Puissance Statistique : Ne laissez plus le hasard décider de la taille de vos échantillons (T-test & GLM)

Le calcul de la puissance statistique est le pivot de toute planification expérimentale rigoureuse. Il permet de répondre à la question cruciale : « De combien de sujets ai-je besoin pour détecter un effet réel avec un niveau de confiance satisfaisant ? ». Ce script illustre l'utilisation de deux procédures majeures, PROC GLMPOWER pour les modèles structurés (ANOVA) et PROC POWER pour les tests d'hypothèses classiques.

Pourquoi cette démarche est-elle indispensable ?
Anticipation du Risque de Type II (β) : En visant des puissances de 0.7, 0.8 et 0.9, vous quantifiez le risque de ne pas détecter une différence qui existe pourtant réellement. Une puissance de 0.8 est le standard industriel, signifiant que vous avez 80 % de chances de rejeter l'hypothèse nulle si l'effet attendu est présent.

Adaptabilité au Modèle (GLM vs T-Test) :

PROC GLMPOWER est idéale lorsque vous avez des données pilotes (comme la table sleep). Elle utilise la structure de votre modèle linéaire pour extrapoler les besoins futurs.

PROC POWER (twosamplemeans) est l'outil de précision pour les tests de comparaison simples. En spécifiant une différence de moyennes (meandiff=3) et un écart-type (stddev=30), vous définissez la "taille de l'effet" que vous jugez cliniquement ou scientifiquement pertinente.

Visualisation Decisionnelle : L'instruction PLOT génère une courbe de puissance. C'est un outil de communication essentiel pour justifier un budget ou des ressources : elle montre visuellement le "coût" en effectifs pour chaque gain marginal de puissance.