Påverkningsmått

Påverkningsmått, eller effektstorleksmått, är statistiska mått som beskriver storleken på en effekt eller styrkan i ett samband mellan variabler. De används för att ange hur meningsfulla resultaten är i praktiken och är ofta ett komplement till p-värden, som i första hand anger om en effekt sannolikt inte är slumpmässig. Påverkansmått gör det också möjligt att jämföra resultat över studier och att sammanställa fynd i meta-analys.

Påverkansmått kan delas in i olika typer beroende på vad som mäts: skillnader mellan grupper, samband mellan variabler eller skillnader i risk/utfall. Exempel på gruppsbaserade mått är skillnad i medelvärde (till exempel Cohen’s d, en standardiserad skillnad). Exempel på sambandsmått är korrelationskoefficienten r. Exempel på risk- eller utfallsbaserade mått är odds ratio (OR), relativ risk (RR) och riskdifferens (RD). Inom analyser som ANOVA uttrycks ofta mått som eta kvadrerad (η²) eller partiell eta kvadrerad (partial η²) för att beskriva förklarad variation.

Ytterligare viktiga mått är hazard ratio (HR) i överlevnadsanalyser och arean under kurvan (AUC) för diagnostisk förmåga. Tolkningsriktlinjer för vad som räknas som litet, måttligt eller stort påverkningsmått varierar efter mått och kontext, och bör alltid inägnas i studiens sammanhang. Vid rapportering bör påverkningsmått komplettera p-värden och konfidensintervall; i meta-analys används ofta standardiserade effekter (till exempel Cohen’s d eller Fisher’s z) för jämförbarhet över studier.

---