検定力分析計算ツール: 2つの比率
2つのコンバージョン率、成功率、有病率を比較しますか? 期待される2つの比率(たとえば40%対60%)、アルファ、目標検定力を入力すると、群あたりの必要サンプルサイズが得られます。本ツールは逆正弦変換を用いて比率をCohenの効果量hに変換します — G*PowerおよびRのpwr.2p.testが使用するのとまったく同じパラメータ化であるため、結果はこれらのツールと少なくとも有効数字6桁まで一致します。 古典的な仮説検定にもA/Bテストの計画にも使えます。「検定力を求める」モードでは、手元のトラフィックで現実的に検出できる差がわかります。なお、0や1に近い比率は、50%付近の同じ絶対差よりも区別しやすくなります — hはこれを自動的に反映します。
よくある質問
A/Bテストではバリアントあたり何名のユーザーが必要ですか?
ベースラインの率(例: 0.40)と目標の率(例: 0.50)を入力し、α = .05と検定力80%のままにして、群あたりのnを読み取ってください — この例ではバリアントあたり約387名です(h = 0.20)。検出したい差を半分にすると、必要数はおよそ4倍になります。
Cohenのhとは何ですか?
h = 2·arcsin(√p₁) − 2·arcsin(√p₂) — 0〜1の全範囲で検定力計算を正確にする、比率のための効果量です。目安: 0.2は小、0.5は中、0.8は大。本ツールは入力された比率から自動的に計算します。
この検定力分析をAPA形式でどう報告すればよいですか?
例: "An a priori power analysis for a two-proportion z-test (p₁ = .40, p₂ = .60, h = 0.41, α = .05, two-tailed, power = .80) indicated 48 participants per group." AIレポートが正当化段落全体を整形します。
群のサイズは等しいと仮定していますか?
はい — 群あたりのnが等しい古典的なデザインで、これが最も効率的でもあります。意図的に不等な割り付けを計画する場合は、群サイズの調和平均に対して検定力を設計するのがおおまかな方法です。