pass效度分析在PASS软件里怎么做 结果怎么看
pass效度分析在PASS软件中通常属于统计检验模块,而不是安装或排障问题;你要做的是选对检验类别、填对参数、读出效度相关统计量。PASS(Power Analysis and Sample Size)本身是样本量与检验效能计算工具,这里的效度分析一般指通过假设检验得到的检验效能、显著性水平、效应量等指标来评估研究设计的效度。
- 先确认你做的效度类型
在PASS里打开对应模块前,先明确你想分析的是内容效度、结构效度还是效标关联效度。内容效度常用专家评分一致性或CVI类指标,在PASS里一般用比例检验或Kappa类一致性检验来估算效能;结构效度常涉及因子分析或相关分析,可用相关检验或回归模块;效标关联效度则常用相关、ROC曲线或组间比较的方法来估算。判断清楚后,再在PASS左侧导航中按「Tests for One Proportion」「Correlation」「ROC Curve」等类别找相近过程,不要直接在首页搜索框里随便点一个结果。 - 在PASS里选对过程并设置参数
进入具体过程后,PASS会要求你填写若干关键参数:如果你用的是比例类检验,通常要填原假设比例、备择比例、样本量或检验效能;如果是相关分析,要填原假设相关系数、备择相关系数以及样本量;如果是ROC,则要填阳性组和阴性组的曲线下面积、样本量比例。这些参数不是随便凑数,而是来自你的预试验数据、文献参考或研究者设定,填错会导致算出来的效能偏离真实效度。界面上每个输入框旁一般有小图标或提示,鼠标悬停可以看到该参数含义。 - 读懂输出里的效度相关量
点击运行后,PASS会给出图表和数值结果,重点看三块:一是检验效能(Power),通常要求不低于0.80,条件允许时0.90更稳妥;二是显著性水平(Alpha),一般取0.05,也可按研究需要调整并观察效能变化;三是效应量或相关系数,它反映你关心的关联强度。把这些数值与你的专业判断对照,如果效能偏低,说明在现有样本量下效度检验可能不够稳定,需要考虑增大样本或调整效应量假设,而不是直接改小Alpha来凑结果。 - 用图表辅助判断结果是否合理
PASS多数过程都提供效能曲线图或样本量曲线图。横轴通常是样本量或效应量,纵轴是检验效能。你可以在图上观察曲线随参数变化的趋势:如果曲线在预期样本量附近已经平缓,说明继续增加样本对效度提升有限;如果曲线还很陡,说明样本量不足。把鼠标悬停在曲线上还能看到具体坐标点。结合这些图,你能更直观地解释为什么当前设计的效度分析结果偏高或偏低,而不是只盯一个数字下结论。 - 根据结果调整设计并记录参数
如果算出的效能达不到目标,先回到参数设置里检查假设是否合理,例如备择比例是否过于乐观、效应量是否偏大。确认假设没问题后,再考虑增加计划样本量、提高测量精度或调整分组比例。每次调整后重新运行,并把每次的输入参数和输出效能记录在文档里,方便后续写论文时说明样本量依据。注意PASS只是计算工具,最终效度结论仍要结合研究设计、数据质量和专业理论综合判断。 - 常见误区和检查项
常见误区是直接把PASS的输出当作效度结论,实际上它只提供检验效能和样本量参考。另一个误区是选错过程,比如做结构效度却用比例检验。检查时注意:参数单位是否与假设一致、Alpha是否与计划的分析策略一致、是否使用了单侧还是双侧检验。如果结果看起来异常,先核对输入,不要急着怀疑软件。软件页可查阅相关说明,但具体路径以你安装的版本界面为准,不同版本菜单名称可能有差异,按功能分类去找即可。
软件页面:PASS。