Convertitore di dimensioni dell'effetto (d, r, f, η², OR)
Meta-analisi, analisi della potenza e revisioni della letteratura richiedono continuamente di passare da una metrica di dimensione dell'effetto all'altra: l'articolo riporta η², il tuo strumento di potenza vuole f; hai un odds ratio, la meta-analisi richiede d. Inserisci una singola misura qualsiasi — d di Cohen, correlazione r, f di Cohen, eta quadrato o un odds ratio — e leggi tutti gli equivalenti in una volta, calcolati con le formule di conversione standard (Cohen 1988; Borenstein et al. 2009). Fornisci facoltativamente le dimensioni dei due gruppi per ottenere la correzione esatta per n disuguali per r e il g di Hedges corretto per piccoli campioni. È inclusa anche la dimensione dell'effetto in linguaggio comune (CLES) — la probabilità che un membro scelto a caso di un gruppo ottenga un punteggio superiore a uno dell'altro gruppo, spesso il numero più intuitivo da dare a un pubblico non statistico.
Report IA
Lascia che l'IA interpreti i tuoi risultati: un documento Word scaricabile in formato APA 7 / report aziendale.
Domande frequenti
Come converto il d di Cohen in r?
Per gruppi di uguale dimensione: r = d / √(d² + 4). Per esempio d = 0.8 dà r = .37. Con gruppi disuguali il 4 viene sostituito da (n₁+n₂)²/(n₁n₂) — inserisci le dimensioni dei tuoi gruppi e il calcolatore applica la correzione esatta.
Come converto l'eta quadrato in f di Cohen?
f = √(η² / (1 − η²)), e viceversa: η² = f²/(1 + f²). È la conversione necessaria per inserire un risultato ANOVA pubblicato in un'analisi della potenza: η² = .06 corrisponde a f = 0.25.
Qual è la differenza tra d di Cohen e g di Hedges?
Entrambi esprimono una differenza tra medie in unità di DS, ma d è leggermente distorto verso l'alto nei piccoli campioni. Il g di Hedges applica il fattore di correzione J = 1 − 3/(4gl − 1); con n > 50 la differenza è trascurabile. Le meta-analisi riportano convenzionalmente g.
Come converto un odds ratio in d di Cohen?
d = ln(OR) × √3 / π (Borenstein et al.). Un OR di 2 corrisponde a d ≈ 0.38 — utile per combinare esiti binari e continui in un'unica meta-analisi. Nota che assume il modello logistico sottostante.