Was ist eine Effektgröße? | Statistik

Die Effektgröße ist eine Methode zur Messung der Stärke der statistischen Beziehung zwischen zwei Variablen. Es handelt sich um ein standardisiertes Maß, das zur Angabe des Ausmaßes der Wirkung einer Intervention oder Behandlung verwendet wird. Mit anderen Worten, wie groß der Effekt ist.

Große vs. kleine Effektgrößen

In der Physiotherapie können Effektgrößen verwendet werden, um die Wirksamkeit verschiedener Behandlungen für Erkrankungen wie unspezifische chronische Kreuzschmerzen oder Kniearthrose zu bestimmen. Wenn zum Beispiel ein Übungsprogramm für Rückenschmerzen eine große Effektgröße aufweist, bedeutet dies, dass die Behandlung eine starke positive Wirkung auf die Schmerzlinderung hat. Ist die Effektgröße hingegen gering, hat die Behandlung nur eine minimale Wirkung auf die Schmerzlinderung.

Die Effektgröße ist unabhängig von der Stichprobengröße, so dass eine kleine Stichprobengröße nicht unbedingt eine kleine Effektgröße bedeutet. Kleine Stichproben können große Auswirkungen haben und umgekehrt.

Vergleich verschiedener Studien

Effektgrößen können in der medizinischen Forschung besonders nützlich sein, da sie den Vergleich von Behandlungseffekten zwischen verschiedenen Studien, Populationen und Ergebnismessungen ermöglichen. So können beispielsweise zwei Studien zu dem Ergebnis kommen, dass eine Behandlung ein statistisch signifikantes Ergebnis hat. Dennoch kann eine Studie einen größeren Effekt aufweisen als die andere, was darauf hindeutet, dass die Behandlung in bestimmten Kontexten oder Bevölkerungsgruppen wirksamer ist.

Die Effektgröße ist unabhängig von der Stichprobengröße, so dass eine kleine Stichprobengröße nicht unbedingt eine kleine Effektgröße bedeutet. Kleine Stichproben können große Auswirkungen haben und umgekehrt.

Cohens d

Eine in der Physiotherapieforschung häufig verwendete Effektgrößenstatistik ist Cohen's d, die die mittlere Veränderung eines Ergebnismaßes (z. B. Schmerzwert) zwischen zwei Gruppen (z. B. Behandlungs- und Kontrollgruppe) vergleicht und in Standardabweichungen ausdrückt. Je nach Studie können auch andere Effektgrößenstatistiken wie Hedge's g oder r verwendet werden.

Niedriger p-Wert ≠ große Effektgröße

Darüber hinaus können Effektgrößen dazu beitragen, die Einschränkungen von p-Werten zu überwinden, die häufig zur Bestimmung der statistischen Signifikanz in medizinischen Studien verwendet werden. P-Werte zeigen nur an, ob ein beobachteter Effekt statistisch signifikant ist, geben aber keine Auskunft über die Größe des Effekts. Im Gegensatz dazu liefern Effektgrößen ein Maß für die praktische oder klinische Bedeutung eines Effekts, die für medizinische Entscheidungen relevanter sein kann.

Es ist wichtig zu verstehen, dass ein p-Wert nichts über die Größe eines Effekts aussagt. Manche Leser denken, dass ein niedriger p-Wert bedeutet, dass der Effekt groß ist. Das ist nicht wahr. Eine große Stichprobe mit einem winzigen Unterschied zwischen den Gruppen kann einen kleinen p-Wert ergeben.

Einfache Berechnung

Einige Forscher geben in ihren Arbeiten keine Effektgrößen an. Eine Rückwärtsrechnung zeigt Ihnen die Effektgröße:

Cohens d-Formel:

(M1 - M2)/SDgepoolt

M1: Mittelwert 1

M2: Mittelwert 2

SDpooled: gepoolte Standardabweichung

Es ist wichtig zu beachten, dass diese Formel am besten für Stichproben größer als n = 50 und gleiche Gruppengrößen funktioniert. In kleineren Gruppen erscheinen die Effekte größer als sie tatsächlich sind. Dies ist auf das Datenrauschen zurückzuführen.

Referenz

Kamper S. J. (2019). Interpretation der Ergebnisse 2 - Statistische Signifikanz und klinische Aussagekraft: Verknüpfung von Evidenz und Praxis. Die Zeitschrift für orthopädische und sportliche Physiotherapie, 49(7), 559-560.

Nuzzo R. (2014). Wissenschaftliche Methode: statistische Fehler. Natur, 506(7487), 150-152.