การเพิ่มขนาดของกลุ่มตัวอย่างเป็นแบบไดนามิกหรือไม่หากระบุนิรนัย?


13

ฉันกำลังจะทำการศึกษาเกี่ยวกับข้อดีของการกระตุ้นหนึ่งเมื่อเปรียบเทียบกับการออกแบบภายในเรื่อง ฉันมีรูปแบบการเรียงสับเปลี่ยนที่ออกแบบมาเพื่อลดผลกระทบต่อลำดับของบางส่วนของการศึกษา รูปแบบการเรียงสับเปลี่ยนกำหนดว่าขนาดตัวอย่างสามารถหารด้วย 8

เพื่อกำหนดขนาดตัวอย่างฉันจะต้องเดาอย่างกล้าหาญ (เป็นประเพณีที่ดีในสาขาของฉัน) หรือคำนวณขนาดตัวอย่างสำหรับพลังงานที่ฉันต้องการ ปัญหาคือตอนนี้ฉันไม่ได้มีเงื่อนงำน้อยขนาดขนาดผลที่ฉันจะสังเกต (ยังเป็นประเพณีที่ดีในสาขาของฉัน) นั่นหมายความว่าการคำนวณพลังงานนั้นค่อนข้างยาก ในทางกลับกันการคาดเดาอย่างบ้าคลั่งอาจไม่ดีเพราะฉันสามารถออกตัวอย่างขนาดต่ำเกินไปหรือจ่ายเงินมากเกินไปแก่ผู้เข้าร่วมและใช้เวลามากเกินไปในห้องทดลอง

จะเป็นการดีหรือไม่ที่จะกล่าวล่วงหน้าว่าฉันเพิ่มผู้เข้าร่วมเป็นกลุ่ม 8 คนจนกว่าฉันจะออกจากค่า p สองค่า? เช่น 0,05 <p <0,30 หรือคุณจะแนะนำวิธีอื่นฉันควรดำเนินการต่อหรือไม่


2
ดูเหมือนว่าคุณอาจกำลังมองหาบางอย่างในขอบเขตของการออกแบบ / วิเคราะห์ตามลำดับ
พระคาร์ดินัล

คำตอบ:


9

ขั้นแรกเพื่อตอบคำถามของคุณโดยตรง: ไม่คุณไม่สามารถดำเนินการต่อไปจนกว่าคุณจะได้รับค่า p ที่สำคัญ การออกแบบที่คุณเสนอมีอัตราความผิดพลาดประเภทที่ฉันสูงกว่า 5% อย่างไรก็ตามแนวคิดพื้นฐานนั้นถูกต้องเว้นแต่คุณจะต้องปรับการตัด ในความเป็นจริงตามที่ @ cardinal ระบุไว้ในความคิดเห็นมีคำถามเกี่ยวกับการวิจัยของคุณทั้งหมด: สิ่งเหล่านี้เรียกว่าลำดับหรือกลุ่มตามลำดับหรือโดยทั่วไปแล้วการออกแบบปรับตัว (ไม่ใช่สิ่งเดียวกัน แต่ทั้งหมดตลอด แนวความคิดของคุณ)

นี่คือการอ้างอิงที่แสดงให้เห็นบางส่วนของความคิดพื้นฐาน: ซีเมธา, P. Gao, DL Bhatt, RA แฮร์ริงเอส Skerjanec, JH พัสดุเพิ่มประสิทธิภาพการออกแบบการทดลอง: ต่อเนื่อง, การปรับตัวและการเพิ่มปริมาณกลยุทธ์การไหลเวียนเลือด 2009; 119: 597-605


1
โอเคนั่นฟังดูน่าสนใจ ฉันอ่านเกี่ยวกับการออกแบบปรับตัวก่อนหน้านี้ แต่ในสไลด์บางแผ่นเท่านั้นการอ้างอิงกระดาษที่คุณให้ดูมีประโยชน์จริงๆ
xmjx

6

คุณเคยพิจารณาการใช้พลังงานในขนาดของเอฟเฟกต์ต่างๆหรือไม่ ตัวอย่างเช่นฉันคำนวณพลังงานเป็นเส้นโค้งบ่อยครั้งและจบลงด้วยสถานการณ์จำนวนมากที่ถูกอบเข้าไปในกราฟจากนั้นฉันสามารถตัดสินใจขนาดตัวอย่างได้ ตัวอย่างเช่นฉันอาจคำนวณขนาดตัวอย่างที่จำเป็นสำหรับการวัดผลกระทบตั้งแต่ใกล้ถึง null จนถึงสูงกว่าความฝันที่หยั่งรู้ที่สุดของฉันเล็กน้อย

ฉันยังอาจวางแผนสถานการณ์อื่น ๆ ขึ้นอยู่กับว่าฉันไม่ทราบเกี่ยวกับข้อมูล ตัวอย่างเช่นด้านล่างเป็นพล็อตที่คำนวณพลังงานไม่ใช่ขนาดตัวอย่าง แต่มีแนวคิดคล้ายกัน ฉันรู้น้อยมากเกี่ยวกับข้อมูลดังนั้นฉันจึงคิดว่าอัตราเหตุการณ์ 10% สำหรับการวิเคราะห์การอยู่รอดจากนั้นคำนวณพลังงานของการศึกษา (ขนาดตัวอย่างคงที่) ในหลายเงื่อนไข:

Power Curves

อาจมีความแตกต่างกันในกรณีนี้จำนวนเหตุการณ์ซึ่งจะทำให้คุณมีหลายแปลงหรือ "พื้นผิวพลังงาน" ดูเหมือนจะเป็นวิธีที่เร็วกว่ามากในการจัดการอย่างน้อยคุณควรมองหาขนาดตัวอย่างแทนที่จะปรับเปลี่ยนขนาดตัวอย่างทันที หรืออย่างน้อยก็ให้เกณฑ์ที่คุณสามารถหยุดเพิ่มคนได้ ตัวอย่างเช่นหากการคำนวณของคุณบอกคุณ 1,000 คนจะช่วยให้คุณเห็นผลของสิ่งที่เล็กมาก - ตัวอย่างเช่นอัตราส่วนอันตรายที่ 1.01 หรือที่คล้ายกัน - คุณรู้ว่าถ้าคุณกดปุ่มนั้นคุณสามารถหยุดพยายามเพิ่มคนเพราะ มันไม่ใช่ปัญหาด้านพลังงาน แต่เป็นปัญหา "ไม่มีอะไรที่นั่น"


1
นั่นเป็นความคิดที่ดีจริงๆ ในขณะที่ฉันตอบคำถามของ @ Aniko เพราะมันตอบคำถามของฉันโดยตรงข้อเสนอแนะของคุณมีประโยชน์มากขึ้นในระยะสั้น ฉันคิดว่ามันต้องใช้เวลาพอสมควรแล้วที่จะใช้กลยุทธ์แบบต่อเนื่อง
xmjx

3

เมื่อทำการคำนวณพลังงานคำถามที่ฉันมักจะถาม (ในสาขาของฉันซึ่งมีประเพณีเหล่านี้ด้วย) มีแนวโน้มที่จะเป็น "ผลกระทบขนาดใหญ่จะต้องมีสำหรับคนที่จะดูแล?" หากวิธีการของคุณดีขึ้นอย่างมีนัยสำคัญโดยมีการปรับปรุง 0.1% ทุกคนจะห่วงใยไหม? การปรับปรุง 0.01% เป็นอย่างไร?


ฉันจะใช้รถไฟแห่งความคิดเพื่อรับจุดเริ่มต้นสำหรับพล็อตพลังของ @ EpiGrad
xmjx
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.