サンプルサイズの決め方

目次

・はじめに

・1列の取り出し

・複数列の取り出し

・行の取り出し

・条件に合う行の取り出し

・複数処理

・複数条件

・入れ子処理

・処理後の列を追加

・行の並べ替え

・列名の変更

・条件ごとにまとめた処理（tapply風）

（最終更新2025/5/6）

はじめに

　以前紹介したように、サンプルサイズは無限に大きくすればよいというものではない。まず第一に、調査にかけられる労力は有限であること、第二に無限にサンプルサイズを大きくすればどんな小さな差でも有意差を出せるが、それに意味があることなのかは別問題であること、という問題が存在するからだ。そこで、これくらいの平均値の差があるなら、これくらいのサンプルサイズにすると、検出力何％にできる、というような、適切なサンプルサイズの決め方が存在する。本項では、このサンプルサイズの決め方を解説する。

　ただし、先に断っておくとおそらく多くの生態学的分野の研究で実践的ではないだろう。というのは、サンプルサイズを決めるときは、平均値の差（や効果量）があらかじめわかっていないといけない。もっと言えば、「生態学的に意味のある平均値の差」がわかっていることが理想だ。医学分野や工学分野ならいざ知らず、そのようなことは、まず、ほとんどの生態学的研究でありえない。もちろん、追試をするときの参考には当然なるのだが、そうでないなら適切なサンプルサイズを決めるというのは簡単なことではない。

サンプルサイズの決め方：t検定を例に

　以前紹介したように、サンプルサイズは無限に大きくすればよいというものではない。まず第一に、調査にかけられる労力は有限であること、第二に無限にサンプルサイズを大きくすればどんな小さな差でも有意差を出せるが、それに意味があることなのかは別問題であること、という問題が存在するからだ。そこで、これくらいの平均値の差があるなら、これくらいのサンプルサイズにすると、検出力何％にできる

------------------------------------------------------

library(tidyverse)

------------------------------------------------------

今回は、デフォルトで利用可能なirisのデータセットを用いる。

------------------------------------------------------

head(iris)

##   Sepal.Length Sepal.Width Petal.Length Petal.Width Species

## 1          5.1         3.5          1.4         0.2  setosa

## 2          4.9         3.0          1.4         0.2  setosa

## 3          4.7         3.2          1.3         0.2  setosa

## 4          4.6         3.1          1.5         0.2  setosa

## 5          5.0         3.6          1.4         0.2  setosa

## 6          5.4         3.9          1.7         0.4  setosa

------------------------------------------------------