Interpretationshilfe von Effektmaßen

Cohens d ist ein statistisches Maß, das genutzt wird, um die Effektgröße, also die Stärke eines Unterschieds zwischen den Mittelwerten zweier (un-)abhängiger Gruppen oder eines Mittelwerts und eines theoretisch erwarteten Werts, zu quantifizieren. Für ebensolche Effektmaße haben Cohen und im Verlauf der letzten Jahrzente viele weitere Autoren mögliche Vorgaben definiert, wie Effektmaße im Sinne der Größe und Stärke des Effekts interpretiert werden können.

Kritische Betrachtung (ein Vorwort)

Die Interpretation von Effektgrößen stellt Forschende vor eine zentrale Herausforderung: Wann ist ein statistischer Effekt tatsächlich bedeutsam? Standardisierte Interpretationshilfen bieten hier wichtige Orientierung, müssen aber differenziert betrachtet werden. Im Folgenden analysieren wir die Stärken und Schwächen dieser Richtlinien und geben konkrete Empfehlungen für ihre Anwendung in der Forschungspraxis.

Stärken

Erste Orientierung

Sie funktionieren wie eine Art „Kompass“ für Forschende. Besonders für Anfänger:innen oder wenn man sich in einem neuen Forschungsgebiet orientiert, geben sie einen ersten Anhaltspunkt, wie man Ergebnisse einordnen kann.

Vergleichbarkeit

Wenn verschiedene Studien die gleichen Interpretationsrichtlinien verwenden, kann man ihre Ergebnisse leichter vergleichen. Dies ist besonders wichtig für Meta-Analysen und systematische Reviews.

Kommunikation

Sie bieten eine gemeinsame „Sprache“ für Wissenschaftler:innen. Wenn jemand von einem „großen Effekt nach Cohen“ spricht, wissen andere sofort, was gemeint ist.

Schwächen

Kontextabhängigkeit

Ein Beispiel: In der medizinischen Forschung könnte eine Korrelation von r = 0.2 zwischen einem Medikament und der Heilung einer schweren Krankheit als sehr bedeutsam gelten
In der pädagogischen Forschung könnte die gleiche Korrelation zwischen einer Lehrmethode und dem Lernerfolg als eher schwach angesehen werden
Die Interpretation hängt also stark vom Forschungskontext ab

Übermäßige Vereinfachung

Die starren Grenzen (z.B. r < 0.3 = „klein“, r > 0.5 = „groß“) suggerieren künstliche Trennlinien
In der Realität gibt es fließende Übergänge
Cohen selbst warnte später davor, seine Richtlinien zu dogmatisch anzuwenden

Paradox großer Effekte

Besonders interessant ist die Beobachtung von Funder und Ozer (2019):

Sehr große Effekte in der psychologischen Forschung sind oft verdächtig. Sie lassen sich in größeren Stichproben oder Replikationsstudien häufig nicht bestätigen. Kleinere, aber stabile Effekte können wissenschaftlich bedeutsamer sein als spektakuläre große Effekte

Praktische Implikation

Kontextspezifische Interpretation

Berücksichtigung des Forschungsfelds
Einbeziehung der spezifischen Untersuchungsbedingungen
Beachtung der praktischen Relevanz

Literaturvergleich

Statt blindem Vertrauen auf Faustregeln
Vergleich mit ähnlichen Studien im gleichen Bereich
Einordnung in den Forschungsstand

Theoretische Fundierung

Verbindung mit theoretischen Vorhersagen
Berücksichtigung praktischer Konsequenzen
Einbettung in größere Forschungszusammenhänge

Transparente Dokumentation

Offenlegung der verwendeten Interpretationskriterien (z.B. Cohen, 1988)
Begründung der gewählten Schwellenwerte
Diskussion der Einschränkungen

Korrelation

Tabelle 1

Interpretationsrichtlinien für Korrelationskoeffizienten im Vergleich

Wert	Funder & Ozer (2019) allgemein	Gignac & Szodorai (2016) Individualdifferenzen	Cohen (1988) allgemein	Evans (1996) allgemein	Lovakov & Agadullina (2021) Sozialpsychologie	Hattie (2009) Bildungsforschung
0.05	Tiny	Very small	Very small	Very weak	Very small	Developmental effects
0.15	Small	Small	Small	Very weak	Small	Teacher effects
0.25	Medium	Moderate	Small	Weak	Moderate	Zone of desired effects
0.35	Large	Large	Moderate	Weak	Moderate	–
0.45	Very large	Large	Moderate	Moderate	Large	–
0.70	Very large	Large	Large	Strong	Large	–

Anmerkung. Die Tabelle zeigt verschiedene Interpretationsrichtlinien für Korrelationskoeffizienten im Vergleich. Angaben unter den Autor:innen kennzeichnen die jeweilige Forschungsdisziplin bzw. den Geltungsbereich der Richtlinie. Während die meisten Autor:innen allgemeine Richtlinien vorschlagen, beziehen sich Hatties und Lovakov & Agadullinas Interpretationen spezifisch auf den Bildungs- bzw. sozialpsychologischen Kontext.

Korrelationskoeffizient r

Cohen (1988)

allgemein

–

Evans (1996)

allgemein

–

Funder & Ozer (2019)

allgemein

–

Hemphill (2003)

allgemein, meta-analytisch

–

Gignac & Szodorai (2016)

Individualdifferenzen

–

Lovakov & Agadullina (2021)

Sozialpsychologie

–

Hattie (2009)*

Bildungsforschung

–

*Hatties Originalgrenzen (d = 0.15 / 0.40) wurden über r = d / √(d²+4) in r ≈ 0.075 / 0.196 umgerechnet. Die Umrechnung gilt exakt nur für balancierte Zweigruppenvergleiche und ist als Näherung zu verstehen.

Literatur

Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Hillsdale, NJ: Lawrence Erlbaum Associates, Publishers.
Evans, James D. 1996. Straightforward Statistics for the Behavioral Sciences. Thomson Brooks/Cole Publishing Co.
Funder, David C, and Daniel J Ozer. 2019. “Evaluating Effect Size in Psychological Research: Sense and Nonsense.” Advances in Methods and Practices in Psychological Science, 2515245919847202.
Gignac, Gilles E, and Eva T Szodorai. 2016. “Effect Size Guidelines for Individual Differences Researchers.” Personality and Individual Differences 102: 74–78.
Hattie, J. (2009). Visible Learning. London: Routledge.
Hemphill, J. F. (2003). Interpreting the magnitudes of correlation coefficients. American Psychologist, 58(1), 78–80. https://doi.org/10.1037/0003-066X.58.1.78
Lovakov, Andrey, and Elena R Agadullina. 2021. “Empirically Derived Guidelines for Effect Size Interpretation in Social Psychology.” European Journal of Social Psychology.

Unterstützung Anfragen