效能检验(power analysis)
2020-04-13 本文已影响0人
吴十三和小可爱的札记
简介
在备择假设为真的情况下，统计效能为达到统计显著性的可能性大小。换句话说，统计效能指在给定样本量和效应量(相关性大小，差异性大小)的条件下获得小于0.005(0.001)的P值的可能性大小。一般来说，当样本量越小时，统计效应量应该越大才能达到统计显著性。
上述四个变量具有很强的相互关系，已知其中三个就可求得的另一个：
-
样本量大小
-
效能大小
-
显著性水平(P of Type I error)：原假设是正确的，却拒绝了原假设，即拒绝原假设时犯错误的概率。
-
效能(1 - P of Type II error)：原假设是错误的，却没有拒绝原假设，即接受原假设时犯错的概率。
R语言中的效能分析
pwr包Stéphane Champely写的关于效能分析的包，通过[github]{https://github.com/heliosdrm/pwr}或者Statistical Power Analysis for the Behavioral Sciences (2nd Edition) by Jacob Cohen获得更多信息。
主要函数
| FUNCTION | POWER CALCULATIONS FOR |
|---|---|
| pwr.2p.test | two proportions (equal n) |
| pwr.2p2n.test | two proportions (unequal n) |
| pwr.anova.test | balanced one way ANOVA |
| pwr.chisq.test | chi-square test |
| pwr.f2.test | general linear model |
| pwr.p.test | proportion (one sample) |
| pwr.r.test | correlation |
| pwr.t.test | t-tests (one sample, 2 sample, paired) |
| pwr.t2n.test | t-test (two samples with unequal n) |
stats包也有常用的基础效能分析函数，power()、power.t.test()、power.prop.test()、power.anova.test()。
