Siła efektu – statystyka określająca wielkość obserwowanego zjawiska, np. siłę związku między zmiennymi, wielkość różnicy między grupami lub udział wariancji wyjaśnianej przez dany efekt. W przeciwieństwie do wartości p, która służy do oceny istotności statystycznej w kontekście przyjętego poziomu istotności, miara siły efektu pozwala określić jak duży jest uzyskany efekt i jakie może mieć znaczenie praktyczne.

Istnieje wiele miar siły efektu, a ich wybór zależy od rodzaju wykonywanej analizy. Do najczęściej stosowanych należą:

• d Cohena – stosowane m.in. w testach t; wyraża różnicę między dwiema średnimi w jednostkach odchylenia standardowego. Orientacyjnie d = 0,20 oznacza mały, d = 0,50 umiarkowany, a d = 0,80 duży efekt.
• Eta-kwadrat (η²) i cząstkowe eta-kwadrat (η²p) – stosowane przede wszystkim w analizie wariancji. Określają udział wariancji zmiennej zależnej związany z analizowanym efektem; η² i η²p nie są jednak miarami równoważnymi i nie powinny być interpretowane zamiennie.
• r Pearsona – współczynnik korelacji określający siłę i kierunek liniowego związku między dwiema zmiennymi ilościowymi.
• R² (współczynnik determinacji) – stosowany w analizie regresji; określa proporcję wariancji zmiennej zależnej wyjaśnianej przez model.
• V Craméra – miara siły związku między zmiennymi nominalnymi, stosowana wraz z testem chi-kwadrat.
• Iloraz szans (OR, odds ratio) – często stosowany w regresji logistycznej oraz badaniach epidemiologicznych. Określa, jak zmieniają się szanse wystąpienia zdarzenia wraz ze zmianą predyktora lub między porównywanymi grupami.
• Współczynnik f Cohena – wykorzystywany m.in. przy planowaniu mocy testu dla ANOVA i może być wyprowadzany z miar udziału wyjaśnianej wariancji.

Dużo więcej na temat wskaźników siły efektu można przeczytać na naszym blogu ➡️ Wskaźniki siły efektu – teoria, wzory, wyjaśnienia symboli, interpretacja