İstatistiksel gücün hesaplanması


22

Anladığım kadarıyla, güç analizi yapmak için önerilen çalışmamın en az üç özelliğini (dördünden) bilmem gerekiyor, yani:

  • test türü - Pearson'un r ve ANCOVA / Regression - GLM'i kullanmayı düşünüyorum
  • anlamlılık düzeyi (alfa) - 0.05 kullanmayı düşünüyorum
  • Beklenen etki büyüklüğü - Orta büyüklükte bir etki kullanmaya niyetliyim (0.5)
  • örnek boyut

Herhangi biri önceden elektrik hesaplaması yapmak için kullanabileceğim iyi bir çevrimiçi hesap makinesi önerebilir mi ? (SPSS önceden elektrik hesaplaması yapabilir mi?)

GPower'a rastladım ama daha basit bir araç arıyorum!


Ne yazık ki SPSS paketi, güç analizi için bir modül içermiyor. IBM SPSS şirketi, güç analizi için ayrı bir program satmaktadır.
ttnphns

6
GPower'a bir şans verirdim. Keşfetmek 20 veya 30 dakika ile muhtemelen çok yönetilebilir bulacaksınız - en azından korelasyon gibi prosedürler için, mutlaka karmaşık bir regresyon modeli için değil.
rolando2

Teşekkürler! GPower'da kullanıcı dostu bir rehber var mı?
Adhesh Josh

Bu bir hibe başvurusu için olduğu gibi görünüyor. Bunlar üretmek ve değerlendirmek için can sıkıcıdır. İyi kullanılan deneysel tasarımlar (örneğin genom çapında ilişkilendirme çalışmaları için) iyi belgelenmiş özel hesap makineleri olabilir. Aksi takdirde, G. Jay Kerns'ın cevabının aşağıdaki ilaveye devam etmenin doğru yolu olduğunu düşünüyorum: bu sırada siz de en önemli parametrelerden birini simüle etmeli ve bir grafik sunmalısınız.
Leo Schalkwyk

Yanıtlar:


43

Bu duymak isteyeceğiniz bir cevap değil, korkarım ama yine de söyleyeceğim: çevrimiçi hesap makinelerinin cazibesine dayanmaya çalışın (ve özel hesap makineleri satın almadan önce paranızı koruyun).

İşte bunun nedenlerinden bazıları: 1) çevrimiçi hesap makinelerinin hepsi farklı gösterim kullanıyor ve genellikle kötü belgeleniyor. Bu zamanınızı boşa harcar. 2) SPSS bir güç hesaplayıcısı sunuyor ancak denemedim, çünkü departmanımın karşılayamayacağı kadar pahalıydı! 3) "Orta etki büyüklüğü" gibi ifadeler en basit yanıltıcı ve en kötüsü en basit araştırma tasarımları dışında herkes için yanlış. Efekt boyutunu [0,1] 'de tek bir sayıya kadar distile edebilmek için çok fazla parametre ve çok fazla etkileşim var. Tek bir sayıya koysanız bile, Cohen'in 0,5'inin sorun bağlamında "orta" olacağı garantisi yoktur.

İnan bana - uzun vadede kurşunu ısırmak ve simülasyonu sizin yararınıza nasıl kullanacağınızı (ve danışmanlık yaptığınız kişilerin yararına) kendinize öğretmek daha iyidir. Onlarla oturun ve aşağıdaki adımları tamamlayın:

1) Sorun bağlamında uygun bir modele karar verin (bu kısımda zaten çalışmışsınız gibi).

2) Boş parametrelerin ne olması gerektiğine, kontrol grubunun davranışına, bunun problem bağlamında ne anlama geldiğine karar vermek için onlarla görüşün.

3) Farkın pratik olarak anlamlı olması için parametrelerin ne olacağını belirlemek için bunlara danışın . Örneklem büyüklüğü sınırlamaları varsa, bunun da burada tanımlanması gerekir.

4) Verileri 2) ve 3) 'deki iki modele göre benzetin ve testinizi çalıştırın. Bunu bolca yazılımla yapabilirsiniz - favorilerinizi seçin ve devam edin. Bakıp reddetmediğine bakın.

np^p^(1-p^)/n

Güç analizinizi bu şekilde yaparsanız, birkaç şey bulacaksınız: A) etrafta beklediğinizden çok daha fazla parametre var. Dünyada hepsini “orta” gibi tek bir sayıya daraltmanın ne kadar mümkün olduğunu merak etmenize neden olacak - ve bunun mümkün olmadığını, en azından hiçbir şekilde doğrudan olmadığını göreceksiniz. B) gücünüz diğer hesap makinelerinin reklamlarından çok daha küçük olacak. C) örnek boyutunu artırarak gücü artırabilir, ancak dikkat! "Pratik olarak anlamlı" olan bir farkı tespit etmek için, büyük ölçüde büyük bir örneklem boyutuna ihtiyacınız olduğunu fark edebilirsiniz.

Yukarıdaki adımlardan herhangi birinde sorun yaşarsanız, düşüncelerinizi toplayabilir, CrossValidated için bir soru hazırlayın ve buradaki insanlar size yardımcı olacaktır.

EDIT: Kesinlikle bir çevrimiçi hesap makinesi kullanmanız gerektiğini tespit ederseniz, bulduğum en iyisi Russ Lenth'un Gücü ve Örnek Boyutu sayfasıdır . Uzun zamandan beri var, göreceli olarak eksiksiz bir dokümantasyona sahip, konserve efekt büyüklüğüne bağlı değil ve ilgili ve önemli olan diğer belgelere bağlantıları var.

BİR DÜZENLEME: Tesadüfen, bu soru ortaya çıktığında, bu fikirlerden bazılarını çıkarmak için bir blog yazısı yazmanın tam ortasındaydım (aksi halde, bu kadar çabuk cevap vermemiş olabilirdim). Neyse, geçen hafta sonu bitirdim ve burada bulabilirsiniz . SPSS akılda tutularak yazılmamıştır, ancak bahse girerim zeki bir insan bunun bölümlerini SPSS sözdizimine çevirebilir.


8
+1 İyi cevap. Simülasyonun sakıncalarını işaret etmeye değer. (Alternatif, güç eğrilerinin matematiksel olarak hesaplanabilmesidir.) Birçok parametrenin (efekt büyüklüğü ve örnek büyüklüğü gibi) manipüle edilmesi gerektiğinde veya minimum örnek büyüklüğü gibi bir eşik değeri ararken simülasyon simülasyonu zorlaşır. Güç için yaklaşık olarak kesin bir ifade bile , genel olarak gücün nasıl davrandığını göstermek ve biraz simülasyonla cilalanabilecek ilk çözümleri belirlemek için değerli olabilir.
whuber

2
@whuber Teşekkürler ve kesinlikle haklısınız. Yorumunuz, simülasyon yaklaşımına başka bir karmaşıklık katmanı ekleyen boş / alt parametrelerinde (yetersiz bilgi, kaba pilot çalışmalar vb.) Genellikle belirsizlik olduğunu hatırlatıyor. Bu matematiksel yaklaşımın bir başka faydasıdır.

2
Bilinmeyen parametrelerin değerlerini sabitlemek yerine, bu parametrelere önceden bir dağılım atayarak bunları simüle etmek ve daha sonra bir "önceki güç" elde etmek (bu önceki dağıtım kavramına rağmen Bayes yaklaşımı değildir, çünkü) yararlı sık testin sonucunu taklit ediyoruz)
Stéphane Laurent

6
Simülasyonda iki sorun vardır: Öğrenmek (bu çözülebilir) ve 3. adımı almak. Tecrübelerime göre müşterilerimden hiçbiri yapmaya istekli olmayacaktı 3). Birçoğunun herhangi bir şekilde etki büyüklüğü belirleme konusunda problemleri vardır. Parametreleri (örneğin) çoklu regresyon denkleminde belirtmelerini istemek .... iyi olur, anlamlarını bilseler bile, nasıl cevap vereceklerini bilemezlerdi, belirtmeye istekli olmazlar.
Peter Flom - Eski Monica

2
Stephane evet, haklısınız ve iletişim kurmaya çalıştığım ekstra katmandan kastettiğim buydu. @ Peter Sigh! evet, ben de bununla karşılaştım. Ortalamalar, standart hatalar, vb. Hakkında konuşmaya çalışıyorum ve sonra da matematikle uğraşabiliyorum. Bunun bir kısmı, bazen zor olan bir iletişim engelidir. İsteksizlik kısmı olsa da, daha zor. Eskiden pes edip boşlukları kendim doldurmaya çalışırdım, ama nadiren işe yaradı. Yani, cevap aslında karanlıkta bir gözü kapalı ve geriye dönük durmuş bir atış.
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.