Effektgröße
Die Effektstärke quantifiziert die Größe eines Forschungsergebnisses unabhängig von der Stichprobengröße. Während ein p-Wert angibt, ob ein Ergebnis statistisch signifikant ist, gibt die Effektstärke an, wie groß das Ergebnis ist. Jacob Cohen formalisierte die Messung der Effektstärke in den Verhaltenswissenschaften (1988) und legte Standardmaßstäbe fest (klein = 0,2, mittel = 0,5, groß = 0,8 für Cohens d). Effektstärken sind unerlässlich für Meta-Analysen, Power-Analysen und die Kommunikation der praktischen Bedeutung von Forschungsergebnissen.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum Associates. ISBN: 0-8058-0283-5
- Cumming, G. (2012). Understanding the New Statistics: Effect Sizes, Confidence Intervals, and Meta-Analysis. Routledge. ISBN: 0-415-87968-8
- Lakens, D. (2013). Calculating and Reporting Effect Sizes to Facilitate Cumulative Science: A Practical Primer for t-Tests and ANOVAs. Frontiers in Psychology, 4, 863. DOI: 10.3389/fpsyg.2013.00863 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Effect Size: Quantifying the Magnitude of Research Findings. ScholarGate. https://scholargate.app/de/research-statistics/effect-size
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- KonfidenzintervallForschungsstatistik↔ compare
- P-Wert und statistische SignifikanzForschungsstatistik↔ compare
- Statistische Power und StichprobengrößeForschungsstatistik↔ compare
- Typ I- und Typ II-FehlerForschungsstatistik↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →