선험적으로 말하면 샘플 크기를 동적으로 늘리는 것이 괜찮습니까?


13

주제 내 설계를 사용하여 한 자극의 장점에 대한 연구를하려고합니다. 연구의 일부 부분 (작업 유형 순서, 자극 순서, 작업 세트 순서)의 순서 효과를 줄이기 위해 설계된 순열 체계가 있습니다. 순열 체계는 표본 크기를 8로 나눌 수 있음을 나타냅니다.

표본 크기를 결정하기 위해서는 난폭 한 추측 (나의 분야에서 좋은 전통)을 취하거나 원하는 검정력에 대한 표본 크기를 계산해야합니다. 문제는 이제 내가 관찰 할 효과 크기가 얼마나 큰지에 대한 약간의 단서가 없다는 것입니다 (또한 내 분야에서 좋은 전통). 즉, 전력 계산이 약간 어렵다는 것을 의미합니다. 반면에, 표본 크기가 너무 작거나 참가자들에게 너무 많은 돈을 지불하고 실험실에서 너무 많은 시간을 보냈기 때문에 거친 추측을하는 것은 나쁠 수 있습니다.

두 개의 p- 값 복도를 떠날 때까지 참가자를 8 명씩 일괄 적으로 추가해도 괜찮은가요? 예 : 0,05 <p <0,30? 아니면 어떻게 진행해야합니까?


2
순차적 인 디자인 / 분석 영역에서 무언가를 찾고있을 것 같습니다.
추기경

답변:


9

첫째, 질문에 직접 대답하기 위해 : 아니오, 유의 한 p- 값을 얻을 때까지 계속 진행할 수 없습니다. 제안한 디자인의 유형 I 오류율이 5 %를 초과합니다. 그러나 컷오프를 조정해야한다는 점을 제외하고 기본 아이디어는 정확합니다. 사실, @cardinal이 주석에서 언급했듯이, 질문에 대한 전체 연구 분야가 있습니다. 아이디어 라인).

C. Mehta, P. Gao, DL Bhatt, RA Harrington, S. Skerjanec, JH Ware Optimizeal Trial Design : 순차, 적응 및 강화 전략 순환. 2009; 119 : 597-605


1
좋아, 재미 있겠다. 이전에 적응 형 디자인에 대해 읽었지만 일부 슬라이드에서만 읽었으므로 제공 한 용지 참조가 실제로 유용합니다.
xmjx

6

다양한 효과 크기를 능가하는 전력을 고려한 적이 있습니까? 예를 들어, 나는 종종 검정력을 곡선으로 계산하고 그래프에 구워진 수많은 잠재적 시나리오로 끝납니다. 그러면 표본 크기를 결정할 수 있습니다. 예를 들어, 매우 가까운 null에서 null에 이르기까지 가장 거친이 돛 ​​통과 투 피어 리뷰 꿈보다 효과 측정에 필요한 샘플 크기를 계산할 수 있습니다.

나는 또한 얼마나 많은에 따라 다른 시나리오를 그릴 수 없는 데이터에 대해 알고. 예를 들어, 아래는 표본 크기가 아니라 검정력과 유사한 개념을 갖는 검정력을 나타내는 도표입니다. 나는 데이터에 대해 거의 알지 못했기 때문에 생존 분석에 대해 10 %의 이벤트 비율을 가정 한 다음 여러 조건에서 연구의 힘 (샘플 크기가 고정됨)을 계산했습니다.

파워 커브

이 경우 여러 이벤트 나 "파워 표면"을 남기는 이벤트 수를 변경할 수도 있습니다. 즉석에서 샘플 크기를 수정하는 것보다 최소한 샘플 크기를 찾아야하는 곳에서 처리하는 것이 훨씬 빠른 방법 인 것 같습니다. 또는 최소한 사람 추가를 중단 할 수있는 임계 값을 지정하십시오. 예를 들어, 계산 결과 1,000 명에게 위험이 1.01과 같은 매우 작은 영향을 미치는 경우, 사람들이 더 이상 사람 추가를 시도하지 않을 수 있음을 알 수 있습니다. 전원 문제가 아니라 "아무것도 없습니다"문제입니다.


1
정말 좋은 생각입니다. @Aniko의 답변은 내 질문을 직접 다루기 때문에 대답하지만 짧은 시간에는 제안이 더 유용합니다. 순차적 전략에 대해 마음을 감쌀 때까지 시간이 좀 걸릴 것 같습니다.
xmjx

3

검정력 계산을 할 때, 내가 일반적으로 묻는 질문 (이러한 전통을 가진 분야에서도)은 사람들이 돌보는 데 얼마나 큰 영향을 미치는가? 0.1 % 개선을 통해 귀하의 방법이 "상당히"더 나아진다면 누군가 걱정할 것입니까? 0.01 % 개선은 어떻습니까?


@EpiGrad의 파워 플롯의 출발점을 얻기 위해 그 생각의 기차를 사용할 것입니다.
xmjx
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.