Process / pipelinestatistical-magnitude
효과 크기
효과 크기는 표본 크기와 무관하게 연구 결과의 크기를 정량화합니다. p-값은 결과가 통계적으로 유의미한지 여부를 알려주는 반면, 효과 크기는 결과가 얼마나 큰지를 알려줍니다. Jacob Cohen은 행동 과학 분야에서 효과 크기 측정(1988)을 공식화하고 표준 벤치마크(Cohen의 d의 경우 작음 = 0.2, 중간 = 0.5, 큼 = 0.8)를 확립했습니다. 효과 크기는 메타 분석, 검정력 분석 및 연구 결과의 실제적 중요성을 전달하는 데 필수적입니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Effect Size: Quantifying the Magnitude of Research Findings. ScholarGate. https://scholargate.app/ko/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.
- 신뢰구간연구 통계↔ compare
- p-값과 통계적 유의성연구 통계↔ compare
- 통계적 검정력과 표본 크기연구 통계↔ compare
- 제1종 오류와 제2종 오류연구 통계↔ compare