イータ二乗とは何ですか？オメガ二乗とどう違いますか？

イータ二乗は、ANOVAにおいて要因によって説明される全分散の割合を測定します。オメガ二乗は、同じ量のよりバイアスの少ない推定量です。イータ二乗は、特にサンプルサイズが小さい場合に母集団の効果を過大評価する傾向があります。Cohenは両方の指標に対して0.01（小）、0.06（中）、0.14（大）という基準を提案しました。

効果量電卓

Cohen's d、Hedges' g、Glass's delta、イータ二乗、オメガ二乗、Cohen's fなどの効果量を計算し、視覚化します。分布の重なりのアニメーション、ステップバイステップの計算式、共通言語効果量（CLES）の確率、および統計調査のための解釈ガイドラインを確認できます。

効果量電卓

Embed 効果量電卓 Widget

効果量電卓

研究における効果量の理解

効果量は、現象の大きさを定量化する重要な統計量であり、p値が提供する情報を補完します。p値は効果が統計的に有意であるかどうかを示しますが、効果量はその効果がどれほど大きいかを示します。この区別は実践的な有意性を判断するために不可欠です。微々たる効果量で統計的に有意な結果が出ても、現実世界では重要性を持たない可能性があるからです。

📏

Cohen's d

プールされた標準偏差を用いた、2つのグループ間の標準化された平均値差

🎯

Hedges' g

バイアス補正されたCohen's d。小サンプル (n < 20) に推奨されます

Glass's Delta

対照群の標準偏差のみで標準化された平均値差

η²

イータ二乗

ANOVAにおいて説明される全分散の割合

ω²

オメガ二乗

η²よりもバイアスの少ない分散説明率の推定量

Cohen's f

η²から算出されるANOVA用の効果量

Cohen's dの計算方法

Cohen's dは、2つのグループ平均間の標準化された差を測定します：

$$d = \frac{M_1 - M_2}{SD_{pooled}}$$

ここで、プールされた標準偏差は以下の通りです：

$$SD_{pooled} = \sqrt{\frac{(n_1 - 1) \cdot SD_1^2 + (n_2 - 1) \cdot SD_2^2}{n_1 + n_2 - 2}}$$

Cohen's dが0.5であることは、2つのグループ平均が標準偏差の半分だけ離れていることを意味します。Hedges' gは、小サンプルにおけるdの上方バイアスを減らすために補正係数 $J = 1 - \frac{3}{4 \cdot df - 1}$ を適用します。

CLESによる効果量の解釈

共通言語効果量（CLES）は、Cohen's dを直感的な確率に変換します。これは、グループ1からランダムに選ばれた個人が、グループ2からランダムに選ばれた個人よりも高いスコアを獲得する確率です。計算式は以下の通りです：

$$CLES = \Phi\left(\frac{d}{\sqrt{2}}\right)$$

ここで $\Phi$ は標準正規分布の累積分布関数（CDF）です。例えば、d = 0.5 は約64%のCLESに対応し、グループ1のランダムな一人がグループ2のランダムな一人を上回る確率が64%であることを意味します。

イータ二乗 vs. オメガ二乗

ANOVAにおいて、イータ二乗 (η²) は独立変数によって説明される全分散の割合を表します：

$$\eta^2 = \frac{SS_{between}}{SS_{total}} = \frac{F \times df_{between}}{F \times df_{between} + df_{within}}$$

しかし、η²は母集団の効果を過大評価する傾向があります。オメガ二乗 (ω²) は、よりバイアスの少ない推定量を提供します：

$$\omega^2 = \frac{df_{between} \times (F - 1)}{df_{between} \times (F - 1) + N}$$

効果量指標間の変換

変換元	変換先	公式
Cohen's d	点二連相関 r	$r = \frac{d}{\sqrt{d^2 + \frac{(n_1+n_2)^2}{n_1 \cdot n_2}}}$
相関 r	Cohen's d	$d = \frac{2r}{\sqrt{1 - r^2}}$
t検定（独立サンプル）	Cohen's d	$d = t \times \sqrt{\frac{1}{n_1} + \frac{1}{n_2}}$
t検定（対応あり）	Cohen's d_z	$d_z = \frac{t}{\sqrt{n}}$
η²	Cohen's f	$f = \sqrt{\frac{\eta^2}{1 - \eta^2}}$

各効果量の使い分け

シナリオ	推奨される指標	理由
2つの等分散グループ	Cohen's d または Hedges' g	標準的な指標。n < 1グループ20人の場合はgが好ましい
不等分散	Glass's delta	処置による分散の影響を受けない対照群の標準偏差のみを使用するため
対応のある/反復測定	Cohen's d_z	差分スコアに基づき、被験者内相関を考慮するため
一元配置 ANOVA	η² または ω²	記述的には η²、バイアスの少ない母集団推定には ω²
相関分析	r および r²	r は強さを測定し、r² は共有分散の割合を示すため
メタ分析	Hedges' g	多様なサンプルサイズを統合する際にバイアス補正が不可欠なため

よくある質問

効果量とは何ですか？

効果量は、現象の大きさや変数間の関係の強さを表す定量的な指標です。効果が存在するかどうかを示すp値とは異なり、効果量はその効果がどれほど大きいかを示します。これらは、メタ分析、検定力分析、および研究における実践的な有意性の評価に不可欠です。

Cohen's dとは何ですか？またどのように解釈すればよいですか？

Cohen's dは、2つのグループ平均間の標準化された差を測定するもので、平均の差をプールされた標準偏差で割って計算されます。Jacob Cohenは0.2（小）、0.5（中）、0.8（大）という基準を提案しましたが、これらは特定の研究分野の文脈の中で解釈されるべきです。分野によっては、d = 0.2 でも意味のある介入効果を表すことがあります。

Cohen's dとHedges' gの違いは何ですか？

Hedges' gは、Cohen's dをバイアス補正したバージョンです。Cohen's dは、特にサンプルサイズが小さい場合（1グループあたり n < 20）に母集団の効果量をわずかに過大評価します。Hedges' gはこのバイアスを減らすために補正係数 Jを適用します。大きなサンプルの場合、値はほぼ同一になります。

共通言語効果量（CLES）とは何ですか？

CLESはCohen's dを確率として表現したものです。あるグループからランダムに選ばれた人が、もう一方のグループからランダムに選ばれた人よりも高いスコアを獲得する確率を示します。CLESが69%であれば、グループ1のランダムな一人がグループ2のランダムな一人を上回る確率が69%であることを意味します。これは、専門家でない対象者にとって、生のd値よりもはるかに直感的です。

イータ二乗とオメガ二乗のどちらを使うべきですか？

イータ二乗 (η²) は一般的によく報告されますが、特にサンプルサイズが小さい場合に母集団の効果量を過大評価する傾向があります。オメガ二乗 (ω²) はよりバイアスの少ない推定量を提供し、一般的に推測統計の目的で推奨されます。特定のサンプル内での記述的な目的であれば、η²でも問題ありません。どちらも同じ解釈基準（0.01:小、0.06:中、0.14:大）を共有します。

効果量が負の値になることはありますか？

はい、Cohen's dや相関 rのような方向性を持つ効果量は負の値になることがあります。負のCohen's dは、グループ2の平均がグループ1よりも高いことを意味します。負の rは逆相関を示します。符号は方向を示し、絶対値がマグニチュード（大きさ）を示します。分散ベースの指標（η², ω², r²）は常に非負です。

このコンテンツ、ページ、またはツールを引用する場合は、次のようにしてください：

"効果量電卓"（https://MiniWebtool.com/ja/効果量計算機/） MiniWebtool からの引用、https://MiniWebtool.com/

by miniwebtool チーム. 更新日: 2026-04-16

開発者向け API が利用できます: このツールをアプリ、自動化、エージェントから 1 回の JSON HTTP リクエストで実行できます。 API ドキュメントを見る

また、AI 数学ソルバー GPT を使って、自然言語による質問と回答で数学の問題を解決することもできます。

効果量電卓

効果量電卓

研究における効果量の理解

Cohen's dの計算方法

CLESによる効果量の解釈

イータ二乗 vs. オメガ二乗

効果量指標間の変換

各効果量の使い分け

よくある質問

統計とデータ分析:

おすすめ:

変換元	変換先	公式
Cohen's d	点二連相関 r	\(r = \frac{d}{\sqrt{d^2 + \frac{(n_1+n_2)^2}{n_1 \cdot n_2}}}\)
相関 r	Cohen's d	\(d = \frac{2r}{\sqrt{1 - r^2}}\)
t検定（独立サンプル）	Cohen's d	\(d = t \times \sqrt{\frac{1}{n_1} + \frac{1}{n_2}}\)
t検定（対応あり）	Cohen's d_z	\(d_z = \frac{t}{\sqrt{n}}\)
η²	Cohen's f	\(f = \sqrt{\frac{\eta^2}{1 - \eta^2}}\)