เมื่อไร (ถ้าเคย) มันเป็นความคิดที่ดีที่จะทำการวิเคราะห์พลังงานหลังฉาก?


12

ความเข้าใจของฉันคือว่าการวิเคราะห์พลังงานจะโพสต์เฉพาะกิจถ้าหากใช้ขนาดผลกระทบที่สังเกตได้เป็นขนาดผลกระทบประชากรเป้าหมาย

คำตอบ:


7

ในสาขาของฉันฉันเห็นคนที่ทำการวิเคราะห์พลังงานหลังเหตุการณ์เมื่อจุดประสงค์ของกระดาษคือการแสดงให้เห็นว่าผลกระทบบางอย่างที่อาจคาดว่าจะเกิดขึ้น (อย่างใดอย่างหนึ่งเนื่องจากวรรณคดีก่อนหน้าสามัญสำนึก ฯลฯ ) ไม่ได้ เพื่อทดสอบความสำคัญ

อย่างไรก็ตามในสถานการณ์เหล่านี้ผู้วิจัยอยู่ในข้อผูกมัด - เขาหรือเธออาจได้รับผลลัพธ์ที่ไม่สำคัญเช่นกันเพราะผลกระทบที่เกิดขึ้นจริงไม่ได้ปรากฏในประชากรหรือเพราะการศึกษาไม่ได้ขับเคลื่อนอย่างเพียงพอในการตรวจจับ ผลกระทบแม้ว่าจะมีอยู่ จุดประสงค์ของการวิเคราะห์พลังงานคือเพื่อแสดงให้เห็นว่าแม้จะมีผลกระทบเล็กน้อยในประชากรการศึกษาก็น่าจะมีความน่าจะเป็นสูงในการตรวจจับผลกระทบนั้น

สำหรับตัวอย่างที่เป็นรูปธรรมของการใช้การวิเคราะห์พลังงานหลังเหตุการณ์นี้ดูบทความที่เชื่อมโยงนี้


1
นั่นฟังดูสมเหตุสมผล จากคำตอบของคุณฉันจะสรุปได้ว่าบางครั้งมีเหตุผลที่ดีในการทำการวิเคราะห์พลังงานหลังการใช้ นั่นคือถ้าไม่มีวิธีการที่ยอดเยี่ยมในการแสดงให้เห็นว่าแม้จะมีผลกระทบต่อประชากรเพียงเล็กน้อยการศึกษาจะมีความน่าจะเป็นสูงในการตรวจจับผลกระทบนั้น คุณรู้วิธีการดังกล่าวหรือไม่
user1205901 - Reinstate Monica

ฉันคิดว่าวิธีการนั้นเป็นการวิเคราะห์พลังงานอย่างแม่นยำ ฉันคิดว่าวิธีการทางเลือกหนึ่งอาจเป็นการใช้วิธี Bayesian แทนการทดสอบสมมติฐาน Pearsonian แต่ในสาขาของฉัน (จิตวิทยา) การทดสอบสมมติฐาน Pearsonian ยังคงเป็นกระบวนทัศน์ทางสถิติที่โดดเด่น
Patrick S. Forscher

มีปัญหาใหญ่กับวิธีการอธิบาย หมายความว่าจะแตกต่างกันเสมอเนื่องจากการเปลี่ยนแปลงการสุ่มตัวอย่างดังนั้นการทดสอบใด ๆ จะสามารถตรวจจับแม้กระทั่งเอฟเฟกต์เล็ก ๆ น้อย ๆ ที่ให้กลุ่มตัวอย่างขนาดใหญ่ (เพิ่ม n ของคุณเป็น 99999999999 และทุกอย่างอาจมีความสำคัญ) นอกจากนี้ในกรณีของสมมติฐานที่ถูกปฏิเสธฉันไม่แน่ใจ แต่เป็นไปได้ว่า "อำนาจที่ได้รับ" จะ <0.5 เสมอ (หรืออย่างน้อยที่สุดก็อย่างน้อย) ดังนั้นมันจะนำไปสู่ข้อสรุปเสมอว่าตัวอย่างไม่เพียงพอ
บรูโน่

บรูโน่ข้อความของคุณไม่เป็นความจริงเว้นแต่ว่าเอฟเฟกต์ของประชากรไม่ใช่ศูนย์ หากเอฟเฟกต์ของประชากรเป็นศูนย์คุณจะได้รับผลกระทบเล็กน้อยจากการสังเกต แต่จะมีขนาดเล็กและอธิบายอย่างสมบูรณ์โดยการกระจายตัวอย่างของพารามิเตอร์ที่น่าสนใจซึ่งนำไปสู่ผลกระทบที่สำคัญในอัตราที่กำหนดโดยα
Patrick S. Forscher

4

คุณสามารถคำนวณความน่าจะเป็นที่การศึกษาจะให้ผลลัพธ์ที่สำคัญสำหรับขนาดเอฟเฟกต์ที่กำหนด ในทางทฤษฎีสิ่งนี้ควรทำก่อนที่จะทำการศึกษาเพราะไม่มีจุดประสงค์ในการทำการศึกษาที่มีพลังงานต่ำซึ่งมีโอกาสน้อยที่จะให้ผลลัพธ์ที่สำคัญเมื่อมีผลกระทบ อย่างไรก็ตามคุณยังสามารถคำนวณพลังงานหลังจากการศึกษาเพื่อให้ทราบว่าการศึกษามีพลังงานต่ำหรือไม่น่าจะเป็นพลังงานสูงในการตรวจจับแม้กระทั่งผลกระทบเล็กน้อย

คำว่า post-hoc หรือพลังงานที่สังเกตได้นั้นใช้สำหรับการวิเคราะห์พลังงานที่ใช้ขนาดของเอฟเฟกต์ที่สังเกตในตัวอย่างเพื่อคำนวณพลังงานภายใต้สมมติฐานที่ว่าขนาดของเอฟเฟกต์ที่สังเกตได้นั้นเป็นการประมาณขนาดที่เหมาะสม นักสถิติหลายคนชี้ให้เห็นว่าอำนาจที่สังเกตได้ในการศึกษาครั้งเดียวนั้นไม่ได้ให้ข้อมูลมากนักเนื่องจากขนาดของเอฟเฟกต์นั้นไม่ได้ถูกประเมินด้วยความแม่นยำเพียงพอที่จะให้ข้อมูล เมื่อเร็ว ๆ นี้นักวิจัยได้เริ่มตรวจสอบพลังที่สังเกตได้สำหรับชุดการศึกษาเพื่อตรวจสอบว่าการศึกษาที่ทรงพลังนั้นโดยเฉลี่ยแล้วหรือไม่และการศึกษารายงานผลลัพธ์ที่สำคัญกว่าพลังการศึกษาจริงหรือไม่

https://replicationindex.wordpress.com/tag/observed-power/


ดังนั้น @ Dr-r มีใครพูดถึงการศึกษาที่กล่าวถึงครั้งแรกได้อย่างไร? มีชื่อที่ถูกต้องสำหรับสิ่งนั้นหรือไม่? ฉันใช้ฟังก์ชั่น "post hoc" ของ G * Power แต่ฉันได้ใช้ขนาดเอฟเฟกต์ที่มีมาก่อน เหตุผลที่ฉันทำมันคือตอนแรกฉันวางแผนที่จะใช้ "เดา" หมายถึงความแตกต่างและส่วนเบี่ยงเบนมาตรฐาน "เดา" และพวกเขาก็แตกต่างกันมากจากที่ได้รับ นอกจากนี้ฉันไม่สามารถบรรลุขนาดตัวอย่างที่วางแผนไว้ในทั้งสองกลุ่ม ฉันไม่ต้องการใช้คำว่า "โพสต์เฉพาะกิจ" ในกระดาษของฉันเพราะผู้คนอาจเข้าใจผิด ดังนั้นคุณมีข้อเสนอแนะใด ๆ
บรูโน่
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.