如何理解R語言中的功效分析

如何理解R語言中的功效分析，相信很多沒有經驗的人對此束手無策，為此本文總結了問題出現的原因和解決方法，通過這篇文章希望你能解決這個問題。

我們進行研究前，經常會被問到：對于我的研究，現在有x個可用的受試者，這樣的研究值得做嗎？或者“對于我的研究到底需要幾個受試者呢？“這類問題需要功效分析進行解決。

R語言基礎知識：

樣本大小：指實驗設計中每種條件／組中觀測的數目

顯著性水平：由I型錯誤的概率來定義，可以說發現效應不發生的概率。

功效：通過I減去II型錯誤的概率，可以看作是真實效應發生的概率。

效應：是指在備擇和研究假設下效應的量。效應值的表達式依賴于假設檢驗中統計方法。功效分析中研究設計的四個基本量。給定任意三個，你可以推算第四個，利用pwr包實現功效分析。

pwr包中的函數：

t檢驗，pwr.t.test（）函數提供許多有用的功效分析選項，格式為：

pwr.t.test(n=,d=,sig.level=,power=,alternative=)

其中：n為樣本大小

           d為效應值，即標準化的均值之差

          sig.level表示顯著性水平（默認為0.05）

          power為功效水平

          type指檢驗類型：雙樣本t檢驗（two.sample）、單樣本t檢驗（one.sample）或相依樣本t檢驗（paired）。默認為雙樣本t檢驗。

          alternative指統計檢驗是雙側檢驗（two.sides）還是單側檢驗（less或greater），默認為雙側檢驗。 

手機與駕駛反應時間的實驗，假定將使用雙尾獨立樣本t檢驗來比較兩種情況下  駕駛員的反應時間。根據經驗知道反應時間1.25s的標準偏差，并認定反應時間1s的差值是巨大的差異，那么在這個研究中，可設定效應值為d=1/1.25=0.8或者更大，另外，如果差異存在，希望有90%的把握檢測它，由于隨機變異性的存在，希望有95%的把握不會誤報差異顯著，這時，對于該研究需要多少受試者呢？

> install.package("pwr")

> library(pwr)

>pwr.t.test(n=20,d=.5,sig.level=.01,type="two.sample",alternative="two.sided")

     Two-sample t test power calculation 

              n = 20

              d = 0.5

      sig.level = 0.01

          power = 0.1439551

    alternative = two.sided

NOTE: n is number in *each* group

結果表明，每組需要34個受試者（總共需要68人），這樣才能保證90%的把握檢測到0.8的效應值，并且最多只有5%的可能性會誤報差異存在。

看完上述內容，你們掌握如何理解R語言中的功效分析的方法了嗎？如果還想學到更多技能或想了解更多相關內容，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！