如何使用
- 先選擇資料結構：單一平均、兩組平均、單一比例或兩組比例。
- 選擇要求解的目標：所需樣本數、達成檢定力或最小可偵測效果。
- 設定 alpha、尾端和實務上合理的效果假設，然後在進行分析前把結果作為規劃基準。
四種常態近似檢定力工作流程
當你要用單一平均與參考值比較，且已有可辯護的 sigma 假設時，請使用單一平均。
輸入
當標準差 σ 已知或可合理近似時，用來規劃單一平均數與參考值的比較。
當您比較時間、分數或成本等平均結果時，請將此用於兩個平衡組。
將其用於相對於參考率（例如基線轉換率、缺陷率或盛行率）的比例。
將此用於兩個平衡比例，例如控制與變體轉換或通過率。
假設總結
- 在資料收集之前，使用 alpha、尾端和實務上合理的效果假設來決定研究規模。
- 對於兩組模式，第一個版本假定群組大小是平衡的。
- 對於比例模式，頁面會在內部將基準率和目標率轉換為標準化效果。
頁面計算什麼
- 所選模式將您的研究設計映射到常態近似檢定統計量。
- Alpha 和尾端設定會決定臨界閾值。
- 接著，頁面會求解所需樣本數、達成檢定力或最小可偵測效果。
檢定力分析與樣本數
樣本數 回答精度問題，例如「我們需要多少份回覆，才能讓估計值落在 ±3 個百分點內？」此頁回答偵測問題，例如「在 alpha 5% 下，我們需要多少位使用者，才能以 80% 檢定力偵測到 +2 個百分點的提升？」
如果決策討論的重點是信賴區間寬度，請先使用樣本數頁面。如果重點是偵測或排除實務上重要的影響，請使用檢定力分析。
如何考慮效應大小
- 選擇足以改變決策的效果，而不是只因為非零就重要的微小效果。
- 對於平均數，實務效果取決於相對於 sigma 的預期差異。
- 對於比例，基準率和目標率都很重要。從 10% 提升到 15%，與從 60% 提升到 65%，雖然都是 5 個百分點，標準化效果並不相同。
- 如果你的 sigma 或基準率不確定，請執行幾個情境，而不是把單一數字視為固定事實。
計畫完成後做什麼
完成設計規劃後，請在資料收集結束時轉到相對應的分析頁面。
常見問題
檢定力分析與樣本數頁面有何不同？
樣本數頁面處理估計精度與信賴區間寬度。本頁聚焦假設檢定的靈敏度：在選定的 alpha 與尾端設定下，估算所需樣本數、達成檢定力，或最小可偵測效果。
哪些輸入對檢定力分析最重要？
關鍵假設是顯著水準 alpha、單尾/雙尾設定、目標檢定力與實務上重要的效果大小。平均數模式取決於相對於 sigma 的預期差異；比例模式則由基準率與目標率決定效果大小。
什麼時候應該選擇單尾而不是雙尾？
只有在資料收集前就已確定關心的方向，且相反方向的效果不算成功時，才選擇單尾。否則請使用雙尾，因為這是較保守的預設。
此頁是否使用精確的 t 檢定或卡方檢定力公式？
不會。此版本使用常態近似工作流程，以保持速度與清楚度。它適合規劃，但若決策風險很高，請用與最終研究設計相符的方法再次確認假設。
分享連結是否包含我的數值假設？
不會。分享 URL 只儲存模式、求解目標、alpha、尾端、方向與目標檢定力等輕量設定。你輸入的數值會留在瀏覽器中。
相關計算器
評論（可選）
為了減少負載，僅在需要時才取得評論。