承上篇，我們將α跟power的定義作個總結，α就是「母群體不存在著性別差異，但我們的樣本資料發現顯著差異（p＜α）」，由於我們可能得到一個極小的p值（例如0.0001），我們此時會宣稱性別有所差異，這背後的邏輯是「如果母群體不存在著性別差異，那我們得到這種樣本資料（p＜0.0001）也太不可能了，所以我們認為母群體是有性別差異的」。
β則是「母群體存在著性別差異，但我們的樣本資料顯示未有顯著差異（p≧α）」，也就是我們的樣本資料可能得到一個很大的p值（例如0.50）。power是1-β，意義就非常的重要了（但長期以來被忽略），power定義為「母群體存在著性別差異，且我們的樣本資料也發現顯著差異（p＜α）」，換句話說power就是「發現有顯著差異的能力」，也就是說母群體存在差異而且我們也宣稱有顯著差異的能力，能力就是機率，機率越高就表示能力越好。
目前為止我們簡介了α跟power的真實意涵，接下來為了幫助大家更理解，我們用圖形來呈現α跟power的概念。承襲剛剛的例子，繼續以獨立樣本t檢定為例，我們以抽樣的樣本資料跑統計分析，假設總樣本人數為100人，此時會跑出一個t檢定的t值，t值絕對值越大則表示性別之間的差異越大。下圖為虛無假設為真時的t值分佈（X軸），可發現X軸的正中間（Y軸的最高點）恰好是0，這是由於虛無假設就是母群體的性別無顯著差異，而t值等於0就表示完全沒有差異。圖的左右邊用綠色線條切開的面積各2.5%，這代表的就是α，在這個例子是雙尾檢定所以會有左右2邊，倘若樣本資料的t值是2.5，我們發現在圖上的位置已經超過綠色線條了，以面積來看只有0.01（1%），這個數字就是p值，因為1%比2.5%還小（皆乘以2倍的話，就是2%比5%還小），所以我們會宣稱這個結論達到「顯著差異」，不過務必要記得這是假設母群體無性別差異之下所做的推論。
接著用圖示來呈現power的意涵，延續剛剛的t檢定例子，但這次總樣本人數為200人，男女性各100人，此時會有兩個分佈，紅色線條的分佈表示虛無假設（性別無顯著差異），而藍色虛線的分佈則是對立假設（性別有顯著差異），注意藍色虛線分佈的正中心不是0而是實際跑出來的t值（粉紅色虛線的X軸位置，約為3.6）。圖中黃色highlight部分落在綠色線條左邊，也就是在α≧0.05的地方（α/2≧0.025），此時我們會宣稱無顯著差異（因為p≧α），但是我們卻發現這塊區域同時是籠罩在藍色虛線的分佈之下，而藍色虛線分佈又是假設性別有顯著差異，因此可知黃色部分為「母群體存在差異但樣本資料宣稱無顯著差異的機率」，所以就是β（型二錯誤），本例目測約10%，因此藍色虛線分佈扣除黃色部分就是power，約為90%。
在這個例子中，p值非常小，因為t值=3.6（粉紅虛線與X軸相交的位置）在紅色線條分佈的位置已經非常極端，可能已經小於0.00001了，因此研究者會宣稱有顯著差異；而這個例子的power又高達90%，因此此時研究者宣稱結果達顯著差異的正確性就非常高了，無論是母群體有差異（對立假設為真）或母群體無差異（虛無假設為真）的錯誤率都很低。
目前為止我們已將α跟power作了很詳盡的說明，不過現今學術界會如此地只強調p值，我想是跟統計軟體預設都只有提供p值有很大的關係，但事實上現在開始統計軟體都有提供計算power的功能，希望未來各位讀者除了只看p值之外，也要多加注意power的議題。
留言列表
{{ article.title }}