검정력 분석 계산기: t-검정
참가자가 몇 명 필요할까요? G*Power를 다운로드하지 않고도 연구윤리위원회가 가장 좋아하는 질문에 답하십시오. 검정 유형(독립 두 표본, 대응, 단일표본)을 선택하고 기대 효과크기 Cohen의 d, 알파 수준, 목표 검정력을 입력하면 집단당 필요한 표본크기를 얻을 수 있습니다 — 정확한 비중심 t 분포로 계산되어 G*Power 및 R의 power.t.test()와 최소 유효숫자 6자리까지 일치합니다. 같은 화면에서 역방향(사후) 계산도 가능합니다. 표본크기를 입력하면 실제로 달성한 검정력을 확인할 수 있습니다. 관례: d = 0.2는 작음, 0.5는 중간, 0.8은 큼이며, α = .05에서 80% 검정력이 표준적인 계획 기본값입니다.
AI 리포트
AI가 결과를 해석해 드립니다: APA 7 / 비즈니스 리포트 형식의 다운로드 가능한 Word 문서.
자주 묻는 질문
t-검정에는 참가자가 몇 명 필요합니까?
중간 효과(d = 0.5), α = .05 양측, 80% 검정력의 경우 독립표본 t-검정은 집단당 64명(총 128명), 대응 설계는 34쌍이 필요합니다. 기대 효과가 작을수록 필요 인원이 급격히 늘어납니다 — d = 0.2는 집단당 394명이 필요합니다.
이 계산기는 G*Power와 동등합니까?
t-검정에 대해서는 그렇습니다. 동일한 매개변수(효과크기 d, α, 검정력, 단측/양측)와 동일한 정확한 비중심 t 분포를 사용하므로 표본크기와 검정력 값이 G*Power의 'means' 모듈과 일치합니다. 설치할 것 없이 브라우저에서 실행됩니다.
검정력 분석을 APA 형식으로 어떻게 보고합니까?
소프트웨어/방법, 검정, 매개변수, 결과를 기술합니다. 예: "An a priori power analysis for an independent samples t-test (two-tailed, d = 0.5, α = .05, power = .80) indicated a required sample of 64 participants per group." AI 보고서가 연구방법 섹션용 정당화 단락을 정리해 드립니다.
파일럿 데이터가 없다면 어떤 효과크기를 가정해야 합니까?
유사한 질문을 다룬 출판 연구의 효과크기나 메타분석 추정치를 사용하십시오. 그것이 어렵다면 실질적으로 의미가 있는 가장 작은 효과(SESOI)를 기준으로 검정력을 설계하십시오. 정당한 근거 없이 '중간'을 기본값으로 삼는 것은 피하십시오 — 심사자들이 점점 더 그 근거를 요구하고 있습니다.