Calcolare D Di Cohen In R

Guida Completa al Calcolo del d di Cohen in R

Il d di Cohen è una misura dell’effetto standardizzato ampiamente utilizzata in statistica per quantificare la differenza tra due medie. A differenza dei test di significatività (come il t-test), che indicano solo se esiste una differenza statistica, il d di Cohen fornisce una stima della dimensione dell’effetto, permettendo di valutare l’importanza pratica dei risultati.

In questa guida, esploreremo:

• La formula matematica del d di Cohen e la sua interpretazione
• Come calcolarlo manualmente e con R
• Linee guida per interpretare i valori ottenuti
• Esempi pratici con dataset reali
• Errori comuni da evitare

1. Formula del d di Cohen

La formula base per il d di Cohen tra due gruppi è:

d = (M₁ – M₂) / s_combinata

Dove:

• M₁ e M₂: medie dei due gruppi
• s_combinata: devianza standard combinata, calcolata come:
  scombinata = √[(s₁²(n₁-1) + s₂²(n₂-1)) / (n₁ + n₂ - 2)]
  dove s₁ e s₂ sono le devianze standard dei gruppi, n₁ e n₂ le dimensioni campionarie.

2. Interpretazione del d di Cohen

Jacob Cohen (1988) ha proposto le seguenti linee guida per interpretare la grandezza dell’effetto:

Valore di d	Interpretazione	Descrizione
0.00 – 0.19	Trascurabile	Differenza minima o assente
0.20 – 0.49	Piccolo	Differenza modesta, spesso difficile da rilevare ad occhio nudo
0.50 – 0.79	Medio	Differenza visibile e potenzialmente significativa
≥ 0.80	Grande	Differenza sostanziale, chiaramente osservabile

Nota: Queste soglie sono indicative. L’interpretazione dovrebbe sempre considerare il contesto specifico della ricerca.

3. Calcolo del d di Cohen in R

In R, il d di Cohen può essere calcolato utilizzando diverse librerie. Le più comuni sono:

1. Pacco effsize: Fornisce la funzione cohen.d() per calcoli diretti.
2. Pacco lsr: Include funzioni per l’analisi della dimensione dell’effetto.
3. Calcolo manuale: Utilizzando le formule base con operatori R.

Esempio con effsize

# Installazione (se necessario)
install.packages("effsize")

# Caricamento della libreria
library(effsize)

# Dati di esempio: punteggi di due gruppi
gruppo1 <- c(23, 25, 28, 22, 30)
gruppo2 <- c(18, 20, 19, 17, 22)

# Calcolo del d di Cohen
cohen.d(gruppo1, gruppo2)
            

Output:

Cohen's d

d estimate: 1.534592 (large)
95 percent confidence interval:
     lower      upper
 0.4023032 2.6668808
            

Calcolo Manuale in R

# Funzione personalizzata per il d di Cohen
cohen_d <- function(gruppo1, gruppo2) {
  n1 <- length(gruppo1)
  n2 <- length(gruppo2)
  m1 <- mean(gruppo1)
  m2 <- mean(gruppo2)
  var1 <- var(gruppo1)
  var2 <- var(gruppo2)

  # Devianza standard combinata
  pooled_sd <- sqrt(((n1 - 1) * var1 + (n2 - 1) * var2) / (n1 + n2 - 2))

  # d di Cohen
  d <- (m1 - m2) / pooled_sd

  return(d)
}

# Utilizzo
cohen_d(gruppo1, gruppo2)
            

4. Confronto con Altri Indicatori di Dimensione dell’Effetto

Il d di Cohen non è l’unico indicatore di dimensione dell’effetto. Altri comuni includono:

Indicatore	Uso Tipico	Interpretazione	Vantaggi
d di Cohen	Differenze tra medie (t-test)	0.2=piccolo, 0.5=medio, 0.8=grande	Intuitivo, ampiamente utilizzato
η² (Eta quadrato)	ANOVA	0.01=piccolo, 0.06=medio, 0.14=grande	Misura la proporzione di varianza spiegata
r (Correlazione)	Relazioni lineari	0.1=debole, 0.3=modesto, 0.5=forte	Standardizzato tra -1 e 1
Odds Ratio	Dati categorici (logistic regression)	1=nessun effetto, >1 o <1 indica effetto	Utile per studi epidemiologici

5. Errori Comuni nel Calcolo del d di Cohen

1. Usare la devianza standard sbagliata: È cruciale utilizzare la devianza standard combinata (pooled), non quella di uno solo dei gruppi.
2. Ignorare la direzione: Il segno di d indica la direzione (M₁ > M₂ se positivo). Non considerarlo può portare a interpretazioni errate.
3. Confondere d con altre misure: Il d di Cohen non è uguale al t di Student o al p-value. Misura l’effetto, non la significatività.
4. Interpretazione rigida: Le soglie di Cohen (0.2, 0.5, 0.8) sono generiche. In alcuni campi (es. psicologia clinica), anche d=0.3 può essere rilevante.
5. Trascurare gli intervalli di confidenza: Sempre riportare gli IC al 95% per d, ad esempio: “d = 0.65 [IC 95%: 0.30, 1.00]”.

6. Applicazioni Pratiche del d di Cohen

Il d di Cohen è utilizzato in numerosi contesti:

• Ricerca medica: Per valutare l’efficacia di un farmaco vs placebo (es. d=0.5 per un antidepressivo).
• Psicologia: Confronto tra gruppi sperimentali e di controllo in studi su terapie (es. d=0.8 per la terapia cognitivo-comportamentale vs lista d’attesa).
• Educazione: Valutazione dell’impatto di nuovi metodi didattici (es. d=0.3 per l’apprendimento basato su problemi vs lezioni frontali).
• Marketing: Analisi delle differenze tra gruppi demografici nelle preferenze di prodotto (es. d=0.4 tra uomini e donne nella propensione all’acquisto online).

7. Limiti del d di Cohen

Nonostante la sua utilità, il d di Cohen presenta alcuni limiti:

• Sensibilità alla variabilità: Se la devianza standard è molto alta, d sarà piccolo anche con differenze assolute rilevanti.
• Assunzione di normalità: Il d di Cohen assume distribuzioni normali. Per dati non normali, considerare alternative come il r di biserial-point.
• Dipendenza dal campionamento: In campioni piccoli, d può essere instabile. Usare sempre intervalli di confidenza.
• Non lineari: Non cattura relazioni non lineari tra variabili.

8. Alternative al d di Cohen

In alcuni casi, altre misure possono essere più appropriate:

• Hedges’ g: Una versione corretta del d di Cohen per campioni piccoli (n < 20), che applica una correzione per il bias.
• Glass’ Δ: Utilizza la devianza standard del gruppo di controllo, utile quando le varianze dei gruppi differiscono notevolmente.
• Cliff’s δ: Misura non parametrica per dati ordinali o non normali.
• η² parziale: Per disegni ANOVA con più di due gruppi.

9. Esempio Reale: Studio sull’Efficacia di un Programma di Allenamento

Supponiamo di voler valutare l’effetto di un programma di allenamento di 8 settimane sulla forza muscolare. Abbiamo due gruppi:

• Gruppo sperimentale (n=30): M=120 kg, SD=15
• Gruppo controllo (n=30): M=100 kg, SD=14

Calcolo:

1. Differenza tra medie: 120 – 100 = 20 kg
2. Devianza standard combinata:
   scombinata = √[(15²(29) + 14²(29)) / (30 + 30 - 2)] ≈ 14.5
3. d di Cohen: 20 / 14.5 ≈ 1.38 (effetto molto grande)

Interpretazione: Il programma di allenamento ha un effetto sostanziale sulla forza muscolare, con una dimensione dell’effetto classificabile come “molto grande” secondo Cohen.

10. Come Reportare il d di Cohen in un Articolo Scientifico

Quando si riporta il d di Cohen in una pubblicazione, seguire queste linee guida:

• Sempre includere:
  • Il valore di d (arrotondato a 2 decimali)
  • L’intervallo di confidenza al 95%
  • La direzione (es. “favorevole al gruppo sperimentale”)
• Esempio di reporting:

  “Il gruppo sperimentale ha mostrato una forza muscolare significativamente maggiore rispetto al gruppo di controllo (d = 1.38 [IC 95%: 0.92, 1.84], favorevole all’allenamento).”

• Includere sempre anche le statistiche descrittive (medie, DS) e i risultati dei test di significatività (es. t-test).

Risorse Autorevoli

Per approfondire il calcolo e l’interpretazione del d di Cohen, consultare le seguenti risorse:

1. Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Routledge. – Testo fondamentale sulla dimensione dell’effetto.
2. Laerd Statistics: Effect Size Guide – Guida pratica con esempi.
3. Documentazione del pacchetto R effsize – Manuali e funzioni per R.

Domande Frequenti

D: Qual è la differenza tra d di Cohen e t di Student?

R: Il t di Student valuta se esiste una differenza statisticamente significativa tra due medie, mentre il d di Cohen misura la grandezza di quella differenza, indipendentemente dalla significatività. Un t-test può dare p < 0.05 (significativo) anche con un d piccolo (effetto trascurabile), soprattutto in campioni grandi.

D: Posso usare il d di Cohen per più di due gruppi?

R: No. Per confronti tra più di due gruppi, utilizzare misure come η² (eta quadrato) o ω² (omega quadrato) nell’ANOVA. Il d di Cohen è specifico per confronti a coppie.

D: Come calcolo il d di Cohen per dati appaiati?

R: Per disegni within-subject (misure ripetute), usa la formula per dati appaiati:

d = M_diff / SD_diff

Dove Mdiff è la media delle differenze e SDdiff è la devianza standard delle differenze. In R, puoi usare:

# Dati appaiati
pre <- c(10, 12, 15, 14, 18)
post <- c(12, 14, 18, 16, 20)

# Calcolo manuale
diff <- post - pre
mean(diff) / sd(diff)  # d per dati appaiati
            

D: Il d di Cohen è influenzato dalla dimensione campionaria?

R: No, il d di Cohen è una misura standardizzata e non dipende direttamente dalla dimensione campionaria. Tuttavia, in campioni molto piccoli (n < 20), la stima di d può essere instabile. In questi casi, è preferibile usare Hedges’ g, che applica una correzione per il bias.