Cohens-d-Rechner
Berechnen Sie Cohens d und Hedges' g aus zwei Gruppenmittelwerten, Standardabweichungen und Stichprobengrößen – oder fügen Sie Rohdaten ein. Sie erhalten außerdem die gepoolte Standardabweichung, ein 95%-Konfidenzintervall und eine Interpretation der Effektstärke.
Cohens d – Effektstärke berechnen
Formel für Cohens d
Wobei gilt:
- \(M_1, M_2\) — Stichprobenmittelwerte der beiden Gruppen
- \(s_1, s_2\) — Stichproben-Standardabweichungen der beiden Gruppen
- \(n_1, n_2\) — Stichprobengrößen der beiden Gruppen
- \(s_p\) — gepoolte Standardabweichung, ein varianzgewichtetes Mittel von \(s_1\) und \(s_2\)
- \(g\) — Hedges' g, die um die Verzerrung bei kleinen Stichproben korrigierte Version von \(d\)
- \(SE(d)\) — Standardfehler von \(d\), der für das 95%-Konfidenzintervall verwendet wird
Cohens d drückt die Differenz zwischen zwei Gruppenmittelwerten in Einheiten der gepoolten Standardabweichung aus, wodurch Effektstärken über Studien, Skalen und Stichprobengrößen hinweg vergleichbar werden.
Cohens d – Rechenbeispiel
Beispiel: Zwei Gruppen mit jeweils 30 Studierenden absolvierten denselben Test. Gruppe 1 erzielte im Durchschnitt 105 Punkte mit einer Standardabweichung von 15; Gruppe 2 erzielte im Durchschnitt 98 Punkte mit einer Standardabweichung von 14.
\[ s_p = \sqrt{\frac{(30-1) \times 15^2 + (30-1) \times 14^2}{30 + 30 - 2}} = \sqrt{\frac{12225 + 5684}{58}} = \sqrt{210.5} = 14.5086 \]
\[ d = \frac{105 - 98}{14.5086} = 0.4825 \]
Mit \(df = 58\) beträgt die Korrektur der Verzerrung \(1 - 3/231 = 0.9870\):
\[ g = 0.4825 \times 0.9870 = 0.4762 \]
Der Standardfehler beträgt \(SE = \sqrt{1/30 + 1/30 + 0.4825^2/60} = 0.2656\), was ein 95%-Konfidenzintervall von \(-0.0381\) bis \(1.0031\) ergibt.
Ergebnis: Cohens d = 0,4825, Hedges' g = 0,4762, gepoolte Standardabweichung = 14,5086. Der Effekt liegt an der Grenze zwischen „klein“ und „mittel“; da das Konfidenzintervall die 0 einschließt, ist die Differenz auf dem 5%-Niveau nicht statistisch signifikant.
So verwenden Sie den Rechner
- Wählen Sie die Eingabeart: Übersichtsstatistiken (Mittelwerte, Standardabweichungen, Stichprobengrößen), wenn Ihnen die Gruppenkennwerte bereits bekannt sind, oder Zwei Rohstichproben, wenn Sie die Rohdaten einfügen möchten.
- Geben Sie bei Übersichtsstatistiken Mittelwert 1 (M₁), Standardabweichung 1 (s₁) und Stichprobengröße 1 (n₁) für die erste Gruppe ein.
- Geben Sie Mittelwert 2 (M₂), Standardabweichung 2 (s₂) und Stichprobengröße 2 (n₂) für die zweite Gruppe ein.
- Alternativ können Sie bei Rohstichproben die Werte in Stichprobe 1 (Werte der Gruppe 1) und Stichprobe 2 (Werte der Gruppe 2) einfügen; Zahlen können durch Leerzeichen, Semikolons oder Zeilenumbrüche getrennt sein, und der Rechner leitet die Mittelwerte, Standardabweichungen und Größen für Sie ab.
- Lesen Sie die Ergebnisse ab: Cohens d, Hedges' g, die gepoolte Standardabweichung, die Mittelwertdifferenz, das 95%-Konfidenzintervall für d, eine Interpretation der Effektstärke sowie die Formel mit eingesetzten Werten.
Was ist Cohens d?
Cohens d ist eine standardisierte Effektstärke, die misst, wie weit zwei Gruppenmittelwerte unter Berücksichtigung der Variabilität innerhalb der Gruppen auseinanderliegen. Ein d von 0,5 bedeutet, dass sich die Mittelwerte um eine halbe Standardabweichung unterscheiden. Da das Ergebnis in Standardabweichungseinheiten statt in den ursprünglichen Maßeinheiten angegeben wird, können Sie damit Effekte vergleichen, die auf unterschiedlichen Skalen gemessen wurden — Testergebnisse, Blutdruck, Reaktionszeiten — und sie in Metaanalysen zusammenführen.
Der Nenner \(s_p\) ist die gepoolte Standardabweichung, welche die Standardabweichungen der beiden Gruppen, gewichtet mit ihren Freiheitsgraden, kombiniert. Dies setzt voraus, dass die beiden Grundgesamtheiten annähernd gleiche Varianzen aufweisen — die Standardannahme des t-Tests für unabhängige Stichproben, mit dem Cohens d üblicherweise gemeinsam verwendet wird.
Effektstärken beantworten eine Frage, die p-Werte nicht beantworten können: wie groß ist der Unterschied, nicht nur, ob er existiert. Ein winziger, unbedeutender Unterschied kann bei einer großen Stichprobe „statistisch signifikant“ sein, während ein praktisch bedeutsamer Unterschied bei einer kleinen Stichprobe nicht signifikant sein kann. Werden d und p-Wert gemeinsam berichtet, ergibt sich ein vollständiges Bild.
Üblicherweise (Cohen, 1988) wird das Ergebnis anhand folgender Richtwerte eingeordnet:
| \( |d| \) | Übliche Bezeichnung |
|---|---|
| unter 0,2 | vernachlässigbar |
| 0,2 bis 0,5 | klein |
| 0,5 bis 0,8 | mittel |
| 0,8 und mehr | groß |
Dies sind Faustregeln, keine universellen Gesetze — was als „großer“ Effekt gilt, hängt völlig vom Fachgebiet und der Forschungsfrage ab. Ein d von 0,3 für eine günstige, risikoarme pädagogische Intervention kann praktisch weit bedeutsamer sein als ein d von 0,9 für ein teures Medikament.
Annahmen, Grenzen und Hinweise
- Gleiche Varianzen: die gepoolte Standardabweichung setzt voraus, dass beide Grundgesamtheiten dieselbe Varianz aufweisen. Weichen die beiden Standardabweichungen stark voneinander ab, sollten Sie Glass' Delta \((M_1 - M_2)/s\) verwenden, das nur die Standardabweichung der Kontrollgruppe einbezieht, oder den gewählten Standardisierer angeben.
- Unabhängige Stichproben: die Formel gilt für zwei getrennte Gruppen. Bei gepaarten Designs oder Messwiederholungen verwenden Sie die gepaarte Version, die die Mittelwertdifferenz durch die Standardabweichung der Differenzen teilt.
- Kleine Stichproben: Cohens d ist bei kleinem \(n\) leicht nach oben verzerrt. Der Rechner gibt daher zusätzlich Hedges' g aus, das den Korrekturfaktor \(1 - 3/(4df - 1)\) anwendet. Bei großen Stichproben sind beide nahezu identisch; bei kleinen sollte g bevorzugt werden.
- Konfidenzintervall: das 95%-Konfidenzintervall verwendet eine Normalapproximation. Bei kleinen Stichproben (ungefähr \(n_1 + n_2 < 30\)) ist ein exaktes Intervall auf Basis der nichtzentralen t-Verteilung schmaler und genauer.
- Signifikanzprüfung: schließt das Konfidenzintervall die 0 aus, ist der Gruppenunterschied auf dem 5%-Niveau signifikant; schließt es die 0 ein, ist er es nicht. Im obigen Beispiel war ein beachtliches d von 0,48 nicht signifikant, weil die Stichproben klein waren — ein klassisches Beispiel dafür, warum Effektstärke und Signifikanz gemeinsam berichtet werden sollten.
- Prüfen Sie Ihre Eingaben: als Standardabweichungen müssen die Stichproben-Standardabweichungen verwendet werden (berechnet mit \(n - 1\)). Wenn Ihnen nur die Varianz vorliegt, ziehen Sie zunächst die Quadratwurzel — siehe den Standardabweichungsrechner oder den Varianzrechner.
Um eine neue Studie zu planen, kombinieren Sie diesen Rechner mit dem Stichprobenumfangsrechner, um herauszufinden, wie viele Beobachtungen Sie benötigen, um einen Effekt einer bestimmten Größe zu erkennen, sowie mit dem Konfidenzintervallrechner für Intervallschätzungen einzelner Mittelwerte.
Häufig gestellte Fragen
Kann Cohens d negativ sein, und was bedeutet das Vorzeichen?
Ja. Das Vorzeichen zeigt lediglich an, welche Gruppe den höheren Mittelwert hat: Ein positives d bedeutet, dass Gruppe 1 höhere Werte erzielte, ein negatives d, dass Gruppe 2 dies tat. Der Betrag \( |d| \) gibt die Effektstärke an, d. h. d = −0,6 und d = 0,6 sind gleich große Effekte in entgegengesetzte Richtungen. Geben Sie beim Berichten die Richtung explizit an, statt das Vorzeichen umzukehren, und halten Sie die Gruppenbezeichnungen mit Ihren Tabellen und Diagrammen konsistent.
Wie hängt Cohens d mit dem t-Test und dem p-Wert zusammen?
Sie sind direkt verknüpft: \( d = t \sqrt{1/n_1 + 1/n_2} \) für einen t-Test für unabhängige Stichproben mit gepoolter Varianz. Sie können d also aus einer veröffentlichten t-Statistik zurückgewinnen oder einen t-Wert anhand Ihres d überprüfen. Der entscheidende Unterschied liegt in der Interpretation: t-Test und p-Wert sagen Ihnen, ob die Differenz wahrscheinlich real ist, während d angibt, wie groß sie ist. Eine riesige Stichprobe kann ein winziges, signifikantes d erzeugen — deshalb sollten beide berichtet werden.
Wie kann ich Cohens d in einen Prozentsatz oder eine anschauliche Wahrscheinlichkeit umrechnen?
Mehrere Umrechnungen machen d greifbar. Unter einer Normalverteilungsannahme gibt die U3-Statistik \( \Phi(d) \) den Anteil der Gruppe 2 unterhalb des Durchschnitts der Gruppe 1 an (d = 0,5 → etwa 69 %). Die Wahrscheinlichkeit, dass eine zufällig gewählte Person aus Gruppe 1 eine zufällig gewählte Person aus Gruppe 2 übertrifft, beträgt \( \Phi(d/\sqrt{2}) \) (d = 0,5 → etwa 64 %). Sie können auch die Nichtüberlappung der beiden Verteilungen berichten, die bei d = 0,5 etwa 67 % beträgt.
Soll ich Cohens d oder Hedges' g berichten?
Berichten Sie Hedges' g, wenn mindestens eine Gruppe weniger als etwa 20 Beobachtungen umfasst, denn d ist bei kleinen Stichproben leicht überhöht, und g korrigiert diese Verzerrung. Bei größeren Stichproben liegt der Korrekturfaktor nahe bei 1, sodass sich die beiden Kennwerte nur in der dritten oder vierten Nachkommastelle unterscheiden und beide geeignet sind. In Metaanalysen wird allgemein g bevorzugt, da es über Studien mit unterschiedlichen Stichprobengrößen hinweg vergleichbar ist. Welche Kennzahl Sie auch wählen: Bezeichnen Sie sie korrekt — die beiden Begriffe sind nicht austauschbar.
Kann Cohens d größer als 1 sein?
Ja, es gibt keine Obergrenze. Ein d von 1,5 bedeutet lediglich, dass die Mittelwerte anderthalb gepoolte Standardabweichungen auseinanderliegen. Werte über 1 sind häufig bei Intra-Personen-Vergleichen von Vor- und Nachmessungen, bei starken medizinischen Interventionen oder in Experimenten mit strenger Kontrolle; Werte über 2 oder 3 sind in Felduntersuchungen der Sozialwissenschaften ungewöhnlich und können auch auf ein Ausreißerproblem oder ein konfundiertes Design hinweisen — prüfen Sie die Daten also besser doppelt, bevor Sie einen riesigen Effekt feiern.
Funktioniert Cohens d mit ungleichen oder sehr unterschiedlichen Stichprobengrößen?
Ja — die gepoolte Standardabweichung gewichtet die Varianz jeder Gruppe mit ihren Freiheitsgraden, sodass \( n_1 \neq n_2\) vollständig abgedeckt ist. Extrem unausgewogene Designs (etwa 10 gegenüber 500) sind mathematisch gültig, aber weniger präzise, und der Standardfehler wächst, da er von \( 1/n_1 + 1/n_2\) abhängt, was von der kleineren Gruppe dominiert wird. Wenn bei unausgewogenen Gruppen auch die Varianzen stark differieren, ziehen Sie stattdessen Glass' Delta oder den Ansatz von Welch in Betracht.
Wie rechne ich zwischen Cohens d und einem Korrelationskoeffizienten r um?
Verwenden Sie für einen Zwei-Gruppen-Vergleich mit gleichen Gruppengrößen \( r = d / \sqrt{d^2 + 4} \). In die andere Richtung gilt \( d = 2r / \sqrt{1 - r^2} \). Beispielsweise entspricht d = 0,5 etwa r ≈ 0,24. Beachten Sie, dass d für Mittelwertvergleiche zweier Gruppen konzipiert ist, während r für stetige Zusammenhänge geeignet ist — rechnen Sie also nur um, wenn Sie Ergebnisse in einer Metaanalyse zusammenführen müssen, und passen Sie den Faktor 2 an, wenn die Gruppengrößen ungleich sind.