1 研究功效的基本概念
1.1 定义：检验为真效应时的命中率
研究功效（statistical power）刻画的是：当总体中确实存在某个与备择假设相符的效应（即“真实效应存在”）时，采用某种统计检验方法并在给定显著性水平下，检验能够正确地拒绝原假设的概率。该概率可理解为“命中率”或“抓到真实差异的能力”。
需要注意，功效不是某个检验固有的单一数字，而是依赖于研究所采用的检验类型、参数设定（如效应大小、方差）、样本量与研究设计细节。
1.2 与显著性水平、假阴性/假阳性关系
在统计决策框架中，原假设被拒绝与否形成四类结果的直观对应：
- 假阴性对应“真实存在效应但检验未拒绝原假设”，其概率与功效互为补数。功效越高，假阴性的风险越低。
- 假阳性对应“原假设为真但检验拒绝”，其概率由显著性水平控制。功效与假阳性并非同一概念：显著性水平主要决定错误拒绝的频率，而功效更多反映检验对真实效应的敏感程度。
因此在实际研究中，功效常与“尽量降低漏检”结合考虑，同时显著性水平仍需维持在预设范围内。
1.3 常见表述：power、1-β 与拒绝域
功效通常记为 power，也可写作 1-β：其中 β 表示“在备择条件下未拒绝原假设”的概率（即假阴性概率）。在许多教材的推导中，功效与 拒绝域（拒绝原假设的判定区域）密切相关：当真实效应使统计量的分布中心朝向拒绝域时，统计量落入拒绝域的概率就会增加，从而提高功效。
从几何直观上看，功效可视作“拒绝域覆盖了备择分布尾部的程度”。
2 统计学框架与参数来源
2.1 原假设与备择假设的设定
功效分析首先要明确统计检验的假设结构：
- 原假设 H₀ 描述“无效应/某种基准状态”。
- 备择假设 H₁ 描述“效应存在/偏离基准”。
备择并不一定是“任意非零效应”，常见做法是指定一个或一组代表性的效应水平（例如某个差值、比值或回归系数大小）。功效随备择设定而变化；若备择效应设得过小，功效会偏低，若设得过大则会偏高。
2.2 显著性水平（α）的作用
显著性水平 α 决定拒绝域的严格程度。一般而言：
- α 较大意味着拒绝域更宽松，统计量更容易进入拒绝域，从而提高功效；
- α 较小意味着更严格的判定门槛，功效会下降。
在功效规划中，α通常由研究规范或领域惯例确定，随后功效再随样本量、效应大小与噪声水平调整。
2.3 效应大小（effect size）的选择
效应大小是功效分析的核心输入之一。它用来概括“真实差异有多大”，例如：
- 均值差的尺度（差值/标准化差异）
- 比例的差异
- 回归中的系数或其标准化形式
选择效应大小时常面临不确定性：文献给出的效应可能与目标人群不同，或测量方式存在差异。因此，功效分析往往需要结合先验信息、历史数据、或对多个效应情景进行敏感性分析。
2.4 方差/噪声与协变量影响的建模
噪声水平（方差）直接影响统计量的波动大小。噪声越大、测量越不精确，同样的真实效应更难被检出，功效通常随之降低。 此外，当研究使用协变量（如回归调整、分层、匹配）时，协变量可能通过降低误差方差、改善可解释性或提升估计效率来影响功效。建模时需要明确：协变量如何进入分析、其与结局的关联强度如何假设、以及数据质量（如测量误差与缺失机制）是否会改变有效信息量。
3 功效分析的计算方法
3.1 基于理论分布的解析计算
在某些经典检验中，统计量在原假设或备择条件下具有可获得的理论分布（例如正态近似下的t检验、部分方差齐性条件下的均值比较等）。此时可以直接计算：在备择分布下统计量落入拒绝域的概率，从而得到功效。
解析法的优点是计算迅速、结果可重复；局限在于其依赖模型假设（如分布形式、方差结构、独立性等）与样本量条件。
3.2 近似方法与渐近理论
当精确分布较难得到时，常采用近似：
- 使用中心极限定理或渐近分布（如卡方、正态或F近似）
- 或使用方差稳定化、正态近似等技巧
近似方法通常在样本量较大或偏离程度不严重时更可靠，但在小样本、强非线性或强偏态情形下可能产生偏差。因此在功效规划时，常需要用敏感性分析或与仿真结果交叉验证。
3.3 仿真（Monte Carlo/置换/Bootstrap）思路
仿真通过“生成数据→重复分析→估计拒绝概率”来计算功效。常见流程包括：
仿真适用范围广，尤其适合复杂设计（多因素、非正态、相关结构、复杂缺失机制等）。 置换或bootstrap也可用于与特定检验统计量相关的分布近似，但应明确其前提与可能带来的偏差。
3.4 复合设计下的功效评估要点
复合设计指同时包含多因素、多阶段或多约束的情形，例如：多组比较、方差不齐、分层抽样、或多重终点。此时功效评估需要处理：
功效不应只在理想条件下评估，而应反映研究真实运行可能出现的复杂性。
4 研究设计中的关键驱动因素
4.1 样本量与分配方式（分组比例）
样本量是功效最直接的影响因素之一：在其他条件不变时，样本量增加通常会提升检验对效应的敏感性，从而提高功效。 分组比例（例如1:1还是不均衡分组）也会影响方差与估计效率。对于某些检验，存在使功效最大化或误差最小化的“相对最优分配”，但具体依赖效应方向、方差结构与约束条件（如招募成本与可用对象数量）。
4.2 检验类型与统计量选择
同一研究问题可以对应不同统计策略：参数检验与非参数检验、等方差与不等方差版本、方差齐性假设与否等。不同选择会改变统计量的分布与信息利用方式，从而影响功效。 统计量越贴合数据生成机制（例如分布特性、方差结构、变量类型），通常越能提高检出能力。
4.3 单侧检验与双侧检验差异
单侧检验只关心效应朝某一方向，双侧检验同时考虑两方向偏离。通常在同样α下：
- 单侧检验往往对目标方向的检出更敏感，功效可能更高；
- 双侧检验更保守，功效相对更低。
不过单侧检验需要研究问题与先验判断支撑其合理性，否则可能引入解释与规范上的问题。
4.4 测量误差、失访率与不遵从的影响
现实研究中，测量误差会增大有效噪声，降低功效。失访或退出会减少有效样本，导致统计能力下降。 不遵从（如分配后并未按计划处理、或关键暴露未按预期发生）会改变“意图检验”（或其他分析集）的估计对象，从而使功效与理想设定产生偏离。功效规划时可通过预估损失比例并相应调整目标样本规模来降低风险。
4.5 统计独立性假设与相关结构
许多经典推断方法依赖观测独立性。如果数据存在相关结构（如同一人重复测量、同一簇内个体相互关联），方差可能被低估，导致功效评估失真。 处理相关性的方法包括：使用合适的协方差结构、混合效应模型、聚类稳健标准误，或在功效仿真中显式建模相关生成过程。此类处理有助于让功效估计反映真实信息量。
5 典型应用场景
5.1 均值比较（t 检验、ANOVA）的功效
均值比较的功效分析通常围绕两点展开：
- 组间均值差（或标准化差异）
- 组内方差与样本量
t检验与方差分析（ANOVA）在不同假设条件（等方差/不等方差、多组比较等）下需要对应调整。若样本不平衡或方差不齐，功效会随之变化，解析或近似计算需匹配相应模型。
5.2 比例与二项结局的功效
当结局为二项型（例如成功/失败）时，功效取决于：基线比例、目标比例差异以及样本量。若比较两个比例或多个比例组，需要考虑检验方法与误差分布近似的适用范围（例如小样本时正态近似可能不够）。 此外，若结局比例很低或很高，方差结构的非对称性也会影响功效。
5.3 相关与回归模型中的功效
在回归模型中，功效常与以下元素相关：
- 目标系数大小（或其标准化版本）
- 自变量与结局关系的强度
- 解释变量之间的多重共线性
- 误差方差及其分布特性
当加入协变量能够显著解释部分变异时，残差方差下降通常会提升检出能力。相反，高共线性会稀释有效信息，使得同样样本量下功效下降。
5.4 计数数据与广义线性模型（GLM）的功效
计数数据常使用泊松模型或负二项模型等。在GLM框架下，功效分析需要确定：
- 均值-方差关系假设（例如泊松的方差等于均值）
- 过度离散程度
- 链接函数与自变量结构
- 估计与检验统计量的选择
当模型对过度离散的处理不足时，方差可能被低估，从而产生过于乐观的功效评估；仿真方法常用于更稳健地估计功效。
5.5 生存分析与时间到事件研究
时间到事件研究中，功效与事件发生数量密切相关，而不仅仅是招募人数。关键参数包括：
- 风险（hazard）或生存函数的假设
- 处理效应形式（如比例风险模型下的hazard ratio）
- 随访期限与删失机制
- 复合终点或多队列结构
因此，功效分析通常需要把随访计划与删失比例纳入建模，以估计在计划时间内能观察到多少事件，从而评估检验能力。
6 功效与样本量规划（power planning）
6.1 从目标功效反推样本量
常见做法是先设定目标功效（例如希望功效达到某个阈值），再反求满足该功效的样本量。该过程通常涉及：
- 固定α与检验规则
- 指定备择效应大小
- 设定方差/噪声参数
- 逐步调整样本量直到达到目标功效
反推方法既可以用解析公式，也可以通过数值求解或仿真迭代实现。
6.2 效应大小不确定性下的稳健规划
当效应大小来源不确定时，单一效应情景的功效可能不具代表性。稳健规划通常采用：
- 多情景评估(小/中/大效应)
- 以保守效应进行样本量保底
- 对关键输入参数做敏感性分析（例如方差上下浮动、效应变化）
这样可以避免样本量因为过于乐观的效应假设而不足，减少研究“做了但检不出来”的风险。
6.3 多重比较与调整后功效
当存在多个终点、多个组别或多次检验，需要进行显著性水平控制（如家族错误率或在某些流程下的层级检验）。显著性阈值调整通常会降低单次检验的功效。 功效规划在此阶段应明确：到底对哪一种决策规则评估功效（例如任意对比达到显著、特定对比达到显著、或在层级逻辑下的整体发现概率），并相应纳入校正机制。
6.4 分阶段/中期分析中的功效控制
分阶段或中期分析会改变“拒绝原假设”的时间与规则。由于中期查看次数增加，若不做适当校正，整体错误率会发生偏离。 因此，在此类研究中功效分析需要与停止规则、α分配策略和信息累积（如以信息量而非时间为刻度）共同考虑，常见做法包括基于规则的仿真估计，确保功效与整体显著性控制在设计目标内。
7 解读与常见误区
7.1 “功效高就一定对吗？”误解澄清
功效高通常意味着在指定的模型假设与效应大小设定下更容易检出差异，但它并不保证研究结论在实践层面“正确”。功效只评估统计检出能力，而偏倚来自：测量偏差、选择偏差、模型设错、或数据生成过程与假设不一致等问题。 因此，高功效应被理解为“在合理前提下的更高敏感性”，而非真理的担保。
7.2 效应大小假设过于乐观的风险
如果研究在规划阶段采用了过大的效应假设，反推得到的样本量可能不足以覆盖真实世界的较小效应，最终导致假阴性风险上升。 这类问题在不同人群、不同测量方式或不同执行质量的场景尤为常见。通过多情景规划与敏感性分析可以降低这种风险。
7.3 事后功效（post-hoc power）的局限
事后功效是指研究完成后，基于观察到的数据或观察到的效应估计重新计算功效。其常见局限在于：事后功效与结果本身高度相关，可能形成对“为什么显著/为什么不显著”的重复叙述，而不提供新的决策信息。 更具信息量的做法通常包括：报告置信区间与不确定性范围、进行合理的敏感性分析，以及回顾预先设定的设计假设是否被破坏。
7.4 相关性、偏倚与功效之间的差别
功效反映的是在假设模型下的检出能力，偏倚（bias）反映的是估计是否系统性偏离真实值。相关结构与偏倚都可能降低“有效信息”，但它们与功效的关系不是一回事：
- 偏倚可能使检验方向与效应大小设定失配，即使功效看起来足够也可能得出错误结论；
- 相关结构如果未被建模，可能导致方差估计偏离，从而让功效评估失真。
因此应区分统计能力（功效）与真实性（偏倚与有效性）。
8 与相关概念的对照
8.1 显著性（significance）与功效（power）的区别
显著性通常描述在某次具体分析中统计检验的结果是否跨过显著性阈值；功效则描述在给定效应存在时，跨过阈值的概率。二者一个是“结果是否显著”，一个是“在长期重复抽样下显著的频率”。
因此，显著性与功效不应被混为同一层面：一次结果是否显著不能直接反推长期功效，而功效也不能保证当前样本给出显著结论。
8.2 置信区间覆盖与功效的联系
置信区间提供的是参数的区间不确定性描述。其覆盖概率与统计检验的错误率概念存在联系：在某些设定下，置信区间的覆盖程度与检验的拒绝域结构相互对应。 直观上，区间更宽往往意味着更大的不确定性，这也通常对应较低的检出能力；但二者表达的信息侧重点不同：一个强调不确定范围，一个强调检出概率。
8.3 统计功效 vs 实际效应与临床/实践意义
统计学意义与实践意义不总是一致。即便检验具备较高功效，若真实效应虽然可检测但幅度很小，可能仍缺乏实践价值。相反，某些研究可能由于样本不足而不显著，但估计方向与效应大小可能提示值得进一步研究的趋势。 因此解读时通常需要结合效应大小本身、置信区间与领域阈值（例如最小有意义差异）进行综合判断。
8.4 研究充分性：power、precision 与可重复性
功效与精确度（precision）都与样本量相关，但表达方式不同。精确度更关注估计量的波动范围（例如标准误、置信区间宽度），功效更关注检验的拒绝概率。 可重复性不仅由统计能力决定，还受数据质量、分析流程一致性与偏倚控制影响。良好的功效规划有助于提高重复研究中观察到一致方向证据的机会，但并不能替代方法学上的严谨。
9 报告与规范（研究可审计性）
9.1 报告功效分析的假设条件
合规的功效报告应说明所采用的关键假设，包括：
- α 与检验规则
- 备择假设及其效应大小来源
- 方差/噪声参数的假设
- 样本量与分配方式
- 预计失访、测量误差或不遵从比例（若纳入）
这些信息决定了功效分析是否可被复核与比较。
9.2 结果呈现：目标功效、计算方法与参数
建议报告：目标功效与最终达到的功效、样本量推导过程的结论，以及计算采用的方式（解析、近似或仿真）。若采用仿真，应提供仿真次数或精度相关信息。 对于多情景或敏感性分析，也应呈现主要结论而非只给出单一结果。
9.3 透明度：代码、仿真设置与敏感性分析
为提升审计性与可复现性，常需要公开：
- 用于计算的代码或足够详细的参数表
- 仿真数据生成模型
- 随机种子（如适用）
- 敏感性分析的输入范围与输出指标
透明度越高，越能避免“结果看似合理但假设难以验证”的问题。
9.4 伦理与资源效率：避免“只为显著性”的设计
在资源与参与者有限的情况下，功效规划本应服务于合理的证据生成，而不仅仅追求“显著”。若研究目标与效应阈值不匹配、或者功效目标与实际可行性脱节，可能导致不必要的资源消耗或对结论可靠性产生误导。 因此，报告与设计应兼顾统计目标、实践意义与执行可行性。
10 工具与资源概览（方法层面）
10.1 常用统计软件/包的用途分类
功效分析工具通常按用途划分：
- 支持经典检验的解析/数值计算（如均值、比例比较）
- 支持GLM与广义线性模型的样本量与功效估计
- 支持生存分析与删失机制建模
- 支持自定义建模的仿真框架
在选择工具时，需要核对它是否匹配研究的模型假设与检验策略。
10.2 仿真与功效曲线生成的工作流
功效曲线展示功效随样本量、效应大小或其他参数变化的趋势，便于比较不同设计方案的边际收益。常见工作流包括：
- 固定研究假设与检验规则
- 选择一组样本量候选点
- 对每个候选点估计功效（解析或仿真）
- 绘制曲线并进行区间比较
曲线也可帮助识别“过度加样本”或“功效增长边际递减”的情形。
10.3 表格法、在线计算器与工程化流程的比较
- 表格法：适合参数选择范围有限、模型标准化较强的情形，速度快但灵活性较低。
- 在线计算器：便于快速估算，适合初步规划；但需确认参数输入是否能覆盖真实设计细节。
- 工程化流程：通过脚本化与自动化实现可审计、可复现的计算，适合复杂设计与多情景评估。
在严谨研究中，工程化流程通常更能满足审计与透明度要求。