सांख्यिकीय शक्ति की गणना

जैसा कि मैं इसे समझता हूं, मुझे शक्ति विश्लेषण करने के लिए अपने प्रस्तावित अध्ययन के कम से कम तीन पहलुओं (चार में से) को जानने की आवश्यकता है, अर्थात्:

परीक्षण का प्रकार - मैं पियर्सन के r और ANCOVA / प्रतिगमन - GLM का उपयोग करने का इरादा रखता हूं
महत्व स्तर (अल्फा) - मैं 0.05 का उपयोग करने का इरादा रखता हूं
अपेक्षित प्रभाव का आकार - मैं एक मध्यम प्रभाव आकार (0.5) का उपयोग करने का इरादा रखता हूं
नमूने का आकार

क्या कोई भी अच्छा ऑनलाइन पावर कैलकुलेटर सुझा सकता है जिसे मैं एक प्राथमिकता बिजली गणना करने के लिए उपयोग कर सकता हूं । (क्या SPSS एक प्राथमिक शक्ति गणना कर सकता है?)

मैं GPower भर में आया हूं, लेकिन मैं एक सरल टूल ढूंढ रहा हूं!

power-analysis

— अधेश जोश
स्रोत

दुर्भाग्य से SPSS पैकेज में बिजली विश्लेषण के लिए एक मॉड्यूल शामिल नहीं है। आईबीएम एसपीएसएस कंपनी बिजली विश्लेषण के लिए एक अलग कार्यक्रम बेचती है।

— ttnphns

मैं GPower को मौका दूंगा। 20 या 30 मिनट की खोज के साथ, आप शायद यह बहुत प्रबंधनीय पाएंगे - कम से कम सहसंबंध जैसी प्रक्रियाओं के लिए, जरूरी नहीं कि एक जटिल प्रतिगमन मॉडल के लिए।

— rolando2

धन्यवाद! क्या GPower पर उपयोगकर्ता के अनुकूल मार्गदर्शिका उपलब्ध है?

— प्रवेश जोश

ऐसा लगता है कि यह अनुदान आवेदन के लिए है। ये उत्पादन करने और मूल्यांकन करने के लिए घबरा रहे हैं। अच्छी तरह से इस्तेमाल किए गए प्रयोगात्मक डिजाइन (उदाहरण के लिए जीनोम-वाइड एसोसिएशन अध्ययन) के लिए अच्छी तरह से प्रलेखित विशेष कैलकुलेटर हो सकते हैं। अन्यथा, मुझे लगता है कि जी। जे। केर्न्स का जवाब निम्न जोड़ के साथ जाने का सही तरीका है: जब आप इस पर होते हैं तो आपको सबसे महत्वपूर्ण मापदंडों की एक श्रृंखला का अनुकरण करना चाहिए और एक ग्राफ प्रस्तुत करना चाहिए।

— सिंह शाल्विक

यह ऐसा उत्तर नहीं है जिसे आप सुनना चाहते हैं, मुझे डर है, लेकिन मैं इसे वैसे भी कहने जा रहा हूं: ऑनलाइन कैलकुलेटर के प्रलोभन का विरोध करने की कोशिश करें (और मालिकाना कैलकुलेटर खरीदने से पहले अपने पैसे बचाएं)।

यहां कुछ कारण दिए गए हैं: 1) ऑनलाइन कैलकुलेटर सभी अलग-अलग संकेतन का उपयोग करते हैं और अक्सर खराब दस्तावेज होते हैं। यह आपके समय की बर्बादी है। 2) SPSS एक शक्ति कैलकुलेटर प्रदान करता है, लेकिन मैंने कभी इसकी कोशिश नहीं की क्योंकि यह मेरे विभाग के लिए बहुत महंगा था! 3) "मध्यम प्रभाव आकार" जैसे वाक्यांश सबसे भ्रामक हैं और सबसे सरल अनुसंधान डिजाइनों के लिए सबसे खराब और सीधे सादे गलत हैं। [0,1] में एक ही नंबर पर प्रभाव के आकार को खराब करने में सक्षम होने के लिए बहुत सारे पैरामीटर और बहुत अधिक इंटरप्ले हैं। यहां तक कि अगर आप इसे एक ही नंबर में डाल सकते हैं, तो कोई गारंटी नहीं है कि कोहेन की 0.5 समस्या के संदर्भ में "मध्यम" से मेल खाती है।

मेरा विश्वास करो - यह गोली को काटने के लिए लंबे समय में बेहतर है और अपने आप को सिखाएं कि अपने लाभ के लिए सिमुलेशन का उपयोग कैसे करें (और उस व्यक्ति के लाभ जो आप परामर्श कर रहे हैं)। उनके साथ बैठें और निम्नलिखित चरणों को पूरा करें:

1) एक मॉडल पर निर्णय लें जो समस्या के संदर्भ में उपयुक्त है (लगता है जैसे आपने पहले ही इस भाग पर काम किया है)।

2) उनके साथ यह तय करने के लिए परामर्श करें कि अशक्त पैरामीटर क्या होना चाहिए, नियंत्रण समूह का व्यवहार, जो भी समस्या के संदर्भ में इसका मतलब है।

3) व्यावहारिक रूप से सार्थक होने के लिए अंतर के क्रम में क्या पैरामीटर होना चाहिए, यह निर्धारित करने के लिए उनके साथ परामर्श करें । यदि नमूना आकार की सीमाएँ हैं, तो इसे यहाँ भी पहचाना जाना चाहिए।

4) 2 (3) में दो मॉडल के अनुसार डेटा का अनुकरण करें) और अपना परीक्षण चलाएं। आप सॉफ्टवेयर के साथ यह कर सकते हैं बहुतायत - अपने पसंदीदा उठाओ और इसके लिए जाओ। देखें कि आपने अस्वीकार किया या नहीं।

5) दोहराएँ 4) हजारों बार, कहते हैं, । इस बात का ध्यान रखें कि आपने कितनी बार अस्वीकार कर दिया है, और अस्वीकृति का नमूना अनुपात शक्ति का अनुमान है। इस अनुमान में मानक त्रुटि लगभग । $n$ $\hat{p}$ $\sqrt{\hat{p}(1 - \hat{p})/n}$

यदि आप अपना शक्ति विश्लेषण इस तरह से करते हैं, तो आप कई चीजों को खोजने जा रहे हैं: ए) आपके द्वारा अनुमानित प्रत्याशा से बहुत अधिक पैरामीटर चल रहे थे। यह आपको आश्चर्यचकित करेगा कि कैसे दुनिया में उन सभी को "माध्यम" जैसे एक ही नंबर में समेटना संभव है - और आप देखेंगे कि यह संभव नहीं है, कम से कम किसी भी सरल तरीके से नहीं। बी) आपकी शक्ति अन्य कैलकुलेटरों की तुलना में बहुत कम विज्ञापन देने वाली है। सी) आप नमूना आकार बढ़ाकर शक्ति बढ़ा सकते हैं, लेकिन बाहर देखो! आपको लग सकता है जैसा कि मेरे पास है कि "व्यावहारिक रूप से सार्थक" अंतर का पता लगाने के लिए आपको एक नमूना आकार की आवश्यकता होती है जो निषेधात्मक रूप से बड़ी हो।

यदि आप उपरोक्त किसी भी कदम से परेशान हैं, तो आप अपने विचारों को एकत्र कर सकते हैं, क्रॉसविलेडेटेड के लिए एक प्रश्न को अच्छी तरह से तैयार कर सकते हैं, और यहां के लोग आपकी मदद करेंगे।

संपादित करें: यदि आप पाते हैं कि आपको एक ऑनलाइन कैलकुलेटर का उपयोग करना चाहिए, तो जो सबसे अच्छा मैंने पाया है, वह है रसेल लैंथ्स पावर एंड सैंपल साइज पेज । यह लंबे समय से है, इसके पास अपेक्षाकृत पूर्ण प्रलेखन है, यह डिब्बाबंद प्रभाव के आकार पर निर्भर नहीं करता है, और इसके पास अन्य कागजात के लिंक हैं जो प्रासंगिक और महत्वपूर्ण हैं।

उत्तर: संयोगवश, जब यह सवाल आया, तो मैं इन विचारों में से कुछ को बाहर करने के लिए एक ब्लॉग पोस्ट लिखने के बीच में सही था (अन्यथा, मैंने शायद इतनी जल्दी जवाब नहीं दिया होगा)। वैसे भी, मैंने इसे पिछले सप्ताहांत में समाप्त किया और आप इसे यहाँ पा सकते हैं । यह SPSS को ध्यान में रखते हुए नहीं लिखा गया है, लेकिन मैं शर्त लगा सकता हूं कि अगर कोई व्यक्ति चतुर था, तो वे इसे SPP सिंटैक्स में बदल सकते हैं।

+1 अच्छा जवाब। यह अनुकरण की कमियों को इंगित करने के लायक है। (विकल्प यह है कि पावर कर्व्स की गणितीय रूप से गणना की जा सकती है।) जब कई पैरामीटर (जैसे कि प्रभाव आकार और नमूना आकार) में हेरफेर करना अनुकरणीय हो जाता है या जब आप कुछ थ्रेशोल्ड मान चाह रहे होते हैं, जैसे कि न्यूनतम नमूना आकार। यहां तक कि शक्ति के लिए एक अनुमानित सटीक अभिव्यक्ति सामान्य रूप से यह संकेत देने के लिए मूल्यवान हो सकती है कि शक्ति कैसे व्यवहार करती है और प्रारंभिक समाधानों की पहचान करने के लिए जिन्हें थोड़ा सा अनुकरण किया जा सकता है।

— whuber

@whuber धन्यवाद, और आप बिल्कुल सही हैं। आपकी टिप्पणी मुझे याद दिलाती है कि अक्सर अशक्त / शून्य मापदंडों (scant info, crummy पायलट अध्ययन, आदि) में addt'l अनिश्चितता है जो जटिलता के एक और परत को सिमुलेशन दृष्टिकोण में जोड़ता है। यह गणितीय दृष्टिकोण का एक और लाभ है।

अज्ञात मापदंडों के मूल्यों को ठीक करने के बजाय, इन मापदंडों पर एक पूर्व वितरण निर्दिष्ट करके और फिर "पूर्व शक्ति" प्राप्त करने के लिए उन्हें अनुकरण करने के लिए उपयोगी है (यह बायेसियन दृष्टिकोण नहीं है, पूर्व वितरण की अवधारणा के बावजूद, क्योंकि हम लगातार परीक्षा के परिणाम का अनुकरण करते हैं)

— स्टीफन लॉरेंट

सिमुलेशन के साथ दो समस्याएं हैं: इसे सीखना (यह एक घुलनशील है) और चरण 3 किया जा रहा है। मेरे अनुभव में, मेरा कोई भी ग्राहक 3 करने को तैयार नहीं है)। कई को किसी भी प्रभाव आकार को निर्दिष्ट करने में परेशानी होती है। (एकाधिक) प्रतिगमन समीकरण (मान) में पैरामीटर निर्दिष्ट करने के लिए उनसे कहने के लिए .... ठीक है, उन्हें पता नहीं होगा कि कैसे जवाब देना है, भले ही उन्हें अर्थ पता हो, वे निर्दिष्ट करने के लिए तैयार नहीं होंगे।

— पीटर Flom - को पुनः स्थापित मोनिका

स्टीफन हाँ, आप सही कह रहे हैं, और इसका मतलब मैं उस अतिरिक्त परत से था जिसे मैं संवाद करने की कोशिश कर रहा था। @ पेटर साहब ! हां, मैंने भी इसका सामना किया है। मैं साधनों, मानक त्रुटियों, आदि के बारे में बात करने की कोशिश करता हूं और फिर बाद में जितना हो सके उतना गणित का काम करता हूं। इसका एक हिस्सा संचार अवरोध है जो कभी-कभी एक चुनौती है। अनिच्छा भाग हालांकि और भी कठिन है। ऐसा हुआ करता था कि मैं हार मान लेता था और खुद को खाली करने की कोशिश करता था, लेकिन यह शायद ही कभी कारगर साबित होता है। यही है, जवाब अनिवार्य रूप से अंधेरे में एक आंखों पर पट्टी के साथ एक शॉट है और पीछे की ओर खड़ा है।