헤지스의 g (Hedges' g)

한 줄 정의: 표본 크기가 작을 때 생기는 편향을 보정한, Cohen's d의 개선판 효과크기 지표입니다.

쉽게 풀면

코헨의 d는 두 집단의 평균 차이를 표준편차로 나누어 효과크기를 구하는 지표인데, 표본이 작을 때(대략 20명 미만) 이 값이 실제보다 약간 부풀려지는 경향이 있습니다. 헤지스의 g는 여기에 표본 크기를 반영한 보정계수를 곱해서 이 편향을 줄인 지표입니다. 표본이 충분히 크면 Cohen's d와 거의 같은 값이 되지만, 표본이 작을수록 두 지표의 차이가 뚜렷하게 벌어집니다.

왜 중요한가

메타분석은 표본 크기가 제각각인 여러 연구의 결과를 하나로 통합해야 하는데, 작은 표본에서 부풀려지는 효과크기를 보정하지 않으면 통합된 결론이 왜곡될 수 있다. 헤지스의 g는 이런 편향을 체계적으로 줄여주기 때문에 심리학, 교육학, 의학 등 다양한 분야의 메타분석 연구에서 표준적으로 채택되는 효과크기 지표로 자리 잡았다.

논문에서는 이렇게 쓰입니다

"표본 크기가 작은 점(n = 12)을 고려하여 효과크기는 Hedges' g로 산출하였다 (g = 0.45, 95% CI [0.02, 0.88])."

이 문장은 연구자가 표본 수가 적어 Cohen's d가 과대추정될 위험을 인지하고, 이를 보정한 헤지스의 g를 대신 보고했다는 뜻입니다.

"총 18편의 선행연구를 대상으로 무선효과모형을 적용한 메타분석을 수행하였으며, 통합 효과크기는 Hedges' g로 산출하였다."

서로 다른 표본 크기를 가진 여러 연구를 통합할 때, 표본 편향을 줄인 헤지스의 g를 공통 지표로 사용하는 메타분석의 전형적인 서술입니다.

"교육 중재 프로그램의 효과를 비교한 소규모 실험연구(n = 15)에서 Hedges' g = 0.62로 중간 정도의 효과크기가 확인되었다."

표본이 작은 교육학 실험 연구에서 처치 효과의 크기를 보정된 지표로 보고하는 예입니다.

조금 더 깊게 보면

헤지스의 g는 Cohen's d에 표본 크기에 기반한 보정계수(자유도를 이용한 감마함수 근사식이 흔히 쓰입니다)를 곱해 산출하며, 표본이 작을수록 보정 폭이 커지고 표본이 커질수록 Cohen's d에 수렴합니다. 메타분석에서는 여기에 더해 각 연구의 표본 크기에 따라 가중치를 부여하는 방식(예: 역분산 가중)을 함께 적용하여 통합 효과크기와 신뢰구간을 산출하는 경우가 많습니다.

주의할 점

메타분석에서는 개별 연구마다 표본 크기가 제각각인 경우가 많아, 서로 다른 연구의 효과크기를 공정하게 비교·통합하기 위해 Cohen's d보다 헤지스의 g를 표준으로 사용하는 경우가 많습니다. 다만 표본이 충분히 크다면 두 값의 차이는 실질적으로 무시할 수 있는 수준입니다.