Jak dobrać liczebność próby do pracy dyplomowej? Moc statystyczna i G*Power

„Ile osób powinno wziąć udział w badaniu?” to jedno z najczęstszych pytań podczas planowania pracy licencjackiej lub magisterskiej. Odpowiedź nie wynika jednak z uniwersalnej reguły typu „minimum 30 osób” albo „zawsze 100 ankiet”. Potrzebna liczebność zależy między innymi od planowanego testu, oczekiwanej wielkości efektu, poziomu istotności, wymaganej mocy oraz liczby porównywanych grup lub predyktorów.

Dobrze wykonana analiza mocy pozwala oszacować próbę przed rozpoczęciem zbierania danych. Dzięki temu wiadomo, czy badanie ma realną szansę wykryć efekt istotny z punktu widzenia pytania badawczego. Nie gwarantuje ona istotnego wyniku i nie naprawia błędnego doboru uczestników, ale porządkuje jedną z najważniejszych decyzji metodologicznych.

W tym poradniku wyjaśniam, jak powiązać liczebność próby z błędami pierwszego i drugiego rodzaju, jak wybrać wielkość efektu oraz jak krok po kroku wykonać analizę a priori w bezpłatnym programie G*Power.

Czym jest moc statystyczna?

Moc statystyczna to prawdopodobieństwo, że test wykryje określony efekt, jeżeli efekt o takiej wielkości rzeczywiście istnieje w populacji. Zapisuje się ją jako `1 − β`, gdzie β oznacza prawdopodobieństwo błędu drugiego rodzaju, czyli niewykrycia efektu.

Jeżeli planowana moc wynosi 0,80, oznacza to, że przy założonym modelu, wielkości efektu, poziomie alfa i liczebności test ma 80% szans na odrzucenie fałszywej hipotezy zerowej. Pozostałe 20% odpowiada ryzyku błędu drugiego rodzaju.

W analizie mocy spotykają się cztery zależne elementy:

• poziom istotności alfa (α) — ryzyko odrzucenia prawdziwej hipotezy zerowej;
• moc (1 − β) — szansa wykrycia efektu o założonej wielkości;
• wielkość efektu — skala różnicy, związku albo części wyjaśnionej wariancji;
• liczebność próby — liczba obserwacji dostępnych do analizy.

Po ustaleniu trzech elementów można obliczyć czwarty. W planowaniu pracy dyplomowej najczęściej podaje się alfa, pożądaną moc i wielkość efektu, a program wyznacza wymaganą liczebność.

Moc nie jest cechą samego badania ani pojedynczego wyniku. Dotyczy konkretnego testu, konkretnego efektu oraz przyjętych założeń.

Od czego zależy wymagana liczebność próby?

Nawet dwa badania dotyczące podobnego zagadnienia mogą potrzebować zupełnie różnych prób. Znaczenie mają przede wszystkim:

Nie wystarczy więc napisać, że „próba wynosi 120 osób, ponieważ taka liczba jest odpowiednia”. Trzeba wskazać, dla jakiej analizy jest odpowiednia i na podstawie jakich parametrów została obliczona.

Analiza a priori, czułości i post hoc — czym się różnią?

G*Power udostępnia kilka typów analizy. W pracy dyplomowej najważniejsze są dwa pierwsze.

Analiza a priori

Analizę a priori wykonuje się przed zebraniem danych. Na podstawie wielkości efektu, alfa i planowanej mocy oblicza się wymagane N. Jest to podstawowy tryb, gdy chcemy zaplanować rekrutację.

Analiza czułości

Analiza czułości odpowiada na inne pytanie: jaki najmniejszy efekt może zostać wykryty przy ustalonej liczebności, alfa i mocy? Przydaje się, gdy liczba dostępnych uczestników jest ograniczona, na przykład badanie obejmuje wszystkich pracowników jednej niewielkiej organizacji.

W takiej sytuacji nie należy udawać, że dostępne N zostało wyznaczone analizą a priori. Lepiej uczciwie opisać ograniczenie zasobów i pokazać, na jakie efekty badanie pozostaje wystarczająco czułe.

Analiza post hoc

Analiza post hoc obliczająca „zaobserwowaną moc” po uzyskaniu wyniku nie powinna służyć do uzasadniania już zebranej próby. Taka wartość jest w dużym stopniu funkcją obserwowanego p i nie dodaje użytecznej informacji ponad wynik testu. Po analizie bardziej informacyjne są estymata efektu i jej przedział ufności.

Jeżeli dane są już zebrane, opisz sposób doboru próby, ograniczenia i precyzję oszacowania. Interpretację wartości p, przedziałów ufności oraz wielkości efektu omawia osobny poradnik: jak interpretować p, przedział ufności i wielkość efektu.

Skąd wziąć oczekiwaną wielkość efektu?

Wielkość efektu ma największy wpływ na wynik kalkulacji, a jednocześnie jest najtrudniejszym parametrem do uzasadnienia. W zależności od testu może być zapisana jako:

• `d` Cohena dla różnicy dwóch średnich;
• `r` dla korelacji;
• `f` Cohena dla ANOVA;
• `f²` dla regresji;
• `w` dla testu chi-kwadrat;
• iloraz szans lub różnica proporcji w innych modelach.

Najlepszym źródłem jest metaanaliza albo kilka wcześniejszych badań o podobnej populacji, pomiarze i projekcie. Można też określić najmniejszy efekt istotny merytorycznie — taki, którego wykrycie rzeczywiście zmieniłoby wniosek teoretyczny lub praktyczny.

Badanie pilotażowe pomaga sprawdzić procedurę, czas pomiaru i jakość danych, ale zwykle daje niestabilne oszacowanie efektu. Nie warto bezkrytycznie przenosić pojedynczego, zawyżonego wyniku z małej próby pilotażowej do kalkulacji głównego badania.

Konwencje „mały”, „średni” i „duży” mogą być punktem orientacyjnym, gdy nie ma żadnych lepszych danych, lecz nie powinny zastępować uzasadnienia dziedzinowego. Automatyczne wpisanie `d = 0,50`, ponieważ jest to „średni efekt”, może znacząco zaniżyć lub zawyżyć wymagane N.

Jak obliczyć liczebność w G*Power? Przykład testu t

Załóżmy, że planujesz porównać średni wynik dwóch niezależnych grup. Interesuje Cię efekt `d = 0,50`, przyjmujesz test dwustronny, alfa 0,05, moc 0,80 i równe liczebności grup.

W G*Power ustaw:

1. Test family: `t tests`;
2. Statistical test: `Means: Difference between two independent means (two groups)`;
3. Type of power analysis: `A priori: Compute required sample size`;
4. Tail(s): `Two`;
5. Effect size d: `0.50`;
6. α err prob: `0.05`;
7. Power (1 − β err prob): `0.80`;
8. Allocation ratio N2/N1: `1`.

Po kliknięciu Calculate program wskaże łączną liczebność `N = 128`, czyli po 64 osoby w każdej grupie. Jest to wynik dla dokładnie tych ustawień. Zmiana efektu, mocy, alfa albo proporcji grup zmieni wynik.

Jeżeli nie masz pewności, czy pytanie badawcze wymaga testu t, korelacji, ANOVA czy innego modelu, najpierw ustal analizę za pomocą poradnika jaki test statystyczny wybrać do pracy dyplomowej. Obliczenie N dla niewłaściwego testu nie rozwiązuje problemu.

Dlaczego mały efekt wymaga tak dużej próby?

Przy mniejszym efekcie różnica między sygnałem a losową zmiennością jest słabsza. Aby test rozpoznał ją z założoną mocą, potrzebuje więcej informacji, czyli zwykle większej liczby obserwacji.

Wielkość efektu a wymagana próba

Przykład dotyczy dwustronnego testu t dla dwóch niezależnych i równych grup, alfa 0,05 oraz mocy 0,80. Im mniejszy zakładany efekt, tym szybciej rośnie wymagane N.

Najedź na słupek, aby odczytać łączną liczebność. Wartości są przykładem dla wskazanego scenariusza, a nie uniwersalnym minimum dla każdej pracy.

Dla `d = 0,80` wystarczą w tym przykładzie 52 osoby, dla `d = 0,50` potrzeba 128, dla `d = 0,30` — 352, a dla `d = 0,20` — 788. To pokazuje, dlaczego wybranie „dużego” efektu wyłącznie po to, aby obniżyć N, prowadzi do pozornego uzasadnienia. Badanie będzie miało odpowiednią moc tylko względem efektu, który wpisano do kalkulacji.

Przykładowe ustawienia dla innych analiz

G*Power obejmuje wiele testów t, F, χ², z oraz testów dokładnych. W każdym przypadku trzeba wybrać moduł odpowiadający późniejszej analizie.

Wartości w tabeli pokazują skalę różnic, ale nie są gotowym zaleceniem. Na przykład w regresji wynik zależy od wybranego testu: można badać całkowite `R²` albo przyrost `R²` po dodaniu konkretnego bloku predyktorów. Instrukcję wyboru modelu i raportowania znajdziesz w artykule regresja liniowa w pracy dyplomowej i Jamovi.

Jeżeli projekt obejmuje pomiary powtarzane, klastry, nierówne grupy, skomplikowaną interakcję albo model mieszany, prosta kalkulacja może być niewystarczająca. Wtedy lepsza bywa symulacja dostosowana do planu badania.

Jak uwzględnić rezygnacje i braki danych?

Wynik G*Power dotyczy zwykle liczby obserwacji, które mają trafić do analizy. W praktyce część osób nie ukończy ankiety, nie spełni kryteriów albo pozostawi braki w kluczowych zmiennych. Dlatego cel rekrutacyjny powinien być większy.

Można użyć prostego przeliczenia:

`N do rekrutacji = N wymagane / (1 − przewidywany odsetek utraty)`

Jeżeli analiza wymaga 128 kompletnych przypadków, a spodziewasz się utraty 15%:

`128 / 0,85 = 150,59`

Po zaokrągleniu w górę należy zrekrutować co najmniej 151 osób. Nie dodawaj po prostu 15% do 128, ponieważ odsetek utraty odnosi się do całej rekrutowanej próby.

Przewidywany odsetek powinien wynikać z podobnych badań, pilotażu lub doświadczeń z tym sposobem zbierania danych. Anonimowa ankieta internetowa i wieloetapowe badanie podłużne mają inne ryzyko braków.

Przed analizą warto również ustalić, jak zostaną potraktowane braki danych. Usunięcie każdego niekompletnego wiersza może obniżyć rzeczywiste N bardziej, niż przewidywano. Przygotowanie pliku opisuje poradnik jak przygotować dane do analizy statystycznej w Jamovi.

Co zmieniają nierówne grupy?

Równe grupy zwykle zapewniają największą moc przy tej samej łącznej liczebności. Jeżeli jedna populacja jest trudniej dostępna i proporcja ma wynosić na przykład 1:2, trzeba wprowadzić tę proporcję w polu Allocation ratio N2/N1.

Nie należy obliczać N dla proporcji 1:1, a następnie dowolnie rozdzielać uczestników. W skrajnym przypadku jedna bardzo mała grupa ograniczy jakość porównania mimo dużej liczebności całkowitej.

Podobny problem występuje w analizach z wieloma kategoriami. Jeżeli planujesz test chi-kwadrat, część oczekiwanych liczebności może być zbyt mała, choć łączna próba wygląda na dużą. Analiza mocy i sprawdzenie założeń testu są odrębnymi etapami.

Jak opisać analizę mocy w metodologii?

Opis powinien umożliwić odtworzenie kalkulacji. Podaj:

• program i jego wersję;
• rodzinę oraz dokładną nazwę testu;
• typ analizy mocy;
• test jednostronny lub dwustronny;
• zakładaną wielkość efektu i jej źródło;
• alfa i oczekiwaną moc;
• liczbę grup, predyktorów lub stopni swobody;
• wynik obliczenia oraz docelową rekrutację po uwzględnieniu braków.

Przykładowy zapis:

Minimalną liczebność próby oszacowano a priori w programie G*Power 3.1 dla dwustronnego testu t dla dwóch niezależnych grup. Przyjęto wielkość efektu d = 0,50, poziom istotności α = 0,05, moc 1 − β = 0,80 oraz równą liczebność grup. Analiza wskazała minimalne N = 128, po 64 osoby w grupie. Uwzględniając przewidywane 15% niekompletnych obserwacji, zaplanowano rekrutację co najmniej 151 osób.

Do tego zdania trzeba dodać uzasadnienie `d = 0,50`. Może nim być wynik metaanalizy, zakres efektów w podobnych badaniach albo najmniejszy efekt mający znaczenie dla problemu. Samo przywołanie programu nie uzasadnia parametrów wpisanych do jego pól.

Co zrobić, gdy wymaganej próby nie da się zebrać?

Nie należy zmieniać parametrów tylko po to, aby kalkulator pokazał dostępne N. Zamiast tego można:

1. wykonać analizę czułości dla realnie dostępnej próby;
2. zawęzić pytanie badawcze i ograniczyć liczbę porównań;
3. uprościć model albo zrezygnować z słabo uzasadnionych predyktorów;
4. poprawić rzetelność pomiaru, aby ograniczyć szum;
5. wydłużyć rekrutację lub włączyć dodatkowe miejsce badania;
6. przedstawić projekt jako pilotażowy lub eksploracyjny, jeśli odpowiada to jego celowi;
7. jasno opisać ograniczenie i nie formułować wniosków wykraczających poza precyzję danych.

Mniejsza próba nie oznacza automatycznie, że badanie jest bezwartościowe. Oznacza natomiast, że trzeba ostrożniej określić, jakie efekty może wykryć i z jaką precyzją można je oszacować.

Analiza mocy nie zastępuje doboru próby

Duża liczebność nie gwarantuje reprezentatywności. Można zebrać tysiąc odpowiedzi z jednej wygodnie dostępnej grupy i nadal mieć próbę obciążoną systematycznym błędem doboru.

Analiza mocy odpowiada na pytanie o zdolność testu do wykrycia efektu przy przyjętym modelu. Nie rozstrzyga:

• czy osoby zostały dobrane losowo;
• czy próba odzwierciedla populację;
• czy pomiar jest trafny i rzetelny;
• czy występuje błąd selekcji;
• czy projekt pozwala wnioskować przyczynowo.

Dlatego opis liczebności powinien występować obok opisu populacji, kryteriów włączenia, sposobu rekrutacji i ograniczeń uogólniania.

Najczęstsze błędy

• Używanie reguły „minimum 30 osób” bez odniesienia do testu i efektu.
• Obliczanie próby dopiero po zebraniu danych i przedstawianie wyniku jako planu a priori.
• Wpisanie „średniego efektu” bez źródła lub uzasadnienia merytorycznego.
• Dobranie dużego efektu tylko dlatego, że daje wykonalne N.
• Obliczenie liczebności dla testu innego niż ten użyty w analizie.
• Nieuwzględnienie liczby grup, predyktorów albo pomiarów.
• Pominięcie nierównych grup oraz przewidywanych rezygnacji.
• Traktowanie mocy 0,80 i alfa 0,05 jako jedynych zawsze poprawnych ustawień.
• Uznanie dużej próby za dowód reprezentatywności.
• Raportowanie wyłącznie „obliczono w G*Power”, bez parametrów i wyniku.

Lista kontrolna przed rozpoczęciem badania

• Czy znam główną hipotezę i odpowiadający jej test?
• Czy analiza dotyczy testu jednostronnego czy dwustronnego?
• Czy wielkość efektu ma źródło w literaturze albo uzasadnienie merytoryczne?
• Czy podałem poziom alfa i planowaną moc?
• Czy uwzględniłem liczbę grup, predyktorów i ich proporcje?
• Czy wynik oznacza liczbę wszystkich osób, czy osób w każdej grupie?
• Czy zwiększyłem cel rekrutacyjny o przewidywane braki i rezygnacje?
• Czy kalkulacja odpowiada analizie, którą rzeczywiście wykonam?
• Czy zapisałem ustawienia i wersję programu do metodologii?
• Czy sposób doboru próby pozwala na planowany zakres uogólnienia?

FAQ

Czy 30 osób wystarczy do pracy licencjackiej?

Nie da się tego ocenić bez znajomości testu, oczekiwanej wielkości efektu, alfa i wymaganej mocy. Dla prostego badania dużego efektu 30 osób może dostarczyć użytecznych danych, ale dla małego efektu, kilku grup albo regresji będzie to często za mało.

Jaka moc statystyczna jest odpowiednia?

W wielu badaniach przyjmuje się 0,80, ale nie jest to uniwersalny obowiązek. Wyższa moc zmniejsza ryzyko niewykrycia założonego efektu, lecz wymaga większej próby. Wybór powinien uwzględniać konsekwencje błędów i możliwości badania.

Czy w G*Power zawsze wpisuje się efekt średni?

Nie. Wielkość efektu powinna wynikać z literatury, metaanalizy, uzasadnionego minimum istotnego merytorycznie albo ostrożnego zakresu scenariuszy. Konwencja „średniego efektu” jest rozwiązaniem awaryjnym, a nie domyślną prawdą o każdym zjawisku.

Czy po zebraniu danych można policzyć moc post hoc?

Program ją obliczy, ale zaobserwowana moc nie jest dobrym sposobem uzasadniania wyniku ani liczebności. Po analizie lepiej raportować wielkość efektu, przedział ufności, wartość p oraz ograniczenia precyzji.

Czy do wymaganej liczebności trzeba doliczyć braki danych?

Tak. Jeżeli G*Power wskazuje liczbę kompletnych obserwacji potrzebnych do analizy, docelowa rekrutacja powinna być większa o przewidywane rezygnacje, wykluczenia i niekompletne pomiary.

Czy G*Power nadaje się do każdego modelu?

Nie. Program obejmuje wiele popularnych testów, ale nie odwzorowuje każdego złożonego projektu, na przykład wszystkich modeli mieszanych, wielopoziomowych lub specyficznych schematów podłużnych. W takich sytuacjach potrzebna może być symulacja albo specjalistyczne narzędzie.

Źródła i dalsza lektura

• Heinrich-Heine-Universität Düsseldorf — oficjalna strona i podręcznik G*Power
• Faul i in. (2007) — G*Power 3: A flexible statistical power analysis program
• Faul i in. (2009) — Statistical power analyses using G*Power 3.1
• Lakens (2022) — Sample Size Justification
• Cohen (1992) — A Power Primer

Jeżeli masz plan badania, ale nie wiesz, jaki efekt przyjąć albo który moduł G*Power odpowiada hipotezie, zobacz zakres analiz statystycznych lub prześlij opis badania. Przed rekrutacją można sprawdzić model, parametry i realny cel liczebności, zamiast korygować plan dopiero po zebraniu danych.