İstatistiksel Güç ve Örneklem Büyüklüğü
Statistical Power Analysis and Sample Size Determination for Research Studies · Ayrıca şöyle bilinir: power analysis, sample size calculation, 1 minus beta, sensitivity
İstatistiksel güç, gerçek bir etki mevcutsa onu tespit etme olasılığıdır (1 − β). Güç analizi, belirli Tip I hata (α) ve Tip II hata (β) oranları ile varsayılan bir etki büyüklüğünü tespit etmek için gereken örneklem büyüklüğünü belirler. Jacob Cohen (1988) tarafından tanıtılan güç analizi, araştırma tasarımının temelini oluşturur: yeterince güçlü olmayan çalışmalar, şişirilmiş etki büyüklüğü tahminleri üretir ve tekrarlanma olasılıkları düşüktür. Standart referans %80 güçtür (β = 0.20), ancak kritik çalışmalar %90 güç gerektirebilir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Örneklem büyüklüğünü belirlemek için herhangi bir ampirik çalışmaya başlamadan önce güç analizi yapın. Hibe başvuruları ve klinik araştırma protokolleri için gereklidir. Küçük pilot çalışmalar için bile önerilir (ancak daha düşük güç hedefleriyle, örn. %50-60). Post-hoc güç analizini dikkatli kullanın; genellikle bir keşif aracı olmaktan çok, düşük güç için bir bahane görevi görür. Çalışmanız yeterince güçlü değilse, bu sınırlamayı kabul edin ve anlamsız bulguları dikkatlice yorumlayın (tespit edememek ≠ etki olmadığına dair kanıt).
Güçlü yönler & sınırlılıklar
- Gerçek etkileri tespit etme olasılığı düşük olan ve yanlış pozitiflere eğilimli, israf edici, yeterince güçlü olmayan çalışmaları önler.
- Sorumlu çalışma planlamasını sağlar: araştırmacılar yeterli örneklem büyüklüğü için kaynaklara sahip olup olmadıklarını a priori bilirler.
- Tekrarlanabilirliği kolaylaştırır: yeterince güçlü çalışmaların tekrarlanma olasılığı daha yüksektir.
- Şeffaf bilimi destekler: önceden belirlenmiş güç hesaplamaları güvenilirliği artırır ve p-hacking cazibesini azaltır.
- Maliyet-fayda analizine olanak tanır: araştırmacılar daha büyük örneklemlerin maliyetini daha yüksek tespit olasılığının faydasıyla karşılaştırabilirler.
- Çalışmadan önce beklenen etki büyüklüğünün belirtilmesini gerektirir; yeni alanlarda bu zordur ve genellikle tahmine dayanır.
- A priori belirtilen etki büyüklüğünün doğru olduğunu varsayar; gerçek etki daha küçükse, çalışma yeterince güçlü kalır.
- Karmaşık tasarımların (çok düzeyli, çok değişkenli, karma modeller) basit kapalı form güç formülleri yoktur; simülasyon tabanlı yaklaşımlar gereklidir.
- Eksik veri, varsayım ihlalleri veya karıştırıcı faktörler olmadığını varsayar; gerçek çalışmalar genellikle bu zorluklarla karşılaşır.
- Çalışmanın doğru sonuçlar vereceğini garanti etmez; güç, araştırma kalitesini etkileyen birçok faktörden sadece biridir.
SSS
Standart istatistiksel güç düzeyi nedir?
%80 güç (β = 0.20) gelenekseldir ve gerçek etkileri tespit etme arzusu ile pratik kısıtlamaları dengeler. Bu, Tip II hatası (yanlış negatif) riskinin %20'sini kabul etmek anlamına gelir. Kritik uygulamalar için (örn. hayat kurtarıcı tedavilerin düzenleyici onayı), genellikle %90 güç kullanılır. Düşük riskli keşif çalışmaları %50-60 güç kullanabilir. Seçiminizi her zaman gerekçelendirin.
Güç analizi için beklenen etki büyüklüğünü nasıl seçerim?
Şunları kullanın: (1) Benzer müdahalelerle ilgili pilot veriler veya önceki literatür. (2) Minimum klinik olarak önemli fark (MCID), pratik olarak ilgili olan en küçük etki. (3) Son çare olarak Cohen'in kıyaslama noktaları (d = 0.2/0.5/0.8). Asla p-hacking sonuçlarını veya yeterince güçlü olmayan çalışmalardan şişirilmiş etki büyüklüklerini kullanmayın. Şüpheniz varsa, muhafazakar bir hedef olarak orta bir etki büyüklüğü (d = 0.5) kullanın.
Kaynaklar kısıtlıysa %60 güçle bir çalışma yapabilir miyim?
Evet, ancak sınırlamayı kabul edin. Düşük güç, Tip II hata riskini artırır ve etki büyüklüğü tahminlerini şişirir (sağkalım yanlılığı). Yeterince güçlü olmayan bir çalışma yaparsanız, (a) ön kayıt yapın, (b) düşük gücü bildirin ve (c) anlamsız sonuçları dikkatlice yorumlayın ('bir etki bulamamak' ≠ 'etki olmadığını kanıtlamak'). Güvenilirliği artırmak için tekrarlama ile birleştirin.
Post-hoc güç analizi faydalı mıdır?
Hayır. Post-hoc güç (verileri gördükten sonra hesaplanan güç) p-değeri ile matematiksel olarak gereksizdir ve genellikle yanıltıcıdır. 'Düşük post-hoc güce' sahip anlamsız bir sonuç, çalışmanın yeterince güçlü olmadığını söyler; başka bir şey değil. Gücü a priori planlayın. Yeterince güçlü olmayan bir çalışma yaparsanız, dürüstçe raporlayın ve sınırlamaları tartışın.
Örneklem büyüklüğü etki büyüklüğü tahminlerini nasıl etkiler?
Yeterince güçlü olmayan çalışmalarda, yalnızca en büyük etki büyüklükleri tespit edilir (sağkalım yanlılığı), bu da ortalama etki büyüklüğü tahminini şişirir. Buna 'gerileme etkisi' veya 'tekrarlama başarısızlığı' denir. Daha büyük örneklemler ve daha yüksek güç, daha doğru etki büyüklüğü tahminleri üretir. Bu nedenle meta-analizler genellikle erken, yeterince güçlü olmayan çalışmalardan daha küçük ortalama etkiler bulur.
Kaynaklar
- Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum Associates. ISBN: 0-8058-0283-5
- Faul, F., Erdfelder, E., Lang, A.-G., & Buchner, A. (2007). G*Power 3: A Flexible Statistical Power Analysis Program for the Social, Behavioral, and Biomedical Sciences. Behavior Research Methods, 39(2), 175–191. DOI: 10.3758/BF03193146 ↗
- Button, K. S., Ioannidis, J. P. A., Mokrysz, C., Nosek, B. A., Flint, J., Robinson, E. S. J., & Munafò, M. R. (2013). Power failure: why small sample size undermines the reliability of neuroscience. Nature Reviews Neuroscience, 14(5), 365–376. DOI: 10.1038/nrn3475 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Statistical Power Analysis and Sample Size Determination for Research Studies. ScholarGate. https://scholargate.app/tr/research-statistics/statistical-power
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Sıfır Hipotezi TestiAraştırma istatistiği↔ karşılaştır
- p-Değeri ve İstatistiksel AnlamlılıkAraştırma istatistiği↔ karşılaştır
- Tip I ve Tip II HatalarıAraştırma istatistiği↔ karşılaştır