Калькулятор анализа мощности

Анализ мощности связывает четыре величины, определяющие статистическое исследование: величину эффекта, уровень значимости, статистическую мощность и размер выборки. Калькулятор выполняет априорный анализ, то есть оценивает минимальное число независимых наблюдений до начала сбора данных. Эффект вводится как d Коэна — стандартизированная разность в единицах стандартного отклонения. Значение около 0.2 часто называют малым, 0.5 — средним, 0.8 — большим, но содержательно значимое значение следует выбирать по знаниям предметной области, прежним данным или минимальному эффекту, который стоит обнаруживать. Уровень значимости, обычно называемый alpha, задает допустимую вероятность ложноположительного результата при верной нулевой гипотезе. Традиционное значение — 0.05. Статистическая мощность — вероятность обнаружить заданный эффект, когда он действительно существует. Исследователи часто планируют мощность 0.80 или 0.90. Повышение мощности, снижение alpha или поиск меньшего эффекта увеличивают необходимую выборку: исследованию нужно отличить более слабый сигнал при более строгих требованиях к доказательствам. Расчет использует двустороннюю нормальную аппроксимацию. Складываются критическое значение стандартного нормального распределения для половины alpha и критическое значение желаемой мощности; сумма делится на стандартизированный эффект, возводится в квадрат и округляется вверх. Модель полезна для раннего планирования одновыборочного теста стандартизированного среднего и как прозрачная аппроксимация для близких дизайнов. В исследовании двух независимых групп обычно для каждой группы требуется показанное количество, умноженное на коэффициент согласно допущениям о распределении участников и дисперсии. Перед окончательным набором обратитесь к методу для конкретного дизайна. Результат следует считать статистическим минимумом, а не полной целью набора. Увеличьте его с учетом ожидаемого выбывания, пропусков записей, кластеризации, повторных измерений, неравного распределения по группам, нескольких первичных исходов или неопределенности эффекта. Расчеты мощности не исправляют смещенную выборку, плохие измерения или неподходящую модель анализа. Зафиксируйте все допущения в протоколе и рассмотрите анализ чувствительности с несколькими правдоподобными эффектами, чтобы показать, как неопределенность меняет практическую потребность в выборке.