Apa itu Kekuatan Statistik?

Pergi ke

Temukan wiki ini di platform Physiotutors Menjadi anggota

Belajar

Apa itu Kekuatan Statistik? | Statistik

Kekuatan adalah probabilitas jangka panjang dari serangkaian penelitian yang identik untuk mendeteksi efek yang signifikan secara statistik (mis. p<0,05) jika ada. Probabilitas kesalahan tipe 2 dalam serangkaian penelitian yang identik adalah satu dikurangi pangkat (1-ß, biasanya 20%).

Misalnya.

Seratus penelitian dilakukan dalam populasi yang sama dengan struktur perlakuan A vs perlakuan B yang sama. Perbedaan pengobatan yang sebenarnya dalam kehidupan nyata antara A dan B adalah peluang 30% lebih tinggi untuk sembuh total pada pengobatan A. Ketika statistik dilakukan pada seratus penelitian ini (populasi yang sama, varians yang sama, standar deviasi yang sama), rata-rata sekitar 20 penelitian tidak akan menunjukkan efek yang signifikan secara statistik. Ini adalah tingkat kesalahan tipe 2, atau negatif palsu - secara langsung terkait dengan kekuatan statistik (1-ß).

Jadi sederhananya, penelitian yang tidak cukup kuat akan lebih jarang menunjukkan efek yang signifikan secara statistik, meskipun sebenarnya ada perbedaan.

Hal ini memengaruhi daya

Kekuatan dipengaruhi oleh beberapa faktor, seperti halnya nilai p.

Ukuran sampel: sampel yang lebih besar = kekuatan yang lebih besar (perbedaan yang lebih jelas antar kelompok, lebih sedikit noise data)
Varians: varians yang lebih kecil = lebih banyak daya
Ukuran efek: ukuran efek yang lebih besar = kekuatan yang lebih besar (lebih mudah dikenali dengan tes)
Jenis tes statistik: beberapa tes menghasilkan lebih banyak kekuatan dengan imbalan lebih banyak asumsi (tidak ada makan siang gratis dalam statistik)

Namun, sangat penting untuk memahami bahwa kekuatan statistik (misalnya. 80%) ada untuk satu alat pengukuran, untuk satu titik waktu, untuk satu ukuran efek.

Daya rendah = studi tidak dapat diandalkan

Jadi, penelitian yang kurang kuat meningkatkan risiko kesalahan tipe 2 (negatif palsu), tetapi juga meningkatkan risiko kesalahan tipe 1 (positif palsu), dengan efek yang meningkat. Ini disebut 'kutukan pemenang'. Inilah sebabnya mengapa Anda tidak dapat melemparkan beberapa ukuran hasil pada ukuran sampel dan mengukur pada beberapa titik waktu tanpa membiarkan kekuatan statistik Anda jatuh. Peneliti dan dokter yang baik tahu bahwa ukuran hasil sekunder hanya bersifat sugestif karena penelitian ini tidak didukung oleh jumlah ukuran tersebut. Anda memerlukan penelitian baru untuk mengonfirmasi saran tersebut. Masalah yang dijelaskan di atas disebut sebagai masalah perbandingan berganda.

Saya bisa membayangkan hal ini terdengar agak berlawanan dengan naluri. Mari kita lihat sebuah contoh.

Misalnya.

Anda sedang memberikan kuliah kepada 200 siswa dan memutuskan untuk membagi mereka menjadi dua kelompok. Tujuan dari penelitian Anda adalah untuk melihat apakah ada perbedaan gender, seperti lebih banyak perempuan dalam satu kelompok dibandingkan dengan kelompok lainnya. Tidak ada bedanya. Anda kemudian melihat warna mata, warna rambut, panjang jari telunjuk, benchpress PR, QOL, usia, jumlah saudara kandung, dll. Kemungkinan Anda akan menemukan hasil yang signifikan secara statistik di suatu tempat. Ini adalah masalah perbandingan berganda.

Solusi

Untuk menghindari penelitian yang kurang kuat dan risiko positif palsu atau negatif palsu, peneliti harus merencanakan penelitian mereka dengan kekuatan yang memadai. Hal ini memerlukan pertimbangan faktor-faktor seperti ukuran sampel, ukuran efek, varians, dan uji statistik yang digunakan. Pengujian ganda juga memiliki risiko positif palsu, yang dapat diatasi melalui metode seperti menyesuaikan tingkat signifikansi atau menggunakan kontrol Tingkat Penemuan Salah. Dengan memahami konsep kekuatan statistik dan pentingnya dalam pengujian hipotesis, peneliti dapat merancang penelitian yang menghasilkan hasil yang dapat diandalkan dan bermakna.