首先,執行 G*Power。由於此例子已知母群體,在步驟一選擇 means: difference from constant (one sample case)。
接下來選擇雙尾,power 選擇 0.9。
步驟 4 是計算 effect size,這其實心算就可以了,但還是教教怎麼用軟體算。選擇 determine 之後,右邊會彈出一個小視窗。依照範例的數字填上去,按 calculate 即可。其實在這例子中,effect size 就是 (850-810)/50,就會得到 0.8。按 calculate and transfer to main window。
二、申請 grant 幾乎必備 很多機構(尤其美國)在 proposal 審查時,沒有 power analysis 幾乎就直接刷掉。這不是統計細節,是拿到研究經費的門票。
三、事後解釋為什麼不顯著(Post hoc) 如果結果 p > .05,事後 power analysis 可以幫你釐清:是真的沒有效果,還是樣本太小、power 不足?
⚠️ 常見誤解:事後 power analysis 不能「拯救」一個不顯著的結果,也不能當作繼續收樣本的理由。它只是診斷工具。
四個影響 Power 的因素
因素
方向
說明
樣本數
↑ → Power ↑
最直接的調整手段
效果量
↑ → Power ↑
效果越大越容易偵測
顯著水準 α
放寬 → Power ↑
代價是型一誤差增加
單/雙尾
單尾 → Power ↑
需要有理論支撐才能用單尾
實務上最常調整的是樣本數。效果量來自文獻估計,α 通常固定在 .05,單雙尾取決於研究問題。
Power 要多大?
大部分社會科學領域的慣例是 ≥ .80。有些期刊或 grant 申請要求 ≥ .90。
使用 G*Power(免費,Windows/Mac 均有)可以快速計算樣本數或驗算 power。輸入:效果量、α、目標 power → 輸出:所需樣本數。
論文裡怎麼寫?
說明效果量估計來源(文獻 meta-analysis 或 pilot study)
報告設定的 α、power 目標值
報告計算出的所需樣本數,以及實際收到的樣本數
如果實際樣本 < 所需,說明原因和限制
範例句:
A priori power analysis using G*Power indicated that a sample of N = 85 was required to detect a medium effect (f = .25) with α = .05 and power = .80 in a one-way ANOVA with three groups.
在研究生2.0 的回應中,有不少人常常問有關於多變量分析的問題。這部分有時候實在不是三言兩語就可以解決的,而且在討論多變量分析時,有時候觀念不清楚常常會導致專有名詞誤用和混用,造成一些困擾,這些問題我都常常碰到。我想,既然不少人有同樣的問題,索性推薦這本多變量分析的好書:Multivariate data analysis。 這本由 Hair, Black, Babin, and Anderson 所撰寫的 Multivariate data analysis,有許多的優點,我羅列如下。 1.…
We use cookies to ensure that we give you the best experience on our website. If you continue to use this site we will assume that you are happy with it.