対馬栄輝先生による、「GPower3」の日本語による使用方法説….pptVIP

G*power 3のwebページ 起動後初期画面 検定手法を選択 ここから検定手法を選択 Exact Fisherの直接法やマクネマー検定など Ftest 分散分析 t test 差のt検定 χ2 test χ2検定 Z test ノンパラメトリック検定で使う メニュー 差の検定（t検定）の検出力 相関係数の検出力 1元配置分散分析の検出力 2元配置分散分析の検出力 χ2検定の検出力 反復測定による分散分析の検出力 分割プロット分散分析の検出力 t検定の検出力分析① ここから「t test」を選択 t検定の検出力分析② さらに手法を選択 Correlation～ 相関係数 Means：～（matched pairs） 対応のあるt検定 Means：～（two groups） 2標本t検定 Means：～（one sample case） 1標本t検定 Generic t test 包括的なt検定（余り使わない） ここではとりあえず， Means：～（two groups）を選ぶ t検定の検出力分析③ 求めたいパラメータを決定 A priori:～ 研究前に必要なnの大きさを知りたいとき Compromise：～ αとβの比を指定する（余り使わない） Criterion：～ αを求める（通常はα=0.01，0.05で固定してるので不要） Post hoc：～ 研究結果の検出力（1-β）を知りたいとき Sensitivity：～ 研究後に，結果から効果量 effect sizeを算出する 通常は，赤字を利用する t検定の検出力分析④ 各パラメータの設定 Tail one=片側検定，two=両側検定である．通常はtwoを選択 Effect size 効果量．t検定では，Cohen（1988）にならって，小=0.2，中=0.5，大=0.8に設定する．デフォルトでは0.5（中）となっているので，何も知識がないときは0.5にすると良い． α err prob 通常は0.05．0.01でも良い． Power 検出力で，デフォルトでは0.95となっているが，0.8でもよい．通常はαの4～5倍に設定する．ここでは0.8 Ａｌｌｏｃａｔｉｏｎ ratio 2群のnの比である． 全てが決まったらCalculateをクリック t検定の検出力分析④ 必要な症例数が算出される つまり，効果量0.5（中等度）を保証した条件でα=0.05かつ検出力0.8としたとき，症例数は64例ずつ，計128例必要と算出される． 相関の検出力分析 相関の場合は， [Test family]=t tests [Statistical test]=Correlation：～ を選ぶ． あとは「t検定の検出力分析③」以降に従う． Effect size |r|　は， 小0.1 中0.3 大0.5 とする．何の知識もないときは，デフォルトの0.3を使用 1元配置分散分析の検出力分析① [Test family]=F testsの後，これを選ぶ 1元配置分散分析の検出力分析② 各パラメータの設定 Effect size 小0.1，中0.25，大0.4 デフォルトでは0.25 α err prob 通常は0.05 Power 0.95か0.8．どちらでも良い Number of groups 水準（比較群）の数 2元配置分散分析の検出力分析① [Test family]=F testsの後，これを選ぶ 2元配置分散分析の検出力分析② 2要因のうち，水準数の多い方を計算する A priori：～の例 Effect size 小0.1，中0.25，大0.4 ここでは0.4 α err prob 通常は0.05 Power 0.95か0.8．どちらでも良い Numerator df （水準数-1）を入力 滅多にないと思うが，交互作用の検出力の時は，（A水準-1）×（B水準-1）の数を入力 Number of groups 水準（比較群）の数 交互作用の検出力の時は，A水準×B水準の数を入力 2元配置分散分析の検出力分析③ 全必要数は73例となる． 例えば，A要因が4水準（群），B要因が3水準の時は，全12水準なので73/12＝6.08…となり，7例ずつ必要となる 例えば，A要因が4水準（群），B要因が2水準の時は，全8水準なので73/8＝9.125…となり，10例ずつ必要となる χ2検定の検出力分析 χ2検定の場合は， [Test family]=χ2 tests [Statistical test]=Goodness-of-fit～ を選ぶ． あとは「t検定の検出力分析③」以降に従う． Effect size w　は， 小0.1 中0.3 大0.5 とする．何の知識もないときは，デ