Power Analysis估算样本容量

最新推荐文章于 2023-12-13 22:02:36 发布

关在耳朵里的鱼和梦境

最新推荐文章于 2023-12-13 22:02:36 发布

阅读量3.3k

点赞数 1

分类专栏： learning note 文章标签：大数据

本文链接：https://blog.csdn.net/the_why_cafe/article/details/115008984

版权

本文介绍了统计检验力的概念及其重要性，特别是在确定研究效应稳定性中的作用。通过G*power工具，可以计算样本量、效应量、alpha水平和统计功效。在AB测试中，样本量的合理估算能有效降低成本并确保测试结果的可信度。文中给出了如何利用G*power进行样本量计算的步骤，并强调了在实际操作中如何平衡测试时间和效果目标。

摘要由CSDN通过智能技术生成

前言

为什么要进行功效分析？
统计功效指的是某检验能够正确的拒绝一个错误的虚无假设的能力，1-β。为了确定研究的效应是否稳定。在假设检验中，如果将p<0.05作为拒绝H0的标准，那么得到p<0.05这个结果的统计功效决定了结果的可信度。同时，后验统计功效在样本量很小的情况下可信度也不高。（效应量大，inflated result）

一、使用G*power计算统计检验力

相关变量：样本量、效应量、alpha水平和统计功效。
参考资料：Understanding Statistical Power and Significance Testing
在这里插入图片描述
Power: If you set a power as 80% and alpha as 5%, it means that there is a 80% possibility that the p value of the test will be less than 5%. Generally speaking, the power will be set between 80% and 90%.