分类导航

程序问答发布时间：2022-06-02 发布网站：大佬教程 code.js-code.com

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。

如何解决为什么 R pwr.2p.test 给出的样本大小与 G*Power 不同？？

开发过程中遇到为什么 R pwr.2p.test 给出的样本大小与 G*Power 不同？的问题如何解决？下面主要结合日常开发的经验，给出你关于为什么 R pwr.2p.test 给出的样本大小与 G*Power 不同？的解决方法建议，希望对你解决为什么 R pwr.2p.test 给出的样本大小与 G*Power 不同？有所启发或帮助；

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

为什么 R pwr.2p.test 给出的样本大小与 G*Power 不同？

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。

解决方法

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