কোহেনের d গড়ের পার্থক্যকে স্ট্যান্ডার্ড ডেভিয়েশনের এককে প্রকাশ করে, ফলে ভিন্ন গবেষণা ও স্কেলে প্রভাবের আকার তুলনা করা যায়।
কেন জানা দরকার
p-value নমুনার আকারের ওপর নির্ভর করে। ইফেক্ট সাইজ বলে পার্থক্য কত বড়, নমুনা যা-ই হোক।
মূল কথা
- d = (গড়১ − গড়২) ÷ পুল্ড SD
- মোটামুটি নির্দেশনা: ০.২ ছোট, ০.৫ মাঝারি, ০.৮ বড়
- চিহ্ন দিক বোঝায়
- d-এর সাথে তার CI জানান
- লেবেলের চেয়ে প্রেক্ষাপট বেশি জরুরি
- পেয়ার্ড নকশায়: dz = গড়(d) ÷ SD(d)
বাস্তব গবেষণার উদাহরণ
দুটি পাঠদান পদ্ধতির নম্বরের পার্থক্য ৬ এবং পুল্ড SD ১২, তাই d = ০.৫, অর্থাৎ মাঝারি প্রভাব।
কখন ব্যবহার করবেন
- t-টেস্টের পাশে সবসময়
কখন ব্যবহার করবেন না
- ০.২/০.৫/০.৮-কে কঠোর সীমা ভাববেন না
- ভিন্ন নকশার d না ভেবে তুলনা করবেন না
ছোট উদাহরণ
গড় A = ৭০, গড় B = ৬৪, পুল্ড SD = ১২ → d = ৬ ÷ ১২ = ০.৫
মনে রাখুন
d বলে দুই দল কত SD দূরে।
নিজে করে দেখুন
t-টেস্ট ক্যালকুলেটরে দুই গ্রুপ প্রথমে দূরে, পরে কাছে নিন। p-এর তুলনায় d কীভাবে বদলায়?
আদর্শ উত্তর
দুটিই বদলায়, কিন্তু d ব্যবধানকে SD-তে মাপে এবং p-এর মতো n-এর ওপর নির্ভর করে না। ডেটা বাড়ালে p কমে, কিন্তু d প্রায় একই থাকে।