Dit is een site voor studenten van de Open Universiteit. Voordat je een vraag kunt stellen moet je even een account aanmaken (dit systeem is niet gekoppeld aan je OU studentnummer en wachtwoord).

Welkom bij het vraag- en antwoord systeem van de onderzoeks-practica van de studie psychologie bij de Open Universiteit.

Houd er, als je een vraag stelt, rekening mee dat je de richtlijnen volgt!

0 leuk 0 niet-leuks
Ik ben bezig met mijn scriptie en deze is gericht op (dialyse) patienten. Ik heb begrepen dat er voor onderzoek bij patientgroepen andere maatstaven w.b deelnemersaantal worden gebruikt dan bij meer algemene onderzoeken. Ik kan hierover nergens iets vinden. Graag hoor ik of er inderdaad een afwijkende steekproefomvang is bij patientengroepen.
in Steekproeven en steekproefomvang door (120 punten)

1 Antwoord

0 leuk 0 niet-leuks
Zonder verdere informatie over de bron is het lastig om in te schatten of je samenvatting ervan de lading voldoende dekt. Dat gezegd hebbende:

Over het algemeen zijn er geen specifieke richtlijnen. Leidend zal uiteindelijk altijd de power zijn, en die is in grote mate afhankelijk van de grootte van het verwachtte effect in de populatie. Hier zal veel nattevingerwerk en onderzoeken lezen aan vooraf gaan. Het handigste is om vergelijkbaar onderzoek in dezelfde populatie op te zoeken en te kijken hoe groot de steekproef daar was. Dat zal een aardige indicatie geven over de benodigde steekproefomvang en de te verwachten effectgrootte die jullie onderzoek bloot moet kunnen leggen.
door (63.5k punten)

(Het lijkt me trouwens erg onwaarschijnlijk dat je bij patientenpopulaties minder mensen nodig hebt . . . Jammer genoeg is dit een statistische 'vereiste' zeg maar, waar de aard van de populatie los van staat. Zie ook http://oupsy.nl/help/30/hoe-weet-ik-hoeveel-proefpersonen-deelnemers-ik-nodig-heb. Voor een t-test heb je 64 mensen per groep nodig als je een medium effect verwacht (dus 128 mensen), en voor een correlatie 84 mensen. Naarmate je meer p-waarden berekent, is de kans op een type-1 fout groter, en heb je dus meer mensen nodig. Als je een multivariate analyse doet geldt dat je power afneemt naarmate je voorspellers samenhangen met elkaar, en toeneemt naarmate je voorspeller toevoegt die samenhangen met de afhankelijke variabele maar niet met andere voorspellers. Als je meetinstrumenten nauwkeuriger zijn, neemt je power toe (want je effect sizes worden groter omdat je standaarfouten kleiner worden. Verder zijn algemene richtlijnen lastig :-)).

Ja precies. De stelling 'algemene populaties' is ook nog wat vaag. Over het algemeen kan power vergroot worden door homogenere steekrproeven te trekken, dus ja... een onderzoek naar een zeer homogene populatie behoeft minder observaties dan een onderzoek naar een zeer heterogene populatie... maar dat heeft weinig met patienten in het bijzonder te maken; dat zijn gewoon weer de power-afwegingen
...