Effect-Size
Hedges 的 g 和 Cohen 的 d 有什麼區別？[複製]
我一直在閱讀http://www.polyu.edu.hk/mm/effectsizefaqs/effect_size_equations2.html，我能發現兩者之間的唯一區別是它們的合併標準差值略有不同，但我沒有了解更改這些 SD 值如何意味著提高效應大小估計的準確性。
標準差的差異如下（是 Cohen’s d 的合併 SD 和用於 Hedges 的 g)：
你是對的，它們之間的區別很小而且很大會消失。事實上，大多數人（至少以我的經驗）都沒有意識到這一點。“科恩的" 經常被泛型使用，很多人沒有聽說過 Hedges 的，但他們使用後一個公式並用前一個名稱來稱呼它。不同之處在於 Cohen 對方差使用了最大似然估計量，它的偏差很小，而 Hedges 使用Bessel 修正來估計方差。（有關此主題的更多信息，請閱讀此 CV 主題：N 和 N-1 在計算總體方差方面有什麼區別？）相應的公式通常稱為方差的總體公式和样本公式. 回想一下，這些是：
作為無限增加，這兩個估計值將收斂到相同的值。但是，對於小樣本，總體公式會低估方差，因為它沒有考慮均值，, 是從同一數據集估計的。當這些估計隨後用於估計標準化平均差時，這意味著前者會高估效應大小。 因此，對於小樣本，Hedges 的提供了對標準化均值差的更好估計，但隨著樣本量的增加，卓越的性能會逐漸減弱。