क्या नमूना आकार में वृद्धि ठीक है, अगर एक प्राथमिकता बताई गई है?


13

मैं एक विषय के डिजाइन के साथ दूसरे की तुलना में एक उत्तेजना के गुण के बारे में एक अध्ययन करने वाला हूं। मेरे पास एक क्रमपरिवर्तन योजना है जिसे अध्ययन के कुछ हिस्सों (कार्य प्रकार के आदेश, उत्तेजना के आदेश, कार्य क्रम के आदेश) के प्रभाव को कम करने के लिए डिज़ाइन किया गया है। क्रमचय योजना यह निर्धारित करती है कि नमूना आकार 8 से विभाज्य हो।

नमूना आकार निर्धारित करने के लिए मुझे या तो एक जंगली अनुमान (मेरे क्षेत्र में एक अच्छी परंपरा होने के नाते) लेना होगा या मेरी इच्छित शक्ति के लिए नमूना आकार की गणना करनी होगी। अब समस्या यह है कि मुझे इस बात का थोड़ा भी सुराग नहीं है कि मैं कितना बड़ा प्रभाव देखूंगा (मैं अपने क्षेत्र में एक अच्छी परंपरा भी)। इसका मतलब है कि बिजली की गणना थोड़ी मुश्किल है। दूसरी ओर, एक जंगली अनुमान लेना, बुरा भी हो सकता है क्योंकि मैं या तो बहुत कम नमूना आकार के साथ बाहर आ सकता हूं या अपने प्रतिभागियों को बहुत अधिक पैसा दे सकता हूं और लैब में बहुत अधिक समय बिता सकता हूं।

क्या यह सही है कि मैं 8 व्यक्तियों के बैचों में प्रतिभागियों को जोड़ दूं, जब तक कि मैं दो पी-मानों का गलियारा नहीं छोड़ दूं? जैसे 0,05 <p <0,30? या और कैसे, आप सिफारिश करेंगे, क्या मुझे आगे बढ़ना चाहिए?


2
ऐसा लगता है कि आप एक अनुक्रमिक डिजाइन / विश्लेषण के दायरे में कुछ ढूंढ रहे होंगे।
कार्डिनल

जवाबों:


9

सबसे पहले, अपने प्रश्न का सीधे उत्तर देने के लिए: नहीं, आप तब तक नहीं जा सकते जब तक आपको एक महत्वपूर्ण पी-वैल्यू नहीं मिलती। आपके द्वारा प्रस्तावित डिज़ाइन में एक प्रकार की त्रुटि दर 5% से ऊपर है। हालाँकि अंतर्निहित विचार सही है, सिवाय आपको कटऑफ को समायोजित करने के। वास्तव में, जैसा कि @cardinal ने टिप्पणियों में उल्लेख किया है, आपके प्रश्न के लिए अनुसंधान का एक पूरा क्षेत्र है: इन्हें क्रमिक, या समूह-अनुक्रमिक, या अधिक सामान्यतः, अनुकूली डिजाइन कहा जाता है (वे एक ही चीजें नहीं हैं, लेकिन सभी साथ हैं आपके विचार की लाइनें)।

यहाँ एक संदर्भ है जो कुछ मूल विचारों को प्रदर्शित करता है: सी। मेहता, पी। गाओ, डीएल भट्ट, आरए हैरिंगटन, एस। स्केरजनेक, जेएच वेयर ऑप्टिमाइज़िंग ट्रायल डिज़ाइन: अनुक्रमिक, अनुकूली, और प्रवर्तन रणनीतियाँ परिसंचरण। 2009; 119: 597-605


1
ठीक है, यह दिलचस्प लगता है। मैंने पहले अनुकूली डिज़ाइनों के बारे में पढ़ा, लेकिन केवल कुछ स्लाइड्स पर तो आपके द्वारा दिया गया कागज़ संदर्भ वास्तव में उपयोगी लगता है।
xmjx

6

क्या आपने प्रभाव आकारों की एक सीमा से अधिक शक्ति को देखने पर विचार किया है? उदाहरण के लिए, मैं अक्सर एक वक्र के रूप में शक्ति की गणना करता हूं, और ग्राफ में पके हुए संभावित परिदृश्यों के असंख्य के साथ अंत करता हूं, जिसमें मैं फिर एक नमूना आकार निर्णय ले सकता हूं। उदाहरण के लिए, मैं अपने बेतहाशा, इस विल-सेल-थ्रू-पीयर-रिव्यू सपनों की तुलना में बहुत करीब से लेकर शून्य तक के प्रभाव के उपायों के लिए आवश्यक नमूना आकार की गणना कर सकता हूं।

मैं अन्य परिदृश्यों की भी साजिश कर सकता हूं, यह इस बात पर निर्भर करता है कि मैं डेटा के बारे में कितना नहीं जानता। उदाहरण के लिए, नीचे एक भूखंड है जो शक्ति की गणना करता है, न कि नमूना आकार, लेकिन इसकी एक समान अवधारणा है। मैं डेटा के बारे में बहुत कम जानता हूं, इसलिए मैंने एक जीवित विश्लेषण के लिए 10% घटना दर ग्रहण की, और फिर कई स्थितियों में अध्ययन की शक्ति (नमूना आकार तय किया गया) की गणना की:

पावर कर्व्स

कोई भी इस मामले में घटनाओं की संख्या को भिन्न करने में सक्षम हो सकता है, जो आपको कई भूखंडों, या "पावर सरफेस" के साथ छोड़ देगा। यह एक बहुत तेज़ तरीका लगता है कि कम से कम एक हैंडल प्राप्त करने के लिए जहां आपको नमूना आकार की तलाश करनी चाहिए, बजाय मक्खी पर नमूना आकार को संशोधित करने के। या कम से कम आपको एक दहलीज दें जहां आप लोगों को जोड़ना बंद कर सकते हैं। उदाहरण के लिए, यदि आपकी गणना आपको बताती है कि 1,000 लोग आपको किसी बहुत छोटी चीज का प्रभाव दिखाई देंगे - उदाहरण के लिए, 1.01 या इससे अधिक का खतरनाक अनुपात - आप जानते हैं कि यदि आप हिट करते हैं, तो आप लोगों को जोड़ने की कोशिश करना बंद कर सकते हैं, क्योंकि यह एक बिजली की समस्या नहीं है, लेकिन "वहाँ कुछ भी नहीं है" समस्या है।


1
यह वास्तव में एक महान विचार है। जबकि मैं @ Aniko के उत्तर का पक्ष लेता हूं क्योंकि यह सीधे मेरे प्रश्न को संबोधित करता है, आपका सुझाव निश्चित रूप से अल्पावधि में अधिक उपयोगी है। मुझे लगता है कि मेरे दिमाग को अनुक्रमिक रणनीतियों के आसपास लपेटने में कुछ समय लगेगा।
xmjx

3

बिजली की गणना करते समय, जो प्रश्न मैं आमतौर पर (मेरे क्षेत्र में, जिसमें ये परंपराएं भी हैं) पूछती हैं, "लोगों को देखभाल करने के लिए कितना बड़ा प्रभाव पड़ेगा?" यदि आपका तरीका 0.1% सुधार के साथ "काफी" बेहतर है, तो क्या कोई परवाह करेगा? 0.01% सुधार कैसे हुआ?


मैं @ एपिग्रैड के पावर प्लॉट के लिए एक शुरुआती बिंदु प्राप्त करने के लिए विचार की उस ट्रेन का उपयोग करूंगा।
xmjx
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.