Kaj je statistična moč?

Pojdi na

Poiščite ta wiki na platformi Physiotutors Postanite član

Naučite se

Kaj je statistična moč? | Statistika

Moč je dolgoročna verjetnost, da bo serija enakih študij odkrila statistično pomemben učinek (npr. p<0,05), če obstaja. Verjetnost napake tipa 2 v seriji enakih študij je ena minus moč (1-ß, pogosto 20 %).

Npr.

Na isti populaciji se izvede sto študij z enako strukturo zdravljenja A proti zdravljenju B. Resnična razlika med zdravljenjem A in B v resničnem življenju je 30 % večja možnost popolne ozdravitve pri zdravljenju A. Ko na teh sto študijah (enaka populacija, enaka varianta, enak standardni odklon) opravimo statistične preglede, v povprečju približno 20 študij ne bo pokazalo statistično pomembnega učinka. To je stopnja napake tipa 2 ali lažno negativnih rezultatov - neposredno povezana s statistično močjo (1-ß).

Preprosto povedano, neustrezno podprta študija bo redkeje pokazala statistično pomemben učinek, čeprav razlika dejansko obstaja.

To vpliva na moč

Na moč vpliva nekaj dejavnikov, tako kot pri vrednostih p.

Velikost vzorca: večji vzorec = večja moč (jasnejše razlike med skupinami, manj šuma v podatkih)
Razpon: manjši razpon = večja moč
Velikost učinka: večja velikost učinka = večja moč (s testom jo je lažje ugotoviti)
Vrsta statističnega testa: nekateri testi imajo večjo moč v zameno za več predpostavk (v statistiki ni brezplačnih kosil).

Ključno pa je razumeti, da je statistična moč (npr. 80 %) za eno merilno orodje, za eno časovno točko, za eno velikost učinka.

Nizka moč = nezanesljiva študija

Tako premalo močna študija poveča tveganje za napake tipa 2 (lažno negativne), vendar poveča tudi tveganje za napake tipa 1 (lažno pozitivne) z napihnjenimi učinki. To se imenuje "prekletstvo zmagovalca". Zato preprosto ne morete uporabiti več meritev rezultatov v vzorcu in meriti v več časovnih točkah, ne da bi se vaša statistična moč porušila. Dobri raziskovalci in zdravniki vedo, da so sekundarni izidi zgolj okvirni, ker študija nima dovolj moči za tolikšno količino izidov. Za potrditev teh predlogov potrebujete nove študije. Zgoraj opisani problem se imenuje problem večkratne primerjave.

Lahko si predstavljam, da se to sliši nekoliko neintuitivno. Oglejmo si primer.

Npr.

Predavate skupini 200 študentov in se odločite, da jih razdelite v dve skupini. Cilj vaše študije je ugotoviti, ali obstajajo razlike med spoloma, npr. več žensk v eni skupini v primerjavi z drugo. Ni razlike. Nato si oglejte barvo oči, barvo las, dolžino njihovega kazalca, PR na klopi, QOL, starost, število bratov in sester itd. Verjetno boste nekje naleteli na statistično pomemben rezultat. To je problem večkratne primerjave.

Rešitve

Da bi se izognili premajhni moči študij in tveganju lažno pozitivnih ali lažno negativnih rezultatov, morajo raziskovalci svoje študije načrtovati z ustrezno močjo. Pri tem je treba upoštevati dejavnike, kot so velikost vzorca, velikost učinka, variance in uporabljeni statistični test. Večkratno testiranje predstavlja tudi tveganje lažnih pozitivnih rezultatov, ki ga je mogoče odpraviti z metodami, kot sta prilagoditev ravni pomembnosti ali uporaba nadzora stopnje lažnega odkritja. Z razumevanjem koncepta statistične moči in njenega pomena pri preverjanju hipotez lahko raziskovalci oblikujejo študije, ki dajejo zanesljive in pomembne rezultate.