【原】如果2组间比较没有差异，还有必要再计算Effect size 吗

如题。答案是：有必要。

===

Effect size，即效应量，是量化现象强度的数值，用于描述两组或多组之间真实差异或关联的强度。它不仅仅关注统计显著性（即P值），还提供了关于差异大小或关联强弱的额外信息。

即使两组间在统计学上没有显著差异，计算Effect size仍然可以为我们提供关于两组间实际差异大小的额外信息。这种信息对于理解研究结果、解释数据以及制定后续研究计划都是有帮助的。

简单来说：有时候，由于样本量小、标准差大或研究设计等原因，两组间可能无法达到统计学上的显著差异。然而，这并不意味着两组间没有实际差异。此时，计算Effect size可以帮助我们更准确地评估这种差异的大小。

再狭义或粗暴的说，万一你是样本量不足导致无法检测到差异呢？此时计算、报告效应量就可以提供这种警示，能起到预警的作用，我们看到一个较高的效应值，那么此时就要考虑是不是样本量不足或研究设计出问题了对吧。

综上，所以即使两组无差异，那也是有必要进行效应量计算和报告的。

文中图来自：

沈光辉, 范涌峰, 陈婷. 教育研究中的P值使用:问题及对策──兼谈效应量的使用[J]. 数学教育学报, 2019(4).

===