통계적 검정력이란 무엇인가요?

다음으로 이동

학습

통계적 검정력이란 무엇인가요? | 통계

검정력은 일련의 동일한 연구에서 통계적으로 유의미한 효과(예: p<0.05)가 있는 경우 이를 감지할 수 있는 장기적인 확률입니다. 일련의 동일한 연구에서 2유형 오류가 발생할 확률은 1에서 거듭제곱(1-ß, 보통 20%)을 뺀 값입니다.

예.

동일한 집단 내에서 동일한 치료법 A와 치료법 B의 구조로 100개의 연구가 수행됩니다. 이 100개의 연구(동일한 모집단, 동일한 분산, 동일한 표준편차)에 대해 통계 분석을 수행하면 평균적으로 약 20개의 연구에서 통계적으로 유의미한 효과가 나타나지 않습니다. 이는 유형 2 오류율 또는 오탐률로, 통계적 검정력(1-ß)과 직접적으로 관련이 있습니다.

간단히 말해, 파워가 충분하지 않은 연구는 통계적으로 유의미한 효과를 보여주지 못하는 경우가 많지만 실제로는 차이가 있는 경우가 많습니다.

이는 전력에 영향을 미칩니다.

파워는 p값과 마찬가지로 몇 가지 요인에 의해 영향을 받습니다.

표본 크기: 더 큰 표본 = 더 많은 파워(그룹 간 더 명확한 차이, 더 적은 데이터 노이즈)
분산: 작은 분산 = 더 많은 파워
효과 크기: 효과 크기가 클수록 더 큰 파워(테스트에서 더 쉽게 발견할 수 있음)
통계 테스트 유형: 일부 테스트는 더 많은 가정을 가정하는 대신 더 많은 파워를 제공합니다(통계에는 공짜 점심은 없습니다).

그러나 통계적 힘(예 80%)는 하나의 측정 도구, 하나의 시점, 하나의 효과 크기에 대해 존재합니다.

저전력 = 신뢰할 수 없는 연구

따라서 연구가 부족하면 2유형 오류(위음성)의 위험도 증가하지만, 부풀려진 효과로 인해 1유형 오류 (위양성)의 위험도 증가합니다. 이를 '승자의 저주'라고 합니다. 그렇기 때문에 표본 크기에 여러 결과 측정값을 넣고 여러 시점에 측정하면 통계적 검정력이 떨어질 수밖에 없습니다. 유능한 연구자와 임상의는 2차 결과 측정값이 그 정도 측정값을 측정할 수 있는 연구가 아니기 때문에 단지 암시적일 뿐이라는 것을 알고 있습니다. 이러한 제안을 확인하려면 새로운 연구가 필요합니다. 위에서 설명한 문제를 다중 비교 문제라고 합니다.

다소 직관적이지 않게 들릴 수 있습니다. 예를 들어 보겠습니다.

예.

200명의 학생으로 구성된 그룹을 강의하고 있는데 학생들을 두 그룹으로 나누기로 결정했습니다. 연구의 목적은 한 그룹에 여성이 다른 그룹에 비해 더 많은 것과 같은 성별 차이가 있는지 확인하는 것입니다. 차이가 없습니다. 그런 다음 눈 색깔, 머리 색깔, 검지 길이, 벤치프레스 PR, QOL, 나이, 형제자매 수 등을 살펴봅니다. 어딘가에서 통계적으로 유의미한 결과를 접하게 될 가능성이 높습니다. 이것이 바로 다중 비교 문제입니다.

솔루션

연구자의 힘이 부족한 연구와 위양성 또는 위음성의 위험을 피하기 위해 연구자는 적절한 힘으로 연구를 계획해야 합니다. 이를 위해서는 표본 크기, 효과 크기, 분산 및 사용된 통계 테스트와 같은 요소를 고려해야 합니다. 다중 테스트는 또한 오탐의 위험이 있으며, 이는 유의 수준을 조정하거나 오탐률 제어를 사용하는 등의 방법을 통해 해결할 수 있습니다. 연구자는 통계적 검정력의 개념과 가설 검증에서의 중요성을 이해함으로써 신뢰할 수 있고 의미 있는 결과를 도출하는 연구를 설계할 수 있습니다.