效能检验(power analysis)

简介

在备择假设为真的情况下，统计效能为达到统计显著性的可能性大小。换句话说，统计效能指在给定样本量和效应量(相关性大小，差异性大小)的条件下获得小于0.005(0.001)的P值的可能性大小。一般来说，当样本量越小时，统计效应量应该越大才能达到统计显著性。

上述四个变量具有很强的相互关系，已知其中三个就可求得的另一个：

• 样本量大小

• 效能大小

• 显著性水平(P of Type I error)：原假设是正确的，却拒绝了原假设，即拒绝原假设时犯错误的概率。

• 效能(1 - P of Type II error)：原假设是错误的，却没有拒绝原假设，即接受原假设时犯错的概率。

R语言中的效能分析

pwr包Stéphane Champely写的关于效能分析的包，通过[github]{https://github.com/heliosdrm/pwr}或者Statistical Power Analysis for the Behavioral Sciences (2nd Edition) by Jacob Cohen获得更多信息。

主要函数

stats包也有常用的基础效能分析函数，power()、power.t.test()、power.prop.test()、power.anova.test()。

应用函数

主要参考：https://www.statmethods.net/stats/power.html