1 效应量的基本概念
1.1 定义与核心目的
效应量是用于描述研究中“效应强度”或“差异大小”的统计指标。它关注的重点不是结果是否达到显著性阈值，而是变化、差别或关联究竟有多强。相比只给出“有无差异”的判断，效应量更能反映现象的实际意义。
在实验、调查和模型分析中，效应量常被用来概括组间差别、变量关联、处理效果或解释度。由于它通常具有标准化或可换算的特征，因此能够在不同研究之间进行比较，也便于后续的综合分析。
1.2 与显著性检验的关系（p 值 vs 效应强度）
显著性检验的 p 值主要回答“在零假设成立时，当前结果出现得有多意外”。效应量则回答“观察到的差异或关系有多大”。二者关注的问题不同，不能互相替代。
在样本量较大时，即便效应很小，也可能得到显著结果；而样本量较小时，效应较大却未必达到显著。因而，p 值适合用于判断证据强弱，效应量更适合用于解释结果的实质意义。现代统计报告通常建议二者结合使用。
1.3 效应量的解释层面（大小、方向与可比性）
效应量通常包含三个层面的信息：大小、方向与可比性。大小表示效应强弱，方向说明作用是正向还是负向，可比性则体现不同研究或不同尺度下是否能够相互参照。
某些效应量本身带有正负号，例如相关系数和标准化回归系数；另一些则以绝对值或比值呈现，如风险比和优势比。若经过标准化处理，效应量更容易跨样本、跨变量进行比较，但解释时仍需结合原始量表与研究背景。
1.4 效应量与统计功效的直观联系
统计功效可以理解为在真实效应存在时，研究设计发现该效应的概率。效应量越大，在相同样本量下越容易被检出，功效也通常越高；效应越小，则往往需要更大的样本才能稳定识别。
因此，在研究设计阶段，效应量常用于样本量估计；在研究完成后，它又可帮助判断结果是否具有足够的实际影响。功效、样本量和效应量三者之间存在密切联动。
2 常见效应量类型
2.1 均值差异类效应量
均值差异类效应量主要用于比较两组或多组在连续变量上的平均水平差别。由于原始均值差受量纲影响较大，常需要通过标准化方式将其转换为更通用的尺度。
这类指标适用于实验组与对照组比较、治疗前后变化分析，以及不同处理条件下的平均差别评估。
2.1.1 标准化均差（Cohen’s d）
Cohen’s d 是最常见的均值差异效应量之一，通常表示两组均值差与合并标准差之比。它把差异转化为“标准差单位”，从而减少不同量表之间的尺度影响。
该指标便于理解，也常用于样本量规划和元分析。若 d 为正，通常表示分子组均值高于分母组；若为负，则方向相反。具体方向解释需结合研究中组别的定义。
2.1.2 小样本校正（Hedges’ g）
Hedges’ g 是对 Cohen’s d 的小样本修正版本。由于小样本条件下 d 可能略有偏倚，g 通过校正因子对其进行调整，使估计更接近总体效应。
在样本量较小或不同研究之间进行合并时，g 常比 d 更稳妥。二者形式接近，但 g 的使用更强调无偏性与可比较性。
2.1.3 均值差的标准化与变体选择
均值差可以根据研究设计采用不同的标准化方式，例如基于合并标准差、基于对照组标准差，或基于变化分数的标准差。不同计算口径会影响数值大小与解释方式。
选择何种变体，通常取决于数据结构、对照组设置、是否为重复测量，以及后续是否需要进行跨研究整合。实际报告中应明确给出使用公式与标准化基准。
2.2 比例与计数类效应量
比例与计数类效应量多用于二分类结局或事件发生情况，例如是否发病、是否转归、是否发生某种结果。这类指标适合处理风险、发生率和组间事件比较。
它们在医学、公共卫生和社会调查中应用广泛，但解释时需要注意基准事件、参照组和时间窗口的一致性。
2.2.1 风险比（RR）
风险比是指两组事件发生风险之比，常用于比较暴露组与对照组在某一结局上的发生概率。RR 等于 1 通常表示两组风险相同，大于 1 表示前者风险更高，小于 1 则表示更低。
RR 的优点是直观，适合在队列研究和干预比较中使用。它强调的是“相对风险”变化，因此解释时应注意基线风险大小。
2.2.2 优势比（OR）
优势比比较的是某一事件发生“优势”之间的比值，即事件发生与不发生的比值之比。OR 常见于病例对照研究和逻辑回归模型中。
当事件较少时，OR 可能近似反映 RR；但在事件较常见时，OR 往往会比 RR 更“夸张”，因此不宜直接混同。报告时应明确其为模型参数还是直接统计量。
2.2.3 风险差与其他差异度量
风险差是两组事件发生概率的直接差值，表达方式简单，便于理解绝对变化大小。与相对指标相比，它更接近现实中的“多了多少人”或“少了多少人”。
此外，还存在绝对风险降低、发生率差、归因风险等相关指标。它们强调的是实际改变的幅度，常与相对指标配合使用，以获得更完整的解释。
2.3 关联与回归类效应量
关联与回归类效应量用于描述变量之间的关系强度或预测能力。它们常见于相关分析、线性回归和广义回归框架中。
这类效应量既可以反映线性关系，也可以作为模型解释度的概括指标，适合用于说明变量之间的依赖程度。
2.3.1 相关系数（r）的效应量解释
相关系数 r 同时反映方向和强度，取值范围通常在 -1 到 1 之间。绝对值越大，线性关系越强；符号则表示正相关或负相关。
由于 r 本身就具有标准化属性，因此常被直接视为效应量。在元分析中，r 也常作为统一度量形式之一，便于与其他研究结果整合。
2.3.2 决定系数（R²）与解释比例
R² 表示模型对因变量变异的解释比例，数值越大，模型解释能力越强。它常用于回归分析中，是一种直观的整体效应量。
需要注意的是，R² 反映的是解释度而非因果强度，也不等同于模型“好坏”的唯一标准。变量数量增加时，R² 可能自然上升，因此常需要结合调整后 R² 或其他修正指标理解。
2.3.3 回归系数的标准化版本
回归系数标准化后，可将不同量纲的自变量放在同一尺度上比较。标准化回归系数表示自变量变化一个标准差时，因变量变化多少个标准差。
这一形式有助于比较多个预测变量的相对影响，但在解释时仍需结合原始单位，因为标准化会弱化现实尺度下的直观意义。
2.4 方差分析与广义线性模型类效应量
在方差分析及其扩展模型中，效应量常用来表示组间差异相对于总变异的占比。它们尤其适合多组比较和模型解释。
这类指标不仅能反映组别影响，也能体现自变量在整体变异中所占的份额。
2.4.1 η²、η²p 与 ω² 的基本区别
η² 表示某因素解释的总变异比例。部分 η²（η²p）则是在控制其他因素后，某一效应在剩余误差中的相对比例，常见于重复测量或多因素设计。
ω² 是另一种较保守的估计，通常对总体效应的偏倚更小，适合避免过度乐观地估计解释度。三者在数值上不完全相同，应用场景也略有差别。
2.4.2 Cohen’s f 与方差分解思路
Cohen’s f 是方差分析中的效应量，用于表示某一效应相对于误差方差的强度。它常用于样本量规划，和方差分解思路密切相关。
与 η² 相比，f 更偏向于功效分析表达；与组间差异直观理解相比，它更强调模型层面的效应强弱。实际使用中，两者可以相互换算或并行报告。
2.5 非参数与分布差异类效应量
当数据不满足正态性或采用秩次方法时，非参数效应量便具有重要作用。它们通常不依赖原始均值和标准差，而是基于秩、位置或分布形状差异来描述效应。
这类指标适合顺序变量、偏态分布、等级评分以及异常值较多的数据。
2.5.1 秩相关与秩差异指标（概念层面）
秩相关系数用于衡量两个变量在排序上的一致程度，常见于单调关系分析。它反映的是秩次层面的联系，而不一定要求线性关系。
秩差异指标则强调两组分布在排序意义上的偏离程度。它们在非参数检验中常作为效应量补充，用以说明显著性之外的实际差异。
2.5.2 处理前后分布差异的度量思路
对于前后对比或配对设计，除了关注均值变化外，也可以考察整体分布是否发生平移、扩散或形态变化。此类度量往往不止关注中心位置，还考虑配对一致性与变化幅度。
在非参数框架下，这些指标可帮助判断处理是否带来稳定改变，而不局限于少数极端值的影响。
2.6 元分析中常用效应量的标准化口径
元分析需要把不同研究中的结果整合到统一尺度上，因此效应量的标准化与换算尤为关键。若原始研究使用的统计形式不同，必须先转换为可比较的指标。
标准化口径的统一，使不同样本、不同量表甚至不同设计的研究结果能够在同一框架下合并。
2.6.1 统一度量与换算原则
元分析中的换算通常遵循“同一构念、同一方向、同一尺度”的原则。比如，可将均值差、t 值、F 值或相关系数转换为统一的效应量形式，再进行加权合并。
换算时要注意原始研究的分母、样本量、自由度和分组结构。若输入信息不完整，可能只能进行近似转换。
2.6.2 正负号与方向约定（使跨研究可比）
跨研究合并时，正负号的统一至关重要。若不同研究对“治疗组”“对照组”或“正向结果”的定义不一致，效应量方向就会混乱，甚至导致合并结论失真。
因此，在整理数据时通常需要预先规定方向约定，例如让正值都表示有利于某一固定方向。这样才能保证效应量具有一致解释。
3 效应量的计算方法与适用条件
3.1 数据类型匹配（连续/二分类/多分类/有序）
效应量的选择首先取决于数据类型。连续变量常用均差、相关或回归类指标；二分类变量更适合风险比、优势比等；多分类与有序变量则可能需要更专门的度量方式。
如果数据类型与指标不匹配，结果往往难以解释，甚至会导致统计意义与实际意义脱节。
3.2 设计类型匹配（独立样本、配对样本、重复测量）
研究设计决定了效应量的计算方式。独立样本适用于两组互不重叠的比较；配对样本则需考虑个体内相关性；重复测量还要考虑时间点之间的依赖结构。
同样是均值差，独立样本与配对样本的标准化分母往往不同。若忽视设计结构，计算出的效应量可能偏高或偏低。
3.3 统计模型对应的效应量（与估计量的对齐）
不同统计模型有各自更自然的效应量表达。线性模型常对应回归系数、R² 或标准化系数；分类模型常对应 OR、RR 或对数优势比；方差模型则常对应 η²、ω² 等。
所谓“对齐”，就是让效应量与模型估计目标一致。只有这样，效应量才真正反映该模型所描述的效应。
3.4 从原始统计量推导效应量（常见输入与输出）
在实际研究中，原始文献不一定直接报告效应量，但常会提供 t 值、F 值、χ² 值、样本量、均值和标准差等信息。基于这些输入，往往可以推导出相应效应量。
这种推导在元分析和二次数据整理中很常见。不过，不同来源的统计量推导得到的效应量，可能因假设和校正方式不同而略有差异，因此需要保留计算路径。
3.5 置信区间估计与不确定性表达
单独报告一个效应量数值往往不足以反映估计的不确定性。置信区间能够给出效应量可能落入的范围，帮助判断结果稳定性与精确度。
区间越窄，说明估计越稳定；区间越宽，则提示样本不足或变异较大。效应量与置信区间联合报告，已成为较规范的统计表达方式。
3.5.1 渐近法与重采样法（概念层面）
置信区间可通过渐近近似或重采样方法估计。渐近法依赖大样本理论，计算简便；重采样法则通过重复抽样模拟效应量分布，往往更灵活。
在复杂模型或分布偏离较明显时，重采样方法通常更稳健。但其结果也依赖抽样次数和计算设定。
3.5.2 小样本下的稳健处理
小样本下，效应量估计更容易受偶然波动影响。此时常需要偏倚校正、稳健标准误或更保守的区间估计方式。
若研究样本很少，单一效应量的解释应更加谨慎，最好结合原始数据分布、离群值情况和研究设计共同判断。
4 效应量的解释与报告规范
4.1 量纲与标准化的可读性
效应量之所以重要，一个原因在于它能够减少原始单位带来的阅读障碍。标准化后的指标更容易比较，也更适合跨研究整合。
但标准化并不意味着完全脱离语境。解释时仍要回到数据来源、测量工具和研究对象，才能避免“只看数字不看含义”。
4.2 常见“大小”分级（如 Cohen 指南的使用注意）
一些领域会参考经验性分级来描述效应大小，例如“小”“中”“大”等。Cohen 的建议常被引用，但并不适合机械套用到所有学科。
不同研究领域的变量尺度、噪声水平和实际情境差异很大，同一数值在不同背景下的意义可能完全不同。因此，分级只应作为辅助，而非判断标准。
4.3 实际意义与领域背景（不要只看数值）
一个数值看似不大，可能在实际应用中具有重要价值；反之，数值较大也未必具有现实影响。效应量的解释必须联系研究目标、干预成本和结果后果。
例如，在公共健康、教育评估或工程优化中，一个中等偏小的效应也可能具有实用意义。百科式解释应强调“数值”与“场景”并重。
4.4 报告模板与最低必报信息（效应量、区间、样本量）
较规范的统计报告通常应包含效应量名称、具体数值、置信区间、样本量及所用方法。若存在方向约定、校正方式或换算步骤，也应一并说明。
最低限度的信息越完整，读者越容易复核和比较。若只报告一个孤立数值，解释空间会明显受限。
4.5 效应量在不同量表/单位下的可比性边界
尽管效应量具有标准化优势，但它并非在所有情境下都完全可比。不同量表的信度、分布特征、天花板效应或地板效应，都会影响数值含义。
因此，跨量表比较时应谨慎。若测量工具差异很大，即便效应量形式相同，也不宜直接作强结论。
5 效应量与元分析
5.1 效应量合并的基本思想
元分析的核心是把多个研究的效应量汇总为一个总体估计。通常会根据样本量或方差对不同研究加权，使更精确的研究对合并结果贡献更大。
合并效应量可以提高结论稳定性，并帮助识别不同研究之间的一致性与差异性。
5.2 随机效应与固定效应的直观关系
固定效应模型假定所有研究估计的是同一个真实效应；随机效应模型则认为不同研究的真实效应可能在某个分布中波动。前者强调共同效应，后者更适合现实中的异质情况。
从直观上看，固定效应更像“估计一个统一答案”，随机效应则更像“估计一组可能答案的平均水平”。
5.3 异质性对合并结论的影响
异质性指不同研究结果之间存在的差异程度。若异质性较高，说明研究对象、方法或背景可能并不完全一致，此时单一合并值的代表性会下降。
因此，元分析不仅要看合并效应量，还要看异质性指标。若差异过大，可能需要进一步分层分析或解释研究来源。
5.4 亚组分析与调节变量的效应量处理
亚组分析用于比较不同子群体中的效应是否存在差别；调节变量分析则进一步考察哪些因素可能影响效应大小。二者都依赖效应量的可比表达。
这些方法有助于解释“为什么某些研究结果更强或更弱”，但也更容易受到样本不足和分组过细的影响，因此需要谨慎使用。
5.5 发表偏倚与“只报告显著”的风险（概念层面）
若研究更倾向于发表显著结果，而非显著结果较少被公开，那么合并后的效应量可能被高估。这就是发表偏倚的典型问题之一。
“只报告显著”还会导致文献中呈现出不完整的证据图景。元分析因此通常需要检查偏倚迹象，并尽量纳入未发表或灰色文献。
6 常见误区与“反向操作”梗
6.1 把效应量当作必然因果（相关/回归的边界）
相关系数或回归系数可以描述关联强度，但并不自动证明因果关系。若研究设计不能支持因果推断，就不能把效应量直接解读为“导致了某结果”。
这类误解在实践中很常见。即使数值看起来很大，也仍可能只是共同变化或混杂因素造成的关联。
6.2 混用不兼容的效应量口径（换算陷阱）
不同效应量有不同定义基础，不能随意混用。例如，OR 不能简单当作 RR 解读，部分 η² 也不能与总体 η²直接等同。
若换算时忽略模型结构、事件率或样本设计，结果会产生偏差。所谓“口径统一”必须建立在明确公式和前提之上。
6.3 只报 p 值不报效应量（“显著但不知道多大”）
只报 p 值会让读者知道“是否可能存在差异”，却不知道差异的实际幅度。于是就会出现“统计上显著，但不知道究竟有多重要”的尴尬局面。
因此，效应量与区间估计被视为更完整的结果表达，尤其适合有比较意义的研究。
6.4 选择性报告与数据勘探带来的偏差
如果研究者在大量尝试后只挑选最显著、最漂亮的效应量报告，就可能高估真实效应。数据勘探越多，而未做相应校正时，偏差越明显。
这种做法会削弱研究的可重复性，也使后续综合分析更难判断结果的真实性。
6.5 过度标准化导致的语义漂移
标准化虽然方便比较，但也可能让原始含义变得模糊。例如，标准差单位并不直接等同于现实世界中的具体变化，读者容易误以为“数字更统一，就更容易解释”。
实际上，过度标准化可能使效应量与实际场景之间的联系变弱。理想做法是同时报告标准化指标和必要的原始尺度信息。
7 参考与延伸阅读（概念性）
7.1 经典教材与方法综述
效应量的基础概念通常见于统计学、心理测量学和研究方法教材中。许多经典综述会围绕标准化均差、相关系数、方差解释比例等内容展开，并说明不同指标的适用条件。
对于初学者而言，系统教材有助于建立整体框架；对于实践者而言，方法综述则更适合查找具体计算与解释规则。
7.2 元分析与报告规范的常见来源
元分析相关文献通常会详细说明效应量转换、加权合并、异质性评估和偏倚检测等问题。报告规范类资料则强调在论文中如何完整呈现效应量、区间和样本信息。
这类来源对提高统计透明度很有帮助，也有助于不同研究之间的可比性。
7.3 软件实现与复现要点（统计实践层面）
实际应用中，许多统计软件和编程工具都支持效应量计算、区间估计与元分析流程。使用时应关注函数默认设置、参数口径和输出解释，以免产生计算差异。
复现时最好同时保留原始数据、公式选择、软件版本和分析脚本。这样不仅便于核查，也能减少不同实现之间的不一致。