Qu'est-ce que le d de Cohen ?
Le d de Cohen est une mesure standardisée de la taille d'effet qui exprime l'écart entre les moyennes de deux groupes en nombre d'écarts-types. On l'utilise couramment en psychologie, en sciences de l'éducation et en médecine pour quantifier l'ampleur d'une différence, indépendamment de la taille de l'échantillon. Contrairement à la valeur p, qui indique seulement si une différence est statistiquement significative, le d de Cohen révèle à quel point cette différence est réellement importante.
Comment utiliser ce calculateur
Saisissez la moyenne, l'écart-type et l'effectif de chacun de vos deux groupes. Le calculateur détermine l'écart-type combiné, puis divise la différence des moyennes par celui-ci pour obtenir le d de Cohen. Il classe également le résultat comme négligeable, petit, moyen ou grand, selon les seuils de référence proposés par Cohen.
La formule expliquée
La taille d'effet se calcule ainsi :
$$d = \frac{\bar{x}_1 - \bar{x}_2}{s_p}$$L'écart-type combiné vaut
$$s_p = \sqrt{\frac{(n_1-1)\cdot s_1^2 + (n_2-1)\cdot s_2^2}{n_1 + n_2 - 2}}$$Cette formule pondère la variance de chaque groupe par ses degrés de liberté, ce qui produit une dispersion unique servant à standardiser l'écart entre les moyennes.
Exemple détaillé
Supposons que le groupe 1 ait une moyenne de 100, un écart-type de 10 et un effectif de 30, et que le groupe 2 ait une moyenne de 90, un écart-type de 12 et un effectif de 30. La variance combinée vaut
$$\frac{(29\cdot 100)+(29\cdot 144)}{58} = \frac{2900+4176}{58} = 122$$On obtient donc \(s_p = \sqrt{122} \approx 11{,}0454\), et \(d = (100-90)/11{,}0454 \approx 0{,}905\) — soit un effet de grande ampleur.
Repères du d de Cohen et référence de chevauchement
Le d de Cohen exprime une différence entre les moyennes de deux groupes en unités d’écart-type regroupé. Cohen (1988) a suggéré 0.2, 0.5 et 0.8 comme repères approximatifs pour des effets petits, moyens et grands. Sawilowsky (2009) a ensuite ajouté 1.2 (très grand) et 2.0 (énorme). Les chiffres de chevauchement ci-dessous supposent deux distributions normales de variance égale et sont calculés à partir de d.
| d de Cohen | Libellé | Chevauchement des distributions (OVL) | U3 de Cohen (part du groupe 2 sous la moyenne du groupe 1) | Probabilité de supériorité |
|---|---|---|---|---|
| 0.2 | Petit | ≈ 92.0 % | ≈ 57.9 % | ≈ 55.6 % |
| 0.5 | Moyen | ≈ 80.3 % | ≈ 69.1 % | ≈ 63.8 % |
| 0.8 | Grand | ≈ 68.9 % | ≈ 78.8 % | ≈ 71.4 % |
| 1.2 | Très grand | ≈ 54.9 % | ≈ 88.5 % | ≈ 80.2 % |
| 2.0 | Énorme | ≈ 31.7 % | ≈ 97.7 % | ≈ 92.1 % |
Les formules derrière le tableau sont \(\text{OVL} = 2\,\Phi(-d/2)\), \(U_3 = \Phi(d)\) et probabilité de supériorité \(= \Phi(d/\sqrt{2})\), où \(\Phi\) est la fonction de répartition de la loi normale centrée réduite.
- Les valeurs de |d| inférieures à 0.2 sont généralement décrites comme négligeables.
- Cohen a décrit ces repères comme des conventions approximatives à utiliser lorsqu’aucune meilleure référence propre au domaine n’existe. Ce ne sont pas des seuils rigides, et un d de 0.49 n’est pas sensiblement différent de 0.50.
Interpréter votre résultat de d de Cohen
d s’exprime en unités d’écart-type. Un d de 0.5 signifie que les deux moyennes de groupes diffèrent d’un demi-écart-type regroupé. Un d de 1.0 signifie qu’elles diffèrent d’un écart-type regroupé complet.
Signe contre amplitude. Le signe indique seulement quel groupe a la moyenne la plus élevée. Avec \(\text{Moyenne}_1 - \text{Moyenne}_2\), un d positif signifie que le groupe 1 est plus élevé et un d négatif signifie que le groupe 2 est plus élevé. La taille de l’effet est la valeur absolue |d|, à laquelle se réfèrent les libellés petit/moyen/grand.
La taille d’effet n’est pas la signification statistique. La valeur p dépend fortement de la taille de l’échantillon. Un d minuscule peut être « significatif » avec des milliers de participants, et un grand d peut être non significatif avec une poignée de participants. Le d de Cohen ne croît pas avec n : il décrit l’ampleur de la différence, et non le degré de certitude de son existence. Il est recommandé de publier un intervalle de confiance pour d en complément.
Le contexte compte. Les libellés 0.2, 0.5 et 0.8 sont génériques. Dans certains domaines, comme l’éducation ou la médecine, un d de 0.2 peut être important lorsque le résultat est peu coûteux à modifier ou concerne de nombreuses personnes. Dans la recherche en laboratoire très contrôlée, 0.2 peut passer inaperçu. Comparez votre d aux effets rapportés dans votre propre domaine et jugez les conséquences pratiques.
Biais des petits échantillons. Le d de Cohen surestime légèrement l’effet dans la population lorsque les échantillons sont petits. Le g de Hedges corrige cela de façon approximative :
$$g \approx d \times \left(1 - \frac{3}{4(n_1 + n_2) - 9}\right)$$
Par exemple, avec \(n_1 + n_2 = 80\), le facteur vaut \(1 - 3/311 \approx 0.990\), donc un d de 0.53 devient un g d’environ 0.53. La correction compte surtout lorsque l’échantillon total est inférieur à environ 20 à 50.
Hypothèses de l’écart-type regroupé.
- Les deux populations ont des variances à peu près égales. Si les écarts-types diffèrent fortement, un écart-type regroupé peut être trompeur, et des alternatives comme le Δ de Glass (utilisant l’écart-type du groupe témoin) peuvent mieux convenir.
- Les données sont à peu près normales. Une forte asymétrie ou des valeurs aberrantes déforment à la fois les moyennes et les écarts-types, et les pourcentages de chevauchement du tableau de référence ne sont plus exacts.
- Les groupes sont indépendants. Pour des plans appariés ou à mesures répétées, il faut une autre formule de taille d’effet.
Comparaison de scénarios : comment les données modifient d
Chaque ligne utilise l’écart-type regroupé \(s_p = \sqrt{\dfrac{(n_1-1)s_1^2 + (n_2-1)s_2^2}{n_1+n_2-2}}\) et \(d = (\text{Moyenne}_1 - \text{Moyenne}_2)/s_p\). La classification suit les conventions de Cohen.
| Scénario | Groupe 1 (moyenne, écart-type, n) | Groupe 2 (moyenne, écart-type, n) | Écart-type regroupé | d | Classification |
|---|---|---|---|---|---|
| A. Référence | 105, 15, 30 | 100, 15, 30 | 15.00 | 0.33 | Petit |
| B. Même différence (5), écart-type plus grand | 105, 25, 30 | 100, 25, 30 | 25.00 | 0.20 | Petit |
| C. Même d que A, échantillons plus grands | 105, 15, 100 | 100, 15, 100 | 15.00 | 0.33 | Petit |
| D. n et écarts-types inégaux | 82, 10, 20 | 75, 14, 60 | 13.14 | 0.53 | Moyen |
| E. Écart plus grand, écarts-types similaires | 78, 8, 25 | 70, 10, 25 | 9.06 | 0.88 | Grand |
Vérifications détaillées
Scénario D : $$s_p = \sqrt{\frac{19(10^2) + 59(14^2)}{20 + 60 - 2}} = \sqrt{\frac{1900 + 11564}{78}} = \sqrt{172.62} \approx 13.14$$ $$d = \frac{82 - 75}{13.14} \approx 0.53$$
Scénario E : $$s_p = \sqrt{\frac{24(8^2) + 24(10^2)}{48}} = \sqrt{\frac{1536 + 2400}{48}} = \sqrt{82} \approx 9.06$$ $$d = \frac{78 - 70}{9.06} \approx 0.88$$
Ce que montre la comparaison
- A contre B : la différence brute des moyennes est de 5 dans les deux cas, mais la dispersion plus grande dans B réduit d de 0.33 à 0.20.
- A contre C : la taille de l’échantillon ne modifie pas d. Seules les moyennes et les écarts-types comptent. Un n plus grand rendrait l’estimation plus précise et le résultat plus susceptible d’être statistiquement significatif.
- D : avec des n inégaux, l’écart-type regroupé est pondéré vers l’écart-type du groupe le plus grand, il est donc plus proche de 14 que de 10.
Questions fréquentes
Qu'est-ce qu'un effet de grande ampleur ? Selon les repères empiriques de Cohen, 0,2 correspond à un petit effet, 0,5 à un effet moyen, et 0,8 ou plus à un grand effet.
Le d peut-il être négatif ? Oui. Une valeur négative signifie simplement que la moyenne du groupe 2 est supérieure à celle du groupe 1. C'est l'amplitude (la valeur absolue) qui compte pour évaluer la taille de l'effet.
Les effectifs des deux groupes doivent-ils être égaux ? Non. La formule combinée pondère par les degrés de liberté, si bien que des groupes de tailles différentes sont traités correctement.