做出有顯著的結果，一直以來都是研究生所嚮往的，為了達到這個目標，我們能做的只有日以繼夜的持續收案，大家應該有聽過，樣本數越大越容易顯著，這句話是真的，但還要加個條件，必須維持在相同的檢定力與效果量之下，下圖以相關分析為例，假設每次收案的結果，變項的相關係數能維持在0.3，以及0.8的檢定力，那樣本數與顯著性p值呈現了反比關係，符合我們的認知。考量到研究會有時間及預算的壓力，需要設定一個收案結束點，因此都會在研究設計的章節裡交代樣本數規劃，為此筆者也推出一系列的G-power的教學文章給需要的人參考。
回到主題，根據上圖的指示，樣本數約收65人，就可以達到顯著的條件，此時很多研究就會遇到問題：為什麼明明是根據G-power計算出來的樣本數來收案，卻得到不顯著的結果，問題就出在您當時計算樣本數所代入的效果量是否精準。下圖我們固定樣本數為65人，檢定力為0.8的條件下，繪製出效果量與顯著性的關係，藍色線條的交叉點同上一張圖，當相關係數達到0.3時，顯著性p值剛好達到0.05此門檻，但如果收案的相關係數結果未達0.3時，會發生什麼事呢？就如同圖上的綠色區域，此時的顯著性p值無法達到小於0.05的門檻。
顯然我們已經得到答案，在做樣本數規劃時若高估的效果量（在此例子裡為相關係數），雖然在收案階段輕鬆了，卻得到了不理想的結果，在設定顯著性p為0.05，及檢定力power為0.8的條件下，樣本數與效果量的關係成反比，當效果量越低時，只能收越多樣本來達到顯著性p為0.05，及檢定力power為0.8的結果，最終我們得到結論，預測研究的效果量越精準，就可以在需要樣本數最小的情況下，達到研究者想要的結果。
如何估計研究的效果量呢？（1）搜尋相關類似的文獻，從他人的研究結果計算出效果量，且可以同時參考多篇文章，進行保守的估計；（2）在收案階段中，先用部分的少量樣本進行結果分析，計算效果量並推估所需樣本數後，再補完剩下的樣本量。多數研究論文在效果量的設定上，都簡單的以中度效果量帶過，無疑在研究結果下了一把賭注，若研究結果超過中度效果量，就成功，反之則失敗，不過這類研究也不能完全怪罪於研究者，有可能是一個新型研究，還未出現過相關文獻，也有可能為因應制度，在研究開始前就必須告知確定的樣本數（IRM審核），若是這種情況者，筆者會建議在許可的範圍內，還是盡可能的提高所規劃的樣本數，譬如說用低度效果量來估算樣本數，讓結果有更顯著的可能。
留言列表
{{ article.title }}