卓越實證概述 Best Evidence in Brief

你的研究證據多有力?

解讀研究證據往往複雜得讓人如墮五里霧中。為了提供一些明確的進路,美國麻省理工大學的貧窮問題行動研究室(The Abdul Latif Jameel Poverty Action Lab)剛發表了一份非正式的指引,描述各項因素會如何影響隨機化評鑑研究(Randomised evaluations)偵測計劃效果的敏銳度,亦即統計功效(Statistical power)。這份《決定樣本數和統計功效的六項指標》指引(Six Rules of Thumb for Determining Sample Size and Statistical Power),描述了這些因素之間的關係如何影響研究之設計及結果。

指引中的重點包括:

  • 較大的樣本數(Sample size),即一項研究的參與者數量較多,可提高統計功效。
  • 如效應值(Effect size)小,較大的樣本數可幫助達致一定程度的統計功效。
  • 評估小型計劃時,需要較大的樣本數。
  • 如不同研究參與者果效錄得巨大差異,則需加大樣本數目。
  • 研究對象應平均分派至實驗組及控制組。
  • 在隨機化評鑑研究中,按聚類(Cluster)或群組(Group)隨機分派,比按個體隨機分派之功效低。

另一份隨指引發表的文件,亦解釋了進行統計功效不足的評鑑有何風險。有關文件亦可於此網頁瀏覽。

 

文獻來源(開放取用):The Abdul Latif Jameel Poverty Action Lab (2018). Six rules of thumb for determining sample size and statistical power. Retrieved from https://www.povertyactionlab.org/sites/default/files/resources/2018.03.21-Rules-of-Thumb-for-Sample-Size-and-Power.pdf

Leave a Comment

*Please complete all fields correctly