1. Cohen's d 效应量解释

Cohen's d 是最常用的效应量指标之一，用于量化两组数据之间差异的大小。具体判断标准如下：

• |d| < 0.2：微小效应量，表示两组差异几乎可以忽略
• 0.2 ≤ |d| < 0.5：小效应量，表示存在较小但可察觉的差异
• 0.5 ≤ |d| < 0.8：中等效应量，表示存在明显的实践意义
• |d| ≥ 0.8：大效应量，表示存在显著的实质性差异

2. 计算公式说明

Cohen's d = (M₁ - M₂) / SD_pooled

95% 置信区间计算：

• SE = √[(n₁ + n₂)/(n₁n₂) + d²/(2(n₁ + n₂))]
• CI = d ± (1.96 × SE)
• 其中 SE 为标准误，1.96 为 95% 置信水平的临界值

其中：

• M₁, M₂ 分别为两组的平均值
• SD_pooled = √[(SD₁² + SD₂²) / 2] 为合并标准差
• SD₁, SD₂ 分别为两组的标准差
• n₁, n₂ 分别为两组的样本量
• 置信区间表示我们有95%的把握认为真实的效应量落在这个区间内

3. 置信区间解释

• 置信区间不包含0：表示效应在统计学上显著，即两组之间存在真实差异
• 置信区间包含0：表示效应可能不显著，需要更多证据支持
• 区间范围越窄：表示估计越精确
• 区间范围越宽：表示估计的不确定性较大

4. 图形说明

上方曲线图展示了两组数据的正态分布情况：

• 红色曲线：第一组数据分布
• 绿色曲线：第二组数据分布
• 曲线重叠程度：直观反映了两组数据的差异大小
• 曲线宽度：反映了各组的标准差大小

5. 使用注意事项

• 本计算器假设数据服从正态分布
• 当两组样本量相近且方差同质时，结果最为可靠
• 效应量的判断标准仅供参考，具体解释需结合研究领域的具体情况