Date post: | 05-Feb-2016 |
Category: |
Documents |
Upload: | greenalien |
View: | 245 times |
Download: | 0 times |
TESTAREA IPOTEZELORPUTEREA TESTULUI MĂRIMEA EFECTULUIANALIZA DE PUTERE
M. Popa
cuprins
1. Mecanismul inferenței cu privire la ipoteza cercetăriia) Ipoteza cercetării și ipoteza de nul
b) Scorul standard z pentru media grupului
c) Decizia cu privire la ipoteza de nul
2. Categorii de teste statistice (tablou sintetic)
3. Aspecte critice ale testării ipotezei de nul
4. Intervalul de încredere pentru testul statistic la nivelul populației
5. Metoda bootstrap pentru calcularea intervalului de încredere al testului statistic
Cercetarea științifică
Proces de verificare a ipotezelor
Din punct de vedere statistic, verificarea ipotezelor este un proces de inferență Eșantion
Raționament indirect
Condiții, presupuneri, modele teoretice, proceduri, reguli decizionale
Inferența statistică este doar o componentă a procesului de verificare a ipotezelor…
Piramida experimentală (Anderson, 2001)
Cadrul conceptual
Fenomenul cercetat
Comportamentul
Măsurarea
Modelulcercetării
Inferențastatistică
Interpretarea rezultatelor
exemplu
studiu cu privire la nivelul satisfacției profesionale
se aplică o scală special construită,tuturor angajaților organizației (populație)
Rezultate: scor numeric medie pe întreaga instituție este μ=11; σ=2.5
unul dintre compartimente (n=30): m=10, s=1.5
Diferența m-μ indică o problemă de conducere în compartimentul respectiv?
Ipoteza cercetării (alternativă)
”angajații compartimentului respectiv au un nivel de satisfacție mai redus decât ceilalți angajați„
scorurile angajaților din acel grup nu fac parte din distribuția scorurilor întregii instituții, ci dintr-o alta, specifică lor, cu o medie mai mică
μe μp
H1 → µe<µp
H1
Populația din care fac parte TOȚI
angajații
Populația din care fac parte SUBIECȚII
DIN GRUPUL CERCETĂRII
H0
μe= μp
NU EXISTĂ DOUĂPOPULAȚII DIFERITE
Populația din care fac parte SUBIECȚII
DIN GRUPUL CERCETĂRII
Populația din care fac parte TOȚI
angajații
z=-2.22 μz=0
p=0.486p=0,014
1.4% 48.6%
Scorul standard z pentru grup
22.2
30
5.2
1110
ms
mz
Eroarea standard a mediei
Rezultate: • media organizației: μ=11; σ=2.5
• media compartimentului (n=30): m=10, s=1.5
Proiecția pe distribuția de nul (normală/t)
Decizia cu privire la ipoteza de nul
Criterii propuse de Fischer prag alfa: p=0.05 (5%)
Valoare critică pe distribuția de nul
pentru alfa=0.05, z critic=1.65
Se respinge H0 dacă valoarea calculată este mai mare sau egalădecât valoarea critică
rezultatul CONFIRMĂ ipoteza cercetării
Se admite H0 dacă valoarea calculatăeste mai mică decât valoarea critică
rezultatul NU CONFIRMĂ ipoteza cercetării.
Sir Ronald Aylmer Fisher1890-1962
μz=0
45%
zcritic=-1.65
50%p=0.05
5%
Decizie unilaterală
z=-2.22 μz=0
p=0,014
1.4%
zcritic=-1.65
Zona de respingerea ipotezei de nul (p=0.05)
Zona de admitere a ipotezei de nul (p=0.95)
Decizie bilaterală
z=-2.22 μz=0
p=0.475p=0,014
1.4% 47.5%
zcritic=-1.96
Zona de respingerea ipotezei de nul (p=0.025)
Zona de admitere a ipotezei de nul
p=0.95
z=+2.22
zcritic=+1.96
Zona de respingerea ipotezei de nul (p=0.025)
p=0,014
1.4%
p=0.47547.5%
Decizia split-tailed (Harris, 2005)• decizie unilaterală• repartiția inegală a valorii alfa (0.05)
• în loc de 0.025/0.025• … de exemplu: 0.04 – 0.01• ???
2. Categorii de teste statistice
Bivariate Modele de cercetare cu două variabile (VI și VD)
Multivariate Modele ce cercetare cu mai mult de două variabile
Teste care vizează anumite proprietăți ale variabilelor Normalitatea (Kolmogorov-Smirnov sau Shapiro-Wilk)
Egalitatea (omogenitatea) dispersiei grupurilor (Levene)
Tipuri de teste bivariate
Obiectivul
cercetării
Variabila
Independentă
Variabila
dependentă
Testul statistic
Aplicabil
1 2 3 4
Diferenţa
dintre
grupuri
Categorială
(nr. categ.)
una -I/R z/t pentru un eşantion
Nominală z pentru o proporţie
două
independente
I/R t pt. eşant. independente
Nominală z pentru două proporţii
Ordinală Mann-Whitney U
dependente
I/R t pt. eşant. dependente
Nominală testul semnului
Ordinală Wilcoxon
trei+
independenteI/R ANOVA unifactorială
Ordinală Kruskal-Wallis
dependenteI/R
ANOVA pt. măsurări
repetate
Ordinală Friedman
Asocierea
variabilelor
Interval/Raport I/R r Pearson
Ordinală Ordinală rs Spearman
Categorial (Nominală sau Ordinală) Categorială (N/O)Chi-pătrat
Testul exact Fischer
6 pași ai modelului testării H0
1) Formularea unei ipoteze de nul (ca opus al ipotezei cercetării) supusă în mod direct testului statistic pentru a se face o inferență asupra ipotezei cercetării
obiective:
ipoteze cu privire la diferențele dintre medii
ipoteze cu privire la asocierea între variabile
2) Alegerea unui model teoretic pentru distribuția de eșantionare distribuția normală Gauss
distribuția t Student
distribuția Fischer (pentru analiza de varianță)
distribuția chi-pătrat
distribuția binomială (utilizată pentru testarea proporțiilor).
3) Fixarea criteriilor deciziei statistice anterioară procesului de măsurare, nu poate fi schimbată după efectuarea calculelor și se referă la:
Alegerea pragului alfa.
pragul alfa este 0.05.(0.01 sau 0.001.
Alegerea tipului de decizie (unilaterală sau bilaterală)
în mod obișnuit se utilizează decizia statistica bilaterală, care este mai conservatoare, chiar și atunci când ipoteza cercetării este formulată unilateral.
6 pași ai modelului testării H0
4) Alegerea unui test statistic adecvat, pentru care se vor avea în vedere: identificarea variabilei independente și variabilei dependente;
identificarea scalei de măsurare pentru variabila dependentă, în funcție de care se va decide pentru un test parametric (cantitativ) sau pentru un test neparametric (ordinal sau nominal);
precizarea clară a obiectivului ipotezei (diferența dintre medii sau asocierea dintre variabile).
5) Calcularea testului statistic când testul este calculat manual, valoarea critică corespunzătoare pragului alfa ales trebuie citită în
prealabil dintr-un tabel al distribuției teoretice
când se utilizează un program computerizat, atunci acesta va calcula, pe lângă valoarea testului și probabilitatea exactă (p)
dacă p este egal sau mai mic decât alfa, se respinge ipoteza de nul
dacă p este mai mare decât alfa se admite ipoteza de nul
6) Decizia statistică (admiterea/respingerea ipotezei de nul)
3. Aspecte critice ale testării ipotezei de nul
Deși probabilitatea alfa=0.05 este mică, aceasta nu exclude posibilitatea să existe o valoare întâmplătoare, egală sau mai mare cu valoarea calculată.
Declararea unui rezultat ca fiind semnificativ este frecvent înțeleasă și interpretată ca fiind ”important”, sau ”semnificativ” din punct de vedere practic sau social” … fundamental greșit
diferența dintre două medii poate fi semnificativă și totuși să nu prezinte o relevanță practică deosebită
Termenului ”semnificativ” este considerată o alegere nefericită (Thompson, 1998)
formulare recomandată: ”semnificativ statistic” sugerează natura probabilistică a semnificației.
Alte interpretări greșite
rezultatul are o probabilitate mare (egală cu nivelul de încredere) de a se repeta în cazul replicării cercetării
acest lucru îl spune ”puterea testului”
semnificația statistică indică probabilitatea ca rezultatul cercetării să fie întâmplător
Rezultatul nu este extras la întâmplare, ci decurge din procedura de cercetare
rezultatul indică probabilitatea ca eșantionul să fie reprezentativ
acest lucru îl spune ”eroarea standard”
semnificația statistică (prin nivelul de încredere) indicăprobabilitatea ca ipoteza cercetării să fie adevărată
decizia cercetătorului se referă la H0, nu la H1
Dependența rezultatului de mărimea eșantionului
Valoarea testelor statistice se calculează cu formule care au la numitor eroarea standard putem crește valoarea testului și, implicit, șansa de respingere a ipotezei de nul, prin utilizarea unui volum mai mare de subiecți
aproape orice test statistic poate deveni semnificativ, dacă avem suficient de mulți subiecți
n r
3 0 .997
5 0.878
10 0.632
20 0.444
50 0.276
100 0.196
500 0.088
1000 0.062
5000 0.0278
10000 0.0196
Argumente pro
propune un raționament obiectiv sustrage subiectivității imediate cercetătorului, iar concluzia pe care o propune poate fi verificată de alți cercetători
reprezintă o modalitate de a ”exclude” explicația alternativă (H0) Dacă nu putem dovedi adevărul H1, cel puțin putem să dovedi căipoteza opusă este puțin probabilă
Interpretarea greșită/abuzivă a rezultatului (valoarea p), nu ar trebui să fie un motiv de respingere a procedurii ca atare Recomandabil ar fi ca ea să fie utilizată și interpretată în mod corect
Soluții?
J. Cohen (1997) Nu există o alternativă magică la testarea ipotezei de nul!
Înainte de a generaliza pe baza datelor cercetării, acestea ar trebui explorate mai profund (Exploratory Data Analysis - Tuckey)
Utilizarea mărimii efectului
Utilizarea intervalului de încredere
Analiza de putere
Testarea ”gradului de potrivire” (goodness-of-fit)
Probleme: nu există proceduri statistice pentru toate aceste deziderate
De exemplu, multe teste statistice nu au CI
chiar și atunci când există, programele uzuale nu le oferă
SPSS nu oferă intervale de încredere pentru r, de ex.
pentru anumite soluții statistice nu există programe accesibile și utilizabile pe scară largă
4. Intervalul de încredere pentru testul statistic la nivelul populației
Wilkinson, & Task Force on Statistical Inference, APA Board of Scientific Affairs. 1999
Valoarea testului descrie rezultatul cercetării la nivel de eșantion, fiind doar o estimare a acestei valori pentru populație
limitele intervalului de încredere oferă o indicație cu privire la precizia estimării la nivelul populației
Intervalul de încredere pentru testul z pentru un singur eșantion
m=10
σ=2.5
µ=m±1.96*sm
Limita inferioară=10-1.96*0.45=9.11
Limita superioară=10+1.96*0.45=10.89
45.030
ms
Intervalul de încredere pentru diferența dintre medii
µdif=media populaţiei de diferenţe (µ1-µ2)
mdif=diferenţa dintre mediile eşantioanelor cercetării (m1-m2 )
tcritic=valoarea lui t pentru nivelul de încredere ales (de regulă 95%)
sdif=eroarea standard a diferenţei
EXEMPLU:
difcriticdifdif stm
Utilitatea intervalului de încredere
intervalul de încredere include (cu o probabilitate asumată) media ipotezei de nul (µdif=0)
Echivalent cu admiterea H0
N mic → eroare standard mare Risc de admitere a H0
Dacă rezultatul impune admiterea H0, se pot recalcula limitele cu N progresiv mărit, până ce intervalul de încredere exclude valoarea zero
se află de câți subiecți suplimentari am avea nevoie pentru a respinge H0 (…?!)
5. Metoda bootstrap pentru calcularea CI
Logică similară pentru calcularea CI al mediei
PUTEREA TESTULUI
Cuprins
Erori statistice Tip I
Tip II
Puterea testului Distribuția ipotezei cercetării
Mijloace de creștere a creșterii puterii
Mărimea efectului Indicatori ai mărimii efectului
Intervalul de încredere pentru mărimea efectului
Raportarea mărimii efectului
Analiza de putere Tipuri de analiză de putere
G*Power 3 - exemple de operare
Concluzii
Erori statistice
Se referă la eroarea în raport cu “realitatea vieţii”, nu la
aplicarea greşită a procedurii de testare.
În raport cu „realitatea vieţii”, decizia cu privire la
ipoteza de nul poate fi corectă sau greşită
Cercetătorul nu poate şti cu certitudine dacă decizia
pe care o ia este cu adevărat corectă sau este greşită
(dacă ar putea, nu ar mai avea nevoie de statistică)
Decizia statistic
ă
Acceptarea H0
“Adevărul vieţii” (necunoscut)
1. decizie corectă
p=1-alfa
H0 este adevărată
Respingerea H0
H0 este falsă
3. decizie corectăp=1-beta (power)
2. eroare de tip IP=alfa
4. eroare de tip IIp=beta
decizia statistică vs. “adevărul vieţii”
z=0 zcalculat =+1.96
Eroarea de tip I
“fals pozitiv”
Nivelul de încredere
1-alfa=0.95
zcalculat =-1.96
Eroarea de tip I
“fals pozitiv”
p=0.025p=0.025
Eroarea de tip I şi nivelul de încredere
în condiţiile deciziei bilaterale
Puterea (1-beta) Probabilitatea respingerii H0 când H0 este falsă
Probabilitatea ca cercetarea să detecteze un ”efect” în eșantion, dacă aceasta există în realitate
”Efect”=diferență între medii sau corelații între variabile
Eroarea de tip II (beta) Probabilitatea admiterii H0 când H0 este falsă
pentru a cuantifica valoarea beta, trebuie să ne facem o idee despre distribuția H1
H1 este mai complicată decât H0
H0… diferența dintre două medii este 0 (altă explicație nu este)
H1… dacă diferența nu e zero, poate însemna orice…
exemplu
am aplicat o scală de evaluare a agresivității… un grup de 6 bărbați (m1=20)
un grup de 6 femei (m2=16)
diferența dintre cele două medii este semnificativă statistic?
presupunem că ambele grupuri au aceeași abatere standard (omogenitatea varianței) s=4
Să presupunem că știm adevărul vieții (bărbații sunt mai agresivi decât femeile), deci că H1 este adevărată
În realitate nu avem de unde să știm cu certitudine acest lucru (altfel nu ar mai fi avut rost cercetarea)
Ca urmare, dacă datele cercetării impun admiterea H0, comitem o eroare de tip II
Pentru cuantificarea ei trebuie să construim distribuția H1
Modelul teoretic pentru H0 și H1 va fi distribuția t
Diferența dintre ele este că: H0 are media în zero (μ1=μ2)
H1 are media diferită de zero (μ 1> μ 2) distribuție non-centrală cu media egală cu valoarea testului t
tcritic (df=10)=2.22
tcalculat=+1.73
tcalculat<tcritic → admitem H0
…eroare de tip II
n
ss
mmt
2
2
2
1
21
73.130.2
4
6
1616
1620
t
Distribuția cercetării(non-centrală)
Distribuția de nul alfa=0.05/2
µ=0
t=1.73
tcritic=2.22
µ= 1.73
Zona de admitere H0
Zona de admitere H0 Zona de respingere H0
Zona de respingere H0
Eroare de tip II (beta) Puterea (1-beta)
0.60 0.40??
Distribuția cercetării(non-centrală)
Distribuția de nul alfa=0.05/2
µ=0
t=173
tcritic=2.22
µ= 1.73
Zona de admitere H0
Zona de admitere H0 Zona de respingere H0
Zona de respingere H0
Eroare de tip II (beta) Puterea (1-beta)
tcalculat=2.22
0.50 0.50
Distribuția cercetării(non-centrală)
Distribuția de nul alfa=0.05/2
µ=0 tcritic=2.22
Zona de admitere H0
Zona de admitere H0 Zona de respingere H0
Zona de respingere H0
Eroare de tip II (beta) Puterea (1-beta)
tcalculat=2.22
tcalculat=3.0
0.40 0.600.50 0.50
Cât de mare ar trebui să fie puterea?
< 0.5 Probabilitate mai mare pentru eroare decât pentru decizie corectă
= 0.5 șanse egale între decizie corectă și eroare
50% șanse de a discrimina între o ipoteză a cercetării adevărată sau falsă!
> 0.5 Crește puterea de discriminare între decizie corectă și eroare
0.7 este considerat acceptabil
Presupune o eroare de tip II = 0.3
0.8 este considerat un compromis rezonabil între putere și eroarea de tip II
O puterea apropiată de 1 ar face inutilă cercetarea
Metode de creştere a
puterii testului
creşterea volumului eşantionului (N)
maximizarea variabilităţii primare
Reducerea variabilității secundare
(variabile covariante, erori de măsurare)
modelul de cercetare
(intra-subiect/inter-subiect)
Testul bilateral / unilateral
Testele parametrice prezintă o putere statistică
mai mare decât cele neparametrice
Variabilitatea distribuțiilor și puterea
Variabilitate mare
Variabilitate redusă
http://www.uvm.edu/~dhowell/SeeingStatisticsApplets/PowerT.html
Power
Power
MĂRIMEA EFECTULUI
puterea testului depinde de valoarea lui t calculat media a distribuției populației cercetării
este simbolizată cu litera grecească δ (delta)
corespunde valorii zero de pe distribuția de nul
poate fi înțeleasă și ca valoare așteptată pentru t
Formula de calcul…
nn
2
21
2
2
2
1
21
*2
*2
*2
21
2
21
nn
21
2121 *
2
*2
*2
n
n
n
21 d dn
*2
Mărimea efectului
Definiția mărimii efectului
indicator statistic care cuantifică mărimea diferenței dintre medii
intensitatea asocierii dintre variabile
Pentru diferența dintre două medii:
21 d
d=0.5d=0.2
d=0.8
Indică gradul de suprapunere dintre H0 și H1
Pentru exemplul nostru
Pentru grupuri de volum diferit și dispersii neomogene se utilizează formula dispersiei cumulate (pooledvariance)
Recomandări de interpretare (Cohen)
În ce condiții crește mărimea efectului? Diferență mai mare între medii
Dispersii mai mici
14
1620
d
mărimea efectului d
mare 0.8
medie 0.5
mică 0.2
21 d
Indicatori ai mărimii efectului
Numeroși Indicatori care se bazează pe diferența standardizată dintre medii:
d al lui Cohen; delta (δ) al lui Glass sau g al lui Hedges.
Indicatori care se bazează pe gradul de asociere dintre variabile (de tipul corelației Pearson r)
care descriu procentul variabilității explicate de fiecare variabilă în raport cu cealaltă:
r, r2, R2 (coeficientul de regresie), η2 (eta pătrat, pentru ANOVA), ω2 (omega pătrat, pentru ANOVA), f (pentru ANOVA), φ (fi, pentru testul chi-pătrat), φc
(fi-Cramer, pentru testul chi-pătrat) și alții
Pot fi transformați unul în altul
Echivalența indicatorilor mărimii efectului
http://imaging.mrc-cbu.cam.ac.uk/statswiki/FAQ/effectSize
Intervalul de încredere pentru mărimea efectului
Raportarea mărimii efectului
APA: neraportarea este o eroare!
Beneficiile raportării Permite includerea cercetării respective în studii de meta-analiză
Oferă un sprijin cercetătorilor care vor aborda în viitor aceeași temă
facilitează evaluarea măsurii în care rezultatele unei cercetări se potrivesc cu rezultate similare din literatura științifică
Factori care afectează mărimea efectuluiCoe, R. (2002, 12-14 September). It's the Effect Size, Stupid. What effect size is and why it is important. Paper presented at the Annual Conference of the British Educational Research Association, University of Exeter, England
Neomogenitatea varianței grupurilor comparate Când se compară două grupuri, se recomandă utilizarea abaterii standard globale
Metoda este corectă dacă cele două ab. st. sunt echivalente
Restricția de amplitudine Limitarea artificială a variației variabilelor (vezi M. Popa: Restricția de amplitudine, o
amenințare ascunsă la adresa validității de criteriu (PRU, 2012))
Non-normalitatea distribuțiilor Interpretarea mărimii efectului se bazează pe condiția de normalitate a distribuției
Fidelitatea măsurării Eroarea de măsurare diminuează nivelul corelației (vezi M. Popa: ”Infidelitatile”
coeficientului de fidelitate Cronbach alfa (PRU, 2011)
Soluții alternative la indicii de mărimea efectului
Utilizarea diferenței nestandardizate dintre medii, concomitent cu intervalul de încredere, preferabilă atunci când: Valorile sunt exprimate pe o scală familiară
Eșantionul este restricționat în amplitudine
Nu se întrunește condiția de normalitate a distribuțiilor
Abaterile standard nu sunt echivalente (heterodasticitate)
Fidelitate redusă (sau necunoscută) a măsurării
Mărimea efectului
Semnificație
statisticăSuficient de mare Prea mică
Acceptabilă
(p≤0.05)Nu sunt probleme de inferență
Asumarea semnificației statistice
pentru rezultate neimportante
Inacceptabilă
(p>0.05)
Eșecul de a confirma rezultate
importante, pentru că sunt
nesemnificative statistic
Nu sunt probleme de inferență
Probleme ale inferenței statistice în funcție de mărimea efectului și decizia statistică
ANALIZA DE PUTERE
Analiza de putere
proceduri care integrează mărimile statistice de care depinde putere cercetării: mărimea efectului
Alfa
eroarea de tip II
volumul eșantionului
variabilitatea distribuțiilor
Puterea
Rareori oferite de programele statistice PowerStaTim (Sava & Măricuțoiu, 2007)
G*Power 3 (Faul, Erdfelder, Lang, & Buchner, 2007)
MĂRIMEA EFECTULUI
Mărimea tendinței datelor sub aspectul diferenței dintre
medii sau a corelației
NIVELUL ALFA
Probabilitatea de confirmare eronată a ipotezei cercetării
(uzual: 0.05… 0.01)
VOLUMUL EȘANTIONULUI
Prea mic: H0 nu poate fi respinsă
Prea mare: H0 respinsă prea ușor
PUTERE
Probabilitatea de a detecta un efect în date, atunci când acesta
există
Componentele analizei de putere
Tipuri de analiză de putere
Analiza de putere apriorică (cea mai utilizată) Ce eșantion ne trebuie în funcție de nivelul dorit al puterii, nivelul erorii de tip I (alfa) și mărimea efectului care este preconizată a fi detectată cu probabilitatea 1-beta
Ce putere avem, în anumite condiții cunoscute: N, alfa și mărimea efectului estimată
De unde luăm mărimea efectului? Metoda inductiva:
Din articole și studii cu aceleași variabile
Combinarea mărimii efectului din mai multe studii (meta-analiză)
Metoda deductivă Teorii și modele relevante
Studii pe variabile similare
Estimare convențională Pur și simplu, o presupunem
Recomandabil o valoare sub medie… (< 0.5)
Tipuri de analiză de putere
Analiza de putere post-hoc după finalizarea cercetării
scopul = calcularea puterii cercetării, în funcție de nivelul erorii de tip I (alfa), mărimea efectului la nivelul populației și mărimea eșantionului
Atenție, nu se va baza pe mărimea efectului la nivel de eșantion!!
Analiză retrospectivă --- considerată inacceptabilă
Tipuri de analiză de putere
Analiza de putere senzitivă calculează mărimea critică a efectului la nivelul populației în funcție de
eroarea de tip I (alfa), puterea testului (1-beta) și volumul eșantionului
utilă cu precădere pentru evaluarea cercetărilor deja publicate și oferă răspuns la o întrebare de genul: ”ce mărime a efectului este capabilă să detecteze cercetarea, pentru o putere 1-beta=0.8, având în vedere mărimea eșantionului utilizat și nivelul erorii de tip I specificat de autor?”
Aprioric:
Estimarea capacității eșantionului disponibil pentru detectarea unei anumite mărimi a efectului
criteriul diferenței minime importante semnificative (Minimally Important DifferenceSignificant), (Harris, 2001)
Tipuri de analiză de putere
Analiza criteriilor de decizie calculează valoarea lui alfa și a criteriilor asociate, în funcție de
putere (1-beta), mărimea efectului și volumul eșantionului
este considerat important pentru cazurile în care controlul erorii de tip I (alfa) este mai puțin important decât controlul erorii de tip II (beta)
De exemplu, în cazul testelor goodness-of-fit pentru anumite modele statistice, este foarte importantă minimizarea deciziilor greșite în favoarea modelului (H0)
cercetătorul poate calcula nivelul de semnificație (alfa) compatibil cu un prag beta=0.05, pentru un nivel scăzut al mărimii efectului
Analiza de putere cu G*Power 3
Exerciții…
concluzii
Analiza de putere nu este un lux, ci o necesitate
Avantaje directe utilizarea analizei de putere ca instrument de planificare a cercetării (determinarea volumul
eșantionului)
ca instrument de diagnostic (analiza unor cercetări publicate sub aspectul relevanței rezultatelor)
Avantaje indirecte cercetătorii vor fi utiliza eșantioane mai mari, necesare atingerii nivelului recomandat al
puterii;
centrarea atenției pe mărimea efectului, care este un element critic al oricărei cercetări
determinarea cercetătorilor de a se gândi mai mult la intensitatea efectului, decât la măsura în care rezultatul este semnificativ statistic
concluzii
Dezavantaje înainte de a începe o cercetare se poate ajunge la concluzia că aceasta nu
merită a fi efectuată
mărimea estimată a efectului este prea mică
atingerea nivelului acceptabil al puterii (0.8) ar impune utilizarea unui eșantion mai mare decât își poate permite cercetătorul
conduce de obicei la eșantioane mai mari, implică creșterea costurilor cercetării, sub aspectul bugetului de timp, cât și din punct de vedere financiar