Se hur stickprovsstorlek och effektstorlek påverkar din chans att hitta en verklig skillnad
⚠️ Denna sida har inte faktagranskats ännu. Texten kan innehålla fel. Bli en hjälte!
Välj test och ange en antagen effekt för att undersöka hur många deltagare som behövs. Verktyget använder designspecifika beräkningar för t-test, envägs-ANOVA och chi-två samt en Fisher-z-approximation för korrelation. Signifikansnivån är 5 %; t-test och korrelation prövas tvåsidigt. Läs antagandena för ditt val nedan.
Behöver du först välja analys och motivera antagandena? Börja med Planera poweranalys.
Välj oberoende t-test och behåll samma positiva effektstorlek. Vad händer med det krävda antalet deltagare när du höjer önskad power?
Rekrytera 30 per grupp för att få ungefär 30 med kompletta mätningar vid det antagna bortfallet.
Illustration med normalfördelningar för två oberoende grupper. Figurens områden bygger på en normalapproximation; siffran för power nedan beräknas med t-fördelningen.
Önskad power är ett planeringsmål. Power för nuvarande n bestäms av antalet deltagare, den antagna effekten och testets antaganden.
Nej. Det är ett räkneexempel där en observerad effekt antas vara lika stor som den inställda sanna effekten. En faktisk studies observerade effekt och p-värde varierar mellan stickprov.
Motivera effektstorleken och välj rätt effektmått för analysen. Ett d på 0,5 är inte samma antagande som ett f eller r på 0,5. Kontrollera gruppstorlekar, beroenden, fördelningar och bortfall. Beräkna gärna flera rimliga scenarier. Resultatet gäller bara den angivna modellen, exempelvis täcker det oberoende t-testet här inte olika gruppvarianser eller klustrade deltagare.
T-test använder den icke-centrala t-fördelningen; envägs-ANOVA använder den icke-centrala F-fördelningen. Chi-två använder en asymptotisk beräkning med en frihetsgrad. Korrelation använder Fisher-z med standardfel 1/√(N − 3). För repeated measures behövs fler antaganden, så där visas vägledning.
Metodunderlag: oberoende t-test, parat t-test, ANOVA och chi-två.