Interpretation von Effektgrößen

Es gibt keine allgemeingültigen Regeln für die Interpretation von Effektgrößen. In der Regel existiert jedoch eine Forschungstradition, deren Analyse bei der Interpretation helfen kann. Ein Effekt kann dann relativ zu den Effekten, die in dieser Forschungstradition zu finden sind, interpretiert werden. Abhängig von den Fragestellungen, die untersucht werden, kann ein großer Effekt wenig aussagekräftig, und ein kleiner Effekt manchmal schon äußerst wichtig sein (vgl. Rosenthal, 1993 [57]). Falls gar keine Anhaltspunkte vorliegen, kann man für eine vorläufige Interpretation die mittlerweile als ``Konvention'' betrachteten folgenden Werte für d und r verwenden (Cohen, 1992) [18]: Als kleine Effekte gelten d=.2 und r=.1, mittlere Effekte sind d=.5 und r=.3, und als große Effekte werden d=.8 und r=.5 betrachtet. Diese Werte waren anfangs nicht empirisch begründet worden, doch die mittleren Effekte scheinen den in verschiedenen Bereichen der Psychologie zu findenden durchschnittlichen Effekten gut zu entsprechen (z.B. Cooper & Findley, 1982 [21]; Haase, Waechter & Solomon, 1982 [38]; Sedlmeier & Gigerenzer, 1989 [61]).

Besonders wichtig ist die Berechnung von Effektgrößen, wenn die die Operationalisierung der Forschungshypothese ist. Ein nichtsignifikantes Ergebnis sagt in diesem Fall wenig aus, da in solchen Studien die Teststärke oft sehr gering ist (Sedlmeier & Gigerenzer, 1989 [61]). Wenn dann auch noch ein substantieller Effekt gefunden wird - schon ein ``kleiner'' Effekt dürfte in diesem Fall als substantiell gelten - ist es nicht angebracht, das Ergebnis als ``Nulleffekt'' zu interpretieren.

Wann immer möglich, sollten vor der Interpretation einer Effektgröße die zugrundeliegenden Verteilungen inspiziert werden. Lassen sich starke Asymmetrien oder deutliche Ausreißer erkennen, dann können auch Effektgrößen stark beeinflußt sein. Abhilfen in einem solchen Fall könnten das Nichteinbeziehen von Ausreißern oder eine Transformation der Daten sein. Manchmal werden jedoch auch einfache EDA-Verfahren ausreichen, um solche Daten sinnvoll zu interpretieren.

Bisher haben wir immer über die Analyse der Resultate einzelner Studien gesprochen. Ein konsequenter Schritt von der Effektgrößenberechnung für Einzelstudien hin zur quantitativen Integration einer Reihe von Studien ist die Metaanalyse.