효과크기 변환기 (d, r, f, η², OR)
메타분석, 검정력 분석, 문헌 검토에서는 효과크기 지표 간 변환이 끊임없이 필요합니다. 논문은 η²을 보고했는데 검정력 도구는 f를 요구하고, 손에는 오즈비가 있는데 메타분석에는 d가 필요한 식입니다. 한 가지 지표 — Cohen의 d, 상관 r, Cohen의 f, 에타제곱 또는 오즈비 — 만 입력하면 표준 변환 공식(Cohen 1988; Borenstein et al. 2009)으로 계산된 모든 등가값을 한 번에 확인할 수 있습니다. 선택적으로 두 집단의 크기를 입력하면 r에 대한 정확한 불균등 n 보정과 소표본 보정이 적용된 Hedges의 g를 얻을 수 있습니다. 공통언어 효과크기(CLES)도 포함됩니다 — 한 집단에서 무작위로 뽑은 구성원이 다른 집단의 구성원보다 높은 점수를 받을 확률로, 통계에 익숙하지 않은 청중에게 전달하기에 가장 직관적인 수치인 경우가 많습니다.
AI 리포트
AI가 결과를 해석해 드립니다: APA 7 / 비즈니스 리포트 형식의 다운로드 가능한 Word 문서.
자주 묻는 질문
Cohen의 d를 r로 어떻게 변환합니까?
집단 크기가 같을 때: r = d / √(d² + 4). 예를 들어 d = 0.8은 r = .37이 됩니다. 집단 크기가 다르면 4가 (n₁+n₂)²/(n₁n₂)로 대체됩니다 — 집단 크기를 입력하면 계산기가 정확한 보정을 적용합니다.
에타제곱을 Cohen의 f로 어떻게 변환합니까?
f = √(η² / (1 − η²)), 역방향은 η² = f²/(1 + f²)입니다. 출판된 분산분석 결과를 검정력 분석에 입력할 때 필요한 변환으로, η² = .06은 f = 0.25에 해당합니다.
Cohen의 d와 Hedges의 g의 차이는 무엇입니까?
둘 다 평균 차이를 SD 단위로 나타내지만, d는 소표본에서 약간 상향 편향됩니다. Hedges의 g는 보정 계수 J = 1 − 3/(4df − 1)을 적용합니다. n > 50이면 차이가 무시할 수준입니다. 메타분석에서는 관례적으로 g를 보고합니다.
오즈비를 Cohen의 d로 어떻게 변환합니까?
d = ln(OR) × √3 / π (Borenstein et al.)입니다. OR 2는 d ≈ 0.38에 해당합니다 — 이분형 결과와 연속형 결과를 하나의 메타분석으로 통합할 때 유용합니다. 다만 기저에 로지스틱 모형을 가정한다는 점에 유의하십시오.