Power功效分析之方差原理及案例教程

Power功效分析常用于实验研究时样本量的计算（或功效值计算），实验研究中进行方差分析的情况较多，在SPSSAU中单独将方差放成一个计算Power的方法，其具体包括单因素方差/双因素方差和多因素方差，具体如下表格所述：

无论是单因素/双因素或者三因素方差，均可加入协变量个数这一参数信息，默认没有协变量即为0个协变量。除此之外，其还需要提供效应量参数值即偏Eta方(Partial η2) ，偏Eta方=组间差SSB/总离差SST，在SPSSAU中，如果是单因素方差默认有输出偏Eta方(Partial η2)，如果是双因素方差和三因素方差，此时需要选中‘效应量’参数才会输出该指标值。

SPSSAU进行功效分析时，共包括两项功能，分别是计算样本量和计算功效Power值，具体涉及到Power功效原理，可查阅‘Power原理’内容。接下来以‘单因素方差’为例具体讲解操作，如下所述：

1、关于分析Power值

上图中目的在于计算Power值，并且研究为单因素方差，无协变量（协变量个数为0），并且效应量指标偏Eta方值为0.2，单因素方差的自变量X有3个水平，此时基于样本量为50时，想了解对应的Power值是多少，即此时‘错的说成错的’这种情况的概率是多少，结果如下所示：

计算结果显示，基于I类错误为0.05，样本量为50的单因素方差(不带协变量)，则效应量指标偏Eta方值为0.2前提时，计算得到的Power值为0.875，即‘错的说成错的’这种情况的概率是87.5%>常见默认标准80%，因而意味着当前研究具有较高科学性。与此同时，SPSSAU还输出样本量和Power的关系示意图，可通过该图直观查看样本量与Power之间的关系情况，如下：

上图中横坐标是样本量，纵坐标是Power值，明显地可以看到，随着样本量的增加，Power值也会增加。这是二者默认的逻辑关系。从图中还可看到，当样本量为59.56223向上取整为60时，此时的Power水平为0.93。

2、关于分析样本量

上图中目的在于计算样本量，并且研究为单因素方差，基于显著性水平alpha值为0.05，效应量偏Eta方值为0.2，并且单因素方差时没有协变量（即协变量个数为0），与此同时，单因素方差时X对于Y的差异，X是定类数据且有3个水平（比如低/中/高），基于Power值为0.8水平时，此时应该多少样本量才能达到一种科学性平衡呢。最后点击开始分析即可，结果如下:

计算结果显示，基于I类错误为0.05，II类错误为0.2，Power值为0.8前提下，要想达到上述研究的差异具有科学判断性，此时需要研究样本量为41.686个，向上取整后为42个样本。除此之外，SPSSAU还输入功效与样本量的关系示意图，如下：

上图展示Power和样本量的关系，横坐标是Power值，纵坐标是样本量，明显的二者关系是递增关系，从图中可以看到比如当Power值为0.91时，此时需要样本量为55.48即56个。研究者可通过该图示查看和了解，研究需要的Power信息前提下需要多少对应的样本量。