กำลังคำนวณทางสถิติ


22

เมื่อฉันเข้าใจแล้วฉันจำเป็นต้องรู้อย่างน้อยสามด้าน (จากสี่) ของการศึกษาที่ฉันเสนอเพื่อทำการวิเคราะห์พลังงาน ได้แก่ :

  • ประเภทการทดสอบ - ฉันตั้งใจจะใช้ Pearson's r และ ANCOVA / Regression - GLM
  • ระดับนัยสำคัญ (อัลฟา) - ฉันตั้งใจจะใช้ 0.05
  • ขนาดผลที่คาดหวัง - ฉันตั้งใจจะใช้ขนาดเอฟเฟกต์ขนาดกลาง (0.5)
  • ขนาดตัวอย่าง

ใครช่วยแนะนำเครื่องคิดเลขพลังงานออนไลน์ที่ดีที่ฉันสามารถใช้เพื่อทำการคำนวณพลังงานเบื้องต้น (สามารถทำ SPSS เบื้องต้นคำนวณพลังงาน?)

ฉันเจอ GPower แล้ว แต่ฉันกำลังมองหาเครื่องมือที่ง่ายกว่านี้!


น่าเสียดายแพ็คเกจ SPSS ไม่รวมโมดูลสำหรับการวิเคราะห์พลังงาน บริษัท IBM SPSS ขายโปรแกรมแยกต่างหากสำหรับการวิเคราะห์พลังงาน
ttnphns

6
ฉันจะให้โอกาส GPower ด้วยการสำรวจมันประมาณ 20 หรือ 30 นาทีคุณอาจจะพบว่ามันจัดการได้ง่ายมาก - อย่างน้อยก็สำหรับขั้นตอนอย่างสหสัมพันธ์ซึ่งไม่จำเป็นต้องเป็นแบบจำลองการถดถอยที่ซับซ้อน
rolando2

ขอบคุณ! มีคู่มือที่ใช้งานง่ายใน GPower หรือไม่?
Adhesh Josh

ดูเหมือนว่านี่เป็นแอปพลิเคชันสำหรับสิทธิ์ สิ่งเหล่านี้ก่อกวนในการผลิตและการประเมินผล สำหรับการออกแบบการทดลองที่ใช้อย่างดี (เช่นการศึกษาความสัมพันธ์ทั่วทั้งจีโนม) อาจมีเครื่องคำนวณพิเศษที่มีเอกสารที่ดี มิฉะนั้นฉันคิดว่าคำตอบของจีเจเคอร์นเป็นวิธีที่ถูกต้องในการเพิ่มส่วนต่อไปนี้: ในขณะที่คุณอยู่ที่นี่คุณควรจำลองพารามิเตอร์ที่สำคัญที่สุดและนำเสนอกราฟ
Leo Schalkwyk

คำตอบ:


43

นี่ไม่ใช่คำตอบที่คุณต้องการได้ยินฉันกลัว แต่ฉันจะบอกว่าต่อไป: พยายามต่อต้านการล่อลวงของเครื่องคิดเลขออนไลน์ (และประหยัดเงินของคุณก่อนซื้อเครื่องคิดเลขที่เป็นกรรมสิทธิ์)

นี่คือเหตุผลบางส่วนที่ทำให้: 1) เครื่องคิดเลขออนไลน์ทั้งหมดใช้สัญลักษณ์ที่แตกต่างกันและมักมีเอกสารไม่ดี มันเป็นการเสียเวลาของคุณ 2) SPSS เสนอเครื่องคำนวณพลังงาน แต่ฉันไม่เคยลองเลยเพราะมันแพงเกินไปที่แผนกของฉันจะจ่ายได้! 3) วลีเช่น "เอฟเฟกต์ขนาดกลาง" นั้นมีความเข้าใจผิดที่ดีที่สุดและที่แย่ที่สุดคือผิดธรรมดาสำหรับทุกคนยกเว้นการออกแบบการวิจัยที่ง่ายที่สุด มีพารามิเตอร์มากเกินไปและมีการโต้ตอบกันมากเกินกว่าที่จะสามารถกลั่นขนาดเอฟเฟกต์ลงไปเป็นตัวเลขเดียวใน [0,1] แม้ว่าคุณสามารถใส่ลงในตัวเลขเดียวได้ แต่ก็ไม่รับประกันว่า 0.5 ของ Cohen จะตรงกับ "ปานกลาง" ในบริบทของปัญหา

เชื่อฉัน - ดีกว่าในระยะยาวที่จะกัดกระสุนและสอนตัวเองว่าจะใช้การจำลองสถานการณ์เพื่อผลประโยชน์ของคุณ (และประโยชน์ของบุคคลที่คุณกำลังให้คำปรึกษา) นั่งลงกับพวกเขาและทำตามขั้นตอนต่อไปนี้:

1) ตัดสินใจเลือกรุ่นที่เหมาะสมในบริบทของปัญหา (ดูเหมือนว่าคุณได้ทำงานในส่วนนี้แล้ว)

2) ปรึกษากับพวกเขาเพื่อตัดสินใจว่าควรจะใช้พารามิเตอร์แบบใด, พฤติกรรมของกลุ่มควบคุมไม่ว่าสิ่งนี้จะหมายถึงอะไรในบริบทของปัญหา

3) ให้คำปรึกษากับพวกเขาเพื่อตรวจสอบสิ่งที่พารามิเตอร์ที่ควรอยู่ในลำดับสำหรับความแตกต่างที่จะมีความหมายในทางปฏิบัติ หากมีข้อ จำกัด ด้านขนาดของตัวอย่างก็ควรระบุที่นี่เช่นกัน

4) จำลองข้อมูลตามรุ่นทั้งสองใน 2) และ 3) จากนั้นทำการทดสอบ คุณสามารถทำได้ด้วยซอฟต์แวร์มากมาย - เลือกสิ่งที่คุณชื่นชอบและทำมัน ดูว่าคุณปฏิเสธหรือไม่

5) ทำซ้ำ 4) หลายพันครั้งพูด . ติดตามจำนวนครั้งที่คุณปฏิเสธและสัดส่วนตัวอย่างของการปฏิเสธคือการประมาณการพลังงาน ประมาณนี้มีข้อผิดพลาดมาตรฐานประมาณn}nพี^พี^(1-พี^)/n

หากคุณทำการวิเคราะห์พลังงานของคุณด้วยวิธีนี้คุณจะพบหลายสิ่ง: ก) มีพารามิเตอร์จำนวนมากวิ่งไปมามากกว่าที่คุณคาดการณ์ไว้ มันจะทำให้คุณสงสัยว่าในโลกนี้มีความเป็นไปได้อย่างไรที่จะยุบมันทั้งหมดให้เป็นตัวเลขเดียวเช่น "กลาง" - และคุณจะเห็นว่ามันเป็นไปไม่ได้อย่างน้อยก็ไม่ได้ตรงไปตรงมา B) พลังของคุณจะเล็กกว่าโฆษณาเครื่องคิดเลขอื่น ๆ มากมาย C) คุณสามารถเพิ่มพลังงานโดยการเพิ่มขนาดตัวอย่าง แต่ระวัง! คุณอาจพบว่าฉันมีเพื่อที่จะตรวจสอบความแตกต่างที่ "มีความหมายในทางปฏิบัติ" คุณต้องมีขนาดตัวอย่างที่มีขนาดใหญ่มาก

หากคุณมีปัญหากับขั้นตอนใด ๆ ข้างต้นคุณสามารถรวบรวมความคิดของคุณตั้งคำถามสำหรับ CrossValidated และผู้คนที่นี่จะช่วยคุณ

แก้ไข:ในกรณีที่คุณพบว่าคุณอย่างจะต้องใช้เครื่องคิดเลขออนไลน์ที่ดีที่สุดที่ผมเคยพบก็คือพาวเวอร์รัส lenth และหน้าขนาดของกลุ่มตัวอย่าง มีมานานแล้วมีเอกสารที่ค่อนข้างสมบูรณ์ไม่ได้ขึ้นอยู่กับขนาดของเอฟเฟกต์กระป๋องและมีลิงค์ไปยังเอกสารอื่น ๆ ที่เกี่ยวข้องและสำคัญ

แก้ไขอีกต่อไป: บังเอิญเมื่อคำถามนี้เกิดขึ้นฉันถูกต้องในการเขียนโพสต์บล็อกเพื่อออกความคิดบางอย่าง (ไม่เช่นนั้นฉันอาจไม่ได้ตอบเร็ว) อย่างไรก็ตามผมเสร็จวันหยุดสุดสัปดาห์ที่ผ่านมาและคุณสามารถค้นหาได้ที่นี่ มันไม่ได้เขียนไว้ในใจด้วย SPSS แต่ฉันพนันได้เลยว่าถ้าคนฉลาดพวกเขาอาจจะสามารถแปลส่วนของมันเป็นไวยากรณ์ SPSS ได้


8
+1 คำตอบที่ดี มันคุ้มค่าที่จะชี้ให้เห็นข้อเสียของการจำลอง (ทางเลือกคือเส้นโค้งพลังงานสามารถคำนวณทางคณิตศาสตร์ได้) การจำลองกลายเป็นสิ่งที่ไม่ได้ตั้งใจเมื่อต้องกำหนดค่าพารามิเตอร์จำนวนมาก (เช่นขนาดเอฟเฟกต์และขนาดตัวอย่าง) หรือเมื่อคุณกำลังค้นหาค่าขีด จำกัด บางอย่างเช่นขนาดตัวอย่างขั้นต่ำ แม้แต่การแสดงออกที่แน่นอนโดยประมาณสำหรับพลังงานก็มีค่าสำหรับการระบุโดยทั่วไปว่าพลังงานทำงานอย่างไรและเพื่อระบุวิธีแก้ปัญหาเบื้องต้นที่สามารถขัดเงาด้วยการจำลองเล็กน้อย
whuber

2
@whuber ขอบคุณและคุณพูดถูก ความคิดเห็นของคุณเตือนฉันว่ามักจะมีความไม่แน่นอนเพิ่มเติมในพารามิเตอร์ null / alt (ข้อมูลไม่เพียงพอ, การศึกษานำร่อง crummy ฯลฯ ) ซึ่งจะเพิ่มความซับซ้อนอีกระดับให้กับวิธีการจำลอง นี่เป็นประโยชน์อีกประการหนึ่งของวิธีการทางคณิตศาสตร์

2
แทนที่จะแก้ไขค่าของพารามิเตอร์ที่ไม่รู้จักมันมีประโยชน์ในการจำลองพวกมันด้วยการกำหนดการกระจายก่อนหน้านี้ในพารามิเตอร์เหล่านี้และจากนั้นจะได้รับ "กำลังก่อน" (นี่ไม่ใช่วิธีเบย์แม้ว่าจะมีแนวคิดของการกระจายก่อนหน้านี้เพราะ เราจำลองผลลัพธ์ของการทดสอบเป็นประจำ)
Stéphane Laurent

6
มีสองปัญหาในการจำลอง: เรียนรู้ (อันนี้ละลายได้) และทำขั้นตอนที่ 3 จากประสบการณ์ของฉันลูกค้าของฉันไม่เต็มใจที่จะทำ 3) หลายคนมีปัญหาในการระบุขนาดเอฟเฟกต์ใด ๆ เพื่อขอให้พวกเขาระบุพารามิเตอร์ใน (พูด) สมการการถดถอยหลายตัวจะเป็น .... ทีนี้พวกเขาไม่รู้วิธีตอบแม้ว่าพวกเขารู้ความหมายพวกเขาจะไม่เต็มใจระบุ
Peter Flom - Reinstate Monica

2
สเตฟานใช่คุณพูดถูกและนั่นคือสิ่งที่ฉันต้องการโดยเลเยอร์พิเศษที่ฉันพยายามสื่อสาร @ Peter ถอนหายใจ! ใช่ฉันเคยพบสิ่งนี้เช่นกัน ฉันพยายามพูดถึงค่าเฉลี่ยข้อผิดพลาดมาตรฐาน ฯลฯ จากนั้นคำนวณคณิตศาสตร์ให้มากที่สุดเท่าที่จะทำได้หลังจากนั้น ส่วนหนึ่งเป็นอุปสรรคในการสื่อสารซึ่งบางครั้งก็เป็นสิ่งที่ท้าทาย แม้ว่าส่วนที่ไม่เต็มใจนั้นก็จะรุนแรงขึ้น มันเคยเป็นที่ฉันจะยอมแพ้และพยายามเติมในช่องว่างของตัวเอง แต่ไม่ค่อยได้ผล นั่นคือคำตอบคือการยิงในที่มืดโดยมีการปิดตาและยืนอยู่ข้างหลัง
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.