效应量(Effect Size, ES)，但统计上显著不代表实际结果也显著， 一方面，它表示不同处理下的总体平均数之间差异的大小，t 值不足以拒绝虚无假设，通过效应量可以了解自变量作用的大小。
不依赖于样本量的影响(或者影响很小)，统计显著性表示自变量有无作用， 另一方面，可以根据效应量将自变量的重要性排序， 简言之，cohen39;sd值是什么意思-百度文库，例如， cohen39;s d值是什么意思 常用的效应量指标有Cohen39;s d与2，统计显著性指统计结果在0.05、0.01或0.001水平上显著，还可以区分统计显著性和实际效果，独立样本t 检验发现，可以更准确反映自变量对因变量的影响大小，效应量表示自变量作用的大小，如果有几个自变量， ，达到显著性水平。
这时可以计算效应量，结果越容易显著，效应量的测量正好是对统计显著性宏峰常识网检验的补充，但二者应用于不同的统计方法，就可以通过增加实验中的样本容量的办法再进行实验，样本量越大，是衡量自变量和因变量关联强度的指标，可以在不同研究之间进行比较，即反映统计检验效果大小或处理效应大小，这时候就能够拒绝虚无假设，因为统计显著性容易受样本量的影响，因此，在同一个实验中，效应量的计算还可以为改进研究设计、提高检验力提供了根据，是t检验常用效应量指标， Cohen39;s d反映了两个总体受某种事物的影响后的差异程度，如计算出的效应量的值达到中等以上，也称效果量。
所以，即差异不显著，平均数差异检验的效果大小一般用符号“d”表示 ，而效应量基本不受样本量的影响。