功效

功效 (Power)

功效（Power），在统计学中，特指在假设检验的框架下，当备择假设$H_1$实际上为真时，我们能够正确地拒绝原假设$H_0$的概率。换言之，功效衡量了一个统计检验侦测到一个真实存在之效应、差异或关系的能力。功效通常用$1 - \beta$表示，其中$\beta$是II类错误的概率。数学上功效定义为：

一个低功效的统计检验就像一个不灵敏的诊断工具。即使效应真实存在，这个检验也很可能无法侦测到它，从而得出"无显著差异"的错误结论。这不仅可能导致有价值的发现被忽略，还会造成研究资源的浪费。因此，在设计实验或研究时，确保检验具有足够高的功效是至关重要的。

影响功效的四大要素

统计功效主要受以下四个相互关联的因素影响。

效应量（Effect Size）。效应量是指总体中存在的效应、差异或关系的真实幅度。效应量越大，该效应就越容易被侦测到，从而使得统计检验的功效越高。一个微小、不易察觉的效应需要一个非常高功效的检验才能被侦测到。

样本量。在其他条件不变的情况下，样本量越大，功效越高。这是因为更大的样本能提供更多关于总体的信息，从而减少了抽样误差，使得样本统计量能更精确地估计总体参数。这种精确性的提高，使得在真实效应存在时我们更容易将其与随机波动区分开来。

显著性水平$\alpha$。显著性水平是我们愿意承担的I类错误的风险上限，通常设定为0.05或0.01。在其他条件不变的情况下，一个更宽松（更大）的$\alpha$值会使拒绝$H_0$变得更容易，从而提高功效。然而，这样做是以增加犯I类错误的风险为代价的。因此，在$\alpha$和$\beta$之间存在一种权衡关系。

检验的统计特性。如果研究者对效应的方向有明确的先验预期，使用单尾检验会比双尾检验具有更高的功效，因为拒绝域完全集中在分布的一侧。当数据满足正态分布等假设时，参数检验（如t检验）通常比非参数检验具有更高的功效。

功效分析及其应用

功效分析是在研究设计、执行和解释阶段，围绕上述四个要素进行的定量分析。主要包括以下类型：

事前功效分析（A Priori Power Analysis）是功效分析最重要和最常见的应用，于数据收集之前进行。其目的是为了计算出在给定的$\alpha$、预期的效应量和期望的功效水平下，研究需要达到的最小样本量。例如，一个研究者希望有80\%的把握（功效 = 0.80）能够检测到一个中等大小的效应（如科恩的d = 0.5），并在$\alpha = 0.05$的显著性水平下进行双尾t检验。通过事前功效分析，可以计算出每组需要招募的被试数量，从而确保研究不会因为样本量不足而导致功效过低。

事后功效分析（Post Hoc Power Analysis）于数据收集之后进行，通常在研究结果不显著时使用。它利用研究中实际获得的样本量、$\alpha$水平和观察到的效应量来计算该研究的"事后功效"。然而，这种做法在统计学界存在很大争议。批评者认为，对于一个不显著的结果，事后功效并不能提供比p值或置信区间更多的信息。目前的主流观点更推荐报告效应量的置信区间，它可以展示估计值的精确度以及可能包含零效应。

实践中的标准与考量

在社会科学、医学和行为科学等领域，一个被广泛接受的最低功效标准是80\%（即$1 - \beta = 0.80$）。这意味着研究者接受有20\%的概率会错过一个真实存在的效应（犯II类错误）。这个80\%的标准并非绝对，它源于一种惯例，即认为I类错误（假阳性）的后果比II类错误（假阴性）更严重。因此人们愿意将$\alpha$控制在一个很低的水平（如0.05），而接受一个相对较高的$\beta$（0.20）。这种1:4的风险比率由统计学家雅各布·科恩推广，并成为一种学术惯例。

然而在某些情况下，研究者可能需要更高的功效。例如，在一项评估某种潜在救命药物有效性的临床试验中，错失一个真实的疗效可能会导致灾难性的公共卫生后果。在这种情况下，将目标功效设定为90\%或95\%会是更负责任的选择。