近來發了多篇關於二元羅吉斯迴歸分析的文章，本篇將再延續此議題，介紹此統計方法在G-power軟體上的應用。提到G-power軟體就會聯想到事前計算樣本數（sample size）或事後計算檢定力（power），關於這方面的知識，可參考林星帆顧問所整理的「樣本數規劃初探(Sample size & power analysis)」（http://dasanlin888.pixnet.net/blog/post/34468802），裡面最重要的概念即「顯著性」、「統計檢定力」、「效果量」與「樣本數」此4者之間的關係是互補的，換句話說，只要固定其中3個參數，第4個參數就可以從公式中計算出來（不過會因所使用的統計方法不同，有時也要再多提供其他參數）。
本篇將分成兩個部分來做介紹，（1）事前計算所需樣本數（sample size）；（2）事後計算統計結果的檢定力（power）。
（一）事前計算所需樣本數：
關於計算樣本數，一個很重要的參數即是「效果量」，而效果量的取得通常分為三種（1）文獻探討；（2）試驗性研究（pilot study）；（3）假設中度（medium）效果量。不過由於利用二元羅吉斯迴歸計算樣本數時，效果量會受到自變項的單位所影響，無法隨便假設一個中度效果量值，此時我們只能乖乖的從文獻裡去尋找我們需要的參數作為參考，再代入G-power軟體裡，以下為需要收集的參數。
（a）「顯著性」—α通常直接設定為0.05。
（b）「統計檢定力」—Power通常直接設定為0.80。
（c）「P(Y=1)」—結果/依變項（Outcome）的發生機率，因此必須在文獻的敘述統計裡找到Y=1的百分比，或是母群體Y=1所佔的比例。E.g.發生或有癌症的人數比例（有癌症+無癌症=100%）。
（d）「OR值（odds ratio）」—即X影響Y的效果量，通常一篇研究都會有一個最主要的研究因子（X），因此需要針對此變項找到文獻所統計出來的結果（OR值），通常會在卡方檢定or羅吉斯迴歸的部分。
（e）「自變項X的敘述性統計量」—雖然G-power裡提供X多種分配的設定，不過此處我們只舉兩個比較常見的例子，（1）當X為連續變項時，我們必須在文獻的敘述統計裡找到X的平均數（mean）與標準差（standard deviation），軟體預設平均數=0、標準差=1；當X為二分類的類別變項時，必須在文獻的敘述統計裡找到X=1的百分比，軟體預設0.5（即百分比為50%）。
操作（X為連續變項）：
（1）點選Test family的「z tests」→Statistical test裡選擇「Logistic regression」。
（2）Type of power analysis裡選擇「計算樣本數」。
（3）選擇「雙尾」。
（4）找到文獻裡的odds ratio（OR值），本例假設OR=2.111。
（5）找到文獻裡outcome的發生率（P(Y=1)），本例假設0.05（5%）。
（6）設定型一誤差，一般設定為0.05。
（7）設定統計檢定力，一般設定為0.8。
（8）此處維持預設0。
（9）本圖例假設X為連續變項，因此X的分配必須選擇「Normal」。
（10）既然X為連續變項，那麼從文獻裡找到X個平均數與標準差，本例假設平均數=0，標準差=1。
（11）按下計算。
（12）即可得到我們的研究所需樣本數為296。
操作（X為二分類類別變項）：
（1）點選Test family的「z tests」→Statistical test裡選擇「Logistic regression」。
（2）Type of power analysis裡選擇「計算樣本數」。
（3）選擇「雙尾」。
（4）找到文獻裡的odds ratio（OR值），本例假設OR=3.4。
（5）找到文獻裡outcome的發生率（P(Y=1)），本例假設0.05（5%）。
（6）設定型一誤差，一般設定為0.05。
（7）設定統計檢定力，一般設定為0.8。
（8）此處維持預設0。
（9）本圖例假設X為二分類的類別變項，因此X的分配必須選擇「Binomial」。
（10）既然X為二分類的類別變項，那麼從文獻裡找到X為1的百分比，本例假設0.5（50%）。
（11）按下計算。
（12）即可得到我們的研究所需樣本數273。
（二）事後計算統計檢定力：
關於統計檢定力的計算，代表研究者已完成了統計檢定（二元羅吉斯迴歸），想確定檢定力是否足夠，此時必須從結果中得到以下參數，代入G-power裡計算出統計檢定力。
（a）「顯著性」—※無論做出來統計結果的顯著性為何，這邊一律代入0.05。
（b）「樣本數」—輸入實際樣本數。
（c）「P(Y=1)」—結果/依變項（Outcome）的發生機率，依本研究實際Outcome 1的比例代入。
（d）「OR值（odds ratio）」—即X影響Y的效果量，依本研究羅吉斯迴歸所計算出來的Exp(B)值代入。
（e）「自變項X的敘述性統計量」—雖然G-power裡提供X多種分配的設定，不過此處我們只舉兩個比較常見的例子，（1）當X為連續變項時，我們必須利用敘述統計找到X的平均數（mean）與標準差（standard deviation）；當X為二分類的類別變項時，必須利用敘述統計找到X=1的百分比。
留言列表
{{ article.title }}