코헨의 d (Cohen's d)

한 줄 정의: 두 집단의 평균 차이를 표준편차 단위로 환산하여 "그 차이가 실제로 얼마나 큰지"를 숫자로 나타낸 대표적인 효과크기 지표입니다.

쉽게 풀면

두 반의 시험 평균 점수가 5점 차이 난다고 해봅시다. 이 5점이 큰 차이일까요, 작은 차이일까요? 점수가 항상 40~60점 사이에서 촘촘하게 몰려 있는 시험이라면 5점 차이는 꽤 크게 느껴지지만, 점수가 0~100점까지 널뛰는 시험이라면 5점은 사소한 차이일 수 있습니다. Cohen's d는 바로 이 문제를 해결합니다. 평균 차이를 "점수가 얼마나 퍼져 있는지(표준편차)"로 나누어, 서로 다른 척도의 연구끼리도 비교할 수 있는 공통 단위로 바꿔주는 것입니다. 계산식은 (집단1 평균 − 집단2 평균) ÷ 표준편차이며, 심리학자 제이콥 코헨은 대략 0.2를 작은 효과, 0.5를 중간 효과, 0.8 이상을 큰 효과로 보는 기준을 제안했습니다.

왜 중요한가

통계적 유의성(p-value)은 "차이가 우연이 아니다"만 말해줄 뿐, 그 차이가 실제로 얼마나 의미 있는 크기인지는 알려주지 않습니다. 표본 크기가 커지면 아주 작은 차이도 쉽게 유의하게 나오기 때문에, 연구자들은 유의성과 별개로 효과크기를 함께 보고해 결과의 실질적 중요성을 판단합니다. 특히 여러 연구를 종합하는 메타분석에서는 각 연구의 척도가 달라도 Cohen's d 같은 표준화된 지표가 있어야 결과를 한데 모아 비교·통합할 수 있습니다. 이 때문에 심리학, 교육학, 의학 등 실험·개입 연구가 많은 분야의 논문에서 거의 빠짐없이 등장합니다.

논문에서는 이렇게 쓰입니다

"실험군과 대조군의 우울 점수 차이는 통계적으로 유의했으며, 효과크기는 컸다 (Cohen's d = 0.82)."

이 문장은 단순히 "차이가 우연이 아니다(p-value)"에서 그치지 않고, "그 차이가 표준편차의 0.82배에 해당할 만큼 실질적으로 크다"는 정보까지 함께 전달하고 있습니다.

"새로운 교수법을 적용한 학급과 기존 교수법 학급 간 수학 성취도 차이는 중간 정도의 효과크기를 보였다 (d = 0.51)."

교육학 연구에서는 새로운 수업 방식이 학업 성취에 얼마나 실질적인 영향을 주는지를 보여줄 때 이런 식으로 Cohen's d를 함께 제시합니다. 유의성만으로는 "효과가 있다/없다"만 알 수 있지만, d 값은 그 효과가 현장에서 체감할 만큼 큰지를 가늠하게 해줍니다.

"두 약물 투여군 간 혈압 감소량 차이의 효과크기는 작았다 (d = 0.18)."

의학 논문에서는 통계적으로 유의한 차이라도 효과크기가 작다면 임상적으로는 크게 의미가 없을 수 있다는 점을 함께 설명하기 위해 이런 표현을 씁니다.

조금 더 깊게 보면

Cohen's d에는 몇 가지 계산 방식 변형이 있습니다. 독립표본 비교에서는 두 집단의 표준편차를 합쳐 하나의 값으로 만드는 합동표준편차(pooled standard deviation)를 분모로 쓰는 것이 일반적이며, 대응표본(같은 대상을 사전-사후로 비교하는 경우)에서는 계산 방식이 조금 달라집니다. 또한 표본 크기가 작을 때는 Cohen's d가 모집단의 실제 효과크기를 다소 과대추정하는 경향이 있어, 이를 보정한 Hedges' g가 함께 보고되기도 합니다. 논문을 읽을 때는 d 값 자체뿐 아니라, 그 값이 어떤 집단 설계(독립표본/대응표본)와 어떤 분모를 기준으로 계산되었는지를 함께 확인하는 것이 정확한 해석에 도움이 됩니다.

주의할 점

0.2/0.5/0.8이라는 기준은 코헨 본인도 "절대적인 규칙이 아니라 대략적인 눈대중"이라고 밝힌 값입니다. 연구 분야에 따라 0.3만 되어도 큰 효과로 취급되는 영역이 있고, 반대로 0.8이 그리 대단하지 않은 영역도 있으므로, 기계적으로 등급을 매기기보다는 선행 연구들과 비교해 해석해야 합니다. Cohen's d는 여러 효과크기 지표 중 하나이며, 표본 크기가 작을 때는 보정된 Hedges' g를 함께 보고하는 경우도 많습니다.