Анализ мощности для двух выборочных z-тестов

Мне нужно вычислить мощность статистического теста, который был выполнен на данных. У меня есть 2 CSV-файла с размером выборки 50 на файл. Разница средних статистически значима на уровне 0,05. Образцы взяты из нормального распределения с неизвестной дисперсией.

Поэтому я выполнил тест z-счета со следующим кодом: X и Y — это две выборки с размером выборки 50 каждая.

zTest <- function(x, y) {
Difference <- (mean(x) - mean(y)) # difference between the two sample means
seDifference <- sqrt(((sd(x)^2)/length(x)) + ((sd(y)^2)/length(y))) #standard error for difference
zScore <- Difference/seDifference # z score
return(zScore) # return z score
}

Значение Z-балла, которое я получаю, равно -15,78006.

Теперь мне нужно вычислить мощность статистического теста, выполненного выше. Мой вопрос в том, как мне узнать мощность отсюда. Какова формула? и Как мне применить его в R. Если вы собираетесь предложить использовать пакет pwr в R, объясните, пожалуйста, как он работает.

Заранее благодарю и прошу прощения, если я расплывчата. Я новичок в анализе мощности.


r statistics statistical-test
person Timetraveller    schedule 15.04.2016    source источник

Ответы (1)


arrow_upward
2
arrow_downward

Я думаю, вам нужен размер эффекта при использовании пакета pwr.

pwr.t.test(n = 50, d = NULL, sig.level = 0.05, power = NULL,
           type = c("two.sample"),
           alternative = c("two.sided"))

где d = NULL это то, что вам не хватает

Некоторое объяснение размера эффекта: http://www.ats.ucla.edu/stat/r/dae/t_test_power2.htm

«Величина эффекта будет разницей в средних значениях по объединенному стандартному отклонению. Чем больше величина эффекта, тем больше мощность для данного размера выборки. Или, чем больше величина эффекта, тем меньший размер выборки необходим для достижения той же мощности. Таким образом, правильная оценка размера эффекта является ключом к хорошему анализу мощности. Но определить размер эффекта не всегда легко. Хорошие оценки размера эффекта можно получить из существующей литературы или экспериментальных исследований».

person Camila Burne    schedule 15.04.2016
comment
Мощность получается 1. Как же так? - person Timetraveller; 16.04.2016
comment
pwr.t.test работает, и да, мощность была очень близка к 1. Если быть точным, это было 0,9999756. Я использовал эту ссылку, чтобы понять, как рассчитывается мощность с использованием нормального распределения cyclismo.org/tutorial/ R/power.html, и я также использовал пакет PASWR для вычисления z-показателя. - person Timetraveller; 17.04.2016