Esta no es una respuesta que usted va a querer escuchar, tengo miedo, pero voy a decir de todas maneras: intenta resistir la tentación de calculadoras en línea (y ahorrar su dinero antes de comprar la propiedad de las calculadoras).
Aquí están algunas de las razones: 1) las calculadoras en línea todo el uso de la notación diferente y a menudo están poco documentadas. Es una pérdida de tiempo. 2) el programa SPSS ofrece una calculadora de la energía, pero yo nunca he probado porque era demasiado caro para mi departamento a pagar! 3) Frases como "mediano tamaño del efecto" son en el mejor de los engañosa y, en el peor, simplemente malo para todos, pero el más simple de los diseños de investigación. Hay demasiados parámetros y demasiado interacción a ser capaz de destilar el tamaño del efecto se reduce a un único número en [0,1]. Incluso si se podría poner en un solo número, no hay ninguna garantía de que Cohen 0.5 corresponde a "medio" en el contexto del problema.
Yo creo - es mejor en el largo plazo para morder la bala y enseñar cómo utilizar la simulación para su beneficio y el beneficio de la persona(s) que usted está de consultoría). Sentarse con ellos y completar los siguientes pasos:
1) Decidir sobre un modelo que es apropiado en el contexto del problema (suena como usted ya ha trabajado en esta parte).
2) Consultar con ellos para decidir cuál es el null parámetros debe ser, el comportamiento del grupo de control, lo que esto significa en el contexto del problema.
3) Consultar con ellos para determinar qué parámetros debe estar en orden para que la diferencia de estar prácticamente significativa. Si hay muestras de las limitaciones de tamaño, a continuación, esto debe ser identificado aquí, así.
4) Simular los datos de acuerdo a los dos modelos en 2) y 3), y ejecutar la prueba. Usted puede hacer esto con el software en abundancia - elija su favorito e ir por ella. A ver si se rechaza o no.
5) Repita 4) miles de veces, es decir, $n$. Mantener un seguimiento de cuántas veces rechazado, y la proporción de la muestra $\hat{p}$ de rechazos es una estimación de la potencia. Esta estimación error estándar de aproximadamente $\sqrt{\hat{p}(1 - \hat{p})/n}$.
Si usted hace su análisis del poder de esta manera, usted va a encontrar varias cosas: A) hay un montón más de los parámetros de funcionamiento alrededor de lo que jamás hubiera esperado. Va a hacer que te preguntes ¿cómo en el mundo es posible colapso de todos ellos en un solo número como "medio" y verá que no es posible, al menos no de una manera sencilla. B) su poder va a ser mucho más pequeña que muchas de las otras calculadoras de publicidad. C) puede aumentar la potencia por el aumento de tamaño de la muestra, pero ¡cuidado! Usted puede encontrar como yo que en el fin de detectar una diferencia que es "muy significativo" que necesita un tamaño de muestra que es excesivamente grande.
Si tiene problemas con cualquiera de los pasos anteriores, usted puede recoger sus pensamientos, bien formular una pregunta CrossValidated, y la gente de aquí le ayudará.
EDIT: En el caso de que usted encuentra que usted absolutamente debe usar una calculadora en línea, el mejor que he encontrado es Russ Lenth del Poder y de la Muestra el Tamaño de la página. Ha sido alrededor por un largo tiempo, es relativamente completa de la documentación, no depende de la lata de los tamaños del efecto, y tiene enlaces a otros documentos que sean pertinentes e importantes.
OTRO EDIT: por casualidad, cuando esta pregunta vino, yo estaba justo en el medio de escribir un blog post para aclarar algunas de estas ideas (de lo contrario, podría no haber respondido tan rápidamente). De todos modos, me terminó el pasado fin de semana y usted lo puede encontrar aquí. No está escrito con el programa SPSS en mente, pero yo apostaría si una persona inteligente podría ser capaz de traducir partes de ella a la sintaxis de SPSS.
