Moc statystyczna

Moc statystyczna, inaczej nazywana mocą testu, to prawdopodobieństwo uniknięcia błędu drugiego rodzaju – przyjęcia hipotezy zerowej, gdy w rzeczywistości jest ona fałszywa. Im wyższa jest ta ryzykowność, tym lepszy dany test jako narzędzie do rozdzielania pomiędzy hipotezą prawdziwą a fałszywą.
Moc można wyrazić poprzez dopełnienie prawdopodobieństwa popełnienia błędu drugiego rodzaju (β), tzn. 1-β.

Moc jest zależna bezpośrednio i głównie od danych elementów:
a. wielkości próby użytej w badaniu
b. przyjętego poziomu istotności – zwykle wynosi on 0,05
c. wielkości efektu na tle zmienności losowej w populacji.

Testy różnią się pomiędzy sobą mocą, w zależności od tego na ile stratne mogą być informacyjnie, a także w jakim stopniu ich model statystyczny jest akuratny do problemu badawczego oraz charakteru danych.
Wysoka moc statystyczna podwyższa poziom precyzji i wiarygodność szacowań. Badania o niskiej mocy są uważane za roztrwanianie zasobów, ponieważ nie mają szans uzyskać końcowych rezultatów. Niska moc w połączeniu z tzw. efektem szuflady zaburza spójność pomiędzy błędami I i II rodzaju oraz odpowiednim rozpoznaniem w publikacjach, zakrzywiając naukowy obraz rzeczywistości.

Zastrzeżeniem interpretacyjnym mocy jest to, iż zawsze ma swoje odniesienie do konkretnego testu. Nawet gdy ogólna próba w badaniu liczy więcej uczestników, pojedynczy test ma tylko taką moc, na jaką pozwala wielkość konkretnego efektu i liczebność porównywanych podgrup.
Moc statystyczna jest w praktyce losową zmienną, która jest funkcją wielu nieznanych parametrów populacji i próby. Można ją oszacować na bazie założenia lub oszacowaniu tych zmiennych, lecz jest to zawodna statystyka jej wartości oczekiwanej lub rozkładu. Interpretacja estymacji mocy jest zależna od wiarygodności założeń badaczy dotyczących wielkości efektu i trafności modelu.

Metody pozwalające na uzyskanie większej mocy statystycznej badań:
a. zwiększenie próby badawczej – szczególnie przez wcześniejsze uściślenie przewidywanej wielkości efektu, np. na podstawie badań innych autorów lub własnych badań pilotażowych, i przeprowadzenie analizy mocy a priori aby określić wielkości próby przy zapewnieniu testom pożądanego poziomu mocy
b. wykorzystanie testów lub struktur badania, które mają wyższą moc statystyczną, takich jak prerejestrowane testy hipotez jednostronnych, testy parametryczne czy badania w schemacie wewnątrzgrupowym
c. redukcja losowej zmienności, np. przez wykorzystanie odpornościowych statystyk oraz metod pomiaru z niższym jego błędem.