试验数量对统计效应的影响
未经允许,禁止转载。
1. 影响统计效应的三因素
影响统计功效的主要有三个因素:
1)效应大小(size of effect):效应幅度越大,试验数量的效应越明显;
2)被试数量(number of subjects):被试越多,试验数量的效应越明显;
3)被试间的偏差量(amount variability across subjects):被试间偏差可来源于两个方面:测量误差(measure error)和真实分数偏差(true score variance)。测量误差是由于手工测量差异导致的,多次测量取平均可以减少该偏差。真实分数偏差是一种在没有测量误差情况下的被试间偏差,属于系统误差,不可修正,例如仪器精度不足造成的被试与被试间的偏差。
4)显著性水平(significance level):这是一个统计学假设测试的一个术语,反应了第一类错误(Type I error rate),对于EEG试验来说,一般不考虑。详情可以阅读参考2。
2. 正式的统计阐述
许多文献都研究过多少的试验数量可以获得足够的可行度(例如,Olvet & Hajcak, 2009; Pontifex et al., 2010; Marco-Pallares, Cucurell, Muente, Strien, & Rodriguez-Fornells, 2011 )。然而,这些研究的应用都非常狭窄,因为试验数量对统计功效的影响取决于两方面:EEG噪声的偏差量和真实分数偏差量。EEG噪声因实验,任务,被试群体而异,真实分数偏差量也因被试群体而异。此外,它还受效应大小和被试数量的影响,即影响统计功效的三因素。
右图展示了三种条件下总体被试间偏差与单个被试试验数量的关系曲线图。可以看出,EEG噪声和真实分数偏差共同影响了原始EEG数据的质量;当EEG噪声较高,真实分数偏差较低时,试验数量的增加对统计功效的效果十分明显。
3. 总结
决定试验的数量应该以实验条件为基准,也可以参照相似实验的试验数量选择。此外,也可以先开展预实验,观察被试间总体方差与试验数量之间的关系,选择最佳的值。
参考
- Introduction to Event-Related Potential Technique, second edition. Steven J. Luck. MIT Press.
- type-i-and-type-ii-errors