Słownik metodologiczny · Dobór próby

Plan Salomona

Pełne wyjaśnienie, zastosowanie naukowe i praktyczne, przykład, dobre praktyki oraz gotowy zapis wyniku w APA 7.

Strona główna / Słownik / Plan Salomona

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza Plan Salomona?

Plan czterech grup Salomona łączy warunki z pretestem i bez pretestu, aby ocenić wpływ samego pomiaru wstępnego.
Co odróżnia to pojęcie? Czterogrupowy plan Salomona łączy grupy z pretestem i bez pretestu oraz z interwencją i kontrolą. Pozwala ocenić, czy sam pomiar początkowy uwrażliwił uczestników i zmienił efekt interwencji. Wymaga większej próby i analizy interakcji pretestu z interwencją. Nie jest procedurą zaślepienia; kontroluje reaktywność pomiaru, a nie oczekiwania uczestników lub badaczy.

Zastosowanie, warunki i dobre praktyki

Najważniejsze zastosowanie: Używaj czterech grup Salomona, gdy trzeba oddzielić efekt interwencji od uwrażliwienia wywołanego pretestem.

Plan czterech grup Salomona rozdziela efekt interwencji od możliwego uwrażliwienia przez pretest. Analiza powinna testować nie tylko różnicę po interwencji, lecz także interakcję pretestu z oddziaływaniem; koszt większej próby trzeba uwzględnić już przy planowaniu mocy.

Jak poprawnie stosować i interpretować hasło „Plan Salomona”?

W odniesieniu do „Plan Salomona” najpierw trzeba wskazać populację, jednostkę przydziału lub obserwacji, momenty pomiaru oraz sposób powstawania porównywanych warunków. W analizie dotyczącej hasła „Plan Salomona” to projekt, a nie późniejszy wybór testu, wyznacza możliwość wnioskowania o zmianie, związku lub przyczynie. Dla interpretacji hasła „Plan Salomona” należy też nazwać zagrożenia dla trafności, takie jak selekcja, odpływ, historia, efekt pomiaru czy brak zaślepienia.

Ocena pojęcia „Plan Salomona” wymaga sprawdzenia, czy realizacja badania odpowiada planowi: czy randomizacja faktycznie zadziałała, czy pomiary wykonano w tej samej kolejności i czy utrata uczestników różniła się między grupami. W odniesieniu do hasła „Plan Salomona” odstępstwa trzeba opisać wraz z ich konsekwencjami. Przy ocenie hasła „Plan Salomona” analiza statystyczna może ograniczyć niektóre problemy, ale nie odtwarza kontroli, której zabrakło w projekcie.

Co trzeba opisać w raporcie?

Opis pojęcia „Plan Salomona” powinien pozwolić odtworzyć rekrutację, przydział, kolejność procedur, liczbę pomiarów i reguły wyłączeń. W analizie dotyczącej hasła „Plan Salomona” warto podać diagram przepływu uczestników, moment ustalenia hipotez oraz informację, które analizy były planowane. Dla interpretacji hasła „Plan Salomona” zakres wniosku należy dopasować do tego, co projekt rzeczywiście identyfikuje.

Zakres raportowania dla hasła „Plan Salomona”: Opisz randomizację, osoby zaślepione i sposób sprawdzenia naruszeń.

Przykład praktyczny i gotowa interpretacja

Sytuacja: Cztery grupy pozwoliły porównać interwencję z kontrolą zarówno po preteście, jak i bez niego. Różny efekt wskazywał, że sam pomiar początkowy uwrażliwił uczestników.

Jak ją zinterpretować: Porównanie czterech grup pozwala oddzielić efekt interwencji od reaktywności pretestu. Jeżeli efekt zależy od wcześniejszego pomiaru, wynik należy ograniczyć do projektów o takim samym sposobie badania.

Najczęstsza pułapka i granica interpretacji

Plan Salomona kontroluje reaktywność pretestu, ale nie zastępuje zaślepienia ani kontroli odpływu.

Nawet poprawnie przeprowadzony „Plan Salomona” nie usuwa błędu pomiaru ani nie gwarantuje reprezentatywności. W odniesieniu do hasła „Plan Salomona” trafność wewnętrzna i możliwość uogólnienia są odrębnymi pytaniami, które wymagają osobnego uzasadnienia.

Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Lakens, 2022).

Powiązane hasła

Moc testuPodwójnie ślepa próbaPopulacjaPróbaPróba kwotowaPróba losowa

Poradniki, w których użyjesz tego pojęcia

Poradnik

Wartość p: co naprawdę oznacza i jak ją poprawnie interpretować

Wartość p bez mitów: definicja, interpretacja, typowe błędy oraz sposób raportowania wraz z wielkością efektu i przedziałem ufności.

Czytaj →Poradnik

Regresja logistyczna: założenia, interpretacja i raportowanie modelu

Regresja logistyczna w praktyce: założenia, iloraz szans, diagnostyka, kalibracja, AUC oraz zasady rzetelnego raportowania modelu.

Czytaj →Poradnik

Modelowanie równań strukturalnych (SEM): od teorii do raportu

SEM bez skrótów myślowych: model pomiarowy i strukturalny, CB-SEM a PLS-SEM, dopasowanie, założenia oraz raportowanie wyników.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Oferta dla badaczyOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Lakens, D. (2022). Sample size justification. Collabra: Psychology, 8(1), 33267. https://doi.org/10.1525/collabra.33267
  2. Maxwell, S. E., Kelley, K., & Rausch, J. R. (2008). Sample size planning for statistical power and accuracy in parameter estimation. Annual Review of Psychology, 59, 537–563. https://doi.org/10.1146/annurev.psych.59.103006.093735
  3. Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191
  4. Lang, T. A., & Altman, D. G. (2015). Basic statistical reporting for articles published in biomedical journals: The SAMPL guidelines. International Journal of Nursing Studies, 52(1), 5–9. https://doi.org/10.1016/j.ijnurstu.2014.09.006
  5. Wilkinson, L., & Task Force on Statistical Inference. (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54(8), 594–604. https://doi.org/10.1037/0003-066X.54.8.594
  6. Altman, D. G. (2015). Making research articles fit for purpose: Structured reporting of key methods and findings. Trials, 16, 53. https://doi.org/10.1186/s13063-015-0575-7

Cytowania BibTeX

@article{lakens2022sample, author={Lakens, Daniël}, title={Sample size justification}, journal={Collabra: Psychology}, year={2022}, volume={8}, number={1}, pages={33267}, doi={10.1525/collabra.33267}}
@article{maxwell2008samplesize, author={Maxwell, Scott E. and Kelley, Ken and Rausch, Joseph R.}, title={Sample size planning for statistical power and accuracy in parameter estimation}, journal={Annual Review of Psychology}, year={2008}, volume={59}, pages={537--563}, doi={10.1146/annurev.psych.59.103006.093735}}
@article{appelbaum2018jars, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}
@article{lang2015sampl, author={Lang, Thomas A. and Altman, Douglas G.}, title={Basic statistical reporting for articles published in biomedical journals: the SAMPL guidelines}, journal={International Journal of Nursing Studies}, year={2015}, volume={52}, number={1}, pages={5--9}, doi={10.1016/j.ijnurstu.2014.09.006}}
@article{wilkinson1999statistical, author={Wilkinson, Leland and {Task Force on Statistical Inference}}, title={Statistical methods in psychology journals: Guidelines and explanations}, journal={American Psychologist}, year={1999}, volume={54}, number={8}, pages={594--604}, doi={10.1037/0003-066X.54.8.594}}
@article{altman2015reporting, author={Altman, Douglas G.}, title={Making research articles fit for purpose: structured reporting of key methods and findings}, journal={Trials}, year={2015}, volume={16}, pages={53}, doi={10.1186/s13063-015-0575-7}}
R