หา Sample Size - ลอง-ดู-ใคร่ครวญ- Sample Size จากเวบ - Gotoknow
3 ปัดขึ้นเป็น 342 คน สังเกตว่า n จะลดลงจากกรณีที่เราไม่รู้ N นิดนึง วิธีการคำนวณนี้จะได้ผลเท่ากับโปรแกรมคำนวณ sample size ของทั้ง Qualtrics และ SurveyMonkey เลย ข้อดีของการใช้สูตรนี้คือเราสามารถปรับระดับความเชื่อมั่น (z) และ margin or error (e) ได้ด้วยตัวเอง เด็ด! โปรแกรมคำนวณ sample size ของ SurveyMoney สามารถใช้งานได้ฟรี Summary แอดแนะนำให้เปลี่ยนมาใช้สมการนี้ดีกว่า n = z^2*p*(1-p) / e^2 (i. ยืดหยุ่น ปรับจูนค่าได้ง่ายกว่า) ใช้คู่กับ finite population correction กรณีที่เรารู้ขนาดประชากรจริง เป็นสูตรเดียวกับที่ บ.
Definition
Analysis
05 หรือน้อยกว่า อันนี้ก็คือ Significant level ของเราหรือก็คือที่หลายๆ คนชอบบอกว่า p Value < 0. 05 ถือว่า Significant นั่นเองครับ เช่น ผมศึกษาแล้วพบว่าการให้ยานั้นอัตราตายในกลุ่มได้ยา = 0. 5% กลุ่มไม่ได้ยา = 1% แล้วพบว่า p Value = 0. 05 พอดี นั่นหมายความว่า สิ่งที่ผมพบว่ามันแตกต่างนี้ มีโอกาสที่มันจะเกิดจากความฟลุ๊ค (โดยบังเอิญ) = 0. 05 (หรือภาษาชาวบ้านก็คือ 5%) ทำไมต้องเป็น 0. 05 (หรือ 5%) อันนี้ไม่มีใครตอบได้ครับ เพราะจริงๆ แล้วเราจะกำหนดที่เท่าไหร่ก็ได้ จะเอาโหดหน่อย 0. 025 ก็ได้ แต่แน่นอนว่าถ้ายิ่งน้อยก็ยิ่งต้องการ Sample size เยอะขึ้นเรื่อยๆ ด้วยครับ อันต่อมา ถ้าความเป็นจริงมันแตกต่างกัน แต่เราดันไม่พบความแตกต่างในการทำ Study (False Negative) อันนี้เราเรียกว่า Beta error หรือ Type II error ครับ เช่นยกตัวอย่างเดียวกัน ถ้าผมไม่พบว่ายาต้านไวรัสมันทำให้อัตราตายลดลง แต่ในความจริงแล้วมันดันทำให้ลดลงนั่นเอง ค่าโอกาสด้านกลับของ Beta (1 - beta) เราจะเรียกว่า Power ของการศึกษานี้ครับ (เหมือนว่าการศึกษาเรามี "พลัง" ในการ detect ความแตกต่างในธรรมชาตินี้ได้ซักเท่าไหร่) โดยทั่วไปเรากำหนด Beta = 0.
Symbol
- หา sample size standard
- หา sample size test
- หา sample size excel
Model
Exposed และ Odds Ratio (หรือ% Case. Exposed) จะคำนวณหาค่า Sample size ได้ 3) Cross-secional, Cohort, Clinical Trial ถ้าทราบค่า% Unexposed with Outcome และ Risk Ratio (หรือใช้ Odds Ratio, % Expose with Outcome, Risk / Prevalence Diff แทน) จะคำนวณ Sample size ได้ References Sample Size ใน RCT Reseach CAI (set browser encoding to thai)
Clothing
Graph
5 นิ้ว ถ้าต่างกันแค่ 0. 2 นิ้วจะไม่สนใจ S คือ SD ความกระจัดกระจายของค่าผลลัพท์ E/S = Standardized effect size". หลังจากลองเล่น ไปสักพัก ก็เกิดคำถามน่าสนใจว่า หากเราเพิ่ม Beta จาก 0. 2 เป็น 0. 4 คือการลดpower of test จาก 80% เป็น 60% จะเห็นว่า จำนวน sample size ที่ต้องการลดลง ดังภาพ.
Image
กำหนด p = 0. 5 เพื่อให้ได้จำนวน n ขั้นต่ำที่เราต้องเก็บในแต่ละโปรเจ็ค) ปล. รูป blog cover วันนี้คืออาจารย์ Toru Muranishi (The Naked Director) ไม่ใช่รูปอาจารย์ยามาเน่นะ 555+ References What is Yamane sample calculation – Quora Determining sample size – University of Florida บทความนี้ดีมาก แนะนำให้อ่านถ้ามีเวลา 😛 ส่วนด้านล่างเป็นตาราง sample size ของ Yamane สังเกตว่ายิ่ง margin error สูงขึ้นเท่าไหร่ sample size จะค่อยๆลดลงตามสูตรที่เราอธิบายในบทความนี้เลย