Dette er ikke et svar, du vil ønske at høre, jeg er bange, men jeg vil alligevel sige det: prøv at modstå fristelsen ved online regnemaskiner (og spar dine penge, før du køber proprietære regnemaskiner).
Her er nogle af grundene til: 1) online-regnemaskiner bruger alle forskellige notationer og er ofte dårligt dokumenterede. Det er spild af din tid. 2) SPSS tilbyder en strømberegner, men jeg har aldrig prøvet det, fordi det var for dyrt for min afdeling at have råd til det! 3) Sætninger som "medium effektstørrelse" er i bedste fald vildledende og i værste fald simpelthen forkert for alle undtagen de enkleste forskningsdesign. Der er for mange parametre og for meget samspil til at være i stand til at destillere effektstørrelse ned til et enkelt tal i [0,1]. Selvom du kunne sætte det i et enkelt nummer, er der ingen garanti for, at Cohens 0,5 svarer til "medium" i forbindelse med problemet.
Tro mig - det er bedre i det lange løb at bide i kuglen og lær dig selv, hvordan du bruger simulering til din fordel (og til gavn for den eller de personer, du konsulterer). Sæt dig ned med dem, og udfør følgende trin:
1) Beslut en model, der er passende i forbindelse med problemet (lyder som om du allerede har arbejdet på denne del).
2) Konsulter dem for at bestemme, hvad nullparametrene skal være, kontrolgruppens opførsel, uanset hvad dette betyder i forbindelse med problemet.
3) Konsulter dem for at bestemme, hvad parametrene skal være for at forskellen skal være praktisk meningsfuld . Hvis der er begrænsninger på stikprøver, skal dette også identificeres her.
4) Simuler data i henhold til de to modeller i 2) og 3), og kør din test. Du kan gøre dette med masser af software - vælg din favorit og gå efter den. Se om du har afvist eller ej.
5) Gentag 4) tusinder af gange, sig $ n $. Hold styr på, hvor mange gange du afviste, og prøveandelen $ \ hat {p} $ af afvisninger er et skøn over effekt. Dette skøn har en standardfejl på ca. $ \ sqrt {\ hat {p} (1 - \ hat {p}) / n} $.
Hvis du foretager din strømanalyse på denne måde, vil du finde flere ting: A) der løb meget flere parametre, end du nogensinde havde forventet. Det får dig til at undre dig over, hvordan det i verden er muligt at kollapse dem alle til et enkelt nummer som "medium" - og du vil se, at det ikke er muligt, i det mindste ikke på nogen ligetil måde. B) din magt bliver meget mindre end mange andre lommeregnere reklamerer for. C) du kan øge effekten ved at øge prøvestørrelsen, men pas på! Du kan måske finde ud af, at for at opdage en forskel, der er "praktisk meningsfuld", har du brug for en prøvestørrelse, der er uoverkommelig stor.
Hvis du har problemer med et af ovenstående trin, kan du samle dine tanker, formuler godt et spørgsmål til CrossValidated, og folkene her vil hjælpe dig.
REDIGER: I tilfælde af at du finder ud af, at du absolut skal bruge en online lommeregner, den bedste jeg vi har fundet er Russ Lenths side med magt og prøvestørrelse. Det har eksisteret i lang tid, det har relativt komplet dokumentation, det afhænger ikke af størrelser på dåseeffekt og har links til andre papirer, der er relevante og vigtige.
EN ANDEN EDIT: Tilfældigt, da dette spørgsmål kom op, var jeg lige midt i at skrive et blogindlæg for at uddybe nogle af disse ideer (ellers ville jeg muligvis ikke have svaret så hurtigt). I hvert fald afsluttede jeg det sidste weekend, og du kan finde det her. Det er ikke skrevet med SPSS i tankerne, men jeg vil vædde på, at hvis en person var klog, kunne de muligvis oversætte dele af det til SPSS-syntaks.