Effect Size

效应量 (Effect Size)

效应量 (Effect Size) 是统计学与计量经济学中衡量某种现象、干预或关系强度的标准化定量指标。与统计显著性回答"效应是否存在"不同，效应量回答"效应有多大"——这一区分对科学研究具有根本重要性。在零假设显著性检验 (NHST) 的经典框架下，p值对样本量高度敏感：当样本量趋向无穷时，任何微小的、实质上无意义的差异都将在统计上显著；反之，小样本下即使存在重要效应也可能因检验力不足而无法被检测。效应量正是为突破这一困境而生的概念工具，为不同研究之间提供不受样本量左右的、可比较的效应度量尺度。

效应量的主要分类

效应量并无唯一度量，其选择取决于研究设计、数据类型和分析目标。大致可分为三大族系：

均值差异族 (d-family)。最经典的当属Cohen's d，定义为两组均值之差除以合并标准差：$d = (\bar{X}_1 - \bar{X}_2)/s_p$。该指标将原始测量尺度的差异转化为标准差单位，使得用不同工具测量的研究结果可以横向比较。Cohen (1988) 提出经验基准：$|d| = 0.20$ 为小效应，$0.50$ 为中等效应，$0.80$ 为大效应。其变体 Hedges' g 在小样本下施加无偏修正：$g = d \cdot [1 - 3/(4n_1 + 4n_2 - 9)]$。对于两组以上设计，Cohen's f 适用于方差分析框架：$f = \sqrt{\eta^2/(1-\eta^2)}$，其中 $\eta^2$ 为组间平方和与总平方和之比。Cohen 给出的对应基准为 $f = 0.10$（小）、$0.25$（中）、$0.40$（大）。在两组建模的特殊情况下，$f = d/2$。

关联强度族 (r-family)。皮尔逊相关系数 $r$ 本身即为效应量：$|r| = 0.10$、$0.30$、$0.50$ 分别对应小、中、大效应阈值。在分类数据分析中，优势比 (Odds Ratio, OR) 和风险比 (Risk Ratio, RR) 度量二值变量间的关联强度——OR = 1 表示无关联，越偏离 1 效应越强。对于 $2 \times 2$ 列联表，Cramér's V 从卡方统计量中导出关联强度：$V = \sqrt{\chi^2/(n \cdot \min(r-1, c-1))}$，介于 0 到 1 之间。

方差解释族。在回归与方差分析中，决定系数 $R^2$ 和eta-squared ($\eta^2$) 度量模型或因子所解释的结果变异比例，天然具有效应量的解释功能。但由于 $R^2$ 和 $\eta^2$ 在总体中的正向偏误，adjusted $R^2$ 与omega-squared ($\omega^2$) 提供了经自由度修正的无偏替代。Cohen's $f^2$ 则专用于回归中局部效应的度量：$f^2 = (R^2_{\text{full}} - R^2_{\text{reduced}})/(1-R^2_{\text{full}})$，其基准为 $f^2 = 0.02$（小）、$0.15$（中）、$0.35$（大）。

效应量与统计显著性的互补逻辑

效应量与 p 值并非非此即彼的对立选项，而是提供互补信息的两种推断工具。统计显著性（p 值）回答了"在零假设为真的前提下，观察到当前或更极端数据的概率"，而效应量回答"所观察到的现象在多大程度上偏离了零假设所描述的状态"。一个完整的科学报告应同时呈现两者：效应量提供效应大小的点估计，置信区间量化估计的不确定性（例如 $d = 0.45$，$95\%\ \text{CI}: [0.28, 0.62]$），假设检验则补充抽样变异性的形式化评估。

二者的互补性在以下情境中表现得尤为突出。当样本量极大时，p 值可能极小而效应量仍微不足道——此时仅凭 p < 0.001 作出"重要发现"的判断是误导性的。相反，当样本量极为有限时，即使效应量可观（如 $d = 0.70$），p 值也可能超过 0.05 的常规阈值——此时仅凭"不显著"便否定效应存在，则犯了将缺乏证据等同于证据缺乏的逻辑谬误。

效应量在元分析中的枢纽作用

元分析 (Meta-Analysis) 将效应量作为跨研究汇总的基本分析单位。研究者首先将不同文献中报告的统计量转换为共同效应量尺度（如将所有结果统一为 Cohen's d 或相关系数 $r$），随后通过固定效应模型或随机效应模型进行加权平均。权重的选取通常基于样本量或方差的倒数——精度越高的研究权重越大。

效应量的异质性 (heterogeneity) 评估是元分析的核心环节。常用指标包括 Cochran's Q 检验（检验各研究效应量是否来自同一总体）、$I^2$ 统计量（描述由真实异质性而非抽样误差所致的变异比例）以及 $\tau^2$（研究间真实效应的方差）。当异质性显著时（如 $I^2 > 50\%$），简单合并效应量可能产生误导，研究者需进一步探索调节变量——即哪些研究特征（样本群体、测量工具、干预强度等）可以解释效应量在不同研究间的系统性差异。这一过程通常借助亚组分析或元回归 (Meta-Regression) 实现。

在功效分析与研究设计中的应用

效应量在先验功效分析 (A Priori Power Analysis) 中扮演关键角色。研究者需根据以下参数确定所需最小样本量：预期效应量 $f$（或 $d$）、期望达到的统计功效 $1 - \beta$（通常设为 0.80）、显著性水平 $\alpha$（通常设为 0.05）以及研究设计的自由度参数（如 ANOVA 的组数或回归的预测变量个数）。若预期效应量很小（如 $d = 0.10$），则需极大规模样本才能以足够功效捕捉该效应；反之若预期效应量较大，相对较小的样本即可达到同等功效。

预期效应量的合理设定有赖于对领域文献的充分掌握：可从已发表的元分析中获取该领域的典型效应量分布，或以试点研究、理论推导为依据。需特别警惕的是，不得在数据收集完毕后以观察到的效应量进行"事后功效分析" (post-hoc power analysis)——这种操作在方法论上是不成立的循环推理，已被学界广泛批评。

报告规范与解读注意事项

近年来，"p 值崇拜"引发的复制危机促使学界深刻反思统计报告标准。美国心理学会 (APA) 早在 1999 年便要求研究报告必须包含效应量指标，美国经济学会 (AEA) 旗下期刊亦明确鼓励在实证论文中报告效应量及其置信区间。中国经济学和管理学界的规范性也在逐步提升。

在解读效应量时需注意以下要点。第一，Cohen 的"小—中—大"基准是领域依赖的经验法则，而非普适标准：在劳动经济学中，教育干预的效应量 $d \approx 0.10$ 即可能具有重要的政策含义；而在严格控制的实验室条件下，$d = 0.50$ 或被视为寻常。第二，效应量的大小不直接等同于实践重要性——一个统计上中等效应的药物可能仅将治愈率从 40\% 提升至 50\%，其临床价值取决于疾病的性质与替代疗法的可得性。第三，应同时报告效应量的置信区间，因为点估计本身不传达精度信息：宽置信区间提示估计的高度不确定性，通常源于小样本或高变异性数据。

最后，在研究规划阶段即应明确效应量指标及其预期阈值，而非在数据分析后再进行选择性报告。前瞻性注册、预注册 (pre-registration) 与注册报告 (registered report) 等开放科学实践正在推动效应量从"可选的锦上添花"上升为"研究设计的核心参数"。效应量不仅是沟通统计结果与实质意义之间的概念桥梁，更是推动科学从"显著性过滤"走向"证据积累"的方法论引擎。