變異數的公式簡寫 ()2 n X 2 1 = i S i SS NN 11 2 n 其中 1 i i SS X , SS: Sum of Squared Deviations from the Mean 7...
G*power 使用教學 Bruce
[email protected]
1
Sample size power and effect size Sample size, power, and effect size
2
關於Gpower, 你不能不知道的第一件事!
3
甚麼是算數平均數及加權平均數? X
freqency
1
2
2
2
3
1
n
X i 1
N
i
1 2 3 2 3 k
f X
i
i1
N
12 22 31 9 1.6 5 5 4
2 甚麼是標準差(σ S)?變異數(σ 甚麼是標準差(σ, S)?變異數(σ
X : X :
1
3 ‐2
μ :
+
0
2 ,SS )?
5 +
+2
3
所謂的標準差或變異數是一種描述資料分散程度的統計指標 所謂的標準差或變異數是一種描述資料分散程度的統計指標。 5
n
2
2 ( X ) i i 1
N
( 3)) 2 ((3 3)) 2 ((5 3)) 2 8 (1 2.666667 3 3
n
2 ( X ) i i 1
N
(1 3) 2 (3 3) 2 (5 3) 2 3
8 1.632993 3
n
S2
2 ( X ) i i 1
N 1
(1 3) 2 (3 3) 2 (5 3) 2 8 4 3 1 2
n
S
2 ( X ) i i 1
N 1
(1 3) 2 (3 3) 2 (5 3) 2 3 1
8 2 3 1 6
變異數的公式簡寫 n
S
2
i 1
(Xi )
2
N 1
其 中 , SS
SS = N 1
n
(X i 1
i
)
SS : Sum of Squared Deviations from the Mean
2
7
關於Gpower , 你不能不知道的第二件事!
8
甚麼是「變異數分析 」(ANOVA)? (ANOVA)?
先思考以下一個例子!
9
怎麼評估好老師? • 小馬 小馬, 小英經常誇口自己教學一流, 小英經常誇口自己教學一流 今天學 期成績出爐, 請問您要如何評估, 才能突 顯好老師的教學成效? 受試者
成績
老師
平均數
學生1
58 62 68 72
小馬
60
學生2 學生3 學生4 平均數
小馬 小英
70
小英
65 10
好老師的定義 • 所謂好老師就是經他教導後 所謂好老師就是經他教導後,該班學生的 該班學生的 成績或表現會呈現兩種特徵 : – 班間差距變大 (組間差異,SSb或S (組間差異 SSb或S2b) – 班內差距變小 (組內差異,SSw或S2w)
11
合併「好老師 的兩個指標 合併「好老師」的兩個指標 班 間 差 距 (大 ) 組 間 差 距 (大 ) F = =好 老 師 班 內 差 距 (小 ) 組 內 差 距 (小 )
F
S S
2 b 2 w
S S b d fb w S S d fw 12
變異數分析思考過程 ID teacher height
1 2 3 4
小馬
58
小馬
62
小英
68
小英
72
班內 平均
60 70
班內 差距
班內差 距平方
班間 差距
班間差 距平方
‐2 2
4
‐5 5
25
+2
4
‐5
25
‐2
4
+5
25
+2
4
+5
25
65 總和
16
100 13
組內SSw , σw2, MSw三者區辨 SSw (58 60)2 (62 60)2 (68 70)2 (72 72)2 16 Population variance p ((used in G*power analysis) p y )
SS w 16 2 4, 4 w w 2 N 4 2 w
Sample variance (Mean square, MS) (used in ANOVA analysis)
SS w SS w 16 16 MS w 8 df w N 2 42 2
14
組間SSb, σb2, MSb三者區辨 SSb 2(60 65) 2(70 65) 100 2
2
Population variance p ((used in G*power analysis) p y ) 2 2 2 2 SS 2 (60 65) 2 (70 65) (60 65) (70 65) 50 2 b b 25 N 4 2 2
b b2 5
K組
Sample variance (used in ANOVA analysis) p ( y )
M Sb
SSb SSb 100 100 100 d fb k 1 2 1 1
15
變異數分析報表意涵 誤差項
SS
df
MS
F
p
組間 組內 全體
100 16 116
1 2 3
100/1=100 16/2=8
100/8=12.5
0.072
p p值是用來衡量F值大小之指標, 此處p=0.072表示F要 p 大於12.5的機率只有7.2%,已相當接近達顯著的5%。 透過上述分析流程, 可以知道若某位老師的教學表現 特別突出時, 則會拉開班級間差距,且班內差距也會 跟著縮小,那麼F值就會變得很大。 16
SPSS syntax for 1‐way ANOVA syntax for 1 way ANOVA Data list free / group score. Begin data Begin data 1 58 1 62 2 68 2 72 End data. ONEWAY score BY group. ONEWAY score BY group. 17
SPSS syntax for 2‐sample t test syntax for 2 sample t test Data list free / group score. D t li t f / Begin data 1 58 1 62 2 68 2 72 End data. T‐TEST GROUPS=group(1 2) /VARIABLES score. /VARIABLES=score. 18
關於Gpower , 你不能不知道的第三件事!
19
甚麼是標準分數(Z score) ? 甚麼是標準分數(Z score) ? • 身心障礙及資賦優異學生鑑定標準 • 本法第四條第一項第一款所稱一般智能優異,指在記憶、 理解 分析 綜合 推理 評鑑等方面較同年齡具有卓越 理解、分析、綜合、推理、評鑑等方面較同年齡具有卓越 潛能或傑出表現者;其鑑定標準如下: – 智力或綜合性向測驗得分在平均數正一點五個標準差 或百分等級九十三以上者。 – 專家學者、指導教師或家長觀察推薦,並檢附學習特 質與表現等具體資料者。 20
0 .0 2 5
X X 70 100 2 SD 15
Z
X X 130 100 2 SD 15
0 .0 0 0
0 .0 0 5
0 .0 1 0
y
0 .0 1 5
0 .0 2 0
Z
60
IQ=70
80
100 x
120
IQ=130
140 21
衡量顯著性的指標 效果量Eff Si 衡量顯著性的指標-效果量Effect Size
C ohen ' s
d
m1 m 2 S
2 1
S 2
2 2
效果量有時被稱為「實質的顯著性」(practical significance) 。其 中,d係數是用來估算兩個變數間關聯之強度。可以解釋成兩組 分數的分布未重疊之百分比。根據Cohen(1988)的定義,若d=0.2 時,則有14.7%未重疊, 為小效果;若d=0.5時,則有33.0%未重 疊 為中效果;若d=0.8時,則有47.4%未重疊, 疊, 為中效果;若d 0 8時 則有47 4%未重疊 為大效果。 為大效果 22
0 .0 0 0
0 .0 0 5
0 .0 1 0
y 0 .0 1 5
0 .0 2 0
0 .0 2 5
要用誰的標準差?
m1 m2
60 80 100 120
x 140 160 180 23
延續前例 小英
小馬
Mean
70
60
SD
2.82843
2.82843
Variance
8
8
m1 m2
70 60 10 Cohen ' s d 33.535534 535534 88 8 S12 S22 2 2 24
Effect Size Calculators http://www.uccs.edu/~faculty/lbecker/
25
進階問題 • 根據前面分析可知 根據前面分析可知, 小英與小馬教學表現 的差距之顯著性p值僅有0.072, p 尚未達 到.05的標準。 今天若增加調查樣本時, 各 組應增加多少人, 可以讓差異達顯著? 組應增加多少人 • 一般power達到0.8時, 就會呈現顯著差異。 因此可將power設定為0.8 因此可將power設定為0.8。
26
6 4 2
a=0.05
2.918
2.95
0
dnorm(x1, 3, 0.05)
8
甚麼是Power ?
2.8
2.9
3.0
3.1
3.2
3.1
3.2
3.1
3.2
8 6 2
4
b=0.3594
2.918
2.95
0
dnorm(x2, 2.9, 0.05 5)
x1
2.8
2.9
3.0
8 6 2
4
1-b=0.6406
0
dnorm m(x2, 2.9, 0.05)
x2
2.8
2.9
3.0 x2
27
啟動Gpower,並輸入相關數值
28
計算Cohen’ss d 計算Cohen d
29
設定相關參數並計算結果
30
Non centrality parameter Non‐centrality parameter n1n2 3 3 9 3.5355303 3.5355303 4.330123 d n1 n2 33 6
31
效果量另一個衡量指標Eta square 效果量另一個衡量指標Eta square • EEta square一般用來衡量超過兩組以上平均數差異顯 一般用來衡量超過兩組以上平均數差異顯 著性的效果量指標, 如ANOVA。其算法有二:
2
2 b 2 t
2
SSb SSt 32
第一個公式
2
2 b 2 t
33
第一個公式
2
b2 2 t
34
根據Variance計算Eta square 根據Variance計算Eta square (70 65) 2 (60 65) 2 50 25 2 2 2 b
(58 60) 2 (62 60) 2 (68 70) 2 (72 70) 2 16 4 4 4 2 w
2 2 25 25 2 b b 所以 2 2 0.862069 2 t b w 4 25 29
35
根據SS計算Eta square 根據SS計算Eta square SS b SS b 100 100 0.862069 SS t SS b SS w 100 16 116 2
36
SPSS syntax for Eta square SPSS syntax for Eta square Data list free / group score. D t li t f / Begin data 1 58 1 62 2 68 2 72 End data End data. UNIANOVA score BY group UNIANOVA score BY group /PRINT=OPOWER ETASQ DESCRIPTIVE. 37
SPSS在各組sample size 2時 Non centrality parameter 12 5 SPSS在各組sample size=2時,Non‐centrality parameter=12.5 38
根據Eta square計算f值 根據Eta square計算f值 根據Cohen的觀點,f也是一個效果量指標,它與 q Eta square關係緊密,其判別標準為: 小效果量 0.1
f
中效果量 0.25
b w
大效果量 0.4
25 2 .5 4 39
Eta square與f值的關係 Eta square與f值的關係 2 2 2 2 2 2 2 2 ( f ) f f f w w w 2 b2 2 b 2 2 2 2 2 2 2 2 t b w ( f w) w f w w w((1 f ) 1 f 2
f
2
1
2
2 0.862069 以本例來說,f = 2.5 25 2 1 1 0.862069 40
利用Gpower求得所需的Sample size
41
非中心參數(Noncentrality parameter) 由於Gpower分析結果建議sample size可取6人 由於Gpower分析結果建議sample size可取6人 (total N),因此NCP=37.5。
f N (2.5) 6 37.5 2
2
此處須留意的是, SPSS的NCP是以各組的sample size為單 p 位來計算, 因此若sample size各組取2人(total N=4)時, 則NCP=12.5, 但Gpower會算成NCP=25。 p
f n (2.5) (25) 2 125 12.5 2
2
42
單因子重複量數變異數分析
43
Example subject 1 2 3 4 5 6 7 8
red 3 6 3 3 2 2 1 3
yellow 3 5 2 4 1 3 1 2
green 4 6 3 4 3 3 2 3
blue 5 6 3 7 4 4 2 4 44
SPSS syntax for 11-way way Repeated Measure ANOVA Data List Free / subject red yellow green blue. Begin Data 1 3 3 4 5 2 6 5 6 6 3 3 2 3 3 4 3 4 4 7 5 2 1 3 4 6 2 3 3 4 7 1 1 2 2 8 3 2 3 4 End Data. GLM red d yellow ll green blue bl /WSFACTOR=A 4 Polynomial /PRINT=DESCRIPTIVE ETASQ OPOWER . 45
ANOVA table
46
Multivariate Test Multivariate Test
47
計算Eta square與f值 計算Eta square與f值 SSb SSb 14.594 0.628 0 628 SSt SSb SS w 14.594 8.656 2
f
2 2 1
.66 2 8 1 .2 9 9 2 9 7 1 .6 2 8
48
G*power G power analysis analysis
49
Noncentrality parameter G Gpower的NCP計算方式為 的NCP計算方式為 : m 4 2 f N f ( ) N (1.2992967) (1 2992967) ( ) 3 40.5161260 40 5161260 1 r 1 0.5 2
2
50
51
可能問題 • 由於 由於Gpower並未清楚詳述corr 並未清楚詳述 among rep measures如 如 何得出,因此只能採用Default=0.5。 • 以下嘗試根據SPSS結果反推corr among rep measures among rep measures。 根據SPSS結果得知若要獲得NCP=35.404時,則cor必 須要代入 0.5 5858 須要代入‐0.5258587,且power也必須訂在0.889時, 且po e 也必須訂在0.889時 Gpower結果才與SPSS一致。為什麼?
52
如何回推重複測量的相關係數?
53
G*power G power analysis analysis
54
SPSS syntax for corr among rep measures Data list free / lambda f m N. Begin data 35 404 1 2992967 4 8 35.404 1.2992967 4 8 End data. Matrix. get lambda/var=lambda. get f/var=f get f/var=f. get m/var=m. get N/var=N. compute rho=1‐(f**2)*m*N/lambda. / print {rho}/title='corr among rep measures'/clabel='相關係數 ','rho'/format=f8.4. End matrix. 55
R syntax for corr among rep measures corr=function(lambda, f, m, N) { ( ) / rho=1‐(f^2)*m*N/lambda list(rho=rho) } corr(35.404 ,1.2992967,4,8 )
56
Matlab syntax for corr among rep measures function corr(lambda, f, m, N) { ( ) / 1‐(f^2)*m*N/lambda } corr(35.404 ,1.2992967,4,8 )
57
Randomly select subjects from groups Randomly select subjects from groups Begin Data 1 3 3 2 6 5 3 3 2 4 3 4 5 2 1 6 2 3 7 1 1 8 3 2 End Data.
4 6 3 4 3 3 2 3
5 6 3 7 4 4 2 4
USE ALL. COMPUTE filter_$=(uniform(1)