关键信息
- 分类
- 数学、日期与金融
- 输入类型
- select, number
- 输出类型
- json
- 样本覆盖
- 2
- 支持 API
- Yes
概览
效应量计算器是一款专为研究人员和数据分析师设计的在线工具，能够根据汇总统计量快速计算多种效应量指标。无论是比较两组均值差异的 Cohen d 和 Hedges g，还是评估比例差异的 Cohen h，亦或是转换相关系数 r，该工具都能提供精确的计算结果及效应强度评估（如“小”、“中”、“大”），帮助您更直观地解释统计分析的实际意义，而无需手动套用复杂的统计公式。
适用场景
- •需要在学术论文或研究报告中报告两组数据差异的实际显著性（如 Cohen d 或 Hedges g）时。
- •进行荟萃分析（Meta-analysis），需要将不同研究的统计结果统一转换为标准化效应量时。
- •评估A/B测试或实验干预效果，需要计算转化率等比例差异的效应量（Cohen h）时。
工作原理
- •在“效应量类型”下拉菜单中选择需要计算的指标（Cohen d、Hedges g、比例 h 或相关 r）。
- •根据所选类型，输入相应的汇总统计量，如两组的均值、标准差、样本量，或输入比例、相关系数。
- •设定结果保留的小数位数（默认为 4 位）。
- •工具将自动计算出标准化的效应量数值，并附带效应强度（如 small、medium、large）的定性评估结果。
使用场景
心理学与教育学研究：在对比实验组与对照组的测试成绩时，计算 Cohen d 以评估教学方法的实际干预效果。
临床医学试验：通过输入两组患者的治愈率（比例），计算 Cohen h 来衡量新药相较于安慰剂的临床疗效差异。
市场营销与A/B测试：分析两个不同版本网页的点击率差异，计算效应量以判断改版是否具有实际的商业推广价值。
用户案例
1. 计算教学干预的 Cohen d 效应量
教育学研究员- 背景原因
- 研究员测试了一种新的教学方法，实验组（30人）平均分为105，标准差15；对照组（30人）平均分为100，标准差15。
- 解决问题
- 需要在论文中报告两组分数差异的标准化效应量及强度，以证明新教学法的实际效果。
- 如何使用
- 选择“Cohen d”，输入第1组均值105、标准差15、样本量30，以及第2组均值100、标准差15、样本量30。
- 效果
- 工具输出效应量为 0.3333，并提示效应强度为“small”（小效应），便于直接写入研究报告。
2. 评估A/B测试转化率差异的效应量
数据分析师- 背景原因
- 在一次网页A/B测试中，A版本的转化率为 60% (0.6)，B版本的转化率为 50% (0.5)。
- 解决问题
- 仅看转化率差异不足以评估业务影响，需要计算比例差异的效应量来判断其实际意义。
- 如何使用
- 将效应量类型切换为“比例 h”，在比例1中输入 0.6，在比例2中输入 0.5。
- 效果
- 工具计算出 Cohen h 效应量，帮助分析师判断 10% 的转化率提升在统计学上的实际效应大小。
用 Samples 测试
barcode相关专题
条码、二维码与标签工具
把条码生成、二维码创建与解码、UPC/EAN 校验、WiFi 二维码分享和可打印标签工具集中到一个专题中。
音频编码与格式转换工具
在一个专题里比较音频格式转换、码率调整、采样率转换、编码切换和导出工具，适合交付与归档工作流。
图片格式转换与动画导出工具
在一个专题里比较 JPG、PNG、GIF、AVIF、WebP、TIFF、ICO、base64 以及动画导出相关的图片格式转换工具。
JSON 交换与格式翻译工具
在一个专题里比较 JSON 与 CSV、YAML、TOML、GraphQL、XML、Markdown、Excel、BSON、EDN 等结构化格式之间的转换工具。
常见问题
Cohen d 和 Hedges g 有什么区别？
Cohen d 适用于样本量较大的情况；而 Hedges g 对小样本（通常每组小于 20）进行了偏差校正，在小样本研究中更为准确。
这个工具能计算原始数据的效应量吗？
不能。该工具专为汇总统计量（如均值、标准差、样本量或比例）设计，您需要先计算出这些基础统计量后再输入本工具进行计算。
效应强度的评估标准是什么？
工具通常采用 Cohen 提出的经典经验法则：对于 Cohen d，0.2 为小效应，0.5 为中等效应，0.8 为大效应。
什么时候应该使用比例 h（Cohen h）？
当您需要比较两个独立样本的比例差异（例如两组的转化率或治愈率）时，应使用比例 h 来衡量差异的效应量。
结果中的 magnitude 代表什么？
magnitude 是对计算出的效应量数值的定性解释，通常分为“小 (small)”、“中 (medium)”和“大 (large)”，帮助非专业人士理解差异的实际意义。