统计 / 研究设计
统计功效计算器（t检验样本量）
规划两组比较：对于双侧或单侧检验，计算检测给定大小效应所需的每组样本量，或计算给定每组样本量时研究设计的统计功效。
统计功效计算器（t检验样本量）: 统计功效是指：当真实差异为d个标准差时，比较两个相等组的t检验得到p<α的概率。该工具利用非中心t分布的形状，逐步增加每组样本量，直到统计功效达到目标；结果与statsmodels一致：在统计功效为80%、α=0.05时，d=0.5需要每组64个样本，d=0.3需要176个，d=0.2需要394个。 完全在浏览器中本地运行，文件不会上传到服务器。
- 类别
- 学习工具
- 使用次数
- 在浏览器中
- 费用
- 免费·无需注册
- 可用性
- 可直接使用
完全在浏览器中运行
用于比较两个组的平均值，采用独立t检验。统计功效是指真实效应达到所输入大小时发现显著结果的概率；通常目标为80%。效应越小，所需人数就越多：在α=0.05时，d=0.5要达到80%的统计功效，每组需要64人；d=0.2则需要394人。该计算紧密遵循非中心t分布，在典型情况下与专用统计功效软件的结果相差不超过1人。
统计功效不足的研究
每组30人时，d = 0.5的中等效应量在α = 0.05下只有约48%的概率被检测出来：真实效应被漏掉的情况反而更多。
如需根据先导研究的均值和SD估算d，请使用效应量计算器。
使用调查而非实验
如果目标是在误差范围内估计比例，而不是比较组别，请改用样本量计算器。
记得为退出者预留余量：如果预计有10%的人退出，请将样本量除以0.9。
使用方法
- 输入希望检测的效应量，以Cohen's d表示，并输入显著性水平。
- 选择“所需样本量”并输入统计功效，或选择“研究设计的统计功效”并输入每组样本量。
- 查看每组及总样本量，或查看统计功效和漏检效应的概率。
隐私与限制
所有计算都在你的浏览器中完成。
相关工具
常见问题
应该按什么效应量进行规划？
应选择实践中具有实际意义的最小差异，或参考早期研究中的估计值；如果按大效应进行规划，实际却只发现小效应，研究的统计功效就会不足。
为什么使用80%的统计功效？
这是常见的惯例：对于计划检测大小的真实效应，漏检概率为五分之一。如今许多领域使用90%的统计功效。
它适用于其他检验吗？
本工具用于比较两个相互独立的均值；配对设计、比例和ANOVA需要使用各自的公式。
免费工具·使用在浏览器中次·无需账户