已有许多研究建义报告研究结果时需报告效果量，包括效果量的置信区间。在两组均值比较情形中，最典型的效果量指标是标准化均值差δ，标准化效果量不受量纲限制，使用标准化效果量是估计效果量的很好的方法。通过计算效果量的置信区间，研究者不仅可以知道参数的概率信息（那些在区间外的值），也可以知道感兴趣参数的可能出现的取值范围；效果量的置信区间易于理解，与熟知的统计显著性检验相联系，并且能促进元分析的研究，给出关于精度的信息。计算标准化均值差d的置信区间目前有两种方法:第一种方法是参数法即非中心化分布方法(NCT)，利用非中心化t分布来构造相应参数的置信区间，当数据满足正态分布和方差齐性的假设时较为可行;另一种方法是非参数Bootstrap方法的三种区间估计方法，分别是非参数Bootstrap百分位置信区间(PC)、偏差校正和加速的Bootstrap置信区间(BCa)及近似Boots trap置信区间(ABC)估计方法。该类方法无需满足数据正态性和方差齐性的假设，潜在的将样本类比总体，通过抽样来构造相应的置信区间。不同数据分布下各种效果量的估计方法的表现可能不一样。　　本研究采用蒙特卡洛数据模拟技术，在不同数据分布下讨论四种方法对δ的区间估计的影响。因此，进行三种情况下的模拟研究，分别是两总体均正态情况、一总体正态一总统非正态以及两总体均非正态情况下效果量δ的置信区间估计情况　　研究表明:当两组数据都服从正态分布时，数据满足非中心分布的假设前提，推荐采用非中心化分布方法。对于两总体非正态分布数据效果量δ的置信区间的估计，大效果量下Bootstrap的PERC方法不足取，NCT方法、Bootstrap的BCa方法和Bootstrap的ABC方法较好，但Bootstrap的BCa方法和Bootstrap的ABC方法的精度比NCT方法要高。当有一组数据呈偏态时，非中心化分布方法和非参数Bootstrap百分位方法表现欠佳，而非参数BootstrapBCa和ABC方法相当，但是ABC方法较BCa方法更为简单，因为其无需模拟，是BCa方法的近似估计，可采用其估计。