Calcolatore del d di Cohen Post Hoc
Risultati
Guida Completa al Calcolo del d di Cohen Post Hoc
Il d di Cohen è una misura dell’effect size ampiamente utilizzata in statistica per quantificare la differenza tra due medie in unità di devianza standard. A differenza dei test di significatività (come il t-test), che indicano solo se esiste una differenza statisticamente significativa, il d di Cohen fornisce una stima della magnitudo di tale differenza, rendendolo uno strumento essenziale per l’interpretazione pratica dei risultati.
Quando Utilizzare il d di Cohen Post Hoc
Il calcolo post hoc del d di Cohen viene tipicamente eseguito dopo aver condotto un test statistico (ad esempio, un t-test o un’ANOVA) per:
- Quantificare l’entità della differenza osservata tra i gruppi.
- Confrontare i risultati con studi precedenti o meta-analisi.
- Valutare l’impatto pratico (non solo statistico) di un intervento.
- Calcolare il power statistico a posteriori.
Formula del d di Cohen per Campioni Indipendenti
Per campioni di dimensione uguale (n₁ = n₂ = n), la formula si semplifica in: \[ SD_{combinata} = \sqrt{\frac{SD_1^2 + SD_2^2}{2}} \]
Interpretazione del d di Cohen
Cohen (1988) ha proposto le seguenti linee guida per interpretare la grandezza dell’effect size:
| Valore di |d| | Interpretazione |
|---|---|
| 0.00 – 0.19 | Trascurabile |
| 0.20 – 0.49 | Piccolo |
| 0.50 – 0.79 | Medio |
| ≥ 0.80 | Grande |
Nota: Queste soglie sono indicative. L’interpretazione dovrebbe sempre considerare il contesto specifico della ricerca.
Intervallo di Confidenza per il d di Cohen
L’intervallo di confidenza (IC) per il d di Cohen fornisce una stima dell’incertezza intorno al valore puntuale. La formula per l’IC al 95% è:
\[ IC = d \pm z_{1-\alpha/2} \cdot SE_d \]Potere Statistico Post Hoc
Il potere statistico (1-β) indica la probabilità di rilevare un effetto di grandezza d con un campione di dimensione n e un livello di significatività α. La formula approssimata è:
\[ \text{Potere} = \Phi\left(z_{1-\alpha/2} – z_{1-\beta}\right) \]Confronto con Altre Misure di Effect Size
| Misura | Formula | Quando Usarla | Interpretazione |
|---|---|---|---|
| d di Cohen | (M₁ – M₂) / SDcombinata | Confronti tra medie (t-test, ANOVA) | Differenza in unità di SD |
| η² (Eta quadrato) | SSbetween / SStotal | ANOVA (varianza spiegata) | Proporzione di varianza |
| r (Correlazione) | Z / √(N) | Test non parametrici | Forza dell’associazione |
| OR (Odds Ratio) | (a/c) / (b/d) | Studi caso-controllo | Rischio relativo |
Errori Comuni da Evitare
- Confondere significatività con effect size: Un p-value < 0.05 non implica un effetto grande. Ad esempio, con campioni molto grandi (n > 1000), anche differenze trascurabili (d = 0.1) possono essere “significative”.
- Ignorare la direzione dell’effetto: Il segno di d indica la direzione (M₁ > M₂ se d > 0). Sempre riportare il segno.
- Usare SD non combinate: Utilizzare la SD di un solo gruppo introduce bias. Usare sempre la SD combinata.
- Trascurare gli intervalli di confidenza: Il valore puntuale di d è utile, ma l’IC fornisce informazioni sulla precisione.
Applicazioni Pratiche
1. Ricerca Clinica
In uno studio su un nuovo farmaco per l’ipertensione, il gruppo trattato (n=50) ha una pressione sistolica media di 120 mmHg (SD=10), mentre il gruppo placebo (n=50) ha 130 mmHg (SD=12). Il d di Cohen è:
\[ d = \frac{130 – 120}{\sqrt{\frac{10^2 + 12^2}{2}}} = \frac{10}{11.18} ≈ 0.89 \]Un effetto grande, suggerendo che il farmaco ha un impatto clinicamente rilevante.
2. Psicologia Sperimentale
In un esperimento sulla memoria, il gruppo esposto a una tecnica di apprendimento innovativa (M=85, SD=15) supera il gruppo di controllo (M=75, SD=14) con n=30 per gruppo:
\[ d = \frac{85 – 75}{14.5} ≈ 0.69 \]Un effetto medio-grande, giustificando ulteriori investimenti nella tecnica.
Limiti del d di Cohen
- Sensibilità alla variabilità: Se la SD è alta, anche differenze assolute grandi possono risultare in un d piccolo.
- Assunzione di normalità: Il d di Cohen assume distribuzioni normali. Per dati non normali, considerare alternative come il rank-biserial correlation.
- Dipendenza dal campionamento: Valori estremi (outliers) possono distorcere la SD e, di conseguenza, il d.
Software e Strumenti per il Calcolo
Oltre a questo calcolatore, è possibile utilizzare:
- R: Pacchetti
effsizeocompute.es. - Python: Libreria
pingouin(pingouin.compute_effsize). - SPSS: Estensione “Effect Sizes” (via Analyze → Descriptive Statistics).
- G*Power: Strumento gratuito per calcoli di power analysis e effect size.
Linee Guida per la Reportistica
Quando si riporta il d di Cohen in una pubblicazione, includere sempre:
- Il valore di d con segno (es: d = 0.75).
- L’intervallo di confidenza al 95% (es: IC 95% [0.45, 1.05]).
- La dimensione del campione per gruppo.
- Il contesto per l’interpretazione (es: “un effetto medio secondo Cohen, 1988”).
Esempio di report:
“L’intervento ha prodotto un effect size di d = 0.62 (IC 95% [0.31, 0.93]), indicando un effetto medio-grande secondo le linee guida di Cohen (1988). L’analisi post hoc ha rivelato un potere statistico del 89% per rilevare questo effetto con α = 0.05.”