計算統計功效
據我了解，為了進行功效分析，我需要了解我提議的研究的至少三個方面（四個方面），即：
- 測試類型 - 我打算使用 Pearson’s r 和 ANCOVA/Regression - GLM
- 顯著性水平 (alpha) - 我打算使用 0.05
- 預期效果大小 - 我打算使用中等效果大小（0.5）
- 樣本量
誰能推荐一個好的在線功率計算器，我可以用它來進行先驗功率計算。（SPSS可以做先驗功率計算嗎？）
我遇到過 GPower，但我正在尋找一個更簡單的工具！
恐怕這不是你想听到的答案，但我還是要說：盡量抵制在線計算器的誘惑（在購買專有計算器之前節省你的錢）。
以下是其中的一些原因： 1) 在線計算器都使用不同的符號並且通常記錄不充分。這是浪費你的時間。2) SPSS 確實提供了一個功率計算器，但我什至從未嘗試過它，因為它對我的部門來說太貴了！3）像“中等效果大小”這樣的短語充其量是誤導性的，最壞的情況是對於除了最簡單的研究設計之外的所有內容都是完全錯誤的。有太多的參數和太多的相互作用，無法將效果大小提取到 [0,1] 中的單個數字。即使你可以把它放在一個數字中，也不能保證科恩的 0.5 對應於問題上下文中的“中等”。
相信我 - 從長遠來看，最好咬緊牙關，自學如何使用模擬來為自己謀福利（以及為您諮詢的人謀福利）。與他們坐下並完成以下步驟：
1）決定一個適合問題上下文的模型（聽起來你已經在這部分工作了）。
與他們協商以確定空參數應該是什麼，控制組的行為，無論這在問題的上下文中意味著什麼。
與他們協商以確定參數應該是什麼，以使差異具有實際意義。如果存在樣本量限制，則也應在此處確定。
4）根據2）和3）中的兩個模型模擬數據，並運行你的測試。您可以使用大量軟件來做到這一點 - 選擇您最喜歡的並繼續努力。看看你有沒有拒絕。
- 重複 4) 數千次，比如說，. 記錄你拒絕了多少次，以及樣本比例拒絕次數是對功率的估計。這個估計值大約有標準誤差.
如果您以這種方式進行功率分析，您會發現以下幾點：A) 運行的參數比您預期的要多得多。它會讓你想知道世界上怎麼可能將它們全部折疊成一個像“中等”這樣的數字——你會發現這是不可能的，至少不是以任何直接的方式。B）您的功率將比許多其他計算器宣傳的要小得多。C）您可以通過增加樣本量來增加功效，但要小心！您可能會發現，為了檢測“實際上有意義”的差異，您需要一個非常大的樣本量。
如果您在上述任何步驟中遇到問題，您可以收集您的想法，為 CrossValidated 精心設計一個問題，這裡的人會幫助您。
**編輯：**如果您發現您絕對必須使用在線計算器，我發現最好的一個是Russ Lenth 的 Power and Sample Size page。它已經存在了很長時間，它具有相對完整的文檔，它不依賴於預設效果大小，並且具有指向其他相關且重要的論文的鏈接。
另一個編輯： 巧合的是，當這個問題出現時，我正在寫一篇博客文章來充實其中的一些想法（否則，我可能不會這麼快回答）。無論如何，我上週末完成了，你可以在這裡找到它。它不是用 SPSS 編寫的，但我敢打賭，如果一個人很聰明，他們可能能夠將其中的一部分翻譯成 SPSS 語法。