พลังสถิติคืออะไร? | สถิติ

กำลังคือความน่าจะเป็นในระยะยาวของชุดการศึกษาที่เหมือนกันที่จะตรวจพบผลกระทบที่มีนัยสำคัญทางสถิติ (เช่น p<0.05) หากมี ความน่าจะเป็นของ ข้อผิดพลาดประเภทที่ 2 ในชุดการศึกษาที่เหมือนกันคือหนึ่งลบด้วยกำลัง (1-ß มักจะเป็น 20%)

เช่น

มีการดำเนินการศึกษาจำนวนหนึ่งร้อยครั้งภายในประชากรกลุ่มเดียวกันที่มีโครงสร้างการรักษา A เทียบกับการรักษา B เหมือนกัน ความแตกต่างระหว่างการรักษาจริงในชีวิตจริงระหว่าง A และ B คือ โอกาสที่การรักษา A จะหายขาดอย่างสมบูรณ์สูงขึ้น 30% เมื่อทำสถิติในงานวิจัย 100 ชิ้นนี้ (ประชากรกลุ่มเดียวกัน ความแปรปรวนเท่ากัน ค่าเบี่ยงเบนมาตรฐานเท่ากัน) โดยเฉลี่ยแล้ว การศึกษา 20 ชิ้นจะไม่แสดงผลที่มีนัยสำคัญทางสถิติ นี่คืออัตราข้อผิดพลาดประเภทที่ 2 หรือค่าลบเท็จ ซึ่งเกี่ยวข้องโดยตรงกับค่ากำลังทางสถิติ (1-ß)

หากจะพูดให้เข้าใจง่ายๆ ก็คือ การศึกษาวิจัยที่ไม่ได้รับการสนับสนุนอย่างเพียงพอจะแสดงผลที่มีนัยสำคัญทางสถิติได้น้อยลง แม้ว่าในความเป็นจริงแล้วจะมีความแตกต่างกันก็ตาม

สิ่งนี้มีอิทธิพลต่ออำนาจ

กำลังนั้นได้รับอิทธิพลจากปัจจัยบางประการ เช่นเดียวกับ ค่า p

• ขนาดตัวอย่าง: ตัวอย่างขนาดใหญ่กว่า = พลังงานที่มากขึ้น (ความแตกต่างระหว่างกลุ่มที่ชัดเจนขึ้น สัญญาณรบกวนข้อมูลน้อยลง)
• ความแปรปรวน: ความแปรปรวนน้อยลง = พลังงานมากขึ้น
• ขนาดเอฟเฟกต์ : ขนาดเอฟเฟกต์ที่ใหญ่ขึ้น = พลังที่มากขึ้น (ง่ายต่อการตรวจพบโดยการทดสอบ)
• ประเภทของการทดสอบทางสถิติ: การทดสอบบางประเภทให้พลังมากขึ้นโดยแลกกับสมมติฐานเพิ่มเติม (ไม่มีอาหารกลางวันฟรีในสถิติ)

อย่างไรก็ตาม สิ่งสำคัญคือต้องเข้าใจว่าพลังทางสถิติ (เช่น 80%) มีไว้สำหรับเครื่องมือวัดหนึ่งตัว สำหรับจุดหนึ่งในเวลา สำหรับขนาดเอฟเฟกต์หนึ่ง

พลังงานต่ำ = การศึกษาที่ไม่น่าเชื่อถือ

ดังนั้น การศึกษาวิจัยที่ไม่มีพลังมากพอจะเพิ่มความเสี่ยงของ ข้อผิดพลาดประเภทที่ 2 (ผลลบเทียม) แต่จะเพิ่มความเสี่ยงของ ข้อผิดพลาดประเภทที่ 1 เช่นกัน (ผลบวกเทียม) โดยมีผลกระทบที่เพิ่มมากขึ้น นี่คือสิ่งที่เรียกว่า ‘คำสาปของผู้ชนะ’ นี่คือเหตุผลที่คุณไม่สามารถใช้มาตรการผลลัพธ์หลายรายการในขนาดตัวอย่างเดียว และวัดในหลายจุดเวลาโดยไม่ปล่อยให้พลังทางสถิติของคุณลดลงได้ นักวิจัยและแพทย์ที่ดีจะทราบว่าการวัดผลรองนั้นเป็นเพียงการแนะนำเท่านั้น เนื่องจากการศึกษานี้ไม่ได้รับการสนับสนุนสำหรับการวัดผลจำนวนนั้น คุณต้องมีการศึกษาวิจัยใหม่เพื่อยืนยันข้อเสนอแนะเหล่านั้น ปัญหาที่ได้อธิบายไว้ข้างต้นเรียกว่า ปัญหาการเปรียบเทียบหลาย ๆ อย่าง

ฉันนึกภาพออกว่าเรื่องนี้ฟังดูขัดกับสัญชาตญาณนิดหน่อย มาดูตัวอย่างกัน

เช่น

คุณกำลังบรรยายให้กลุ่มนักศึกษา 200 คนฟัง และตัดสินใจแบ่งพวกเขาออกเป็นสองกลุ่ม จุดมุ่งหมายของการศึกษาของคุณคือการดูว่ามีช่องว่างทางเพศหรือไม่ เช่น มีผู้หญิงมากกว่าในกลุ่มหนึ่งเมื่อเทียบกับอีกกลุ่มหนึ่ง มันก็ไม่มีอะไรแตกต่าง จากนั้นคุณจะดูสีตา สีผม ความยาวของนิ้วชี้ PR ของการเบนช์เพรส คุณภาพชีวิต อายุ จำนวนพี่น้อง ฯลฯ มีโอกาสที่คุณจะพบผลลัพธ์ที่มีนัยสำคัญทางสถิติที่ไหนสักแห่ง นี่คือ ปัญหาการเปรียบเทียบหลาย ๆ อย่าง

โซลูชั่น

เพื่อหลีกเลี่ยงการศึกษาวิจัยที่มีกำลังไม่เพียงพอและความเสี่ยงของ ผลบวกปลอม หรือ ผลลบปลอม นักวิจัยจะต้องวางแผนการศึกษาวิจัยด้วยกำลังที่เพียงพอ สิ่งนี้ต้องพิจารณาถึงปัจจัยต่างๆ เช่น ขนาดตัวอย่าง ขนาดผลกระทบ ความแปรปรวน และการทดสอบทางสถิติที่ใช้ การทดสอบหลายครั้งยังก่อให้เกิดความเสี่ยงในการเกิด ผลบวกปลอม ซึ่งสามารถแก้ไขได้โดยใช้วิธีการต่างๆ เช่น การปรับ ระดับนัยสำคัญ หรือใช้การควบคุมอัตราการค้นพบเท็จ โดยการเข้าใจแนวคิดเรื่องพลังทางสถิติและความสำคัญในการทดสอบสมมติฐาน นักวิจัยสามารถออกแบบการศึกษาวิจัยที่ให้ผลลัพธ์ที่เชื่อถือได้และมีความหมายได้

กรีนแลนด์, เอส. เซนน์, เอส. เจ., รอธแมน, เค. เจ., คาร์ลิน, เจ. บี., พูล, ซี., กูดแมน, เอส. เอ็น., และอัลท์แมน, ดี. จี. (2559). การทดสอบทางสถิติ ค่า P ช่วงความเชื่อมั่น และกำลัง: คำแนะนำสำหรับการตีความผิด วารสารระบาดวิทยายุโรป 31(4), 337–350. https://doi.org/10.1007/s10654-016-0149-3

อิงเกร เอ็ม. (2556). เหตุใดการศึกษาวิจัยขนาดเล็กที่ใช้กำลังไฟฟ้าต่ำจึงแย่กว่าการศึกษาวิจัยขนาดใหญ่ที่ใช้กำลังไฟฟ้าสูง และจะป้องกันการค้นพบที่ "ไม่สำคัญ" ในการวิจัยได้อย่างไร: ความคิดเห็นเกี่ยวกับ Friston (2012) วารสาร NeuroImage, 81, 496–498. https://doi.org/10.1016/j.neuroimage.2013.03.030

กรีนแลนด์, เอส. เซนน์, เอส. เจ., รอธแมน, เค. เจ., คาร์ลิน, เจ. บี., พูล, ซี., กูดแมน, เอส. เอ็น., และอัลท์แมน, ดี. จี. (2559). การทดสอบทางสถิติ ค่า P ช่วงความเชื่อมั่น และกำลัง: คำแนะนำสำหรับการตีความผิด วารสารระบาดวิทยายุโรป 31(4), 337–350. https://doi.org/10.1007/s10654-016-0149-3