统计当中，假设检验和P值可以给我们提供关于假设为真的可能性。例如双样本t检验可以报告两组样本所对应总体均值存在差异的可能性。若可能性小于一个比较小的值（通常设置为0.05），那我们认为在一次试验中，小概率事件不可能发生，所以拒绝零假设成立。但是我们只是知道了这两组有多大的概率相等，并不知道两组具体有多大的差异。因此我们需要引入效应量的概念。
什么是效应量#
简单来讲，效应量是用来量化变量之间关系或差异具体有多大或多小的指标。其是通过样本计算得到的。
如何计算#
效应量大致分为两种类型：(1)量化变量之间关系的，也被称为r family, 和(2)量化变量之间差异的，也被称为d family。
R family有Pearson相关系数和\(r^2\)等。
D family有Cohen’s d, 优势比和相对风险率等。其中Cohen’s d计算公式如下，
$$ Cohen's d=(\mu_1-\mu_2)/s, $$$$ s=\sqrt{\frac{(n_1-1)*s_1^2+(n_2-1)*s_2^2}{(n_1+n_2-2)}} $$\(s_1\)和\(s_2\)分别表示两个样本的标准差。