Ik heb 2 hypotheses met ieder 3 onafhankelijke variabelen en één afhankelijke variabele waar ik dus 2 multipele regressie analyses voor ga doen. Dus bijv:
1. Stress (3 predictoren) gaat samen met slaapprobleem1 (1 afhankelijke variabele)
2. Stress (3 predictoren) gaat samen met slaapprobleem2 (1 afhankelijke variabele)
Maar nu wil ik dus sample size berekenenen op basis van Cohen F en vroeg me af op basis van welke R square ik dat moet doen? want uit beide regressie analyses komt een andere R square uit....
Of moet ik dat absoluut op een andere manier bepalen?
Ik ben echt verward....
Thanks alvast
Cohen's f2 effect size for an F-test:
R2
f 2= ------------------------------------
1 - R2
en standardized effect size:
ES
d= -----------------------
s
Dus met deze formule:
(zβ–zα )²
n = -----------------------------------
(d) ²
Dat lukt allemaal prima! MAAR ik weet niet welke R square ik moet gebruiken?? Die van hypothese 1 of 2 ?
Dus bij A de R square van hypothese 1 en bij B R square van hypothese B?
Je zou nog kunnen bedenken hoeveel enquêtes je laat invullen, maar in ieder geval is de regressie pas aan de orde nadat je de sample size weet en niet andersom.
Thnx voor je reactiequote:Op zondag 24 juni 2012 23:21 schreef twaalf het volgende:
Sample size is het aantal waarnemingen dat je hebt. Uitrekenen is een kwestie van tellen hoeveel enquêtes je ingevuld hebt gekregen.
Je zou nog kunnen bedenken hoeveel enquêtes je laat invullen, maar in ieder geval is de regressie pas aan de orde nadat je de sample size weet en niet andersom.
Ik wil dus voor een goede power de sample size vooraf bepalen.
Maar ik weet niet hoe ik dat voor een regressie analyse moet doen
Thnx voor je reactie !!!!quote:
Ok, in dat geval moet je één alternatieve hypothese kiezen, dus als je nulhypothese is x=0, en je alternatieve hypothese x>0, dan kun je bv. kiezen x=1. Vervolgens reken je onder de alternatieve hypothese de 'power' uit en maak je die zo groot als je wilt.
