محاسبه گر توان آزمون و حجم نمونه
حجم نمونه مورد نیاز برای دستیابی به توان آماری مطلوب، یا توان آزمون با حجم نمونه مشخص را محاسبه کنید (برای آزمون t مقایسه دو گروه).
توان آزمون آماری چیست؟
روش این ابزار: تقریب نرمال برای دو گروه مستقل هم اندازه است، نه توان دقیق آزمون t نامرکزی. در حالت دودامنه، توان هر دو ناحیه رد جمع می شود. برآورد حجم نمونه از فرمول تقریبی نرمال استفاده می کند.
توان آزمون (Statistical Power) احتمال آن است که یک آزمون آماری، اثری را که واقعاً وجود دارد، به درستی تشخیص دهد (یعنی فرضیه صفر نادرست را رد کند). به بیان دیگر، توان آزمون احتمال پرهیز از خطای نوع دوم (β) است و برابر با ۱ منهای β محاسبه می شود.
قرارداد رایج در پژوهش ها، داشتن توان ۰.۸۰ یا بالاتر است؛ یعنی حداقل ۸۰٪ احتمال کشف اثر واقعی.
چرا تحلیل توان مهم است؟
- تعیین حجم نمونه: پیش از اجرای پژوهش، حجم نمونه لازم برای توان مطلوب را مشخص می کند.
- پرهیز از اتلاف منابع: از جمع آوری نمونه بیش از حد یا کمتر از حد جلوگیری می کند.
- اعتبار نتایج: پژوهش با توان پایین، حتی در صورت وجود اثر واقعی، ممکن است آن را کشف نکند.
- توجیه حجم نمونه: در بسیاری از پژوهش ها، تحلیل توان یا توجیه حجم نمونه به شفاف ترشدن طراحی و گزارش روش کمک می کند؛ الزام دقیق به حوزه، دانشگاه یا راهنمای مجله بستگی دارد.
عوامل مؤثر بر توان آزمون
چهار عامل اصلی در رابطه متقابل با یکدیگر قرار دارند؛ با دانستن سه عامل، چهارمی محاسبه می شود:
- اندازه اثر (Effect Size): بزرگی تفاوت یا رابطه مورد انتظار. اثر بزرگ تر، توان بیشتر.
- حجم نمونه (n): نمونه بزرگ تر، توان بالاتر.
- سطح معناداری (α): معمولاً ۰.۰۵. آلفای بزرگ تر، توان بیشتر اما خطر خطای نوع اول بالاتر.
- توان (Power): معمولاً هدف ۰.۸۰.
اندازه اثر کوهن (Cohen's d)
| مقدار d | اندازه اثر |
|---|---|
| ۰.۲ | کوچک (Small) |
| ۰.۵ | متوسط (Medium) |
| ۰.۸ | بزرگ (Large) |
سوالات متداول
به تحلیل توان دقیق برای پژوهش خود نیاز دارید؟
محاسبه توان و حجم نمونه برای طرح های پیچیده (ANOVA، رگرسیون، مدل های چندسطحی) را به متخصصان تزنویسه بسپارید. مشاوره اولیه رایگان است.
مشاوره انجام تحلیل آماری