统计检验力与效果大小.ppt

第11章 统计检验力和效果大小的估计 胡竹菁 2009. 10.- 第11章 统计检验力和效果大小的估计 参考文献与使用意义 1. 平均数差异显著性检验的统计检验力和效果大小的估计 2. 方差分析的统计检验力和效果大小的估计 (3. 卡方检验与积差相关系数的统计检验力和效果大小 参考文献 APA《写作手册》 （2001第5版） “作者对于自己的研究假设进行检验时，必须考虑采取严格的统计力（statistics power）。我们可以通过特定的水平、效果大小和样本大小来决定统计力，而这关系到正确地拒绝作者想要检验的假设的可能性… 为了让读者能够充分地了解到你的研究发现的重要性，在你的结果段落中呈现效果大小（effect size）的索引或关系强度（strength of a relationship）是必要的。你可以使用一些一般效果大小的估计值来估计你研究结果的效果大小或关系强度，包括 ，，，，，…Cohen的d值…” 第一节 平均数差异显著性检验的统计检验力和效果大小的估计 一 统计检验力的含义与估计原理 二 独立样本平均数差异显著性检验统计检验力的估计方法 三 独立样本平均数差异显著性检验效果大小估计方法 四 平均数差异显著性检验统计检验力的影响因素 显著性水平、样本容量、（效果大小） 五 其他平均数差异显著性检验统计检验力和效果大小的估计方法 一 统计检验力的含义与估计原理 1-1 两种假设，两类错误及其关系 1-2 虚无假设分布—备择假设分布 1-3 估计统计检验力的理论基础 1-4 统计检验力的计算公式 两种假设，两类错误及其关系 虚无假设: 研究假设： 统计检验力的含义 反映着正确辨认真实差异的能力，统计学中称之为统计检验力（power of test）或效力。也可以把统计检验力定义为：“在虚无假设为假（备择假设为真）时，正确拒绝的概率”。 虚无假设分布—备择假设分布 虚无假设分布：以零为中心的正态分布 虚无假设差异显著性检验的Z分布（或t分布）：以零为中心的分布（a central Z(or t) distribution） 备择假设分布：是一个不是以零为中心的分布（a noncentral Z(or t) distribution）； 它以什么值为中心有无数多个选择，因此，一般情况下，我们是难以对β或（1-β）值作出准确的估计的。 估计统计检验力的理论基础 假设检验后可以得到一个检验统计量（Z，T，F，X方） 当我们假设备择假设的分布服从正态分布，用在一次性抽样中所得到的Z值来作为估计备择假设分布的中心点，以此作为该次实验中备择假设分布的期望值 ，并假定在备择假设的分布中，大于这个Z统计量的备择假设的数量与小于这个Z统计量的备择假设的数量各占50%时，我们就可以由此来对可能犯II型错误的概率进行近似的估计。 假定Z=3.0 a=.05时，接受或拒绝虚无假设 的临界值是1.96。 实得Z1.96，接受 (阴影)，在 为假时可能犯 错误的概率值 实得Z1.96，拒绝 (以1.96为分界线右边面积，这也就是在 为假时正确拒绝 的概率值 备择假设的分布假设为是以3.0为中心的正态分布（如图11-2所示），这时，这次抽样检验结果就被视为该次实验中备择假设分布的期望值。 1-4 统计检验力的计算公式 因为 和 的总体期望值分别是 和 ，因此可得 的计算公式： 二 独立样本平均数差异显著性检验统计检验力的估计步骤 方法 1 1 根据已知条件建立需要检验的假设； 2 用相应的公式计算Z统计量； 3 确定做出统计决策的 a 水平及相应的临界值； 4 计算实际得到的Z值与a水平临界值的差； 5 根据Z值与水平临界值的差查正态分布表，确定可能犯的型错误或统计检验力1-B的概率。 实例 1 建立假设 3 效果大小（effect size） 效果大小（效应大小，效应值）是反映统计检验效果大小或处理效应大小的重要指标， 它表示不同处理下的总体平均数之间差异的大小，可以在不同研究之间进行比较。 效果大小反映了两个总体受某种事物的影响后的差异程度。平均数差异检验的效果大小一般用符号“d”表示 3-2 效果大小计算公式的推导 2 在两个独立样本的方差和样本容量都相等的条件下可作如下推导： 作为效果大小函数的两总体重叠图 d值越大，Delta值也会越大。 d值不受样本容量影响。 一种理解效果大小的途径是把值视为两个总体分布的重叠量。 效果大小计算实例 J.Cohen规定，d=0.2为小， d=0.5为中， d=0.8为大 3-1 显著性水平 以Z=1.89的临界值作为估计的中心点建构一个正态分布（1