effektsstorlekar

Effektstorlekar är mått som beskriver styrkan i en relation eller skillnad mellan grupper, oberoende av hur stort urvalet är. De kompletterar p-värden genom att ange storleken på effekten i praktisk bemärkelse.

Vanliga mått: Cohen's d (standardiserad skillnad mellan två medelvärden); Hedges g (biaskorrigerad d); Pearson's r (samband mellan två kontinuerliga variabler); odds ratio och risk ratio (binära utfall); eta-squared och partial eta-squared (ANOVA).

Tolkning: enligt Cohen kan d användas som riktlinje där 0,2 ses som liten effekt, 0,5 som medelstor och 0,8 som stor; för r är 0,1 liten, 0,3 medel och 0,5 stor. Tolkningen beror på kontext, mätnivå och praktisk betydelse, inte enbart storleken i sig.

Användning och rapportering: effektstorlekar används i metaanalyser för att kombinera resultat över studier och vid kommunikation av hur starka effekterna är. Vid rapportering bör man ange vilken måttenhet som används, hur effekten beräknats, antal observationer och 95-procentiga konfidensintervall.

Viktiga fallgropar: standardisering mellan olika mätningar kan påverka tolkningen; riktning och tecken är viktiga; små studier ger breda konfidensintervall och risk för överdriven tolkning; konfidensintervall bör alltid rapporteras.

Sammanfattning: effektstorlekar kompletterar signifikansmått genom att beskriva resultatens praktiska betydelse och underlättar jämförelser över studier.