Vaikutuksen koko
Anna vaikutuksen koko d suoraan tai vaihda syöttötavaksi keskiarvojen ero ja keskihajonta, joista d = ero ÷ keskihajonta lasketaan.
Tilastollinen voima
Laske hypoteesitestin tilastollinen voima 1 − β, kun tiedät vaikutuksen koon, otoskoon ja merkitsevyystason – kertoo, kuinka todennäköisesti todellinen ero havaitaan.
Tulokset
Tilastollinen voima – kuinka todennäköisesti ero havaitaan?
Tilastollinen voima kertoo, kuinka todennäköisesti hypoteesitesti havaitsee todellisen vaikutuksen. Se on tutkimuksen suunnittelun keskeinen suure: liian pienellä voimalla todellinenkin ero voi jäädä huomaamatta. Tämä laskuri laskee yhden otoksen z-testin voiman vaikutuksen koosta, otoskoosta ja merkitsevyystasosta ja näyttää myös tyypin II virheen.
Määritelmä
Voima 1 − β on todennäköisyys hylätä nollahypoteesi, kun se on todella väärä. β on tyypin II virheen todennäköisyys eli väärän nollahypoteesin virheellinen hyväksyminen. Voima riippuu siitä, kuinka selvästi vaihtoehtoinen hypoteesi eroaa nollahypoteesista suhteessa otoksen tarkkuuteen.
Kaava ja selitys
Yhden otoksen z-testissä voima riippuu epäkeskisyysparametrista, joka yhdistää vaikutuksen koon ja otoskoon:
δ = d · √n
Vaikutuksen koko on d = (μ₁ − μ₀) ÷ σ. Kaksisuuntaiselle testille voima lasketaan kaavalla:
voima = Φ(δ − z_{α/2}) + Φ(−δ − z_{α/2})
Yksisuuntaiselle testille käytetään kriittistä arvoa z_α:
voima = Φ(δ − z_α)
Tässä Φ on standardinormaalijakauman kertymäfunktio ja z_α sen kriittinen arvo. Jälkimmäinen termi kaksisuuntaisessa kaavassa on yleensä häviävän pieni, ja se kuvaa vastakkaiseen suuntaan osuvaa hylkäysaluetta.
Vaiheittainen esimerkki
Oletetaan vaikutuksen koko d = 0,5, otoskoko n = 64 ja kaksisuuntainen testi tasolla α = 0,05.
- Epäkeskisyysparametri: δ = 0,5 · √64 = 0,5 · 8 = 4.
- Kriittinen arvo: z_{0,025} ≈ 1,96.
- Voima: Φ(4 − 1,96) + Φ(−4 − 1,96) ≈ Φ(2,04) + Φ(−5,96) ≈ 0,979 + 0 ≈ 0,979.
Voima on siis noin 98 %, eli näin suuri otos havaitsee keskisuuren vaikutuksen lähes varmasti.
Tuloksen tulkinta
Voima on aina väliltä 0–1. Mitä lähempänä ykköstä, sitä todennäköisemmin testi havaitsee todellisen vaikutuksen. Yleinen tavoitetaso on vähintään 0,8. Voiman vastakohta β = 1 − voima kertoo, kuinka suuri riski on jättää todellinen ero huomaamatta. Jos voima jää selvästi alle tavoitteen, otoskokoa kannattaa kasvattaa tai pienentää mitattavaa hajontaa.
Käyttökohteet
- Tutkimuksen suunnittelu: varmistetaan, että otos riittää todellisen vaikutuksen havaitsemiseen.
- Otoskoon perustelu: voima-analyysi osoittaa, miksi tietty otoskoko on valittu.
- Tulosten arviointi: ei-merkitsevä tulos pienellä voimalla ei todista, ettei vaikutusta ole.
- Resurssien kohdentaminen: tasapaino otoskoon, kustannusten ja luotettavuuden välillä.
Tilastollinen voima opinnoissa
Tilastollinen voima kuuluu tilastollisen päättelyn ja tutkimusmenetelmien perusteisiin. Se opitaan yhdessä tyypin I ja tyypin II virheiden kanssa, ja sitä korostetaan tutkimuksen suunnittelussa. Yliopiston tilastotieteessä voima-analyysi on vakiomenetelmä otoskoon määrittämiseen ennen aineiston keräämistä, ja se on keskeinen osa tutkimuksen luotettavuuden arviointia. Tämä laskuri käyttää normaalijakaumaan perustuvaa approksimaatiota, joka soveltuu z-testiin.
Usein kysytyt kysymykset
Mikä on tilastollinen voima?
Tilastollinen voima on todennäköisyys, että hypoteesitesti havaitsee todellisen vaikutuksen eli hylkää nollahypoteesin silloin, kun se on todella väärä. Voima ilmaistaan muodossa 1 − β, jossa β on tyypin II virheen todennäköisyys. Yleinen tavoitetaso on 0,8 eli 80 %, jolloin todellinen ero havaitaan neljä kertaa viidestä.
Mitkä asiat vaikuttavat voimaan?
Voimaan vaikuttavat neljä tekijää: vaikutuksen koko, otoskoko, merkitsevyystaso ja hajonta. Voima kasvaa, kun vaikutuksen koko on suurempi, otos suurempi tai merkitsevyystaso väljempi. Pienempi hajonta kasvattaa voimaa, koska se vastaa suurempaa vaikutuksen kokoa. Näistä otoskoko on yleensä se, jota tutkija voi itse säätää.
Mitä eroa on tyypin I ja tyypin II virheellä?
Tyypin I virhe tarkoittaa toden nollahypoteesin virheellistä hylkäämistä, ja sen todennäköisyys on merkitsevyystaso α. Tyypin II virhe tarkoittaa väärän nollahypoteesin virheellistä hyväksymistä, ja sen todennäköisyys on β. Voima on tyypin II virheen vastakohta: 1 − β. Testin suunnittelussa pyritään pitämään molemmat virheet riittävän pieninä.
Mikä on hyvä voiman taso?
Yleisesti tavoitellaan vähintään 0,8 eli 80 %:n voimaa, jolloin tyypin II virheen riski on enintään 20 %. Joissakin sovelluksissa, kuten lääketieteellisissä tutkimuksissa, tavoitellaan korkeampaa voimaa, esimerkiksi 0,9. Liian pieni voima tarkoittaa, että tutkimus ei todennäköisesti havaitse todellistakaan vaikutusta.
Miten voima ja otoskoko liittyvät toisiinsa?
Otoskoon kasvattaminen lisää voimaa, koska se pienentää keskivirhettä ja kasvattaa epäkeskisyysparametria δ = d·√n. Voima-analyysi tehdään usein toisin päin: asetetaan tavoiteltu voima ja vaikutuksen koko, ja lasketaan, kuinka suuri otos niiden saavuttamiseen tarvitaan. Tämä laskuri laskee voiman annetulla otoskoolla.
Oliko tästä laskurista apua?