效应量
效应量回答“差异有多大”，比 p 值更能说明结果的实际意义。
要点
- 常用指标：Cohen's d（均值差/标准差）、r、OR。粗略参考：d=0.2 小、0.5 中、0.8 大。
- 样本足够大时，极小的差异也会显著，所以必须看效应量。
- 效应量同样受测量质量与情境影响，跨研究仍需元分析整合。
时间线
- 1969科恩《统计权力分析》给出 d 的经验标准
- 1970s元分析兴起，效应量成为跨研究比较单位
- 1990sAPA 开始要求报告效应量
- 2010s重复性危机揭示效应量普遍高估
p 值不告诉你有多大
p 值回答的是「如果真实效应为零，观察到这么极端结果的概率有多大」。它不回答「效应有多大」，也不回答「这个效应重要吗」。样本足够大时，任何微小的差异都会显著。
效应量就是用来回答「多大」的指标。它把差异标准化，使其可以跨研究比较。
三类常用指标
d 族（均值差异）：Cohen's d = 两组均值差 / 合并标准差。经验参考：0.2 小、0.5 中、0.8 大。r 族（相关）：相关系数本身，0.1 小、0.3 中、0.5 大。OR/RR（二分结果）：风险比，需结合基线风险解读。
还有一类常被忽略：NNT（需治疗人数）= 1 / 绝对风险降低。它回答「要治多少人才能多一个人获益」，是最贴近决策的指标。
换算与直觉
d = 0.5 大致相当于两组重叠约 80%，或者说「随机取一个人，有 64% 的概率优于对照组随机取的一人」。d = 0.2 时这个概率约 55%——非常接近抛硬币。
这个换算能纠正一种直觉错误：「统计显著」常被读成「差别明显」，但 d = 0.2 的差异在个体层面几乎不可见，只有在大样本聚合时才显现。
心理学里的效应量现实
多数心理学效应的效应量在 d = 0.2—0.5 之间。这意味着：单个研究很难在个体层面预测，但聚合起来对政策与公共健康仍然有意义（比如全员微小的成绩提升）。
重复性危机之后，研究者发现早期「经典」效应量普遍被高估（因为小样本 + 发表偏倚）。一个粗略经验：原始研究报告的效应量，在大样本重复中平均缩水约一半。
怎么用
读研究时：先看效应量，再看置信区间（区间宽说明估计不稳），最后才看 p 值。比较不同研究时：只有同一种效应量指标才能直接比（d 与 r 可以换算，但不能与 OR 直接比）。做决策时：把效应量换成绝对数（每 100 人中有几人受益），比抽象系数更有用。
最后一个提醒：效应量也有「重要性」问题。d = 0.3 对「提高考试成绩」可能无关紧要，对「降低死亡率」可能极其重要。判断重要性需要领域知识，不是统计能回答的。
关键信息
- d 族
- 均值差 / 合并标准差；0.2 小、0.5 中、0.8 大
- NNT
- 1 / 绝对风险降低，最贴近决策
- 直觉换算
- d=0.5 ≈ 两组重叠 80%，优劣概率 64%
- 心理学现实
- 多数效应 d=0.2—0.5；重复后常缩水约一半
常见疑问
p < 0.05 是不是说明效果明显？
不是。p 值只说「不太可能是偶然」，不说「差别大」。大样本下 d=0.05 也能显著。要看效应量与置信区间。
效应量小是不是就没意义？
不一定。小效应在大范围应用时能产生可观的总体影响（如公共卫生）。但对个体预测，小效应几乎无用。判断要看应用场景。
参考来源
- Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences.
- Lakens, D. (2013). Calculating and reporting effect sizes.
这条目是科普整理，不是诊断依据。如果这句话你是在某个短视频或文章里看到的， 可以用论点溯源查一下它有没有文献支持。
分类：08 / 方法与测量 · 更新 2026-11-01 · 来源 https://psyc.pub/e/effect-size.html