เครื่องคิดเลข Cohen's d

Q: Cohen's d คืออะไร?

Cohen's d คือการวัดขนาดเอฟเฟกต์มาตรฐานที่ระบุปริมาณความแตกต่างระหว่างค่าเฉลี่ยของสองกลุ่มในรูปของส่วนเบี่ยงเบนมาตรฐานรวม (pooled standard deviation) ถูกแนะนำโดย Jacob Cohen และใช้กันอย่างแพร่หลายในด้านจิตวิทยา การศึกษา และการวิจัยทางการแพทย์เพื่อประเมินความสำคัญในเชิงปฏิบัติของผลการวิจัยที่นอกเหนือจากความนัยสำคัญทางสถิติ

Q: จะแปลผลค่า Cohen's d อย่างไร?

ตามเกณฑ์มาตรฐานของ Cohen: d = 0.2 แสดงถึงเอฟเฟกต์ขนาดเล็ก (กลุ่มต่างกัน 0.2 ส่วนเบี่ยงเบนมาตรฐาน), d = 0.5 แสดงถึงเอฟเฟกต์ขนาดกลาง และ d = 0.8 หรือมากกว่าแสดงถึงเอฟเฟกต์ขนาดใหญ่ อย่างไรก็ตาม การแปลผลควรพิจารณาบริบทของการวิจัยด้วย เนื่องจากสิ่งที่ถือว่าเป็นเอฟเฟกต์ที่มีความหมายจะแตกต่างกันไปตามสาขาวิชา

Q: ความแตกต่างระหว่าง Cohen's d และ Hedges' g คืออะไร?

Hedges' g คือเวอร์ชันของ Cohen's d ที่มีการแก้ไขความเอนเอียง Cohen's d มีแนวโน้มที่จะประมาณการขนาดเอฟเฟกต์ของประชากรสูงเกินไปในกลุ่มตัวอย่างขนาดเล็ก Hedges' g จึงใช้ตัวคูณปรับแก้ J เพื่อปรับความเอนเอียงนี้ สำหรับกลุ่มตัวอย่างขนาดใหญ่ (n > 20) ความแตกต่างจะน้อยมาก ควรใช้ Hedges' g เมื่อขนาดกลุ่มตัวอย่างเล็กหรือใช้สำหรับการวิเคราะห์อภิมาน (meta-analysis)

Q: ควรใช้ Glass's delta แทน Cohen's d เมื่อใด?

ใช้ Glass's delta เมื่อสองกลุ่มมีส่วนเบี่ยงเบนมาตรฐานที่แตกต่างกันอย่างมาก หรือในงานวิจัยเชิงทดลองที่มีกลุ่มหนึ่งเป็นกลุ่มควบคุมที่แท้จริง Glass's delta จะใช้เฉพาะส่วนเบี่ยงเบนมาตรฐานของกลุ่มควบคุมเป็นตัวหาร ซึ่งอาจเหมาะสมกว่าเมื่อผลของการทดลองทำให้ความแปรปรวนเปลี่ยนไป

Q: Cohen's d ที่เป็นค่าลบหมายความว่าอย่างไร?

Cohen's d ที่เป็นค่าลบระบุว่ากลุ่มที่ 2 มีค่าเฉลี่ยสูงกว่ากลุ่มที่ 1 ค่าสัมบูรณ์ยังคงแสดงถึงขนาดของเอฟเฟกต์ ส่วนเครื่องหมายเพียงแค่บอกทิศทางของความแตกต่าง เช่น d = -0.5 หมายความว่ากลุ่มที่ 2 สูงกว่ากลุ่มที่ 1 อยู่ครึ่งหนึ่งของส่วนเบี่ยงเบนมาตรฐาน

Q: ส่วนเบี่ยงเบนมาตรฐานรวม (pooled standard deviation) คำนวณอย่างไร?

ส่วนเบี่ยงเบนมาตรฐานรวมจะรวมความแปรปรวนจากทั้งสองกลุ่ม โดยถ่วงน้ำหนักด้วยองศาอิสระ (degrees of freedom) สูตรคือ: s_pooled = sqrt(((n1-1)*s1^2 + (n2-1)*s2^2) / (n1+n2-2)) ซึ่งจะให้ค่าเฉลี่ยถ่วงน้ำหนักที่คำนึงถึงขนาดกลุ่มตัวอย่างที่แตกต่างกัน

คำนวณขนาดผลกระทบ Cohen's d เพื่อวัดความแตกต่างมาตรฐานระหว่างค่าเฉลี่ยของสองกลุ่ม มาพร้อมขั้นตอนการคำนวณอย่างละเอียด การแสดงผลเชิงโต้ตอบ การแปลผลขนาดผลกระทบ และรองรับทั้งข้อมูลดิบและสถิติเชิงสรุป

เครื่องคิดเลข Cohen's d

📊 ข้อมูลดิบ 📋 สถิติสรุป

📁 ตัวอย่างด่วน

กลุ่ม 1 (กลุ่มทดลอง)

ป้อนค่า

กลุ่ม 2 (กลุ่มควบคุม/เปรียบเทียบ)

ป้อนค่า

วิธีการคำนวณ

ทศนิยม

Embed เครื่องคิดเลข Cohen's d Widget

เกี่ยวกับ เครื่องคิดเลข Cohen's d

ยินดีต้อนรับสู่ เครื่องคิดเลข Cohen เครื่องมือคำนวณขนาดเอฟเฟกต์ที่ครอบคลุม ซึ่งวัดความแตกต่างมาตรฐานระหว่างค่าเฉลี่ยของสองกลุ่ม เครื่องมือนี้แสดงค่า Cohen's d, Hedges' g (แก้ไขความเอนเอียง), ช่วงความเชื่อมั่น และการแปลผลด้วยภาพเพื่อช่วยให้คุณเข้าใจความสำคัญในเชิงปฏิบัติของผลการวิจัยของคุณ

Cohen's d คืออะไร?

Cohen's d คือการวัดขนาดเอฟเฟกต์มาตรฐานที่แสดงความแตกต่างระหว่างค่าเฉลี่ยสองค่าในรูปของส่วนเบี่ยงเบนมาตรฐานรวม แนะนำโดยนักสถิติ Jacob Cohen ในปี 1988 ซึ่งเป็นหนึ่งในการวัดขนาดเอฟเฟกต์ที่มีการใช้กันอย่างแพร่หลายที่สุดในพฤติกรรมศาสตร์และสังคมศาสตร์

ต่างจากค่า p-value ที่ระบุเพียงความนัยสำคัญทางสถิติ Cohen's d จะบอกคุณถึง ขนาด ของความแตกต่าง ช่วยให้นักวิจัยและผู้ปฏิบัติงานเข้าใจว่าผลลัพธ์ที่มีความนัยสำคัญทางสถิตินั้นมีความหมายในเชิงปฏิบัติด้วยหรือไม่

สูตร Cohen's d

Cohen's d

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

โดยที่:

X̄₁, X̄₂ = ค่าเฉลี่ยของกลุ่มที่ 1 และกลุ่มที่ 2
s_pooled = ส่วนเบี่ยงเบนมาตรฐานรวม

สูตรส่วนเบี่ยงเบนมาตรฐานรวม (Pooled Standard Deviation)

ส่วนเบี่ยงเบนมาตรฐานรวม

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

การแปลผล Cohen's d

Cohen ได้ให้เกณฑ์มาตรฐานคร่าวๆ ในการแปลผลขนาดเอฟเฟกต์ แม้ว่าเขาจะเน้นย้ำว่าบริบทเป็นเรื่องสำคัญก็ตาม:

ค่า Cohen's d	ขนาดเอฟเฟกต์	การแปลผล
\|d\| < 0.2	น้อยมาก (Negligible)	ความแตกต่างไม่มีนัยสำคัญ อาจสังเกตไม่เห็น
0.2 ≤ \|d\| < 0.5	เล็ก (Small)	สังเกตเห็นได้แต่ไม่ใหญ่มากในเชิงปฏิบัติ
0.5 ≤ \|d\| < 0.8	กลาง (Medium)	เอฟเฟกต์ปานกลางและมีความสำคัญในเชิงปฏิบัติ
\|d\| ≥ 0.8	ใหญ่ (Large)	ความแตกต่างระหว่างกลุ่มมีมาก
\|d\| ≥ 1.2	ใหญ่มาก (Very Large)	ความแตกต่างรุนแรง สังเกตเห็นได้ชัดเจนมาก

วิธีใช้เครื่องคิดเลขนี้

เลือกวิธีการป้อนข้อมูล: เลือก "ข้อมูลดิบ" เพื่อป้อนค่ารายบุคคล หรือ "สถิติสรุป" หากคุณมีค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน และขนาดกลุ่มตัวอย่างอยู่แล้ว
ป้อนข้อมูลของคุณ: สำหรับข้อมูลดิบ ให้ป้อนตัวเลขคั่นด้วยจุลภาคหรือเว้นวรรค สำหรับสถิติสรุป ให้ระบุค่า M, SD และ n สำหรับแต่ละกลุ่ม
เลือกวิธีการรวม (pooling): ใช้ "Pooled SD" สำหรับ Cohen's d มาตรฐาน หรือ "Control Group SD" สำหรับ Glass's delta
คำนวณ: คลิกปุ่มเพื่อดู Cohen's d, Hedges' g, ช่วงความเชื่อมั่น และการคำนวณทีละขั้นตอน
แปลผลลัพธ์: ตรวจสอบมาตราส่วนขนาดเอฟเฟกต์ การแสดงภาพการกระจาย และคู่มือการแปลผล

ทำความเข้าใจผลลัพธ์ของคุณ

มาตรวัดขนาดเอฟเฟกต์หลัก

Cohen's d: ความแตกต่างของค่าเฉลี่ยมาตรฐานโดยใช้ pooled SD
Hedges' g: เวอร์ชันที่แก้ไขความเอนเอียงของ Cohen's d แนะนำสำหรับกลุ่มตัวอย่างขนาดเล็ก
95% CI: ช่วงความเชื่อมั่นที่ระบุช่วงของขนาดเอฟเฟกต์ประชากรที่เป็นไปได้

สถิติเพิ่มเติม

Overlap %: เปอร์เซ็นต์โดยประมาณของการกระจายที่ซ้อนทับกัน
Cohen's U3: เปอร์เซ็นต์ของกลุ่มที่ 2 ที่มีค่าต่ำกว่าค่าเฉลี่ยของกลุ่มที่ 1

Cohen's d vs. Hedges' g vs. Glass's Delta

ควรใช้การวัดใดเมื่อใด

Cohen's d: ทางเลือกที่พบบ่อยที่สุด ใช้เมื่อกลุ่มมีส่วนเบี่ยงเบนมาตรฐานใกล้เคียงกันและขนาดกลุ่มตัวอย่างปานกลางถึงใหญ่
Hedges' g: เหมาะสำหรับกลุ่มตัวอย่างขนาดเล็ก (n < 20) หรือการวิเคราะห์อภิมาน ใช้ตัวคูณปรับแก้เพื่อลดความเอนเอียงสูงเกินไป
Glass's delta: ใช้เมื่อกลุ่มหนึ่งเป็นกลุ่มควบคุมที่แท้จริง หรือเมื่อการทดลองส่งผลต่อความแปรปรวน โดยจะใช้เฉพาะ SD ของกลุ่มควบคุมเท่านั้น

สูตรการปรับแก้ Hedges' g

Hedges' g

$$g = d \times J$$

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

การประยุกต์ใช้ Cohen's d

การวิจัยทางจิตวิทยาและพฤติกรรมศาสตร์

Cohen's d เป็นการวัดขนาดเอฟเฟกต์มาตรฐานสำหรับการเปรียบเทียบกลุ่มทดลองและกลุ่มควบคุมในการศึกษาทางจิตวิทยา ช่วยให้นักวิจัยสามารถเปรียบเทียบผลลัพธ์จากการศึกษาต่างๆ ที่ใช้มาตราส่วนต่างกันได้

การศึกษา

นักการศึกษาใช้ขนาดเอฟเฟกต์เพื่อประเมินวิธีการสอน ขนาดเอฟเฟกต์ที่ d = 0.4 หรือสูงกว่ามักถือว่ามีความหมายในทางการศึกษา (เกณฑ์ของ Hattie)

การแพทย์และการทดลองทางคลินิก

แม้ว่าอาจจะมีการใช้การวัดขนาดเอฟเฟกต์อื่นที่เฉพาะเจาะจงกว่า แต่ Cohen's d ช่วยในการสื่อสารผลของการรักษาในการวิจัยทางคลินิก โดยเฉพาะอย่างยิ่งสำหรับผลลัพธ์ที่ต่อเนื่อง

การวิเคราะห์อภิมาน (Meta-Analysis)

ขนาดเอฟเฟกต์เป็นสิ่งจำเป็นสำหรับการรวมผลลัพธ์จากการศึกษาหลายชิ้นเข้าด้วยกัน Hedges' g มักถูกเลือกใช้เนื่องจากการแก้ไขความเอนเอียง

ข้อจำกัดและข้อควรพิจารณา

สมมติฐานการแจกแจงแบบปกติ: Cohen's d สมมติว่าข้อมูลมีการแจกแจงแบบปกติในทั้งสองกลุ่ม
ไวต่อค่าผิดปกติ (Outliers): ค่าที่สูงหรือต่ำผิดปกติส่งผลต่อการคำนวณค่าเฉลี่ยและ SD
สมมติฐานความแปรปรวนเท่ากัน: Pooled SD สมมติว่าความแปรปรวนใกล้เคียงกัน มิฉะนั้นควรใช้ Glass's delta
บริบทเป็นเรื่องสำคัญ: เอฟเฟกต์ที่ "เล็ก" ในสาขาหนึ่งอาจถือว่า "ใหญ่" ในอีกสาขาหนึ่ง
ทิศทางสำคัญ: ค่า d ที่เป็นลบหมายถึงกลุ่มที่ 2 มีค่าเฉลี่ยสูงกว่ากลุ่มที่ 1

คำถามที่พบบ่อย

Cohen's d คืออะไร?

Cohen's d คือการวัดขนาดเอฟเฟกต์มาตรฐานที่ระบุปริมาณความแตกต่างระหว่างค่าเฉลี่ยของสองกลุ่มในรูปของส่วนเบี่ยงเบนมาตรฐานรวม ถูกแนะนำโดย Jacob Cohen และใช้กันอย่างแพร่หลายในด้านจิตวิทยา การศึกษา และการวิจัยทางการแพทย์เพื่อประเมินความสำคัญในเชิงปฏิบัติของผลการวิจัย

จะแปลผลค่า Cohen's d อย่างไร?

ตามเกณฑ์ของ Cohen: d = 0.2 คือเอฟเฟกต์ขนาดเล็ก, d = 0.5 คือเอฟเฟกต์ขนาดกลาง และ d = 0.8 หรือมากกว่าคือเอฟเฟกต์ขนาดใหญ่ อย่างไรก็ตาม ควรพิจารณาตามบริบทของงานวิจัยแต่ละสาขาด้วย

ความแตกต่างระหว่าง Cohen's d และ Hedges' g คืออะไร?

Hedges' g คือ Cohen's d ที่ปรับแก้ค่าความเอนเอียงให้เหมาะสมกับกลุ่มตัวอย่างขนาดเล็ก โดยปกติ Cohen's d มักจะให้ค่าที่สูงกว่าความเป็นจริงในกลุ่มตัวอย่างน้อยๆ หากกลุ่มตัวอย่างขนาดใหญ่ (n > 20) ทั้งสองค่าจะให้ผลลัพธ์ที่ไม่แตกต่างกันมากนัก

ควรใช้ Glass's delta แทน Cohen's d เมื่อใด?

ควรใช้ Glass's delta เมื่อสองกลุ่มมีความแปรปรวนต่างกันมาก หรือเมื่องานวิจัยนั้นมีกลุ่มควบคุมที่ชัดเจน โดยจะใช้ SD ของกลุ่มควบคุมเพียงกลุ่มเดียวในการคำนวณ