本工具是一份统计功效分析（power analysis）与样本量计算指南，核心用途是在研究设计阶段估算所需样本量，并帮助使用者理解效应量、避免统计功效不足（underpowered）或过度浪费（overpowered）的设计。
核心概念 功效分析涉及四个相互关联的量，固定其中任意三个即可求解第四个：效应量（d、r、f 等，表示期望检测到的现象幅度，典型值随领域不同）、显著性水平 alpha（第一类错误即假阳性的概率，典型值 0.05）、统计功效 1 - beta（检测到真实效应的概率，典型值 0.80 或 0.90）、样本量 N（需要的观测数，通常作为求解目标）。
关于错误类型，资料以表格形式说明：当 H0 为真（无效应）时，拒绝 H0 属于第一类错误（alpha），不拒绝 H0 属于正确（1 - alpha）；当 H0 为假（存在效应）时，拒绝 H0 属于正确（功效 = 1 - beta），不拒绝 H0 属于第二类错误（beta）。
效应量惯例
- Cohen's d（两组比较）：公式 d = (M1 - M2) / SD_pooled。0.2 为小效应（细微，可能需要大样本才能检测到），0.5 为中等效应（可察觉，社会科学中常见），0.8 为大效应（明显，通常不依赖统计即可看出）。
- 相关系数 r：0.1 为小效应（解释 1% 方差），0.3 为中等效应（9%），0.5 为大效应（25%）。
- Cohen's f（方差分析 ANOVA）：0.10 为小效应（等效 eta-squared 0.01），0.25 为中等效应（0.06），0.40 为大效应（0.14）。
- 优势比 OR（逻辑回归）：1.5 为小效应，2.5 为中等效应，4.0 为大效应。
使用方式（Python，statsmodels） 指南给出多段可直接使用的代码示例。两样本 t 检验使用 TTestIndPower().solve_power：给定 effect_size=0.5、alpha=0.05、power=0.80、ratio=1.0、alternative='two-sided' 时输出每组所需 N；也可固定 nobs1=50 反求 power。配对 t 检验使用 TTestPower；单因素方差分析使用 FTestAnovaPower（给定 effect_size=0.25、k_groups=4）；卡方检验使用 GofChisquarePower（给定 effect_size=0.3、n_bins=4）；多元回归使用 FTestPower，并说明需先将 R-squared 转换为 f2 = R2 / (1 - R2)，且 solve_power 返回的是 df_denom，总样本量 = 返回值 + 预测变量数 + 1。
使用方式（R，pwr 包） 指南提供 pwr.t.test（两样本 t 检验）、pwr.r.test（相关检验）、pwr.anova.test（4 组单因素方差分析）、pwr.chisq.test（卡方检验）示例，并给出通过 n = seq(10, 200, by = 5) 与 plot(result) 绘制功效曲线的方式。
使用方式（GPower 桌面应用） GPower（gpower.hhu.de）是一款免费且被广泛使用的图形界面功效分析工具。操作流程为：选择检验族（t 检验、F 检验、卡方、z 检验、精确检验）→ 选择具体统计检验（如“Means: Difference between two independent means (two groups)”）→ 选择分析类型（A priori 计算 N、Post hoc 计算功效、Sensitivity 计算可检测效应）→ 输入参数（效应量、alpha、功效、分配比例）→ 点击 Calculate 得到结果 → 使用 “X-Y plot for a range of values” 可视化功效曲线。
实用建议与常见错误 选用效应量时，资料明确建议不要盲目套用 Cohen 惯例值，而应通过文献综述（查找同类研究报告的效应量）、预试验数据、最小关注效应量（SESOI，即具有实际意义的最小效应）或领域内元分析的合并效应量来确定。 常见错误对照表列出：事后功效分析（post hoc power analysis）存在循环论证、收集数据后已无信息量，应只做事前功效分析；默认使用 Cohen“中效应”可能不符合所在领域实际，应基于文献或 SESOI；忽略流失率会导致实际 N 低于计划，应按预期脱落率将 N 上调 10%–20%；遗忘多重比较会因 Bonferroni 校正降低功效，应按检验数量调整 alpha；不报告功效分析会使审稿人无法评估充分性，应始终在方法部分报告。
报告模板 指南给出报告范例：说明使用何种工具（G*Power 3.1 / statsmodels / R pwr）进行事前功效分析；针对某检验类型、预期效应量（d/r/f = X，来源为先前研究／元分析／预试验数据）、alpha = .05、power = .80，所需样本量为（每组 N／总 N）；为应对估计的 X% 流失率，最终招募 N 名参与者。
限制与未提供信息 资料未说明该指南本身的收费方式、价格、平台限制或版本信息；其内容为方法讲解与代码示例，实际样本量结果取决于使用者输入的效应量等参数，需自行结合领域文献确定。