O poder estatístico responde a uma pergunta que todo pesquisador deveria fazer antes de coletar dados: se o efeito que procuro for real, qual é a probabilidade de meu estudo realmente encontrá-lo? Estudos com pouca capacidade são um dos erros mais comuns – e mais evitáveis – na pesquisa aplicada, produzindo resultados “sem diferença significativa” que na verdade são apenas “dados insuficientes para dizer”. Esta calculadora executa a análise de potência de aproximação z padrão para uma comparação de duas amostras em ambas as direções: potência de um tamanho de amostra planejado ou o tamanho de amostra necessário para atingir um poder alvo.
Como funciona a calculadora
O poder depende de quatro fatores que se contrapõem: o tamanho do efeito que você está tentando detectar, seu nível de significância (α), o tamanho da amostra e se o teste é unicaudal ou bicaudal. Mantendo os outros fixos, o poder aumenta à medida que o tamanho do efeito aumenta, à medida que o tamanho da amostra aumenta ou à medida que α é relaxado (tornado menos rigoroso). Esta calculadora combina essas quatro entradas em um único parâmetro de não centralidade – até que ponto o efeito verdadeiro afasta a distribuição amostral da hipótese nula – e lê a potência resultante da curva normal padrão. Ele pressupõe dois grupos independentes de tamanho igual, o desenho mais comum em pesquisas comparativas (testes A/B, ensaios de tratamento versus controle, comparações antes/depois com um grupo de controle).
Por que 80% de potência é a convenção
O influente livro de análise de poder de Jacob Cohen de 1988 propôs 80% como um equilíbrio padrão razoável: poder suficiente para que um efeito real seja mais provável de ser encontrado do que perdido, sem exigir uma amostra impraticavelmente grande. Essa convenção manteve-se, e a maioria das revistas, revisores de subvenções e conselhos de revisão institucional esperam agora que pelo menos 80% do poder seja relatado ou planeado. Alguns campos – especialmente os ensaios clínicos, onde um efeito perdido pode significar que um tratamento eficaz é arquivado – pressionam pelo poder de 90%, aceitando o maior tamanho de amostra necessário como o custo de uma taxa mais baixa de falsos negativos.
Limites e casos extremos
Esta calculadora usa uma aproximação z, que é precisa para amostras razoavelmente grandes, mas exagera um pouco o poder para amostras muito pequenas em comparação com um cálculo exato baseado na distribuição t (a lacuna diminui rapidamente à medida que n ultrapassa cerca de 20-30 por grupo). Ele também pressupõe tamanhos de grupo iguais, um resultado contínuo com dados aproximadamente normais e de variância igual e um design entre sujeitos (grupos independentes) — não é a ferramenta certa para designs de medidas emparelhadas/repetidas, proporções, ANOVA com mais de dois grupos ou regressão, cada um dos quais tem sua própria fórmula de poder. Trate o resultado como uma estimativa de planejamento: desgaste no mundo real, tamanhos de grupos desiguais e suposições violadas reduzem o poder efetivo abaixo do que a calculadora relata.