Testy statystyczne nie zakładają wielkości próby. Istnieją oczywiście różne założenia dla różnych testów (np. Normalność), ale równość wielkości próbek nie jest jednym z nich. O ile zastosowany test nie jest nieodpowiedni w inny sposób (nie mogę teraz wymyślić problemu), na poziom błędu typu I nie będą miały wpływu drastycznie nierówne rozmiary grup. Co więcej, ich sformułowanie sugeruje (moim zdaniem), że wierzą, że tak będzie. Dlatego są zdezorientowani w tych kwestiach.
Z drugiej strony, typ II poziom błędu bardzo będzie mieć wpływ bardzo nierówny s. To będzie prawdziwa bez względu na testy (np t -test, Manna-Whitneya U -test lub z -test równości proporcji będzie wszystko wpływa w ten sposób). Przykład tego znajduje się w mojej odpowiedzi tutaj: Jak interpretować porównanie średnich z różnych wielkości próby? Dlatego mogą być „usprawiedliwieni w rzucaniu ręcznikiem” w związku z tym problemem. (W szczególności, jeśli oczekujesz nieistotnego wyniku, niezależnie od tego, czy efekt jest prawdziwy, czy nie, jaki jest sens testu?) ntUz
W miarę różnic wielkości próbek moc statystyczna zbiegnie się do . Fakt ten faktycznie prowadzi do innej sugestii, o której podejrzewam, że niewiele osób kiedykolwiek słyszało i prawdopodobnie miałby problemy z obejściem poprzednich recenzentów (bez zamierzonego przestępstwa): analiza siły kompromisu . Pomysł jest stosunkowo prosty: w każdej analizie mocy α , β , n 1 , n 2 i wielkość efektu d istnieją w stosunku do siebie. Po określeniu wszystkich oprócz jednego możesz rozwiązać ostatnie. Zazwyczaj ludzie robią tak zwaną analizę mocy a priori , w której rozwiązujesz dla Nααβn1n2dN(ogólnie zakładasz, że ). Z drugiej strony, można naprawić n 1 , n 2 , a d i rozwiązać za alfa (lub równoważnie β ), jeśli określenie współczynnika typu I do II SPRAWDŹ Błąd rodzaju, że jesteś gotów żyć. Konwencjonalnie, α = 0,05 i β = 0,20 , więc mówisz, że błędy typu I są cztery razy gorsze niż błędy typu I. Oczywiście, dany badacz może się z tym nie zgodzić, ale po określeniu określonego stosunku możesz rozwiązać dla czego αn1=n2n1n2dαβα=.05β=.20αpowinieneś używać, aby ewentualnie utrzymać odpowiednią moc. To podejście jest logicznie uzasadnioną opcją dla badaczy w tej sytuacji, chociaż zdaję sobie sprawę z egzotyki tego podejścia, która może sprawić, że będzie to trudna sprzedaż w większej społeczności badawczej, która prawdopodobnie nigdy nie słyszała o takiej rzeczy.