R语言统计分析——功效分析1（总述）-CSDN博客

本文链接：https://blog.csdn.net/maizeman126/article/details/142023390

参考资料：R语言实战【第2版】

功效分析可以帮助在给定置信度的情况下，判断检测到给定效应值时所需要的样本量。功效分析也可以帮助我们在给定置信水平下，计算在在某样本量内能检测到给定效应值得概率。

在研究过程中，我们通常关注四个量：样本大小、显著性水平、功效和效应值，这四个量紧密相关（给定其中任意三个量，便可推算出第四个量）：

样本大小：指的是实验设计中每种条件/组中观测的数目。

显著性水平（也成为α）由Ⅰ型错误的概率定义，也可以把它看作发现效应不发生的概率。

功效：通过1减去Ⅱ型错误来定义，我们可以把它看作真实效应发生的概率。

效应值：指的是在备择或研究假设下效应的量。效应值得表达式依赖于假设检验中使用的统计方法。

Ⅰ型错误：原假设为真，但拒绝原假设。

Ⅱ型错误：原假设为假，但不拒绝原假设。

虽然我们可以直接控制样本量的大小和显著性水平，但对于功效和效应值得影响却是间接的。如：放宽显著性水平时，检验的功效变会增加；增加样本量，功效也会增加。

通常来说，研究目标是维持一个可接受的显著性水平，尽量使用较少的样本，然后最大化统计检验的功效。即最大化发现真实效应的几率，并最小化发现错误效应的几率，同时把研究成本控制在合理的范围内。

pwr包可以实现功效分析，常用函数见下表，对于每个函数，我们可以设定四个量（样本大小，显著性水平，功效，效应值）中的三个量，第四个量将由软件计算出来。