Seit 2019 im DACH-RaumSeit 2019
50+ Statistik-Experten50+ Experten
Über 1.200 Projekte1.200+ Projekte
Alle StatistikprogrammeAlle Programme
Express möglichExpress

Statistik-Glossar

Cohen’s d

Cohen’s d / Standardisierte Mittelwertdifferenz · Maximilian Fuchs · 24. April 2026 · 5 Min. Lesezeit

Was versteht man unter Cohen’s d?

Cohen’s d ist ein Effektgrößenmaß, das angibt, wie stark sich zwei Gruppen in ihren Mittelwerten voneinander unterscheiden – und zwar nicht in der Originaleinheit der Messung, sondern in Einheiten der Standardabweichung. Es wurde vom Statistiker Jacob Cohen in den 1960er Jahren entwickelt und ist heute eines der gebräuchlichsten Maße zur Quantifizierung von Unterschieden zwischen zwei Gruppen.

Die Formel lautet:

Formel: Cohen’s d

Dabei steht für den Mittelwert der ersten Gruppe, für den Mittelwert der zweiten Gruppe, und für die gepoolte Standardabweichung beider Gruppen. Die gepoolte Standardabweichung berechnet sich als:

Formel: Gepoolte Standardabweichung

wobei und die Standardabweichungen der beiden Gruppen sind.

Einfach erklärt Stell dir vor, du vergleichst die Prüfungspunkte zweier Lerngruppen. Die eine Gruppe hat im Schnitt 5 Punkte mehr. Aber ist das viel oder wenig? Das hängt davon ab, wie stark die Punktzahlen insgesamt streuen. Cohen’s d setzt diese Differenz ins Verhältnis zur typischen Streuung – und macht den Unterschied damit vergleichbar, egal ob du Punkte, Sekunden oder Kilogramm misst.

Als grobe Orientierung für die Interpretation gelten die von Cohen selbst vorgeschlagenen Schwellenwerte:

Tabelle 1. Konventionelle Interpretationsrichtlinien für Cohen’s d nach Cohen (1988)
Wert von d Effektgröße
≈ 0,20 Kleiner Effekt
≈ 0,50 Mittlerer Effekt
≈ 0,80 Großer Effekt
Gut zu wissen Diese Schwellenwerte sind Faustregeln, keine starren Grenzen. Was in einem Forschungsfeld als großer Effekt gilt, kann in einem anderen Kontext bereits Standard sein. Orientiere dich immer auch an vergleichbaren Studien in deinem Fachgebiet.

Warum ist Cohen’s d für statistische Analysen wichtig?

Ein statistisch signifikanter Unterschied zwischen zwei Gruppen sagt noch nichts darüber aus, wie bedeutsam dieser Unterschied tatsächlich ist. Bei sehr großen Stichproben können selbst winzige, praktisch irrelevante Unterschiede signifikant werden. Cohen’s d löst dieses Problem, indem es die praktische Bedeutsamkeit eines Effekts messbar macht – unabhängig von der Stichprobengröße.

Cohen’s d wird besonders häufig eingesetzt bei:

  • der Berechnung der Teststärke (Power) und Stichprobenplanung vor einer Studie
  • dem Vergleich von Ergebnissen verschiedener Studien, z. B. in Meta-Analysen
  • der Berichterstattung in wissenschaftlichen Arbeiten, wo Effektgrößen zunehmend erwartet werden
Häufiger Fehler Cohen’s d wird oft mit dem p-Wert verwechselt oder gleichgesetzt. Ein kleines d bedeutet nicht automatisch kein signifikanter Unterschied – und umgekehrt bedeutet ein signifikanter p-Wert nicht zwingend einen großen Effekt. Beide Maße ergänzen sich, ersetzen sich aber nicht.

Praxisbeispiel zu Cohen’s d

Eine Psychologiestudentin untersucht, ob ein neues Entspannungstraining den Stresslevel senkt. Sie vergleicht eine Trainingsgruppe () mit einer Kontrollgruppe () auf einer Stressskala von 0 bis 100.

Tabelle 2. Deskriptive Kennwerte der beiden Gruppen
Gruppe Mittelwert (M) Standardabweichung (SD) n
Trainingsgruppe 42 10 30
Kontrollgruppe 55 12 30

Die gepoolte Standardabweichung beträgt:

Berechnung: Gepoolte Standardabweichung

Cohen’s d ergibt sich dann als:

Berechnung: Cohen’s d

Ein Wert von entspricht nach Cohens Konvention einem großen Effekt. Das Entspannungstraining hat den Stresslevel also nicht nur statistisch signifikant, sondern auch in praktisch relevantem Ausmaß gesenkt. In ihrer Bachelorarbeit kann die Studentin diesen Wert direkt berichten und interpretieren.

Ihr persönlicher Ansprechpartner

Maximilian Fuchs, M. Sc.

Teilen Sie uns mit, wie wir Ihnen helfen können.

  • Persönlicher Ansprechpartner
  • Schnelle Rückmeldung
  • Transparente Preise
  • Schutz Ihrer Daten

Fragen? Einfach anrufen!