Mocą testu określamy prawdopodobieństwo odrzucenia hipotezy zerowej, gdy jest ona fałszywa. Innymi słowy oznacza prawdopodobieństwo niepopełnienia błędu drugiego rodzaju. Możemy zatem powiedzieć, że parametr mocy testu wskazuje nam na ile nasz test pozwoli nam podjąć dobrą decyzję odnośnie przyjęcia hipotezy badawczej - odrzucenia hipotezy zerowej.
Testy różnią się swoją mocą. Jedne testy są silniejsze, inne słabsze. Moc testu statystycznego jest zdolnością tego testu do wykrywania różnic między grupami. Porównując dwa testy statystyczne, ten test jest lepszy, który ma większą moc, czyli dla tej samej liczby obserwacji oraz takim samym założonym poziomie istotności częściej odrzuca fałszywą hipotezę.
Zatem dążymy do tego, aby wykorzystywać w analizach testy statystyczne o jak największej mocy, aby zminimalizować ryzyko podjęcia błędnych decyzji we wnioskowaniu o wykrytych różnicach / braku różnic.
Zazwyczaj testy parametryczne określane są jako testy statystyczne o większej mocy w porównaniu do ich nieparametrycznych odpowiedników, dlatego też jeżeli tylko założenia pozwalają to z dwóch testów: parametryczny vs nieparametryczny wybieramy testy parametryczne, ponieważ odznaczają się na ogół większą mocą niż nieparametryczne.
Moc testu uzależniona jest od przyjętego poziomu istotności. Moglibyśmy powiedzieć, że zawężenie przyjętego poziomu istotności z wartości 0,05 do wartości np 0,01 pozwoli nam podjąć właściwszą decyzję, przyjmując bądź odrzucając daną hipotezę. Niestety, ale taki zabieg powoduje zwiększenie prawdopodobieństwa popełnienia błędu pierwszego rodzaju. Jeżeli zwiększamy prawdopodobieństwo popełnienia danego błędu jednocześnie zmniejszamy je dla drugiego.
Moc testu uzależniona jest również od liczby obserwacji w badaniu. Im nasza próba jest liczniejsza tym test ma większą moc - mniejsza szansa popełnienia błędu.
Moc testu Wasze opinie