Utilisation gratuite, sans compte

Calculateur de taille d'effet

Saisissez les statistiques récapitulatives de deux groupes indépendants pour calculer leur différence moyenne standardisée signée, leur écart type regroupé et leur g de couverture corrigé sur petit échantillon.

Groupe 1
Groupe 2

Pour les groupes indépendants, cette version utilise la définition conventionnelle pooled-SD et suppose une variance de population partagée. Entrez les écarts-types de l'échantillon (n−1), et non les erreurs-types.

Chaque taille d’échantillon doit être comprise entre 2 et 1 000 000 ; les moyennes et les SD sont limités à ± 1 000 000 000 (les SD ne peuvent pas être négatifs). Au moins un SD doit être supérieur à zéro.

Que mesure un calculateur de taille d’effet ?

Il exprime la différence entre les moyennes de deux groupes en unités d'écart type regroupées. Le d de Cohen est la différence standardisée non corrigée ; Le g de Hedges applique une correction sur petit échantillon.

Foire aux questions

Que mesure un calculateur de taille d’effet ?

Il exprime la différence entre les moyennes de deux groupes en unités d'écart type regroupées. Le d de Cohen est la différence standardisée non corrigée ; Le g de Hedges applique une correction sur petit échantillon.

Mes statistiques d'étude sont-elles téléchargées ?

Non. Le calcul s'exécute dans ce navigateur. Vos statistiques récapitulatives ne sont pas envoyées à un serveur ni enregistrées par cet outil.

Quelle est la différence entre le d de Cohen et le g de Hedges ?

Les deux normalisent la différence moyenne par un écart type regroupé. Le g de Hedges multiplie d par une correction pour petits échantillons, ce qui réduit le biais lorsque les échantillons sont petits.

Puis-je saisir des erreurs types au lieu des écarts types ?

Non. Cette calculatrice attend l’écart type de l’échantillon de chaque groupe. Une erreur type décrit l’incertitude dans une estimation d’échantillon et n’est pas interchangeable avec l’écart-type ici.

Une taille d'effet plus grande prouve-t-elle qu'un résultat est important ?

Non. L'ampleur de l'effet décrit une différence standardisée, et non une signification statistique, un lien de causalité ou une importance pratique. Le contexte, l’incertitude, la conception de l’étude et l’échelle de mesure sont importants.