Parametrik örneklem büyüklüğü hesaplaması ve parametrik olmayan analiz

Herkesin tıbbi literatürde parametrik olan yöntemler kullanarak örnek boyutu hesaplaması yapma ortak uygulamasını desteklemek için belirli bir referansı (metin veya dergi makalesi) olup olmadığını bilmek isterim (yani normal bir dağılım ve belirli bir ölçüm varyasyonu varsayarak) birincil deneme sonucunun analizinin parametrik olmayan yöntemler kullanılarak ne zaman yapılacağı.

Bir örnek: birincil sonuç, ortalama 20 dakika (SD 6 dakika) değere sahip olduğu bilinen, ancak belirgin bir şekilde dik eğimli bir dağılıma sahip olan belirli bir ilacı verdikten sonra kusma zamanıdır. Örnek büyüklüğü hesaplaması, formül kullanılarak yukarıda listelenen varsayımlar ile yapılır.

$n(\text{per-group})=f(\alpha,\beta) \times (2\sigma^2 /(\mu_1 - \mu_2)^2 )$ ,

burada istenen ve hatalarına göre değişir . $f(\alpha, \beta)$ $\alpha$ $\beta$

Bununla birlikte, dağılımın çarpıklığı nedeniyle, birincil sonucun analizi derecelere (Mann Whitney U testi gibi parametrik olmayan yöntem) dayanacaktır.

Bu şema istatistiksel literatürdeki yazarlar tarafından desteklenebilir mi, yoksa parametrik olmayan örneklem büyüklüğü tahminleri yapılmalı mı (ve bunlar nasıl yapılmalı)?

Düşüncelerim, hesaplama kolaylığı için yukarıdaki uygulamayı yapmanın kabul edilebilir olduğudur. Sonuçta, örnek büyüklüğü tahminleri sadece - zaten birkaç varsayım yapan tahminler - hepsi muhtemelen biraz (veya çok!) Kesin değildir. Ancak, başkalarının ne düşündüğünü ve özellikle bu akıl yürütmeyi destekleyen herhangi bir referans olup olmadığını bilmek isterim.

Herhangi bir yardım için çok teşekkürler.

nonparametric sample-size

— pmgjones
kaynak

Yanıtlar:

Bana çok tehlikeli geliyor. Parametrik olmayan yöntemler neredeyse her zaman parametrik yöntemlerden daha fazla serbestlik derecesi içerir ve bu nedenle daha fazla veriye ihtiyaç duyar. Özel örneğinizde, Mann-Whitney testi t-testinden daha düşük güce sahiptir ve bu nedenle aynı belirtilen güç ve boyut için daha fazla veri gerekir.

Herhangi bir yöntem için (parametrik olmayan veya başka türlü) örnek boyutu hesaplaması yapmanın basit bir yolu, bir önyükleme yaklaşımı kullanmaktır.

— Rob Hyndman
kaynak

RCT'leri tasarlarken yapılan örnek büyüklüğü hesaplamasının çoğu parametrik modellere dayanmasına rağmen, size katılıyorum. Bootstrap yaklaşımını seviyorum, ancak çok az çalışmanın buna bağlı olduğu anlaşılıyor. Sadece ilginç olabilecek kağıtları buldum: bit.ly/djzzeS , bit.ly/atCWz3 ve bu sağlık ölçümü ölçekleri için bit.ly/cwjThe ters yönde gidiyor .

— chl

Bootstrap yaklaşımını kabul ediyorum. Ancak güç, özgürlük derecelerinin bir işlevi değildir. Bu da dahil olmak üzere birçok durumda, Mann-Whitney testi genellikle t-testinden daha fazla güce sahiptir. Bkz. Tbf.coe.wayne.edu/jmasm/sawilowsky_misconceptions.pdf . Genel olarak, bir parametrik testin gücü, parametrik varsayımlar doğru olduğunda iyidir, ancak bu varsayımlar ihlal edildiğinde daha düşük olabilir - bazen önemli ölçüde - iyi olurken, iyi parametrik olmayan testler güçlerini korur.

— whuber

@RHHyndman - 6 yıl önce eski bir konuyu açtığım için üzgünüm, ama son cümleniz için bir referans sağlayıp sağlayamayacağınızı merak ediyorum. Örnek boyutu hesaplaması almak için bootstrap yaklaşımını nasıl kullanabilirim? Burada henüz veri toplamadığımı varsayıyorum (çünkü ne kadar toplayacağımı anlamaya çalışıyorum), ancak istediğim gücü, önem seviyesini ve tespit etmek istediğim etki boyutunu biliyorum. Teşekkürler!

— David White

Tamam, sanırım bu sadece denemek için bir ön çalışmanız varsa işe yarayabilir. Önceden bilgi sahibi olmayan ilk kez yapılan bir çalışma için etki büyüklüğünü normal dağılımdan (veya teori verilerin bu şekilde dağıtılması gerektiğini öne sürdüğünde farklı bir dağılımdan) hesaplamak ve olası normalliksizliği hesaba katmak için biraz eklemek en iyisidir. Bir çalışma yaptıktan sonra, sonraki çalışmalarda çeşitli etki boyutlarını tespit etmek için örnek boyutlarını hesaplamak için önyüklemeyi kullanabilirsiniz. N'nin birkaç değerini önyüklemeye dayalı olarak, efekt boyutu eğrisine karşı n bile olabilir.

— David White

Bazı insanlar bir parametrik test için örnek büyüklüğü formülü kullanılarak elde edilen örnek boyutunu şişirmek için bir Pitman Asimptotik Göreli Verimlilik (ARE) kavramını kullanıyor gibi görünmektedir. İronik olarak, bunu hesaplamak için, bir kez daha bir dağıtım varsaymak gerekir ... bkz. Örneğin Mann-Whitney U testi için örnek büyüklüğü Makalenin sonunda, daha fazla okuma için işaretçiler sağlayan bazı bağlantılar vardır.

— PSJ
kaynak