检验功效

检验功效 (Power of a Test)

检验功效 (Power of a Test)，简称功效，是假设检验中的一个核心概念，定义为当对立假设 $H_1$ 为真时正确拒绝零假设 $H_0$ 的概率。换言之，检验功效衡量的是一个统计检验成功侦测到真实存在效应的能力，它是频率学派统计推断中评价检验性能的核心指标。

在假设检验的框架中，研究者面临两类错误。第一类错误（显著性水平 $\alpha$）是错误拒绝真实零假设的概率，即"弃真"错误；第二类错误（$\beta$）是未能拒绝错误零假设的概率，即"纳伪"错误。检验功效与第二类错误直接相关：

功效函数 $\pi(\theta) = P(\text{拒绝 } H_0 \mid \theta)$ 将参数 $\theta$ 映射到拒绝概率上，刻画了检验在不同参数值下的性能表现。当 $\theta \in H_0$ 时，$\pi(\theta) \leq \alpha$；当 $\theta \in H_1$ 时，$\pi(\theta)$ 越大越好。高功效的检验（通常追求 80\% 或以上）意味着当效应确实存在时，研究有充足把握将其识别出来；而低功效的检验则很可能遗漏真实效应，导致错误的阴性结论。Neyman-Pearson引理指出，在简单假设检验中，似然比检验在所有给定 $\alpha$ 水平的检验中具有最大的功效，为最优检验的构造提供了理论依据。

检验功效的重要性

检验功效在科学研究的全过程中具有关键作用。

在研究设计阶段，事前功效分析可帮助研究者确定所需的样本量，确保在给定效应量和显著性水平下达到理想的功效水平，避免因样本量不足导致研究失效。例如，在一项新药临床试验中，若预期效应量为中等（Cohen's d = 0.5），设定 $\alpha = 0.05$、功效为 0.80，则每组约需 64 名受试者；若功效提升至 0.90，则每组约需 86 名受试者。

在结果解释阶段，当研究未能拒绝零假设时，检验功效的高低直接决定了结论的可信度。低功效下的不显著结果仅反映检验灵敏度不足，不能作为"无效应"的证据——效应可能真实存在，但样本不足以将其检测出来。而高功效下的不显著结果则为"无效应"提供了较强的支持，因为若效应确实存在，高功效的检验本应能够将其识别。Cohen's d 和效应量的置信区间常与功效分析配合使用，以更全面地评估研究结果的含义。

在研究伦理方面，尤其在医学和临床试验中，让受试者参与一项因样本量过小而注定功效低下的实验被认为是不道德的——受试者承担了潜在风险，而研究却因设计缺陷无法得出可靠结论。功效分析确保了研究有合理的成功概率，是研究伦理审查中的必要环节。样本量规划也因此成为高质量研究设计的基础性工作。

影响检验功效的因素

检验功效受五个核心因素的共同影响，理解这些因素及其相互关系是进行功效分析的前提。

效应量是衡量变量间关系强度或差异大小的标准化指标，不依赖于测量单位。常见的效应量指标包括 Cohen's d（两均值之差除以合并标准差）、Pearson相关系数 $r$ 以及Cohen's f（方差分析中的效应量）。效应量越大，信号越强，检验功效越高。在荟萃分析中，效应量的标准化使得不同研究的结果可进行比较和合并。

样本量增大可减少抽样误差，使样本统计量更精确地逼近总体参数，是研究者最常用来提高功效的手段。由中心极限定理可知，样本均值的标准误为 $\sigma / \sqrt{n}$，样本量每增加至四倍，标准误减半，检验灵敏度随之提升。

显著性水平 $\alpha$ 越高，拒绝 $H_0$ 的门槛越宽松，功效越高，但此权衡以增加第一类错误风险为代价。$\alpha$ 和 $\beta$ 之间存在根本性权衡：在样本量固定时，降低一类错误必然导致另一类错误上升。研究者需根据两类错误的相对成本来合理设定 $\alpha$，例如在药物安全性检验中应采用更严格的 $\alpha$，而在探索性研究中可适当放宽。

数据的变异性（以标准差或方差衡量）越小，背景噪声越弱，检验功效越高。研究者可通过使用更精确的测量工具、选择更同质化的样本、采用配对设计或区组设计等实验设计手段来降低变异性。配对t检验通过将每个观测作为自身的对照消除个体间异质性，通常在相关数据下比独立样本t检验具有更高功效。

此外，检验的选择也影响功效。在效应方向有充分理论依据时，单尾检验将全部 $\alpha$ 集中于一个尾部，比双尾检验具有更高功效——但若实际效应方向与预期相反，则几乎无法被检测到。当参数检验的假设（如正态性、方差齐性）满足时，参数检验（如t检验）通常比相应的非参数检验（如曼-惠特尼U检验）功效更高；但在假设不满足时，非参数检验更为稳健。参数检验与非参数检验的渐近相对效率定量刻画了这一差异——在正态分布下，曼-惠特尼U检验对t检验的渐近相对效率约为 $3/\pi \approx 0.955$。

功效分析

功效分析是探究功效、样本量、效应量与显著性水平之间关系的统计方法，已知其中三个量可计算出第四个量。先验功效分析在研究开始前进行，研究者设定期望的功效（社会科学和医学研究中通常设定为 0.80）、显著性水平（通常为 0.05）和预估效应量（基于前期研究、领域知识或最小可检测效应量），计算出所需的最小样本量，是确保研究可行性和研究伦理合规的关键步骤。后验功效分析在研究结束后进行，用于计算在给定样本量和观测到的效应量下实际达到的功效，但其应用存在较大争议——许多统计学家指出，当研究结果不显著时，后验功效必然很低，提供的信息有限，此时报告围绕效应量估计的置信区间更有价值。样本量规划因此成为功效分析中最具实践意义的方向。

检验功效的局限与常见误区

检验功效分析在实践中存在若干常见误区。其一，研究者可能误将事后观测到的效应量作为先验功效分析的输入，导致功效估计被过度放大或缩小——正确的做法应基于独立的前期研究或领域共识来预估效应量。其二，"功效分析仅需在显著性水平为 0.05 时追求 0.80 的功效"这一经验规则被机械套用，而未考虑研究的具体情境和两类错误的相对成本——在探索性研究中，适当放宽 $\alpha$ 而控制 $\beta$ 可能更为合理。其三，多重检验场景下的功效问题常被忽略：当同时进行多项检验时，若不进行校正，整体族系错误率膨胀，但若过于严格地校正（如Bonferroni校正），则单个检验的功效大幅下降。错误发现率控制方法（如Benjamini-Hochberg过程）在此类场景中提供了更精细的权衡。其四，检验功效不足本身就是一个值得警惕的研究质量指标——大量研究表明，许多已发表研究因样本量不足而功效偏低，这不仅浪费研究资源，还可能导致效应量被系统性高估（即"获胜者的诅咒"或发表偏倚）。因此，严谨的事前功效分析是保障统计推断可靠性的基础性步骤。