Effektstärke

Effektstärke bezeichnet in der Statistik die Größe eines Effekts oder die Stärke eines Zusammenhangs bzw. Vergleichs. Sie misst die praktische Bedeutsamkeit eines Befunds unabhängig von der Stichprobengröße und bleibt stabil gegenüber der Teststärke. Effektstärken ergänzen p-Werte, indem sie Auskunft über das Ausmaß der Unterschiede oder Beziehungen geben. Sie werden in Experimenten, Beobachtungsstudien und Meta-Analysen eingesetzt.

Häufige Maßzahlen sind unter anderem: Cohen's d = (M1 − M2) / s_pooled für Gruppenunterschiede; Pearson's r = Kov(X,Y) / (sX sY) für lineare Zusammenhänge; η² = SS_Effekt / SS_Total (und das relevante partielle η²); Hedges g als bias-korrigierte Version des d; Odds Ratio (OR) für dichotome Outcomes. Bei Regressionsmodellen können auch r² oder standardisierte Koeffizienten verwendet werden.

Interpretationsleitlinien zeigen grobe Orientierung: Für Cohen's d gelten oft 0,2 = klein, 0,5 = mittel, 0,8 = groß; r-Werte von 0,1, 0,3, 0,5; η²-Werte von 0,01, 0,06, 0,14; diese Konventionen hängen stark vom Fachgebiet ab.

Effektstärken sind zentral für Power-Analysen, Stichprobengrößenplanung und Meta-Analysen. Sie ermöglichen die Vergleichbarkeit von Befunden über Studien hinweg. Die Wahl der Maßzahl hängt vom Studiendesign ab; falsche oder inflationäre Effekte können auftreten, etwa durch Publikationsbias oder Bias bei kleinen Stichproben, weshalb Korrekturen wie Hedge's g oder Bias-Adjusted η² sinnvoll sein können.

Zusammenfassend dient die Effektstärke dazu, die Größe eines Effekts eindeutig zu quantifizieren und in Kontext zu setzen.