2014-09-11 19:44:50解讀統計與研究譯者
效力量型一錯誤與檢定力還有樣本量
如果研究者想要在蒐集資料前進行事前效力量分析:
effect size:例如 智力測驗100分為虛無假設 效力量設定為10分 那麼110以上才能說有差異 因此效力量被事先確定以指出研究者認為值得談論的最低研究發現 研究者一開始就在研究的依變項上直接指定不重要與重要結果之間的分界 因此效力量代表敏感性 如果研究者設置高度效力量 那麼研究者期望其統計檢定力只對高度效力敏感 換句話說 如果研究者設置50分為效力量 那麼智力測驗150分以上才能說是重要差異
err prob:第一類型錯誤機率 通常設定為0.05 換句話說 在虛無假設為真的情況下 拒絕虛無假設的機率為0.05
power:檢定力(統計檢定力) 與第二類型錯誤機率的關係是(1減第二類型錯誤機率) 換句話說 檢定力越高 第二類型錯誤機率越小 通常檢定力不能小於0.8
樣本量:樣本量越多檢定力越高
這些數值互相糾葛在一起 研究者可以利用Gpower探索研究者心目中的組合
effect size:例如 智力測驗100分為虛無假設 效力量設定為10分 那麼110以上才能說有差異 因此效力量被事先確定以指出研究者認為值得談論的最低研究發現 研究者一開始就在研究的依變項上直接指定不重要與重要結果之間的分界 因此效力量代表敏感性 如果研究者設置高度效力量 那麼研究者期望其統計檢定力只對高度效力敏感 換句話說 如果研究者設置50分為效力量 那麼智力測驗150分以上才能說是重要差異
err prob:第一類型錯誤機率 通常設定為0.05 換句話說 在虛無假設為真的情況下 拒絕虛無假設的機率為0.05
power:檢定力(統計檢定力) 與第二類型錯誤機率的關係是(1減第二類型錯誤機率) 換句話說 檢定力越高 第二類型錯誤機率越小 通常檢定力不能小於0.8
樣本量:樣本量越多檢定力越高
這些數值互相糾葛在一起 研究者可以利用Gpower探索研究者心目中的組合