-mean-difference",
    "cohens-d",
    "standard-deviation",
    "variance",
    "correlation",
    "ordinary-least-squares",
    "linear-regression",
    "coefficient-of-determination",
    "analysis-of-variance",
    "probability",
    "risk-ratio",
    "odds-ratio",
    "significance-level",
    "experimental-design",
    "statistical-power",
    "meta-analysis",
    "standard-error"
  ],
  "sources": [
    {
      "title": "www2.psych.ubc.ca/~schaller/528Readings/KellyPreacher2012.pdf",
      "url": "https://www2.psych.ubc.ca/~schaller/528Readings/KellyPreacher2012.pdf"
    },
    {
      "title": "amstat.org/asa/files/pdfs/p-valuestatement.pdf",
      "url": "https://www.amstat.org/asa/files/pdfs/p-valuestatement.pdf"
    },
    {
      "title": "cochrane.org/authors/handbooks-and-manuals/handbook/current/chapter-06",
      "url": "https://www.cochrane.org/authors/handbooks-and-manuals/handbook/current/chapter-06"
    },
    {
      "title": "frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2013.00863/full",
      "url": "https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2013.00863/full"
    },
    {
      "title": "online.stat.psu.edu/stat501/Lesson01",
      "url": "https://online.stat.psu.edu/stat501/Lesson01"
    },
    {
      "title": "doi.org/10.1525/collabra.33267",
      "url": "https://doi.org/10.1525/collabra.33267"
    },
    {
      "title": "cochrane.org/authors/handbooks-and-manuals/handbook/current/chapter-10",
      "url": "https://www.cochrane.org/authors/handbooks-and-manuals/handbook/current/chapter-10"
    }
  ],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}