k是否意味著樣本量估計需要正態分佈？大家好。
我在 DOE 下使用 k 均值樣本量估計器 |樣本量和功效。
我使用此函數提交的方法是否需要來自正態分佈的數據集才能有效使用？ 我不認為是這種情況，特別是因為 JMP 中的 k 均值只允許我提交最多 10 個組，而我的一些數據集的數量不止這些（在這種情況下，我隨機將來自該數據集的組提交給 k 均值函數計算後設置標准開發）。
提前致謝。回复：k 是否意味著樣本量估計需要正態分佈？大家好。 很抱歉跳入談話。
這就是我聽到的...
Twoolman 擁有來自代表許多外科醫生的保險公司的數據，但它可能並不代表外科醫生可能進行的所有手術。 根據保險公司承保的手術，保險公司僅提供一部分手術。
所以聽起來好像觀察的數量是固定的，聽起來好像 Twoolman 在詢問是否可以使用 k-means 功率計算作為一種基於觀察太少而排除某些醫生的方法。
一般來說，我可能不會這樣做。 功效計算是針對要觀察的特定增量的計劃實驗。 隨著這個增量變小（或變異性增加），我們每組需要更多的樣本，而在相反的情況下則更少。 展望未來，我們會嘗試盡可能多地進行手術以滿足計算標準。 但是，鑑於“實驗”已經完成，我們將按原樣進行觀察。 我不會僅僅因為他們可能與其他手術完全不同而排除手術次數較少的外科醫生外科醫生。
但是，這裡必須小心。 比較（假設患者以某種方式隨機到達分析的外科醫生組）可能會確定外科醫生之間的統計差異，但問題就變成了……這些差異在臨床上有意義嗎？ 對於許多端點來說，這通常是一個挑戰——我們可能會識別組之間的統計差異，但不知道我們發現的差異是否具有任何實際重要性。
Mark 確實指出這些數據是觀察性的，因此可能需要控制許多其他因素，因為外科醫生之間的比較無法解釋。 這可能涉及模型中的協變量，或傾向得分的使用。 我不確定 JMP 是否具有傾向得分的任何功能，但 SAS 描述了兩個新程序這裡.
回复：k 是否意味著樣本量估計需要正態分佈？謝謝你，馬克。 這非常有幫助。
回复：k 是否意味著樣本量估計需要正態分佈？偏見與信息數據的遺漏有關。 估計是獨立於遺漏的性質還是取決於遺漏的性質（例如，網絡隸屬關係）？ 估計是否獨立於保險網絡從屬狀態？ 如果省略的觀察沒有提供信息，那麼您的估計將是無偏的。 這個問題與你對人口分析和定義的問題有關。 因此，如果您的範圍僅包括一個保險網絡，並且估計和推論不適用於任何其他保險網絡，那麼您不必擔心偏差。
樣本量決定了估計的標準誤。 估計可能是總體參數、模型參數或未來響應（評分）。 較小的組將表現出較大的標準誤差（置信度、預測或容差區間）。
偏差和方差是估計的獨立屬性，儘管我們有時會用其中的一些（偏差的小幅增加）來換取另一個（方差的大幅減少）以獲得更好的整體準確性。
我看不出僅基於樣本量的任意標準而忽略某些組會如何引入偏差。 （正如我上面所說，一些遺漏規則可能會使估計產生偏差。）我知道這樣的遺漏會減少證據數量，並必然會增加估計間隔的寬度。 您的評分將不太準確。
這些評論非常籠統，僅限於數據的識別和收集。 （但同樣重要。）很大程度上也取決於分析方法。
回复：k 是否意味著樣本量估計需要正態分佈？謝謝，馬克。 您的評論非常有幫助和讚賞。
我們對每位外科醫生進行最少手術次數的擔憂是，我們根據再入院百分比、手術部位再感染百分比等績效指標對外科醫生進行評分。 我們希望在進行評分分析時做到公平公正。 根據我們數據集中的網絡從屬關係，我們可能有 100% 的外科醫生 X 的手術，但只有 25% 的外科醫生 Y 的手術。 在這種情況下，它會影響我們的評分結果嗎？ 請注意，上面的性能指標都是基於我們所擁有的觀察結果的平均值。
謝謝！
回复：k 是否意味著樣本量估計需要正態分佈？我試圖幫助而不是基於語義引發衝突，但您的分析仍然基於觀察數據。 分析中包括的外科醫生取決於他們與特定保險網絡的隸屬關係，這一事實與人群的定義和數據推斷的局限性有關。 即使隸屬關係是預測因子/因素，實驗單位（外科醫生）也不會隨機分配到治療（保險網絡隸屬關係）。 實驗是一項研究，您可以在其中確定（即物理建立）條件或處理，將實驗單元隨機分配給處理，並測量運行的響應。
雖然從某種意義上說，您分析中的外科醫生是隨機樣本，但它們並不構成“簡單隨機樣本”。 這樣的樣本假定給定大小的所有可能樣本從總體中被選中的概率相同。 這裡情況不同。
為什麼需要根據手術次數排除外科醫生？ 最少手術次數的目的是什麼？
如果手術次數增加，那麼測試的力量就會增加。 如果手術次數減少，則測試的功效會降低。 如果手術次數為零，則功率為零（II 型錯誤風險是無限的）。
再次，我試圖理解和幫助。
回复：k 是否意味著樣本量估計需要正態分佈？抱歉，我沒有具體說明一些進一步的細節。
我們願意接受的 alpha 為 0.20，冪為 0.80。 這變成了一個實驗，因為我們不一定知道每個外科醫生進行的手術的實際數量。 當我們與一家保險公司合作時，可能會發生這種情況，他們只為我們提供在屬於其保險網絡的醫院進行手術的外科醫生的數據。 因此，鑑於外科醫生可能在 2016 年進行了 100 次扁桃體切除手術，但我們只獲得了 25% 的觀察結果。
因此，這成為一種實驗，因為在這些條件下，我們基本上只能獲得每位外科醫生的隨機事件樣本，我們如何定義每位外科醫生的最小觀察次數的截止值？
我同意你的觀點，當我們與特定醫院合作並可以訪問 100% 的所有外科醫生數據時，我們可以簡單地使用所有觀察結果，而不必擔心實驗截止限制。
回复：k 是否意味著樣本量估計需要正態分佈？還要考慮每個觀察的響應。 單向方差分析適用於測量使用 JMP 的連續的造型類型. 如果數據不是這樣，例如計數或者類別，則沒有一個樣本量計算器確定正確的樣本量。 在這種情況下，您可以使用廣義線性模型平台或其中之一邏輯回歸平台來自擬合模型.
回复：k 是否意味著樣本量估計需要正態分佈？我認為您誤解了樣本量計算器的使用。 他們的目的是前瞻性確定給定一個正確的模型（例如，均值 = 0 和恆定方差的正態分佈）、已知方差、已知的要檢測的最小差異、顯著性水平（可接受的 I 型錯誤率）和所需的功效（1 - 可接受的類型II 錯誤率）。 這個決定在一個非常有用的設計實驗.
你的案子聽起來像觀察性研究. 無論是否有人在研究它們，手術都會發生。 為什麼你會根據觀察次數預先選擇要加入或退出研究的組？ 排除一個組只能降低測試中的功效（單向方差分析）。 排除一個群體會使您的估計產生偏差。 您可以通過這種方式排除信息量最大的組。
如果有人問我用 20 個觀察值比較 A 組和 B 組的最佳方法，我會告訴他們每個觀察 10 個。 另一方面，如果他們告訴我他們對 A 組有 17 個觀察結果，對 B 組有 3 個觀察結果，我會告訴他們測試他們擁有的數據。 它不會像以前的設計那樣提供豐富的信息，但這就是他們所擁有的一切。 （順便說一句，它不會使估計值產生偏差，但會誇大標準誤。）如果他們因為觀察次數少而排除了 B 組，他們還剩下什麼？
回复：k 是否意味著樣本量估計需要正態分佈？感謝您的快速回复。 我可以使用 Welch 的 ANOVA 作為一種方法來告訴我包含多個組的數據集中每組的最小樣本量嗎？
如果我退後一步解釋我在做什麼可能會有所幫助。 我有外科醫生對多種手術的觀察。 對於一個特定的手術（一個數據集），我可能有 10 位不同的外科醫生（10 個不同的組）進行了我想要相互比較的手術。 給定手術中的每個外科醫生都進行了不同數量的手術。 我正在嘗試按組（外科醫生）確定手術（觀察事件）的最小數量，以便將該外科醫生（組）包括在分析中。
謝謝！
湯姆
回复：k 是否意味著樣本量估計需要正態分佈？該樣本量計算器基於假設方差不變的單向方差分析 (ANOVA) 模型。 響應 Y 被建模為常數項（此參數化中的截距或平均響應）、X = k 組效應和誤差的組合。 （請注意，組效應總和為零。）假設誤差呈正態分佈，均值 = 0，方差與組無關。
k 是什麼並不重要。
如果方差取決於因子水平（組），則使用 Welch ANOVA。
如果誤差不是正態分佈的，則使用非參數方法或重採樣方法。
