¿Qué es la d de Cohen?
La d de Cohen es una medida estandarizada del tamaño del efecto que expresa la diferencia entre las medias de dos grupos en unidades de desviación típica. Se utiliza ampliamente en psicología, educación y medicina para cuantificar la magnitud de una diferencia con independencia del tamaño de la muestra. A diferencia del valor p, que solo indica si una diferencia es estadísticamente significativa, la d de Cohen te dice cómo de relevante es realmente esa diferencia.
Cómo usar esta calculadora
Introduce la media, la desviación típica y el tamaño muestral de cada uno de tus dos grupos. La calculadora obtiene la desviación típica combinada y divide la diferencia entre las medias por ella para darte la d de Cohen. Además, clasifica el resultado como insignificante, pequeño, mediano o grande según los puntos de referencia clásicos de Cohen.
La fórmula explicada
El tamaño del efecto es $$d = \frac{\bar{x}_1 - \bar{x}_2}{s_p}.$$ La desviación típica combinada es $$s_p = \sqrt{\frac{(n_1-1)\cdot s_1^2 + (n_2-1)\cdot s_2^2}{n_1 + n_2 - 2}}.$$ Esta fórmula pondera la varianza de cada grupo según sus grados de libertad, lo que produce una dispersión combinada única que sirve para estandarizar la diferencia de medias.
Ejemplo resuelto
Supongamos que el Grupo 1 tiene media 100, DE 10 y n 30, y que el Grupo 2 tiene media 90, DE 12 y n 30. La varianza combinada es $$\frac{(29\cdot 100)+(29\cdot 144)}{58} = \frac{2900+4176}{58} = 122.$$ Por tanto, \(s_p = \sqrt{122} \approx 11{,}0454\), y \(d = (100-90)/11{,}0454 \approx 0{,}905\), es decir, un efecto grande.
Valores de referencia de d de Cohen y solapamiento
La d de Cohen expresa una diferencia entre las medias de dos grupos en unidades de la desviación estándar agrupada. Cohen (1988) sugirió 0,2, 0,5 y 0,8 como etiquetas aproximadas para efectos pequeños, medianos y grandes. Sawilowsky (2009) añadió posteriormente 1,2 (muy grande) y 2,0 (enorme). Las cifras de solapamiento que aparecen abajo suponen dos distribuciones normales con varianza igual y se calculan a partir de d.
| d de Cohen | Etiqueta | Solapamiento de distribuciones (OVL) | U3 de Cohen (proporción del grupo 2 por debajo de la media del grupo 1) | Probabilidad de superioridad |
|---|---|---|---|---|
| 0,2 | Pequeño | ≈ 92,0 % | ≈ 57,9 % | ≈ 55,6 % |
| 0,5 | Mediano | ≈ 80,3 % | ≈ 69,1 % | ≈ 63,8 % |
| 0,8 | Grande | ≈ 68,9 % | ≈ 78,8 % | ≈ 71,4 % |
| 1,2 | Muy grande | ≈ 54,9 % | ≈ 88,5 % | ≈ 80,2 % |
| 2,0 | Enorme | ≈ 31,7 % | ≈ 97,7 % | ≈ 92,1 % |
Las fórmulas en las que se basa la tabla son \(\text{OVL} = 2\,\Phi(-d/2)\), \(U_3 = \Phi(d)\) y probabilidad de superioridad \(= \Phi(d/\sqrt{2})\), donde \(\Phi\) es la función de distribución acumulada de la normal estándar.
- Los valores de |d| por debajo de 0,2 suelen describirse como despreciables.
- Cohen describió estos valores de referencia como convenciones aproximadas para usar cuando no existe una referencia mejor específica del campo. No son límites rígidos, y una d de 0,49 no es significativamente distinta de 0,50.
Interpretación de su resultado de d de Cohen
La d se mide en unidades de desviación estándar. Una d de 0,5 significa que las dos medias de los grupos difieren en media desviación estándar agrupada. Una d de 1,0 significa que difieren en una desviación estándar agrupada completa.
Signo frente a magnitud. El signo solo indica qué grupo tiene la media más alta. Con \(\text{Mean}_1 - \text{Mean}_2\), una d positiva significa que el grupo 1 es más alto y una d negativa significa que el grupo 2 es más alto. El tamaño del efecto es el valor absoluto |d|, que es a lo que se refieren las etiquetas pequeño/mediano/grande.
El tamaño del efecto no es significación estadística. El valor p depende en gran medida del tamaño muestral. Una d muy pequeña puede ser "significativa" con miles de participantes, y una d grande puede no ser significativa con unos pocos. La d de Cohen no aumenta con n, así que describe cuán grande es la diferencia, no cuánta certeza hay de que exista. Es buena práctica informar un intervalo de confianza para d junto con ella.
El contexto importa. Las etiquetas 0,2, 0,5 y 0,8 son genéricas. En algunos campos, como la educación o la medicina, una d de 0,2 puede ser importante cuando el resultado es barato de modificar o afecta a muchas personas. En investigación de laboratorio muy controlada, 0,2 puede carecer de relevancia. Compare su d con los efectos publicados en su propio campo y juzgue las consecuencias prácticas.
Sesgo de muestras pequeñas. La d de Cohen sobrestima ligeramente el efecto poblacional cuando las muestras son pequeñas. La g de Hedges corrige esto de forma aproximada:
$$g \approx d \times \left(1 - \frac{3}{4(n_1 + n_2) - 9}\right)$$
Por ejemplo, con \(n_1 + n_2 = 80\) el factor es \(1 - 3/311 \approx 0{,}990\), así que una d de 0,53 se convierte en una g de aproximadamente 0,53. La corrección importa sobre todo cuando la muestra total es inferior a aproximadamente 20 a 50.
Supuestos de la desviación estándar agrupada.
- Las dos poblaciones tienen varianzas aproximadamente iguales. Si las desviaciones estándar difieren mucho, una desviación estándar agrupada puede ser engañosa, y alternativas como la Δ de Glass (que usa la desviación estándar del grupo control) pueden encajar mejor.
- Los datos son aproximadamente normales. Una asimetría fuerte o los valores atípicos distorsionan tanto las medias como las desviaciones estándar, y los porcentajes de solapamiento de la tabla de referencia ya no se cumplen exactamente.
- Los grupos son independientes. Para diseños pareados o de medidas repetidas se necesita una fórmula de tamaño del efecto diferente.
Comparación de escenarios: cómo cambian los datos la d
Cada fila usa la desviación estándar agrupada \(s_p = \sqrt{\dfrac{(n_1-1)s_1^2 + (n_2-1)s_2^2}{n_1+n_2-2}}\) y \(d = (\text{Mean}_1 - \text{Mean}_2)/s_p\). La clasificación usa las convenciones de Cohen.
| Escenario | Grupo 1 (media, DE, n) | Grupo 2 (media, DE, n) | DE agrupada | d | Clasificación |
|---|---|---|---|---|---|
| A. Línea base | 105, 15, 30 | 100, 15, 30 | 15,00 | 0,33 | Pequeño |
| B. Misma diferencia (5), mayor DE | 105, 25, 30 | 100, 25, 30 | 25,00 | 0,20 | Pequeño |
| C. Misma d que A, muestras mayores | 105, 15, 100 | 100, 15, 100 | 15,00 | 0,33 | Pequeño |
| D. n y DE desiguales | 82, 10, 20 | 75, 14, 60 | 13,14 | 0,53 | Mediano |
| E. Mayor diferencia, DE similares | 78, 8, 25 | 70, 10, 25 | 9,06 | 0,88 | Grande |
Comprobaciones paso a paso
Escenario D: $$s_p = \sqrt{\frac{19(10^2) + 59(14^2)}{20 + 60 - 2}} = \sqrt{\frac{1900 + 11564}{78}} = \sqrt{172.62} \approx 13.14$$ $$d = \frac{82 - 75}{13.14} \approx 0.53$$
Escenario E: $$s_p = \sqrt{\frac{24(8^2) + 24(10^2)}{48}} = \sqrt{\frac{1536 + 2400}{48}} = \sqrt{82} \approx 9.06$$ $$d = \frac{78 - 70}{9.06} \approx 0.88$$
Lo que muestra la comparación
- A frente a B: la diferencia de medias bruta es 5 en ambos casos, pero la mayor dispersión en B reduce la d de 0,33 a 0,20.
- A frente a C: el tamaño muestral no cambia la d. Solo cambian las medias y las desviaciones estándar. Una n mayor haría la estimación más precisa y el resultado más propenso a ser estadísticamente significativo.
- D: con n desiguales, la desviación estándar agrupada se pondera hacia la desviación estándar del grupo más grande, por lo que se acerca más a 14 que a 10.
Preguntas frecuentes
¿Qué se considera un efecto grande? Según las reglas orientativas de Cohen, 0,2 es pequeño, 0,5 mediano y 0,8 o más grande.
¿Puede ser negativa la d? Sí: un valor negativo simplemente significa que la media del Grupo 2 es mayor que la del Grupo 1. Lo que importa para el tamaño del efecto es la magnitud (el valor absoluto).
¿Tienen que ser iguales los tamaños muestrales? No. La fórmula combinada pondera según los grados de libertad, de modo que los grupos de distinto tamaño se tratan correctamente.