---
webr:
packages: [dplyr, ggplot2]
resources: [R/setup.R, data/nhanes.rds]
cell-options:
autorun: true
timelimit: 300
---
{{< include ./_extensions/r-wasm/live/_knitr.qmd >}}
# 検出力とは何か {#sec-why}
```{webr}
#| include: false
source("R/setup.R")
```
新しい降圧薬の臨床試験を計画しているとします。
従来の薬と比べて、収縮期血圧を **さらに 5 mmHg 下げる** と見込んでいます。血圧の下がり方は人によってばらつき、その標準偏差は 10 mmHg くらいです。
1 群 20 人ずつ集めて t 検定をすれば、差を見つけられるでしょうか。
## 1 回の研究をやってみる
「本当の差は 5 mmHg」という世界を自分で作り、1 群 20 人の研究を 1 回やってみます。
```{webr}
set.seed(2)
old <- rnorm(20, mean = 0, sd = 10) # 従来の薬:血圧の変化(基準を 0 とする)
new <- rnorm(20, mean = 5, sd = 10) # 新しい薬:本当は 5 mmHg よく下がる
t.test(new, old, var.equal = TRUE)
```
p 値は 0.40 で、有意になりませんでした。**本当に差があるのに** です。
`set.seed()` の数字を 3 や 5 に変えると、今度は有意になります。同じ計画の研究でも、結果は運で大きく変わります。
## 同じ研究を 2000 回やってみる
同じ条件の研究を 2000 回繰り返し、何回「有意」になるかを数えます。
```{webr}
set.seed(1)
p <- replicate(2000, {
old <- rnorm(20, 0, 10); new <- rnorm(20, 5, 10)
t.test(new, old, var.equal = TRUE)$p.value
})
mean(p < 0.05) # 有意になった割合
```
有意になったのは **約 33%** だけでした。
この「本当に差があるとき、有意になる確率」を **検出力**(power)と呼びます。1 群 20 人の研究は、3 回に 2 回は差を見逃す計画だったことになります。
R には、これを計算する関数があります。
```{webr}
power.t.test(n = 20, delta = 5, sd = 10)
```
`power = 0.338`。シミュレーションとほぼ一致しました。
## 本当に差がないときは
今度は、**本当は差がない**(どちらも平均 0)世界で、同じ研究を 2000 回やってみます。
```{webr}
set.seed(1)
p0 <- replicate(2000, {
old <- rnorm(20, 0, 10); new <- rnorm(20, 0, 10)
t.test(new, old, var.equal = TRUE)$p.value
})
mean(p0 < 0.05)
```
約 5% が「有意」になりました。差がないのに有意になる確率が、**有意水準 α**(ふつう 5%)です。
2 つの世界の p 値の分布を並べてみます。
```{webr}
#| fig-height: 3.6
d <- data.frame(p = c(p0, p),
世界 = rep(c("本当は差がない", "本当の差 5 mmHg"), each = 2000))
ggplot(d, aes(p)) +
geom_histogram(breaks = seq(0, 1, 0.05), boundary = 0, fill = "grey60", colour = "white") +
geom_vline(xintercept = 0.05, colour = "firebrick", linetype = 2) +
facet_wrap(~ 世界) +
labs(x = "p 値", y = "研究の数(2000 回中)")
```
- 差がない世界では、p 値は 0〜1 に **まんべんなく** 散らばります。0.05 未満に入るのは 5%
- 差がある世界では、p 値は 0 の近くに **寄ります**。寄り方が強いほど検出力が高い
## 2 種類の誤り
| | 本当は差がない | 本当は差がある |
|---|---|---|
| **有意になった** | 第一種の過誤(確率 α) | 正しく検出(確率 = 検出力 1 − β) |
| **有意にならなかった** | 正しい | 第二種の過誤(確率 β) |
- α(ふつう 5%)は、**研究者が決める** 値です
- β は、人数・差の大きさ・ばらつきで **決まってしまう** 値です。ふつう β を 20% 以下(検出力 80% 以上)、または 10% 以下(90% 以上)にするよう人数を決めます
## 人数を増やすと
1 群の人数を変えて、検出力がどう変わるかを見ます。
```{webr}
#| fig-height: 3.6
ns <- seq(5, 120, by = 5)
pw <- sapply(ns, function(n) power.t.test(n = n, delta = 5, sd = 10)$power)
ggplot(data.frame(n = ns, power = pw), aes(n, power)) +
geom_line() + geom_point() +
geom_hline(yintercept = 0.8, linetype = 2, colour = "firebrick") +
scale_y_continuous(labels = scales::percent, limits = c(0, 1)) +
labs(x = "1 群の人数", y = "検出力")
```
検出力 80% にするには、1 群何人必要でしょうか。`n` の代わりに `power` を指定すると、人数を逆算できます。
```{webr}
power.t.test(delta = 5, sd = 10, power = 0.80)
```
1 群 **63.8 人**、切り上げて **64 人**(2 群で 128 人)です。シミュレーションで確かめます。
```{webr}
set.seed(1)
sim_power_t(n = 64, delta = 5, sd = 10) # R/setup.R に定義した関数(上と同じシミュレーション)
```
約 80% になりました。
## 5 つの値の関係
サンプルサイズの計算は、次の 5 つの値の関係です。**4 つを決めると、残りの 1 つが決まります**。
| 値 | 意味 | この例 | 大きくすると、必要な人数は |
|---|---|---|---|
| 有意水準 α | 差がないのに有意になる確率 | 0.05(両側) | **減る**(ただし偽陽性が増える) |
| 検出力 1 − β | 差があるとき有意になる確率 | 0.80 | **増える** |
| 差 Δ | 見つけたい差の大きさ | 5 mmHg | **減る**(2 乗で効く) |
| 標準偏差 σ | 個人のばらつき | 10 mmHg | **増える**(2 乗で効く) |
| 人数 n | 1 群の人数 | 64 人 | ― |
```{webr}
c(基本 = power.t.test(delta = 5, sd = 10, power = 0.80)$n,
検出力90 = power.t.test(delta = 5, sd = 10, power = 0.90)$n,
α1パーセント = power.t.test(delta = 5, sd = 10, power = 0.80, sig.level = 0.01)$n,
差が半分 = power.t.test(delta = 2.5, sd = 10, power = 0.80)$n,
SDが2倍 = power.t.test(delta = 5, sd = 20, power = 0.80)$n) |> ceiling()
```
- 検出力を 80% → 90% にすると、約 1.3 倍(64 → 86 人)
- 差が半分、または標準偏差が 2 倍になると、**約 4 倍**(64 → 253 人)
人数を決めるのは、Δ と σ の **比**(Δ / σ、標準化された差)です。Δ = 5、σ = 10 と、Δ = 0.5、σ = 1 は同じ人数になります。
::: {.callout-important}
## 人数で効いてくるのは「差 ÷ ばらつき」の 2 乗
必要な人数は、(σ / Δ)² に比例します。差やばらつきの見込みが少しずれるだけで、必要な人数は大きく変わります。
**差と標準偏差をどう見積もるか**(第 2 章・第 4 章)が、サンプルサイズ設計の中心です。
:::
## やってみよう
::: {.callout-note}
## 練習
1. 1 群 40 人のときの検出力を、`power.t.test()` とシミュレーション(`sim_power_t()`)の両方で求めてください
2. 本当の差が 5 mmHg ではなく 3 mmHg だったら、1 群 64 人の研究の検出力はいくらになりますか
:::
```{webr}
#| autorun: false
# 1.
power.t.test(n = 40, delta = 5, sd = 10)$power
set.seed(1); sim_power_t(n = 40, delta = 5, sd = 10)
# 2.
power.t.test(n = 64, delta = 3, sd = 10)$power
```
::: {.callout-tip collapse="true"}
## 解答
1. 約 60%(`power.t.test()` で 0.598)。シミュレーションも 60% 前後になります
2. 約 39%。5 mmHg を見込んで 64 人で計画した研究は、本当の差が 3 mmHg なら、約 6 割の確率で差を見逃します
:::
::: {.callout-important}
## この章のまとめ
- **検出力** = 本当に差があるとき、有意になる確率。ふつう 80% か 90% にする
- **有意水準 α** = 本当は差がないのに、有意になる確率。ふつう 5%(両側)
- α・検出力・差・標準偏差・人数の 5 つは、4 つ決まると残りが決まる
- 必要な人数は **(標準偏差 ÷ 差)² に比例**。差が半分なら 4 倍
- 検出力はシミュレーション(同じ研究を何千回もやる)で確かめられる
:::