视频字幕
效应量是统计学中一个重要概念，它衡量的是现象或处理效果的实际大小。与统计显著性不同，效应量关注的不是结果是否显著，而是这个效应在实际意义上有多大。比如在比较两组数据时，效应量告诉我们两组之间的差异有多大。
Cohen's d 是最常用的效应量指标，用于衡量两组均值差异的大小。它的计算公式是两组均值的差除以合并标准差。这样的标准化处理使得不同研究之间的效应量可以进行比较。一般来说，d等于0.2表示小效应，0.5表示中等效应，0.8表示大效应。
Cohen 提出了效应量的经典解释标准。d 等于 0.2 被认为是小效应，意味着两组之间存在可检测但较小的差异。d 等于 0.5 是中等效应，表示明显的差异。d 等于 0.8 是大效应，代表两组之间存在很大的差异。这些标准为研究者提供了判断效应实际意义的参考框架。
除了Cohen's d，统计学中还有许多其他重要的效应量指标。Eta平方用于方差分析，表示因子解释的变异比例。相关系数r衡量两变量间线性关系的强度。比值比OR常用于流行病学研究，比较不同组别某事件发生的相对风险。决定系数R平方在回归分析中表示模型的解释力。选择合适的效应量指标对正确解释研究结果至关重要。
效应量在实际研究中具有重要的应用价值。首先，它帮助研究者评估发现的实际重要性，而不仅仅是统计显著性。其次，效应量是样本量计算的重要依据，帮助设计合理的研究。在元分析中，效应量使不同研究的结果可以进行比较和整合。最重要的是，效应量为实践决策提供了科学依据，帮助我们判断研究结果是否值得在实际中应用。