【r<-高级|实战|统计】R语言中的功效分析

内容：

• 判断所需要样本量
• 计算效应值
• 评价统计功效

功效分析可以帮助在给定置信度的情况下，判断检测到给定效应值所需的样本量。反过来，它也可以帮助你在给定置信度水平情况下，计算在某个样本量内能检测到给定效应值的概率。如果概率低得难以接受，修改或放弃这个实验将是一个明智的选择。

在研究过程时，研究者通常关注四个量：样本大小、显著性水平、功效和效应值。

• 样本大小指实验设计中每种条件中观测的数目。
• 显著性水平（也称为alpha）由I型错误的概率来定义。也可以把它看作发现效应不发生的概率。
• 功效通过1减去II型错误的概率来定义。可以把它看作真实效应发生的概率。
• 效应值指的是在备择或研究假设下效应的值。效应值的表达值依赖于假设检验中使用的统计方法。

四个量紧密相关，给定其中任意三个量，便可以推算第四个量。

用pwr包做功效分析

下面中列出了一些非常重要的函数，对于每个函数，用户可以设定四个量（样本大小、显著性水平、功效和效应值）中的三个值，第四个量将由软件计算出来。

函数	功效计算的对象
pwr.2p.test()	两比例(n相等)
pwr.2p2n.test()	两比例(n不想等)
pwr.anova.test()	平衡的单因素ANOVA
pwr.chisq.test()	卡方检验
pwr.f2.test()	广义线性模型
pwr.p.test()	比例（单样本）
pwr.r.test()	相关系数
pwr.t.test()	t检验（单样本、两样本、配对）
pwr.t2n.test()	t检验（n不相等的两样本）

在使用这些函数之前，请仔细阅读相关文档，设定相应的参数。不同分布中，差异主要表现在效应值的定义上。

这里有一篇很好的关于t检验效应值理解和计算的博文，点击地址查看。

其他软件包

软件包	目的
asypow	通过渐进似然比方法计算功效
longpower	纵向数据中样本量的计算
PwrGSD	组序列设计的功效分析
pamm	混合模型中随机效应的功效分析
powerSurvEpi	流行病研究的生存分析中功效和样本量的计算
powerMediation	线性、Logistic、泊松和Cox回归的中介效应中功效和样本量的计算
powerpkg	患病同胞配对法和TDT（传送不均衡检验）设计的功效分析
powerGWASinteraction	GWAS交互作用的功效计算
pedantics	一些有助于种群基因研究功效分析的函数
gap	一些病例队列研究设计中计算功效和样本量的函数
ssize.fdr	微阵列实验中样本量的计算