效应大小：是衡量处理效应大小的指标，与显著性检验不同，这些指标是不受样本容量影响的。它表示不同处理下的总体均值之间差异的大小，可以在不同研究之间进行比较。
比如，研究某种心理治疗药物对治疗阴郁证患者是否有有效，实际结果是实验组比控制组平均值大4分，实验组与控制组的取样人数都是15，两组的标准差都是8，此时检验结果不显著；but当两组人数增加到135时，两组的平均数之差和标准差不变时，此时检验结果及其显著。因此这种检验结果是无法令人信服的。所以引用了效应量。
效应量（ES）与一般统计的F与P不同，ES表示在样本1的总体与样本2的总体中随便抽取两个样本，这种差异显著性出现的可能性（如果说平均水平，男性比女性身高要高；而这种均数的ES则可以这样来解释，ES越大则更容易在实际中看到男性要高，越小则看到男性要高的可能性会小些。应该说，ES更能说明实践中我们所关心的差异，而不是数据上的差异显著问题。ES是帮助我们知道观测到的差异是不是事实上的差异。相关系数和方差分析中的ES原理与均数比较相同，只是样本和总体分布不同。）效应量太小，意味着处理即使达到了显著水平，也缺乏实用价值（不同处理数据，如上面的样本15到样本135求ES值不发生变化）。
白话：当数据量大，求的显著，可能事实上因为数量多了才显著，这个时候就要用ES检测下。ES大，说明在别的数据也是显著且可信度就高了。不管什么样本抽几个显著性出现的概率大！