什么是对冲？ g？ （定义&#038；示例）

在假设检验中，我们经常使用p值来确定两组之间是否存在统计显着差异。

然而，虽然 p 值可以告诉我们两组之间是否存在统计显着差异，但效应大小可以告诉我们差异的大小。

衡量效应大小的最常见方法之一是使用Hedges’ g ，其计算如下：

g = ( x ₁ – x ₂ ) / √ ((n ₁ -1)*s ₁ ² + (n ₂ -1)*s ₂ ² ) / (n ₁ +n ₂ -2)

金子：

• x ₁ , x ₂ ：分别是样本 1 的平均值和样本 2 的平均值
• _n1 , _n2 ：分别是样本量 1 和样本量 2
• s ₁ ² , s ₂ ² : 分别为样本1的方差和样本2的方差

以下示例显示如何计算两个样本的 Hedges g。

示例：覆盖率g的计算

假设我们有以下两个例子：

样本1：

• x1 ： _15.2
• s ₁ : 4.4
• 第₁名：39

样本2：

• x2 _： 14
• 秒₂ ：3.6
• 第₂名：34

以下是计算这两个样本的 Hedges g 的方法：

• g = ( x ₁ – x ₂ ) / √ ((n ₁ -1)*s ₁ ² + (n ₂ -1)*s ₂ ² ) / (n ₁ +n ₂ -2)
• g = (15.2 – 14) / √ ((39-1)*4.4 ² + (34-1)*3.6 ² ) / (39+34-2)
• 克=1.2/4.04788
• 克=0.29851

对冲的 g 结果是0.29851 。

额外奖励：使用此在线计算器可以自动计算任意两个样本的 Hedges g。

如何解释模糊限制语的g

一般来说，解释 Hedge 的 g 的方法如下：

• 0.2 = 小效应量
• 0.5 = 中等效应量
• 0.8 = 大效应量

在我们的示例中，效应大小0.29851可能被视为较小的效应大小。这意味着虽然两组均值之间的差异具有统计显着性，但各组均值之间的实际差异并不显着。

Hedges 的 g 与 Cohen 的 d

衡量效应大小的另一种常见方法称为Cohen’s d ，它使用以下公式：

d = ( X1 – X2 ) / _√ ^{( s12} _{+ s22} ) / ₂

Cohen’s d 和 Hedges’ g 之间的唯一区别是 Hedges’ g 在计算总体效应大小时考虑了每个样本大小。

因此，当两个样本量不相等时，建议使用 Hedge 的 g 来计算效应大小。

如果两个样本量相等，则 Hedges’ g 和 Cohen’s d 将具有完全相同的值。