Qu’est-ce que le g de Hedges ? (Définition et exemple)

Dans le paysage contemporain de la recherche quantitative en sciences humaines, sociales et médicales, la quantification rigoureuse des phénomènes observés constitue le fondement de la validité scientifique. Durant plusieurs décennies, la communauté académique a accordé une primauté quasi exclusive aux tests de signification de l’hypothèse nulle (NHST, pour Null Hypothesis Significance Testing) et à la fameuse valeur p. Or, la dépendance mécanique de cette valeur à la taille de l’échantillon a engendré des dérives interprétatives majeures, reléguant au second plan la question fondamentale de l’amplitude clinique ou pratique des résultats obtenus. Face à la crise de la reproductibilité qui a ébranlé la psychologie expérimentale et les neurosciences cognitives au tournant du XXIe siècle, un consensus méthodologique s’est imposé : l’inférence statistique ne peut être dissociée de l’estimation précise de la taille d’effet.

Parmi les métriques développées pour quantifier la magnitude d’une divergence entre deux groupes, la différence moyenne standardisée occupe une position centrale. Si le d de Cohen demeure l’indice le plus célèbre et le plus couramment enseigné dans les manuels universitaires, il présente une lacune théorique et pratique substantielle : il souffre d’un biais systématique de surestimation lorsque les données sont issues d’échantillons de taille modeste. C’est précisément pour remédier à cette distorsion structurelle que le statisticien Larry Hedges a introduit, au début des années 1980, un estimateur corrigé désigné sous le nom de g de Hedges. Cet indice s’est progressivement imposé comme la référence absolue dans les protocoles méta-analytiques et les recherches cliniques de pointe où le recrutement de larges cohortes s’avère matériellement impossible.

Le présent article propose une exploration exhaustive, théorique et appliquée du g de Hedges. À travers une déconstruction analytique de ses fondements mathématiques, une comparaison minutieuse avec les indices concurrents et une mise en situation opérationnelle par des exemples chiffrés, nous détaillerons les conditions de validité de cet estimateur sans biais. Que vous soyez chercheur confirmé, statisticien en santé publique, doctorant ou clinicien soucieux d’affiner la lecture critique des publications scientifiques, ce guide offre les clés conceptuelles, algorithmiques et interprétatives indispensables pour maîtriser cette métrique fondamentale de la synthèse quantitative moderne.

1. Introduction à la mesure de la taille d’effet en psychologie

1.1 Les limites intrinsèques de la valeur p dans la recherche empirique

L’hégémonie historique du formalisme proposé par Ronald Fisher, enrichi ou parfois confondu avec le cadre décisionnel de Jerzy Neyman et Egon Pearson, a conduit à une focalisation outrancière sur la valeur p. Dans ce paradigme, une intervention expérimentale est réputée probante dès lors que p franchit le seuil conventionnel, arbitrairement fixé à 0,05. Toutefois, cette approche dichotomique – rejet ou non-rejet de l’hypothèse nulle – occulte une réalité statistique élémentaire : la valeur p ne mesure en aucun cas la magnitude, la force ou la portée pratique d’un phénomène psychologique. Elle indique simplement la probabilité d’observer un résultat au moins aussi extrême que celui recueilli, sous l’hypothèse stricte qu’il n’existe aucune divergence réelle entre les populations sous-jacentes.

Le défaut capital de la valeur p réside dans son insolente sensibilité à la puissance statistique, directement tributaire du nombre de sujets inclus dans l’étude. Avec un échantillon gigantesque comprenant plusieurs dizaines de milliers de participants, la moindre fluctuation aléatoire non pertinente sur le plan psychologique – par exemple, un écart d’un demi-point sur un inventaire de personnalité en comptant cent – produira une valeur p infinitésimale (p < 0,001), conférant une illusion fallacieuse d’importance clinique. À l’inverse, une étude clinique pilote portant sur une pathologie rare, menée auprès de douze patients et révélant une amélioration symptomatique spectaculaire, pourra déboucher sur une valeur p de 0,08 en raison d’un manque de puissance. Conclure à l’inefficacité du traitement dans ce second scénario relève d’une erreur d’inférence grossière, directement imputable au culte exclusif de la significativité statistique.

Cette vulnérabilité mathématique a agi comme le catalyseur central de la fameuse « crise de la réplication » qui a frappé les sciences du comportement. De nombreuses publications affichant des résultats statistiquement significatifs se sont avérées incapables de soutenir l’épreuve de la réplication indépendante, précisément parce que les effets postulés étaient d’une faiblesse insigne ou artificiellement gonflés par le bruit stochastique de petits effectifs. Face à ce constat d’échec épistémologique, les comités de rédaction des revues internationales et les organisations de référence, au premier rang desquelles l’American Psychological Association, ont promulgué des recommandations formelles. L’APA impose désormais aux chercheurs de quantifier systématiquement l’ampleur des phénomènes observés via des tailles d’effet standardisées assorties de leurs intervalles d’incertitude.

1.2 La taille d’effet standardisée comme réponse méthodologique

Pour dépasser l’écueil de la significativité binaire, la statistique inférentielle moderne préconise l’emploi de métriques capables d’exprimer la force intrinsèque d’une relation ou d’un contraste. Dans les sciences psychologiques et psychiatriques, cette entreprise se heurte d’emblée à la nature des instruments de mesure : la plupart des construits théoriques (l’anxiété-trait, l’estime de soi, les fonctions exécutives, l’empathie cognitive) sont opérationnalisés par des questionnaires psychométriques, des échelles de Likert ou des temps de réaction mesurés en millisecondes. Contrairement aux sciences physiques qui emploient des unités universelles telles que le mètre ou le kelvin, chaque laboratoire psychologique utilise potentiellement une échelle d’évaluation différente pour scruter une même entité psychique.

C’est ici qu’intervient la taille d’effet standardisée. En divisant la différence brute observée entre deux conditions par une mesure de dispersion appropriée – généralement l’écart-type –, le statisticien convertit le résultat en une unité sans dimension, universellement intelligible : le nombre d’écarts-types séparant deux groupes. Cette normalisation métrique confère une comparabilité directe à des études employant des instruments dissemblables. Une différence moyenne standardisée de 0,60 conserve une signification identique, que l’anxiété ait été évaluée par l’Inventaire d’anxiété de Beck (BAI), par l’échelle de Hamilton (HAM-A) ou par le State-Trait Anxiety Inventory (STAI).

Au sein du vaste répertoire des tailles d’effet, deux grandes familles épistémologiques se détachent : la famille des indices d’association ou de corrélation (la famille r, comprenant le coefficient de Pearson, le rhô de Spearman ou les coefficients de détermination R² et êta-carré), et la famille des différences moyennes standardisées (la famille d). Cette dernière, dont font partie intégrante le d de Cohen, le delta de Glass et le g de Hedges, est spécialement dédiée à l’évaluation comparative de deux groupes indépendants ou de deux modalités expérimentales, constituant le squelette opérationnel des essais contrôlés randomisés et des protocoles quasi-expérimentaux.

1.3 Émergence et contexte historique des travaux de Larry Hedges

Durant les années 1970, l’accumulation effrénée de recherches empiriques discordantes sur des problématiques sociologiques, éducatives et thérapeutiques similaires engendre une crise de synthèse documentaire. Les revues de littérature traditionnelles, purement narratives et qualitatives, atteignent leurs limites structurelles en se révélant incapables de dégager des conclusions objectives et reproductibles à partir de dizaines d’études contradictoires. C’est dans ce terreau fertile que Gene V. Glass formalise en 1976 le concept de méta-analyse, compris comme l’analyse statistique d’une vaste collection de résultats d’analyses issus d’études individuelles dans le dessein d’en intégrer les conclusions.

Toutefois, la boîte à outils statistique de la méta-analyse naissante demeure alors rudimentaire. Les praticiens recourent massivement à l’indice d proposé par le psychologue et statisticien Jacob Cohen dans son ouvrage séminal de 1969. Dès le début des années 1980, un jeune chercheur de l’Université de Chicago, Larry V. Hedges, identifie une faille mathématique majeure dans cette pratique généralisée. En examinant les propriétés distributionnelles du d de Cohen sous la théorie de l’échantillonnage, Hedges démontre que cet estimateur n’est pas sans biais à distance finie : appliqué à des échantillons d’effectifs restreints, il surestime systématiquement la distance réelle séparant les populations d’origine.

En collaboration étroite avec des pionniers de la synthèse quantitative comme Ingram Olkin, Larry Hedges publie en 1981 et 1982 une série d’articles théoriques majeurs, consolidés ultérieurement dans l’ouvrage magistral Statistical Methods for Meta-Analysis (1985). Hedges ne se contente pas de pointer les insuffisances du d de Cohen ; il formalise un facteur correctif rigoureux, fondé sur la fonction gamma, capable d’éliminer intégralement ce biais d’échantillonnage. La statistique issue de cette correction porte désormais son nom : le g de Hedges. Cette avancée ne relevait pas d’une querelle d’école abstraite mais d’un impératif pragmatique : sans cette correction, toute méta-analyse agrégeant de multiples petites études cumulait et amplifiait mécaniquement un biais optimiste artificiel, faussant les conclusions de santé publique et de recherche clinique.

2. Fondements conceptuels et définition formelle du g de Hedges

2.1 Qu’est-ce que le g de Hedges dans la théorie des probabilités ?

D’un point de vue purement probabiliste et formel, le g de Hedges est un estimateur ponctuel de la différence moyenne standardisée de population, paramètre théoriquement invariable traditionnellement dénoté par la lettre grecque delta ($\delta$). Considérons deux populations distinctes, caractérisées respectivement par des moyennes théoriques $\mu_1$ et $\mu_2$, et partageant une variance commune $\sigma^2$. Le paramètre théorique fondamental s’exprime par le ratio :

$\delta = \frac{\mu_1 – \mu_2}{\sigma}$

Dans un contexte expérimental, les paramètres $\mu_1$, $\mu_2$ et $\sigma$ demeurent inaccessibles ; le statisticien doit se résoudre à les estimer à partir d’échantillons aléatoires de tailles respectives $n_1$ et $n_2$. L’espérance mathématique d’un estimateur idéal doit être strictement égale à la valeur du paramètre qu’il prétend quantifier. Or, si la différence brute des moyennes d’échantillons ($M_1 – M_2$) est un estimateur parfaitement sans biais de ($\mu_1 – \mu_2$), l’introduction au dénominateur de l’écart-type combiné ($s_{pool}$) perturbe radicalement cette propriété d’espérance.

Puisque la racine carrée est une fonction strictement concave, l’application du théorème de l’inégalité de Jensen démontre que l’espérance de l’inverse de l’écart-type d’échantillon ne correspond pas à l’inverse de l’écart-type de population. Il s’ensuit que l’estimateur de Cohen classique présente une espérance supérieure à $\delta$. Le g de Hedges résout cette distorsion structurelle en appliquant un facteur d’échelle multiplicatif dépendant exclusivement des degrés de liberté du système expérimental. Sous les postulats d’échantillonnage gaussien, le g de Hedges possède le statut statistique très recherché d’estimateur non biaisé à variance minimale uniforme (UMVUE, pour Uniformly Minimum-Variance Unbiased Estimator), garantissant une justesse optimale pour estimer la réalité paramétrique sous-jacente.

2.2 La correction du biais d’échantillonnage pour les petits effectifs

Pour saisir l’urgence méthodologique résolue par Larry Hedges, il convient d’analyser la mécanique du biais d’échantillonnage. Lorsque la taille globale de l’échantillon ($N = n_1 + n_2$) est importante – par exemple lorsqu’elle excède une centaine d’individus –, les fluctuations d’échantillonnage de la variance combinée s’amortissent, et le dénominateur stabilise son estimation avec une grande fidélité. Le biais résiduel devient alors négligeable. En revanche, lorsque les effectifs plongent en deçà de 20 ou 30 sujets par cellule expérimentale, la distribution de l’écart-type combiné présente une asymétrie marquée vers la gauche : l’écart-type a tendance à sous-estimer la variance réelle de la population.

En divisant une différence de moyennes non biaisée par un dénominateur qui sous-estime systématiquement la dispersion, la valeur résultante du d de Cohen est mécaniquement projetée vers le haut. Il en résulte un biais de surestimation systématique. Si des chercheurs reproduisaient théoriquement cent fois la même expérience avec des échantillons de 8 sujets par groupe, la moyenne arithmétique de leurs d de Cohen calculés serait significativement supérieure au paramètre d’effet réel de la population générale.

Le g de Hedges agit comme un mécanisme de régularisation statistique. En multipliant l’indice brut par un coefficient d’ajustement systématiquement inférieur à 1, il comprime l’estimation ponctuelle pour la ramener exactement à son espérance théorique non biaisée. Cette opération est vitale pour des sous-disciplines telles que les neurosciences comportementales, la psychopharmacologie préclinique ou la neuropsychologie cognitive. Dans ces domaines, les contraintes éthiques, matérielles ou financières imposent fréquemment de travailler sur des cohortes minuscules (par exemple, des groupes de 6 à 12 rongeurs ou patients cérébrolésés). Employer le d de Cohen dans ces contextes revient à injecter délibérément une surévaluation de l’effet thérapeutique, induisant en erreur les examinateurs et faussant l’évaluation du ratio bénéfice-risque d’une molécule ou d’une thérapie.

2.3 Types d’échelles et variables compatibles

L’opérationnalisation légitime du g de Hedges exige une adéquation rigoureuse avec la structure typologique des données collectées. Cet indice a été conçu pour traiter des variables dépendantes quantitatives de nature continue ou à tout le moins métrique (d’intervalle ou de rapport). Dans le spectre de la psychométrie appliquée, cela englobe des mesures telles que :

• Les temps de réaction chronométriques et la latence des réponses motrices (variables continues de rapport).
• Les scores composites issus d’échelles psychologiques validées (par exemple, le score total d’anxiété sur l’échelle de Spielberger), à la condition expresse que la distribution des items agrégés approche un comportement continu régulier.
• Les indices physiologiques et neurobiologiques (variabilité de la fréquence cardiaque, taux de cortisol salivaire, potentiels évoqués ou volumes d’activation en imagerie cérébrale fonctionnelle).

Par ailleurs, la métrique de Hedges s’applique strictement à des comparaisons inter-groupes portant sur deux cellules indépendantes ou deux conditions transversales hermétiques (par exemple : groupe sous psychothérapie cognitive versus groupe sous antidépresseur tricyclique ; sujets sains versus patients souffrant d’amnésie hippocampique). Elle n’a pas été formulée originellement pour des designs multivariés à trois conditions ou plus, où l’analyse de variance globale (ANOVA) et les ratios de variance comme l’oméga-carré ($\omega^2$) ou l’êta-carré partiel ($\eta_p^2$) prévalent.

Il importe enfin de souligner une distinction méthodologique fondamentale : l’application directe du g de Hedges traditionnel à des protocoles longitudinaux pré-test/post-test ou à des plans à mesures répétées intrapersonnels sans ajustement spécifique constitue une faute d’analyse classique. Dans les plans appariés, la covariance intra-sujet induite par la corrélation temporelle des observations modifie profondément l’erreur type et le dénominateur de standardisation. Dès lors, le chercheur doit obligatoirement spécifier s’il utilise une déclinaison pour mesures répétées (souvent notée g_rm ou g_av) qui intègre la corrélation entre les temps 1 et 2, sous peine de biaiser l’interprétation comparative avec des études transversales.

3. Analyse comparative approfondie : g de Hedges versus d de Cohen

3.1 Les similitudes structurelles fondamentales

Sur le plan morphologique, le d de Cohen et le g de Hedges partagent un même squelette conceptuel. Tous deux appartiennent sans ambiguïté à la même lignée d’estimateurs de contraste standardisé. Leur objectif commun consiste à projeter une divergence empirique sur une échelle unitaire universelle représentant la dispersion de la population de référence. Dans les deux cas, le numérateur de l’équation statistique demeure rigoureusement inaltéré : il s’agit de la différence arithmétique simple entre les moyennes observées des deux échantillons étudiés, soit ($M_1 – M_2$).

De surcroît, le d de Cohen et le g de Hedges partagent la même philosophie en ce qui concerne l’évaluation de la dispersion basale : ils reposent sur le postulat d’homoscédasticité, selon lequel les deux populations partagent une variance théorique identique ($\sigma_1^2 = \sigma_2^2 = \sigma^2$). Pour estimer au mieux cette variance commune inconnue, les deux statisticiens préconisent d’agréger les variances respectives des deux échantillons en une seule entité mathématique : l’écart-type combiné ou poolé ($s_{pool}$). Ce dénominateur permet d’exploiter la totalité des degrés de liberté disponibles pour maximiser la robustesse de l’estimation de l’étalon de dispersion.

Enfin, l’interprétation clinique fondamentale des deux indices est conceptuellement interchangeable quant aux unités sous-jacentes : une valeur de 0,50 exprime invariablement que la moyenne du premier groupe surpasse celle du second groupe d’exactement un demi-écart-type de la population. Les critères d’évaluation qualitative développés à l’origine par Jacob Cohen s’appliquent donc conceptuellement à la métrique de Hedges, bien que la trajectoire quantitative pour y parvenir intègre un ajustement protecteur.

3.2 Divergences mathématiques et facteur d’ajustement

La césure technique entre le d de Cohen et le g de Hedges se situe au niveau de la correction d’échantillonnage pour petits effectifs. Tandis que l’algorithme de Cohen postule implicitement que la division directe par $s_{pool}$ livre un estimateur satisfaisant, Larry Hedges démontre que cet estimateur comporte un biais proportionnel à la fonction gamma d’Euler régissant la distribution de l’écart-type d’échantillon. La formulation exacte de ce facteur d’ajustement sans biais, formellement noté $J(df)$ – où $df$ représente les degrés de liberté totaux ($n_1 + n_2 – 2$) –, s’exprime par la relation transcendante :

$J(df) = \frac{\Gamma\left(\frac{df}{2}\right)}{\sqrt{\frac{df}{2}} \times \Gamma\left(\frac{df – 1}{2}\right)}$

Dans cette formulation, $\Gamma$ désigne la fonction Gamma d’Euler, qui étend la notion de factorielle aux nombres réels et complexes. Comme le calcul direct de quotients de fonctions Gamma requiert une puissance algorithmique qui faisait défaut aux chercheurs des années 1980, Larry Hedges a dérivé une approximation computationnelle polynomiale d’une remarquable fidélité numérique, largement consacrée par les progiciels modernes :

$J(df) \approx 1 – \frac{3}{4 \times df – 1}$

Cette fraction révèle immédiatement la mécanique correctrice : le dénominateur ($4 \times df – 1$) étant strictement positif pour tout échantillon scientifique valide ($df ge 2$), le quotient soustrait à 1 est toujours positif. En conséquence, le terme $J(df)$ est impérativement inférieur à l’unité ($J(df) < 1$). Multiplier l’indice brut de Cohen par ce facteur $J(df)$ a pour effet mécanique de contracter l’estimation ponctuelle, effaçant l’inflation statistique parasite.

Toutefois, la divergence entre les deux statistiques s’avère asymptotiquement régressive. Plus les degrés de liberté s’élèvent, plus le ratio ($3 / (4df – 1)$) s’amenuise vers zéro, faisant tendre $J(df)$ vers la valeur limite de 1. Pour un échantillon minuscule de 10 participants ($df = 8$), le facteur correctif s’élève à approximativement $1 – (3 / 31) \approx 0,903$, ce qui représente une réduction corrective massive de près de 10 % de la taille d’effet brute. En revanche, lorsque $N$ dépasse 100 participants ($df ge 98$), le facteur d’ajustement grimpe à 0,992, ramenant la divergence sous la barre de 0,8 %. À l’infini d’échantillonnage, le g de Hedges et le d de Cohen deviennent rigoureusement identiques :

$\lim_{df to \infty} g = d$

3.3 Arbre de décision : Quel indice privilégier selon les données ?

Face à la multiplicité des coefficients recensés dans les manuels, le chercheur ou l’analyste de données doit adopter une trajectoire décisionnelle rigoureuse. La sélection entre le d de Cohen, le g de Hedges et d’autres alternatives comme le delta de Glass repose sur une analyse lucide de trois paramètres clés : la taille cumulée des cohortes, le degré d’équilibrage des groupes et la présence d’une hétérogénéité des variances.

La règle méthodologique dominante en recherche contemporaine peut s’énoncer avec une simplicité désarmante : le g de Hedges doit être systématiquement privilégié par défaut. Dans la mesure où le g de Hedges est mathématiquement sans biais pour les petits échantillons et qu’il converge asymptotiquement vers le d de Cohen pour les grands effectifs, il n’existe strictement aucun coût statistique à utiliser systématiquement le g de Hedges. L’inverse n’est pas vrai : persister à utiliser le d de Cohen lorsque la taille par cellule descend sous le seuil de $n = 20$ à $30$ injecte une distorsion ascendante indéniable.

La vulnérabilité du d de Cohen se trouve décuplée lorsque le design expérimental présente une asymétrie numérique prononcée (par exemple, un groupe expérimental de $n_1 = 12$ individus opposé à un groupe témoin de $n_2 = 45$ individus). Dans cette configuration instable, la contribution déséquilibrée des variances accentue l’instabilité de l’écart-type combiné non ajusté. Enfin, si l’étude a vocation à s’intégrer ultérieurement dans une méta-analyse, l’emploi exclusif du g de Hedges constitue la seule garantie d’interopérabilité mathématique sans biais d’accumulation. Seule une violation caractérisée du postulat d’homoscédasticité motivera l’abandon du g de Hedges au profit du delta de Glass ou d’estimateurs robustes non paramétriques.

4. Décorticage de la formulation mathématique du g de Hedges

4.1 Le numérateur : Mesure absolue du contraste inter-groupes

L’architecture algébrique du g de Hedges s’articule autour d’une équation fondamentale à trois composantes interdépendantes. La première de ces composantes, logée au numérateur, quantifie le contraste moyen brut entre les deux groupes étudiés :

$\text{Numérateur} = M_1 – M_2$

Ici, $M_1$ et $M_2$ représentent les moyennes arithmétiques empiriques calculées au sein de chaque échantillon indépendant :

$M_1 = \frac{1}{n_1} \sum_{i=1}^{n_1} x_{1i} \quad \text{et} \quad M_2 = \frac{1}{n_2} \sum_{j=1}^{n_2} x_{2j}$

Ce calcul élémentaire porte en lui une charge interprétative essentielle régie par le signe algébrique de la différence. Une valeur positive indique que la moyenne du groupe 1 est supérieure à celle du groupe 2, tandis qu’un signe négatif reflète la dynamique inverse. En méthodologie clinique, il est impératif d’assigner rigoureusement l’ordre des groupes en fonction du cadre théorique posé. Par convention académique standard, le groupe expérimental ou interventionnel est étiqueté groupe 1, et le groupe contrôle, témoin ou placebo est étiqueté groupe 2.

Ainsi, si la variable dépendante évalue une dimension pathologique (par exemple, la sévérité d’un épisode dépressif sur l’échelle MADRS), une intervention psychothérapeutique efficace induira une moyenne du groupe traité inférieure à celle du groupe témoin ($M_1 < M_2$). Le numérateur sera donc négatif, conférant un signe négatif à la taille d’effet finale. Ce signe ne traduit aucunement une mauvaise qualité statistique, mais indique simplement que l’intervention réduit la symptomatologie. À l’inverse, si la variable mesure un construit positif tel que la mémoire de travail ou le bien-être subjectif, un score positif dénotera un gain fonctionnel généré par l’intervention. Il incombe au rédacteur de documenter explicitement le sens de soustraction retenu afin de prévenir toute méprise lors de synthèses ultérieures.

4.2 Le dénominateur : L’écart-type combiné pondéré

La seconde composante mathématique, garante de la standardisation de l’indice, réside dans l’écart-type combiné pondéré, universellement noté $s_{pool}$ (pour pooled standard deviation). Pour construire une métrique d’échelle stable, le statisticien ne peut pas se contenter de calculer une moyenne arithmétique naïve des écarts-types des deux groupes ($s_1$ et $s_2$). Une telle simplification ignorerait la taille relative de chaque cohorte et les degrés de liberté inhérents à chacune d’elles.

L’estimation non biaisée de la variance combinée s’obtient en réalisant une moyenne pondérée des sommes des carrés des écarts à la moyenne intra-groupe. La formulation rigoureuse de la variance combinée non biaisée ($s_{pool}^2$) se structure comme suit :

$s_{pool}^2 = \frac{(n_1 – 1)s_1^2 + (n_2 – 1)s_2^2}{n_1 + n_2 – 2}$

Où les variances individuelles non biaisées des deux échantillons sont données par :

$s_1^2 = \frac{1}{n_1 – 1}\sum_{i=1}^{n_1}(x_{1i} – M_1)^2 \quad \text{et} \quad s_2^2 = \frac{1}{n_2 – 1}\sum_{j=1}^{n_2}(x_{2j} – M_2)^2$

Le dénominateur de cette équation ($n_1 + n_2 – 2$) correspond précisément aux degrés de liberté totaux associés à l’estimation de la variance résiduelle dans un test t pour échantillons indépendants. En extrayant la racine carrée de cette variance combinée pondérée, nous obtenons l’écart-type combiné :

$s_{pool} = \sqrt{\frac{(n_1 – 1)s_1^2 + (n_2 – 1)s_2^2}{n_1 + n_2 – 2}}$

Cette formulation possède une propriété mathématique remarquable : elle accorde naturellement un poids statistique proportionnel à la cohorte apportant la plus vaste quantité d’informations. Si le groupe 1 comprend 50 sujets et le groupe 2 seulement 15, la variance du groupe 1 pèsera à hauteur de 49 degrés de liberté dans le résultat final, protégeant le dénominateur contre la sur-volatilité de la variance du petit groupe.

4.3 Application du facteur de correction aux petits échantillons

L’aboutissement algorithmique du g de Hedges procède de l’intégration unifiée des composants précédents avec le coefficient correcteur d’Euler. Dans sa syntaxe classique, le calcul débute par l’extraction de la différence moyenne standardisée brute non corrigée, que plusieurs manuels référencent indifféremment sous le symbole $g^*$ ou $d_{Cohen}$ :

g^* = frac{M_1 – M_2}{s_{pool}}

À ce stade, l’indice $g^*$ demeure entaché du biais systématique induit par l’estimation de $s_{pool}$. L’estimateur sans biais définitif, le véritable g de Hedges, est formalisé par le produit algébrique de cette valeur brute avec le facteur correctif $J(df)$ :

g = J(df) times g^* = J(n_1 + n_2 – 2) times left(frac{M_1 – M_2}{s_{pool}}right)

En substituant le facteur $J(df)$ par son approximation computationnelle hautement précise documentée par Larry Hedges, l’équation s’énonce dans sa forme opérationnelle standard :

g approx left(1 – frac{3}{4(n_1 + n_2) – 9}right) times left(frac{M_1 – M_2}{s_{pool}}right)

Notons ici une subtilité algébrique fréquente dans la littérature : l’expression du dénominateur d’ajustement. Lorsque nous exprimons la correction en fonction des degrés de liberté totaux $df$, nous écrivons $4 \times df – 1$. Sachant que pour deux groupes indépendants, $df = n_1 + n_2 – 2$, nous avons :

4 times df – 1 = 4(n_1 + n_2 – 2) – 1 = 4(n_1 + n_2) – 8 – 1 = 4(n_1 + n_2) – 9

Cette égalité parfaite confirme l’interchangeabilité absolue des deux formulations. L’observance rigoureuse de cette équation finale confère à la métrique de Hedges une neutralité inférentielle irréprochable, consolidant les fondations de l’analyse quantitative.

5. Exemple de calcul pas à pas du g de Hedges

5.1 Présentation des paramètres de l’étude empirique

Pour ancrer ces concepts abstraits dans une réalité méthodologique concrète, analysons les données d’un essai clinique randomisé fictif mais typique des sciences comportementales. Imaginons qu’une équipe de psychologues hospitaliers évalue l’impact d’une nouvelle thérapie cognitive basée sur la pleine conscience (Mindfulness-Based Cognitive Therapy – MBCT) sur la capacité de flexibilité attentionnelle de patients en rémission de trouble dépressif caractérisé.

Deux cohortes indépendantes de patients ont été constituées à la suite du protocole de randomisation :

• Échantillon 1 (Groupe MBCT – Interventionnel) :
  • Effectif : $n_1 = 39$ participants
  • Moyenne observée au test neuropsychologique : $M_1 = 15,20$ points
  • Écart-type de l’échantillon : $s_1 = 4,40$ points
• Échantillon 2 (Groupe Contrôle Actif – Psychoéducation) :
  • Effectif : $n_2 = 34$ participants
  • Moyenne observée au test neuropsychologique : $M_2 = 14,00$ points
  • Écart-type de l’échantillon : $s_2 = 3,60$ points

L’hypothèse unilatérale de l’équipe de recherche postule que l’entraînement attentionnel intensif dispensé au sein du groupe MBCT améliore significativement la flexibilité exécutive, ce qui devrait se traduire par un score moyen plus élevé dans l’échantillon 1 que dans l’échantillon 2. La taille globale du recrutement s’élève à $N = n_1 + n_2 = 39 + 34 = 73$ patients.

5.2 Calcul de la différence moyenne et de la variance combinée

Déployons la procédure analytique étape par étape, en respectant la chronologie arithmétique rigoureuse nécessaire à la prévention de toute distorsion d’arrondi.

Étape 1 : Calcul du contraste au numérateur.
Nous calculons la différence arithmétique simple entre les performances moyennes enregistrées :

$\Delta M = M_1 – M_2 = 15,20 – 14,00 = 1,20$

Le numérateur brut de notre taille d’effet s’élève ainsi précisément à 1,20 unité psychométrique brute.

Étape 2 : Détermination des degrés de liberté.
Nous évaluons les degrés de liberté associés à chaque cohorte ainsi que les degrés de liberté totaux :

$df_1 = n_1 – 1 = 39 – 1 = 38$

$df_2 = n_2 – 1 = 34 – 1 = 33$

$df_{\text{total}} = df_1 + df_2 = 38 + 33 = 71$ (ou $n_1 + n_2 – 2 = 73 – 2 = 71$)

Étape 3 : Calcul des variances individuelles et des sommes des carrés pondérées.
Nous élevons les écarts-types de chaque échantillon au carré pour retrouver les variances d’échantillon respectives :

$s_1^2 = (4,40)^2 = 19,36$

$s_2^2 = (3,60)^2 = 12,96$

Nous procédons à la pondération par les degrés de liberté individuels afin d’obtenir la somme globale des carrés résiduels intra-groupes :

text{SC}_{text{résiduelle}} = (df_1 times s_1^2) + (df_2 times s_2^2) = (38 times 19,36) + (33 times 12,96)

text{SC}_{text{résiduelle}} = 735,68 + 427,68 = 1163,36

Étape 4 : Calcul de la variance combinée non biaisée et de l’écart-type combiné.
Nous divisons cette somme des carrés par les degrés de liberté totaux ($df_{\text{total}} = 71$) :

s_{pool}^2 = frac{1163,36}{71} approx 16,385352

Nous extrayons ensuite la racine carrée positive pour isoler l’écart-type combiné ($s_{pool}$) :

s_{pool} = sqrt{16,385352} approx 4,047882

La dispersion standardisée commune des scores neuropsychologiques s’établit donc à environ 4,05 points.

5.3 Obtention finale de la statistique de Hedges

Muni des résultats intermédiaires, le statisticien procède à la synthèse finale.

Étape 5 : Calcul de la taille d’effet brute (d de Cohen non corrigé).
Nous effectuons le ratio entre le contraste de moyenne et l’écart-type combiné :

g^* = frac{Delta M}{s_{pool}} = frac{1,20}{4,047882} approx 0,296451

L’estimation non ajustée indique que l’intervention induit un gain apparent d’environ 0,30 écart-type.

Étape 6 : Dérivation du coefficient correcteur de Hedges.
En appliquant la formule d’approximation de Larry Hedges conditionnée par $df = 71$ :

J(71) approx 1 – frac{3}{(4 times 71) – 1} = 1 – frac{3}{284 – 1} = 1 – frac{3}{283}

J(71) approx 1 – 0,0106007 = 0,989399

Le facteur de correction pour cet échantillon global de 73 participants indique que la valeur brute surestime l’amplitude réelle d’environ 1,06 %.

Étape 7 : Calcul du g de Hedges final et validation.
Nous multiplions la valeur brute par le coefficient d’ajustement d’Euler-Hedges :

g = J(71) times g^* = 0,989399 times 0,296451 approx 0,293308

Arrondi aux standards de l’édition scientifique (deux décimales après la virgule), le g de Hedges s’établit à g = 0,29 (ou 0,293 sous une précision à trois décimales). L’injection de ces données dans des progiciels spécialisés confirme rigoureusement ce résultat au dix-millième près. Cet entraînement MBCT produit une taille d’effet positive de 0,29 écart-type sur la flexibilité attentionnelle des patients par rapport au protocole psychoéducatif.

6. Interprétation quantitative et qualitative du g de Hedges

6.1 Les repères conventionnels de Jacob Cohen et leur transférabilité

Une fois le coefficient numérique extrait, l’analyste se trouve confronté à l’exigence de la traduction qualitative : quelle signification donner à un g de 0,29 ? Dans son ouvrage de référence de 1988, Jacob Cohen a instauré des seuils opérationnels conventionnels devenus l’étalon de mesure universel en psychologie et en sciences sociales. Ces repères empiriques conservent toute leur pertinence heuristique pour le g de Hedges :

• Effet faible (g ≈ 0,20) : L’ampleur du phénomène est discrète mais réelle. Elle demeure difficilement perceptible à l’œil nu lors d’un examen clinique individuel sans instruments psychométriques standardisés. Une taille d’effet de 0,20 est typique des interventions de santé publique universelles ou des études de cognition expérimentale fine.
• Effet moyen (g ≈ 0,50) : La divergence inter-groupe devient notable et commence à se manifester visiblement dans la pratique professionnelle courante d’un clinicien averti. Ce seuil correspond souvent au niveau d’efficacité recherché pour une psychothérapie validée ou un programme éducatif structuré.
• Effet fort (g ≥ 0,80) : La rupture est massive et manifeste. L’écart entre les distributions est tellement marqué qu’il ne laisse que peu de doute sur la supériorité d’une condition. Un tel niveau s’observe typiquement lors de l’administration de pharmacothérapies hautement ciblées ou lors de contrastes opposant des populations cliniques sévères à des sujets sains appariés.

Dans certains sous-champs de la recherche contemporaine, notamment en neuropsychologie des traumatismes crâniens ou lors de la remédiation cognitive intensive, des chercheurs comme John Hattie ont proposé des paliers additionnels : les effets très larges (g ≥ 1,20) et gigantesques (g ≥ 2,00). Dans notre exemple précédent ($g = 0,29$), l’effet de l’intervention MBCT se classe à la frontière entre un effet modeste et un effet moyen : il s’agit d’un bénéfice attentionnel tangible qui justifie la poursuite clinique sans pour autant révolutionner l’ensemble du profil cognitif des patients.

6.2 Dangers de l’application aveugle des seuils standards

L’utilisation de ces conventions comporte des pièges méthodologiques majeurs. Jacob Cohen lui-même avait explicitement mis en garde la communauté scientifique contre l’adoption dogmatique et rigide de ses bornes : ces repères ont été formulés à titre indicatif pour un champ de recherche moyen, en l’absence de toute information préalable contextuelle. Juger un effet « négligeable » au seul motif que son g n’atteint pas le seuil arbitraire de 0,20 relève d’une myopie scientifique préjudiciable.

La valeur clinique d’un effet dépend entièrement du contexte d’application, de la gravité du critère de jugement et du ratio coût/bénéfice du protocole :

• En prévention primaire et épidémiologie : Une intervention sanitaire ultra-simple, peu coûteuse et dénuée d’effets indésirables (par exemple, une consigne nutritionnelle ou un exercice respiratoire quotidien déployé à l’échelle d’un pays) affichant un g de Hedges de 0,10 peut sauver des milliers de vies ou réduire drastiquement la charge économique hospitalière.
• En rééducation post-AVC ou traitement palliatif : À l’inverse, un protocole de réhabilitation neuro-robotique extrêmement lourd, impliquant des séances quotidiennes pénibles pendant six mois et grevé d’un coût financier prohibitif, ne saurait être validé sur la base d’un g de 0,20. Dans ce cadre précis, un seuil d’exigence minimal fixé à g ≥ 0,70 ou 0,80 devient impératif pour compenser la pénibilité de la prise en charge.

La règle épistémologique fondamentale impose donc d’interpréter le g de Hedges en contextualisant systématiquement le résultat par rapport à la littérature spécifique du domaine. Un g de 0,35 doit être qualifié d’effet « remarquable » s’il s’inscrit dans un secteur où les meilleures interventions validées depuis cinquante ans plafonnent à un g moyen de 0,20.

6.3 Interprétation par le recouvrement de distributions et métriques associées

Pour rendre la métrique standardisée concrète et parlante pour les praticiens non statisticiens, Jacob Cohen et ses successeurs ont développé des visualisations basées sur le recouvrement probabiliste des distributions gaussiennes des deux populations comparées. Le g de Hedges s’interprète élégamment à travers trois métriques complémentaires :

1. Les coefficients de non-recouvrement (U-metrics de Cohen) :
Si l’on postule deux courbes normales de dispersion identique décalées de g écarts-types :

• L’indice $U_3$ indique le pourcentage de la population du groupe interventionnel qui dépasse la moyenne arithmétique du groupe contrôle. Pour notre exemple ($g = 0,29$), $U_3 \approx 61,4,%$. Cela signifie que plus de 61 % des patients ayant suivi le protocole MBCT démontrent une flexibilité attentionnelle supérieure à celle d’un patient moyen issu du groupe témoin.
• L’indice $U_1$ correspond au pourcentage cumulé de non-recouvrement global des surfaces sous la courbe. Un g de 0,29 correspond à environ 20,5 % de variance de distribution sans chevauchement.

2. La probabilité de supériorité (Common Language Effect Size – CLES) :
Conceptualisée par McGraw et Wong (1992), cette métrique non paramétrique équivalente traduit la taille d’effet en une probabilité de bon sens : si l’on extrait au hasard un participant au sein du groupe traité et un participant au sein du groupe contrôle, quelle est la probabilité que le score du premier soit supérieur à celui du second ? La transformation mathématique directe via la fonction de distribution normale cumulée ($Phi$) s’écrit :

text{CLES} = Phileft(frac{g}{sqrt{2}}right)

Pour $g = 0,29$, nous avons $0,29 / \sqrt{2} \approx 0,205$. La table de la loi normale centrée réduite nous donne $\Phi(0,205) \approx 0,581$. Il y a donc environ 58,1 % de chances qu’un patient ayant suivi la thérapie MBCT présente une meilleure flexibilité cognitive qu’un patient témoin choisi au hasard.

3. Le Nombre de Sujets à Traiter (NNT – Number Needed to Treat) :
Largement employé en médecine translationnelle et en psychiatrie biologique, le NNT dérive directement du g de Hedges par des transformations formulées notamment par Kraemer et Kupfer (2006). Le NNT exprime le nombre de patients qu’un praticien doit traiter avec le protocole expérimental pour observer un succès clinique supplémentaire par rapport au groupe témoin. Un g avoisinant 0,30 se traduit généralement par un NNT d’environ 6 à 7 patients, une efficacité tout à fait comparable à celle de nombreuses molécules antidépressives de seconde génération sur le marché pharmaceutique.

7. Inférence statistique, variance et intervalles de confiance

7.1 Calcul de la variance asymptotique et de l’erreur type

Une taille d’effet ponctuelle, prise isolément, est vulnérable aux biais d’interprétation si elle n’est pas assortie d’une mesure de son incertitude statistique. Comme toute statistique d’échantillonnage, le g de Hedges est une variable aléatoire dotée de sa propre distribution de probabilité et de sa propre variance d’échantillonnage. La quantification de cette variance conditionne la construction des intervalles de confiance et gouverne la pondération dans les méta-analyses.

Larry Hedges a formellement démontré que la variance asymptotique d’échantillonnage du g de Hedges (souvent notée $v_g$ ou $\text{Var}(g)$) peut être estimée avec précision par la relation suivante :

v_g = frac{n_1 + n_2}{n_1 times n_2} + frac{g^2}{2(n_1 + n_2)}

Dans cette équation à deux termes :

• Le premier terme, $\frac{n_1 + n_2}{n_1 \times n_2} = \frac{1}{n_1} + \frac{1}{n_2}$, dépend exclusivement de la taille des cohortes et de l’équilibre du plan expérimental. Il capte l’incertitude liée à l’échantillonnage des moyennes des groupes.
• Le second terme, $\frac{g^2}{2(n_1 + n_2)}$, reflète l’incertitude d’échantillonnage propre à l’écart-type combiné logé au dénominateur. Ce terme augmente proportionnellement au carré de la taille d’effet observée : plus l’effet est large, plus sa variance d’estimation s’accroît.

L’erreur type (SE, pour Standard Error) du g de Hedges s’obtient simplement par l’extraction de la racine carrée de sa variance asymptotique :

text{SE}(g) = sqrt{v_g} = sqrt{frac{n_1 + n_2}{n_1 times n_2} + frac{g^2}{2(n_1 + n_2)}}

Appliquons immédiatement cette formulation aux paramètres de notre exemple clinique ($n_1 = 39$, $n_2 = 34$, $g = 0,2933$) :

v_g = frac{39 + 34}{39 times 34} + frac{(0,2933)^2}{2(39 + 34)} = frac{73}{1326} + frac{0,08602}{146}

v_g approx 0,055053 + 0,000589 = 0,055642

text{SE}(g) = sqrt{0,055642} approx 0,23588

L’erreur type de notre estimation s’élève à 0,236. Cette valeur servira de socle à la délimitation de la zone de certitude statistique entourant notre mesure.

7.2 Construction rigoureuse des intervalles de confiance à 95 %

Un rapport méthodologique moderne ne saurait tolérer la publication d’un g de Hedges dépourvu de son intervalle de confiance (IC). L’intervalle de confiance à 95 % délimite la plage de valeurs paramétriques qui, sous réplication infinie du protocole expérimental dans des conditions strictement analogues, contiendra la véritable taille d’effet de la population dans 95 % des cas.

Lorsque la taille cumulée des cohortes est raisonnablement vaste (typiquement $N ge 40$ à $50$), le théorème central limite permet d’approcher la distribution d’échantillonnage de g par une loi normale standard (loi de Gauss-Laplace). Les bornes inférieure ($\text{IC}_{\inf}$) et supérieure ($\text{IC}_{\sup}$) de l’intervalle de confiance à 95 % se calculent par l’application du quantile critique $z = 1,96$ :

text{IC}_{95%} = [g – (1,96 times text{SE}(g)) ;; g + (1,96 times text{SE}(g))]

En reprenant nos calculs précédents :

text{Marge d’erreur} = 1,96 times 0,23588 approx 0,4623

text{Borne inférieure} = 0,2933 – 0,4623 = -0,1690

text{Borne supérieure} = 0,2933 + 0,4623 = +0,7556

text{IC}_{95%} = [-0,17 ;; +0,76]

L’analyse de cet intervalle de confiance livre une information statistique capitale : l’intervalle chevauche la valeur zéro. Bien que l’estimation ponctuelle suggère une amélioration cognitive modeste ($g = 0,29$), l’incertitude induite par un échantillon de 73 participants ne permet pas d’exclure formellement l’absence d’effet (valeur 0), ni même un très léger effet défavorable de l’intervention (borne inférieure à -0,17), tout en restant compatible avec un effet thérapeutique puissant (borne supérieure à +0,76). Cet éclairage relativise l’optimisme d’une simple estimation ponctuelle isolée et protège les cliniciens contre les conclusions hâtives.

7.3 Distributions non centrales et calculs exacts

L’approximation par la loi normale standard présentée ci-dessus, bien qu’omniprésente dans la routine logicielle, constitue une simplification asymptotique. En toute rigueur mathématique, la distribution d’échantillonnage d’une différence moyenne standardisée ne suit pas une loi normale, mais une distribution t non centrale régie par deux paramètres : ses degrés de liberté ($df = n_1 + n_2 – 2$) et un paramètre de non-centralité noté lambda ($lambda$). Le paramètre de non-centralité lie directement la valeur théorique delta ($\delta$) aux effectifs expérimentaux :

lambda = delta times sqrt{frac{n_1 times n_2}{n_1 + n_2}}

Dans les contextes d’échantillons minuscules (par exemple $N < 20$), l’asymétrie de la distribution t non centrale devient prononcée, et l’emploi du quantile symétrique gaussien ($1,96$) introduit un biais dans l’estimation des bornes d’incertitude. Pour obtenir des intervalles de confiance exacts, les statisticiens recourent à des algorithmes d’inversion itérative basés sur la fonction de répartition cumulative de la loi t non centrale (disponibles via des packages comme MBESS sous R). Ces procédures computationnelles ajustent les queues de distribution pour garantir une couverture probabiliste rigoureuse à 95 %, attestant du raffinement technique atteint par l’inférence moderne.

8. Le g de Hedges au cœur de la méthodologie de méta-analyse

8.1 Pourquoi le g de Hedges est l’étalon de la synthèse quantitative

Si le g de Hedges est un outil d’analyse de premier ordre pour les études primaires, il devient un prérequis méthodologique indispensable dans le cadre des revues systématiques et des méta-analyses. Les consortiums internationaux de référence scientifique, tels que la Cochrane Collaboration en médecine factuelle ou la Campbell Collaboration en sciences de l’éducation et politiques publiques, prescrivent quasi unanimement le g de Hedges comme standard pour la synthèse de variables continues.

Cette hégémonie s’explique par les propriétés mathématiques de l’agrégation. Lorsqu’un méta-analyste compile quarante études cliniques explorant l’efficacité d’un traitement, ces études présentent fréquemment des tailles d’échantillon disparates : certaines grandes cohortes regroupent 300 patients, tandis que des études cliniques pilotes pionnières n’en comptent que 14. Si le méta-analyste intégrait le d de Cohen non corrigé dans son modèle, les petites études injecteraient systématiquement une taille d’effet gonflée vers le haut. La sommation linéaire de ces estimations individuelles produirait un résultat global consolidé artificiellement dopé par le cumul des biais d’échantillonnage. En purgeant chaque étude de son biais de petit échantillon en amont grâce au coefficient $J(df)$, le g de Hedges garantit que le résultat de la méta-analyse converge fidèlement vers l’efficacité clinique réelle.

8.2 Pondération par l’inverse de la variance

L’opération fondamentale d’une méta-analyse moderne ne consiste pas à effectuer une simple moyenne arithmétique naïve des tailles d’effet individuelles. Une telle approche traiterait une étude imprécise menée sur 10 sujets avec la même légitimité épistémique qu’une étude clinique de grande ampleur portant sur 800 participants. La méthodologie méta-analytique développée par Larry Hedges et Ingram Olkin repose sur le principe fondamental de la pondération par l’inverse de la variance (inverse-variance weighting).

Sous ce principe, chaque étude individuelle $i$ se voit assigner un poids statistique ($w_i$) proportionnel à sa précision statistique. La variance asymptotique ($v_{gi}$) calculée à la section 7.1 sert d’étalon : plus une étude dispose d’un échantillon important, plus son erreur type est réduite, plus sa variance $v_{gi}$ est faible, et plus le poids qui lui est alloué dans la synthèse est grand. Le poids individuel est formalisé par :

w_i = frac{1}{v_{gi}} = frac{1}{text{Var}(g_i)}

La taille d’effet moyenne globale méta-analytique ($\bar{g}$) s’obtient alors par la somme pondérée des tailles d’effet divisée par la somme globale des poids attribués :

bar{g} = frac{sum_{i=1}^{k} (w_i times g_i)}{sum_{i=1}^{k} w_i}

Cette architecture confère une robustesse optimale à la conclusion : elle neutralise le bruit d’échantillonnage des petites études tout en intégrant rigoureusement l’information résiduelle qu’elles recèlent.

8.3 Modèles à effets fixes versus modèles à effets aléatoires

La conduite d’une synthèse méta-analytique exige un arbitrage conceptuel entre deux modélisations mathématiques distinctes :

1. Le modèle à effets fixes (Fixed-Effect Model) :
Ce modèle postule qu’il existe une seule et unique taille d’effet paramétrique sous-jacente ($\delta$), invariable et commune à l’ensemble des études répertoriées. Dans cette optique restrictive, les divergences numériques observées entre les études résultent exclusivement d’un bruit d’échantillonnage stochastique résiduel intra-étude ($\epsilon_i$) :

g_i = delta + epsilon_i quad text{avec} quad epsilon_i sim mathcal{N}(0, v_{gi})

2. Le modèle à effets aléatoires (Random-Effects Model) :
Face à la réalité des sciences comportementales, l’hypothèse d’une valeur universelle unique est souvent illusoire. Les protocoles expérimentaux varient d’un laboratoire à l’autre : caractéristiques démographiques des populations, doses de la molécule, ancienneté des thérapeutes ou variantes linguistiques des tests. Le modèle à effets aléatoires formalisé par DerSimonian et Laird suppose donc que chaque étude $i$ dispose de sa propre taille d’effet réelle ($\delta_i$), ces paramètres se distribuant eux-mêmes autour d’une moyenne hyper-paramétrique globale ($\mu_\delta$) avec une variance inter-études notée $\tau^2$ (tau-carré) :

g_i = mu_delta + zeta_i + epsilon_i quad text{avec} quad zeta_i sim mathcal{N}(0, tau^2)

Dans ce cadre, la formule de pondération du g de Hedges s’ajuste pour incorporer la dispersion inter-études :

w_i^* = frac{1}{v_{gi} + tau^2}

En modélisant explicitement cette hétérogénéité résiduelle ($\tau^2$) à partir des indices g individuels, le statisticien évite de sous-estimer l’erreur type de l’effet global, garantissant des intervalles de confiance méta-analytiques robustes et généralisables.

9. Conditions de validité, hypothèses et alternatives robustes

9.1 Hypothèses sous-jacentes du modèle paramétrique

En tant qu’estimateur paramétrique hérité de la distribution de Student, le g de Hedges repose sur des postulats statistiques qu’il incombe au chercheur de valider formellement avant toute extrapolation inférentielle :

• Le postulat de normalité distributionnelle : La variable dépendante doit se distribuer selon une loi normale au sein de chacune des deux populations étudiées. Si cette condition est généralement tolérante aux déviations légères pour des effectifs importants grâce aux propriétés asymptotiques, les violations sévères de la normalité (distributions fortement asymétriques, unimodales tronquées ou bimodales) perturbent gravement l’estimation de l’écart-type combiné dans les petits échantillons, faussant la précision du g de Hedges.
• Le postulat d’homogénéité des variances (homoscédasticité) : L’architecture de la variance combinée ($s_{pool}^2$) exige impérativement que les deux populations possèdent une variance théorique identique ($\sigma_1^2 = \sigma_2^2$). Lorsque cette égalité est violée (hétéroscédasticité caractérisée), le regroupement des variances sous un dénominateur commun perd son fondement mathématique. Si le groupe ayant la plus faible variance dispose simultanément de la taille d’échantillon la plus réduite, le g de Hedges subira des distorsions imprévisibles.
• L’indépendance des observations : Chaque mesure collectée doit être statistiquement indépendante des autres. Toute corrélation intraclasse non modélisée (par exemple, des élèves nichés au sein de classes scolaires ou des mesures longitudinales récurrentes sur un même individu) rend la formulation classique de la variance de Hedges erronée, produisant des erreurs types artificiellement compressées.

9.2 Que faire en cas d’hétéroscédasticité ? Le Delta de Glass

Lorsque le test de Levene ou de Bartlett révèle une violation structurelle de l’homoscédasticité, le chercheur se trouve confronté à un dilemme : comment standardiser la différence de moyennes si les deux groupes ne partagent pas la même dispersion de référence ?

Une alternative élégante est fournie par le Delta de Glass ($\Delta$), conceptualisé par Gene V. Glass en 1976. L’intuition de Glass repose sur une logique de causalité expérimentale : dans un essai contrôlé, le groupe expérimental est soumis à un traitement qui peut altérer non seulement la moyenne du comportement, mais également sa variance (certains sujets répondant vigoureusement à l’intervention tandis que d’autres restent stationnaires, augmentant l’écart-type du groupe traité). En revanche, le groupe contrôle ne subit aucune intervention ; sa variance représente la dispersion basale pure de la population clinique non manipulée.

Le Delta de Glass standardise donc la différence des moyennes en utilisant exclusivement l’écart-type de l’échantillon contrôle ($s_2$) au dénominateur :

Delta = frac{M_1 – M_2}{s_2}

Le recours au Delta de Glass est hautement recommandé lorsque le protocole expérimental engendre une explosion de variabilité dans le groupe traité, situation où le calcul du $s_{pool}$ du g de Hedges lisserait artificiellement une information clinique précieuse. Néanmoins, le Delta de Glass présente un inconvénient : reposant sur les seuls degrés de liberté du groupe contrôle ($n_2 – 1$), son estimation de la dispersion est intrinsèquement plus volatile que celle du g de Hedges, nécessitant des effectifs de contrôle confortables.

9.3 Alternatives robustes non paramétriques

Face à des données violant conjointement la normalité et l’homoscédasticité, ou polluées par des valeurs aberrantes (outliers) susceptibles de fausser les moyennes arithmétiques, le statisticien doit se tourner vers des alternatives d’estimation non paramétriques ou robustes :

1. L’approche par les moyennes tronquées (Trimmed Means) :
Proposée par des statisticiens comme Rand Wilcox, cette stratégie substitue aux moyennes et variances classiques des estimateurs robustes calculés après exclusion symétrique de 10 % ou 20 % des valeurs extrêmes de chaque queue de distribution. La différence moyenne standardisée robuste ainsi obtenue offre une résistance remarquable aux artéfacts d’enregistrement.

2. La taille d’effet de probabilité de supériorité non paramétrique (d de Cliff) :
Le Delta de Cliff ($\delta_c$) quantifie directement la probabilité qu’une observation issue du groupe 1 surpasse une observation du groupe 2, diminuée de la probabilité réciproque, sans faire d’hypothèse sur la distribution sous-jacente :

delta_c = frac{# (x_{1i} > x_{2j}) – # (x_{1i} < x_{2j})}{n_1 times n_2}

3. Le rééchantillonnage par Bootstrap (Bootstrapped Confidence Intervals) :
Lorsque les conditions distributionnelles de validité des équations asymptotiques sont douteuses, la méthode computationnelle de prédilection consiste à générer par tirages aléatoires avec remise plusieurs milliers de pseudo-échantillons empiriques (généralement 5 000 ou 10 000 répétitions). La distribution empirique de g issue de ce processus itératif permet de dériver un intervalle de confiance bootstrap corrigé des biais et accéléré (BCa), libéré des contraintes de normalité théorique.

10. Mise en pratique computationnelle sous R, Python et logiciels dédiés

10.1 Implémentation sous R avec les packages spécialisés

L’environnement statistique libre R s’impose comme la plateforme de prédilection pour l’analyse computationnelle des tailles d’effet. Plusieurs packages de référence permettent d’extraire le g de Hedges avec une exactitude mathématique exemplaire :

1. Le package effsize :
La fonction cohen.d() est paramétrable pour basculer automatiquement vers l’estimation sans biais de Hedges via l’argument booléen hedges = TRUE. La syntaxe prend directement en charge les formules de variables dépendantes reliées à un facteur inter-sujets :

cohen.d(score ~ groupe, data = mon_dataframe, hedges = TRUE)

La sortie console générée par ce script fournit l’estimation ponctuelle du g de Hedges, son intervalle de confiance à 95 % dérivé de la loi t non centrale, ainsi que le rappel de la formule computationnelle employée.

2. Le package esc :
Spécialement calibré pour les méta-analystes confrontés à des données de seconde main, le package esc permet de calculer le g de Hedges à partir des seules statistiques descriptives récapitulatives (moyennes, écarts-types et effectifs par groupe) :

esc_mean_sd(grp1m = 15.2, grp1sd = 4.4, grp1n = 39, grp2m = 14.0, grp2sd = 3.6, grp2n = 34, es.type = « g »)

Ce script extrait instantanément le coefficient sans biais, l’erreur type, la variance d’échantillonnage ainsi que les bornes d’incertitude.

3. Le package metafor :
Pour les modélisations complexes et les synthèses méta-analytiques d’envergure, la fonction escalc() du package metafor conçu par Wolfgang Viechtbauer représente le standard international absolu :

escalc(measure = « HEDGES », m1i = m1, sd1i = sd1, n1i = n1, m2i = m2, sd2i = sd2, n2i = n2, data = corpus_etudes)

Cette commande génère automatiquement deux nouvelles colonnes vectorielles au sein de la base : yi (les valeurs individuelles du g de Hedges) et vi (leurs variances d’échantillonnage asymptotiques respectives), prêtes pour l’ajustement de modèles à effets mixtes.

10.2 Calcul sous Python à l’aide de Pingouin et SciPy

Dans l’écosystème open-source Python, traditionnellement plébiscité par les spécialistes de la science des données et de l’apprentissage automatique, le calcul du g de Hedges est pris en charge par des bibliothèques scientifiques spécialisées, au premier rang desquelles figure Pingouin.

La fonction compute_effsize() de Pingouin permet d’extraire la métrique sans effort à partir de tableaux de données Pandas ou de tableaux matriciels NumPy. Il suffit d’alimenter la fonction avec les deux vecteurs de scores et de spécifier le type d’estimateur souhaité :

import pingouin as pg
g_val = pg.compute_effsize(x = groupe_intervention, y = groupe_controle, eftype = ‘hedges’)

Alternativement, pour les chercheurs souhaitant intégrer le test d’inférence complet et la taille d’effet dans un même tableau synthétique, la fonction ttest() de Pingouin regroupe l’ensemble des métriques décisionnelles :

resultat = pg.ttest(groupe_intervention, groupe_controle, correction = False)

Le tableau résultant affiche simultanément la statistique t, les degrés de liberté, la valeur p exacte, le coefficient g de Hedges, son intervalle de confiance à 95 %, ainsi que la puissance statistique a posteriori et le facteur de Bayes.

Pour des représentations graphiques publiables, les modules Seaborn et Matplotlib permettent d’adosser à cette statistique des graphiques en demi-violon (raincloud plots) visualisant les distributions individuelles brutes et le décalage standardisé calculé.

10.3 Extraction du g de Hedges via JASP et SPSS

Pour les praticiens privilégiant des environnements logiciels pilotés par interface graphique, l’accès au g de Hedges s’effectue selon des cheminements ergonomiques spécifiques :

1. Sous JASP (logiciel libre soutenu par l’Université d’Amsterdam) :
JASP se distingue par une intégration exemplaire des standards contemporains de la science ouverte. Lors de la conduite d’un Test t pour échantillons indépendants, il suffit de cocher dans le panneau latéral des options la case Taille d’effet, puis de sélectionner le bouton radio g de Hedges au lieu du traditionnel d de Cohen. JASP actualise en temps réel son tableau de sortie au format APA, rapportant le g ponctuel et proposant en option l’affichage de l’intervalle de confiance dérivé de la distribution non centrale exacte.

2. Sous IBM SPSS Statistics :
Historiquement, SPSS ne proposait dans ses menus déroulants standards que le d de Cohen ou le delta de Glass. Depuis les versions récentes (SPSS 27 et supérieures), IBM a finalement intégré l’estimation des tailles d’effet au sein de la boîte de dialogue Comparer les moyennes > Test T pour échantillons indépendants. En activant l’option Estimer les tailles d’effet, SPSS génère un tableau dédié affichant la correction de Hedges.

Pour les utilisateurs opérant sur des versions antérieures de SPSS, le recours à la syntaxe matricielle personnalisée ou à l’intégration du script R via le plugin d’extension d’IBM reste nécessaire pour éviter les calculs manuels sur tableur.

11. Études de cas concrètes appliquées aux sous-disciplines psychologiques

11.1 Cas clinique : Neuropsychologie et lésions cérébrales rares

Examinons une situation méthodologique tirée de la neuropsychologie clinique, où le recrutement de patients souffrant de lésions cérébrales focales bilatérales spécifiques se heurte à une rareté épidémiologique absolue. Une chercheuse évalue l’efficacité d’une nouvelle technique de réalité virtuelle immersive conçue pour réhabiliter la mémoire prospective chez des patients atteints d’un syndrome amnésique post-anoxique.

L’étude parvient à inclure péniblement 16 patients au total, répartis aléatoirement en deux sous-groupes de taille restreinte :

• Groupe Réalité Virtuelle : $n_1 = 8$ patients, $M_1 = 28,4$, $s_1 = 5,1$
• Groupe Ergothérapie Traditionnelle : $n_2 = 8$ patients, $M_2 = 22,1$, $s_2 = 4,8$

Le calcul de l’écart-type combiné livre :

s_{pool} = sqrt{frac{(7 times 26,01) + (7 times 23,04)}{14}} = sqrt{frac{182,07 + 161,28}{14}} = sqrt{24,525} approx 4,952

La différence brute de moyenne est de $28,4 – 22,1 = 6,3$ points. Calculons à présent le d de Cohen non corrigé :

d = frac{6,3}{4,952} approx 1,272

Calculons ensuite le coefficient de Hedges avec $df = 14$ :

J(14) approx 1 – frac{3}{(4 times 14) – 1} = 1 – frac{3}{55} = 1 – 0,0545 = 0,9455

g = 0,9455 times 1,272 approx 1,203

Dans ce scénario à petit effectif, l’emploi du d de Cohen non corrigé gonfle artificiellement la taille d’effet de plus de 0,07 écart-type (+5,7 % d’inflation statistique). Rapporter un d de 1,27 au lieu d’un g de 1,20 dans un protocole exploratoire peut induire les cliniciens en erreur quant à l’ampleur des gains réels de la réalité virtuelle. Le g de Hedges assainit l’inférence en restituant une estimation non biaisée, tout en confirmant le bénéfice thérapeutique substantiel de la technologie ($g > 1,20$).

11.2 Cas expérimental : Psychologie sociale et cognition implicite

Considérons à présent une situation diamétralement opposée : une investigation en psychologie sociale expérimentale conduite en ligne sur une large cohorte via la plateforme Prolific. Les expérimentateurs explorent l’effet d’une micro-manipulation d’amorçage linguistique (mots connotant la coopération versus mots neutres) sur le montant alloué lors d’un jeu de biens publics informatisé.

Grâce à la collecte de données sur internet, l’étude bénéficie d’une puissance statistique considérable :

• Groupe Amorçage Coopération : $n_1 = 280$ participants, $M_1 = 12,45$ €, $s_1 = 3,20$ €
• Groupe Contrôle Neutre : $n_2 = 275$ participants, $M_2 = 11,88$ €, $s_2 = 3,15$ €

Le volume cumulé de l’échantillon s’élève à $N = 555$, générant $df = 553$ degrés de liberté. La différence des moyennes est de $12,45 – 11,88 = 0,57$ €. Le calcul de l’écart-type combiné produit $s_{pool} \approx 3,175$ €. Le d de Cohen s’établit à :

d = frac{0,57}{3,175} approx 0,1795

Calculons le terme correctif de Hedges pour ces 553 degrés de liberté :

J(553) approx 1 – frac{3}{(4 times 553) – 1} = 1 – frac{3}{2211} approx 1 – 0,001357 = 0,998643

g = 0,998643 times 0,1795 approx 0,1793

À ce niveau d’échantillonnage ($N > 500$), la divergence entre le d de Cohen et le g de Hedges ne se manifeste qu’à la quatrième décimale (0,1795 versus 0,1793). Cet exemple illustre empiriquement la convergence asymptotique de ces deux estimateurs. Plus fondamentalement, sur le plan de l’interprétation théorique, le test de Student livre une valeur hautement significative ($t(553) \approx 2,11$ ; $p = 0,035$). Pourtant, l’évaluation du g de Hedges ($g = 0,18$) révèle que l’effet de cet amorçage est très modeste. L’analyste conclura que si la micro-manipulation produit bien un décalage statistiquement détectable, son impact réel sur les comportements économiques quotidiens demeure marginal.

11.3 Cas thérapeutique : Comparaison d’interventions psychodynamique et TCC

Pour illustrer l’impact des déséquilibres d’échantillonnage induits par les phénomènes d’abandon en cours de traitement (attrition), analysons un essai contrôlé randomisé comparant une psychothérapie brève d’orientation psychodynamique (POP) à une thérapie cognitivo-comportementale (TCC) dans la prise en charge du trouble d’anxiété généralisée.

Initialement, 35 patients ont été randomisés dans chaque bras expérimental. Toutefois, au terme des 16 semaines de prise en charge, des profils différentiels d’attrition ont altéré la composition finale des groupes :

• Groupe TCC : $n_1 = 28$ patients restants, score final HAM-A : $M_1 = 11,2$, $s_1 = 3,8$
• Groupe POP : $n_2 = 19$ patients restants, score final HAM-A : $M_2 = 13,9$, $s_2 = 4,5$

Ce cas cumule deux difficultés méthodologiques fréquentes : des effectifs réduits et une asymétrie marquée consécutive aux abandons. Calculons les paramètres :

df_1 = 27 quad text{et} quad df_2 = 18 implies df_{text{total}} = 45

s_1^2 = 14,44 quad text{et} quad s_2^2 = 20,25

s_{pool}^2 = frac{(27 times 14,44) + (18 times 20,25)}{45} = frac{389,88 + 364,50}{45} = frac{754,38}{45} approx 16,764

s_{pool} = sqrt{16,764} approx 4,094

La différence brute de moyenne est de $11,2 – 13,9 = -2,7$ points en faveur de la TCC (scores d’anxiété inférieurs). Le d de Cohen non corrigé s’élève à :

d = frac{-2,7}{4,094} approx -0,6595

Calculons le facteur correctif de Hedges pour $df = 45$ :

J(45) approx 1 – frac{3}{(4 times 45) – 1} = 1 – frac{3}{179} approx 1 – 0,01676 = 0,98324

g = 0,98324 times (-0,6595) approx -0,6485

L’estimation sans biais de Hedges ramène l’effet à g = -0,65. Si l’on calcule l’intervalle de confiance à 95 % associé, l’erreur type s’élève à :

v_g = frac{28 + 19}{28 times 19} + frac{(-0,65)^2}{2(47)} = frac{47}{532} + frac{0,4225}{94} approx 0,088346 + 0,004495 = 0,092841

text{SE}(g) = sqrt{0,092841} approx 0,3047

text{IC}_{95%} = [-0,65 – (1,96 times 0,305) ;; -0,65 + (1,96 times 0,305)] = [-1,25 ;; -0,05]

Cet exemple illustre toute la finesse de l’analyse : l’intervalle de confiance exclut la valeur zéro (les deux bornes étant négatives), confirmant la supériorité statistique de la TCC sur la psychothérapie psychodynamique dans ce contexte spécifique. Toutefois, la largeur considérable de l’intervalle (de -0,05, effet cliniquement infinitésimal, à -1,25, effet massif) informe immédiatement la communauté scientifique de la fragilité de cette conclusion, imputable à l’attrition des effectifs, et souligne l’urgence de réplications sur des cohortes plus robustes.

12. Recommandations rédactionnelles et normes APA pour le reporting

12.1 Directives de l’APA 7e édition pour la communication des tailles d’effet

La publication d’analyses statistiques dans les revues affiliées à l’American Psychological Association ou adhérant à ses standards méthodologiques obéit à un protocole rédactionnel standardisé. Le manuel officiel de style de l’APA (7e édition) réitère l’obligation de communiquer systématiquement une taille d’effet standardisée pour l’ensemble des tests inférentiels primaires rapportés.

Les consignes typographiques et rédactionnelles pour la statistique de Hedges s’articulent selon les exigences suivantes :

• Typographie de la statistique : La lettre désignant l’indice s’écrit obligatoirement en minuscule et en italique (g). Lorsqu’elle est désignée nominativement dans le corps du texte, la dénomination exacte s’écrit avec une majuscule et une apostrophe : « le g de Hedges ».
• Format des décimales : En conformité avec les règles de l’APA, le coefficient g, son erreur type et les bornes de l’intervalle de confiance doivent être arrondis à deux décimales après la virgule (trois décimales étant tolérées en cas de sensibilité analytique particulière). Dans la mesure où une différence standardisée peut théoriquement dépasser l’unité, le zéro initial précédant la virgule (ou le point décimal en anglais) est obligatoire (ex. : g = 0,45 et non g = ,45).
• Format d’insertion textuelle : L’indication de la taille d’effet doit immédiatement suivre les statistiques du test inférentiel (valeur du test, degrés de liberté et valeur p exacte), et être impérativement accompagnée de son intervalle de confiance à 95 % explicite :

« L’analyse par test t pour échantillons indépendants révèle une supériorité statistiquement significative du groupe d’entraînement attentionnel par rapport au groupe témoin, t(71) = 2,04, p = 0,045, g = 0,29, IC à 95 % [-0,17, 0,76]. »

Cette rigueur de présentation garantit une transparence scientifique optimale et facilite l’extraction computationnelle directe de vos résultats par les futurs auteurs de méta-analyses.

12.2 Transparence méthodologique et pratiques de science ouverte

L’essor salutaire du mouvement pour la science ouverte (Open Science Framework, reproductibilité des analyses, protocoles pré-enregistrés) modifie en profondeur les exigences pesant sur les auteurs de rapports de recherche. La simple restitution du coefficient ponctuel dans le corps du texte ne suffit plus à garantir la pérennité scientifique d’une publication.

Pour satisfaire pleinement aux exigences de reproductibilité computationnelle, les chercheurs doivent veiller aux bonnes pratiques méthodologiques suivantes :

• Fourniture exhaustive des statistiques descriptives : Les articles doivent inclure, au sein du texte ou sous forme de tableaux clairs, la totalité des paramètres bruts : moyennes exactes, écarts-types calculés avec leurs degrés de liberté ($n – 1$) et effectifs réels finaux de chaque cohorte après exclusion ou attrition. Omettre l’écart-type d’un groupe contrôle empêche les synthèses méta-analytiques ultérieures.
• Publication des scripts d’analyse reproductibles : Les lignes de commande utilisées sous R, Python ou les fichiers de syntaxe SPSS doivent être téléversés sur des dépôts ouverts publics et pérennes dotés d’un DOI (tels que l’Open Science Framework ou Zenodo). Cette transparence permet à la communauté d’examiner le choix exact du dénominateur d’écart-type combiné et de vérifier l’algorithme d’ajustement retenu.
• Bannissement du cherry-picking méthodologique : Il est scientifiquement proscrit de calculer simultanément le d de Cohen brut et le g de Hedges corrigé pour ne sélectionner dans le manuscrit final que la métrique affichant la valeur la plus valorisante pour l’hypothèse de recherche. Le recours systématique au g de Hedges doit être spécifié en amont dans le protocole pré-enregistré de l’étude.

12.3 Synthèse et grille d’évaluation critique pour les évaluateurs

Pour les relecteurs (peer-reviewers) et les évaluateurs de manuscrits scientifiques, la lecture critique de l’usage des tailles d’effet standardisées peut être structurée autour d’une grille méthodologique en cinq points de contrôle :

• 1. Justification du choix métrique : L’auteur utilise-t-il le g de Hedges en présence d’échantillons petits à modérés ($N < 50$) ? Si le d de Cohen a été retenu, l’auteur a-t-il justifié l’absence de correction ?
• 2. Adéquation du dénominateur : L’écart-type combiné pondéré ($s_{pool}$) a-t-il bien été calculé en tenant compte des degrés de liberté respectifs ($n_1 – 1$ et $n_2 – 1$), et non par une simple moyenne arithmétique des écarts-types ?
• 3. Vérification de l’homoscédasticité : Les variances des deux groupes sont-elles homogènes ? En cas de divergence marquée des dispersions, l’auteur a-t-il basculé vers le Delta de Glass ou des estimateurs robustes adaptés ?
• 4. Présence de l’intervalle de confiance : Le g de Hedges est-il systématiquement accompagné de son intervalle de confiance à 95 % ? Si la taille d’échantillon globale est faible, l’intervalle a-t-il été estimé via la loi t non centrale ou par rééchantillonnage bootstrap ?
• 5. Nuance et contextualisation de l’interprétation : La discussion clinique évite-t-elle le piège de la catégorisation dogmatique aveugle des seuils de Cohen (0,2 – 0,5 – 0,8) ? L’impact pratique est-il contextualisé au regard des spécificités du champ disciplinaire et de la balance bénéfice/coût de l’intervention ?

L’application rigoureuse de ces critères garantit l’intégrité de la littérature empirique contemporaine. En s’affranchissant des mirages de la valeur p pour embrasser l’estimation sans biais de la taille d’effet, la recherche quantitative en sciences humaines se dote des outils nécessaires pour bâtir un corpus de connaissances reproductible, robuste et utile aux praticiens de terrain.

Références

• Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
• Cumming, G. (2012). Understanding the new statistics: Effect sizes, confidence intervals, and meta-analysis. Routledge.
• DerSimonian, R., & Laird, N. (1986). Meta-analysis in clinical trials. Controlled Clinical Trials, 7(3), 177-188. https://doi.org/10.1016/0197-2456(86)90046-2
• Glass, G. V. (1976). Primary, secondary, and meta-analysis of research. Educational Researcher, 5(10), 3-8. https://doi.org/10.3102/0013189X005010003
• Hedges, L. V. (1981). Distribution theory for Glass’s estimator of effect size and related estimators. Journal of Educational Statistics, 6(2), 107-128. https://doi.org/10.3102/10769986006002107
• Hedges, L. V. (1982). Estimation of effect size from a series of independent experiments. Psychological Bulletin, 92(2), 490-499. https://doi.org/10.1037/0033-2909.92.2.490
• Hedges, L. V., & Olkin, I. (1985). Statistical methods for meta-analysis. Academic Press.
• Kraemer, H. C., & Kupfer, D. J. (2006). Size of treatment effects and their importance to clinical research and practice. Biological Psychiatry, 59(11), 990-996. https://doi.org/10.1016/j.biopsych.2005.09.014
• Lakens, D. (2013). Calculating and reporting effect sizes to facilitate cumulative science: A practical primer for t-tests and ANOVAs. Frontiers in Psychology, 4, Article 863. https://doi.org/10.3389/fpsyg.2013.00863
• McGraw, K. O., & Wong, S. P. (1992). A common language effect size statistic. Psychological Bulletin, 111(2), 361-365. https://doi.org/10.1037/0033-2909.111.2.361
• Viechtbauer, W. (2010). Conducting meta-analyses in R with the metafor package. Journal of Statistical Software, 36(3), 1-48. https://doi.org/10.18637/jss.v036.i03
• Wilcox, R. R. (2017). Introduction to robust estimation and hypothesis testing (4th ed.). Academic Press.