统计功效分析计算器：t检验
需要多少被试？无需下载 G*Power 即可回答伦理委员会最爱问的问题：选择检验类型（独立双样本、配对或单样本），输入预期效应量 Cohen's d（科恩d值）、alpha 水平和目标功效，即可得到每组所需的样本量——基于精确的非中心 t 分布计算，与 G*Power 和 R 的 power.t.test() 一致，精确到至少六位有效数字。 同一界面也可以反向计算（事后功效）：输入样本量即可查看实际达到的功效。惯例：d = 0.2 为小，0.5 为中等，0.8 为大；α = .05 下 80% 的功效是标准的规划默认值。
常见问题
t检验需要多少被试？
对于中等效应（d = 0.5）、双尾 α = .05 和 80% 功效，独立样本t检验每组需要 64 名被试（共 128 名），配对设计需要 34 对。预期效应越小，需求增长越陡——d = 0.2 时每组需要 394 名。
这个计算器与 G*Power 等价吗？
就 t检验而言是的：它使用相同的参数（效应量 d、α、功效、尾数）和相同的精确非中心 t 分布，因此样本量和功效值与 G*Power 的 'means' 模块一致。它在浏览器中运行，无需安装任何软件。
如何按 APA 格式报告功效分析？
说明软件/方法、检验、参数和结果，例如："针对独立样本t检验的先验功效分析（双尾，d = 0.5, α = .05, power = .80）表明每组需要 64 名被试。" AI 报告可为您的方法部分排版这段论证文字。
没有预实验数据时应该假设多大的效应量？
参考类似问题已发表研究中的效应量，或元分析估计值；若都没有，则针对仍具有实际意义的最小效应（SESOI）进行功效规划。避免不加论证地默认"中等"效应——审稿人越来越常要求给出理由。