Pressoché tutte le agenzie di finanziamento richiedono una stima della dimensione del campione adeguata per rilevare gli effetti ipotizzati nello studio. Ma tutti gli studi sono ben serviti dalle stime delle dimensioni del campione, in quanto possono far risparmiare molte risorse.
Perché? Gli studi sottodimensionati non possono trovare risultati reali, e gli studi sovradimensionati ne trovano anche di inconsistenti. Sia gli studi sottodimensionati che quelli sovradimensionati sprecano tempo, energia e denaro; i primi usando risorse senza trovare risultati, e i secondi usando più risorse del necessario. Entrambi espongono un numero non necessario di partecipanti a rischi sperimentali.
Il trucco è quello di dimensionare uno studio in modo che sia abbastanza grande da rilevare un effetto di importanza scientifica. Se l’effetto risulta essere più grande, tanto meglio. Ma prima è necessario raccogliere alcune informazioni su cui basare le stime.
Una volta raccolte queste informazioni, è possibile calcolare a mano utilizzando una formula che si trova in molti libri di testo, utilizzare uno dei tanti pacchetti software specializzati, o affidare il tutto a uno statistico, a seconda della complessità dell’analisi. Ma indipendentemente dal modo in cui voi o il vostro statistico la calcolate, dovete prima fare i seguenti 5 passi:
Passo 1. Specificare un test di ipotesi.
La maggior parte degli studi ha molte ipotesi, ma per il calcolo della dimensione del campione, scegliete da una a tre ipotesi principali. Rendetele esplicite in termini di ipotesi nulla e alternativa.
Fase 2. Specificare il livello di significatività del test.
Di solito è alfa = .05, ma non deve esserlo per forza.
Step 3. Specificare la più piccola dimensione dell’effetto che è di interesse scientifico.
Questo è spesso il passo più difficile. Il punto qui non è specificare la dimensione dell’effetto che ti aspetti di trovare o che altri hanno trovato, ma la più piccola dimensione dell’effetto di interesse scientifico.
Cosa significa? Qualsiasi dimensione dell’effetto può essere statisticamente significativa con un campione abbastanza grande. Il tuo compito è capire a che punto i tuoi colleghi diranno: “E allora, se è significativo? Non influisce su niente!”
Per alcune variabili di risultato, il valore giusto è ovvio; per altre, per niente.
Alcuni esempi:
- Se la vostra terapia abbassasse l’ansia del 3%, migliorerebbe effettivamente la vita di un paziente? Quanto grande dovrebbe essere il calo?
- Se i tempi di risposta allo stimolo nella condizione sperimentale fossero più veloci di 40 ms rispetto alla condizione di controllo, questo significa qualcosa? Una differenza di 40 ms è significativa? Lo è 20? 100?
- Se si trovassero 4 coleotteri in meno per pianta con il trattamento rispetto al controllo, questo avrebbe davvero un effetto sulla pianta? Possono 4 coleotteri in più distruggere, o addirittura bloccare una pianta, o ce ne vogliono 10? 20?
Step 4. Stimare i valori di altri parametri necessari per calcolare la funzione di potenza.
La maggior parte dei test statistici hanno il formato effetto/errore standard. Abbiamo scelto un valore per l’effetto nel passo 3. L’errore standard è generalmente la deviazione standard/n. Per risolvere n, che è il punto di tutto questo, abbiamo bisogno di un valore per la deviazione standard. Ci sono solo due modi per ottenerlo.
1. Il modo migliore è quello di utilizzare i dati di uno studio pilota per calcolare la deviazione standard.
2. L’altro modo è quello di utilizzare dati storici – un altro studio che ha utilizzato la stessa variabile dipendente. Se avete più di uno studio, ancora meglio. Fate la media delle loro deviazioni standard per una stima più affidabile.
A volte entrambe le fonti di informazione possono essere difficili da trovare, ma se volete dimensioni del campione che siano anche lontanamente accurate, avete bisogno dell’una o dell’altra.
Step 5. Specificare la potenza prevista del test.
La potenza di un test è la probabilità di trovare la significatività se l’ipotesi alternativa è vera.
Una potenza di .8 è il minimo. Se sarà difficile ripetere lo studio o aggiungere qualche altro partecipante, una potenza di .9 è meglio. Se stai facendo domanda per una sovvenzione, una potenza di .9 è sempre meglio.
Ora calcola.
