两个样本 z 检验的功效分析
Power analysis for two sample z-test
我需要计算对数据执行的统计检验的功效。我有 2 个 csv 文件,每个文件的样本大小为 50。
均值的差异在 0.05 水平上具有统计显着性。样本来自方差未知的正态分布。
因此我使用以下代码执行了 z 分数测试:X 和 Y 是两个样本,每个样本大小为 50。
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
}
我得到的Z分值为-15.78006
现在我需要计算上面执行的统计检验的功效。我的问题是如何从这里找出电源。公式是什么?以及如何在 R 中应用它。如果您要建议在 R 中使用 pwr 包,请解释它是如何工作的。
提前致谢,如果我含糊不清,请深表歉意。我是功率分析新手。
我认为你在使用 pwr 包时需要 Effect Size。
pwr.t.test(n = 50, d = NULL, sig.level = 0.05, power = NULL,
type = c("two.sample"),
alternative = c("two.sided"))
其中 d = NULL
是您所缺少的
关于效果大小的一些解释:http://www.ats.ucla.edu/stat/r/dae/t_test_power2.htm
"Effect size will be the difference in means over the pooled standard
deviation. The larger the effect size, the larger the power for a
given sample size. Or, the larger the effect size, the smaller sample
size needed to achieve the same power. So, a good estimate of effect
size is the key to a good power analysis. But it is not always an
easy task to determine the effect size. Good estimates of effect size
come from the existing literature or from pilot studies"
我需要计算对数据执行的统计检验的功效。我有 2 个 csv 文件,每个文件的样本大小为 50。 均值的差异在 0.05 水平上具有统计显着性。样本来自方差未知的正态分布。
因此我使用以下代码执行了 z 分数测试:X 和 Y 是两个样本,每个样本大小为 50。
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
}
我得到的Z分值为-15.78006
现在我需要计算上面执行的统计检验的功效。我的问题是如何从这里找出电源。公式是什么?以及如何在 R 中应用它。如果您要建议在 R 中使用 pwr 包,请解释它是如何工作的。
提前致谢,如果我含糊不清,请深表歉意。我是功率分析新手。
我认为你在使用 pwr 包时需要 Effect Size。
pwr.t.test(n = 50, d = NULL, sig.level = 0.05, power = NULL,
type = c("two.sample"),
alternative = c("two.sided"))
其中 d = NULL
是您所缺少的
关于效果大小的一些解释:http://www.ats.ucla.edu/stat/r/dae/t_test_power2.htm
"Effect size will be the difference in means over the pooled standard deviation. The larger the effect size, the larger the power for a given sample size. Or, the larger the effect size, the smaller sample size needed to achieve the same power. So, a good estimate of effect size is the key to a good power analysis. But it is not always an easy task to determine the effect size. Good estimates of effect size come from the existing literature or from pilot studies"