<\/p>\n
In de statistiek gebruiken we vaak p-waarden<\/a> om te bepalen of er een statistisch significant verschil bestaat tussen het gemiddelde van twee groepen.<\/span><\/p>\n Hoewel een p-waarde ons echter kan vertellen of er al dan niet een statistisch significant verschil is tussen twee groepen, kan een effectgrootte<\/a> ons vertellen hoe groot dat verschil werkelijk is.<\/span><\/p>\n Een van de meest gebruikelijke maatstaven voor de effectgrootte is Cohen’s d<\/strong> , die als volgt wordt berekend:<\/span><\/p>\n Cohen’s D = ( x1<\/span> \u2013 x2<\/span> ) \/<\/sub> \u221a<\/sub> (<\/sup> s12<\/sup> +<\/sub> s22<\/sub> ) \/ 2<\/span><\/span><\/p>\n Goud:<\/span><\/p>\n Met behulp van deze formule interpreteren we Cohen’s d als volgt:<\/span><\/p>\n Enzovoort.<\/span><\/p>\n Hier is een andere manier om Cohen’s d te interpreteren: een effectgrootte van 0,5 betekent dat de waarde van de gemiddelde persoon in groep 1 0,5 standaardafwijkingen boven de gemiddelde persoon in groep 2 ligt.<\/span><\/p>\n We gebruiken vaak de volgende vuistregel om Cohen’s d te interpreteren:<\/span><\/p>\n Het volgende voorbeeld laat zien hoe je Cohen’s d in R berekent.<\/span><\/p>\n Stel dat een botanicus twee verschillende meststoffen op planten toepast om te bepalen of er na een maand een significant verschil is in de gemiddelde plantengroei (in inches).<\/span><\/p>\n Er zijn twee methoden die we kunnen gebruiken om Cohen’s d in R snel te berekenen:<\/span><\/p>\n Methode 1: Gebruik het lsr-pakket<\/strong><\/span><\/p>\n Methode 2: Gebruik het effsize-pakket<\/strong><\/span><\/p>\n Merk op dat beide methoden hetzelfde resultaat opleveren: Cohen’s d is 0,2635<\/strong> .<\/span><\/p>\n We interpreteren dit zo dat de gemiddelde hoogte van planten die kunstmest nr. 1 hebben gekregen 0,2635<\/strong> standaarddeviaties groter is dan de gemiddelde hoogte van planten die kunstmest nr. 2 hebben gekregen.<\/span><\/p>\n Gebruikmakend van de eerder genoemde vuistregel, zouden we dit interpreteren als een kleine effectgrootte.<\/span><\/p>\n Met andere woorden: ongeacht of er wel of niet een statistisch significant verschil bestaat in de gemiddelde plantengroei tussen de twee meststoffen, is het werkelijke verschil tussen de groepsgemiddelden onbeduidend.<\/span><\/p>\n De volgende tutorials bieden aanvullende informatie over effectgrootte en Cohen’s d:<\/span><\/p>\n Effectgrootte: wat het is en waarom het ertoe doet<\/a> In de statistiek gebruiken we vaak p-waarden om te bepalen of er een statistisch significant verschil bestaat tussen het gemiddelde van twee groepen. Hoewel een p-waarde ons echter kan vertellen of er al dan niet een statistisch significant verschil is tussen twee groepen, kan een effectgrootte ons vertellen hoe groot dat verschil werkelijk is. Een […]<\/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":[],"class_list":["post-3135","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n\n
\n
\n
Voorbeeld: Hoe Cohen’s d in R te berekenen<\/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 Aanvullende bronnen<\/strong><\/span><\/h3>\n
Hoe Cohen’s d in Excel te berekenen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"