본문 바로가기

표본수 · 검정력 계산기

효과크기·유의수준·검정력으로 두 집단 평균·비율 비교에 필요한 집단당 표본수를 구하고, 정해진 n의 사후 검정력을 계산합니다.

브라우저에서 로컬 처리 · 서버 업로드 없음
검정 방향

0.2 작음 · 0.5 중간 · 0.8 큼

표본수 · 검정력 계산기 소개

표본수 · 검정력 계산기는 연구 계획 단계에서 “몇 명(몇 마리, 몇 반복)이 필요한가”를, 리비전 단계에서 “이 표본수로 검정력이 충분했는가”를 답하는 도구입니다. IRB 심사, 동물실험 윤리위원회, 연구비 신청서와 대부분의 임상·역학 저널은 표본수 산정 근거를 요구합니다. 두 집단 평균 비교는 Cohen's d를 직접 넣거나 기대 평균 차이와 표준편차로 넣을 수 있고, 유의수준·검정력·양측/단측·집단 배정 비율을 바꾸면 집단당 필요한 n이 즉시 다시 계산됩니다.

평균 비교의 표본수는 정규 근사식으로 초기값을 구한 뒤 t 분포 임계값으로 반복 보정하기 때문에 G*Power의 결과와 대개 ±1 이내에서 일치합니다. 두 집단 비율 비교는 합동 분산을 쓰는 Fleiss 계열 식을 사용하며 연속성 보정을 켜면 카이제곱의 Yates 보정에 대응하는 더 보수적인 n이 나옵니다. 검정력 80·90·95%에 대한 표를 함께 보여주므로 예산과 검정력 사이의 절충을 한눈에 볼 수 있습니다.

검정력 역산 탭은 이미 정해진 표본수에서 달성되는 검정력과, 80% 검정력으로 검출할 수 있는 최소 효과크기(MDE)를 계산합니다. 탈락률을 넣으면 모집해야 할 인원이 함께 계산되고, 완성된 보고 문장은 방법 절의 표본수 산정 문단에 그대로 쓸 수 있습니다. 효과크기의 근거(선행 연구, 파일럿, 임상적 최소 유의 차이)를 명시하는 것이 심사에서 가장 중요하다는 점을 기억하세요.

사용 방법

  1. 두 집단 평균 탭에서 기대하는 효과크기를 Cohen's d로 직접 넣거나, 평균 차이와 표준편차로 넣으세요. 유의수준·검정력·집단 비율을 정하면 집단당 필요한 표본수가 나옵니다.
  2. 두 집단 비율 탭에서는 대조군 비율과 실험군 기대 비율을 넣습니다. 임상·역학 연구의 2군 비교 설계에 쓰입니다.
  3. 검정력 역산 탭에서는 이미 정해진 표본수로 얻을 수 있는 검정력을 확인합니다. 리비전에서 “검정력이 충분했는가”를 답할 때 유용합니다.
  4. 탈락률을 넣으면 그만큼 부풀린 모집 인원이 함께 표시되고, 아래 보고 문장을 방법 절의 표본수 산정 문단에 바로 쓸 수 있습니다.

자주 묻는 질문

효과크기를 어떻게 정하나요?
가장 좋은 근거는 선행 연구나 파일럿 데이터의 평균 차이와 표준편차입니다. 그것이 없으면 임상적으로 의미 있는 최소 차이(MCID)를 정하고 알려진 SD로 나눠 d를 구하세요. 관행값(0.2·0.5·0.8)을 쓸 때는 그 근거가 약하다는 점을 논문에 밝히는 편이 좋습니다.
여기서 구한 n은 어떤 계산인가요?
두 집단 평균은 정규 근사식 n = (z1−α/2 + z1−β)² × 2 / d² 로 초기값을 구한 뒤, t 분포 임계값으로 반복 보정해 G*Power의 결과와 대개 ±1 이내로 맞춥니다. 두 집단 비율은 합동 분산을 쓰는 Fleiss 계열 식(연속성 보정 선택)을 씁니다.
단측 검정을 선택해도 되나요?
효과의 방향을 사전에 확정할 수 있고 반대 방향 결과를 보고하지 않을 때만 정당화됩니다. 대부분의 심사자는 양측 검정을 기대하므로, 단측을 쓰려면 사전등록 등 근거가 필요합니다.
탈락률은 어떻게 반영하나요?
필요 표본수를 (1 − 탈락률)로 나눠 올림합니다. 예를 들어 집단당 64명이 필요하고 탈락률이 15%면 64 / 0.85 = 75.3 → 76명을 모집합니다.