k是否意味着样本量估计需要正态分布？大家好。
我在 DOE 下使用 k 均值样本量估计器 |样本大小和功效。
我使用此函数提交的方法是否需要来自正态分布的数据集才能有效使用？ 我不认为是这种情况，尤其是因为 JMP 中的 k 均值只允许我提交最多 10 个组，而我的一些数据集的数量不止这些（在这种情况下，我会随机将该数据集中的组提交给 k 均值函数计算后设置标准开发）。
提前致谢。回复：k 是否意味着样本量估计需要正态分布？大家好。 很抱歉跳入谈话。
这就是我听到的...
Twoolman 拥有来自代表许多外科医生的保险公司的数据，但它可能并不代表外科医生可能进行的所有手术。 根据保险公司承保的手术，保险公司仅提供一部分手术。
所以听起来好像观察的数量是固定的，听起来好像 Twoolman 在询问是否可以使用 k-means 功率计算作为一种基于观察太少而排除某些医生的方法。
一般来说，我可能不会这样做。 功效计算是针对要观察的特定增量的计划实验。 随着这个增量变小（或变异性增加），我们每组需要更多的样本，而在相反的情况下则更少。 展望未来，我们会尝试尽可能多地进行手术以满足计算标准。 但是，鉴于“实验”已经完成，我们将按原样进行观察。 我不会仅仅因为他们可能与其他手术完全不同而排除手术次数较少的外科医生外科医生。
但是，这里必须小心。 比较（假设患者以某种方式随机到达所分析的外科医生组）可能会确定外科医生之间的统计差异，但问题就变成了……这些差异在临床上有意义吗？ 对于许多端点来说，这通常是一个挑战——我们可能会识别组之间的统计差异，但不知道我们发现的差异是否具有任何实际重要性。
Mark 确实指出这些数据是观察性的，因此可能需要控制许多其他因素，因为外科医生之间的比较无法解释。 这可能涉及模型中的协变量，或倾向得分的使用。 我不确定 JMP 是否具有倾向得分的任何功能，但 SAS 描述了两个新程序这里.
回复：k 是否意味着样本量估计需要正态分布？谢谢你，马克。 这非常有帮助。
回复：k 是否意味着样本量估计需要正态分布？偏见与信息数据的遗漏有关。 估计是独立于遗漏的性质还是取决于遗漏的性质（例如，网络隶属关系）？ 估计是否独立于保险网络从属状态？ 如果省略的观察没有提供信息，那么您的估计将是无偏的。 这个问题与你对人口分析和定义的问题有关。 因此，如果您的范围仅包括一个保险网络，并且估计和推论不适用于任何其他保险网络，那么您不必担心偏差。
样本量决定了估计的标准误。 估计可能是总体参数、模型参数或未来响应（评分）。 较小的组将表现出较大的标准误差（置信度、预测或容差区间）。
偏差和方差是估计值的独立属性，尽管我们有时会用其中的一些（偏差的小幅增加）来换取另一个（方差的大幅减少）以获得更好的整体准确性。
我看不出仅基于样本量的任意标准而忽略某些组会如何引入偏差。 （正如我上面所说的，一些遗漏规则可能会使估计产生偏差。）我知道这样的遗漏会减少证据的数量，并必然会增加估计间隔的宽度。 您的评分将不太准确。
这些评论非常笼统，仅限于数据的识别和收集。 （但同样重要。）很大程度上也取决于分析方法。
回复：k 是否意味着样本量估计需要正态分布？谢谢，马克。 您的评论非常有帮助和赞赏。
我们对每位外科医生进行最少手术次数的担忧是，我们根据再入院百分比、手术部位再感染百分比等绩效指标对外科医生进行评分。 我们希望在进行评分分析时做到公平公正。 根据我们数据集中的网络从属关系，我们可能有 100% 的外科医生 X 的手术，但只有 25% 的外科医生 Y 的手术。 在这种情况下，它会影响我们的评分结果吗？ 请注意，上面的性能指标都是基于我们所拥有的观察结果的平均值。
谢谢！
回复：k 是否意味着样本量估计需要正态分布？我试图帮助而不是基于语义引发冲突，但您的分析仍然基于观察数据。 分析中包括的外科医生取决于他们与特定保险网络的从属关系，这一事实与人群的定义和数据推断的局限性有关。 即使隶属关系是预测因子/因素，实验单位（外科医生）也不会被随机分配到治疗（保险网络隶属关系）。 实验是一项研究，您可以在其中确定（即实际建立）条件或处理，将实验单元随机分配给处理，并测量运行的响应。
虽然从某种意义上说，您分析中的外科医生是随机样本，但它们并不构成“简单随机样本”。 这样的样本假定给定大小的所有可能样本从总体中被选中的概率相同。 这里情况不同。
为什么需要根据手术次数排除外科医生？ 最少手术次数的目的是什么？
如果手术次数增加，那么测试的力量就会增加。 如果手术次数减少，则测试的功效会降低。 如果手术次数为零，则功率为零（II 型错误风险是无限的）。
再次，我试图理解和帮助。
回复：k 是否意味着样本量估计需要正态分布？抱歉，我没有具体说明一些进一步的细节。
我们愿意接受的 alpha 为 0.20，幂为 0.80。 这变成了一个实验，因为我们不一定知道每个外科医生进行的手术的实际数量。 当我们与一家保险公司合作时，就会发生这种情况，他们只向我们提供在属于其保险网络的医院进行手术的外科医生的数据。 因此，鉴于外科医生可能在 2016 年进行了 100 次扁桃体切除手术，但我们只获得了 25% 的观察结果。
因此，这成为一种实验，因为在这些条件下，我们基本上只能获得每位外科医生的随机事件样本，我们如何定义每位外科医生的最小观察次数的截止值？
我同意你的观点，当我们与特定医院合作并可以访问 100% 的所有外科医生数据时，我们可以简单地使用所有观察结果，而不用担心实验截止限制。
回复：k 是否意味着样本量估计需要正态分布？还要考虑每个观察的响应。 单向方差分析适用于测量使用 JMP 的连续的造型类型. 如果数据不是这样，例如计数或者类别，则没有一个样本量计算器确定正确的样本量。 在这种情况下，您可以使用广义线性模型平台或其中之一逻辑回归平台来自拟合模型.
回复：k 是否意味着样本量估计需要正态分布？我认为您误解了样本量计算器的使用。 他们的目的是前瞻性确定给定一个正确的模型（例如，均值 = 0 和恒定方差的正态分布）、一个已知方差、一个已知的要检测的最小差异、显着性水平（可接受的 I 型错误率）和所需的功效（1 - 可接受的类型II 错误率）。 这个决定在一个非常有用的设计实验.
你的案子听起来像观察性研究. 无论是否有人在研究它们，手术都会发生。 为什么你会根据观察次数预先选择要加入或退出研究的组？ 排除一个组只能降低测试中的功效（单向方差分析）。 排除一个群体会使您的估计产生偏差。 您可以通过这种方式排除信息量最大的组。
如果有人问我用 20 个观察值比较 A 组和 B 组的最佳方法，我会告诉他们每个观察 10 个。 另一方面，如果他们告诉我他们有 A 组的 17 个观察值和 B 组的 3 个观察值，我会告诉他们测试他们拥有的数据。 它不会像以前的设计那样提供丰富的信息，但这就是他们所拥有的一切。 （顺便说一句，它不会使估计值产生偏差，但会夸大标准误。）如果他们因为观察次数少而排除了 B 组，他们还剩下什么？
回复：k 是否意味着样本量估计需要正态分布？感谢您的快速回复。 我可以使用 Welch 的 ANOVA 作为一种方法来告诉我包含多个组的数据集中每组的最小样本量吗？
如果我退后一步解释我在做什么可能会有所帮助。 我有外科医生对多种手术的观察。 对于一个特定的手术（一个数据集），我可能有 10 位不同的外科医生（10 个不同的组）进行了我想要相互比较的手术。 给定手术中的每个外科医生都进行了不同数量的手术。 我正在尝试按组（外科医生）确定手术（观察事件）的最小数量，以便将该外科医生（组）包括在分析中。
谢谢！
汤姆
回复：k 是否意味着样本量估计需要正态分布？该样本量计算器基于假设方差不变的单向方差分析 (ANOVA) 模型。 响应 Y 被建模为常数项（此参数化中的截距或平均响应）、X = k 组效应和误差的组合。 （请注意，组效应总和为零。）假设误差呈正态分布，均值 = 0，方差与组无关。
k 是什么并不重要。
如果方差取决于因子水平（组），则使用 Welch ANOVA。
如果误差不是正态分布的，则使用非参数方法或重采样方法。
