Насколько я понимаю, мне нужно знать по крайней мере три аспекта (из четырех) моего предлагаемого исследования, чтобы провести анализ мощности, а именно:
- тип теста - я собираюсь использовать r Пирсона и ANCOVA / Регрессия - GLM
- уровень значимости (альфа) - я намерен использовать 0,05
- ожидаемый размер эффекта - я намерен использовать средний размер эффекта (0,5)
- размер образца
Кто-нибудь может порекомендовать хороший онлайн-калькулятор мощности, который я могу использовать для априорного расчета мощности. (Может ли SPSS выполнить априорный расчет мощности?)
Я столкнулся с GPower, но я ищу более простой инструмент!
power-analysis
Адхеш джош
источник
источник
Ответы:
Боюсь, это не тот ответ, который вы захотите услышать, но я все равно скажу это: постарайтесь противостоять искушению онлайн-калькуляторов (и сэкономьте свои деньги, прежде чем приобретать проприетарные калькуляторы).
Вот несколько причин, по которым: 1) все онлайн-калькуляторы используют разные обозначения и часто плохо документированы. Это пустая трата вашего времени. 2) SPSS действительно предлагает калькулятор мощности, но я никогда даже не пробовал его, потому что он был слишком дорогим для моего отдела! 3) Фразы типа «средний эффект» в лучшем случае вводят в заблуждение, а в худшем случае просто ошибочны для всех, кроме самых простых исследовательских проектов. Слишком много параметров и слишком много взаимодействия, чтобы можно было отогнать размер эффекта до одного числа в [0,1]. Даже если бы вы могли поместить это в одно число, нет никакой гарантии, что 0,5 Коэна соответствует «среднему» в контексте проблемы.
Поверьте мне, в конечном итоге лучше укусить пулю и научить себя, как использовать симуляцию в ваших интересах (и в интересах людей, с которыми вы консультируетесь). Сядьте с ними и выполните следующие шаги:
1) Выберите модель, которая подходит в контексте проблемы (похоже, вы уже работали над этой частью).
2) Проконсультируйтесь с ними, чтобы решить, какими должны быть нулевые параметры, поведение контрольной группы, что бы это ни значило в контексте проблемы.
3) Проконсультируйтесь с ними, чтобы определить, какими должны быть параметры, чтобы разница была практически значимой . Если существуют ограничения по размеру выборки, то это также должно быть указано здесь.
4) Имитируйте данные в соответствии с двумя моделями в 2) и 3) и запустите тест. Вы можете сделать это с помощью программного обеспечения в изобилии - выберите свой любимый и пойти на это. Посмотрите, отклонили вы или нет.
Если вы проведете анализ мощности таким образом, вы обнаружите несколько вещей: A) было намного больше параметров, чем вы ожидали. Это заставит вас задуматься о том, как в мире можно свести их все в одно число, например «средний», - и вы увидите, что это невозможно, по крайней мере, не так просто. Б) Ваша сила будет намного меньше, чем рекламируют другие калькуляторы. C) Вы можете увеличить мощность, увеличив размер выборки, но будьте осторожны! Как и у меня, вы можете обнаружить, что для обнаружения «практически значимой» разницы вам нужен непомерно большой размер выборки.
Если у вас возникли проблемы с каким-либо из вышеперечисленных шагов, вы могли бы собраться с мыслями, сформулировать вопрос для CrossValidated, и люди вам помогут.
РЕДАКТИРОВАТЬ: В случае, если вы обнаружите, что вам абсолютно необходимо использовать онлайн-калькулятор, лучший из найденных мной - это страница Расса Лента по мощности и размеру выборки . Он существует уже давно, у него относительно полная документация, он не зависит от размеров консервированного эффекта и имеет ссылки на другие документы, которые актуальны и важны.
ДРУГОЕ РЕДАКТИРОВАНИЕ: По совпадению, когда возник этот вопрос, я был как раз в момент написания поста в блоге, чтобы конкретизировать некоторые из этих идей (в противном случае, я бы не ответил так быстро). Во всяком случае, я закончил это в прошлые выходные, и вы можете найти это здесь . Это не написано с учетом SPSS, но я бы поспорил, если бы человек был умным, он мог бы перевести его части в синтаксис SPSS.
источник