科恩d值

科恩d值 (Cohen's d)

科恩d值（Cohen's d）是效应量（Effect Size）中最经典、最广泛使用的标准化均值差异度量，由美国统计学家雅各布·科恩（Jacob Cohen）于1969年在其著作《Statistical Power Analysis for the Behavioral Sciences》中系统提出。科恩d值衡量的是两个独立组均值之间的差异，以合并标准差（Pooled Standard Deviation）为尺度进行标准化，从而消除原始测量单位的影响，使不同研究、不同量表的效应可以直接比较。其核心思想简洁而强大：将组间差异表达为标准差的倍数，回答"两组相差多少个标准差"这一直观问题。

科恩d值在心理学、教育学、医学、经济学以及近年来的数据科学中均扮演着不可或缺的角色。与假设检验中的$p$值不同，科恩d值不受样本量的系统性影响，因此在元分析（Meta-Analysis）和统计功效分析（Power Analysis）中具有根本性的方法论价值。美国心理学会（APA）在其出版指南中明确要求研究报告同时汇报$p$值和效应量，科恩d值是最常被采用的效应量指标。

定义与数学公式

科恩d值的基本形式为两个独立样本均值之差除以合并标准差：

其中，$\bar{X}_1$ 和 $\bar{X}_2$ 分别为两组的样本均值，$s_p$ 为合并标准差。合并标准差由两组样本方差加权平均后开方得到：

式中，$n_1$、$n_2$ 为两组样本量，$s_1^2$、$s_2^2$ 为两组的样本方差。合并标准差分母 $n_1 + n_2 - 2$ 为两样本$t$检验的自由度。该公式假设两组总体方差相等（方差齐性，Homoscedasticity），在此假设下$s_p$ 是总体标准差的无偏估计。

在单样本情境中（比较样本均值与已知常数的差异），科恩d值简化为：

其中$\mu_0$ 为假设的总体均值，$s$ 为样本标准差。

科恩d值与独立样本t检验存在直接的代数关系：

这一关系清楚地揭示了效应量与统计显著性之间的区别：在固定的科恩d值下，$t$统计量（以及$p$值）随样本量的增大而增大。一个微不足道的效应（如$d = 0.05$）在超大样本中也能产生统计显著的结果，这正是强调汇报效应量的根本原因。

解释标准与经验基准

科恩（1988）提出了最具影响力的d值解释经验基准，至今仍是各学科的默认参考：

• 小效应（Small Effect）：$|d| = 0.20$，两组分布重叠约85\%，均值差异约为0.2个标准差；
• 中等效应（Medium Effect）：$|d| = 0.50$，两组分布重叠约67\%，均值差异约为0.5个标准差，肉眼可见但需要一定样本才能稳定检出；
• 大效应（Large Effect）：$|d| = 0.80$，两组分布重叠约53\%，均值差异接近一个完整标准差，通常是实质性且实践意义重大的差异。

科恩本人反复强调这些阈值的任意性和领域依赖性，呼吁研究者根据具体学科背景和前人文献进行校准。例如，在教育干预研究中，$d = 0.20$可能已具有重要的政策含义（尤其是低成本、可规模化推广的干预）；在药物临床试验中，$d$值常需达到0.50以上才被认为具有临床意义；而在劳动经济学的工资差异分析中，未经控制的组间差异可能轻易超过$d = 1.0$，此时"大"效应的阈值须重新定义。

将科恩d值转换为重叠系数（Overlap Coefficient, OVL）或概率优势（Probability of Superiority, PS）有助于更直观的理解。概率优势——即从第一组随机抽取一个观测值大于第二组随机抽取观测值的概率——在两组服从等方差正态分布时可直接由$d$计算：

其中$\Phi(\cdot)$为标准正态累积分布函数。当$d = 0.20$时，PS ≈ 0.556（约56\%的概率第一组大于第二组）；当$d = 0.80$时，PS ≈ 0.714。这一转化将抽象的标准化差异表达为更贴近决策直觉的概率语言。

相关变体与校正

科恩d值家族包含多个密切相关的变体，分别适用于不同的研究设计和假设条件。

Hedges' g。Hedges' g是科恩d值的有限样本校正版本，由Larry Hedges于1981年提出。其计算方式与科恩d值相同，但乘以一个校正因子：

其中$df = n_1 + n_2 - 2$。当样本量较小时（各组$n < 20$），科恩d值轻微高估总体效应量（向上偏误），Hedges' g通过校正因子消除该偏误。当样本量增大时，$J(df) \to 1$，g与d趋于一致。在元分析中，Hedges' g通常优于科恩d值，因为其具有更好的小样本性质。

Glass's $\Delta$。当两组总体方差不等（违反方差齐性假设）时，合并标准差可能产生误导。Glass's $\Delta$（Glass, 1976）使用对照组的标准差而非合并标准差进行标准化：

这一选择在实验设计中具有清晰的逻辑：对照组（未受处理组）的标准差反映了总体的自然变异，而实验组的方差可能已被处理本身改变，此时使用对照组标准差作为标准化尺度更为合理。

其他变体。对于配对设计（Paired Design），科恩提出了$d_z$，以差值的标准差而非合并标准差为分母，适用于重复测量和匹配样本。对于方差分析（ANOVA）设计，科恩f值（Cohen's f）将d值的逻辑推广到多组比较，其中$f = 0.10$、$f = 0.25$、$f = 0.40$分别对应小、中、大效应。

置信区间与推断

仅汇报科恩d值的点估计而不提供其不确定性度量是不充分的。科恩d值的置信区间可以通过非中心$t$分布（Non-Central t Distribution）方法或基于正态近似的Bootstrap方法计算。d值的标准误在大样本下的近似公式为：

95\%置信区间近似为 $d \pm 1.96 \times SE_d$。当置信区间跨越零时，无法排除总体效应为零的可能性；置信区间的宽度直接反映了效应估计的精度，是元分析中森林图（Forest Plot）呈现的核心信息。

基于非中心$t$分布的精确方法利用了科恩d值与$t$统计量的关系，通过迭代求解非中心参数$\lambda = d \sqrt{n_1 n_2 / (n_1 + n_2)}$的置信区间，再反求$d$的置信限。该方法在小样本下优于正态近似。

在经济学与社会科学中的应用

科恩d值在经济学和社会科学中的应用日益广泛。在发展经济学的随机对照试验（RCT）中，研究者使用科恩d值来比较不同干预措施的相对效应大小——例如，比较提供教科书（可能$d \approx 0.10$）与提供现金转移支付（可能$d \approx 0.30$）对学生成绩影响的标准化差异。在劳动经济学中，性别工资差距、种族歧视等研究的效应量常以科恩d值报告，使得不同国家、不同时期、不同行业之间的研究结果可以定量比较。

在行为经济学和行为公共政策领域，Nudge（助推）干预的效应量通常较小（$d = 0.10 \sim 0.30$），但鉴于其极低的实施成本和广泛的目标人群，这些小效应仍然可能具有巨大的总体福利影响。科恩d值为此类"微小但可累积"的效应提供了标准化的度量语言。

在金融经济学中，科恩d值被用于度量投资组合表现差异、市场异象（Anomalies）的经济显著性以及事件研究（Event Study）中异常收益的标准化幅度。与金融学中惯用的夏普比率不同，科恩d值聚焦于组间比较而非风险调整后的绝对表现，因此在横截面资产定价研究中更具适用性。

局限性与注意事项

科恩d值尽管使用广泛，但存在若干不可忽视的局限性。

对分布假设的敏感性。科恩d值的标准公式和解释基准（小、中、大）建立在两组总体均服从正态分布且方差相等的假设之上。当数据严重偏态或存在异常值时，均值和标准差作为位置和尺度参数的效率大幅下降，科恩d值可能严重失真。此时，基于秩次的非参数效应量（如Cliff's $\delta$）或基于中位数和中位数绝对离差的稳健效应量更为可靠。

方差不等时的困境。当两组方差悬殊时（如实验组和对照组的变异程度根本不同），合并标准差的定义本身就存在争议——它混淆了组间差异和组内变异的异质性。Glass's $\Delta$ 部分解决了这一问题，但要求研究者有明确的理由选择哪一组作为标准化基准。

阈值滥用与机械解读。科恩的0.20/0.50/0.80阈值在科研实践中常被不加反思地机械套用，成为一种新的"显著性门槛"。科恩本人晚年对这一趋势表达了不满。合理的做法是结合具体研究领域的前人效应量分布（如通过元分析建立学科特定的效应量基准），而非一刀切地宣称"d = 0.49为中等以下、d = 0.51为中等以上"。

与研究设计混淆。科恩d值衡量的是标准化均值差异，但不能区分该差异来自真正的因果效应还是混杂偏差。一个$d = 0.80$的观察性研究效应和一个$d = 0.80$的随机对照试验效应具有完全不同的可信度，但科恩d值本身无法编码研究设计质量。因此，效应量必须与研究设计、偏倚风险评估和证据等级联合解读，而不能孤立使用。

与决策相关性的距离。统计学效应量（如科恩d值）与成本效益分析中的实践重要性之间不存在自动转化。一个统计上大效应（$d = 0.80$）但实施成本极高的干预，其政策优先级可能低于统计上小效应（$d = 0.15$）但几乎零成本的自动提醒短信。科恩d值提供了效应大小的标准化度量，但效应"是否足够大、是否值得采取行动"是实质性的价值判断，需要纳入成本、受益范围、分布影响和政治可行性等多维考量。