Calcolatore della d di Cohen
Calcola l’effetto dimensionale standardizzato per confrontare le medie di due gruppi
Risultati
Guida Completa al Calcolo della d di Cohen
La d di Cohen è una misura dell’effetto dimensionale standardizzato ampiamente utilizzata in psicologia, scienze sociali e ricerca medica per quantificare la differenza tra le medie di due gruppi. Sviluppata dallo statistico Jacob Cohen nel 1969, questa metrica consente ai ricercatori di valutare l’entità pratica (non solo statistica) delle differenze osservate.
Cos’è la d di Cohen?
La d di Cohen rappresenta la differenza tra due medie di gruppo divisa per la deviazione standard combinata. La formula fondamentale è:
d = (M₁ – M₂) / SDcombinata
Dove:
- M₁ e M₂: Medie dei due gruppi
- SDcombinata: Deviazione standard combinata dei due gruppi
Interpretazione dei Valori
Cohen (1988) ha proposto le seguenti linee guida per interpretare la grandezza dell’effetto:
| Valore di d | Interpretazione | Descrizione |
|---|---|---|
| 0.00 | Nessun effetto | Le medie sono identiche |
| 0.20 | Piccolo | Differenza minima, spesso trascurabile |
| 0.50 | Medio | Differenza moderata, visibile ad occhio nudo |
| 0.80 | Grande | Differenza sostanziale |
| >1.20 | Molto grande | Differenza eccezionalmente ampia |
È importante notare che queste soglie sono indicative. L’interpretazione dovrebbe sempre considerare il contesto specifico della ricerca. Ad esempio, in psicologia clinica, anche effetti piccoli (d = 0.2) possono avere implicazioni pratiche significative.
Correzione di Hedges (g)
La correzione di Hedges ajusta la d di Cohen per il bias dovuto a campioni di dimensione limitata. La formula è:
g = d × (1 – 3/(4df – 1))
Dove df rappresenta i gradi di libertà (N₁ + N₂ – 2). Questa correzione è particolarmente importante per campioni con meno di 20 partecipanti per gruppo.
Applicazioni Pratiche
La d di Cohen trova applicazione in numerosi contesti:
- Meta-analisi: Per combinare risultati di studi diversi
- Ricerca clinica: Valutare l’efficacia di trattamenti
- Psicologia sperimentale: Confronto tra condizioni
- Educazione: Valutare l’impatto di metodi didattici
Confronto con Altre Misure di Effetto
La d di Cohen non è l’unica misura di effetto disponibile. Ecco un confronto con alternative comuni:
| Misura | Tipo di Dati | Interpretazione | Vantaggi |
|---|---|---|---|
| d di Cohen | Dati continui | Differenza standardizzata | Intuitiva, ampiamente utilizzata |
| η² parziale | ANOVA | Proporzione di varianza spiegata | Utile per disegni complessi |
| Odds Ratio | Dati dicotomici | Rapporto tra probabilità | Ideale per studi caso-controllo |
| r di Pearson | Relazioni lineari | Forza dell’associazione | Familiarità diffusa |
Limitazioni e Considerazioni
Sebbene estremamente utile, la d di Cohen presenta alcune limitazioni:
- Assunzione di omoschedasticità: Presuppone che le varianze dei gruppi siano uguali
- Sensibilità agli outliers: Valori estremi possono distorcere il risultato
- Dipendenza dalla scala: La standardizzazione non elimina completamente l’influenza dell’unità di misura originale
- Interpretazione contestuale: Le soglie di Cohen sono generiche e potrebbero non applicarsi a tutti i campi
Per questi motivi, è buona pratica:
- Verificare sempre l’omoschedasticità con test come il test di Levene
- Considerare misure alternative quando appropriate
- Interpretare i risultati alla luce della letteratura specifica del settore
Esempio Pratico
Supponiamo di voler valutare l’efficacia di un nuovo metodo di studio. Dividiamo 60 studenti in due gruppi:
- Gruppo 1 (tradizionale): Media = 75, SD = 10
- Gruppo 2 (nuovo metodo): Media = 82, SD = 12
Calcoliamo:
- Differenza tra medie: 82 – 75 = 7
- Deviazione standard combinata: √[(9×10² + 9×12²)/(18+18)] ≈ 11.05
- d di Cohen: 7 / 11.05 ≈ 0.63 (effetto medio-grande)
Questo risultato suggerisce che il nuovo metodo ha un impatto moderato-sostanziale sulle prestazioni.
Risorse Autorevoli
Per approfondire:
- American Psychological Association – Statistical Power
- Laerd Statistics – Effect Size Guide
- NIH – Understanding Effect Sizes (Cumming, 2012)
Domande Frequenti
1. Qual è la differenza tra d di Cohen e g di Hedges?
La d di Cohen è la misura originale, mentre la g di Hedges applica una correzione per campioni di dimensione limitata. Per N > 20, le differenze sono minime. Per campioni piccoli (N < 20), la correzione di Hedges è preferibile in quanto riduce il bias verso l'alto della stima.
2. Posso usare la d di Cohen per campioni appaiati?
Sì, ma in questo caso si utilizza una variante chiamata d per campioni appaiati, dove la deviazione standard viene calcolata sulle differenze individuali piuttosto che come media delle deviazioni standard dei gruppi.
3. Come interpreto una d di Cohen negativa?
Un valore negativo indica semplicemente che la media del secondo gruppo (M₂) è superiore a quella del primo gruppo (M₁). L’interpretazione della grandezza (piccolo/medio/grande) rimane invariata, basata sul valore assoluto.
4. Qual è la relazione tra d di Cohen e la potenza statistica?
La d di Cohen è direttamente collegata alla potenza statistica: a parità di altri fattori, effetti più grandi (d più elevata) richiedono campioni più piccoli per raggiungere una data potenza statistica (tipicamente 0.80). Questo è il motivo per cui il calcolo a priori della dimensione dell’effetto è cruciale nella pianificazione degli studi.
5. Posso calcolare la d di Cohen senza conoscere le deviazioni standard?
No, la deviazione standard combinata è essenziale per il calcolo. Tuttavia, se disponi delle statistiche t o F da un’ANOVA, puoi derivare la d di Cohen da questi valori utilizzando apposite formule di conversione.