過去幾年寫了關於樣本數規劃的幾篇文章廣受讀者迴響（http://ppt.cc/HoFL、http://dasanlin888.pixnet.net/blog/post/34469297、http://dasanlin888.pixnet.net/blog/post/34469303），不過雖然在觀念的部分已經做了詳盡的介紹，但是許多讀者仍在實際計算樣本數時會遇到一些困難點，諸如：我應該如何計算效果量（effect size）呢？或是參考文章所提供的數據有缺漏，還是可以引用這篇文章的數據計算樣本數嗎？
目前實務上最常碰到的就是比較兩組的差異，通常為實驗設計（Randomized controlled trial, RCT）或類實驗設計（Quasi-experimental）的研究，由於篇幅的限制因此本文只先介紹這類型的狀況。
有很多的觀念問題我們已在之前的三篇文章做過簡介，這邊就不再贅述，還是提醒樣本數計算的三個核心：①型一錯誤，也就是α，通常設定為0.05、②型二錯誤，也就是β，1-β則就是統計檢定力（power），通常power是設定為0.80、③效果量，也就是本篇文章探討的重點，不過關於型一錯誤與統計檢定力的深入討論可以參閱此篇文章：http://ppt.cc/9Jyz以及http://ppt.cc/Rm11。
我們先介紹一個提供完整數據的例子，從計算效果量（Cohen’s d）開始示範，然後帶入樣本數計算軟體G*power，接著再介紹如果期刊文章的作者沒有提供完整資料時，該如何計算出效果量。
（一）Cohen’s d怎麼算？
Cohen’s d的公式列在以下，分子代表實驗組的平均數減掉對照組的平均數，至於分母叫做合併標準差（pooled standard deviation），也就是把兩組人的標準差求出平均值，這邊要注意一下，如果實驗組跟對照組的人數相同時，Spooled就是直接將兩組人的標準差求出平均即可。
以下列出Spooled的計算公式，St跟Sc分別是實驗組及對照組的標準差，nt跟nc分別是實驗組及對照組的樣本數。
之後所計算出來的Cohen’s d的判定標準如下表，不過這邊稍微提一下，當初Cohen大師（1988）所定的小效果、中效果或大效果的判斷是根據R2的大小，在統計上各種不同的effect size都是可以互相轉換的，例如相關係數r、Cohen’s d、迴歸的R2等等。
待續...............
延伸閱讀
縱貫型研究之樣本數估計 - Sample Size Estimation for Longitudinal Studies(GEE, HLM, Repeated measure)~1
留言列表
{{ article.title }}