เผยแพร่ | อัปเดตล่าสุด

เครื่องมือคำนวณขนาดตัวอย่างของ Editverseเป็นเครื่องมือวิเคราะห์กำลังทางสถิติแบบออนไลน์ฟรี ที่ออกแบบมาโดยเฉพาะสำหรับนักวิจัยทางการแพทย์ ผู้ทำการทดลองทางคลินิก และนักวิชาการที่ต้องการคำนวณขนาดตัวอย่างอย่างแม่นยำ โดยไม่ต้องใช้ซอฟต์แวร์ที่ซับซ้อนหรือใบอนุญาตราคาแพง ไม่ว่าคุณจะวางแผนการทดลองแบบสุ่มควบคุม ออกแบบการศึกษาด้านการวินิจฉัย หรือเตรียมใบสมัครขอทุน คู่มือฉบับนี้จะแนะนำคุณทีละขั้นตอนในการใช้เครื่องมืออันทรงพลังนี้
เหตุใดจึงควรใช้เครื่องคำนวณขนาดตัวอย่างของ Editverse?
การคำนวณขนาดตัวอย่างเป็นขั้นตอนที่สำคัญที่สุดขั้นตอนหนึ่งในการออกแบบงานวิจัยทางคลินิก งานวิจัยที่มีขนาดตัวอย่างไม่เพียงพอจะสิ้นเปลืองทรัพยากรและอาจไม่สามารถตรวจพบผลการรักษาที่มีนัยสำคัญได้ ในขณะที่งานวิจัยที่มีขนาดตัวอย่างมากเกินไปจะรับผู้เข้าร่วมมากกว่าที่จำเป็น เครื่องคำนวณของ Editverse ช่วยแก้ปัญหานี้โดยการให้สูตรทางสถิติที่ได้รับการตรวจสอบแล้วในอินเทอร์เฟซที่ใช้งานง่ายและเข้าถึงได้ ซึ่งใช้งานได้บนทุกอุปกรณ์
ก่อนที่จะเข้าสู่บทแนะนำทีละขั้นตอน เรามาทำความเข้าใจกันก่อนว่าอะไรที่ทำให้เครื่องคำนวณนี้โดดเด่นกว่าเครื่องมือวิเคราะห์กำลังทางสถิติอื่นๆ ที่มีอยู่ เครื่องคำนวณขนาดตัวอย่างของ Editverse มีการทดสอบทางสถิติ 15 แบบ ครอบคลุมการออกแบบการวิจัยที่พบบ่อยที่สุดในการวิจัยทางการแพทย์ ตั้งแต่การทดสอบ t พื้นฐานไปจนถึงการวิเคราะห์การอยู่รอดที่ซับซ้อนและการคำนวณเส้นโค้ง ROC
เครื่องคำนวณนี้ใช้สูตรทางสถิติที่ได้รับการตรวจสอบแล้วเช่นเดียวกับ G*Power และวิธีการที่แนะนำโดยPubMedและCochraneซึ่งช่วยให้มั่นใจได้ว่าเหตุผลในการกำหนดขนาดตัวอย่างของคุณตรงตามมาตรฐานที่เข้มงวดซึ่งคาดหวังจากคณะกรรมการจริยธรรม ผู้ตรวจสอบการให้ทุน และบรรณาธิการวารสาร
วิธีเข้าใช้งานเครื่องคำนวณขนาดตัวอย่างของ Editverse
การเริ่มต้นใช้งานนั้นง่ายมาก เพียงเข้าไปที่เครื่องคำนวณที่https://editverse.com/free-sample-size-calculator-power-analysis-tool-for-researchers/เครื่องมือจะโหลดในเบราว์เซอร์ของคุณทันทีโดยไม่ต้องลงทะเบียน ดาวน์โหลด หรือติดตั้งใดๆ ใช้งานได้อย่างราบรื่นบนคอมพิวเตอร์เดสก์ท็อป แท็บเล็ต และอุปกรณ์มือถือ ทำให้สะดวกสำหรับนักวิจัยที่ทำงานในสภาพแวดล้อมต่างๆ
เมื่อคุณเข้ามาที่หน้านี้ คุณจะเห็นอินเทอร์เฟซแบบสองคอลัมน์ที่ดูเรียบง่าย: แบบฟอร์มป้อนข้อมูลทางด้านซ้ายสำหรับป้อนพารามิเตอร์การศึกษาของคุณ และแผงผลลัพธ์ทางด้านขวาซึ่งแสดงขนาดตัวอย่างที่คำนวณได้ พร้อมด้วยภาพประกอบแบบโต้ตอบ
คู่มือการใช้งานเครื่องคำนวณขนาดตัวอย่างแบบทีละขั้นตอน: การเลือกวิธีการทดสอบทางสถิติ
ขั้นตอนแรกและสำคัญที่สุดคือการเลือกการทดสอบทางสถิติที่เหมาะสมกับรูปแบบการศึกษาของคุณ เครื่องคำนวณนี้จัดเรียงการทดสอบทั้ง 15 แบบไว้ในหมวดหมู่ที่เข้าใจง่าย เพื่อช่วยให้คุณค้นหาการทดสอบที่เหมาะสมได้อย่างรวดเร็ว
การเปรียบเทียบการทดสอบค่าเฉลี่ย
หากผลลัพธ์หลักของคุณเป็นตัวแปรต่อเนื่องและคุณกำลังเปรียบเทียบกลุ่ม โปรดเลือกจากตัวเลือกเหล่านี้:
การทดสอบทีแบบสองกลุ่มตัวอย่าง (สองกลุ่ม):เลือกใช้การทดสอบนี้เมื่อต้องการเปรียบเทียบค่าเฉลี่ยระหว่างสองกลุ่มอิสระ เช่น กลุ่มทดลองกับกลุ่มควบคุมในการทดลองแบบสุ่มที่มีกลุ่มคู่ขนาน การทดสอบนี้เป็นวิธีที่ใช้กันมากที่สุดในการวิจัยทางคลินิก ตัวอย่างเช่น การเปรียบเทียบค่าเฉลี่ยการลดลงของความดันโลหิตระหว่างผู้ป่วยที่ได้รับยาต้านความดันโลหิตตัวใหม่กับยาหลอก
การทดสอบทีแบบจับคู่:เลือกใช้การทดสอบนี้สำหรับการวัดผลก่อนและหลังในกลุ่มตัวอย่างเดียวกัน เช่น การวัดระดับ HbA1c ก่อนและหลังการเปลี่ยนแปลงอาหารในผู้ป่วยรายเดียวกัน การออกแบบการทดสอบนี้โดยทั่วไปต้องการขนาดตัวอย่างที่เล็กกว่า เนื่องจากแต่ละบุคคลทำหน้าที่เป็นตัวควบคุมของตนเอง
การทดสอบทีแบบหนึ่งตัวอย่าง:ใช้การทดสอบนี้เมื่อต้องการเปรียบเทียบค่าเฉลี่ยของกลุ่มตัวอย่างกับค่าเฉลี่ยของประชากรที่ทราบแล้ว หรือค่ามาตรฐานทางทฤษฎี
ANOVA (3 กลุ่มขึ้นไป):เลือกใช้ ANOVA เมื่อต้องการเปรียบเทียบค่าเฉลี่ยระหว่างสามกลุ่มขึ้นไปพร้อมกัน เช่น การเปรียบเทียบรูปแบบการให้ยาที่แตกต่างกันสามแบบของยาชนิดเดียวกัน
การทดสอบสัดส่วน
การทดสอบสัดส่วนสองค่า (ไคสแควร์):เลือกใช้การทดสอบนี้สำหรับการเปรียบเทียบผลลัพธ์แบบไบนารีระหว่างกลุ่ม เช่น อัตราการตอบสนอง อัตราการเสียชีวิต หรืออุบัติการณ์ของเหตุการณ์ไม่พึงประสงค์ การทดสอบนี้มีความสำคัญอย่างยิ่งสำหรับการศึกษาที่ผลลัพธ์ของคุณเป็น ใช่/ไม่ใช่ สำเร็จ/ล้มเหลว หรือ เหตุการณ์/ไม่เกิดเหตุการณ์
สัดส่วนเดียว:ใช้เมื่อต้องการประมาณค่าหรือทดสอบสัดส่วนเดียวเทียบกับค่าที่ตั้งสมมติฐานไว้
การออกแบบการทดลองทางคลินิก
เครื่องคำนวณนี้มีรูปแบบการทดลองทางคลินิกเฉพาะทาง 3 แบบที่ตอบคำถามวิจัยที่แตกต่างกัน:
การทดลองเพื่อพิสูจน์ความเหนือกว่า:รูปแบบการทดลองมาตรฐานที่มุ่งพิสูจน์ว่าการรักษาแบบใหม่ดีกว่าการรักษาแบบเดิม
การทดลองแบบไม่ด้อยกว่า (Non-Inferiority Trial):ใช้เมื่อเป้าหมายของคุณคือการแสดงให้เห็นว่าการรักษาแบบใหม่ไม่ได้แย่กว่าการรักษาที่มีอยู่แล้วในทางคลินิก การออกแบบนี้จำเป็นต้องระบุขอบเขตความไม่ด้อยกว่า (non-inferiority margin) ซึ่งเป็นความแตกต่างที่ยอมรับได้มากที่สุดที่ยังคงถือว่าเทียบเท่ากันในทางคลินิก
การทดสอบความเท่าเทียมกัน:เลือกตัวเลือกนี้เมื่อคุณต้องการพิสูจน์ว่าการรักษา 2 วิธีนั้นให้ผลการรักษาที่เท่าเทียมกันภายในขอบเขตที่กำหนดไว้
การวิเคราะห์การอยู่รอด
การทดสอบ Log-Rank (การอยู่รอด):มีความสำคัญอย่างยิ่งสำหรับผลลัพธ์ที่เกี่ยวข้องกับระยะเวลาการเกิดเหตุการณ์ เช่น อัตราการอยู่รอดโดยรวม อัตราการอยู่รอดโดยปราศจากความคืบหน้าของโรค หรือระยะเวลาการเกิดโรคซ้ำ การทดสอบนี้ใช้ค่าอัตราส่วนความเสี่ยงและความน่าจะเป็นของเหตุการณ์ในการคำนวณจำนวนผู้ป่วยและเหตุการณ์ที่จำเป็น
ความสัมพันธ์และการถดถอย
ค่าสัมประสิทธิ์สหสัมพันธ์ (เพียร์สัน/สเปียร์แมน):สำหรับการศึกษาที่ตรวจสอบความสัมพันธ์ระหว่างตัวแปรต่อเนื่องสองตัว
การถดถอยเชิงเส้น:ใช้เมื่อต้องการสร้างแบบจำลองผลลัพธ์ต่อเนื่องที่มีตัวแปรทำนายหลายตัว และต้องการกำหนดขนาดตัวอย่างโดยพิจารณาจากค่า R² ที่คาดหวัง
การถดถอยโลจิสติก:สำหรับการสร้างแบบจำลองผลลัพธ์แบบไบนารีที่มีตัวแปรทำนายหลายตัว
การศึกษาการวินิจฉัย
ความไว/ความจำเพาะ:สำหรับการศึกษาเพื่อตรวจสอบความถูกต้องของการทดสอบวินิจฉัยโรค ซึ่งคุณจำเป็นต้องประเมินความไวและความจำเพาะด้วยความแม่นยำที่ต้องการ
เส้นโค้ง ROC (AUC):ใช้ในการเปรียบเทียบความสามารถในการจำแนกของชุดทดสอบวินิจฉัยโรค โดยใช้พื้นที่ใต้เส้นโค้งลักษณะการทำงานของผู้รับ (AUC)
การคำนวณขนาดตัวอย่าง พารามิเตอร์ทางสถิติ: การตั้งค่าการวิเคราะห์ของคุณ
หลังจากเลือกการทดสอบแล้ว คุณจะต้องกำหนดค่าพารามิเตอร์ทางสถิติหลักที่ควบคุมการวิเคราะห์กำลังการทดสอบ การทำความเข้าใจพารามิเตอร์เหล่านี้มีความสำคัญอย่างยิ่งต่อการคำนวณขนาดตัวอย่างที่ถูกต้อง
ระดับนัยสำคัญ (α)
ระดับนัยสำคัญแสดงถึงค่าความคลาดเคลื่อนของความผิดพลาดประเภทที่ 1 ซึ่งก็คือความน่าจะเป็นที่จะสรุปว่ามีผลกระทบเกิดขึ้น ทั้งที่ความจริงแล้วไม่มีผลกระทบใดๆ เครื่องคำนวณนี้มีตัวเลือกให้เลือก 3 แบบ:
α = 0.05 (5%):ค่ามาตรฐานในการวิจัยทางการแพทย์ส่วนใหญ่ และค่าที่แนะนำสำหรับงานวิจัยส่วนใหญ่
α = 0.01 (1%):เกณฑ์ที่เข้มงวดกว่า ใช้เมื่อผลบวกเท็จส่งผลร้ายแรง ต้องใช้ขนาดตัวอย่างที่ใหญ่กว่า
α = 0.10 (10%):ผ่อนปรนมากขึ้น บางครั้งใช้ในการวิจัยเชิงสำรวจหรือการศึกษานำร่อง
กำลังทางสถิติ (1-β)
กำลังการทดสอบ (Power) คือความน่าจะเป็นที่จะตรวจพบผลกระทบที่แท้จริง หากมีอยู่จริง มันเป็นส่วนเติมเต็มของความผิดพลาดประเภทที่ 2 (β) ซึ่งเป็นความน่าจะเป็นที่จะพลาดผลกระทบที่แท้จริง
กำลังการทดสอบ 80%:มาตรฐานขั้นต่ำทั่วไปสำหรับการวิจัยทางคลินิกส่วนใหญ่ หมายความว่าคุณมีโอกาส 80% ที่จะตรวจพบผลการรักษาที่แท้จริง
กำลังการทดสอบ 90%:แนะนำสำหรับการทดลองขั้นสุดท้าย การยื่นขออนุมัติจากหน่วยงานกำกับดูแล และการศึกษาที่มีความสำคัญสูง ซึ่งหากตรวจไม่พบผลกระทบจะส่งผลร้ายแรง
70%, 85%, 95%:ใช้ได้ในกรณีพิเศษ โครงการนำร่อง หรือเมื่อมีทรัพยากรเพียงพอเพื่อให้ได้ความมั่นใจที่สูงขึ้น
ประเภทของการทดสอบ (แบบด้านเดียว หรือ แบบสองด้าน)
การทดสอบแบบสองด้าน:ใช้เมื่อผลของการรักษาอาจไปได้ทั้งสองทาง (ดีกว่าหรือแย่กว่ากลุ่มควบคุม) วิธีนี้เหมาะสมสำหรับการทดลองทางคลินิกส่วนใหญ่ และเป็นทางเลือกที่ระมัดระวังที่สุดโดยทั่วไป
การทดสอบ แบบด้านเดียว:เลือกใช้เฉพาะเมื่อคุณมีหลักฐานที่แน่ชัดว่าผลลัพธ์จะเกิดขึ้นได้เพียงทิศทางเดียว หรือเมื่อคุณสนใจเฉพาะการตรวจจับการเปลี่ยนแปลงที่ดีขึ้นเท่านั้น การทดสอบแบบด้านเดียวต้องการขนาดตัวอย่างที่เล็กกว่า แต่ยากที่จะพิสูจน์ทางวิทยาศาสตร์ได้
อัตราส่วนการจัดสรร
อัตราส่วนการจัดสรรจะกำหนดว่าผู้เข้าร่วมจะถูกกระจายไปยังกลุ่มต่างๆ อย่างไร:
1:1:การจัดสรรผู้เข้าร่วมการทดลองไปยังกลุ่มทดลองและกลุ่มควบคุมอย่างเท่าเทียมกัน นี่คือรูปแบบการวิจัยที่มีประสิทธิภาพทางสถิติมากที่สุดและแนะนำให้ใช้ในงานวิจัยส่วนใหญ่
2:1:ผู้เข้าร่วมในกลุ่มทดลอง 2 คน ต่อผู้เข้าร่วมในกลุ่มควบคุม 1 คน มีประโยชน์เมื่อคุณต้องการข้อมูลด้านความปลอดภัยเพิ่มเติมเกี่ยวกับการรักษาแบบทดลอง
3:1 หรือ 1:2:การจัดสรรที่ไม่เท่าเทียมกันสำหรับสถานการณ์พิเศษ เช่น เมื่อการรักษาแบบควบคุมมีราคาแพงหรือไม่เหมาะสมทางจริยธรรมที่จะให้แก่ผู้ป่วยจำนวนมาก
เครื่องคำนวณขนาดตัวอย่าง: การป้อนพารามิเตอร์เฉพาะของการทดสอบ
การทดสอบทางสถิติแต่ละครั้งต้องการค่าป้อนเข้าเฉพาะ ต่อไปนี้คือวิธีการกำหนดค่าพารามิเตอร์เหล่านี้สำหรับการทดสอบที่ใช้กันทั่วไปมากที่สุด
พารามิเตอร์การทดสอบทีแบบสองกลุ่มตัวอย่าง
ในการเปรียบเทียบค่าเฉลี่ยของสองกลุ่ม คุณต้องทราบค่าสำคัญสามค่า ได้แก่:
ค่าเฉลี่ยที่คาดหวัง (กลุ่มที่ 1):ผลลัพธ์เฉลี่ยที่คาดว่าจะเกิดขึ้นในกลุ่มควบคุมหรือกลุ่มอ้างอิงของคุณ อ้างอิงจากเอกสารทางวิชาการที่ตีพิมพ์ ข้อมูลจากการทดลองเบื้องต้น หรือประสบการณ์ทางคลินิก
ค่าเฉลี่ยที่คาดหวัง (กลุ่มที่ 2):ผลลัพธ์เฉลี่ยที่คาดว่าจะเกิดขึ้นในกลุ่มทดลองของคุณ ความแตกต่างระหว่างค่าเฉลี่ยของกลุ่มที่ 1 และกลุ่มที่ 2 แสดงถึงผลการรักษาที่คาดหวังไว้
ค่าเบี่ยงเบนมาตรฐาน (รวม):ความแปรปรวนที่คาดหวังได้ในตัวชี้วัดผลลัพธ์ของคุณ ซึ่งอาจได้มาจากงานวิจัยก่อนหน้า ข้อมูลนำร่อง หรือค่ามาตรฐานที่เผยแพร่แล้ว
ตัวอย่างเช่น ในการศึกษาเกี่ยวกับความดันโลหิต คุณอาจระบุค่าดังนี้: ค่าเฉลี่ยกลุ่มควบคุม = 140 มิลลิเมตรปรอท ค่าเฉลี่ยกลุ่มทดลอง = 130 มิลลิเมตรปรอท ค่าเบี่ยงเบนมาตรฐาน = 20 มิลลิเมตรปรอท ซึ่งแสดงถึงการลดลงที่คาดหวังไว้ 10 มิลลิเมตรปรอทจากการทดลอง
พารามิเตอร์ไคสแควร์ (สัดส่วนสองค่า)
สำหรับการเปรียบเทียบผลลัพธ์แบบไบนารี ให้ป้อนสัดส่วนที่คาดหวังในแต่ละกลุ่มเป็นเปอร์เซ็นต์ ตัวอย่างเช่น หากคุณคาดหวังอัตราการตอบสนอง 30% ในกลุ่มควบคุมและอัตราการตอบสนอง 50% ในกลุ่มทดลอง ให้ป้อน 30 และ 50 ตามลำดับ
พารามิเตอร์การทดลองที่ไม่ด้อยกว่า
การออกแบบที่ไม่ด้อยกว่ากันนั้นจำเป็นต้องมีพารามิเตอร์เพิ่มเติม:
ขอบเขตความไม่ด้อยกว่า (Δ):ความแตกต่างสูงสุดที่ยังคงยอมรับได้ในทางคลินิก ตัวอย่างเช่น หากคุณกำลังทดสอบยาปฏิชีวนะตัวใหม่และการรักษามาตรฐานมีอัตราการรักษาหาย 90% คุณอาจกำหนดขอบเขตไว้ที่ 10% ซึ่งหมายความว่าคุณจะยอมรับยาตัวใหม่หากอัตราการรักษาหายอย่างน้อย 80%
ความแตกต่างที่คาดหวังที่แท้จริง:ค่าประมาณที่ดีที่สุดของคุณเกี่ยวกับความแตกต่างที่แท้จริงระหว่างวิธีการรักษา โดยทั่วไปมักถือว่ามีค่าเป็นศูนย์ (ความเท่าเทียมกันที่แท้จริง) สำหรับการคำนวณขนาดตัวอย่าง
พารามิเตอร์การวิเคราะห์การอยู่รอด (การทดสอบ Log-Rank)
อัตราส่วนความเสี่ยง (Hazard Ratio):อัตราส่วนของอัตราความเสี่ยงระหว่างกลุ่ม อัตราส่วนความเสี่ยง 0.7 หมายความว่าการรักษาช่วยลดความเสี่ยงของการเกิดเหตุการณ์ลง 30% เมื่อเทียบกับกลุ่มควบคุม
ความน่าจะเป็นของเหตุการณ์:สัดส่วนที่คาดการณ์ไว้ของผู้เข้าร่วมการศึกษาที่จะประสบกับเหตุการณ์ดังกล่าวในช่วงระยะเวลาการศึกษา
พารามิเตอร์ ROC/AUC
สำหรับการศึกษาการทดสอบวินิจฉัย:
ค่า AUC ที่คาดหวัง:พื้นที่ใต้เส้นโค้ง ROC ที่คุณคาดการณ์ไว้ ค่า 0.7-0.8 บ่งชี้ถึงความสามารถในการจำแนกที่ยอมรับได้ ในขณะที่ค่าที่สูงกว่า 0.8 บ่งชี้ถึงความสามารถในการจำแนกที่ยอดเยี่ยม
ค่า AUC ที่เป็นศูนย์:โดยปกติจะตั้งไว้ที่ 0.5 ซึ่งแสดงถึงโอกาสแบบสุ่ม (ไม่มีความสามารถในการจำแนก)
การปรับลดจำนวนผู้เรียน: การวางแผนรับมือกับอัตราการลาออกในโลกแห่งความเป็นจริง
การทดลองทางคลินิกย่อมหลีกเลี่ยงไม่ได้ที่จะประสบปัญหาผู้เข้าร่วมการทดลองถอนตัวออกเนื่องจากเหตุการณ์ไม่พึงประสงค์ การติดตามผลไม่ต่อเนื่อง การละเมิดระเบียบการทดลอง และปัจจัยอื่นๆ เครื่องคำนวณของ Editverse มีฟีเจอร์ปรับค่าการถอนตัวของผู้เข้าร่วมการทดลองในตัว เพื่อให้แน่ใจว่าคุณรับสมัครผู้เข้าร่วมการทดลองได้เพียงพอเพื่อรักษาประสิทธิภาพการทดลองให้อยู่ในระดับที่เหมาะสม
อัตราการออกจากกลุ่มตัวอย่างโดยค่าเริ่มต้นคือ 10% ซึ่งถือว่าเหมาะสมสำหรับงานวิจัยระยะสั้นหลายๆ งาน อย่างไรก็ตาม คุณควรปรับอัตรานี้ตามปัจจัยต่างๆ ดังนี้:
ระยะเวลาการศึกษา:โดยทั่วไปแล้ว การศึกษาที่มีระยะเวลานานกว่าจะมีอัตราการลาออกจากการศึกษาที่สูงกว่า
กลุ่มผู้ป่วย:โรคที่มีความรุนแรงหรือลุกลามอาจมีอัตราการเสียชีวิตสูงกว่าเนื่องจากอาการทรุดลงหรือเสียชีวิต
ภาระในการรักษา:การรักษาที่ซับซ้อนซึ่งต้องมีการพบแพทย์บ่อยครั้ง หรือการทำหัตถการที่รุกราน อาจทำให้ผู้ป่วยเลิกเข้ารับการรักษาได้ง่ายกว่า
ข้อมูลทางประวัติศาสตร์:ตรวจสอบงานวิจัยที่คล้ายคลึงกันที่ตีพิมพ์แล้ว เพื่อให้ได้ค่าประมาณอัตราการถอนตัวที่สมจริง
เครื่องคำนวณจะเพิ่มขนาดตัวอย่างที่ต้องการโดยอัตโนมัติโดยใช้สูตร: N ที่ปรับแล้ว = N ที่ต้องการ ÷ (1 – อัตราการออกจากกลุ่ม) ตัวอย่างเช่น หากคุณต้องการผู้เข้าร่วม 100 คนต่อกลุ่มและคาดว่าจะมีผู้เข้าร่วมออกจากกลุ่ม 20% คุณควรรับสมัครผู้เข้าร่วม 125 คนต่อกลุ่ม
การตีความผลลัพธ์จากเครื่องคำนวณขนาดตัวอย่างของคุณ
หลังจากคลิก “คำนวณขนาดตัวอย่าง” ผลลัพธ์จะปรากฏขึ้นทันทีในแผงสีฟ้าอมเขียวทางด้านขวาของหน้าจอ ต่อไปนี้คือวิธีการตีความแต่ละองค์ประกอบ:
ขนาดตัวอย่างที่ต้องการ:จำนวนผู้เข้าร่วมที่จำเป็นต่อกลุ่มเพื่อให้ได้กำลังการทดสอบตามที่กำหนด ณ ระดับนัยสำคัญที่คุณเลือก
จำนวนผู้เข้าร่วมทั้งหมด:ขนาดตัวอย่างรวมทั้งหมดในทุกกลุ่ม สำหรับการออกแบบสองกลุ่มที่มีการจัดสรรแบบ 1:1 จำนวนนี้จะเท่ากับสองเท่าของความต้องการต่อกลุ่ม
ปรับตามอัตราการลาออก:เป้าหมายการรับสมัครของคุณโดยคำนึงถึงอัตราการลาออกที่คาดการณ์ไว้ นี่คือจำนวนที่คุณควรตั้งเป้าไว้ว่าจะรับสมัครนักศึกษา
ทำความเข้าใจแผนภูมิแบบโต้ตอบ
เครื่องคำนวณนี้จะสร้างภาพแสดงผลสามแบบเพื่อช่วยให้คุณเข้าใจและสื่อสารการคำนวณขนาดตัวอย่างของคุณได้ดียิ่งขึ้น:
กราฟ แสดงกำลังทางสถิติ:แผนภูมินี้แสดงให้เห็นว่ากำลังทางสถิติเพิ่มขึ้นอย่างไรเมื่อขนาดของกลุ่มตัวอย่างเพิ่มขึ้น แกน x แสดงขนาดกลุ่มตัวอย่างต่อกลุ่ม และแกน y แสดงกำลังทางสถิติเป็นเปอร์เซ็นต์ คุณสามารถใช้แผนภูมินี้เพื่อดูว่าคุณอยู่ใกล้จุด "หักงอ" ของกราฟมากแค่ไหน ซึ่งเป็นจุดที่กำลังทางสถิติเพิ่มขึ้นอย่างรวดเร็ว หรือเพื่อสำรวจว่าจะเกิดอะไรขึ้นหากคุณสามารถรวบรวมกลุ่มตัวอย่างได้น้อยลงเท่านั้น
การทับซ้อนของการกระจายตัว:ภาพแสดงการกระจายตัวที่คาดการณ์ไว้ของกลุ่มทั้งสองของคุณ โดยแสดงให้เห็นว่ามีการทับซ้อนกันมากน้อยเพียงใด การทับซ้อนน้อยลงบ่งชี้ถึงขนาดผลกระทบที่ใหญ่ขึ้นและตรวจจับได้ง่ายขึ้น ซึ่งเป็นประโยชน์อย่างยิ่งสำหรับการอธิบายแนวคิดเรื่องขนาดตัวอย่างให้กับผู้ที่ไม่ใช่ผู้เชี่ยวชาญด้านสถิติในทีมวิจัยของคุณ
การวิเคราะห์ความไว:แผนภูมินี้แสดงให้เห็นว่าความต้องการขนาดตัวอย่างเปลี่ยนแปลงไปอย่างไรที่ระดับนัยสำคัญต่างๆ (α = 0.01, 0.05, 0.10) เส้นทั้งสามเส้นช่วยให้คุณเข้าใจถึงความสมดุลระหว่างการควบคุมความผิดพลาดประเภทที่ 1 และความต้องการขนาดตัวอย่าง
การสร้างรายงานที่พร้อมสำหรับการเผยแพร่
หนึ่งในคุณสมบัติที่มีค่าที่สุดของเครื่องคำนวณ Editverse คือความสามารถในการสร้างเอกสารประกอบการคำนวณขนาดตัวอย่างที่สมบูรณ์และพร้อมสำหรับการตีพิมพ์ คลิกปุ่ม “รายงาน” เพื่อเปิดหน้าต่างป๊อปอัพที่มีเอกสารประกอบอย่างครบถ้วน
รายงานฉบับนี้ประกอบด้วยหลายส่วนที่คุณสามารถคัดลอกลงในใบสมัครขอรับทุน การยื่นขออนุมัติทางด้านจริยธรรม หรือส่วนวิธีการวิจัยในต้นฉบับบทความได้โดยตรง:
การออกแบบการศึกษา:บันทึกวิธีการทดสอบทางสถิติที่เลือกและทิศทางของสมมติฐาน
พารามิเตอร์:แสดงรายการค่าอินพุตทั้งหมด รวมถึงระดับนัยสำคัญ กำลังการทดสอบ ขนาดผลกระทบ และพารามิเตอร์เฉพาะของการทดสอบ
ผลลัพธ์:ระบุขนาดตัวอย่างที่คำนวณได้ไว้อย่างชัดเจน
การปรับอัตราการลาออก:แสดงอัตราการลาออกที่คาดการณ์ไว้และเป้าหมายการรับสมัครที่ปรับแล้ว
ข้อความวิธีการวิจัย:จัดเตรียมย่อหน้าที่เขียนไว้ล่วงหน้าซึ่งเหมาะสมสำหรับส่วนวิธีการวิจัยในต้นฉบับของคุณ ตัวอย่างเช่น: “ขนาดตัวอย่างคำนวณโดยใช้การทดสอบ t สองกลุ่มตัวอย่าง โดยสมมติระดับนัยสำคัญสองด้านที่ 0.05 และกำลังการทดสอบ 80% จากความแตกต่างเฉลี่ยที่คาดการณ์ไว้ 10 มิลลิเมตรปรอท โดยมีค่าเบี่ยงเบนมาตรฐานรวม 20 มิลลิเมตรปรอท จะต้องมีผู้เข้าร่วม 64 คนต่อกลุ่ม (รวม 128 คน) เมื่อคำนึงถึงอัตราการถอนตัว 15% เราวางแผนที่จะรับผู้เข้าร่วม 151 คน”
คุณสามารถคัดลอกรายงานไปยังคลิปบอร์ดเพื่อวางลงในเอกสารอื่น หรือดาวน์โหลดเป็นไฟล์ข้อความเพื่อเก็บไว้เป็นหลักฐานได้
การอ้างอิงเครื่องมือคำนวณขนาดตัวอย่าง: วิธีการอ้างอิงเครื่องมือ
การอ้างอิงเครื่องมือคำนวณขนาดตัวอย่างอย่างถูกต้องมีความสำคัญต่อความสามารถในการทำซ้ำและความโปร่งใส ต่อไปนี้คือรูปแบบการอ้างอิงสำหรับรูปแบบต่างๆ:
ในเนื้อหา (ส่วนวิธีการ): “ขนาดตัวอย่างคำนวณโดยใช้เครื่องคำนวณขนาดตัวอย่าง Editverse (Editverse, 2025) ซึ่งเป็นเครื่องมือวิเคราะห์กำลังการทดสอบออนไลน์ที่ได้รับการตรวจสอบแล้วสำหรับการวิจัยทางการแพทย์”
APA ฉบับที่ 7: Editverse. (2025). เครื่องคำนวณขนาดตัวอย่างของ Editverse [เครื่องมือออนไลน์]. https://editverse.com/free-sample-size-calculator-power-analysis-tool-for-researchers/
Vancouver/ICMJE: Editverse. เครื่องคำนวณขนาดตัวอย่างของ Editverse [อินเทอร์เน็ต]. 2025 [สืบค้นเมื่อ 6 มกราคม 2025]. เข้าถึงได้จาก: https://editverse.com/free-sample-size-calculator-power-analysis-tool-for-researchers/
ตัวอย่างการใช้งานเครื่องคำนวณขนาดตัวอย่าง: การทดลองวัดความดันโลหิต
เรามาดูตัวอย่างที่สมบูรณ์เพื่อแสดงขั้นตอนการทำงานของเครื่องคิดเลขกัน
สถานการณ์:คุณกำลังวางแผนการทดลองแบบสุ่มควบคุมเพื่อเปรียบเทียบยาต้านความดันโลหิตสูงตัวใหม่กับยาหลอก ตัวชี้วัดหลักของคุณคือการเปลี่ยนแปลงของความดันโลหิตซิสโตลิกจากค่าเริ่มต้นจนถึง 12 สัปดาห์
ขั้นตอนที่ 1:เลือก “การทดสอบทีแบบสองกลุ่มตัวอย่าง (สองกลุ่ม)” จากเมนูแบบเลื่อนลง
ขั้นตอนที่ 2:กำหนดค่าพารามิเตอร์ทางสถิติ: ระดับนัยสำคัญ = 0.05 (5%), กำลังการทดสอบ = 80%, ประเภทการทดสอบ = สองด้าน, อัตราส่วนการจัดสรร = 1:1
ขั้นตอนที่ 3:ป้อนพารามิเตอร์เฉพาะสำหรับการทดสอบ: ค่าเฉลี่ยที่คาดหวัง กลุ่มที่ 1 (กลุ่มควบคุม) = 140 มิลลิเมตรปรอท, ค่าเฉลี่ยที่คาดหวัง กลุ่มที่ 2 (กลุ่มทดลอง) = 130 มิลลิเมตรปรอท, ค่าเบี่ยงเบนมาตรฐาน = 20 มิลลิเมตรปรอท ค่าเหล่านี้บ่งชี้ว่าคุณคาดหวังว่าความดันโลหิตจะลดลง 10 มิลลิเมตรปรอทหลังการรักษา
ขั้นตอนที่ 4:ปรับอัตราการหยุดการรักษาเป็น 15% โดยอิงจากผลการทดลองที่ตีพิมพ์แล้วในลักษณะเดียวกันในสาขาการรักษาของคุณ
ขั้นตอนที่ 5:คลิก “คำนวณขนาดตัวอย่าง”
ผลลัพธ์:เครื่องคำนวณแสดงว่าคุณต้องการผู้เข้าร่วม 64 คนต่อกลุ่ม (รวม 128 คน) เมื่อปรับอัตราการถอนตัว 15% คุณควรรับสมัครผู้เข้าร่วมทั้งหมด 151 คน (76 คนต่อกลุ่ม)
ขั้นตอนที่ 6:คลิก “รายงาน” เพื่อสร้างเอกสารประกอบการยื่นขออนุมัติจากคณะกรรมการจริยธรรมและใบสมัครขอรับทุน
การเปรียบเทียบเครื่องมือคำนวณขนาดตัวอย่าง: Editverse กับเครื่องมืออื่นๆ
เครื่องคิดเลขของ Editverse ดีกว่าเครื่องคิดเลขยอดนิยมอื่นๆ อย่างไรบ้าง? นี่คือการเปรียบเทียบโดยละเอียด:
| คุณสมบัติ (Feature) | แก้ไข | จี*พาวเวอร์ | พีเอส พาวเวอร์ | โอเพ่นอีพี |
|---|---|---|---|---|
| ราคา | ✓ฟรี | ฟรี | ฟรี | ฟรี |
| แพลตฟอร์ม | ✓ ใช้งานผ่านเว็บ | เดสก์ท็อปเท่านั้น | เดสก์ท็อปเท่านั้น | เว็บ |
| เป็นมิตรมือถือ | ✓ ใช่ | ✗ ไม่ | ✗ ไม่ | ถูก จำกัด |
| การออกแบบการทดลองทางคลินิก | ✓ ทั้ง 3 ประเภท | ถูก จำกัด | มี (ใบกำกับภาษีเต็มรูปแบบ) | ✗ ไม่ |
| การวิเคราะห์การอยู่รอด | ✓ ล็อกแรงค์ | มี (ใบกำกับภาษีเต็มรูปแบบ) | มี (ใบกำกับภาษีเต็มรูปแบบ) | ✗ ไม่ |
| แผนภูมิแบบโต้ตอบ | ✓ ใช่ | มี (ใบกำกับภาษีเต็มรูปแบบ) | ✗ ไม่ | ✗ ไม่ |
| รายงานการตีพิมพ์ | ✓ ใช่ | ✗ ไม่ | ✗ ไม่ | ✗ ไม่ |
| การปรับดรอปเอาต์ | ✓ ในตัว | ด้วยมือ | ด้วยมือ | ✗ ไม่ |
| การวิเคราะห์ ROC/AUC | ✓ ใช่ | ✗ ไม่ | ✗ ไม่ | ✗ ไม่ |
คำแนะนำสำหรับคณะกรรมการจริยธรรมและการยื่นขอรับทุน
เหตุผลในการกำหนดขนาดตัวอย่างเป็นส่วนประกอบที่สำคัญอย่างยิ่งในการยื่นขออนุมัติทางจริยธรรมและการขอรับทุน ผู้พิจารณาจะตรวจสอบส่วนนี้อย่างละเอียดถี่ถ้วน ต่อไปนี้คือวิธีการนำเสนอเหตุผลที่น่าเชื่อถือ:
จงให้เหตุผลสนับสนุนขนาดผลลัพธ์ของคุณ:อย่าเพียงแค่ระบุผลลัพธ์ที่คาดหวัง แต่จงอธิบายว่าทำไมคุณถึงคาดหวังเช่นนั้น อ้างอิงข้อมูลจากโครงการนำร่อง งานวิจัยที่ตีพิมพ์ หรืออธิบายความแตกต่างขั้นต่ำที่มีนัยสำคัญทางคลินิกที่คุณต้องการตรวจจับ ผู้ตรวจสอบมักตั้งคำถามเกี่ยวกับสมมติฐานขนาดผลลัพธ์ที่มองโลกในแง่ดีเกินไป
อธิบายพารามิเตอร์ทางสถิติของคุณ:ระบุโดยย่อว่าเหตุใดคุณจึงเลือกใช้ระดับอัลฟาและกำลังการทดสอบดังกล่าว สำหรับการศึกษาส่วนใหญ่ ค่า α = 0.05 และกำลังการทดสอบ 80% ถือเป็นมาตรฐาน แต่หากคุณได้เบี่ยงเบนไปจากค่าเหล่านี้ โปรดอธิบายและเหตุผลด้วย
คำนึงถึงอัตราการลาออกที่สมจริง:แสดงให้เห็นว่าคุณได้พิจารณาอัตราการลาออกโดยอิงจากหลักฐานจากงานวิจัยที่คล้ายคลึงกัน ใช้แถบเลื่อนอัตราการลาออกในตัวเพื่อกำหนดเป้าหมายการรับสมัครที่ปรับแล้ว
ระบุพารามิเตอร์ทั้งหมด:ผู้ตรวจสอบจำเป็นต้องตรวจสอบการคำนวณของคุณ โปรดระบุพารามิเตอร์อินพุตทั้งหมดในเอกสารที่ส่ง เพื่อให้พวกเขาสามารถจำลองผลลัพธ์ของคุณได้
ใช้ฟังก์ชันสร้างรายงาน:สร้างรายงานฉบับสมบูรณ์โดยใช้ฟังก์ชันส่งออกของเครื่องคิดเลข วิธีนี้จะช่วยให้คุณไม่พลาดข้อมูลที่จำเป็น และให้เอกสารที่เป็นมืออาชีพและได้มาตรฐาน
คำถามที่พบบ่อยเกี่ยวกับการคำนวณขนาดตัวอย่าง
การคำนวณขนาดตัวอย่างคืออะไร และเหตุใดจึงมีความสำคัญ?
การคำนวณขนาดตัวอย่างเป็นการกำหนดจำนวนผู้เข้าร่วมขั้นต่ำที่จำเป็นต่อการตรวจพบผลกระทบที่มีนัยสำคัญทางสถิติในการศึกษาของคุณ การคำนวณนี้มีความสำคัญอย่างยิ่ง เพราะการรับผู้เข้าร่วมจำนวนน้อยเกินไปอาจทำให้การศึกษาของคุณขาดพลังทางสถิติในการค้นหาผลกระทบที่แท้จริง (ข้อผิดพลาดประเภทที่ 2) ในขณะที่การรับผู้เข้าร่วมมากเกินไปเป็นการสิ้นเปลืองทรัพยากรและอาจทำให้ผู้เข้าร่วมที่ไม่จำเป็นได้รับผลกระทบจากการทดลอง
ฉันจะคำนวณขนาดตัวอย่างสำหรับการทดลองทางคลินิกได้อย่างไร?
เลือกรูปแบบการทดลองของคุณในเครื่องคำนวณ Editverse (ความเหนือกว่า, ความไม่ด้อยกว่า หรือความเท่าเทียมกัน) ป้อนความแตกต่างของการรักษาที่คาดหวัง ค่าเบี่ยงเบนมาตรฐาน ระดับนัยสำคัญ (โดยทั่วไป α = 0.05) และกำลังการทดสอบ (โดยปกติ 80% หรือ 90%) เครื่องคำนวณจะคำนวณจำนวนผู้เข้าร่วมที่ต้องการต่อกลุ่มทันที
ฉันควรใช้กำลังทางสถิติเท่าใด?
โดยทั่วไปแล้ว การวิจัยทางคลินิกส่วนใหญ่จะใช้กำลังการทดสอบ 80% ซึ่งหมายความว่ามีโอกาส 80% ที่จะตรวจพบผลกระทบที่แท้จริงหากมีอยู่จริง ควรใช้กำลังการทดสอบ 90% สำหรับการทดลองที่ได้ผลสรุปแน่ชัด การยื่นขออนุมัติจากหน่วยงานกำกับดูแล หรือเมื่อต้นทุนของการพลาดผลกระทบที่แท้จริงนั้นสูง กำลังการทดสอบที่สูงขึ้นจำเป็นต้องใช้ขนาดตัวอย่างที่ใหญ่ขึ้น
ฉันควรใช้ขนาดเอฟเฟกต์เท่าไหร่?
กำหนดขนาดผลกระทบโดยอิงจากข้อมูลนำร่องจากการศึกษาเบื้องต้นของคุณเอง วรรณกรรมที่ตีพิมพ์เกี่ยวกับการแทรกแซงที่คล้ายคลึงกัน หรือความแตกต่างขั้นต่ำที่มีความสำคัญทางคลินิกที่จะเปลี่ยนแปลงแนวทางการปฏิบัติทางคลินิก แนวทางของโคเฮน (d = 0.2 เล็ก 0.5 ปานกลาง 0.8 ใหญ่) สามารถช่วยได้ แต่ความเกี่ยวข้องทางคลินิกควรเป็นตัวกำหนดการเลือกของคุณ
เครื่องคิดเลขของ Editverse มีความแม่นยำเมื่อเทียบกับ G*Power หรือไม่?
ใช่แล้ว เครื่องคำนวณของ Editverse ใช้สูตรทางสถิติที่ได้รับการตรวจสอบแล้วเช่นเดียวกับ G*Power และเครื่องมืออื่นๆ ที่ได้รับการยอมรับ สำหรับพารามิเตอร์อินพุตเดียวกัน ผลลัพธ์จึงเทียบเท่ากัน ข้อดีของ Editverse คือใช้งานง่าย รายงานพร้อมสำหรับการเผยแพร่ และมีคุณสมบัติในตัว เช่น การปรับแก้ข้อมูลที่หายไป
บริการสนับสนุนทางสถิติระดับมืออาชีพ
แม้ว่าโปรแกรมคำนวณขนาดตัวอย่างของ Editverse จะสามารถวิเคราะห์กำลังการทดสอบแบบง่ายๆ ได้ แต่การออกแบบการวิจัยบางอย่างอาจต้องการคำปรึกษาทางสถิติเฉพาะทาง การออกแบบแบบปรับเปลี่ยนได้ที่ซับซ้อน โมเดลแบบลำดับชั้น หรือการกระจายผลลัพธ์ที่ผิดปกติ อาจต้องการคำแนะนำจากผู้เชี่ยวชาญ
วิทยานิพนธ์ การวิเคราะห์ทางสถิติ
$600
การวิเคราะห์ทางสถิติอย่างครบถ้วนสำหรับงานวิจัยระดับปริญญาเอก
การปรึกษาหารือเกี่ยวกับระเบียบวิธีวิจัย
$400
คำแนะนำจากผู้เชี่ยวชาญเกี่ยวกับการออกแบบงานวิจัย
สรุป
โปรแกรมคำนวณขนาดตัวอย่างของ Editverse เป็นเครื่องมือที่มีประสิทธิภาพและใช้งานง่ายสำหรับนักวิจัยทางการแพทย์ในการวางแผนการศึกษาที่มีความถูกต้องทางสถิติ ด้วยการทำความเข้าใจแนวคิดหลักของการวิเคราะห์กำลังทางสถิติและปฏิบัติตามคู่มือฉบับนี้ คุณจะสามารถกำหนดขนาดตัวอย่างที่เหมาะสมสำหรับการทดลองทางคลินิก การศึกษาเชิงสังเกต และการวิจัยด้านการวินิจฉัยได้อย่างมั่นใจ
โปรดจำไว้ว่าการคำนวณขนาดตัวอย่างไม่ใช่เรื่องที่ทำเพียงครั้งเดียว ในระหว่างขั้นตอนการวางแผน การออกแบบการศึกษาของคุณจะมีการพัฒนาอยู่เสมอ ดังนั้นควรกลับมาตรวจสอบการคำนวณอีกครั้งเพื่อให้แน่ใจว่าเป้าหมายการรับผู้เข้าร่วมการวิจัยยังคงเหมาะสม เครื่องมือคำนวณของ Editverse ให้ผลลัพธ์และการสร้างรายงานแบบทันที ทำให้ง่ายต่อการสำรวจสถานการณ์ต่างๆ และบันทึกการตัดสินใจขั้นสุดท้ายของคุณ
บันทึกบุ๊กมาร์กเครื่องคำนวณนี้ไว้ที่https://editverse.com/free-sample-size-calculator-power-analysis-tool-for-researchers/และแบ่งปันให้เพื่อนร่วมงานที่อาจได้รับประโยชน์จากแหล่งข้อมูลฟรีนี้
ต้องการความช่วยเหลือด้านสถิติจากผู้เชี่ยวชาญหรือไม่?
นักสถิติของเราสามารถให้ความช่วยเหลือในด้านการออกแบบการศึกษาที่ซับซ้อน การยื่นขอทุน และการวิเคราะห์ข้อมูลที่พร้อมสำหรับการตีพิมพ์เผยแพร่
ลองใช้เครื่องคิดเลขดูสิ
การให้คำปรึกษาเบื้องต้นโดยไม่มีค่าใช้จ่าย
แหล่งข้อมูล Editverse ที่เกี่ยวข้อง
→ การทดสอบ T ในการทดลองทางคลินิก: ตัวอย่างในโลกแห่งความเป็นจริงและแนวทางภาพ
→ การวิเคราะห์การทดลองทางคลินิก: แนวทาง Intention-to-Treat เทียบกับ Per-Protocol
→ การวิเคราะห์ Bland-Altman: คู่มือภาพสำหรับการศึกษาเปรียบเทียบวิธีการ
→ แนวทางปฏิบัติ PRISMA 2020: รายการตรวจสอบฉบับสมบูรณ์สำหรับการทบทวนอย่างเป็นระบบ
→ การทบทวนอย่างเป็นระบบ (Systematic Review) กับการวิเคราะห์แบบเมตา (Meta-Analysis): ความแตกต่างที่สำคัญ อธิบายไว้แล้ว
→ วิธีเพิ่มค่า H-index ของคุณ: 10 กลยุทธ์ที่พิสูจน์แล้วสำหรับนักวิจัย
→ อัตราการปฏิเสธบทความในวารสารจำแนกตามสาขา: การวิเคราะห์ข้อมูล + วิธีเอาชนะอุปสรรค
→ 10 การละเมิดจริยธรรมการวิจัยทางคลินิกที่เปลี่ยนแปลงวงการแพทย์
→ บริการสนับสนุนการตีพิมพ์คืออะไร? คู่มือฉบับสมบูรณ์
→ คำแนะนำง่ายๆ เกี่ยวกับขั้นตอนผังงาน PRISMA
อ้างอิง
Chow SC, Shao J, Wang H, Lokhnygina Y. การคำนวณขนาดตัวอย่างในการวิจัยทางคลินิกฉบับที่สาม: Chapman and Hall/CRC; 2017.
Fleiss JL, Levin B, Paik MC. วิธีการทางสถิติสำหรับอัตราและสัดส่วนฉบับที่สาม: John Wiley & Sons; 2013.
Rosner B. พื้นฐานสถิติชีวภาพฉบับที่ 7 บอสตัน แมสซาชูเซตส์: Brooks/Cole; 2011
Schoenfeld D. คุณสมบัติเชิงอะซิมโทติกของการทดสอบแบบไม่ใช้พารามิเตอร์สำหรับการเปรียบเทียบการแจกแจงการอยู่รอดBiometrika . 1981;68(1):316-319.
Woodward M. สูตรสำหรับขนาดตัวอย่าง กำลัง และความเสี่ยงสัมพัทธ์ที่ตรวจจับได้ขั้นต่ำในการศึกษาทางการแพทย์วารสารของราชสมาคมสถิติ: ซีรีส์ D (นักสถิติ) . 1992;41(2):185-196.
