Tolka Cohens d effektstorlek

En interaktiv visualisering

Skapad av Kristoffer Magnusson · Version 2.7.0 ·

Cohens d effektstorlek är otroligt populär i psykologi. Däremot är inte dess tolkning alltid helt enkelt, och forskare använder ofta generella riktlinjer, såsom låg (0.2), medel (0.5), och hög (0.8) när de tolkar effekten. I många fall är det även tveksamt om den standardiserade medelvärdesskillnaden (dvs. Cohens d) är mer tolkningsbar är den ostandardiserade skillnaden.

För att underlätta tolkningen presenteras Cohens d på några olika vis i den här visualiseringen: visuellt överlapp, Cohen's U₃, probability of superiority, procentuellt överlapp, och number needed to treat. Du kan också ändra standardavvikelsen samt se den ostandardiserade skillnaden.

Cohens d

Drag the chart to pan · double-click to recenter.

Cohens U₃

% Överlapp

Probability of Superiority

Number Needed to Treat

Förklaring på vanligt språk

Med en Cohens d på 0.80, kommer 78.8% av "Behandling"-gruppen att vara över medelvärdet för "Kontroll"-gruppen (Cohens U₃), 68.9% av de två grupperna kommer överlappa, och det är en 71.4% chans att en slumpmässigt utvald person från "Behandling"-gruppen kommer ha en högre poäng än en slumpmässigt utvald person från "Kontroll"-gruppen (probability of superiority). För att få ett mer positivt utfall i "Behandling"-gruppen jämfört med "Kontroll"-gruppen behöver vi behandla 3.5 personer i genomsnitt. Detta innebär att om det är 100 personer i varje grupp, och om vi antar att 20 personer har ett positivt utfall i "Kontroll"-gruppen, så kommer 20 + 28.3 personer i "Behandling"-gruppen ha positiva utfall.¹

¹The values are averages, and it is assumed that 20 (CER) of the "Kontroll" group have "favorable outcomes," i.e., their outcomes are below some cut-off. Change this using the Settings button above the slider. Go to the formula section for more information.

FAQ

Hur använder jag den här visualiseringen?

Använd skjutregalget för att ändra Cohens d, eller öppna inställningspanelen och ändra parametrarna. Du kan också använda tangentbordets piltangenter för att göra ändringar.

From the settings you can change the means, standard deviation, and the control group event rate (CER); the axis and distribution labels; and the slider's maximum and step size. Settings can be saved in your browser's localStorage so they persist across visits.

Du kan panorera längs x-axeln genom att klicka-och-dra visualiseringen. Dubbelklicka på visualiseringen för att centrera och skala om den.

Vilka formler används?

Cohen's d is the standardized mean difference, where $\delta$ is the population Cohen's d, equal population variances ( $\sigma$ ) are assumed, and $\mu_i$ is each population mean:

\delta = \frac{\mu_2 - \mu_1}{\sigma}

Writing $\Phi$ for the standard-normal CDF and $\Psi$ for its inverse, Cohen's U₃ (Cohen, 1977), the overlapping coefficient (Reiser & Faraggi, 1999), the probability of superiority / common-language effect size (Ruscio, 2008), and the number needed to treat (Furukawa & Leucht, 2011) are:

U_3 = \Phi(\delta)

\text{OVL} = 2\,\Phi(-|\delta|/2)

\text{CL} = \Phi\!\left(\frac{\delta}{\sqrt{2}}\right)

\text{NNT} = \frac{1}{\Phi(\delta + \Psi(\text{CER})) - \text{CER}}

CER is the control group's event rate (20% by default; change it in the settings). The overlap statistic here intentionally differs from Cohen's original calculation — see the question below.

R code to calculate NNT from Cohen's d:

CER <- 0.2
d <- 0.2
1 / (pnorm(d + qnorm(CER)) - CER)

Referenser

Cohen, J. (1977). Statistical power analysis for the behavioral sciences. Routledge.
Furukawa, T. A., & Leucht, S. (2011). How to obtain NNT from Cohen's d: comparison of two methods. PLoS ONE, 6(4), e19070.
Reiser, B., & Faraggi, D. (1999). Confidence intervals for the overlapping coefficient: the normal equal variance case. Journal of the Royal Statistical Society, 48(3), 413–418.
Ruscio, J. (2008). A probability-based measure of effect size: robustness to base rates and other factors. Psychological Methods, 13(1), 19–30.

Hur refererar jag till den här sidan?

Cite this page according to your favorite style guide.

The current version is 2.7.0 (changelog).

APA 7

Magnusson, K. (2026). Interpreting Cohen's d effect size: An interactive visualization (Version 2.7.0) [Web App]. R Psychologist. https://rpsychologist.com/cohend/

BibTeX

@software{magnussonCohend,
  author = {Kristoffer Magnusson},
  title = {Interpreting Cohen's d effect size: An interactive visualization},
  url = {https://rpsychologist.com/cohend/},
  version = {2.7.0},
  date = {2026-10-24},
}

Jag har upptäckt en bugg!

Please open an issue on GitHub, or reach out on social media.

Överlappsstatistiken skiljer sig från Cohens beräkningar

Detta är medvetet, du kan läsa mer om jag resonerar i det här blogginlägget: Where Cohen went wrong – the proportion of overlap between two normal distributions

Får jag inkludera den här visualiseringen i min bok/artikel/etc?

Ja, absolut! Jag har inte uppfunnit hur man ritar två överlappande Gaussianfördelningar. Visualiseringen på den här sidan är dedikerat till public domain, vilket innebär att du kan "kopiera, modifiera, distribuera och framföra verket, även i kommersiellt syfte, utan att fråga om lov" (see CC0 1.0 universell Public domain-dedikation). Erkännande är inte ett krav men alltid uppskattat! Källkoden för visualiseringen har en MIT-licens, och textinnehållet är CC-BY 4.0.

Fler Visualiseringar

All visualizations →