关于此工具
Cohen's d 效应量计算器以标准差为单位衡量两组均值相距多远——这个标准化均值差告诉你，一个统计上显著的结果是否在实践中也足够大。输入汇总统计量（每组的均值、标准差和样本量），或切换到原始数据模式并粘贴两个样本；计算完全在你的浏览器中进行。
合并标准差将两组的离散度合并为 s_pooled = √(((n₁−1)s₁² + (n₂−1)s₂²) / (n₁+n₂−2))，Cohen's d = (M₁ − M₂) / s_pooled。由于 d 在小样本中略微偏高，本工具还报告 Hedges' g = d·(1 − 3/(4(n₁+n₂) − 9))，这是一个偏差校正版本，在小 n 时更优。符号只反映哪个均值更大；重要的是其大小。
Cohen 的基准将绝对效应分类为小（0.2）、中（0.5）或大（0.8），本工具会按此尺度标记你的结果。在原始数据模式下每组至少需要两个值；在汇总模式下每个样本量至少为 2 且标准差非负，以使合并标准差有定义。
常见问题
合并标准差是如何求出的？
它是两个方差加权平均的平方根：s_pooled = √(((n₁−1)s₁² + (n₂−1)s₂²)/(n₁+n₂−2))。这假设两组方差大致相等，即 Cohen's d 背后的标准假设。
如何解释 d 的大小？
按 Cohen 的惯例，取绝对值：约 0.2 为小、0.5 为中、0.8 为大。低于 0.2 可忽略。这些是经验法则——什么才有意义取决于你的领域和效应的代价。
Hedges' g 是什么，何时使用？
Hedges' g 是 Cohen's d 乘以小样本校正因子 1 − 3/(4(n₁+n₂)−9)。它消除了 d 的轻微向上偏差，只要合并样本量较小（大约小于 20）就推荐使用。
为什么我的 d 是负的？
符号只表示方向：当第一组的均值小于第二组时 d 为负，因为 d = (M₁ − M₂)/s_pooled。效应量是其大小——交换组的顺序即可翻转符号，而不改变效应的大小。