Wielkość efektu - dlaczego ważniejsza niż p

Istotność statystyczna (p) mówi, czy efekt prawdopodobnie istnieje, ale nie jak duży jest. Do tego służy wielkość efektu: d Cohena dla różnic średnich, eta kwadrat (lub cząstkowe) dla ANOVA, r dla korelacji.

Umowne progi d Cohena: 0,2 - mały, 0,5 - średni, 0,8 - duży efekt. Recenzenci i standard APA oczekują raportowania wielkości efektu, bo dwie analizy z tym samym p mogą mieć zupełnie różne znaczenie praktyczne.

Przykład: dwie analizy dają p = 0,01, ale w jednej d = 0,20 (efekt mały), a w drugiej d = 0,85 (duży). Praktyczne znaczenie jest zupełnie różne, choć „istotność" identyczna. Typowy błąd to raportowanie samego p i wniosek „efekt jest duży, bo p bardzo małe" - p nie mówi nic o wielkości efektu.

Wskazówka: dobieraj miarę do testu - d Cohena (różnice średnich), eta kwadrat lub cząstkowe eta kwadrat (ANOVA), r albo R kwadrat (związki i regresja), V Craméra (chi-kwadrat). W dyskusji odnieś wielkość efektu do praktyki, nie tylko do progów liczbowych.

Wielkość efektu to dziś obowiązkowy element raportu obok istotności - pokazuje, czy wynik ma znaczenie praktyczne, a nie tylko statystyczne. W raportach z konfiguratora dobieramy właściwą miarę efektu do każdego testu; zakres analiz sprawdzisz w konfiguratorze.