一种基于精度准则的经济型设计方法

当量化不确定性和精确估计比关于统计显著性的二元决策更有价值时，统计推断的估计框架优于假设检验。以估计为基础的研究之研究设计常使用精度准则来选择样本量，以控制相对于抽样分布的区间估计长度。本文中，我们正式定义了一种分布，其刻画了获得足够窄区间估计的概率作为样本量的函数。该分布可用于确定确保区间估计足够窄所需的最小样本量。我们证明，对于许多数据生成过程，该分布在大样本设定下近似正态。然而，这种近似正态性对于中等样本量的研究可能不成立，特别是在纳入先验信息或获得非对称区间估计时。因此，我们还提出了一种高效的基于模拟的方法，通过仅在两个样本量处估计区间估计长度的抽样分布来近似该样本量分布。我们的方法为贝叶斯与频率主义设定下基于精度准则的设计提供了统一框架。我们用若干示例说明了该框架的广泛适用性。