統計的検定力の概念と意味を理解する問題です。
検出力（Statistical Power）とは
検出力は、対立仮説が真であるときに、帰無仮説を正しく棄却する確率を表します。これは統計的検定の感度を示す指標です。
検出力の定義
数学的定義：
検出力 = Power = 1 - β = P(H₀を棄却|H₁が真)
ここで：
- β：第2種の誤りの確率
- H₀：帰無仮説
- H₁：対立仮説
検出力の解釈：
- 偽の帰無仮説（実際には間違っている仮説）を正しく棄却できる確率
- 真の効果が存在するときに、それを統計的に検出できる確率
- 研究の「発見力」を表す指標
誤りの種類と検出力の関係
| H₀が真 | H₀が偽（H₁が真） |
|---|
| H₀を棄却 | 第1種の誤り（α） | 正しい棄却（検出力 = 1-β） |
| H₀を採択 | 正しい採択（1-α） | 第2種の誤り（β） |
検出力に影響する要因
検出力を向上させる方法：
- 標本サイズの増加： 確実な方法
- 効果量の増大： より強力な介入や明確な差
- 測定精度の向上： 分散の減少により検出力向上
- 有意水準の緩和： α = 0.01 → 0.05（ただし第1種の誤りのリスク増加）
- 片側検定の採用： 方向性が明確な場合
検出力分析の実用的重要性
事前検出力分析：
- 標本サイズ設計： 必要な検出力を達成するための標本サイズ決定
- 研究計画： 費用対効果の最適化
- 資源配分： 限られた資源での最大効果
事後検出力分析：
- 結果解釈： 有意でない結果の意味づけ
- 追加研究： より大きな標本での再検討の必要性
- メタ分析： 複数研究の統合分析
検出力の一般的な基準：
- 0.80以上： 一般的に受け入れられる水準
- 0.90以上： より厳格な研究で推奨
- 0.95以上： 意思決定での推奨
検出力は「常に1-α」ではありません。1-αは真の帰無仮説を正しく採択する確率であり、検出力とは異なる概念です。また、効果量が不明な場合の検出力分析には限界があることも理解しておく必要があります。
したがって、検出力の正しい説明は偽の帰無仮説を棄却できる確率です。