Sample-Size
在功效分析中確定樣本後超出樣本量的後果
挑戰
在我們的辦公室，我參與了關於樣本量及其對效應量影響的討論——你能幫我解釋一下嗎？
根據
在進行功效分析時，可以確定特定設計中特定效應大小的樣本大小。
問題/討論
如果超出了先驗確定的樣本大小會發生什麼情況（例如，在功效分析中確定的樣本是，但我們可以得到)?
位置 1： 大樣本量會破壞/破壞效應量。當使用比功效分析中確定的更大的樣本時，會出現“一切都變得重要”的危險（即使是很小的，實際上不相關的影響）。因此，我們應該依靠功效分析確定的樣本。這樣做，我們可以揭示“真實/相關”的影響。
要么
位置 2： 樣本量的確定是指顯示給定效果所需的最小樣本量。大樣本量是有益的，例如因為減少了測量誤差。因此，可以更容易地揭示實際效果。事後效應大小計算提供有關效應相關性的信息。
要么
位置 3： 位置 1 與位置 2 取決於研究設計（例如位置 1 用於 t 檢驗，因為尋求“相關效應”，但位置 2 用於 CFA/SEM 以獲得更穩定、可靠的結果）。
要么
位置 4： 替代解釋的另一個可能位置。
危險發生了，“一切都變得重要”（即使是很小的，實際上不相關的影響）。
這不是反對大樣本量的論據，而是反對針對您的特定問題進行假設檢驗的直接論據。
如果您在拒絕小效應量時遇到問題，請不要使用普通的假設檢驗。
您可能需要進行等效性檢驗（或者可能是非劣效性檢驗）。
您可能需要效果大小的區間估計（即置信區間）。
可能是你需要別的東西。
這也與位置 3 有關。如果您有“相關效應”的概念，則不應使用普通的假設檢驗。
如果您的立場不是越強越好，請停止使用那些假設檢驗。這不是該工作的正確工具。