Prawie wszystkie agencje przyznające granty wymagają oszacowania odpowiedniej liczebności próby w celu wykrycia efektów zakładanych w badaniu. Ale wszystkie badania są dobrze obsługiwane przez szacowanie wielkości próby, ponieważ może to zaoszczędzić wiele zasobów.
Dlaczego? Niewymiarowe badania nie znajdują prawdziwych wyników, a zbyt duże znajdują nawet mało znaczące. Zarówno badania niewymiarowe, jak i przewymiarowane marnują czas, energię i pieniądze; te pierwsze poprzez wykorzystanie zasobów bez znalezienia wyników, a te drugie poprzez wykorzystanie większej ilości zasobów niż to konieczne. Oba narażają niepotrzebną liczbę uczestników na ryzyko eksperymentalne.
Sztuką jest dobranie rozmiaru badania tak, aby było ono wystarczająco duże do wykrycia efektu o znaczeniu naukowym. Jeśli efekt okaże się większy, tym lepiej. Ale najpierw trzeba zebrać informacje, na których można oprzeć szacunki.
Po zebraniu tych informacji można dokonać obliczeń ręcznie za pomocą wzoru znajdującego się w wielu podręcznikach, użyć jednego z wielu specjalistycznych pakietów oprogramowania lub przekazać je statystykowi, w zależności od złożoności analizy. Niezależnie jednak od tego, w jaki sposób Ty lub Twój statystyk dokonacie obliczeń, musisz najpierw wykonać 5 następujących kroków:
Krok 1. Określ test hipotezy.
Większość badań ma wiele hipotez, ale do obliczeń wielkości próby wybierz jedną do trzech głównych hipotez. Sprecyzuj je w postaci hipotezy zerowej i alternatywnej.
Krok 2. Określ poziom istotności testu.
Zazwyczaj jest to alfa = .05, ale nie musi być.
Krok 3. Określ najmniejszą wielkość efektu, która jest istotna z naukowego punktu widzenia.
To jest często najtrudniejszy krok. Nie chodzi o to, aby określić wielkość efektu, którą spodziewasz się znaleźć lub którą znaleźli inni, ale o najmniejszą wielkość efektu będącą przedmiotem zainteresowania naukowego.
Co to znaczy? Każda wielkość efektu może być statystycznie istotna przy wystarczająco dużej próbie. Twoim zadaniem jest dowiedzieć się, w którym momencie Twoi koledzy powiedzą: „Co z tego, że jest znacząca? To nie ma wpływu na nic!”
Dla niektórych zmiennych wynikowych właściwa wartość jest oczywista; dla innych, wcale nie.
Kilka przykładów:
- Jeśli Twoja terapia obniżyła lęk o 3%, czy to faktycznie poprawi życie pacjenta? Jak duży musiałby być ten spadek?
- Jeśli czas reakcji na bodziec w warunkach eksperymentalnych był o 40 ms szybszy niż w warunkach kontrolnych, czy to coś znaczy? Czy różnica 40 ms jest znacząca? Czy 20? 100?
- Jeśli 4 mniej chrząszczy znaleziono na roślinę z traktowaniem niż z kontrolą, czy to naprawdę wpłynie na roślinę? Czy 4 więcej chrząszczy może zniszczyć, a nawet wyhamować roślinę, czy wymaga to 10? 20?
Krok 4. Oszacować wartości innych parametrów niezbędnych do obliczenia funkcji mocy.
Większość testów statystycznych ma format efekt/ błąd standardowy. Wartość efektu wybraliśmy w kroku 3. Błąd standardowy to na ogół odchylenie standardowe/n. Aby rozwiązać dla n, co jest celem tego wszystkiego, potrzebujemy wartości odchylenia standardowego. Istnieją tylko dwa sposoby, aby ją uzyskać.
1. Najlepszym sposobem jest użycie danych z badania pilotażowego do obliczenia odchylenia standardowego.
2. Drugim sposobem jest użycie danych historycznych – innego badania, w którym użyto tej samej zmiennej zależnej. Jeśli masz więcej niż jedno badanie, to nawet lepiej. Uśrednij ich odchylenia standardowe, aby uzyskać bardziej wiarygodne oszacowanie.
Czasami oba źródła informacji mogą być trudne do zdobycia, ale jeśli chcesz, aby liczebność próby była choć trochę dokładna, potrzebujesz jednego lub drugiego.
Krok 5. Określ zamierzoną moc testu.
Moc testu to prawdopodobieństwo znalezienia istotności, jeśli hipoteza alternatywna jest prawdziwa.
Moc .8 to minimum. Jeśli trudno będzie powtórzyć badanie lub dodać kilku dodatkowych uczestników, lepsza będzie moc .9. Jeśli starasz się o grant, moc równa .9 jest zawsze lepsza.
Teraz oblicz.
