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?
Hoe worden statistische power, effectgrootte en steekproefgrootte in een poweranalyse vóór een onderzoek aan elkaar gerelateerd?
- 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?
- 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
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 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?
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?
- 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?
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?
- Meerdere p-waarden vergroten de kans op een type-I-fout: een effect lijkt significant terwijl het in werkelijkheid niet bestaat.
- Om hiermee rekening te houden, wordt het significantieniveau per afzonderlijke toets verlaagd.
- Een lager significantieniveau maakt het moeilijker om een effect significant te vinden.
- 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















