1分散の検出力とサンプルサイズのすべての統計量およびグラフの解釈

1分散の検出力とサンプルサイズで使用されるすべての統計量およびグラフの定義と解釈について解説します。

α(アルファ)

有意水準(αまたはアルファと表されます)は、帰無仮説が真であるときにその帰無仮説を棄却する(タイプIの誤り)のリスクの最大許容水準です。また、αは、帰無仮説(H0)が真の場合の検定の検出力とも解釈できます。通常、データを分析する前に有意水準を選択します。デフォルトの有意水準は0.05です。

解釈

有意水準を使用して、帰無仮説(H0)が真の場合の検定の検出力値を最小化します。有意水準の値が高いほど、検定の検出力が高くなりますが、真である帰無仮説を棄却してしまうタイプIの誤りを犯す可能性も高くなります。

この値は、比較標準偏差または分散と仮説の値との比を表します。

解釈

指定した検出力とサンプルサイズに基づいて検出できる最小の比が計算されます。サンプルサイズが大きくなると、より小さな比を検出できます。用途に対して実質的に影響のある最小の比を検出できるようにする必要があります。

サンプルサイズと、指定された検出力における比の関係をより詳しく調べるには、検出力曲線を使用します。

サンプルサイズ

サンプルサイズとは、サンプルに含まれる観測値の合計数のことです。

解釈

サンプルサイズを使用して、仮説検定において、特定の差で特定の検出力値を得るために必要な観測値数を推定します。

指定した比を検出するために、指定した検出力の検定に必要なサンプルサイズが計算されます。サンプルサイズは整数であるため、検定の実際の検出力は、指定した検出力値よりもわずかに大きくなる場合があります。

サンプルサイズを大きくすると、検定の検出力も高くなります。適切な検出力を達成するには、サンプル内の観測値数が十分である必要があります。しかし、サンプルサイズを大きくしすぎて、不必要なサンプリングに時間と費用を浪費したり、重要でない差が統計的に有意であることを検出することは望ましくありません。

サンプルサイズと、指定された検出力における差の関係をより詳しく調べるには、検出力曲線を使用します。

検出力

仮説検定の検出力は、検定で帰無仮説を正しく棄却する確率のことです。仮説検定の検出力は、サンプルサイズ、差、データの変動性、および検定の有意水準の影響を受けます。

詳細は、検出力とはを参照してください。

解釈

Minitabでは、指定された比とサンプルサイズに基づいて検定の検出力を計算します。通常は、0.9が検出力として十分な値と見なされます。値が0.9の場合は、母集団の比較標準偏差または分散と仮説標準偏差または分散の間に差が実際に存在するときに、その差を検出する確率が90%あることを示します。検定の検出力が低いと、差を検出できず、差は存在しないと誤って結論付けてしまう可能性があります。通常、サンプルサイズが小さいほど、または比が1に近いほど、検定で差を検出する検出力が低くなります。

検定の比と検出力値を入力すると、Minitabでは、サンプルに必要されるサイズが計算されます。またMinitabでは、そのサンプルサイズで検定を行う場合の実際の検出力も計算されます。サンプルサイズは整数であるため、検定の実際の検出力は、指定した検出力値よりもわずかに大きくなる場合があります。

基本統計で1サンプルの分散を実行する場合、Minitabには、カイ二乗法とBonett法の両方の出力が表示されます。ただし、1分散の検出力とサンプルサイズを実行する場合、Minitabではカイ二乗法のみを使用します。

検出力曲線

この検出力曲線では、検定の検出力と比が対比されてプロットされます。

解釈

検出力曲線を使用して、検定に適したサンプルサイズと検出力を評価します。

この検出力曲線は、有意水準を一定に保って、各サンプルサイズに対する検出力と比のすべての組み合わせを表します。検出力曲線上の記号は、入力した値に基づいて計算された値を表します。たとえば、サンプルサイズと検出力の値を入力すると、それに対応する比が計算され、計算された値がグラフ上に表示されます。

曲線上の値を調べることにより、特定の検出力値とサンプルサイズにおいて検出できる比を決定できます。通常、検出力の値として0.9は適切であるとされます。ただし、分析者によっては、検出力の値として0.8が適切であると考えることもあります。仮説検定の検出力が低い場合、実際には有意である比を検出できない可能性があります。サンプルサイズを大きくすると、検定の検出力も高くなります。適切な検出力を達成するには、サンプル内の観測値数が十分である必要があります。しかし、サンプルサイズを大きくしすぎて、不必要なサンプリングに時間と費用を浪費したり、統計的に有意な重要でない差を検出することは望ましくありません。検出する比のサイズを小さくすると、検出力も低くなります。

基本統計で1サンプルの分散を実行する場合、Minitabには、カイ二乗法とBonett法の両方の出力が表示されます。ただし、1分散の検出力とサンプルサイズを実行する場合、Minitabではカイ二乗法のみを使用します。

このグラフでは、サンプルサイズ50の検出力曲線は、約0.54の差に対して検定の検出力が0.8であることを示しています。サンプルサイズ100の検出力曲線は、約0.87の差に対して検定の検出力が0.8であることを示しています。0.87の検出力が状況に対して十分である場合は、100のサンプルサイズを収集します。0.8より小さい比を検出する必要がある場合は、より大きなサンプルサイズを収集する必要があります。

本サイトを使用すると、分析およびコンテンツのカスタマイズのためにクッキーが使用されることに同意したことになります。  当社のプライバシーポリシーをご確認ください