<\/p>\n
In der Statistik verwenden wir h\u00e4ufig p-Werte<\/a> , um festzustellen, ob zwischen dem Mittelwert zweier Gruppen ein statistisch signifikanter Unterschied besteht.<\/span><\/p>\n W\u00e4hrend uns ein p-Wert jedoch sagen kann, ob zwischen zwei Gruppen ein statistisch signifikanter Unterschied besteht oder nicht, kann uns eine Effektgr\u00f6\u00dfe<\/a> sagen, wie gro\u00df dieser Unterschied tats\u00e4chlich ist.<\/span><\/p>\n Eines der gebr\u00e4uchlichsten Ma\u00dfe f\u00fcr die Effektst\u00e4rke ist Cohens d<\/strong> , das wie folgt berechnet wird:<\/span><\/p>\n Cohens D = ( x1<\/span> \u2013 x2<\/span> ) \/<\/sub> \u221a<\/sub> (<\/sup> s12<\/sup> +<\/sub> s22<\/sub> ) \/ 2<\/span><\/span><\/p>\n Gold:<\/span><\/p>\n Mit dieser Formel interpretieren wir Cohens d wie folgt:<\/span><\/p>\n Und so weiter.<\/span><\/p>\n Hier ist eine andere M\u00f6glichkeit, Cohens d zu interpretieren: Eine Effektst\u00e4rke von 0,5 bedeutet, dass der Wert der durchschnittlichen Person in Gruppe 1 0,5 Standardabweichungen \u00fcber dem Wert der durchschnittlichen Person in Gruppe 2 liegt.<\/span><\/p>\n Wir verwenden h\u00e4ufig die folgende Faustregel, um Cohens d zu interpretieren:<\/span><\/p>\n Das folgende Beispiel zeigt, wie Cohens d in R berechnet wird.<\/span><\/p>\n Angenommen, ein Botaniker wendet zwei verschiedene D\u00fcngemittel auf Pflanzen an, um festzustellen, ob nach einem Monat ein signifikanter Unterschied im durchschnittlichen Pflanzenwachstum (in Zoll) besteht.<\/span><\/p>\n Es gibt zwei Methoden, mit denen wir Cohens d in R schnell berechnen k\u00f6nnen:<\/span><\/p>\n Methode 1: Verwenden Sie das lsr-Paket<\/strong><\/span><\/p>\n Methode 2: Verwenden Sie das effsize-Paket<\/strong><\/span><\/p>\n Beachten Sie, dass beide Methoden zum gleichen Ergebnis f\u00fchren: Cohens d betr\u00e4gt 0,2635<\/strong> .<\/span><\/p>\n Wir interpretieren dies so, dass die durchschnittliche H\u00f6he der Pflanzen, die D\u00fcnger Nr. 1 erhalten haben, um 0,2635<\/strong> Standardabweichungen gr\u00f6\u00dfer ist als die durchschnittliche H\u00f6he der Pflanzen, die D\u00fcnger Nr. 2 erhalten haben.<\/span><\/p>\n Unter Verwendung der zuvor erw\u00e4hnten Faustregel w\u00fcrden wir dies als eine kleine Effektgr\u00f6\u00dfe interpretieren.<\/span><\/p>\n Mit anderen Worten: Unabh\u00e4ngig davon, ob es einen statistisch signifikanten Unterschied im durchschnittlichen Pflanzenwachstum zwischen den beiden D\u00fcngemitteln gibt oder nicht, ist der tats\u00e4chliche Unterschied zwischen den Gruppenmitteln unbedeutend.<\/span><\/p>\n Die folgenden Tutorials bieten zus\u00e4tzliche Informationen zur Effektgr\u00f6\u00dfe und Cohens d:<\/span><\/p>\n Effektgr\u00f6\u00dfe: Was es ist und warum es wichtig ist<\/a> In der Statistik verwenden wir h\u00e4ufig p-Werte , um festzustellen, ob zwischen dem Mittelwert zweier Gruppen ein statistisch signifikanter Unterschied besteht. W\u00e4hrend uns ein p-Wert jedoch sagen kann, ob zwischen zwei Gruppen ein statistisch signifikanter Unterschied besteht oder nicht, kann uns eine Effektgr\u00f6\u00dfe sagen, wie gro\u00df dieser Unterschied tats\u00e4chlich ist. Eines der gebr\u00e4uchlichsten Ma\u00dfe f\u00fcr […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n\n
\n
\n
Beispiel: So berechnen Sie Cohens d in R<\/strong><\/span><\/h3>\n
library<\/span> (lsr)\n\n#define plant growth values for each group\ngroup1 <- c(8, 9, 11, 11, 12, 14, 15, 16, 16, 18, 20, 21)\ngroup2 <- c(7, 9, 10, 10, 11, 11, 12, 14, 14, 16, 20, 23)<\/span>\n\n#calculate Cohen's d\ncohensD(group1, group2)\n\n[1] 0.2635333\n<\/span><\/span><\/strong><\/pre>\n library<\/span> (effsize)\n\n#define plant growth values for each group\ngroup1 <- c(8, 9, 11, 11, 12, 14, 15, 16, 16, 18, 20, 21)\ngroup2 <- c(7, 9, 10, 10, 11, 11, 12, 14, 14, 16, 20, 23)<\/span>\n\n#calculate Cohen's d\ncohen.d(group1, group2)\n\nCohen's d\n\nd estimate: 0.2635333 (small)\n95 percent confidence interval:\n lower upper \n-0.5867889 1.1138555<\/span><\/span><\/strong><\/pre>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So berechnen Sie Cohens d in Excel<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"