研究を計画する手順
- 01デザインに合う検定を選びます。2つの独立平均は
tTwo、対応測定は d<sub>z</sub> を使う tPaired、比率は h を使う propTwo です。 - 02何を解くか選びます。検出力、N、効果のいずれか — 残り2つを入力します。
- 03効果を検定自身の単位で入力します。d = 0.5 は標準偏差の半分、h = 0.541 は逆正弦変換した比率差です。パネルは規約間を変換するので (d ↔ r、η² ↔ f、比率 ↔ h)、出典が使う形で効果を述べられます。
- 04α、片側・両側、補正を設定します。両側 α = 0.05 が既定です。k 個の比較に対する Bonferroni または Šidák 補正は、検出力計算の前に実効 α へ適用されます。
- 05分布カードを読みます。検出力、N (n₁ と n₂ に分割)、臨界値、df、非心度パラメータ δ がすべて報告され、数値が監査可能になります。
計算例
| デザイン · 入力 |
読み |
| 二標本 t、d = 0.5、α = 0.05、検出力 80 %、両側 |
N = 128 (64 + 64)、検出力 80.146 %、臨界 t 1.978971、df 126、δ 2.82843 |
| 同じデザイン、片側 |
N = 101 (51 + 50)、検出力 80.241 %、臨界 t 1.660391、df 99 |
| 同じデザインで N = 100 |
検出力 69.689 % (δ 2.5、臨界 t 1.984467、df 98) |
| N = 100 で効果を解く |
最小検出可能 d = 0.56588 |
| 目標 90 % 検出力 |
N = 171 (86 + 85)、δ 3.26912 |
| d = 0.5 の代わりに 0.2 |
N = 787 (394 + 393) |
| 2 比較の Bonferroni |
実効 α 0.025、N = 155 (78 + 77) |
| 二比率、h = 0.541 |
N = 108 (54 + 54) |
| A/B: 120/1000 対 150/1000 |
z 1.96305、p 0.04964、有意; 観測率での事後検出力 50.203 %; その率で 80 % 検出力の N は1群 2036 |
なぜ答えは非心分布から来るのか
帰無仮説の下で、二標本 t 統計量は自由度 126 の中心 t 分布に従い、検定は |t| が 1.978971 を超えるときに棄却します。対立仮説の下では同じ df の非心 t に従い、d = 0.5、各群 64 で非心度 δ = d·√(n₁n₂/(n₁+n₂)) = 2.82843 です。検出力は、このずれた分布からの抽出が臨界値を超えて落ちる確率 — 80.146 % です。計算のどこにも経験則はありません: 非心密度を積分し、パネルは δ と臨界値を報告して結果を再現できるようにします。
同じ仕組みが他の2方向に反転します。N を求めるには、非心確率が目標を超えるまでソルバーが n を増やします。90 % 検出力への 128 から 171 への跳ね上がりが、追加の安心の代価です。最小検出可能効果を求めるには、固定 N でちょうど目標検出力を与える効果を探索します。N = 100 では d = 0.56588 なので、そのために設計した d = 0.5 の効果を確実には見られません。片側の行は方向性仮説のてこを示します: 同じ 80 % 検出力に 101 観測で足り、2 比較の Bonferroni 補正は N を 155 に押し上げます。
限界と端のケース
- 検出力はデザインの性質であり、データの性質ではありません。
- 数値は仮定した効果の下での将来の実験の確率を述べます。データが手に入れば、検出力は観測できる統計量ではありません。A/B ビューの事後値は診断であり、証拠ではありません。
- すべての答えは仮定した効果と分布を引き継ぎます。
- パイロットからの d = 0.5 は独自の不確かさを持つ推定値です。二比率検定は逆正弦近似を仮定し、離散性が効く小さな一比率研究には正確な二項検出力があります。
観測検出力の罠
A/B の例は罠を1つの表にしたものです: 120/1000 対 150/1000 は z = 1.96305、p = 0.04964 で α = 0.05 で有意ですが、その観測率での事後検出力は 50.203 % しかありません — コイントスです。結果は間違いではありません。脆いのです。事後検出力を所見の検証であるかのように引用するのは、帰無仮説下でのデータの確率と将来の研究の確率を混同しています。正直な対応は次の研究のサイズを決めることです: その率では 80 % 検出力に1群 2036 が必要です。
2つ目の罠は効果の単位です。d = 0.5 と h = 0.541 はどちらもそれぞれの規約では「中程度」ですが互換ではありません。間違った検定に変換を適用すると必要な N が変わります。3つ目は離散性です: n = 30、p₀ = 0.25、p₁ = 0.5 の正確な二項の例で、公称 α = 0.05 が許す棄却域は整数の X ≤ 2 または X ≥ 13 だけで、その実際の両側サイズは α = P(X ≤ 2 または X ≥ 13 | p₀) = 0.032190、検出力は同じ棄却域の p₁ = 0.5 の下での確率 81.920 % です。n が小さいときは、入力した α ではなく実際の α を読んでください。
どこで役立つか
二アーム実験のサイズを決める
半標準偏差の効果、両側 80 % 検出力では答えは 128 観測です。安心を 90 % に倍増すると 171、2 比較の補正で 155 かかります。各数値は δ と臨界値を伴い、査読者が算術を確認できます。
検出力不足の結果を正しく読む
各群 50、d = 0.5 のパイロットは検出力 69.7 % なので、非有意な結果は効果なしの証拠ではありません — 10 回のうち 3 回で期待される結果です。「効果を解く」はそれを具体的な文にします: パイロットは d = 0.566 以上しか確実に検出できません。
プライバシー
すべての検出力計算、曲線、A/B 結果はブラウザ内で計算され、何もアップロードされません。
参考文献
- Wikipedia, Power of a test, en.wikipedia.org (访问日期:2026-10-07)— 検出力、β、デザインの解釈。
- Wikipedia, Noncentral t-distribution, en.wikipedia.org (访问日期:2026-10-07)— t 検定の検出力の背後にあるずれた分布。
- Wikipedia, Sample size determination, en.wikipedia.org (访问日期:2026-10-07)— N と効果量への検出力の反転。
- Wikipedia, Bonferroni correction, en.wikipedia.org (访问日期:2026-10-07)— α に適用される多重性補正。
- G*Power (Faul et al., 2007), psychologie.hhu.de (访问日期:2026-10-07)— 非心分布の検出力解析の参照ツール。
Calculators in this hub
Hand-picked tools, one click away. The mini versions compute live and carry your values into the full calculator.
Sources & review
- Updated