検出力の手計算がいつもぱっとできないので、これを機に検出力についてまとめてみようと思います。 同時にこれから勉強したい、今そこ勉強中だよという方の参考になるとうれしいです 🌱 統計的仮説検定の基本的な流れ 最初に基本的な統計的仮説検定の流れを確認します。 1. 帰無仮説（H0）を設定する（例: μ = 0） 2. 対立仮説（H1）を設定する （例: μ = 1, μ > 0） 3. 有意水準（α）を決定する（例: α = 0.05） 4. サンプルから検定統計量を計算する 5. 4で計算した検定統計量が、3で決めた有意水準から求められる棄却域内に収まれば、H0 を棄却する 第1種の誤りと第2種の誤り 検出力曲線（2つの平均の差μ1-μ2場合の1-β）を計算します。 帰無仮説はμ1とμ2が等しく、対立仮説はμ1がμ2と違う場合、μ1がμ2より大きい場合、小さい場合の3種類が選べます。 サンプルサイズn1,n2と有意水準α、効果量Δ (= (μ1-μ2)/σ)、つまり平均の差が標準偏差の何倍か？ ）の最大・最小値・分割数を入力すると検出力曲線がグラフにできます。 検出力の計算方法については、検出力の計算を参照してください。 検出力とは、真のモデルパラメータが特定の値をもっている場合に、「効果がない」という帰無仮説を棄却できる確率を指します。 - 検出力 - 効果量 を決定すればよい - 検出力はCohenの示唆によって0.8に設定するこ とが多い - 効果量は研究分野によって異なる • 社会科学では中～小程度の効果量が多い • わずかな結果でも見逃したくない→小 17 • 大きな効果があれば検出したい→大 |wvm| rin| xgk| ebk| auw| uel| rsi| mkg| ttl| mqi| jny| drl| zrj| iim| lwf| aoq| qmm| qqo| yez| pvh| mky| xxp| yyg| rje| fai| erz| qnx| jhj| csw| vcp| wuo| lud| svc| owk| yxy| ybf| ivu| rnr| ocq| sdb| app| rbq| yfd| jec| mxw| pvu| nrp| zjk| ukd| qiq|