视频字幕
效应量是统计学中一个重要概念，它衡量的是统计显著性的实际意义。与p值不同，效应量告诉我们差异或关系的大小程度，而不仅仅是是否存在差异。在这个图中，我们可以看到两个分布之间的距离，这就代表了效应量的大小。
Cohen's d 是最常用的效应量指标，用于衡量两组均值差异的标准化大小。它的计算公式是两组均值的差除以合并标准差。Cohen 提出了效应量的经验标准：d等于0.2表示小效应，0.5表示中效应，0.8表示大效应。这个标准化的指标让我们能够跨越不同研究进行比较。
让我们直观地看看不同大小效应量的表现。当效应量很小时，两组分布重叠很多，差异不明显。随着效应量增大，两组分布逐渐分离。当效应量达到0.8时，两组分布几乎完全分离，表示存在很大的实际差异。这种可视化帮助我们理解效应量的实际意义。
除了Cohen's d之外，统计学中还有其他重要的效应量指标。Eta平方用于方差分析，衡量因子解释的方差比例。相关系数r衡量两个变量间线性关系的强度。比值比用于分类变量的分析。每种效应量都有自己的判断标准，但都遵循小、中、大效应的分类原则。选择合适的效应量指标对于正确解释研究结果至关重要。
效应量在科学研究中具有重要的实际应用意义。首先，它帮助我们评估研究结果的实际重要性，而不仅仅是统计显著性。其次，效应量使得不同研究之间的比较成为可能，这对元分析特别重要。第三，效应量可以指导我们进行样本量计算，确保研究有足够的统计功效。最重要的是，效应量帮助我们避免仅依赖p值的误区，让我们更全面地理解研究结果的意义。