统计功效分析计算器：单因素方差分析
像 G*Power 一样规划单因素方差分析的样本量——就在浏览器中。输入组数、预期效应量 Cohen's f、alpha 和目标功效，即可得到基于精确非中心 F 分布计算的每组所需样本量（参数与 G*Power 的 'ANOVA: fixed effects, omnibus' 模块和 R 的 pwr.anova.test 完全相同）。 切换到"求功效"可查看已收集的样本能够检测到什么。如果您只有文献中的 eta 平方（η²），请先用我们的效应量换算器将其转换为 f：f = √(η²/(1 − η²))——例如 η² = .06 对应 f = 0.25，即惯例上的"中等"效应。
常见问题
单因素方差分析需要多少被试？
三组、中等效应（f = 0.25）、α = .05 和 80% 功效的情况下，每组需要 53 名被试（共 159 名）。组数更多或效应更小都会增加需求；本计算器会针对您的设计给出精确数字。
如何把 eta 平方转换为 Cohen's f？
f = √(η² / (1 − η²))。即 η² = .01 → f ≈ 0.10（小），η² = .06 → f ≈ 0.25（中等），η² = .14 → f ≈ 0.40（大）。我们的效应量换算器可自动完成这一转换，包括反向换算。
如何按 APA 格式报告方差分析的功效分析？
例如："先验功效分析（单因素方差分析，三组，f = 0.25, α = .05, power = .80）表明每组需要 53 名被试（N = 159）。" AI 报告可为您撰写这段方法部分文字。
适用于重复测量或析因方差分析吗？
本模块涵盖被试间单因素（总体）设计。重复测量和析因设计需要额外参数（测量之间的相关性、测量次数）；这些模块已列入我们的开发计划。