การทดสอบทางสถิติไม่ได้ตั้งสมมติฐานเกี่ยวกับขนาดตัวอย่าง แน่นอนว่ามีข้อสมมติฐานที่แตกต่างกันกับการทดสอบที่หลากหลาย (เช่นปกติ) แต่ความเท่าเทียมกันของขนาดตัวอย่างไม่ใช่หนึ่งในนั้น เว้นแต่การทดสอบที่ใช้นั้นไม่เหมาะสมในทางอื่น (ฉันไม่สามารถนึกถึงปัญหาได้ในขณะนี้) อัตราความผิดพลาดประเภทที่ 1จะไม่ได้รับผลกระทบจากขนาดกลุ่มที่ไม่เท่ากันอย่างมาก ยิ่งกว่านั้นการกล่าวถ้อยคำของพวกเขาบ่งบอกว่าพวกเขาเชื่อว่ามันจะเป็นเช่นนั้น ดังนั้นพวกเขาจึงสับสนเกี่ยวกับปัญหาเหล่านี้
บนมืออื่น ๆ , อัตราความผิดพลาดชนิดที่สองเป็นอย่างมากที่จะได้รับผลกระทบโดยไม่เท่ากันสูง s สิ่งนี้จะเป็นจริงไม่ว่าการทดสอบจะเป็นเช่นไร (เช่นการทดสอบt -test, Mann-Whitney U -test หรือz -test สำหรับความเท่าเทียมกันของสัดส่วนจะได้รับผลกระทบด้วยวิธีนี้) สำหรับตัวอย่างนี้ดูคำตอบของฉันที่นี่: เราควรตีความการเปรียบเทียบค่าเฉลี่ยจากขนาดตัวอย่างที่แตกต่างกันอย่างไร ดังนั้นพวกเขาอาจจะดี "เป็นธรรมในการขว้างปาในผ้าขนหนู" ด้วยความเคารพนี้ปัญหา (โดยเฉพาะถ้าคุณคาดหวังว่าจะได้ผลลัพธ์ที่ไม่สำคัญว่าผลกระทบจะเป็นจริงหรือไม่จุดประสงค์ของการทดสอบคืออะไร) nเสื้อยูZ
ในฐานะที่เป็นกลุ่มตัวอย่างขนาดแตกต่าง, พลังงานทางสถิติที่จะมาบรรจบกันที่จะαความจริงเรื่องนี้จริงนำไปสู่ข้อเสนอแนะที่แตกต่างกันซึ่งผมสงสัยไม่กี่คนที่เคยได้ยินและอาจจะมีปัญหาในการแสดงความคิดเห็นที่ผ่านมา (ไม่มีความผิดเจตนา): การวิเคราะห์พลังงานประนีประนอม แนวคิดนี้ค่อนข้างตรงไปตรงมา: ในการวิเคราะห์พลังงานใด ๆα , β , n 1 , n 2และขนาดเอฟเฟกต์dมีความสัมพันธ์กัน มีการระบุทั้งหมด แต่อย่างใดอย่างหนึ่งคุณสามารถแก้ปัญหาสำหรับล่าสุด โดยทั่วไปแล้วคนทำในสิ่งที่เรียกว่าการวิเคราะห์พลังงานแบบ a-Prioriซึ่งคุณแก้ปัญหาสำหรับNααβn1n2dยังไม่มีข้อความ(โดยทั่วไปคุณจะถือว่า ) ในอีกทางหนึ่งคุณสามารถแก้ไขn 1 , n 2และdและแก้ปัญหาสำหรับα (หรือเทียบเท่าβ ) หากคุณระบุอัตราส่วนของประเภท I ต่ออัตราความผิดพลาด II ที่คุณยินดีอยู่ โดยทั่วไปแล้วα = .05และβ = .20ดังนั้นคุณกำลังบอกว่าข้อผิดพลาดประเภทที่ 1 นั้นแย่กว่าข้อผิดพลาดประเภทที่สี่ถึงสี่เท่า แน่นอนนักวิจัยที่ได้รับอาจไม่เห็นด้วยกับสิ่งนั้น แต่เมื่อระบุอัตราส่วนที่กำหนดไว้แล้วคุณสามารถแก้ไขสิ่งที่αn1= n2n1n2dαβα = .05β= .20αคุณควรใช้เพื่อรักษาพลังงานที่เพียงพอ วิธีการนี้เป็นตัวเลือกที่ถูกต้องตามหลักเหตุผลสำหรับนักวิจัยในสถานการณ์นี้แม้ว่าฉันจะยอมรับความแปลกใหม่ของวิธีการนี้อาจทำให้การขายยากในชุมชนการวิจัยขนาดใหญ่ที่อาจไม่เคยได้ยินเรื่องแบบนี้มาก่อน