Jak rozumiem, muszę znać co najmniej trzy aspekty (spośród czterech) mojego proponowanego badania, aby przeprowadzić analizę mocy, a mianowicie:
- rodzaj testu - Zamierzam użyć Pearsona i ANCOVA / Regresja - GLM
- poziom istotności (alfa) - Zamierzam użyć 0,05
- oczekiwany rozmiar efektu - zamierzam użyć średniej wielkości efektu (0,5)
- wielkość próbki
Czy ktoś mógłby polecić dobry kalkulator mocy online, którego mogę użyć do obliczenia mocy a priori . (Czy SPSS może wykonać obliczenie mocy a priori ?)
Natknąłem się na GPower, ale szukam prostszego narzędzia!
power-analysis
Adhesh Josh
źródło
źródło
Odpowiedzi:
Obawiam się, że nie jest to odpowiedź, którą chcesz usłyszeć, ale i tak to powiem: postaraj się oprzeć pokusie kalkulatorów internetowych (i zaoszczędź swoje pieniądze przed zakupem kalkulatorów zastrzeżonych).
Oto niektóre z powodów, dla których: 1) kalkulatory online używają różnych notacji i często są słabo udokumentowane. To strata twojego czasu. 2) SPSS oferuje kalkulator mocy, ale nigdy go nawet nie wypróbowałem, ponieważ na mój dział było zbyt drogie! 3) Zwroty takie jak „średni efekt efektu” w najlepszym przypadku wprowadzają w błąd, aw najgorszym przypadku są po prostu błędne dla wszystkich oprócz najprostszych projektów badawczych. Istnieje zbyt wiele parametrów i zbyt wiele wzajemnych zależności, aby móc destylować wielkość efektu do pojedynczej liczby w [0,1]. Nawet jeśli umieścisz go w jednym numerze, nie ma gwarancji, że 0,5 Cohena odpowiada „średnie” w kontekście problemu.
Uwierz mi - na dłuższą metę lepiej jest ugryźć kulę i nauczyć się, jak korzystać z symulacji na swoją korzyść (i na korzyść osoby, z którą się konsultujesz). Usiądź z nimi i wykonaj następujące czynności:
1) Wybierz model odpowiedni w kontekście problemu (brzmi, jakbyś już pracował nad tą częścią).
2) Skonsultuj się z nimi, aby zdecydować, jakie powinny być parametry zerowe, zachowanie grupy kontrolnej, cokolwiek to oznacza w kontekście problemu.
3) Skonsultuj się z nimi, aby ustalić, jakie parametry powinny być, aby różnica była praktycznie znacząca . Jeśli istnieją ograniczenia wielkości próby, należy to również tutaj zidentyfikować.
4) Symuluj dane zgodnie z dwoma modelami w 2) i 3) i uruchom test. Możesz to zrobić z mnóstwem oprogramowania - wybierz swój ulubiony i idź do niego. Sprawdź, czy odrzuciłeś czy nie.
Jeśli przeprowadzisz analizę mocy w ten sposób, zobaczysz kilka rzeczy: A) było o wiele więcej parametrów, niż się spodziewałeś. Sprawi, że będziesz się zastanawiać, jak na świecie można złożyć je wszystkie w jedną liczbę, taką jak „średnia” - i zobaczysz, że nie jest to możliwe, a przynajmniej nie w prosty sposób. B) Twoja moc będzie dużo mniejsza niż wiele innych kalkulatorów reklamowych. C) możesz zwiększyć moc poprzez zwiększenie wielkości próbki, ale uważaj! Może się okazać, że tak jak ja, aby wykryć różnicę „praktycznie znaczącą”, potrzebujesz wielkości próbki, która jest zbyt duża.
Jeśli masz problem z którymkolwiek z powyższych kroków, możesz zebrać swoje myśli, dobrze sformułuj pytanie dla CrossValidated, a ludzie tutaj ci pomogą.
EDYCJA: Jeśli okaże się, że absolutnie musisz użyć kalkulatora online, najlepszym, jaki znalazłem, jest strona mocy i wielkości próbki Russa Lentha . Jest już od dłuższego czasu, ma stosunkowo kompletną dokumentację, nie zależy od rozmiarów efektów w puszkach i ma linki do innych dokumentów, które są istotne i ważne.
KOLEJNA EDYCJA: Przypadkowo, kiedy pojawiło się to pytanie, miałem właśnie rację, pisząc post na blogu, aby rozwinąć niektóre z tych pomysłów (w przeciwnym razie mógłbym nie odpowiedzieć tak szybko). Zresztą skończyłem to w zeszły weekend i można go znaleźć tutaj . Nie jest napisane z myślą o SPSS, ale założę się, że jeśli ktoś byłby sprytny, mógłby przetłumaczyć jego część na składnię SPSS.
źródło