G power计算样本量——混合实验设计

最新推荐文章于 2025-04-15 21:03:06 发布
最新推荐文章于 2025-04-15 21:03:06 发布
阅读量6.9k 收藏 11
点赞数 3
文章标签： 经验分享 其他
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Charven7/article/details/129386535
版权
《人如其食》探讨了食物与性别刻板印象的关系，揭示它们如何影响人们对个体的评价。通过一个2*2*2的实验设计，研究发现食物类型、性别角色和食用者性别都会对人们的认知产生显著影响，进一步证明了饮食选择在塑造社会印象中的作用。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

参考佐斌老师发表在心理学报上的《人如其食：食物性别刻板印象及对人物评价的影响》给的计算方法，举一个2*2*2的实验设计例子。

 

Charven7
关注
Prompt-Tuning——深度解读一种新的微调范式
夏栀的博客
11-19 7万+
Prompting——深度解读一种全新的微调范式   自从GPT、EMLO、BERT的相继提出，以Pre-training + Fine-tuning 的模式在诸多自然语言处理（NLP）任务中被广泛使用，其先在Pre-training阶段通过一个模型在大规模无监督语料上预先训练一个预训练语言模型（Pre-trained Language Model，PrLM），然后在Fine-tuning阶段基于训练好的语言模型在具体的下游任务上再次进行微调（Fine-tuning），以获得适应下游任务的模型。这种模式在诸
多模态大模型：技术原理与实战 在LLM时代，对软件研发的更多思考————从软件 1.0 迈向软件 2.0 时代
AI天才研究院
06-29 1431
软件1.0 vs 软件2.0 - **软件1.0**：传统的软件开发方法，通过人工编写明确的**程序逻辑和规则**来实现功能。 - **软件2.0**：利用AI和机器学习技术，通过**训练模型来"学习"如何执行任务，而不是显式编程**。在这种范式下，软件的行为更多地**由数据和学习算法决定，而不是固定的规则。**
GPowerManual.pdf
02-28
效应量估计软件使用手册
pass样本量估计操作手册
08-03
pass样本量估计操作手册
G power计算样本量——多因素被试间设计
Charven7的博客
03-05 4587
G power计算样本量——多因素被试间设计
Task4：被试内与被试间混合设计方差分析 | SPSS的实现以及Excel结果复现
TC22000的博客
01-27 1万+
被试内与被试间混合设计方差分析 | SPSS的实现以及Excel结果复现1 任务描述2 论文内容:3 数据获取4 变量介绍4 模型在MLWin中的建立：4.1 模型4.2 MLWin模型建立 1 任务描述 Task3: 从osf.io或任何知名开放数据集寻找一份合适做多层分析的数据，用MLwiN作出一个（或一组）多层分析的示例。可以复现原数据论文发表结果、亦可提出不同的模型 本文选取了来自Sca...
G power计算样本量——单因素被试间设计
Charven7的博客
03-05 6021
G power计算心理学实验样本量——单因素被试间设计
G-power安装软件
09-20
科研必备，做大样本实验的时候，选取被试的数量，要有科学的依据，G-power软件能够很有说服力的选取被试的人数，既节约的研究成本，又能达到实验的科学性，具有统计效力。
G.Power教程 | 样本量估计
热门推荐
weixin_40052256的博客
06-01 3万+
G.Power教程 | 样本量估计1 软件介绍及安装2 统计基本概念3 样本量的估计4 唠唠叨叨 Hello， 这里是行上行下，我是喵君姐姐~ 一入科研深似海，从此假期是路人。 网上正在热论996，而大部分的科研人的工作时间可能是711。 每次和审稿人斗智斗勇，都感觉自己的头发少了很多，深刻体会到了“聪明绝顶”的深意。 而审稿人常问的一个问题是： 这个被试量太少了，我对所得到的结果的准确性感到担忧~ 看到这里我们就慌了，怎么办？ 解决方法有两个： 要么补实验数据；要么让审稿人信服你的被试量是足够的，得到
求助，gpower计算协方差样本量
m0_64616080的博客
03-31 693
实验设计:两组实验对象，分别测了两次，前测数据视为协变量，后测数据唯一变量，组别为因变量，看组间差异。该方法用gpower中的F test中的ANCOVA可以计算样本量吗。
统计教程｜PASS实现2x2交叉设计两均数比较时非劣效性试验的样本量估计
cxmed的博客
08-01 698
任何研究的样本含量的估计，都应该根据研究目的、研究设计的类型、研究资料的性质、接受的处理因素、研究对象的种类以及其具体的统计学方法等因素而决定。交叉设计（cross-over design）作为一种将自身对照和组间比较相结合的设计方法，它通过按事先设计好的试验次序（sequence），对每个受试者（subject）在整个试验的不同阶段（period）均接受不同的处理，使得相比平行组设计具有更高的试验效率，在自愈性慢性疾病、药物生物利用度和生物等效性研究方面广泛运用。②个体前后差值的标准差=10mmHg；
G*Power使用方法详解，总结不易啊！！！！
qq_45030264的博客
12-13 1万+
G*power软件是由德国杜塞尔多夫大学几位乐于分享知识的老师开发的，专门用于统计功效（包括样本量）计算的免费统计软件，在心理学领域有着很高的声誉和认可度。Power 是一款为多种不同的 t 检验、F 检验、χ2 检验、z 检验和一些精确检验计算统计功率分析的工具。然而，有一群可爱的科学家设计了一个有趣的网站，让我们可以可视化的了解各个概念之间的关系。对于大多数的人来说，统计学概念都是十分抽象的，看着就头疼。接下来进入软件使用教程。
GPowerWin功效分析
02-02
power即为检验效能（1-β），意义为总体之间确实有差别，按照α的水准能发现这种差别的能力，即为在现有的α值下，拒绝原假设且不犯错误的概率，一般检验效能要大于80%（0.8），不得小于0.75，检验效能受α、效应值、样本含量的影响。
万字精研：大型语言模型微调Fine-Tuning技术——14种主流方法的原理、适用场景及实践指南
丨汀、的博客
09-05 1059
万字精研：大型语言模型微调Fine-Tuning技术——14种主流方法的原理、适用场景及实践指南
【深度学习实践】从零开始的炼丹生活11—— GAN的综述（2020.3）
骋望
02-25 1678
一文了解 GAN 过去6年的各种思想以及经典架构，并展望未来。
机器学习算法——线性回归的详细介绍 及 利用sklearn包实现线性回归模型
Ma Sizhou
02-27 4961
目录1、线性回归简介1.1 线性回归应用场景1.2 什么是线性回归1.2.1 定义与公式1.2.2 线性回归的特征与目标的关系分析2、线性回归api初步使用2.1 线性回归API2.2 举例2.2.1 步骤分析2.2.2 代码过程3、线性回归的损失和优化3.1 损失函数3.2 优化算法3.2.1 正规方程（1）什么是正规方程（2）正规方程求解举例3.2.2 正规方程的推导**推导方式一**：**推导方式二**：3.2.2 梯度下降(Gradient Descent)（1）什么是梯度下降（2）梯度的概念（3.
Gpower软件真不错
etswu的博客
06-18 1万+
今天从老师那里知道了gpower这个软件，可以计算实验样本数量，这个真是解决了长期以来困惑我的问题。不知道该软件是否也可以计算调查问卷样本数量呢？求答案。 ...
[第十六届蓝桥杯 JavaB 组] 真题 + 经验分享
最新发布
爱是小小的癌的博客
04-15 1939
[第十六届蓝桥杯 JavaB组 省赛] 经验分享
QT属性动画--设置样式属性(其他属性)
lizequan的博客
03-02 6676
这里写自定义目录标题故事背景遇到的问题解决过程最终方法感悟 故事背景   最近在制作一个按钮切换的动画特效中接触了属性动画这部分内容，并由此产生了一些思考。 遇到的问题 解决过程 最终方法 感悟 ...
gpower样本量计算单因素方差分析计算过程
05-18
单因素方差分析（One-way ANOVA）是一种用于比较三个或更多组均值是否相等的统计方法。在进行单因素方差分析前，需要确定每个组的样本量，以确保结果的可靠性。gPower是一个统计软件，可以用于计算单因素方差分析的样本量。 下面是使用gPower进行单因素方差分析样本量计算的步骤： 1. 打开gPower软件并选择“ANOVA”选项卡。 2. 在“Design”选项卡中，选择“One-way ANOVA”作为设计类型。 3. 在“Effect size”字段中输入所需的效应大小。效应大小反映了不同组之间均值差异的大小，通常使用Cohen's d值表示。一般来说，效应大小越大，所需样本量就越小，常用的效应大小是0.2、0.5和0.8。如果不知道效应大小的大小，可以根据之前的文献或经验进行估计。 4. 在“Alpha level”字段中输入显著性水平。常用的显著性水平是0.05或0.01。 5. 在“Power”字段中输入所需的功效。功效是检验假设是否成立的概率，通常使用80%、90%或95%。 6. 在“Number of groups”字段中输入组数。 7. 在“Number of measurements per group”字段中输入每组的样本量。 8. 点击“Calculate”按钮进行计算，gPower将给出所需的最小样本量。 需要注意的是，样本量的计算基于所输入的参数。如果效应大小、显著性水平或功效等参数发生改变，计算结果也会相应改变。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值