Cohen's d nedir?
Cohen's d, iki grubun ortalamaları arasındaki farkı standart sapma birimleriyle ifade eden standartlaştırılmış bir etki büyüklüğü ölçüsüdür. Psikoloji, eğitim ve tıp alanlarında bir farkın ne kadar büyük olduğunu örneklem büyüklüğünden bağımsız olarak ölçmek için yaygın biçimde kullanılır. Yalnızca bir farkın istatistiksel olarak anlamlı olup olmadığını söyleyen p değerinin aksine, Cohen's d size bu farkın gerçekte ne kadar önemli olduğunu gösterir.
Bu hesaplama aracı nasıl kullanılır?
İki grubunuzun her biri için ortalamayı, standart sapmayı ve örneklem büyüklüğünü girin. Araç, birleştirilmiş standart sapmayı hesaplar ve ortalamalar arasındaki farkı buna bölerek Cohen's d değerini verir. Ayrıca sonucu Cohen'in alışılagelmiş ölçütlerine göre ihmal edilebilir, küçük, orta ya da büyük olarak sınıflandırır.
Formülün açıklaması
Etki büyüklüğü şu şekilde hesaplanır:
$$d = \frac{\bar{x}_1 - \bar{x}_2}{s_p}$$Birleştirilmiş standart sapma ise şu biçimdedir:
$$s_p = \sqrt{\frac{(n_1-1)\cdot s_1^2 + (n_2-1)\cdot s_2^2}{n_1 + n_2 - 2}}$$Bu formül, her grubun varyansını serbestlik derecesine göre ağırlıklandırır ve ortalama farkını standartlaştırmak için tek bir birleşik yayılım değeri ortaya koyar.
Çözümlü örnek
Diyelim ki 1. Grubun ortalaması 100, SS'si 10 ve n'si 30; 2. Grubun ise ortalaması 90, SS'si 12 ve n'si 30 olsun. Birleştirilmiş varyans \(\frac{(29\cdot 100)+(29\cdot 144)}{58} = \frac{2900+4176}{58} = 122\) olur. Buradan \(s_p = \sqrt{122} \approx 11{,}0454\) ve \(d = \frac{100-90}{11{,}0454} \approx 0{,}905\) elde edilir — yani büyük bir etki.
Cohen's d Ölçütleri ve Örtüşme Referansı
Cohen's d, iki grup ortalaması arasındaki farkı birleştirilmiş standart sapma birimleri cinsinden ifade eder. Cohen (1988), küçük, orta ve büyük etkiler için kaba etiketler olarak 0,2, 0,5 ve 0,8 değerlerini önermiştir. Sawilowsky (2009) daha sonra 1,2 (çok büyük) ve 2,0 (devasa) değerlerini eklemiştir. Aşağıdaki örtüşme değerleri, eşit varyanslı iki normal dağılım varsayımına dayanır ve d'den hesaplanmıştır.
| Cohen d | Etiket | Dağılım örtüşmesi (OVL) | Cohen's U3 (grup 1 ortalamasının altında kalan grup 2 payı) | Üstünlük olasılığı |
|---|---|---|---|---|
| 0.2 | Küçük | ≈ 92.0% | ≈ 57.9% | ≈ 55.6% |
| 0.5 | Orta | ≈ 80.3% | ≈ 69.1% | ≈ 63.8% |
| 0.8 | Büyük | ≈ 68.9% | ≈ 78.8% | ≈ 71.4% |
| 1.2 | Çok büyük | ≈ 54.9% | ≈ 88.5% | ≈ 80.2% |
| 2.0 | Devasa | ≈ 31.7% | ≈ 97.7% | ≈ 92.1% |
Tablonun arkasındaki formüller \(\text{OVL} = 2\,\Phi(-d/2)\), \(U_3 = \Phi(d)\) ve üstünlük olasılığı \(= \Phi(d/\sqrt{2})\) şeklindedir; burada \(\Phi\), standart normal kümülatif dağılım fonksiyonudur.
- |d| değeri 0,2'nin altındaki değerler genellikle önemsiz olarak tanımlanır.
- Cohen, bu ölçütleri alana özgü daha iyi bir referansın bulunmadığı durumlarda kullanılmak üzere kaba kurallar olarak tanımlamıştır. Bunlar katı sınır değerleri değildir; 0,49 ile 0,50 arasındaki d farkı anlamlı biçimde farklı değildir.
Cohen's d Sonucunuzu Yorumlamak
d, standart sapma birimleriyle ölçülür. 0,5'lik bir d, iki grup ortalamasının birleştirilmiş standart sapmanın yarısı kadar farklı olduğu anlamına gelir. 1,0'lık bir d ise ortalamaların tam bir birleştirilmiş SD kadar farklı olduğunu gösterir.
İşaret ile büyüklük. İşaret yalnızca hangi grubun ortalamasının daha yüksek olduğunu gösterir. \(\text{Mean}_1 - \text{Mean}_2\) için pozitif bir d, grup 1'in daha yüksek; negatif bir d ise grup 2'nin daha yüksek olduğu anlamına gelir. Etkinin büyüklüğü mutlak değer |d|'dir ve küçük/orta/büyük etiketleri bunu ifade eder.
Etki büyüklüğü istatistiksel anlamlılık değildir. Bir p-değeri örneklem büyüklüğüne büyük ölçüde bağlıdır. Çok küçük bir d, binlerce katılımcıyla "anlamlı" çıkabilir; büyük bir d ise birkaç kişiyle anlamsız çıkabilir. Cohen's d, n ile büyümez; yani farkın ne kadar büyük olduğunu gösterir, ama var olduğundan ne kadar emin olduğunuzu göstermez. Yanında d için bir güven aralığı raporlamak iyi bir uygulamadır.
Bağlam önemlidir. 0,2, 0,5 ve 0,8 etiketleri geneldir. Eğitim veya tıp gibi bazı alanlarda, sonuç değiştirilmesi ucuz olduğunda veya çok sayıda kişiyi etkilediğinde 0,2'lik bir d önemli olabilir. Sıkı kontrollü laboratuvar araştırmalarında ise 0,2 olağan karşılanabilir. d değerinizi kendi alanınızda bildirilen etkilerle karşılaştırın ve pratik sonuçları değerlendirin.
Küçük örneklem yanlılığı. Örneklemler küçük olduğunda Cohen's d, popülasyon etkisini hafifçe fazla tahmin eder. Hedges' g bunu yaklaşık olarak düzeltir:
$$g \approx d \times \left(1 - \frac{3}{4(n_1 + n_2) - 9}\right)$$
Örneğin \(n_1 + n_2 = 80\) iken çarpan \(1 - 3/311 \approx 0.990\) olur; dolayısıyla 0,53'lük bir d, yaklaşık 0,53'lük bir g'ye dönüşür. Düzeltme esas olarak toplam örneklem yaklaşık 20 ila 50'nin altında olduğunda önem kazanır.
Birleştirilmiş SD'nin varsayımları.
- İki popülasyonun yaklaşık olarak eşit varyansa sahip olduğu varsayılır. SD'ler çok farklıysa birleştirilmiş SD yanıltıcı olabilir ve kontrol grubu SD'sini kullanan Glass's Δ gibi alternatifler daha uygun olabilir.
- Verilerin yaklaşık olarak normal dağıldığı varsayılır. Ağır çarpıklık veya aykırı değerler hem ortalamaları hem de SD'leri bozar ve referans tablosundaki örtüşme yüzdeleri artık tam olarak geçerli olmaz.
- Grupların bağımsız olduğu varsayılır. Eşleştirilmiş veya tekrarlı ölçümlü tasarımlar için farklı bir etki büyüklüğü formülü gerekir.
Senaryo Karşılaştırması: Girdiler d'yi Nasıl Değiştirir
Her satır birleştirilmiş SD'yi \(s_p = \sqrt{\dfrac{(n_1-1)s_1^2 + (n_2-1)s_2^2}{n_1+n_2-2}}\) ve \(d = (\text{Mean}_1 - \text{Mean}_2)/s_p\) kullanarak hesaplar. Sınıflandırma Cohen'in ölçütlerini kullanır.
| Senaryo | Grup 1 (ortalama, SD, n) | Grup 2 (ortalama, SD, n) | Birleştirilmiş SD | d | Sınıflandırma |
|---|---|---|---|---|---|
| A. Temel | 105, 15, 30 | 100, 15, 30 | 15.00 | 0.33 | Küçük |
| B. Aynı fark (5), daha büyük SD | 105, 25, 30 | 100, 25, 30 | 25.00 | 0.20 | Küçük |
| C. A ile aynı d, daha büyük örneklemler | 105, 15, 100 | 100, 15, 100 | 15.00 | 0.33 | Küçük |
| D. Eşit olmayan n ve eşit olmayan SD | 82, 10, 20 | 75, 14, 60 | 13.14 | 0.53 | Orta |
| E. Daha büyük fark, benzer SD'ler | 78, 8, 25 | 70, 10, 25 | 9.06 | 0.88 | Büyük |
Adım adım kontroller
Senaryo D: $$s_p = \sqrt{\frac{19(10^2) + 59(14^2)}{20 + 60 - 2}} = \sqrt{\frac{1900 + 11564}{78}} = \sqrt{172.62} \approx 13.14$$ $$d = \frac{82 - 75}{13.14} \approx 0.53$$
Senaryo E: $$s_p = \sqrt{\frac{24(8^2) + 24(10^2)}{48}} = \sqrt{\frac{1536 + 2400}{48}} = \sqrt{82} \approx 9.06$$ $$d = \frac{78 - 70}{9.06} \approx 0.88$$
Karşılaştırmanın gösterdikleri
- A ve B: ham ortalama farkı her ikisinde de 5'tir, ancak B'deki daha büyük yayılım d'yi 0,33'ten 0,20'ye düşürür.
- A ve C: örneklem büyüklüğü d'yi değiştirmez. Yalnızca ortalamalar ve SD'ler değiştirir. Daha büyük bir n tahmini daha kesin hale getirir ve sonucu istatistiksel olarak anlamlı çıkma olasılığını artırır.
- D: n eşit olmadığında birleştirilmiş SD, daha büyük grubun SD'sine doğru ağırlıklandırılır; bu nedenle 10'a değil, 14'e daha yakın bir değerdedir.
Sıkça sorulan sorular
Büyük etki ne anlama gelir? Cohen'in genel kuralına göre \(0{,}2\) küçük, \(0{,}5\) orta, \(0{,}8\) ve üzeri ise büyük etki sayılır.
d değeri negatif olabilir mi? Evet — negatif bir değer yalnızca 2. Grubun ortalamasının 1. Gruptan daha yüksek olduğu anlamına gelir. Etkinin büyüklüğü açısından önemli olan, değerin mutlak büyüklüğüdür.
Örneklem büyüklüklerinin eşit olması gerekir mi? Hayır. Birleştirilmiş formül serbestlik derecesine göre ağırlık verdiği için eşit olmayan grup büyüklükleri de doğru biçimde hesaba katılır.