跳转到内容

统计检验力

来自VeritasWiki 真理百科
统计检验力
英文名 Statistical Power
学科归属 统计推断
核心含义 真实效应存在时检验正确拒绝零假设的概率
符号 1 − β(β 为第二类错误概率)
决定因素 效应量、样本量、显著性水平
惯例标准 Cohen 建议的 0.80
相关条目 样本量估计、效应量、置信区间|}

统计检验力指当真实效应确实存在时,统计检验能够正确地发现它(拒绝零假设)的概率。它等于一减去第二类错误概率 β——第二类错误即"效应存在却未能检出"的错误。

检验力是实验设计与研究计划的核心概念:一个检验力不足的研究,即使效应真实存在,也很可能得出不显著的结果。这不仅浪费资源,还会造成系统性危害——低检验力研究若碰巧显著,其显著效应量往往被严重高估。

两类错误与检验力的位置

假设检验框架下有四种结果,检验力位于其中一格。

零假设为真时:正确地接受(概率 1 − α),或犯第一类错误(概率 α,假阳性)。

零假设为假时:正确地拒绝(概率 1 − β,即检验力),或犯第二类错误(概率 β,假阴性)。

两类错误的权衡不对称:显著性水平 α 由研究者直接设定(惯例 0.05),而 β 只能通过提高检验力间接压缩。常规研究取检验力 0.80,意味着效应存在时仍有五分之一的概率漏检——这一"可接受"的水平其实并不高,Cohen 当年建议 0.80 时也承认它是妥协的产物。

两类错误之间存在此消彼长的关系:收紧 α(更严格的显著标准)会降低检验力;提高检验力(更大样本)在不改变 α 的情况下减少假阴性。理解这一权衡是设计研究的起点。

决定检验力的三个因素

检验力由三个量共同决定,任何两个确定后第三个随之确定。

效应量:真实效应越大越容易检出。这里需要使用预期的真实效应量(来自文献、元分析或最小有意义效应的设定),而不是本研究数据算出的效应量。

样本量:样本越大,抽样波动越小,效应越容易从噪声中显现。检验力对样本量的响应遵循平方根规律——效应量小时,检出它需要的样本量按效应量平方的比例增长。

显著性水平:放宽 α(如 0.10)提高检验力,收紧 α(多重比较校正后的 0.01、0.001)降低检验力。多重比较的校正因此必须与样本量规划联动。

此外,设计质量也实质影响检验力:配对设计、重复测量、协变量控制都能减少误差方差,等效于增大效应量。好的设计是廉价的检验力来源。

检验力分析的四种类型

检验力分析在实际研究中有四种用途,方向相反。

先验分析:设计阶段确定所需样本量——给定效应量、α 与目标检验力,算出 n。这是设计研究的标准步骤。

敏感性分析:样本量已被资源限定时,反算该样本能检出多大的效应(最小可检效应量)。它告诉研究者"这个设计最多能发现什么",对解释不显著结果尤为有用。

事后分析(观察功效分析):用本研究观测到的效应量反算检验力。方法学界普遍不推荐——不显著研究的观测效应量本身噪声很大,算出的检验力信息有限;更好的做法是报告效应量的置信区间。

精度分析:不是为拒绝零假设,而是为目标区间宽度规划样本量——"多大的 n 能使效应量的 95% 区间窄于 0.2"。这与效应量估计导向的研究取向配套。

四种类型中,先验与敏感性分析属于设计工具,事后分析属于常见误用。

心理学研究中的检验力问题

检验力不足在心理学研究中的普遍性,经由多次大规模调查得到确认。

对文献的估计显示,多数已发表研究的检验力低于 0.50——低于抛硬币。其后果构成一个完整的失效链条:真效应常被漏检;漏检的研究难以发表(文件抽屉问题);偶见显著的研究因"幸存者"机制携带高估的效应量进入文献;元分析据此汇总的领域效应量长期虚高;后续研究又以虚高的效应量做检验力计算,继续产出低检验力设计。

可重复性研究提供了直接证据:大规模重复项目发现,原文献报告的显著效应,约三分之一至一半无法重复;能重复的效应量平均只有原报告的约一半。这一格局与低检验力加发表偏倚的预测高度一致。

对策已在方法学界形成共识:设计阶段强制检验力分析;样本量随预期效应量的小幅变化做敏感性规划;团队协作与多实验室设计以扩大样本;预注册锁定分析方案以杜绝弹性检验。

提高检验力的途径

除了增加样本量,还有多条提高检验力的路径,有些成本更低。

优化设计:重复测量(每个被试作自身对照)通常大幅提高检验力;配对与分层(在分析中把可控变异显式建模)减少误差方差;协变量的引入(前测成绩作为协变量)常使检验力倍增。

改进测量:信度更高的测量直接减小误差方差——把量表信度从 0.7 提到 0.9,其检验力收益可能超过样本量翻倍。

选用统计上更有效的设计:某些设计的单位信息量更高(如交叉设计优于平行组设计),条件允许时应优先。

扩大效应:提高干预剂量或纯度、选择效应更大的因变量指标、聚焦更同质的亚群体(但注意外推范围的收窄)。

这些途径的公共原理只有一条:检验力取决于信号与噪声之比——要么放大信号,要么压低噪声。理解这一点,研究者面对样本量限制时仍有大量可做的空间。

报告与教学现状

检验力相关的报告与教学现状决定了这一概念的落地程度。

报告层面,主流期刊已把"样本量如何确定"列为方法部分的标准审查项,预注册平台把检验力分析设为定量研究的常见栏目;但执行质量的参差不齐仍明显——大量报告只写"按以往研究估计样本量"而不给出效应量来源与计算过程,使检验力论证形同虚设。审稿人可以核查的一个实用标准是:样本量论证是否提供了可复算的输入(效应量数值、α、目标检验力、软件或公式)。

教学层面,检验力正从研究生课程的技术章节上升为方法论训练的核心内容。教学要点已相对定型:先建立"显著性不等于重要性、不显著不等于无效应"的概念底座,再引入两类错误与检验力的权衡框架,最后才是计算工具的使用。经验表明,不先建立概念底座就直接教软件操作的学生,倾向于把检验力分析当作形式手续——这正是它想纠正的习惯。

检验力概念的最终归宿,是把"研究值不值得做"变成一个可计算的前置问题:在给定的资源、效应预期与决策代价下,这个设计有多大把握、失败时能留下什么。能回答这两个问题的研究计划,才谈得上科学效率。

参见

参考资料