сказать, как член одной из групп выполнит задание или сколько баллов он получит в личностном тесте. И вы не можете определить на основании количества баллов, которое получил участник, к какой группе он относится. Эти группы на самом деле имеют гораздо больше сходств, чем различий. Поэтому хотя и существует статистическая разница, это не всегда значимое отличие.

Один из способов измерения степени пересечения двух групп заключается в определении величины эффекта^>34. Чтобы ее рассчитать, нужно вычесть средний балл одной группы из среднего балла другой, а потом разделить разность на величину изменчивости в двух группах. Допустим, вы хотите узнать, кто быстрее решает кроссворды: любители чая или кофе. Вы собираете данные, вычитаете средний балл чаелюбов из среднего балла кофеманов и делите на величину стандартного отклонения – это показатель дисперсии (разброса значений), который показывает широту распределения баллов в каждой группе. В результате вы получите «величину эффекта» для различия между теми, кто пьет чай, и теми, кто предпочитает кофе.

Величина эффекта показывает, насколько значимыми являются различия между группами. Психологи говорят о «статистически значимых различиях», и, строго говоря, так оно и есть. Однако различия могут быть незначительными и в действительности не оказывать влияния на решение принять на работу представителя одной группы, а не другой (или пригласить для отгадывания кроссворда любителя кофе или чая). Когда вы говорите о чем-то столь же важном, как результаты исследования половых различий, то вы должны четко объяснить, что имеете в виду. Если величина эффекта небольшая (около 0,2), то различия между баллами в двух группах могут быть статистически «значимыми». Но на самом деле на основании этих различий вы не можете точно определить, к какой группе принадлежит участник или что могут или не могут делать представители той или иной группы.

Если две группы явно различаются, то величина эффекта будет довольно большой. Самый яркий пример – это различие роста мужчин и женщин. Средняя величина эффекта составляет примерно 2,0, то есть мужчины и женщины отличаются существенно: девяносто восемь процентов представителей более высокой группы будут выше среднего роста низкой группы^>35. Однако, даже если величина эффекта большая, то значения, измеренные в двух группах, будут пересекаться на тридцать процентов.

Я так подробно останавливаюсь на этом потому, что величина эффекта в большинстве опубликованных исследований половых различий невелика, порядка 0,2 или 0,3. Это значит, что пересечение данных составляет примерно девяносто процентов. Даже «умеренная» величина эффекта 0,5 свидетельствует о пересечении более чем на восемьдесят процентов. Поэтому когда кто-то говорит о половых различиях, нам нужно четко представлять себе, что это почти никогда не означает полного разделения, непересечения данных двух групп. Это также не означает, что они явно различимы, какой бы параметр вы ни оценивали, и если вы знаете пол человека, то вы не можете точно предсказать, насколько хорошо или плохо он выполнит какое-то задание или как поведет себя в конкретной ситуации^>36.

Очень важно учитывать величину эффекта, если вы пытаетесь составить общее впечатление о данных в той или иной области исследований. Есть такой прием, метаанализ. Это когда вы сопоставляете данные, полученные из разных экспериментов по изучению одной и той же темы. Вы определяете, сколько человек участвовало в исследовании, оцениваете, насколько полученные данные достоверные и согласующиеся, а также высчитываете, какая величина эффекта является нормой. Такой подход помогает решить проблему исследований с небольшим количеством участников или экспериментов типа «включено-выключено», которые невозможно повторить. Когда вы смотрите на величину эффекта, то понимаете, насколько справедливо заявление о том, что полученное различие «глубокое» или «основополагающее». Если в исследовании, где используются подобные выражения, на самом деле не сообщается о величине эффекта, то следует отнестись к нему с осторожностью.