Fem trin til Beregning Sample Size

Næsten alle yder agenturer kræver et skøn over en passende stikprøve til at registrere effekterne hypoteserne i undersøgelsen. Men alle undersøgelser er godt tjent med estimater af stikprøvestørrelsen, da det kan spare en hel del på ressourcerne.

Hvorfor? Undermålere undersøgelser kan ikke finde reelle resultater og overdimensionerede studier finder endda uvæsentlige dem. Både underdimensionerede og overdimensionerede undersøgelser spilde tid, energi og penge; førstnævnte ved at bruge ressourcer uden at finde resultater og sidstnævnte ved hjælp af flere ressourcer end nødvendigt. Begge udsætte en unødvendig antal deltagere i eksperimentelle risici.

Kunsten er at størrelse en undersøgelse, så den er lige stor nok til at opdage en effekt af videnskabelig betydning. Hvis din effekt viser sig at være større, så meget desto bedre. Men først er du nødt til at indsamle nogle oplysninger som grundlag estimaterne.

Når du har indsamlet disse oplysninger, kan du beregne i hånden ved hjælp af en formel, der findes i mange lærebøger, bruge en af ​​mange specialiserede softwarepakker, eller udlevere dem til en statistiker, afhængigt af kompleksiteten af ​​analysen. Men uanset hvilken vej du eller din statistiker beregner det, skal du først gøre følgende 5 trin:.

Trin 1. Angiv en hypotesetest

De fleste undersøgelser har mange hypoteser, men for beregninger prøve størrelse, skal du vælge en til tre vigtigste hypoteser. Gør dem eksplicit i form af en nul og alternativ hypotese.

Trin 2. Angiv signifikansniveauet af testen.

Det er normalt alpha = 0,05, men det behøver ikke at være.

Trin 3. Angiv den mindste effekt størrelse, der er af videnskabelig interesse.

Dette er ofte det sværeste skridt. Pointen her er ikke at angive den virkning, størrelse, du forventer at finde eller at andre har fundet, men den mindste effekt størrelsen af ​​videnskabelig interesse.

Hvad betyder det? Nogen effekt størrelse kan være statistisk signifikant med en tilstrækkelig stor stikprøve. Dit job er at finde ud hvornår dine kollegaer vil sige,

For nogle resultatvariabler, den rigtige værdi er indlysende "Så hvad hvis det er væsentlig Det påvirker ikke noget?"; for andre, overhovedet ikke

Nogle eksempler:.

* Hvis din behandling sænkede angst med 3%, ville det faktisk forbedrer en patients liv? Hvor stor vil dråben være?
* Hvis svartider på stimulus i den eksperimentelle tilstand var 40 ms hurtigere end i kontrolgruppen tilstand, betyder det noget? Er en 40 ms forskel meningsfuldt? 20? 100?
* Hvis blev fundet 4 færre biller pr plante med behandlingen, end med kontrol, ville der virkelig påvirker planten? Kan 4 flere biller ødelægge, eller endda stunt, en plante, eller kræver det 10? 20?

Trin 4. Skøn værdierne af andre parametre, der er nødvendige for at beregne magt-funktionen.

De fleste statistiske test har formatet af effekt /standardafvigelse. Vi har valgt en værdi for effekten i trin 3. Standard fejl er generelt standardafvigelsen /n. For at løse for n, som er det punkt i alt dette, har vi brug for en værdi for standardafvigelse. Der er kun to måder at få det.

1. Den bedste måde er at bruge data fra en pilotundersøgelse for at beregne standardafvigelsen.

2. Den anden måde er at bruge historiske data- -En anden undersøgelse, der brugte samme afhængige variabel. Hvis du har mere end én undersøgelse, endnu bedre. Gennemsnitlige deres standardafvigelser for en mere pålideligt skøn.

Nogle gange begge informationskilder kan være svært at komme med, men hvis du vil stikprøvestørrelser, der er endda fjernstyre nøjagtige, du har brug for den ene eller den anden.

Trin 5. Angiv den tilsigtede effekt af testen.

Den effekt af en test er sandsynligheden for at finde betydning, hvis den alternative hypotese er sand.

En effekt på 0,8 er et minimum. Hvis det vil være vanskeligt at køres igen studiet eller tilføje et par flere deltagere, en effekt på 0,9 er bedre. Hvis du ansøger om tilskud, en effekt på 0,9 er altid bedre

Nu Beregn
. &Nbsp.;