分享

G.Power教程 | 样本量估计

 钟山紫竹林 2019-04-16

Hello,

这里是行上行下,我是喵君姐姐~

一入科研深似海,从此假期是路人。

网上正在热论996,而大部分的科研人的工作时间可能是711。

每次和审稿人斗智斗勇,都感觉自己的头发少了很多,深刻体会到了“聪明绝顶”的深意。

而审稿人常问的一个问题是:

这个被试量太少了,我对所得到的结果的准确性感到担忧~

看到这里我们就慌了,怎么办?

解决方法有两个

要么补实验数据;要么让审稿人信服你的被试量是足够的,得到的结果是可靠的。

补数据相对而言比较麻烦,可能要重新做实验,重新分析数据和画图。而且有的实验因为现实原因,不能够补数据了。

那么,你可以采取另外一种办法:

使用G.Power进行先验分析,估计出所需要的样本量,然后看看你的数据量能否大于估计的样本量。

或者使用事后分析,说明你现目前的数据量可以达到什么样的效应量和统计功效水平,是足够让人信服的。

其实,这一步应该在实验之前就应该进行。但是刚开始做实验的小白都没有做这一步的意识,所以只好事后亡羊补牢了。

那么,今天就详细讲解一下,如何使用G.Power进行样本量的估计?

来源:雪师妹

(点击查看大图,今天只详解样本量估计哟~)


其实G.Power的安装和使用都十分简单,只需要按照要求,点点点即可。当然,想要弄懂背后的统计学原理,还是需要花费一番功夫。

G*power软件是由德国杜塞尔多夫大学几位乐于分享知识的老师开发的,专门用于统计功效(包括样本量)计算的免费统计软件,在心理学领域有着很高的声誉和认可度。

来源:AffectiveNeuroscience-梁丽美

    本站是提供个人知识管理的网络存储空间,所有内容均由用户发布,不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息,谨防诈骗。如发现有害或侵权内容,请点击一键举报。
    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多