大佬教程收集整理的这篇文章主要介绍了为什么 R pwr.2p.test 给出的样本大小与 G*Power 不同?,大佬教程大佬觉得挺不错的,现在分享给大家,也给大家做个参考。
我想知道所需的样本量。在 R
library(pwr)
pwr.2p.test(h = Es.h(0.022,0.001),sig.level = 0.05,power = 0.8,alternative = "greater")
给出结果
Difference of proportion power calculation for binomial diStribution (arcsine transformation)
h = 0.2344905
n = 224.8784
sig.level = 0.05
power = 0.8
alternative = greater
NOTE: same sample sizes
在 G*Power 工具中, 结果是
我的问题是,为什么 R 和 G*Power 的样本大小差异如此之大(225 对 318)?谢谢。
不同的原因是 pwr:pwr.2p.test 使用不同的方法来计算 Cohen 的效应大小 h,即它使用反正弦变换。相比之下,GPower 以及来自 stats 库的内置功率测试使用近似值。
要匹配 pwr 和 GPower 之间的结果,请转到 GPower 并在输入模型详细信息时,选择底部的“选项”并打开反正弦变换。
引自 GPower 文档(粗体由我添加):
已经提出了许多程序来检验零假设 两个独立的比例是相同的(Cohen,1988; 达戈斯蒂诺、蔡斯和贝朗格,1988 年;苏莎和舒斯特,1985 年;厄普顿, 1982),G*Power 3 实现了其中的几个。最简单的 过程是一个 z 测试,带有可选的反正弦变换和可选的 连续性修正。除了这两个计算选项,一个 也可以选择 Cohens 效应大小是测量 h 还是, 或者,两个比例用于指定替代 假设。 使用选项使用连续性校正关闭和使用 arcsin 变换,程序计算的功率值接近于 Cohen (1988,chap. 6) 列出的那些。使用连续性 校正和使用 arcsin 变换关闭,未校正的 2 计算近似值(Fleiss,1981);使用连续性 校正打开和使用反正弦变换关闭,校正后的 2 计算近似值(Fleiss,1981)。
来源:https://paperity.org/p/19044909/g-power-3-a-flexible-statistical-power-analysis-program-for-the-social-behavioral-and
以上是大佬教程为你收集整理的为什么 R pwr.2p.test 给出的样本大小与 G*Power 不同?全部内容,希望文章能够帮你解决为什么 R pwr.2p.test 给出的样本大小与 G*Power 不同?所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错,欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供,作为学习参考使用,版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ:384754419,请注明来意。