样本含量的估计和检验效能.ppt

样本含量的估计与检验效能 第一节 概述 样本含量（sample size） 为了保证研究结论的可靠性，确定的实验研究或调查研究所需要的最低观察对象的数量。 样本含量少，研究结论不可靠。 样本含量过多，造成人财物的不必要浪费。 检验效能（power） 也叫把握度，即1-b（第二类错误的概率）。如果两总体参数实际有差异（H1成立），按a水准，假设检验能发现这种差异的能力（真阳性）。通常要求达到80%或90%（即b=0.2 或b=0.1 ），不得低于75%。 样本含量与检验效能 样本含量估计与检验效能分析是研究设计必须考虑的问题。 这两者之间关系密切，样本含量越大，检验效能越高；样本含量越小，检验效能就越低。 样本均数与总体均数比较的样本含量 a、b 与 za、zb 一、样本含量的影响因素 1. 检验水准? : ??，则n ? 2. 检验效能1-β: （1-?）?，则n ?， （1-?） 0.75，通常取0.8或0.9。 3. 客观差异δ (delta),即比较总体参数间的差值(如m1-m2, p1-p2)。 δ ?，则n ? 总体标准差σ、总体平均数μ（或总体率π），这里主要指离散程度指标 s ? ，则n ? 二、检验效能的影响因素 第二节 样本含量的估计 一、抽样调查 二、样本均数与总体均数比较 已知：s=89.0，δ=35.6，单侧α=0.05， 单侧z0.05=1.645，β=0.10， 单侧z 0.10=1.282 三、两样本均数比较 已知： 1=465， 2=422， δ=| 1- 2|=|465-422|=43，σ=52 双侧α=0.05，Z0.05/2=1.96, β=0.1,Z0.1=1.282 四、配对计量资料比较 已知：δ=1，σd=1.2，Z0.05/2=1.96, Z0.1=1.282 五、两样本率比较 已知：π1=0.5，π2=0.3，πc=（0.5+0.3）/2=0.4 单侧α=0.05，Z0.05=1.645,β=0.1,Z0.1=1.282 六、配对计数资料比较 配对资料分析形式 πc=(0.04+0.24) /2=0.14 第三节 检验效能及其计算 检验效能（Power）又称把握度 即两总体确实有差别，按?水准能发现它们有差别的能力，用（1-β）表示。 （1-β）=0.9 β为第二类错误的概率。 Zβ 查z值表 β （1-β） 出现“阴性”结果有两种可能： （1）（1-β）较大，被比较的指标间总体参数很可能无差别。 （2）（1-β）较小，所比较的指标间总体参数很可能有差别，但由于样本含量不足 而未能发现。 Zβ的计算 一、两样本均数比较： 【例8】用β阻滞剂降低心肌梗塞患者血压的随机双盲对照试验，结果见下表。检验结果为t=1.54，P0.05,无统计学意义，认为该药无降压效果。问该结论是否可靠？要求：δ=0.67kPa,α=0.05,Z0.05=1.96。 已知：δ=0.67kPa,α=0.05, Z0.05=1.96，S=1.6， n1=n2=15 【例9】用同一种降压药分别治疗两组高血压患者，服用4周后比较两组患者收缩压的下降值(mmHg)，测得结果：n1=14, ，S1=6.32；n2=16, ,S2=2.16。检验结果：t=2.34, P0.05。问该研究的检验效能如何？ 二、配对计量资料比较 已知N=6， =1.33，Sd=2.76 三、两样本率比较 四、配对计数资料 五、直线相关 （δ未知时） 分组 N S 试验 15 14.4 1.6 对照 15 15.3 1.6 两组心肌梗塞患者治疗后的收缩压（kPa） 查附表1 P(Z??-0.81)=1- P(Z??-0.81)=1-0.2090=0.7910 即β=0.79，则 Power=1-β=1-0.79=0.21 说明检验效能太低，该结论假阴性的可能性大