Бесплатные онлайн калькуляторы апостериорной мощности MedCalc

Апостериорный анализ мощности часто критикуют как вводящий в заблуждение и бесполезный.

Существует опасение, что апостериорный анализ мощности может побуждать исследователей оправдывать незначимые результаты, ссылаясь на недостаточную мощность, даже если в дизайне или методологии исследования имелись другие недостатки. Такая практика может подрывать научную строгость и приводить к публикации неоднозначных или вводящих в заблуждение результатов.
Доверительные интервалы вокруг величин эффекта дают более содержательное представление о неопределенности и силе доказательств.
Если критерий дает незначимый результат, апостериорный анализ мощности всегда покажет низкую мощность — но это лишь отражает незначимость и дает мало или вовсе не дает дополнительной информации.
Апостериорная мощность по сути является переформулировкой значения P. Апостериорная мощность является прямой функцией наблюдаемого значения P и величины эффекта.

Тем не менее, некоторые журналы или организации, выдающие гранты, все еще требуют его, особенно если исследование дает отрицательные результаты.

По этой причине мы предлагаем следующие онлайн калькуляторы апостериорной мощности.

Общая формула для других критериев

Для других критериев можно использовать следующую общую формулу, связывающую наблюдаемое значение p с наблюдаемой мощностью:

$$ Наблюдаемая\ мощность = 1 - \Phi(z_{1-\alpha/2} - z_{1-p/2}) $$

где

$ \Phi $ — функция кумулятивного распределения (CDF) стандартного нормального распределения.
$ z_{1-\alpha/2 } $ — критическое значение для уровня значимости (например, 1,96 для $ \alpha$ = 0,05 в двустороннем z-критерии).
$ z_{1-p/2} $ — z-значение, соответствующее наблюдаемому значению p.

Следующий калькулятор даст оценку мощности только на основе значения P.

Требуемый уровень альфа (P):
Наблюдаемое значение P:

Пользуется доверием исследователей по всему миру — скачайте полную версию статистического программного обеспечения MedCalc и выполняйте сложный статистический анализ за считанные секунды. Регистрация не требуется.

Литература

Bakker M, van Dijk A, Wicherts JM (2019) The rules of the game in the interpretation of psychological research: Why we should abandon post hoc power analysis. Psychological Methods, 24(4), 492-503.
Button KS, et al. (2013) Power failure: Why small sample size undermines the reliability of neuroscience. Nature Reviews Neuroscience, 14(5), 365-376.
Cohen J (1988) Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum Associates.
Gelman A, Carlin JB (2014) Bayesian Data Analysis (3rd ed.). CRC Press.
Hoenig JM, Heisey DM (2001) The abuse of power: The pervasive fallacy of power calculations for data analysis. The American Statistician, 55(1), 19-24.
Lakens D (2022) Practical Meta-Analysis. Sage.
McShane BB, Böckenholt U (2017) The pitfalls of post hoc power analysis. Psychological Science, 28(4), 551-561.

Подробнее см. в руководстве MedCalc: Расчет объема выборки: введение.