دانلود ترجمه مقاله درک قدرت و قاعده سرانگشتی برای تعیین اندازه نمونه

1. قدرت چیست؟ 2. قدرت دستکاری 3. قواعد سرانگشتی 4. نتیجه گیری

این مقاله به تعریف قدرت و ارتباط آن با خطاهای نوع I و II می پردازد. در این مطالعه در مورد رابطه اندازه و قدرت نمونه بحث می کنیم. در نهايت ، قوانين آماري سرانگشتی را براي انتخاب اندازه هاي نمونه به اندازه كافي بزرگ براي توانایی كافي در تشخيص اختلافات، پیوستگی ، مجذور كاي و تحليل عاملی ارائه مي دهيم. برای محققان صرف وقت و انرژی فکری در یک پروژه تحقیقاتی ، تجزیه و تحلیل داده ها و عدم تحقق سطح اهمیت 05.0 ناامید کننده است. اگر فرضیه صفر واقعاً صادق باشد این یافته ها قوی هستند. اما اگر فرضیه صفر نادرست باشد و نتایج نتوانسته باشد اختلاف را در سطح بالایی تشخیص دهد چه اتفاقی رخ می دهد؟ در این صورت فرصت از دست رفته است. قدرت به احتمال رد یک فرضیه صفر کاذب اشاره دارد. قدرت در مرحله طراحی از محققان و پاسخ دهندگان حمایت می کند. در سال های اخیر ، برخی از هیئت های بازنگری سازمانی برای حمایت از پاسخ دهندگان انسانی به دلیل نگرانی در مورد طراحی ، پروتکل ها را رد و یا تغییر داده اند (رسنیک، 2006). آنها استدلال می كنند كه یك مطالعه "تحت فشار" ممكن است نتایج مفیدی نداشته باشد و به تبع آن بیش از حد لزوم پاسخ دهندگان را در معرض خطر قرار دهد. به طور کلی ، محققان می توانند و باید به قدرت توجه کنند. این مقاله قدرت را به روشهای قابل دسترس تعریف کرده و دستورالعملهایی را برای افزایش قدرت ارائه می دهد ، و در آخر "قاعده سرانگشتی" را برای تعداد پاسخ دهندگان مورد نیاز برای رویه های آماری متداول ارائه می دهد.

This article addresses the definition of power and its relationship to Type I and Type II errors. We discuss the relationship of sample size and power. Finally, we offer statistical rules of thumb guiding the selection of sample sizes large enough for sufficient power to detecting differences, associations, chi‐square, and factor analyses. As researchers, it is disheartening to pour time and intellectual energy into a research project, analyze the data, and find that the elusive .05 significance level was not met. If the null hypothesis is genuinely true, then the findings are robust. But, what if the null hypothesis is false and the results failed to detect the difference at a high enough level? It is a missed opportunity. Power refers to the probability of rejecting a false null hypothesis. Attending to power during the design phase protect both researchers and respondents. In recent years, some Institutional Review Boards for the protection of human respondents have rejected or altered protocols due to design concerns (Resnick, 2006). They argue that an “underpowered” study may not yield useful results and consequently unnecessarily put respondents at risk. Overall, researchers can and should attend to power. This article defines power in accessible ways, provides guidelines for increasing power, and finally offers “rules‐of‐thumb” for numbers of respondents needed for common statistical procedures.