Đây không phải là câu trả lời bạn sẽ muốn nghe, tôi sợ, nhưng tôi sẽ nói bằng mọi cách: cố gắng chống lại sự cám dỗ của máy tính trực tuyến (và tiết kiệm tiền của bạn trước khi mua máy tính độc quyền).
Dưới đây là một số lý do tại sao: 1) tất cả các máy tính trực tuyến đều sử dụng các ký hiệu khác nhau và thường được ghi chép kém. Đó là một sự lãng phí thời gian của bạn. 2) SPSS cung cấp một máy tính năng lượng nhưng tôi thậm chí chưa bao giờ thử nó vì nó quá đắt cho bộ phận của tôi đủ khả năng! 3) Các cụm từ như "kích thước hiệu ứng trung bình" ở mức sai lệch tốt nhất và tệ nhất là sai hoàn toàn đối với tất cả các thiết kế nghiên cứu đơn giản nhất. Có quá nhiều tham số và quá nhiều tương tác để có thể chưng cất kích thước hiệu ứng xuống một số duy nhất trong [0,1]. Ngay cả khi bạn có thể đặt nó thành một số duy nhất, không có gì đảm bảo rằng 0,5 của Cohen tương ứng với "trung bình" trong bối cảnh của vấn đề.
Hãy tin tôi - tốt hơn là về lâu dài để cắn viên đạn và dạy bản thân cách sử dụng mô phỏng để mang lại lợi ích cho bạn (và lợi ích của người mà bạn đang tư vấn). Ngồi xuống với họ và hoàn thành các bước sau:
1) Quyết định một mô hình phù hợp trong bối cảnh của vấn đề (có vẻ như bạn đã làm việc với phần này).
2) Tham khảo ý kiến của họ để quyết định các tham số null nên là gì, hành vi của nhóm kiểm soát, bất kể điều này có nghĩa gì trong bối cảnh của vấn đề.
3) Tham khảo ý kiến của họ để xác định các tham số nên là gì để sự khác biệt có ý nghĩa thực tế . Nếu có giới hạn kích thước mẫu thì điều này cũng nên được xác định ở đây.
4) Mô phỏng dữ liệu theo hai mô hình trong 2) và 3) và chạy thử nghiệm của bạn. Bạn có thể làm điều này với phần mềm galore - chọn mục yêu thích của bạn và thực hiện nó. Xem bạn có từ chối hay không.
5) Lặp lại 4) hàng ngàn lần, giả sử, . Theo dõi số lần bạn từ chối và tỷ lệ mẫu từ chối là ước tính sức mạnh. Ước tính này có lỗi tiêu chuẩn xấp xỉ .p √np^p^( 1 - p^) / n---------√
Nếu bạn thực hiện phân tích sức mạnh của mình theo cách này, bạn sẽ tìm thấy một số điều: A) có rất nhiều thông số chạy xung quanh hơn bạn dự đoán. Nó sẽ khiến bạn tự hỏi làm thế nào trên thế giới có thể thu gọn tất cả chúng thành một số duy nhất như "phương tiện" - và bạn sẽ thấy rằng điều đó là không thể, ít nhất là không theo bất kỳ cách đơn giản nào. B) sức mạnh của bạn sẽ nhỏ hơn rất nhiều so với rất nhiều máy tính khác quảng cáo. C) bạn có thể tăng sức mạnh bằng cách tăng kích thước mẫu, nhưng xem ra! Bạn có thể thấy rằng tôi có thể phát hiện ra một sự khác biệt "thực tế có ý nghĩa", bạn cần một cỡ mẫu cực kỳ lớn.
Nếu bạn gặp rắc rối với bất kỳ bước nào ở trên, bạn có thể thu thập suy nghĩ của mình, hãy đặt ra một câu hỏi cho CrossValidated và những người ở đây sẽ giúp bạn.
EDIT: Trong trường hợp bạn thấy rằng bạn nhất định phải sử dụng máy tính trực tuyến, cái tốt nhất tôi tìm thấy là trang Sức mạnh và Kích cỡ mẫu của Russ Lenth . Nó đã tồn tại trong một thời gian dài, nó có tài liệu tương đối đầy đủ, nó không phụ thuộc vào kích thước hiệu ứng đóng hộp và có liên kết đến các giấy tờ khác có liên quan và quan trọng.
BẤT CỨ EDIT: Thật trùng hợp, khi câu hỏi này xuất hiện, tôi đã ngay giữa khi viết một bài đăng trên blog để đưa ra một số ý tưởng này (nếu không, tôi có thể đã không trả lời nhanh như vậy). Dù sao, tôi đã hoàn thành nó vào cuối tuần trước và bạn có thể tìm thấy nó ở đây . Nó không được viết với SPSS trong tâm trí, nhưng tôi cá là nếu một người thông minh họ có thể dịch các phần của nó sang cú pháp SPSS.