เปรียบเทียบวิธี

	ขนาดอิทธิพล	ค่าพี (P-Value) และนัยสำคัญทางสถิติ
สาขาวิชา	สถิติการวิจัย	สถิติการวิจัย
ตระกูล	Process / pipeline	Process / pipeline
ปีกำเนิด	1988	1925
ผู้ริเริ่ม	Jacob Cohen	Ronald Fisher
ประเภท	Concept	Concept
แหล่งต้นตำรับ	Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum Associates. ISBN: 0-8058-0283-5	Fisher, R. A. (1925). Statistical Methods for Research Workers. Oliver and Boyd.
ชื่อเรียกอื่น	ES, Cohen's d, standardized effect, practical significance	p-value, significance test, statistical significance, alpha level
ที่เกี่ยวข้อง	4	5
สรุป	Effect size quantifies the magnitude of a research finding independent of sample size. While a p-value tells you whether a result is statistically significant, an effect size tells you how big the result is. Jacob Cohen formalized effect size measurement in behavioral sciences (1988), establishing standard benchmarks (small = 0.2, medium = 0.5, large = 0.8 for Cohen's d). Effect sizes are essential for meta-analysis, power analysis, and communicating the practical importance of research findings.	The p-value is the probability of observing data as extreme as or more extreme than what was actually observed, assuming the null hypothesis is true. Introduced by Ronald Fisher in 1925, it is the foundation of frequentist hypothesis testing. Statistical significance is declared when the p-value falls below a pre-specified threshold (alpha level, typically 0.05).