Cohen's d 계산기

MiniWebtool의 Cohen d 계산기는 평균 차이를 표준편차 단위로 측정합니다. 원자료 또는 요약 통계에서 Cohen d, 편향 보정 Hedges g 및 신뢰 구간을 선택한 풀링 방식으로 계산합니다.

사용법이 궁금하신가요? AI에게 물어보세요

Gemini (복사 후 열기)

Gemini에서는 복사한 질문을 채팅창에 붙여 넣으세요. 아래에서도 복사할 수 있습니다.

질문 보기

MiniWebtool의 Cohen's d 계산기 사용법을 알고 싶습니다: https://miniwebtool.com/ko/cohen/. 어떤 용도로 사용할 수 있나요? 필요한 입력이나 설정, 사용 단계와 결과를 읽는 방법을 간단한 예시 하나로 설명해 주세요. 이 페이지를 출처로 삼아 한국어로 답변해 주세요.

하루 3회 무료가입 필요 없음즉시 결과 확인

Cohen's d 계산기지금 무료로 사용하기 ▼

코헨의 d는 두 평균의 차이를 표준편차 단위로 잰 값이다

아래에 두 표본, 또는 각 집단의 평균·표준편차·표본 크기를 입력하면 코헨의 d, 헤지스의 g, 겹침 정도, 쉬운 말로 된 효과크기를 얻을 수 있습니다.

📊 원시 데이터 📋 요약 통계

📁 빠른 예제

그룹 1 (처치/실험군)

값 입력

그룹 2 (대조/비교군)

값 입력

계산 방식

소수점 정밀도

Cohen's d 계산기 위젯 삽입

Cohen's d 계산기 정보

cohen에 오신 것을 환영합니다. 이 도구는 두 그룹 평균 간의 표준화된 차이를 측정하는 종합적인 효과 크기 계산기입니다. 본 도구는 연구 결과의 실질적인 중요성을 이해하는 데 도움이 되도록 코헨의 d, Hedges' g(편향 수정됨), 신뢰 구간 및 시각적 해석을 제공합니다.

한눈에 보기

Cohen's d 계산기는 두 집단 평균의 차이를 표준편차 단위로 측정합니다. Hedges' g, Glass's delta, 95% 신뢰구간도 제공합니다.

Cohen's d 계산기: 주요 기능 한눈에 보기
기능	제공 내용	추천 대상
두 가지 입력 방식	쉼표나 공백으로 구분한 원자료, 또는 각 집단의 요약 통계(평균, 표준편차, n)를 입력합니다.	원 연구 데이터 또는 발표된 논문의 수치
풀링 방법	Cohen's d에는 합동 표준편차를, Glass's delta에는 대조군 표준편차를 씁니다.	진짜 대조군이 있는 실험
Hedges' g(보정 효과 크기)	편향 보정 효과 크기, g = d × J이며, J = 1 − 3 / (4(n₁ + n₂ − 2) − 1)입니다.	작은 표본과 메타분석
신뢰구간	효과 크기에 대한 95% 신뢰구간입니다.	그럴듯한 효과의 범위 보고
효과 크기 척도	무시할 수준(\|d\| 0.2 미만)부터 작음, 중간, 큼(0.8 이상), 매우 큼(1.2 이상)까지 시각 척도에 표시합니다.	차이의 크기 해석
중첩과 U3	대략적인 중첩 비율과 Cohen's U3(집단 1 평균보다 낮은 집단 2의 비율)을 보여 줍니다.	효과를 쉬운 말로 설명할 때
분포 그래프	두 분포를 보여 주는 대화형 그래프와 단계별 계산을 제공합니다.	계산 확인과 차이 보기

코헨의 d(Cohen's d)란 무엇인가요?

코헨의 d는 두 평균의 차이를 통합 표준 편차 단위로 표현하는 표준화된 효과 크기 척도입니다. 1960년대에 도입되었으며, 기준값은 Cohen(1988)을 통해 널리 알려졌습니다. 행동 과학 및 사회 과학 분야에서 가장 널리 사용되는 효과 크기 척도 중 하나입니다.

통계적 유의성만을 나타내는 p-값과 달리, 코헨의 d는 차이의 규모를 알려주어 통계적으로 유의미한 결과가 실질적으로도 의미가 있는지 연구자와 실무자가 이해할 수 있도록 돕습니다.

코헨의 d 공식

코헨의 d

$$d = \frac{\bar{X}_1 - \bar{X}_2}{s_{pooled}}$$

여기서:

X̄₁, X̄₂ = 그룹 1과 그룹 2의 평균
s_pooled = 통합 표준 편차

통합 표준 편차 공식

통합 표준 편차

$$s_{pooled} = \sqrt{\frac{(n_1-1)s_1^2 + (n_2-1)s_2^2}{n_1 + n_2 - 2}}$$

코헨의 d 해석하기

코헨은 효과 크기를 해석하기 위한 대략적인 기준을 제공했으며, 맥락이 중요하다는 점을 강조했습니다.

Cohen's d 계산기: 코헨의 d 해석하기
코헨의 d 값	효과 크기	해석
\|d\| < 0.2	무시할 수 있음	차이가 미미하며 눈에 띄지 않을 가능성이 높음
0.2 ≤ \|d\| < 0.5	작음	눈에 띄지만 실질적인 측면에서 크지 않음
0.5 ≤ \|d\| < 0.8	중간	실질적인 중요성을 가진 중간 정도의 효과
\|d\| ≥ 0.8	큼	그룹 간의 상당한 차이
\|d\| ≥ 1.2	매우 큼	매우 뚜렷하고 명확하게 보이는 차이

이 계산기 사용 방법

입력 방식 선택: 개별 값을 입력하려면 "원시 데이터"를 선택하고, 이미 평균, 표준 편차 및 표본 크기가 있는 경우 "요약 통계"를 선택합니다.
데이터 입력: 원시 데이터의 경우 쉼표나 공백으로 구분된 숫자를 입력합니다. 요약 통계의 경우 각 그룹에 대한 M, SD 및 n을 입력합니다.
풀링 방식 선택: 표준 코헨의 d는 "통합 표준 편차(Pooled SD)"를, Glass's delta는 "대조군 표준 편차(Control Group SD)"를 선택합니다.
계산하기: 버튼을 클릭하여 코헨의 d, Hedges' g, 신뢰 구간 및 단계별 계산 과정을 확인합니다.
결과 해석: 효과 크기 척도, 분포 시각화 및 해석 가이드를 검토합니다.

결과 이해하기

주요 효과 크기 척도

코헨의 d: 통합 표준 편차를 사용한 표준화된 평균 차이
Hedges' g: 코헨의 d의 편향을 수정한 버전으로, 소표본에 권장됨
95% CI: 타당한 모집단 효과 크기의 범위를 나타내는 신뢰 구간

추가 통계

중첩 %: 분포가 겹치는 대략적인 백분율
Cohen's U3: 그룹 1의 평균 미만에 해당하는 그룹 2의 백분율

코헨의 d vs. Hedges' g vs. Glass's Delta

각 척도를 사용하는 시기

코헨의 d: 가장 일반적인 선택입니다. 그룹의 표준 편차가 비슷하고 표본 크기가 중간에서 클 때 사용합니다.
Hedges' g: 소표본(n < 20) 또는 메타 분석 시 선호됩니다. 상향 편향을 줄이기 위해 수정 계수를 적용합니다.
Glass's delta: 한 그룹이 진정한 대조군이거나 처치가 가변성에 영향을 줄 때 사용합니다. 대조군의 표준 편차만 사용합니다.

Hedges' g 수정 공식

Hedges' g

$$g = d \times J$$

여기서 $J = 1 - \frac{3}{4(n_1 + n_2 - 2) - 1}$

코헨의 d의 활용

심리학 및 행동 연구

코헨의 d는 심리학 연구에서 실험군과 대조군을 비교하기 위한 표준 효과 크기 척도입니다. 이를 통해 연구자는 서로 다른 척도를 사용한 연구 간의 결과를 비교할 수 있습니다.

교육학

교육자들은 교육 중재를 평가하기 위해 효과 크기를 사용합니다. d = 0.4 이상의 효과 크기는 종종 교육적으로 의미 있는 것으로 간주됩니다(Hattie의 임계값).

의학 및 임상 시험

다른 효과 크기가 선호될 수도 있지만, 코헨의 d는 임상 연구, 특히 연속적인 결과에 대한 치료 효과를 전달하는 데 도움이 됩니다.

메타 분석

효과 크기는 여러 연구의 결과를 결합하는 데 필수적입니다. 편향 수정 기능이 있는 Hedges' g가 주로 선호됩니다.

제한 사항 및 고려 사항

정규성 가정: 코헨의 d는 두 그룹 모두 대략적인 정규 분포를 따른다고 가정합니다.
이상치에 민감함: 극단적인 값은 평균 및 표준 편차 계산에 영향을 미칩니다.
등분산 가정: 통합 표준 편차는 유사한 분산을 가정합니다. 그렇지 않은 경우 Glass's delta를 사용하십시오.
맥락의 중요성: 한 분야에서 "작은" 효과가 다른 분야에서는 클 수 있습니다.
방향성: 음수 d 값은 그룹 2의 평균이 그룹 1보다 높음을 의미합니다.

자주 묻는 질문

코헨의 d란 무엇인가요?

코헨의 d는 두 그룹 평균 간의 차이를 통합 표준 편차 단위로 수치화한 표준화된 효과 크기 척도입니다. Jacob Cohen에 의해 도입되었으며, 심리학, 교육학 및 의학 연구에서 통계적 유의성을 넘어 결과의 실질적인 중요성을 평가하기 위해 널리 사용됩니다.

코헨의 d 값은 어떻게 해석하나요?

코헨의 관습에 따르면, d = 0.2는 작은 효과(그룹 간 차이가 0.2 표준 편차임), d = 0.5는 중간 효과, d = 0.8 이상은 큰 효과를 나타냅니다. 하지만 의미 있는 효과가 무엇인지는 분야마다 다르므로 연구 맥락을 고려하여 해석해야 합니다.

코헨의 d와 Hedges' g의 차이점은 무엇인가요?

Hedges' g는 코헨의 d의 편향을 수정한 버전입니다. 코헨의 d는 표본 크기가 작을 때 모집단 효과 크기를 과대평가하는 경향이 있습니다. Hedges' g는 이 편향을 조정하기 위해 수정 계수 J를 적용합니다. 표본 크기가 큰 경우(n > 20) 차이는 미미합니다. 표본 크기가 작거나 메타 분석을 수행할 때는 Hedges' g를 사용하세요.

언제 코헨의 d 대신 Glass's delta를 사용해야 하나요?

두 그룹의 표준 편차가 크게 다르거나, 한 그룹이 진정한 대조군인 실험 설계에서 Glass's delta를 사용하십시오. Glass's delta는 대조군의 표준 편차만을 분모로 사용하며, 이는 처치 효과가 가변성을 변화시킬 때 더 적절할 수 있습니다.

음수 코헨의 d 값은 무엇을 의미하나요?

음수 코헨의 d는 그룹 2의 평균이 그룹 1보다 높음을 나타냅니다. 절대값은 여전히 효과의 크기를 나타내며, 부호는 단순히 차이의 방향을 나타냅니다. 예를 들어, d = -0.5는 그룹 2가 그룹 1보다 0.5 표준 편차만큼 크다는 것을 의미합니다.

통합 표준 편차는 어떻게 계산되나요?

통합 표준 편차는 두 그룹의 가변성을 각 그룹의 자유도로 가중치를 두어 결합합니다. 공식은 s_pooled = sqrt(((n₁-1)s₁² + (n₂-1)s₂²) / (n₁+n₂-2)) 입니다. 이는 서로 다른 표본 크기를 고려한 가중 평균을 제공합니다.

추가 리소스

효과 크기 - 위키백과(영문)

이 콘텐츠, 페이지 또는 도구를 다음과 같이 인용하세요:

"Cohen's d 계산기" - https://MiniWebtool.com/ko/cohen/에서 MiniWebtool 인용, https://MiniWebtool.com/

miniwebtool 팀 제작. 업데이트: 2026년 1월 24일

개발자 API 사용 가능: 이 도구를 앱, 자동화, 에이전트에서 한 번의 JSON HTTP 요청으로 실행할 수 있습니다. API 문서 보기

즐겨 쓰는 AI에게 물어보세요