1 检验功效的基本概念
1.1 功效的定义与直观含义
在假设检验中，功效（power）刻画的是：当总体真实参数确实不同于原假设（原假设为假）时，统计检验能够正确拒绝原假设的概率。换言之，它衡量检验对“真实存在的效应/差异”的敏感程度。功效越高，在相同研究条件下越不容易出现漏检。
直观理解上，功效并不讨论“样本里看起来很显著”本身，而是讨论“在效应真实存在的前提下，检验能有多大概率把它抓出来”。因此，它是检验性能的一种概率性度量。
1.2 与 II 类错误（漏检）的关系
II 类错误（Type II error）发生在原假设真实为假但检验却未能拒绝原假设。若记功效为 \( \text{Power} \)，则常用关系为： \[ \text{Power} = 1 - \beta \] 其中 \( \beta \) 表示在备择假设为真时的 II 类错误概率。由此可见，功效提高等价于 II 类错误概率降低，检验更不容易把真实差异“放过”。
1.3 与 I 类错误（误报）的互补关系
I 类错误（Type I error）表示原假设为真却被错误拒绝。其对应的显著性水平通常记为 \( \alpha \)，即： \[ \alpha = P(\text{拒绝 } H_0 \mid H_0 \text{ 为真}) \] 功效与 \( \alpha \) 共同决定检验的整体表现：\( \alpha \) 控制误报风险，功效控制漏检风险。二者并非简单“越大越好”，而是存在权衡：提高检验灵敏度往往会改变决策阈值，从而影响误报概率。
1.4 功效与显著性水平的并列框架
在标准假设检验框架中，功效分析与显著性水平常并列出现：前者关注在指定效应存在时的成功概率，后者关注在原假设成立时的错误拒绝概率。二者一起构成设计检验的基本约束：一方面要避免过多误报，另一方面也希望在真实存在的情况下有足够的检出能力。
2 数学表述与常见写法
2.1 功效函数（power function）
功效函数描述“随着真实参数变化，检验拒绝原假设的概率如何变化”。设备择场景可由参数 \( \theta \) 表示，则功效函数可写为： \[ \pi(\theta) = P_{\theta}(\text{拒绝 } H_0) \] 其中 \( P_{\theta} \) 表示在真实参数为 \( \theta \) 的概率度量下。功效函数通常在参数空间上变化：接近原假设时功效往往较低，而偏离原假设越多时功效通常上升。
2.2 固定备择与最小功效的差异
实践中常区分两种表达方式。其一是“在某个具体备择参数值下的功效”，即评估检验对特定效应大小的检出概率。其二是“最小功效”（minimax 或 worst-case 风格），即在备择参数落在某一区间内时，关注最低的检出能力。后者更偏向稳健性，避免出现“某些偏离能检出，某些偏离却几乎检不出”的尴尬。
2.3 在不同检验统计量下的表达思路
功效的核心是“拒绝域”与“统计量分布”。检验通常可写为：计算检验统计量 \(T\)，若 \(T\) 落在拒绝域则拒绝 \(H_0\)。那么功效可通过分布计算： \[ \pi(\theta) = P_{\theta}(T \in \text{拒绝域}) \] 不同检验对应不同的 \(T\)、拒绝域与分布族（例如 t 分布、F 分布、卡方分布或其近似）。因此在表述上常围绕“统计量—拒绝域—分布”展开。
2.4 单侧与双侧检验对功效的影响
单侧检验只在一个方向上拒绝原假设；双侧检验在两个方向都可能拒绝。由于双侧检验的拒绝域通常更分散，面对特定效应方向时，功效可能与单侧检验不同。一般而言，在效应方向与备择匹配的前提下，单侧检验常能提供更高的功效（相同 \( \alpha \) 下），但代价是其假设解释更受限制：它隐含了“只关心某一方向”的科学含义。
3 功效的决定因素
3.1 效应大小（effect size）
效应大小刻画“真实差异/效应究竟有多大”。在噪声一定、决策规则一定的情况下，效应越大，样本统计量越容易朝拒绝域移动，从而功效越高。相反，当效应很小，检验统计量在抽样波动下难以稳定落入拒绝域，功效会显著下降。
3.2 样本量与抽样机制
样本量增加通常带来更精确的估计与更窄的抽样波动，因此更容易区分原假设与备择。对于许多常见模型，功效会随着 \(N\) 增长而提高，并在一定区间内呈现相对平滑的“上升趋势”。在复杂数据生成机制下，抽样方式（随机化、分层、集群等）也会通过方差与相关结构影响功效。
3.3 方差/噪声水平与协方差结构
噪声越大或波动越强，统计量的随机波动就越大，检验更不容易稳定地表现出真实效应。若存在协方差结构（例如重复测量的相关性、时间序列相关性、空间相关性），有效信息量会发生变化，进而影响功效。简单说，同样的样本量在不同方差结构下可能对应不同的“可检测能力”。
3.4 显著性水平 α 的设定
显著性水平 \( \alpha \) 决定拒绝域的位置。提高 \( \alpha \) 通常会扩大拒绝域，使得功效上升，但同时增加误报风险。选择 \( \alpha \) 实际上是对“错判成本”的一种建模：在不同研究领域，误报与漏检的代价权衡并不相同。
3.5 分布假设与模型正确性
功效的计算依赖于分布假设与模型形式。如果模型设定偏离真实数据生成机制（例如方差异质、重尾分布、独立性不成立），则名义上的功效可能与实际不符。此时可通过稳健方法、替代分布、或仿真校准来改进功效评估的可靠性。
4 功效分析（Power analysis）
4.1 事前功效分析的目的
功效分析用于在实验或研究开始前评估：在给定显著性水平、样本量与预期效应（或效应范围）下，检验能达到的成功概率。其主要目的包括：
- 避免“样本太小导致的必然漏检”
- 在资源有限时确定合理的样本量或设计参数
- 明确研究能否回答特定科学问题，而不仅是得到若干统计结果
4.2 样本量估算：从功效反推 N
常见流程是设定目标功效（例如希望在某个效应大小下功效达到某个阈值），再求满足条件的最小样本量。形式上通常通过解析近似或数值求解实现。由于真实方差、效应大小与分布形态可能存在不确定性，实际研究中常用区间设定与敏感性分析：即考察功效对关键假设变动的耐受程度。
4.3 选择效应大小：如何设定“可检测目标”
功效分析必须指定“你想检出的效应大小”。这个选择应来自先验知识、历史数据、领域标准或实际可行的最小有效差异。若只选择过于乐观的效应值，得到的样本量可能不足以支撑现实问题；若选择过小的效应值，样本量可能变得不可承受。因而常用的做法是设定“可接受的效果范围”，并评估不同目标下的功效表现。
4.4 多种检验方案下的比较
不同统计检验在同一研究问题下可能呈现不同功效。比较时通常保持显著性水平一致或明确其对应关系，然后用同一套效应定义与方差假设评估各方案。还可比较稳健版本（例如异方差稳健检验）、参数化与非参数替代、以及是否进行配对设计等，从而选择在目标条件下更合适的方案。
4.5 计算工具与数值求解（仿真/近似）
功效分析常需计算复杂分布下的拒绝概率，常用方法包括：
在工程化研究中，仿真往往更灵活，能容纳复杂方差结构、缺失机制或非理想分布。
5 常见统计检验中的功效
5.1 均值检验（t 检验）的功效
针对均值差异的检验中，功效与效应大小（均值差相对标准差的量）、样本量以及所用方差估计方式有关。在两样本场景下，组间样本量分配也会影响结果：在总样本量固定时，如何分配到各组会改变估计精度，从而改变功效。
5.2 比例检验的功效特征
比例检验（例如比较两组事件率）中，功效通常受基线比例、目标比例差、以及计数数据波动影响。事件率接近 0 或 1 时，离散性更强，近似方法适用性需要留意。使用合适的检验或基于计数分布的近似/仿真，有助于更准确评估功效。
5.3 方差分析（ANOVA）与功效
ANOVA 的功效与组数、组内方差、组间差异（通常可用效应大小度量）相关。实验设计如是否平衡（各组样本量是否相近）会影响方差估计与检验统计量的分布稳定性。一般而言，增加每组样本量或扩大组间差异会提高功效。
5.4 相关与回归：检验系数的功效
在回归分析中，关注的是某个系数是否显著不为零。功效与解释变量的分布、样本量、误差方差以及多重共线性相关。共线性增强会削弱对单个系数的可辨识性，导致在同样样本量下功效降低。因而回归功效分析不仅取决于“要不要更大样本”，也取决于设计矩阵能否提供足够的有效信息。
5.5 非参数检验与功效近似
非参数检验通常在分布假设较弱的情况下提供更稳健的检出能力。其功效计算有时没有简单封闭形式，常采用渐近近似或仿真估计。非参数检验的功效也与数据的具体形状有关：即便两种方法都“无分布假设”，在真实效应形态与检验敏感性不匹配时仍可能存在功效差异。
6 功效曲线与可视化
6.1 功效曲线的含义（效应大小—功效）
功效曲线通常把横轴设为某个效应大小度量（如均值差、比例差、回归系数大小），纵轴设为对应功效。曲线展示了从“小效应难检”到“效应变大而易检”的过渡过程。对同一个检验而言，曲线越“靠上”，表示在相同效应大小下成功概率越高。
6.2 样本量增长带来的功效提升
在可视化中，增加样本量常表现为曲线整体上移或向左移动：在较小效应下达到同一功效水平。曲线形状也能帮助判断收益递减：在某些情形下，继续增加样本量对功效提升的边际效果会变小。
6.3 不同 α 与功效曲线的对比
当 \( \alpha \) 改变时，功效曲线会随之调整。一般来说，较大的 \( \alpha \) 会带来更高的功效曲线（但伴随更高的误报风险）。通过同时展示多条曲线，可以直观看到“灵敏度—误报代价”的权衡关系，避免只看单一指标的片面决策。
6.4 典型图形的解读要点（避免误读）
常见误读包括：把功效曲线当作“效应越大就一定显著”的保证，或把曲线在某一点的数值当成对真实世界的确定性结论。更合理的解读是：功效表示在指定条件下的概率表现，仍然受抽样随机性影响。另一个要点是核对横轴所用的效应尺度与假设是否一致：不同研究用的效应定义不同，曲线之间不能机械比较。
7 实务注意事项与常见误区
7.1 “功效=显著性”这种误解
功效与显著性不是同一概念。显著性水平 \( \alpha \) 关注“原假设为真时误报的概率”；功效关注“备择为真时检出成功的概率”。二者分别描述不同条件下的表现，不应混为一谈。
7.2 只看功效不看假设条件的风险
即便计算出的功效很高，也可能因为假设条件不成立而失真。例如方差异质、分布重尾、相关性结构未建模等都会影响真实拒绝概率。评估功效时需要同时核对输入参数与模型合理性，必要时进行仿真或稳健校准。
7.3 效应大小估计偏差对功效的影响
效应大小往往来自历史研究或试点数据，但存在估计误差。若用偏大的效应做功效分析，得到的样本量可能不足；若用偏小效应则可能造成过度投入。实践中可用多个候选效应水平进行敏感性分析，并报告功效对关键输入的变化情况。
7.4 选择性报告与“事后功效”的陷阱
“事后功效”指在看到结果后再反推或调整功效相关设定。它可能掩盖研究设计层面的不足：因为事后选择的效应值与数据观察高度耦合，导致评估偏向有利解释。更规范做法是事前锁定功效目标与效应定义，必要时对不确定性做预先计划的区间评估。
7.5 多重比较/多检验对有效功效的改变
当进行多次检验或进行多重比较校正时，控制总体误报的机制（例如调整显著性阈值或使用组合方法）会改变每个检验的有效拒绝域，从而影响功效。简单地把单次检验的功效搬到多重检验场景，可能低估或高估真实检出能力。需要明确多重比较策略与研究目标（控制家族错误率还是控制发现比例等）再进行功效评估。
8 扩展主题：从功效到决策质量
8.1 功效、贝叶斯视角与信息量（概念层面）
在贝叶斯框架下，决策质量不只由“在某个效应真时是否拒绝原假设”的频率指标刻画，也与后验分布的不确定性、先验与似然的结合有关。尽管功效是频率解释下的核心量，二者在概念上都与“证据积累能力”相关：更高的信息量往往使得模型在数据到来后更易区分备择与原假设，从而提升决策稳定性。
8.2 统计决策与实验设计的联系
从工程与研究流程看，功效分析属于“设计阶段的质量控制”：确定在合理假设下能否有效回答问题。设计要点不仅包括样本量，还包括测量精度、实验对照结构、随机化方案以及可能的分层或匹配策略。通过这些手段提升有效信息，往往比单纯加大样本更符合资源约束。
8.3 工程化策略：稳健性与预算约束
在实际项目中，研究者常面临预算、时间与实施难度的限制。可采取的策略包括：先用小规模试点估计方差，形成更合理的功效输入；再结合稳健方法应对分布偏差；最后在目标效应范围内优化设计参数。目标是获得“在现实条件下仍能维持足够检出能力”的方案，而不是只追求某个理想化计算结果。
9 参考示例（轻量梗式理解）
9.1 功效就像“雷达灵敏度”：不是越亮越好而是要对准信号
把检验想成雷达：显著性水平更像对“误报的容忍度”设阈值，功效更像在目标存在时雷达能探测到的概率。雷达当然要敏感，但盲目调高灵敏度会让噪声也被当成目标，因此需要兼顾两端。
9.2 II 类错误的“漏网之鱼”隐喻
当真实差异存在但检验没抓到，相当于“漏网之鱼”。功效越高，漏检的概率越低；反过来功效过低时，就算投入了样本，也可能只是把机会浪费在波动噪声里。
9.3 如何把功效表述给非统计背景的读者
可用一句话：功效是“在你关心的真实效果真的发生时，这次实验成功说出结论的概率”。强调它是条件概率，并且需要在预设效应、样本量与噪声条件下才能成立。
9.4 一次成功的功效分析流程速记
可按顺序概括为：确定研究问题与原假设/备择；选定显著性水平；给出可检测的目标效应范围；基于方差与模型设定计算功效或反推样本量；最后用仿真或敏感性分析确认稳健性。这样能避免“算了但不确定能不能检到”的尴尬。