Hello,
這裏是行上行下,我是喵君姐姐~
一入科研深似海,從此假期是路人。
網上正在熱論996,而大部分的科研人的工作時間可能是711。
每次和審稿人鬥智鬥勇,都感覺自己的頭髮少了很多,深刻體會到了“聰明絕頂”的深意。
而審稿人常問的一個問題是:
這個被試量太少了,我對所得到的結果的準確性感到擔憂~
看到這裏我們就慌了,怎麼辦?
解決方法有兩個:
要麼補實驗數據;要麼讓審稿人信服你的被試量是足夠的,得到的結果是可靠的。
補數據相對而言比較麻煩,可能要重新做實驗,重新分析數據和畫圖。而且有的實驗因爲現實原因,不能夠補數據了。
那麼,你可以採取另外一種辦法:
使用G.Power進行先驗分析,估計出所需要的樣本量,然後看看你的數據量能否大於估計的樣本量。
或者使用事後分析,說明你現目前的數據量可以達到什麼樣的效應量和統計功效水平,是足夠讓人信服的。
其實,這一步應該在實驗之前就應該進行。但是剛開始做實驗的小白都沒有做這一步的意識,所以只好事後亡羊補牢了。
那麼,今天就詳細講解一下,如何使用G.Power進行樣本量的估計?
來源:雪師妹
(點擊查看大圖,今天只詳解樣本量估計喲~)
其實G.Power的安裝和使用都十分簡單,只需要按照要求,點點點即可。當然,想要弄懂背後的統計學原理,還是需要花費一番功夫。
G*power軟件是由德國杜塞爾多夫大學幾位樂於分享知識的老師開發的,專門用於統計功效(包括樣本量)計算的免費統計軟件,在心理學領域有着很高的聲譽和認可度。
首先,在官網即可下載軟件,Windows和Mac版本均有。也可在後臺回覆“G.power教程”免費獲得軟件及相關資料包。
網址:http://www.gpower.hhu.de/
來源:AffectiveNeuroscience-梁麗美
其次,打開文件夾,雙擊setup,進行安裝。安裝完成後,點擊桌面圖標,順利出現如下圖的主界面圖,即可安裝完成。
對於大多數的人來說,統計學概念都是十分抽象的,看着就頭疼。
然而,有一羣可愛的科學家設計了一個有趣的網站,讓我們可以可視化的瞭解各個概念之間的關係。
網址:https://rpsychologist.com/d3/NHST/
首先,複習一下統計學基本概念,兩個假設以及兩類錯誤之間的關係。
研究假設(H0)與對立假設(H1)
來源:AffectiveNeuroscience-梁麗美
Ⅰ型錯誤(a)與Ⅱ型錯誤(β)
其次,理清統計功效(power,1-β)與效應量(effect size,d)之間的關係。
再次,在假設檢驗中,統計模型既定的情況下,有四個參數:
alpha值(a)
效應量(effect size,d)
樣本量(sample size,N)
統計檢驗力(power,1-β)
當統計模型確定後(即使用的是t檢驗,ANOVA或其他檢驗方法),知道其中三個可以計算出第四個。(來源:劉嘉老師)
來源:AffectiveNeuroscience-梁麗美
最後,介紹常見的5種統計力分析(power analysis)的類型。
來源:AffectiveNeuroscience-梁麗美
G.Power的功能強大,即可以計算事後統計檢驗力(事後分析),也可以進行事前樣本量的估計(先驗分析)。
今天,着重講解一下,如何使用G.power進行各個統計方法的樣本量估計?
來源:曹振波老師
Tips:
1. 新版的重複測量分析當中,組內相關係數爲0.5,球形檢驗系統爲1(均爲默認數值),並且不用再除重複測量次數。
2. 除了進行樣本量的估計,也可查看X-Y plot 查看在現目前的樣本量之下,可以達到多大的統計功效(power,1-β)與效應量(effect size,d)。
今天從G.Power的介紹和安裝、統計基本概念的講解、各個統計方法的樣本量估計三個方面進行了G.power的講解。
但是,其實我們還需要很多的路需要走。
就像範妍老師所講的那樣:
隨着技術的革新,如何進行fMRI實驗樣本量的估計?
我們只採取單篇研究進行樣本量的估計是否可靠?
如何才能夠進行更加科學的樣本量估計?
科學無止境,只希望能夠在不斷的學習和發展當中,能夠越來越好。
今天,我也整理了G.power的相關資料,包括G.Power軟件、英文指導手冊、中文指導手冊及相關PPT、參考文獻資料等。後臺回覆“G.Power使用教程”,即可獲得啦!
小夥伴們也可以在留言區將自己的審稿相關經驗分享一下,和大家互相交流哈~
分享完畢,希望有所幫助。
R語言安裝及入門
免費英文文獻下載攻略
2018年心理學乾貨|年刊
EEGLAB腦電數據預處理指導手冊