サンプルサイズ計算機
統計的研究に必要なサンプルサイズを自信レベルとエラーのマージンで計算します。
サンプルサイズを計算して下さい
サンプルサイズの計算のための包括的なガイド
サンプルサイズ決定の紹介
サンプルサイズの決定は、研究結果の妥当性と信頼性を保証する研究設計の重要な側面です。 適切に計算されたサンプルサイズは、リソースの制約に対する統計的な力の必要性のバランスをとり、時間とコスト投資を最適化しながら、研究者が有意義な結論を描き出すことを可能にします。
- 不十分なサンプルサイズは、誤った負の結果につながる可能性があります(II型エラー)
- 過剰に大きなサンプル廃棄物リソースと臨床的に有意な効果を検出する可能性があります
- 精密と効率の最適なバランスを実現
- 倫理的研究は、参加者の関与を正当化する適切なサンプルサイジングが必要です
サンプルサイズの計算の主要素
1。 統計的な力
存在したときに真の効果を検出する確率。 通常80-90で設定%, あなたの研究が80-90を持っていることを意味する% 存在すれば重要な効果を見つけるチャンス。
2. 重要度(α)
統計的意義の閾値、一般的に0.05(5)%). null 仮説(I 型エラー)を誤って拒絶する許容リスクを表します。
3。 効果のサイズ
あなたが検出することを目的とした違いや関係のの大きさ。 標準化された対策(Cohen's d、相関係数)や絶対的な違いとして表現できます。
4。 多様性
多くの場合、標準偏差で表される、データに期待されるスプレッドや分散。 高い分散性はより大きいサンプルを精密を維持するために要求します。
サンプルサイズの計算の異なったタイプ
| 研究の種類 | 第一次方式の部品 | 一般的なアプリケーション |
|---|---|---|
| 優先研究 | 人口規模、エラーのマージン、予想される優先順位、自信レベル | 疾病予防調査、意見投票、市場調査 |
| 比較研究(2グループ) | 効果のサイズ、力、意義のレベル、配分の比率 | 臨床試験、実験対対照群の比較 |
| 相関研究 | 期待される相関係数、力、意義のレベル | 変数、協会の研究の関係 |
| 信頼性学 | 期待される信頼性係数、精密、自信レベル | スケール検証、インターレートの信頼性評価 |
試料サイズ決定の実用的アプローチ
ステップ1:あなたの研究の質問を正確に定義する
プライマリ仮説をクリアし、主要な結果変数を特定します。 これは、サンプルサイズ計算方法が適切であるかを決定します。
ステップ 2: 既存の文学のレビュー
効果のサイズ、標準偏差、または予想される比率を推定する前の研究を調べます。 この情報は、現実的なサンプルサイズ計算のために不可欠です。
ステップ3:適切なパラメータを選択してください
選択力(典型的に80-90%), 重要なレベル(通常0.05)および最も小さい臨床的に意味のある効果のサイズ。
ステップ4:スタディデザインファクターを検討する
ドロップアウト率、複数の比較、クラスタリング効果、または必要に応じて繰り返された対策のアカウント。
ステップ5:計算と検証
適切な式やソフトウェアツールを使用して、必要なサンプルサイズを計算します。 感度分析を検討して、仮定の変化があなたのサンプルサイズ要件にどのように影響するかを理解してください。
異なる研究コンテキストに関する特別検討
臨床試験
- 降下降下レートのアカウント(多くの場合10-20)%)
- 暫定分析と潜在的な早期停止を考える
- 倫理的な懸念に対する統計的な力のバランス
調査研究
- 予想される応答速度のアカウント
- 複雑な調査でストラテライズとクラスタリングを検討
- 小さな人口からサンプリングする際に有限の人口を調節
パイロット研究
- 多くの場合、小さめのサンプル(1グループあたり10-30参加者)を使用
- 実現可能性とパラメータ推定の焦点
- 結果を使用して、フルスタディサンプルサイズ計算を通知します
定性研究
- データ飽和によって頻繁に決定されるサンプル サイズ
- 一般的には、方法論に応じて5-50参加者の範囲
- 参加者の問い合わせの深さと異質性を考える
一般的な落札とベストプラクティス
避けるべき一般的な間違い:
- 比類のない大きな効果サイズを使用して、過渡された研究につながる
- 複数の結果や比較のアカウントに失敗する
- 潜在的なドロップアウトまたは非応答速度を無視する
- 複雑な設計におけるクラスタリングや相関的なデータを調整しない
- データ収集後のサンプルサイズを計算する(後方電力計算)
ベストプラクティス:
- 研究計画の初期の統計学者に相談
- 研究プロトコルのすべての仮定と計算を文書化
- 感度分析を行い、さまざまなキーパラメータがサンプルサイズ要件にどのように影響するかを理解する
- 統計的な要件に沿って、実用的な制約を考慮する
- 複雑な設計を扱う場合の一般的な式ではなく、適切なソフトウェアまたは専用の計算機を使用する
コンテンツ
サンプルサイズの計算は、科学と芸術の両方で、統計原則の慎重な配慮と実用的な制約を必要とします。 根本的な概念を理解し、体系的なアプローチに従うことで、研究者は、利用可能なリソースの効率的な使用をしながら、研究の質問に適切に答えるために適切に機能させることができます。
サンプルサイズの計算は、研究の計画段階で行われ、あなたの研究の方法論的な厳格を示すために透明に文書化されたことを忘れないでください。 疑わしい場合、統計学者とのコンサルティングは、特定の研究コンテキストに合わせた貴重なガイダンスを提供できます。
サンプルサイズとは?
サンプルサイズは統計的なサンプルに含まれている観察か個人の数です。 重要なのは:
- 結果の統計的有効性の確保
- サンプリングエラーの最小化
- 希望する自信レベルを達成する
- エラーの許容証拠金を維持する
要因 欠陥のサンプル サイズ
人口のサイズ
より大きい人口は一般により大きいサンプル サイズを正確な表現のために要求します。
機密レベル
より高い信頼性レベルは、より大きなサンプルサイズを要求し、精度を維持します。
エラーのマージン
誤差の最小マージンは、より大きなサンプルサイズで正確な結果を必要とします。
応答分布
応答の予想分布は、必要なサンプルサイズに影響を与えます。
サンプル サイズ 方式
サンプルサイズは以下の式で計算されます。
所在地:
- nはサンプル サイズです
- Zは自信レベルのためのZスコアです
- p は応答分布
- e はエラーのマージンです
事例紹介
例1小さな人口
人口: 100円
機密レベル: 95%
エラーのマージン: 5%
応答配分: 50%
サンプル サイズ ≈ 80
小規模な人口調査に必要な
例2大規模な人口
人口: 10,000
機密レベル: 99%
エラーのマージン:2%
応答配分: 50%
サンプル サイズ ≈ 4,147
自信ある勉強に必須
例3市場調査
人口: 1,000,000
機密レベル: 90%
エラーのマージン: 3%
応答配分: 30%
サンプル サイズ ≈ 896
市場調査の必要