Calcolatore d di Cohen
Calcola la dimensione dell’effetto per confrontare due medie con il metodo standardizzato di Cohen
Risultati
Guida Completa al Calcolo del d di Cohen: Interpretazione e Applicazioni Pratiche
Il d di Cohen è una delle misure più utilizzate per quantificare la dimensione dell’effetto (effect size) nello studio delle differenze tra due medie. Sviluppato dallo psicologo Jacob Cohen nel 1969, questo indice standardizzato permette ai ricercatori di valutare l’entità pratica (non solo statistica) delle differenze osservate tra gruppi, superando i limiti dei tradizionali p-value.
Cos’è esattamente il d di Cohen?
Il d di Cohen rappresenta la differenza tra due medie divisa per una devianza standard combinata (o “pooled”). La formula base è:
d = (M₁ – M₂) / SDpooled
Dove:
- M₁ e M₂: Medie dei due gruppi a confronto
- SDpooled: Deviazione standard combinata (calcolata come media ponderata delle deviazioni standard dei due gruppi)
Perché usare il d di Cohen invece dei p-value?
I p-value ci dicono se esiste una differenza statisticamente significativa, ma non quanto sia grande questa differenza. Il d di Cohen risolve questo problema fornendo:
- Standardizzazione: Permette confronti tra studi con unità di misura diverse
- Interpretabilità: Fornisce regole empiriche per valutare l’entità dell’effetto (piccolo, medio, grande)
- Robustezza: Meno sensibile alla dimensione campionaria rispetto ai test di significatività
| Valore di d | Interpretazione | Esempio Pratico |
|---|---|---|
| 0.00 – 0.19 | Nessun effetto / Trascurabile | Differenza di 2 mm in altezza tra gruppi |
| 0.20 – 0.49 | Effetto piccolo | Differenza di 3-4 punti QI tra metodi di studio |
| 0.50 – 0.79 | Effetto medio | Differenza di 15-20% nelle performance lavorative |
| ≥ 0.80 | Effetto grande | Differenza di 1 devianza standard in punteggi di ansia |
Quando NON Usare il d di Cohen
Nonostante la sua utilità, il d di Cohen ha alcuni limiti:
- Dati non normali: Per distribuzioni fortemente asimmetriche, considerare alternative come il rank-biserial correlation
- Varianze disuguali: Se le deviazioni standard differiscono significativamente (>2:1), usare il d di Glass
- Dati ordinali: Per variabili ordinali (es. scale Likert), sono preferibili misure come il V di Cramer
Applicazioni Pratiche del d di Cohen
1. Ricerca Medica e Farmacologica
Nella valutazione dell’efficacia dei farmaci, il d di Cohen aiuta a:
- Confrontare l’effetto di un nuovo farmaco vs placebo (es. riduzione pressione sanguigna)
- Valutare differenze tra dosaggi (es. 10mg vs 20mg di statine)
- Meta-analisi: combinare risultati da studi diversi con unità di misura eterogenee
2. Psicologia e Scienze Sociali
In psicologia, il d di Cohen è ampiamente utilizzato per:
- Valutare l’efficacia di interventi terapeutici (es. CBT vs terapia tradizionale)
- Studi sulle differenze di genere (es. punteggi in test di abilità spaziali)
- Ricerca educativa (es. confronto tra metodi di insegnamento)
| Studio | Variabile Misurata | d di Cohen | Interpretazione |
|---|---|---|---|
| Smith et al. (1980) | Efficacia CBT per depressione | 0.68 | Effetto medio |
| Hyde (2005) | Differenze di genere in matematica | 0.05 | Nessun effetto |
| Hattie (2009) | Feedback vs no feedback nell’apprendimento | 0.79 | Effetto medio-grande |
3. Business e Marketing
Le aziende utilizzano il d di Cohen per:
- A/B Testing: Confronto tra versioni di landing page (es. tasso di conversione)
- Customer Satisfaction: Differenze nei punteggi NPS tra segmenti di clienti
- Product Development: Valutazione dell’impatto di nuove feature (es. tempo di completamento task)
Come Calcolare Manualmente il d di Cohen
Per comprendere appieno il calcolo, vediamo un esempio passo-passo:
Esempio Pratico
Scenario: Un ricercatore confronta i punteggi di un test di memoria tra due gruppi: uno che ha dormito 8 ore (Gruppo A) e uno con 4 ore di sonno (Gruppo B).
- Gruppo A (8 ore): M₁ = 78, SD₁ = 10, n₁ = 30
- Gruppo B (4 ore): M₂ = 65, SD₂ = 12, n₂ = 30
Passo 1: Calcolare la Deviazione Standard Combinata
Formula:
SDpooled = √[((n₁ – 1) × SD₁² + (n₂ – 1) × SD₂²) / (n₁ + n₂ – 2)]
Sostituendo i valori:
SDpooled = √[((30-1)×10² + (30-1)×12²) / (30+30-2)] = √[(29×100 + 29×144)/58] = √[6716/58] ≈ 10.58
Passo 2: Calcolare il d di Cohen
d = (78 – 65) / 10.58 ≈ 1.23
Passo 3: Interpretazione
Un valore di 1.23 indica un effetto molto grande, suggerendo che la privazione del sonno ha un impatto significativo sulle performance di memoria.
Errori Comuni nel Calcolo del d di Cohen
Anche ricercatori esperti possono commettere errori. Ecco i più frequenti:
- Usare la deviazione standard sbagliata: Utilizzare SD₁ o SD₂ invece di SDpooled (a meno che non si usi il d di Glass)
- Ignorare la direzione: Il segno di d indica la direzione (positivo se M₁ > M₂). Non riportare mai solo il valore assoluto
- Confondere d con altre misure: Il d di Cohen ≠ eta squared (η²) o odds ratio
- Interpretazione rigida: Le soglie (0.2, 0.5, 0.8) sono linee guida, non regole assolute. Il contesto disciplina-specifico è cruciale
Alternative al d di Cohen
A seconda del contesto, potresti considerare:
| Misura | Quando Usarla | Formula | Interpretazione |
|---|---|---|---|
| d di Cohen | Confronti tra medie (dati continui, varianze simili) | (M₁ – M₂)/SDpooled | 0.2=piccolo, 0.5=medio, 0.8=grande |
| d di Glass | Varianze disuguali (usare SD del gruppo di controllo) | (M₁ – M₂)/SDcontrollo | Stesse soglie del d di Cohen |
| Hedges’ g | Campioni piccoli (<20) con bias di stima | d × (1 – 3/(4df – 1)) | Corregge il bias verso l’alto del d |
| η² (Eta squared) | ANOVA (proporzione di varianza spiegata) | SSbetween/SStotal | 0.01=piccolo, 0.06=medio, 0.14=grande |
Strumenti Software per Calcolare il d di Cohen
Mentre il nostro calcolatore online è uno strumento pratico, ecco altre opzioni:
- R: Usare il pacchetto
effsizeconcohen.d() - Python: La libreria
pingouinoffrecompute_effsize() - SPSS: Non calcola automaticamente il d di Cohen, ma è possibile derivarlo dai dati grezzi
- Excel/Google Sheets: Creare formule personalizzate basate sulla logica mostrata in questo articolo
Esempio in R
# Installare il pacchetto (una sola volta)
install.packages("effsize")
# Caricare la libreria
library(effsize)
# Dati esempio
group1 <- c(78, 80, 75, 82, 79, 76, 81, 77, 83, 74)
group2 <- c(65, 68, 62, 70, 66, 64, 67, 63, 69, 61)
# Calcolare d di Cohen
cohen.d(group1, group2)
Domande Frequenti sul d di Cohen
1. Qual è la differenza tra significatività statistica ed effect size?
Significatività statistica (p-value) indica se un risultato è probabilmente dovuto al caso. L’effect size (come il d di Cohen) quantifica l’entità della differenza. Un risultato può essere statisticamente significativo (p < 0.05) ma avere un effect size trascurabile (es. d = 0.1).
2. Posso usare il d di Cohen per dati non normali?
Il d di Cohen assume normalità dei dati. Per distribuzioni non normali, considera:
- Rank-biserial correlation (per dati ordinali)
- Cliff’s Delta (alternativa non parametrica)
- Trasformazioni (log, sqrt) per normalizzare i dati
3. Come riportare il d di Cohen in un articolo scientifico?
Segui lo stile APA:
“I partecipanti nel gruppo sperimentale hanno mostrato punteggi significativamente più alti rispetto al gruppo di controllo, t(58) = 4.56, p < .001, d = 1.23 (95% CI [0.87, 1.59]), indicando un effetto grande.”
4. Cosa significa un intervallo di confidenza per il d di Cohen?
L’intervallo di confidenza (CI) per il d di Cohen indica la precisione della stima. Un CI stretto (es. [0.7, 0.9]) suggerisce una stima accurata, mentre un CI ampio (es. [0.2, 1.5]) indica incertezza. Per calcolarlo, usa metodi bootstrapping o la formula di Hedges e Olkin (1985).
5. Il d di Cohen può essere negativo?
Sì. Un valore negativo indica semplicemente che la media del secondo gruppo (M₂) è maggiore di quella del primo (M₁). Il segno non influisce sull’interpretazione della grandezza dell’effetto (usa il valore assoluto per le soglie 0.2/0.5/0.8).