仮説検定の検出力を増加させる

仮説検定の検出力を増加させるには、次の方法のいずれかを使用します。

  • より大きなサンプルを使用する。
    より大きなサンプルを使用すると、母集団についてより多くの情報を得られるため、検出力を増加させることができます。通常、より大きなサンプルサイズを使用することは、検出力を増加させるための最も現実的な方法です。
  • 工程を改善する。
    平均の仮説検定(1サンプルZ、1サンプルt、および対応のあるt)の場合、工程を改善することにより、標準偏差が小さくなります。標準偏差が小さいほど、検出力が増加し、より小さい差が検出できます。
  • 有意水準(アルファまたはαとも呼ばれます)を高くする。
    高い有意水準を使用するほど、帰無仮説を棄却する確率が高まります。ただし、実際には真である帰無仮説を棄却しないように注意が必要です。(真である帰無仮説を棄却することはタイプIの誤りと呼ばれます。)
  • に、より大きな値を選択する。
    母平均の差が大きいほど検出しやすくなります。
  • 方向性仮説(片裾の仮説とも呼ばれます)を使用する。
    方向性仮説は、指定した方向の指定した差に対する検出力がより大きくなります。(方向は、より小さいか、より大きいです。)ただし、方向性仮説では逆方向の差を検出できないため、注意してください。

分散分析の検出力を増加させる

一元配置分散分析の検出力を増加させるには、次の方法のいずれかを使用します。

  • より大きなサンプルを使用する。
    より大きなサンプルを使用すると、母集団についてより多くの情報を得られるため、検出力を増加させることができます。通常、より大きなサンプルサイズを使用することは、検出力を増加させるための最も現実的な方法です。
  • 平均の最大差の値に、より大きな値を選択する。
    母平均の差が大きいほど検出しやすくなります。
  • 工程を改善する。
    工程を改善すると標準偏差が小さくなり、したがって、検出力が増加します。
  • 有意水準(アルファまたはαとも呼ばれます)を高くする。
    高い有意水準を使用するほど、帰無仮説を棄却する確率が高まります。ただし、実際には真である帰無仮説を棄却しないように注意が必要です。(真である帰無仮説を棄却することはタイプIの誤りと呼ばれます。)

2水準要因計画の検定の検出力を増加させる

2水準要因計画またはPlackett-Burman計画の検出力を増加させるには、次の方法のいずれかを使用します。
重要

検出力を増加させるには、次の方法のみを使用します。検出力を増加させるために、ブロック数や、完全実施計画にするか一部実施計画にするかなど、計画のその他の考慮事項は変更しないでください。これらの変更は、検出力のためではなく、調査の目的に基づいて決定する必要があります。

  • より多くの反復を使用する。
    より多くの反復を使用すると、母集団についてより多くの情報を得られるため、検出力を増加させることができます。通常、より多くの反復を使用することは、検出力を増加させるための最も現実的な方法です。
  • より多くの中心点を使用する。
    多くの中心点を使用するほど、標準偏差の推定値の精度が上がるため、検出力も増加します。
  • 効果に、より大きな値を選択する。
    母平均の差が大きいほど検出しやすくなります。
  • 工程を改善する。
    工程を改善すると標準偏差が小さくなり、したがって、検出力が増加します。
  • 有意水準(アルファまたはαとも呼ばれます)を高くする。
    高い有意水準を使用するほど、帰無仮説を棄却する確率が高まります。ただし、実際には真である帰無仮説を棄却しないように注意が必要です。(真である帰無仮説を棄却することはタイプIの誤りと呼ばれます。)
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