12 / 2 页

楼主: Sherry_Tsai

请教如何计算statistical power？

[复制链接]

Kenneth

69 主题	219 听众	2万积分

中人网专家

Rank: 50

注册时间: 2003-1-21
最后登录: 2016-11-27
积分: 29016
精华: 0
主题: 69
帖子: 1438

11楼

发表于 2010-10-20 12:10:06 |只看该作者

回复 10楼 Sherry_Tsai 的帖子

Sherry, 这当然是啊！Effect size 越小，你会找到它的机会就越低，需要一个较大的样本才可以找到它了。「找到它」的意思就是发现一个显著的结果（也就是母体参数不等如零）。

在上图中，左边是你假设的分布，你的虚无假设是 β=0。如果这是真的（β=0），那你用bc 作为临界点，找到β>0的机会是黑色的部分。但是当真正的 β是黄色的分布是，你找到β>0的机会是红色的框框。所以β越大（也就是effect size 越大），黄色的分布就越往右边移，你发现样本的估计大于bc
的机会（红色的框框）就越大。因为power是「决定β>0的机会」，所以effect size 越大，power 越大。

file:///C:/Users/MNLAW_%7E1/AppData/Local/Temp/moz-screenshot.png

本帖子中包含更多资源

您需要登录才可以下载或查看，没有帐号？注册

使用道具举报

chienhsin

8 主题	5 听众	366 积分

书生

Rank: 3 Rank: 3 Rank: 3

注册时间: 2010-8-25
最后登录: 2012-5-9
积分: 366
精华: 0
主题: 8
帖子: 79

12楼

发表于 2010-10-20 12:19:27 |只看该作者

回复 10楼 Sherry_Tsai 的帖子

在alpha value(type 1 error的機率)固定之下，effect size愈小，所需達到顯著的樣本數愈大。

Effect size可以想成H0 與 H1之間的差異，當要檢定的差異愈大(越容易看到差異)，所需樣本愈小；要檢定的差異愈小，所需樣本愈大。越細微的差異，需要愈多的樣本才能達當顯著，這是因為樣本越大，標準誤會越小，估計出來的係數的t-value會愈大。

但是愈多的樣本也會造成power越大(1- beta)，衍生另外一個問題：亦即雖然係數顯著，但是effect size事實上是很細微的。這裡的問題在於，這麼小的細微差異對實務有實際的含意嗎？
理論上，當樣本無限大時，power會趨近於1，所有小差異都會是顯著。

使用道具举报

Kenneth

69 主题	219 听众	2万积分

中人网专家

Rank: 50

注册时间: 2003-1-21
最后登录: 2016-11-27
积分: 29016
精华: 0
主题: 69
帖子: 1438

13楼

发表于 2010-10-20 21:11:38 |只看该作者

是的。Chienhsin 谈的问题是 statistical significance 与 practical significance 的关系。这正正说明了很多人（包括reviewers）追求统计上的显著（statistical significance）是因为他们不太懂统计的原理。

中人网社区招募“中国好版主”11月话费已送出

使用道具举报

Gaolp

2 主题	4 听众	176 积分

书生

Rank: 3 Rank: 3 Rank: 3

注册时间: 2010-9-23
最后登录: 2011-2-20
积分: 176
精华: 0
主题: 2
帖子: 23

14楼

发表于 2010-10-23 03:38:34 |只看该作者

回复 12楼 chienhsin 的帖子

是的，我看到过几千人的样本，变量间的相关系数很小，但是显著性很高***

当中国的知识分子也开始用武力解决问题，还有什么可以不顾虑的

使用道具举报

Kenneth

69 主题	219 听众	2万积分

中人网专家

Rank: 50

注册时间: 2003-1-21
最后登录: 2016-11-27
积分: 29016
精华: 0
主题: 69
帖子: 1438

15楼

发表于 2010-10-23 23:54:28 |只看该作者

如果 effect size 是 0.01 ，但是显著性是 p<.01，哪如何理解呢？
（1）没有practical significance，不用考虑；
（2）理论还是正确，因为 effect size 不是 0；
（3）估计会有误差，反正是显著就好了。
你会选择哪一个呢？（还是还有其他理解？）

使用道具举报

Sherry_Tsai

2 主题	6 听众	108 积分

书生

Rank: 3 Rank: 3 Rank: 3

注册时间: 2010-10-15
最后登录: 2012-9-15
积分: 108
精华: 0
主题: 2
帖子: 7

16楼

发表于 2010-10-26 16:45:07 |只看该作者

回复 15楼 Kenneth 的帖子

我个人的思考是对应于kenny的猜测1。

使用道具举报

chienhsin

8 主题	5 听众	366 积分

书生

Rank: 3 Rank: 3 Rank: 3

注册时间: 2010-8-25
最后登录: 2012-5-9
积分: 366
精华: 0
主题: 8
帖子: 79

17楼

发表于 2010-10-26 20:11:46 |只看该作者

回复 15楼 Kenneth 的帖子

我建議多給信賴區間這個資訊，讓讀者自己選擇怎麼使用我們估計出來的係數。
以迴歸係數為例，顯著性檢定只提供某係數是不是=0(有沒有解釋能力)。
信賴區間的資訊可能對實務經理人更為實用。

另外，Kenny提到的1-3選項與樣本數也有關係，我會注意樣本數是不是不合理的「大」。

如果樣本大到幾近普查，那也不需要抽樣檢定了。

本帖最后由 chienhsin 于 2010-10-26 20:15 编辑

使用道具举报

Kenneth

69 主题	219 听众	2万积分

中人网专家

Rank: 50

注册时间: 2003-1-21
最后登录: 2016-11-27
积分: 29016
精华: 0
主题: 69
帖子: 1438

18楼

发表于 2010-11-2 11:25:46 |只看该作者

Sherry, 我这样的比喻吧。如果 effect size （在这里是相关系数）是.80，你随便抽一个样本，样本的相关>0的机会有多大？答案自然是极其大。类似的，如果我有一个相对小的样本，里面可以找到的x-y值，可以让我计算出一个等如零的相关的机会是多少？答案自然是很少。
相对来说，如果 effect size 是.01，我是有很大机会在抽样中找到支持 Rxy=0 的x-y值的。所以，我就要一个很大的样本，才可以保证我有足够的“x-y对”（x-y values），让我可以把这个真正的 Rxy=.01 表现出来。

使用道具举报

12 / 2 页

返回列表

请教如何计算statistical power？

本帖子中包含更多资源

2009年度勋章