対応のないt検定の検定力分析(事後の分析)
検定力(1-β):帰無仮説が「偽」であるとき(母集団に差があるとき)にサンプルから有意差を得る確率
効果量(effect size):標準化された平均値差(検定により色々あります...d family, r family)
標本数:研究者が決定しなければならない
α(有意水準):慣例的に5%、1%で固定されている
検定力分析を実行する場合に、効果量の問題を解決しなければなりません.効果量を表す指標は数多く存在するので、まずどれを使うかが問題となります.今回はt検定の検定力分析に利用されている、次の二つの効果量について勉強していきます.
効果量=効果の大きさ
実験的操作の効果、変数間の関係性の強さを表す指標(大 中 小)
Cohoen's d : グループごとの平均値の差を標準化したd family
r : 変数間の関係の強さを示すr family
効果量の目安
小 中 大
d 0.2 0.5 0.8
r 0.1 0.3 0.5
まずは記号の定義・・・これ大事
母平均μx, 標本x, サイズm, 標本平均xa, 不偏分散
母平均μy, 標本y, サイズn, 標本平均ya, 不偏分散
標本効果量(cohensのd効果量)の求め方
d = xの平均値とyの平均値の差の絶対値÷2群の共通の標準偏差
プールした分散
例 x <- c(39, 47, 48, 59, 65, 68, 74, 79, 80, 82, 87, 88, 89, 94, 99) y <- c(25, 27, 32, 37, 38, 44, 45, 52, 54, 60, 65, 67, 68, 69, 71) pool <- ((length(x) - 1) * var(x) + (length(y) - 1) * var(y)) / (length(x) + length(y) - 2) t <- (mean(x) - mean(y)) / sqrt((pool / length(x)) + (pool / length(y))) = 3.6449 d <- (abs(mean(x) - mean(y)))/pool =1.33 (dは1を超える場合もある)
Rを使ってt値から算出してみます
t.test(x,t,var.equal = T) d = t*sqrt((length(x)+length(y))/length(x)*length(y)) = 3.6449*sqrt(30/(15*15)) = 1.33
Rを使って検定力を算出します
library(pwr) pwr.t2n.test(n1=15,n2=15, d =1.33 , sig.level =0.05 , power = NULL,alternative = "greater")
t test power calculation
n1 = 15
n2 = 15
d = 1.33
sig.level = 0.05
power = 0.971769
alternative = greater
power = 0.97より、帰無仮説が偽の場合に有意差が検出される確率は97%です.高い検定力であると言えます.
標本効果量(r)の求め方
t.test(x,y,var.equal = T) t = 3.6449 r <- sqrt(t^2/(t^2+18)) =0.6516516
効果量は「大」でした
参考)水本篤; 竹内理. 研究論文における効果量の報告のために―基本的概念と注意点―. 2008.