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），实验研究中均值差的使用较多，具体包括单样本t检验、独立样本t检验、配对t检验、单样本z检验、Mann-whitey检验和配对符号秩和检验等，具体如下表格所述：

接着以独立样本t检验为例进行说明，其研究两组数据的均值差异，比如实验组和对照组的均值差异，那么预期（或者以往实验/以往文献）有着两组数据的平均值和标准差数据，并且基于预定好的alpha值和power值，此时样本量应该多少适合呢？也或者有着两组数据的平均值和标准差数据，基于设定好的alpha值和样本量，此时power水平如何呢?

即在SPSSAU中，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，并且研究为独立样本t检验，两组数据的平均值分别是0.5和0.6，标准差值分别是0.2和0.1，并且alpha值为默认的0.05，使用默认的双侧检验，共有两组数据，第2组样本量n2=100，并且第1组样本量除以第2样本量即n1/n2=1，那么第1组样本量也是100。即基于两组均为100样本量前提下，且两组数据的平均值和标准差确定前提下，alpha值确定下。那么此时的功效水平如何呢？‘错的说成错说’这一情况的概率是多少呢？最后点击开始分析，结果如下所示：

  

  计算结果显示，基于I类错误为0.05，两组数据样本量均为100，且两组数据的平均值和标准差值等均确定前提下，最终的功效Power值是0.994，即‘错的说成错的’即‘H0为假并且最终判断成假’这一情况的概率是99.4%，即对‘错的说成错的’这一情况有着很高的把握度。

• 2、关于分析样本量

  

  上图中目的在于计算样本量，并且研究为独立样本t检验，两组数据的平均值分别是0.5和0.6，标准差值分别是0.2和0.1。并且alpha值为默认的0.05，使用默认的双侧检验，Power为默认的0.8，即有80%的把握‘错的判断成错的’（也即‘错的说成对的’的概率是20%）。那么基于上述前提下，此时两组样本量应该多少较为适合，才具有科学性呢？两组样本量有个参数为‘样本量比值 n1/n2’，其默认为1即说明第1组和第2组的样本量一致，当然也可以设置为2，那意味着第1组的样本量是第2组样本量的2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具有科学判断性，此时第1组和第2组样本量均为41即可。

• 1、剖析

  • 涉及以下几个关键点，分别如下：

  • 均值差的意思是计算平均值的差异，在SPSSAU功效分析时，其共包括6项分别是单样本t检验、独立样本t检验、配对t检验、单样本z检验、Mann-whitey检验和配对符号秩和检验。具体应该选择哪个方法应该以实际研究为准即可。

• 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。