Um teste de hipóteses para o poder estatístico ajudará a detectar a probabilidade de um efeito. Só é possível detectar o verdadeiro efeito se este estiver disponível. Com confiança na conclusão do resultado do estudo, pode calcular e relatar o poder após a conclusão da experiência. A análise é uma ferramenta imperativa para avaliar o tamanho da amostra e o número de observações. Isto pode ajudar a detectar o efeito na experiência. Nas secções seguintes, compreenderá como a análise do poder é a essência do teste de hipóteses. Portanto, comecemos:

Análise de poder

O investigador efectua a análise de potência antes da recolha de dados. A análise tem como objectivo apoiar os investigadores na determinação do tamanho da amostra mais pequena. O tamanho da amostra é adequado para avaliar o efeito do teste sobre o nível de satisfação preferido. As amostras mais pequenas são menos caras em comparação com as amostras maiores. Por conseguinte, os investigadores preferem a análise de poder para a probabilidade do efeito. Outro benefício de depender das amostras mais pequenas é a optimização do teste de significância.
A análise de poder interliga-se com os testes de hipóteses. Durante o teste, o investigador comete dois tipos de erros:
– Erro de Tipo I
– Erro de tipo II
Os investigadores devem notar que com amostras maiores, podem facilmente atingir o nível de significância de 0,05. Por outro lado, se a amostra for muito pequena, o investigador poderá necessitar de um erro de Tipo II devido ao poder deficiente.

Factores que afectam a análise do poder

Pode pensar que a dimensão do efeito e o número do sujeito são factores imperativos da análise de poder. Embora a dimensão do efeito seja o principal contribuinte para o poder, existem numerosos outros factores que afectam o poder de um estudo. Abaixo discutiremos as questões mecânicas e metodológicas que afectam a potência:

1. Nível Alfa

O primeiro factor no aumento da potência é através do nível alfa. Durante a realização do estudo piloto, esta estratégia é eficaz. No entanto, pode não ser viável aumentar o nível alfa. Os investigadores estão agora a considerar o nível alfa como 0,1 em vez de 0,05. A redução dos níveis afectará a potência e contribuirá para fornecer resultados relevantes.

2. Tamanho da amostra

O tamanho da amostra também contribuirá para o aumento do poder. O aumento do número de sujeitos proporcionará uma variedade de amostras com diferentes restrições. Isto é compreensível que todos os grupos devam incluir números de amostras iguais, mas não é bem necessário. Por exemplo, está a financiar uma entrevista de 50 sobreviventes de cancro ou o acesso a 20 crianças autistas. É possível aumentar os sujeitos para um melhor resultado. No entanto, o aumento do tamanho da amostra tem um efeito de retorno cada vez menor no grupo de controlo.

3. Tamanho do Efeito

O aumento do tamanho do efeito também aumentará a potência. Pode-se utilizar a manipulação experimental para o incremento. Contudo, esta técnica é eficaz para aumentar o nível alfa, mas em várias situações, como o aumento da dose do medicamento, não faz qualquer sentido. Se for esse o caso, pode utilizar outra técnica para aumentar o tamanho do efeito e gerar uma análise estatística poderosa.

4. Tarefa experimental

Se não for possível alterar a manipulação experimental, poderá fazer alterações nas tarefas experimentais. Quando utiliza o número de tarefas na sua investigação, pode escolher entre as melhores tarefas, fornecendo o máximo de potência. Não tem a certeza sobre quais as tarefas que pode rever? Também pode conceber tarefas sensíveis de acordo com o seu projecto de investigação.

5. Variável de resposta

O processo para medir a variável de resposta também é importante. A utilização de erros de medição baixos e técnicas de alta sensibilidade ajudá-lo-ão a medir a potência. Os investigadores têm numerosas medidas por onde escolher. Por exemplo, encontrará o número de medidas em atitudes, QI, e ansiedade. Ao manipular as medidas, é possível reduzir o erro de medição.

6. Desenho experimental

Vários tipos de desenhos experimentais têm um poder diferente um do outro. Por exemplo, os desenhos de medidas repetidas são poderosos e fornecem resultados instantâneos. Pode-se aumentar a potência aumentando os desenhos de medidas repetidas durante a análise de potência. Esta técnica tem retornos decrescentes ao recolher muitos pontos de tempo.

7. Grupos

O número e os tipos de grupos também irão afectar o resultado da análise de poder. É possível reduzir o número de sujeitos, reduzindo o número de condições experimentais. Também é possível acrescentar mais grupos mas manter o mesmo número de sujeitos. Ao realizar a análise de potência, deverá identificar quantos sujeitos a adicionar para detectar o efeito de forma eficiente.

8. Procedimento estatístico

Quando há uma perturbação nos pressupostos do teste, é possível fazer certas alterações. Especificamente, pode alterar o tipo de procedimento a fim de aumentar a potência. Após a violação da presunção, não encontrará o resultado poderoso do teste. Violações de pressupostos como a normalidade, independência, e heterogeneidade reduzirão o poder. Nesses casos, deverá utilizar alternativas não paramétricas, aumentando o poder.

9. Modelo estatístico

A modificação do modelo estatístico também é possível. A alteração dos efeitos principais em vez de outros, aumentará a potência. Portanto, é necessário descobrir se o efeito principal do modelo é suficientemente poderoso. Se o poder não for suficiente, é possível acrescentar mais interacções. Antes de determinar o assunto, deve também verificar se os programas de análise de poder incluem ou não termos de interacção.

10. Modificar a Variável de Resposta

Para além de alterar o modelo estatístico, tente modificar a variável de resposta. Esta modificação será benéfica para satisfazer os pressupostos, reduzindo ao mesmo tempo a pontuação extrema do procedimento estatístico. No entanto, é preciso ter cuidado, uma vez que a transformação das variáveis aumentará o nível de dificuldade durante a interpretação.

11. Objectivo do Estudo

As razões para conduzir a investigação são também cruciais enquanto se realiza a análise de poder. Alguns investigadores estão a replicar pesquisas anteriores; outros determinam a diferença do coeficiente a partir de zero. O objectivo do estudo afecta o tamanho da amostra. Em vez de amostrar o erro da investigação, os peritos atribuirão as razões casuais e diferenciarão entre as várias investigações.

12. Dados em falta

Quando estiver a realizar investigação, deparar-se-á com problemas de dados em falta. Se quiser aumentar a potência, terá de reduzir os dados em falta. Tente atribuir poucos menos pontos de dados a poucas variáveis. Pode também remover o conjunto de dados completo para lidar com o problema dos dados em falta.

Conclusão

Ao realizar uma pesquisa de poder, considere diferentes factores que afectam o resultado da sua pesquisa. É necessário analisar o processo e estimar o resultado para a responsabilização. Concentre-se em ajustar o número de sujeitos, o nível alfa, e o tamanho das amostras. Tente recolher os dados e fazer experiências com as variáveis para aumentar o poder. Pode alterar os factores em função dos requisitos e da precisão do modelo. Em palavras simples, a análise de poder é o planeamento para tornar o modelo eficiente e testar a hipótese.