🎯 统计功效分析与样本量计算（t 检验 / 比例 / 相关 / 方差分析 / 卡方）Statistical Power Analysis & Sample Size Calculator
在实验设计阶段计算需要多少样本：支持独立样本 / 配对 / 单样本 t 检验、两比例比较、相关系数、单因素方差分析和卡方检验，可求所需样本量、给定样本量的检验效能（power）或最小可检测效应量，画出功效曲线并生成可写进论文方法部分的句子；基于非中心 t、F、卡方分布精确计算，结果与 G*Power、R pwr 包和 statsmodels 一致。Plan how many participants you need: independent, paired and one-sample t-tests, two proportions, correlation, one-way ANOVA and chi-square. Solve for sample size, power at a given n, or the minimum detectable effect, with a power curve and a methods sentence. Exact non-central t, F and chi-square calculations that match G*Power, R pwr and statsmodels.
计算与 G*Power、R pwr 包和 Python statsmodels 一致：t 检验使用非中心 t 分布，方差分析使用非中心 F，卡方使用非中心卡方；比例检验使用 Cohen's h 的正态近似；相关系数使用 Fisher z 近似。效应量参考（Cohen 1988）：d 0.2/0.5/0.8，h 0.2/0.5/0.8，r 0.1/0.3/0.5，f 0.1/0.25/0.4，w 0.1/0.3/0.5（小/中/大）。Matches G*Power, R pwr and Python statsmodels: non-central t for t-tests, non-central F for ANOVA, non-central chi-square for chi-square; proportions use the normal approximation with Cohen's h; correlation uses the Fisher z approximation. Conventions (Cohen 1988): d 0.2/0.5/0.8, h 0.2/0.5/0.8, r 0.1/0.3/0.5, f 0.1/0.25/0.4, w 0.1/0.3/0.5 (small/medium/large).
使用说明与常见问题How-to & FAQ
「统计功效分析与样本量计算（t 检验 / 比例 / 相关 / 方差分析 / 卡方）」是什么？What is the Statistical Power Analysis & Sample Size Calculator?
在实验设计阶段计算需要多少样本：支持独立样本 / 配对 / 单样本 t 检验、两比例比较、相关系数、单因素方差分析和卡方检验，可求所需样本量、给定样本量的检验效能（power）或最小可检测效应量，画出功效曲线并生成可写进论文方法部分的句子；基于非中心 t、F、卡方分布精确计算，结果与 G*Power、R pwr 包和 statsmodels 一致。Plan how many participants you need: independent, paired and one-sample t-tests, two proportions, correlation, one-way ANOVA and chi-square. Solve for sample size, power at a given n, or the minimum detectable effect, with a power curve and a methods sentence. Exact non-central t, F and chi-square calculations that match G*Power, R pwr and statsmodels.
如何使用「统计功效分析与样本量计算（t 检验 / 比例 / 相关 / 方差分析 / 卡方）」？How do I use the Statistical Power Analysis & Sample Size Calculator?
先选择检验类型和要求解的量（样本量 / 功效 / 效应量），再填写效应量（Cohen d、f、w、r 或两组比例）、显著性水平 α（常用 0.05）和目标功效（常用 0.80 或 0.90）。上方直接给出答案，下方是功效曲线和可以复制的方法部分描述。Pick the test and what to solve for (n, power or effect), then enter the effect size (Cohen d, f, w, r or two proportions), α (usually 0.05) and target power (0.80 or 0.90). The answer appears on top, with a power curve and a copyable methods sentence below.
效应量不知道填多少怎么办？What effect size should I use?
最好依据前人研究或预实验的结果；没有依据时可参考 Cohen 的约定：d = 0.2 / 0.5 / 0.8，f = 0.10 / 0.25 / 0.40，w = 0.1 / 0.3 / 0.5，r = 0.1 / 0.3 / 0.5 分别为小、中、大效应。审稿人通常希望看到效应量的来源。Base it on prior studies or a pilot. Without one, Cohen’s conventions are d = 0.2/0.5/0.8, f = 0.10/0.25/0.40, w = 0.1/0.3/0.5 and r = 0.1/0.3/0.5 for small/medium/large. Reviewers usually want the source of the effect size.
结果和 G*Power 一致吗？Does it match G*Power?
一致。t 检验和方差分析使用非中心 t / F 分布，卡方使用非中心卡方分布，比例检验使用 Cohen h 的正态近似（与 R pwr.2p.test 相同），相关系数使用 Fisher z 近似（与 pwr.r.test 相同）；已与 statsmodels 和 scipy 逐项核对。Yes. t-tests and ANOVA use the non-central t/F distributions, chi-square uses the non-central chi-square, proportions use Cohen’s h normal approximation (as R pwr.2p.test) and correlation uses the Fisher z approximation (as pwr.r.test); all were cross-checked against statsmodels and scipy.
功效 0.8 是什么意思？What does power 0.8 mean?
如果真实效应确实等于你设定的大小，研究有 80% 的概率得到显著结果；反过来说，有 20% 的概率漏掉这个效应（II 类错误）。临床试验常要求 0.9。If the true effect equals the size you assumed, the study has an 80% chance of a significant result — and a 20% chance of missing it (type II error). Clinical trials often require 0.9.
「统计功效分析与样本量计算（t 检验 / 比例 / 相关 / 方差分析 / 卡方）」免费吗？文件会上传吗？Is the Statistical Power Analysis & Sample Size Calculator free? Are my files uploaded?
「统计功效分析与样本量计算（t 检验 / 比例 / 相关 / 方差分析 / 卡方）」完全免费，无需注册。你输入的内容只在本机浏览器里处理（并保存在本机方便下次继续），不会上传到任何服务器，适合处理未发表的论文和数据。The Statistical Power Analysis & Sample Size Calculator is free with no sign-up. Everything you enter is processed in this browser only (and kept locally so you can continue later); nothing is uploaded, so it is safe for unpublished papers and data.