검정력 분석 계산기

검정력 분석은 통계 연구를 결정하는 네 가지 값인 효과크기, 유의수준, 통계적 검정력, 표본 수를 연결합니다. 이 계산기는 자료 수집 전에 필요한 최소 독립 관측 수를 추정하는 사전 분석을 수행합니다. 효과크기는 표준편차 단위로 측정한 표준화된 차이인 Cohen's d로 입력합니다. 보통 0.2 정도는 작은 효과, 0.5는 중간 효과, 0.8은 큰 효과로 부르지만, 의미 있는 값은 분야 지식, 선행 근거 또는 탐지할 가치가 있는 최소 효과에서 정해야 합니다. 일반적으로 alpha라고 부르는 유의수준은 귀무가설이 참일 때 허용할 위양성 확률을 조절합니다. 관례적인 값은 0.05입니다. 통계적 검정력은 지정한 효과가 실제로 존재할 때 그 효과를 탐지할 확률입니다. 연구자는 보통 0.80 또는 0.90을 목표로 계획합니다. 검정력을 높이거나 alpha를 낮추거나 더 작은 효과를 목표로 하면 필요한 표본 수가 늘어납니다. 더 엄격한 근거 요건에서 약한 신호를 구별해야 하기 때문입니다. 계산은 양측 정규근사를 사용합니다. alpha의 절반에 해당하는 표준정규 임계값과 목표 검정력의 임계값을 더하고, 표준화 효과크기로 나눈 뒤 제곱하고 올림합니다. 이 모델은 단일 표본 표준화 평균 검정의 초기 계획과 관련 설계의 투명한 근사에 유용합니다. 두 독립 집단 연구에서는 일반적으로 배분 비율과 분산 가정에 따라 표시된 수를 배수 조정한 만큼 각 집단에 필요하므로, 최종 모집 전 설계별 방법을 확인하세요. 결과는 전체 모집 목표가 아니라 통계적 최소치입니다. 예상 탈락, 기록 누락, 군집, 반복 측정, 불균등 배분, 여러 주요 결과변수, 불확실한 효과 추정치를 고려해 늘리세요. 검정력 계산은 편향된 표집, 부실한 측정, 부적절한 분석 모델을 바로잡지 못합니다. 연구계획서에 모든 가정을 기록하고 여러 타당한 효과크기로 민감도 계산을 수행하여, 불확실성이 실제 표본 요구량을 어떻게 바꾸는지 관계자에게 보여주는 것이 좋습니다.