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），如果是涉及相关系数计算时，SPSSAU共提供两种情况时的Power功效分析，具体如下表格所述：

比如研究某1个相关系数与预期(或已知)的相关系数差异，那么使用‘单系数相关’，如果是研究两个相关系数的差异，那么可使用‘两个系数相关’。

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‘两个系数相关’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，并且研究两个相关系数的差异，两个相关系数分别是0.5和0.4，此处两个相关系数分别基于多少样本量得到呢，第2个相关系数是基于100个样本得到，且n1/n2这个参数值为1，也即说明n1和n2相等，即第1个相关系数也是基于100个样本计算得到。另alpha值为0.05，最终结果如下所示：

  

  计算结果显示，基于I类错误为0.05，2个相关系数都是基于100个样本量得到，在此前提下，计算得到的Power值为0.141，即‘错的说成错的’这种情况的概率是14.1%非常低。简单来说，H0为两个相关系数相等，H1是两个相关系数不相等；那么在当前数据和参数前提下，‘错的说成错的’即‘H0为假即两个系数不相等’检验出来结论还是‘两个系数不相等’的把握度仅为14.1%。通常此种情况需要更多的样本量，才能达到更高的power值，即有更多样本量此研究才更具有科学性。

• 2、关于分析样本量

  

  上图中目的在于计算样本量，研究基于alpha值为0.05，并且两个相关系数分别是0.5和0.4，且Power值为0.8，且两组数据的样本量相等（n1/n2=1，当然该参数可设置为比如3，即得出来的样本量时n1是n2的3倍）。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（两个相关系数）具有科学判断性，此时需要2组相关系数计算时需要的样本量均为997.175，向上取整为998。即需要有998个样本的前提时，该研究才能具有0.8的功效能力。

• 1、剖析

  • 涉及以下几个关键点，分别如下：

  • SPSSAU中进行相关系数的Power功效分析时，此处一般是指pearson相关系数，但在实际应用中，比如spearman相关系数也较多完全一致性使用。

• 2、疑难解惑

  • 如何理解alpha值和power值？

  • I型错误研究‘对的说成错的’的概率，一般最大取0.05，那么此0.05即为alpha值即显著性水平值。II型错误研究‘错的说成对的’的概率，一般最大取0.2，那么此0.2即为beta值，那么Power值=1-beta值即0.8，其则表示为‘错的说成错的’的概率。

  • 更多关于Power功效的原理，可具体参考‘Power原理’帮助手册。