统计功效分析计算器

功效分析将影响统计研究的四个量联系起来：效应量、显著性水平、统计功效和样本量。本计算器进行先验分析，即在开始收集数据前估算独立观测值的最低数量。效应量以 Cohen's d 输入，它是以标准差为单位的标准化差异。约 0.2 通常被称为小效应，0.5 为中等效应，0.8 为大效应，但有意义的取值应来自专业知识、既有证据或值得检测的最小效应。 显著性水平通常称为 alpha，用于控制原假设为真时可容忍的假阳性概率，常用值为 0.05。统计功效是指定效应确实存在时将其检出的概率。研究者通常以 0.80 或 0.90 的功效进行规划。提高功效、降低 alpha 或检测更小的效应，都会增加所需样本量，因为研究必须在更严格的证据要求下区分更弱的信号。 计算采用双侧正态近似。将对应 alpha 一半的标准正态临界值与目标功效对应的临界值相加，除以标准化效应量，再平方并向上取整。该模型适合单样本标准化均值检验的早期规划，也可作为相关设计的透明近似。两个独立组的研究通常需要根据分配比例和方差假设，对显示数量进行倍数调整后作为各组样本量，因此正式招募前应采用与设计相符的方法。 结果应视为统计学最低要求，而不是完整招募目标。应针对预期失访、缺失记录、聚类、重复测量、组间分配不均、多个主要结局或效应估计不确定性增加样本量。功效计算无法纠正抽样偏倚、测量质量差或分析模型不当。请在研究方案中记录每项假设，并考虑使用多个合理效应量进行敏感性计算，让相关人员了解不确定性如何改变实际样本需求。