গবেষণায় অনেক সময় আমরা দেখি, কোনো ফলাফল statistically significant। কিন্তু এখানেই থেমে গেলে পুরো ছবিটা দেখা হয় না। কারণ p-value শুধু বলে ফলটি কাকতালীয় হওয়ার সম্ভাবনা কম কি না, কিন্তু ফলটি কত বড়, কত শক্তিশালী, বা বাস্তবে কতটা গুরুত্বপূর্ণ — তা বলে না।
ধরুন, দুইটি গ্রুপের মধ্যে পার্থক্য পাওয়া গেল।
প্রশ্ন হলো: পার্থক্যটা কতটা বড়?
ছোট, মাঝারি, নাকি বড়
আবার, দুইটি ভেরিয়েবলের মধ্যে significant সম্পর্ক পাওয়া গেল।
কিন্তু সম্পর্কটি কতটা শক্তিশালী?
দুর্বল, মাঝারি, নাকি শক্তিশালী?
এই কারণেই effect size খুব গুরুত্বপূর্ণ। বিশেষ করে sample size বড় হলে খুব ছোট পার্থক্যও statistically significant হতে পারে, অথচ তার practical importance খুব কম হতে পারে।
তাই শুধু “significant” বললেই হবে না। বরং জানতে হবে:
ফল কত বড়?
সম্পর্ক কত শক্তিশালী?
বাস্তব পরিস্থিতিতে এর গুরুত্ব আছে কি?
ভালো রিপোর্টিংয়ের জন্য তাই p-value-এর পাশাপাশি effect size-ও দেওয়া উচিত। যেমন:
Group difference এর জন্য: Cohen’s d, Eta squared
Relationship এর জন্য: r
Regression এর জন্য: R²
ভালো গবেষণা শুধু significance দেখায় না, ফলাফলের আকার ও বাস্তব গুরুত্বও তুলে ধরে।