Wichtige Fakten
- Kategorie
- Mathe, Datum & Finanzen
- Eingabetypen
- select, number
- Ausgabetyp
- json
- Sample-Abdeckung
- 2
- API verfügbar
- Yes
Überblick
Der Effektgrößen-Rechner ist ein präzises Werkzeug zur Ermittlung statistischer Effektstärken wie Cohen's d, Hedges' g, Cohen's h (für Anteile) und Korrelations-r. Durch die Eingabe zusammengefasster Kennzahlen wie Mittelwerte, Standardabweichungen und Stichprobengrößen liefert das Tool sofort den standardisierten Effektwert sowie dessen qualitative Interpretation. Es ist ideal für Forscher, Datenanalysten und Studenten, die die praktische Relevanz ihrer statistischen Ergebnisse über reine p-Werte hinaus bewerten möchten.
Wann verwenden
- •Wenn Sie die praktische Bedeutsamkeit von Mittelwertunterschieden zwischen zwei unabhängigen Gruppen bewerten müssen.
- •Wenn Sie Meta-Analysen durchführen und standardisierte Effektstärken aus publizierten Kennzahlen extrahieren wollen.
- •Wenn Sie die Stärke des Unterschieds zwischen zwei Anteilen oder die Relevanz einer Korrelation interpretieren möchten.
So funktioniert es
- •Wählen Sie den gewünschten Effekttyp aus (Cohen's d, Hedges' g, Anteils-h oder Korrelation r).
- •Geben Sie die entsprechenden statistischen Kennzahlen ein, wie z. B. Mittelwerte, Standardabweichungen und Stichprobengrößen für zwei Gruppen.
- •Legen Sie die gewünschte Anzahl der Dezimalstellen für das Ergebnis fest.
- •Das Tool berechnet automatisch die Effektgröße und gibt den numerischen Wert sowie eine qualitative Einordnung (z. B. 'small' oder 'large') als JSON aus.
Anwendungsfälle
Beispiele
1. Berechnung der Effektstärke für eine klinische Studie
Klinischer Forscher- Hintergrund
- Ein Forscher vergleicht die Blutdrucksenkung eines neuen Medikaments (Gruppe 1) mit einem Placebo (Gruppe 2).
- Problem
- Der p-Wert ist signifikant, aber die tatsächliche Stärke des Effekts muss für die Publikation quantifiziert werden.
- Verwendung
- Wählen Sie 'Cohen d' und geben Sie die Mittelwerte (105 vs. 100), Standardabweichungen (jeweils 15) und Gruppengrößen (jeweils 30) ein.
- Beispielkonfiguration
-
{ "effectType": "cohen-d", "group1Mean": 105, "group2Mean": 100, "group1Sd": 15, "group2Sd": 15, "group1Size": 30, "group2Size": 30, "decimalPlaces": 4 } - Ergebnis
- Das Tool berechnet eine Effektgröße von 0.3333 und stuft diese als 'small' (klein) ein.
2. Auswertung eines Marketing-A/B-Tests
Data Analyst- Hintergrund
- Zwei verschiedene Landingpages wurden getestet. Variante A hat eine Conversion-Rate von 60%, Variante B von 50%.
- Problem
- Es soll ermittelt werden, wie groß der standardisierte Effekt des Unterschieds zwischen den beiden Raten ist.
- Verwendung
- Wählen Sie 'Anteils-h' als Effekttyp und geben Sie 0.6 für Anteil 1 und 0.5 für Anteil 2 ein.
- Beispielkonfiguration
-
{ "effectType": "proportion-h", "proportion1": 0.6, "proportion2": 0.5, "decimalPlaces": 4 } - Ergebnis
- Die Berechnung liefert den Cohen's h Wert für den Unterschied der Proportionen, um die praktische Relevanz der neuen Landingpage zu belegen.
Mit Samples testen
barcodeVerwandte Hubs
FAQ
Was ist der Unterschied zwischen Cohen's d und Hedges' g?
Cohen's d überschätzt die Effektgröße bei kleinen Stichproben leicht. Hedges' g wendet eine Korrektur an und ist daher für Stichprobengrößen unter 20 besser geeignet.
Welche Eingaben benötige ich für Cohen's d?
Sie benötigen den Mittelwert, die Standardabweichung und die Stichprobengröße für beide zu vergleichenden Gruppen.
Wie interpretiere ich die ausgegebene 'magnitude'?
Die Interpretation basiert auf gängigen Konventionen. Ein Wert um 0,2 gilt meist als klein, 0,5 als mittel und 0,8 als groß.
Kann ich die Effektgröße für Anteile berechnen?
Ja, wählen Sie den Effekttyp 'Anteils-h' und geben Sie die beiden zu vergleichenden Proportionen (Werte zwischen 0 und 1) ein.
Werden Rohdaten für die Berechnung benötigt?
Nein, dieses Tool arbeitet ausschließlich mit zusammengefassten statistischen Kennzahlen (Summary Statistics) wie Mittelwerten und Standardabweichungen.