حجم نمونه و توان آماری؛ توجیه به‌جای عدد ثابت

یک فرمول برای همه پژوهش‌ها وجود ندارد

برآورد نسبت، مقایسه میانگین، مدل رگرسیونی، مطالعه خوشه‌ای و تحلیل بقا نیازهای متفاوتی دارند. ابتدا پیامد و تحلیل اصلی را مشخص کنید. فرمولی مناسب برای یک پیمایش ساده را بدون بررسی برای مدل پیچیده یا مطالعه کیفی به کار نبرید.

ورودی‌های قابل دفاع

برای محاسبه مبتنی بر توان، خانواده آزمون، اندازه اثر هدف، سطح خطای نوع اول، توان، یک‌طرفه یا دوطرفه‌بودن و نسبت تخصیص را تعیین کنید. اندازه اثر را با شواهد پیشین، حداقل اثر مهم یا سناریوی علمی توجیه کنید؛ انتخاب مقدار صرفاً برای رسیدن به نمونه ارزان‌تر، توجیه علمی نیست.

دقت برآورد و طراحی واقعی

گاهی هدف اصلی، فاصله اطمینان با دقت معین است و نه عبور از آستانه معنی‌داری. خوشه‌بندی، سنجش تکراری، نمونه‌گیری پیچیده و داده نامتوازن می‌توانند نیاز به تحلیل یا شبیه‌سازی خاص ایجاد کنند. راهنماهای G*Power در UCLA مثال‌هایی برای آزمون‌های مشخص دارند؛ سازگاری آزمون انتخابی با طرح را جدا بررسی کنید.

ریزش و حساسیت

اگر به n مشاهده قابل تحلیل نیاز دارید و ریزش مورد انتظار r است، n/(1−r) فقط یک تقریب ساده برای جذب اولیه است؛ فرض آن را بنویسید و عدد را رو به بالا گرد کنید. برای چند اندازه اثر یا نرخ ریزش معقول، سناریو بسازید. بعد از نتیجه، «توان مشاهده‌شده» را جایگزین فاصله اطمینان یا طراحی اولیه نکنید.

گزارش قابل بازبینی

نام ابزار و نسخه، آزمون، تمام ورودی‌ها، منبع فرض‌ها و نتیجه هر سناریو را ثبت کنید. مثلاً به‌جای «نمونه ۱۰۰ نفر مناسب است»، توضیح دهید این تعداد تحت کدام فرض‌ها و برای کدام پیامد کافی برآورد شده است. این صفحه مقدار نهایی نمونه یک پروژه را تعیین نمی‌کند؛ طراحی و منابع پروژه باید بررسی شوند.

چک‌لیست اجرای پژوهش

• آزمون با پرسش و طراحی سازگار است.
• اندازه اثر و دقت توجیه شده‌اند.
• خوشه‌بندی و ریزش بررسی شده‌اند.
• فایل محاسبه و سناریوهای حساسیت محفوظ‌اند.