统计功效分析计算器：两比例比较
要比较两个转化率、成功率或患病率？输入预期的两个比例（比如 40% 对 60%）、alpha 和目标功效，即可得到每组所需的样本量。计算器使用反正弦（arcsine）变换将比例转换为 Cohen's h 效应量——这正是 G*Power 和 R 的 pwr.2p.test 采用的参数化方式——因此结果与这些工具一致，精确到至少六位有效数字。 它既适用于经典假设检验，也适用于 A/B 测试规划："求功效"模式可显示您的流量实际能够检测出多大的差异。请注意，接近 0 或 1 的比例比 50% 附近相同的绝对差异更容易区分——h 会自动体现这一点。
常见问题
A/B 测试每个版本需要多少用户？
输入基线率（如 0.40）和期望达到的比率（如 0.50），保持 α = .05 和功效 80%，即可读出每组 n——本例中每个版本约需 387 名（h = 0.20）。可检测差异减半，需求大约翻四倍。
Cohen's h 是什么？
h = 2·arcsin(√p₁) − 2·arcsin(√p₂)——一种适用于比例的效应量，使功效计算在整个 0–1 范围内都准确。基准：0.2 为小，0.5 为中等，0.8 为大。计算器会根据您的比例自动计算。
如何按 APA 格式报告这一功效分析？
例如："针对两比例 z 检验的先验功效分析（p₁ = .40, p₂ = .60, h = 0.41, α = .05，双尾，power = .80）表明每组需要 48 名被试。" AI 报告可排版完整的论证段落。
是否假设两组样本量相等？
是的——即每组 n 相等的经典设计，这也是效率最高的设计。若计划采用不等分配，一种粗略的做法是按两组样本量的调和平均数进行功效计算。