Studietaak – Power van experimentele designs - Het begrip sta!s!sche power toelichten rela!e hiervan met de steekproefgroo"e effectgroo"e beschrijven

8 belangrijke vragen over Studietaak – Power van experimentele designs - Het begrip sta!s!sche power toelichten rela!e hiervan met de steekproefgroo"e effectgroo"e beschrijven

Wat betekent statistische power bij een statistische toets, en wat betekent een power van 80% in een onderzoek waarin werkelijk een effect bestaat?

Statistische power is de kans dat een statistische toets een werkelijk bestaand effect als statistisch significant detecteert. Een power van 80% betekent dat de toets bij herhaald onderzoek onder dezelfde omstandigheden en bij een werkelijk effect van de veronderstelde grootte het effect in ongeveer 80% van de gevallen detecteert.

Hoe worden statistische power, effectgrootte en steekproefgrootte in een poweranalyse vóór een onderzoek aan elkaar gerelateerd?

Een poweranalyse wordt vóór het onderzoek gebruikt om de benodigde steekproefgrootte te bepalen. Daarbij worden onder andere de gewenste statistische power en de verwachte effectgrootte ingevoerd. De uitkomst van de analyse is het benodigde aantal deelnemers.
  • Statistische power: de gewenste kans om een werkelijk bestaand effect als statistisch significant te detecteren.
  • Effectgrootte: de verwachte grootte van het effect die als invoer in de analyse wordt gebruikt.
  • Steekproefgrootte: het benodigde aantal deelnemers dat de poweranalyse oplevert.

Wat betekent statistische power in relatie tot het detecteren van een effect, en waarom is de steekproefgrootte daarbij belangrijk?

Statistische power verwijst naar hoe goed een onderzoek een werkelijk aanwezig verschil of verband kan detecteren. Bij een vaste gewenste power hangt de benodigde steekproefgrootte samen met de effectgrootte:
  • Een kleine effectgrootte is moeilijker te onderscheiden van toevallige variatie. Daarom is een grotere steekproef nodig.
  • Een grote effectgrootte is gemakkelijker te detecteren. Daarom kan een kleinere steekproef volstaan.

Een grotere steekproef helpt dus om kleinere effecten met de gewenste power te kunnen detecteren.
  • Hogere cijfers + sneller leren
  • Niets twee keer studeren
  • 100% zeker alles onthouden
Ontdek Sailabus

Bij een onafhankelijke t-toets is de gewenste power 80%. Welke steekproefgrootte is volgens de gegeven powertabel nodig bij Cohen’s d = 0,3, d = 0,5 en d = 0,8, en welke relatie tussen effectgrootte en steekproefgrootte blijkt daaruit?

Bij 80% power zijn volgens de powertabel nodig:
  • Bij d = 0,3: 352 deelnemers. Dit is een relatief klein effect en vereist daarom de grootste steekproef.
  • Bij d = 0,5: 128 deelnemers. Dit is groter dan d = 0,3 en vereist daardoor minder deelnemers.
  • Bij d = 0,8: 52 deelnemers. Dit is het grootste van deze effecten en is daardoor met de kleinste steekproef te detecteren.

De benodigde steekproef neemt dus sterk af wanneer de verwachte effectgrootte groter wordt, zolang de gewenste power gelijk blijft.

Waarom kan het gebruik van d = 0,5 als verwachte effectgrootte leiden tot een te kleine steekproef wanneer een psychologisch onderzoek realistisch gezien een kleiner effect verwacht?

Cohen’s d = 0,5 werd vroeger vaak gebruikt als uitgangspunt voor een middelsterk effect. Effectgroottes in de psychologie liggen volgens de bron echter vaker net boven een klein effect, ongeveer tussen d = 0,2 en d = 0,3. Als het werkelijke verwachte effect kleiner is dan d = 0,5, is het moeilijker te onderscheiden van toevallige variatie. Om dezelfde gewenste power te behouden, moet daarom rekening worden gehouden met een veel grotere steekproef.

Bij een onafhankelijke t-toets en een effectgrootte d = 0,5: hoeveel deelnemers zijn nodig voor respectievelijk 80%, 95% en 99% statistische power, en wat laat deze vergelijking zien?

Bij een onafhankelijke t-toets met d = 0,5 zijn nodig:
  • 80% power: 128 deelnemers;
  • 95% power: 210 deelnemers;
  • 99% power: 296 deelnemers.

De benodigde steekproef neemt dus duidelijk toe wanneer de gewenste power stijgt, terwijl de effectgrootte constant blijft. Een hogere gewenste zekerheid dat het effect wordt gedetecteerd heeft daarmee een grotere onderzoeksomvang tot gevolg.

Hoe verandert de benodigde totale steekproefgrootte bij een variantieanalyse wanneer het aantal onderzochte groepen toeneemt, terwijl de effectgrootte en de gewenste statistische power gelijk blijven?

Bij een variantieanalyse is het aantal in de powertabel genoemde deelnemers de totale steekproefgrootte over alle onderzochte groepen. Als de effectgrootte en de gewenste power gelijk blijven, is een grotere totale steekproef nodig wanneer er meer groepen worden onderzocht. Het aantal groepen is dus, naast de effectgrootte en de gewenste power, een bepalende factor voor de benodigde steekproefgrootte.

Een onafhankelijke t-toets verwacht een effectgrootte van d = 0,5 en moet 80% power hebben. Hoe verandert de benodigde steekproefgrootte wanneer één, twee of tien p-waarden worden berekend, en waarom?

Bij één p-waarde zijn 128 deelnemers nodig. Bij twee p-waarden stijgt dit naar 156 deelnemers en bij tien p-waarden naar 218 deelnemers.
  1. Meerdere p-waarden vergroten de kans op een type-I-fout: een effect lijkt significant terwijl het in werkelijkheid niet bestaat.
  2. Om hiermee rekening te houden, wordt het significantieniveau per afzonderlijke toets verlaagd.
  3. Een lager significantieniveau maakt het moeilijker om een effect significant te vinden.
  4. Daarom zijn meer deelnemers nodig om bij dezelfde verwachte effectgrootte en 80% power dezelfde kans op detectie te behouden.

De vragen op deze pagina komen uit de samenvatting van het volgende studiemateriaal:

  • Een unieke studie- en oefentool
  • Nooit meer iets twee keer studeren
  • Haal de cijfers waar je op hoopt
  • 100% zeker alles onthouden
Onthoud sneller, leer beter. Wetenschappelijk bewezen.
Trustpilot-logo