标准化均值差(SMD)是一类效应量指标,用于表示两个均值之差相对于所选标准差的大小。与原始均值差不同,它没有物理测量单位。在统计学中,标准化均值差广泛用于描述组间差异、合并采用不同尺度测量的研究结果,以及评估比较组之间的协变量平衡。常见形式包括 Cohen's 、Hedges' 和 Glass's ,它们的主要区别在于标准化所用的分母,以及对小样本偏差的处理方式。
定义与解释
对于均值分别为 和 的两个总体,总体标准化均值差可写为
其中, 是指定的参照标准差。总体均值是期望值;参照标准差描述一个或两个总体的变异程度。
的选择是定义的一部分,而不只是计算细节。如果两个总体具有相同的标准差 ,自然的定义是
当两个总体的方差不同时,可以选用多种合理的标准化分母,而它们得出的效应量未必相同。
SMD 为 ,表示第一个均值比第二个均值高出所选参照标准差的一半。这并不意味着第一个均值高出 50%,也不意味着第一组中的每个人得分都更高。零表示均值相等,而不表示概率分布相同。
正负号取决于相减的顺序和测量尺度的方向。例如,正差值既可能表示表现较好,也可能表示表现较差,这取决于高分代表成功还是困难。
主要估计量
Cohen's
对于两个独立样本,设 为样本均值, 为样本标准差, 为样本量。Cohen's 的一种常见定义为
其中
。
这个分母按照各样本的自由度对样本方差加权。它不是把所有观测值合在一起计算的标准差:后者还会反映组间均值的差异。
“Cohen's ”这一名称有时也用于采用其他标准化约定的指标。因此,在比较报告中的数值时,应明确所用公式或分母。
Hedges'
从方差相等的正态分布总体中独立抽样时, 存在偏离零方向的小样本估计量的偏差。Hedges' 对此进行校正:
其中
这里, 为伽马函数。一种广泛使用的近似为
在正态、等方差模型下,对于采用合并标准差的估计量,只要相关期望存在,这一精确校正就能使 成为 的无偏估计量。校正在小样本中影响最为明显,校正因子则随样本量增加而趋近于一。
Hedges' 在元分析中尤为常见,因为系统性的小样本偏差可能在多项研究中累积。
Glass's
Glass's 使用指定参照组或对照组的标准差进行标准化:
当干预不仅可能改变均值,还可能改变变异程度,从而使合并分母难以解释时,这一定义很有用。它所估计的总体目标量为
而不是以共同标准差或平均标准差进行标准化的差值。
Glass's 也可能存在有限样本偏差;使用对照组标准差作为分母,本身并不能校正偏差。
示例
假设两个独立组各有 50 个观测值,样本均值分别为 75 和 70,样本标准差均为 10。那么
当 时,
因此,估计的差异约为半个标准差。由于总样本量较大,校正幅度很小。
如果两组得分都按 进行变换,且 ,则均值差和标准差都会乘以 ,因此 SMD 不变。若 为负,其正负号就会反转。非线性变换通常会改变其大小。
抽样不确定性与假设检验
SMD 是一个具有抽样不确定性的估计值。其精确程度取决于样本量、各组样本的分配、潜在分布以及所用的分母。
对于等方差模型下的独立组,一种常用的大样本近似为
将该表达式乘以 ,即可得到相应 的近似方差。更精细的估计量会采用不同的有限样本调整。
其中, 是相应的标准正态分位数。
对于通常采用合并方差的双样本 检验,
在观测值相互独立、服从正态分布且方差相等的条件下,当总体均值差不为零时,该统计量服从非中心学生t分布。其非中心参数为
通过反演该分布,可以得到 的置信区间;这类区间不一定关于效应估计值对称。
SMD 与统计假设检验中的显著性回答的是不同问题。大样本可以精确地估计一个很小的效应,而小样本中即使效应估计值较大,也可能仍有较大的不确定性。因此,P值不能替代效应量及其不确定性的报告。
配对与重复测量数据
对于配对观测值,例如干预前后的测量结果,选择分母时需要格外谨慎。
设 。一种标准化变化指标为
其中, 是个体差值的标准差。由于
两次测量之间的相关关系(以 表示)会影响 的大小。
其他指标则使用基线标准差,或由前后测量方差的平均值计算出的标准差,对平均变化量进行标准化。这些指标估计的是不同的量。以变化分数的变异程度进行标准化的配对样本 SMD,不能与以个体间变异程度进行标准化的独立组 SMD 直接互换。
因此,在比较或合并标准化效应时,必须明确标准化分母和实验设计。此外,组内变化本身并不能证明干预效应的存在。
在元分析中的应用
当不同研究使用不同工具测量足够相似的构念时,SMD 可以用于合并这些研究,例如合并旨在评估同一技能的不同测验结果。合并之前,必须统一得分方向,使正值和负值具有一致的含义。
一种常见的逆方差加权合并估计值为
在共同效应模型中,,其中 是估计的抽样方差。在随机效应模型中,权重通常采用以下形式:
其中, 表示研究间效应的异质性。
标准化消除了测量单位,但并不保证实质上的可比性。不同工具可能测量不同的构念,也可能具有不同的测量信度。不同总体的变异程度也可能不同:同样的原始均值差,在更同质的总体中会产生更大的 SMD。
如果多项研究共用参与者、比较组或结局指标,其效应估计值在统计上就具有依赖性。合成这些结果时必须考虑这种依赖性,而不能把所有估计值都视为相互独立。
在协变量平衡评估中的应用
在因果推断中,标准化差异用于比较匹配或加权前后各组之间的协变量。对于连续协变量,一种常见定义为
与通常的 Cohen's 所用的按自由度加权的分母不同,这个分母赋予两组方差相同的权重。其他约定则使用基线标准差或参照组标准差。
对于二元协变量,一种约定是用比例替代均值,用 替代方差:
标准化差异的绝对值通常用作描述性的平衡诊断指标,而不是显著性检验。 之类的阈值只是一种惯例,并不能证明混杂已被消除。均值相等时,方差、分布形态或协变量之间的关系仍可能不同;已测量变量上的平衡也不能证明未测量变量同样平衡。
解释与局限
与 Cohen 相关的惯用基准将绝对值约为 、 和 的效应分别称为小、中和大效应。这些只是粗略的惯例,而非普遍适用的标准。实际重要性取决于结局、总体、成本和具体研究背景。
以下几项局限尤其重要:
- 依赖变异程度。 分母反映总体异质性和测量特性,而不仅仅是均值差的大小。
- 方差不等。 当总体方差不同时,以共同标准差为基础的解释可能不适用。合并分母还可能取决于各组样本量的相对大小。
- 对极端观测值敏感。 均值和标准差都可能受到离群值的强烈影响。稳健的替代方法通常定义的是不同的效应指标。
- 提供的分布信息有限。 SMD 描述的是标准化后的均值差异;若不作额外假设,它并不能描述分布之间的所有差异,也不能给出一个观测值大于另一个观测值的概率。
- 不自动具有因果含义。 对差异进行标准化,并不能消除选择效应、混杂或其他偏差来源。
- 分母可能无定义或不稳定。 参照标准差为零时,该指标无定义;分母估计不佳时,估计值可能不稳定。
报告原始均值、标准差、样本量、相减方向、标准化约定和不确定性区间,有助于使 SMD 的解释清晰、计算可复现。