teholaskennassa

Teholaskenta, eli power analysis, on tilastotieteen menetelmä, jolla tutkimuksen suunnittelua optimoidaan. Teholaskennassa pyritään määrittämään, kuinka suuri otoskoko tai minkä kokoinen vaikutus on tarpeen havaitsemiseksi tietyn tilastollisen merkitsevyyden (yleensä alfa) ja halutun tehotason (1 − beta) vallitessa. Teholla tarkoitetaan todennäköisyyttä hylätä nollahypoteesi, jos todellinen efekti on olemassa. Tyypillisiä tavoitteita ovat oikeanlaisen otoskookoon varmistaminen sekä tutkimuksen tehokkuuden parantaminen.

Tehon laskentaan vaikuttavat tekijät ovat vaikutuksen koko (effect size), varianssi/epävarmuus, otoskoko sekä valittu merkitsevyystaso. Suurempi vaikutus tai pienempi hajonta mahdollistavat pienemmän otoskoon, kun taas pienen vaikutuksen havaitseminen vaatii usein suuremman otoskoon. A priori -teholaskenta tehdään ennen tutkimusta, jotta suunnitteilla oleva tutkimus täyttää asetetut teho- ja merkitsevyysvaatimukset. Post hoc -teholaskenta (jälkikäteen) antaa tietoa siitä, millaisen tehon tutkimus on voinut saavuttaa, mutta sitä käytetään varoen, koska se voi antaa harhaanjohtavia tuloksia.

Menetelmät perustuvat tilastollisiin jakaumiin, kuten normaalijakaumaan, t-, F- ja noncentral-jakaumiin. Käytännössä teholaskenta voidaan suorittaa analyyttisesti tai numeerisesti ohjelmistoilla. Yleisiä työkaluja ovat esimerkiksi G*Power, R:n pwr- ja power-paketit sekä Pythonin tilastokirjastot. Teholaskenta soveltuu laajalti kliinisiin kokeisiin, psykologisiin ja sosiaalitieteellisiin tutkimuksiin sekä biolääketieteellisiin tutkimuksiin, joissa suunnittelun tavoitteena on havaita aiotun suuruinen vaikutus riittävän luotettavasti.