Какво е статистическа сила? | Статистика

Мощността е дългосрочната вероятност серия от идентични изследвания да открие статистически значим ефект (напр. p<0,05), ако има такъв. Вероятността за грешка от тип 2 в поредица от идентични изследвания е единица минус мощността (1-ß, често 20%).

Напр.

Сто проучвания се провеждат в рамките на една и съща популация с една и съща структура на лечение А спрямо лечение Б. Истинската разлика в реалния живот между лечението А и Б е с 30% по-голям шанс за пълно възстановяване при лечението А. Когато се направи статистика на тези сто проучвания (една и съща популация, една и съща дисперсия, едно и също стандартно отклонение), средно около 20 проучвания няма да покажат статистически значим ефект. Това е процентът на грешките от тип 2 или фалшивите отрицателни резултати - пряко свързан със статистическата сила (1-ß).

Така че просто казано, неадекватно захранвано проучване по-рядко ще покаже статистически значим ефект, докато всъщност има разлика.

Това оказва влияние върху мощността

Мощността се влияе от няколко фактора, точно както при p-стойностите.

• Размер на извадката: по-голяма извадка = по-голяма сила (по-ясни разлики между групите, по-малко шум в данните)
• Дисперсия: по-малка дисперсия = по-голяма мощност
• Размер на ефекта: по-голям размер на ефекта = по-голяма сила (по-лесно се забелязва чрез тест)
• Вид статистически тест: някои тестове дават по-голяма сила в замяна на повече предположения (в статистиката няма безплатни обяди).

От решаващо значение е обаче да се разбере, че статистическата мощност (напр. 80%) има за един инструмент за измерване, за един момент от време, за един размер на ефекта.

Ниска мощност = ненадеждно проучване

Така че едно недостатъчно мощно проучване увеличава риска от грешки от тип 2 (фалшиви отрицателни резултати), но също така увеличава риска от грешки от тип 1 (фалшиви положителни резултати) със завишени ефекти. Това се нарича "проклятието на победителя". Ето защо просто не можете да приложите множество мерки за резултатите към дадена извадка и да измервате в множество моменти от време, без това да доведе до срив на статистическата ви мощ. Добрите изследователи и клиницисти знаят, че вторичните резултати са само предполагаеми, тъй като проучването не е снабдено с необходимата мощност за този брой показатели. Необходими са нови проучвания, които да потвърдят тези предложения. Описаният по-горе проблем се нарича проблем на множественото сравнение.

Мога да си представя, че това звучи малко нелогично. Нека разгледаме един пример.

Напр.

Изнасяте лекция на група от 200 ученици и решавате да ги разделите на две групи. Целта на проучването ви е да се установи дали има различия между половете, например повече жени в едната група в сравнение с другата. Няма разлика. След това погледнете цвета на очите, цвета на косата, дължината на показалеца, PR на лежанка, качеството на живот, възрастта, броя на братята и сестрите и т.н. Вероятно някъде ще срещнете статистически значим резултат. Това е проблемът на множественото сравнение.

Решения

За да се избегнат недостатъчно силни проучвания и риск от фалшиво положителни или фалшиво отрицателни резултати, изследователите трябва да планират своите проучвания с подходяща сила. Това изисква отчитане на фактори като размер на извадката, размер на ефекта, дисперсия и използван статистически тест. Многократното тестване също така крие риск от фалшиви положителни резултати, който може да бъде преодолян чрез методи като коригиране на нивото на значимост или използване на контрол на степента на фалшиво откриване. Като разбират концепцията за статистическа сила и нейното значение при проверката на хипотези, изследователите могат да разработват проучвания, които дават надеждни и значими резултати.

Greenland, S., Senn, S. J., Rothman, K. J., Carlin, J. B., Poole, C., Goodman, S. N., & Altman, D. G. (2016). Статистически тестове, стойности на Р, доверителни интервали и мощност: ръководство за погрешни интерпретации. European journal of epidemiology, 31(4), 337-350. https://doi.org/10.1007/s10654-016-0149-3

Ингре М. (2013). Защо малките проучвания с ниска мощност са по-лоши от големите проучвания с висока мощност и как да се предпазите от „тривиални“ открития в изследванията: коментар за Friston (2012). NeuroImage, 81, 496–498. https://doi.org/10.1016/j.neuroimage.2013.03.030

Greenland, S., Senn, S. J., Rothman, K. J., Carlin, J. B., Poole, C., Goodman, S. N., & Altman, D. G. (2016). Статистически тестове, стойности на Р, доверителни интервали и мощност: ръководство за погрешни интерпретации. European journal of epidemiology, 31(4), 337-350. https://doi.org/10.1007/s10654-016-0149-3