基于R的统计功效计算-t检验

功效分析
此为宫廷土豆的《R语言实战》第十章功效分析学习笔记。

为什么做功效分析呢？ 在做与人相关或样本量相关的实验之前，我们需要首先思考我们需要多少样本，才能在统计上检验出实验的结果；或者，对于已经做好的实验，在报告实验结果时，需要证明样本量足够。这些问题需要我们通过功效分析power analysis来解决，使用pwr包实现功效分析。

功效分析的对象
心理学研究中通常使用的统计分析例如t检验、方差分析、卡方检验、相关系数、线性模型等，都是功效分析的对象。对于不同的分析，其函数略有差异，但基本都包括四个数据：样本大小、显著性水平、功效和效应值。四个量中，效应值最难规定，计算效应值通常需要一些相关估计的经验和对过去研究知识的理解。

t检验
pwr.t.test()函数提供了许多有用的功效分析选项，格式为： pwr.t.test(n=, d=, sig.level=, power=, type=, alternative=)。其中n为样本大小，d为效应值，即标准化的均值之差。sig.level为限制性水平，默认为0.05，power为功效水平，type为检验类型:“two.sample”-默认，“one.sample”,“paired”。alternative指统计检验是双侧检验“two.sided”还是单侧检验“less”or“greater”。

library(pwr)

1.已知power大小，计算所需被试人数
以使用手机与驾驶反应时间的实验为例，使用双尾t检验比较使用和不使用手机两种情况下驾驶员的反应时间均值。根据过去的经验，我们知道反应