综合

G*Power 3.1.9.7 最新版统计功效分析样本量计算检验效能分析下载安装教程

软件简介

G*Power 是一款由德国杜塞尔多夫海因里希·海涅大学（Heinrich Heine University Düsseldorf）相关研究团队开发的专业统计功效分析（Statistical Power Analysis）、科研样本量计算与效应量分析软件，主要用于实验研究设计、临床试验样本量估算、统计检验功效评估、效应量计算及科研统计方法选择等领域。软件具有免费使用、图形化操作直观、统计检验类型丰富、样本量计算方便及分析结果可视化清晰等特点，广泛应用于心理学、医学、护理学、教育学、生物学、药学、社会科学、公共卫生学及高校科研等领域。

G*Power 由 Franz Faul、Edgar Erdfelder、Axel Buchner 和 Albert-Georg Lang 等研究人员开发，旨在为科研人员提供一套无需复杂编程即可开展统计功效分析的专业工具。软件将样本量估算、统计功效计算、效应量分析、显著性水平设置及统计分布可视化等功能整合于统一操作界面，能够帮助研究人员在实验开始前确定合理的样本量，并在研究设计阶段评估统计检验发现预期效应的能力，是科研论文、课题申请及实验方案设计中常用的统计辅助软件。

先验统计功效分析（A Priori Power Analysis）：G*Power 具备专业的先验功效分析功能，能够根据研究人员预先设定的效应量（Effect Size）、显著性水平（α）及目标统计功效（1−β），计算研究所需的样本量。用户可以根据实验设计选择相应的统计检验方法，并输入预期效应量、检验方向及统计功效要求，软件即可计算达到目标功效所需的样本数量。该功能适合用于实验研究设计、临床研究方案制定、科研课题申报及硕博士论文样本量论证。

事后统计功效分析（Post Hoc Power Analysis）：软件提供事后统计功效计算功能，能够根据已知样本量、假设效应量及显著性水平，计算对应统计检验的理论功效。研究人员可以利用该功能评估特定研究设计在给定效应量假设下发现统计学差异的概率。需要注意，事后功效分析不宜仅根据已经观察到的效应量和 P 值来判断阴性研究结果是否可靠，实际研究中通常更应重视效应量估计、置信区间及研究设计阶段的先验功效分析。

敏感性分析（Sensitivity Analysis）：G*Power 支持统计敏感性分析，能够根据固定的样本量、显著性水平及目标统计功效，计算研究设计能够检测到的最小效应量。该功能特别适合用于样本数量受到实验条件、研究经费、受试者招募或研究时间限制的情况。研究人员可以通过敏感性分析判断现有样本规模能够检测多大的差异，并评估研究设计是否适合回答预定的科学问题。

折中功效分析（Compromise Power Analysis）：软件提供折中功效分析功能，允许用户在样本量与效应量已知的情况下，通过设置第一类错误概率（α）和第二类错误概率（β）之间的比例关系，计算相应的显著性水平及统计功效。该方法适用于样本量难以增加、研究资源有限或需要综合权衡不同统计错误风险的研究情境，为科研人员制定统计决策标准提供参考。

判定标准分析（Criterion Analysis）：G*Power 支持判定标准分析，能够在已知样本量、效应量及目标统计功效的条件下，计算相应的显著性水平和统计检验临界值。研究人员可以通过该功能了解不同统计判定标准与研究功效之间的关系，辅助分析研究设计中的第一类错误和第二类错误风险。

t 检验样本量计算：G*Power 提供完善的 t 检验统计功效分析功能，支持单样本 t 检验、独立样本 t 检验、配对样本 t 检验及其他相关分析。用户可以根据实验组与对照组之间的预期均值差异、标准差、效应量及分组比例，计算所需样本量。该功能适用于药物处理前后比较、实验组与对照组差异分析、临床指标比较及其他连续型数据研究。

方差分析（ANOVA）功效分析：G*Power 支持基于 F 分布的多种方差分析设计，包括单因素方差分析、固定效应方差分析、重复测量方差分析及部分多因素实验设计。研究人员可以设置实验组数量、测量次数、预期效应量及其他相关参数，计算不同实验设计所需的样本量。软件还提供部分协方差分析（ANCOVA）及多变量方差分析（MANOVA）的功效计算功能，适合用于心理学实验、教育学研究、药物实验及其他多组比较研究。

相关分析与回归分析：G*Power 具备相关系数检验和回归模型功效分析能力，支持 Pearson 相关分析、相关系数差异检验、简单线性回归、多元线性回归及部分 Logistic 回归和 Poisson 回归检验。用户可以根据预期相关系数、决定系数、回归模型解释能力及自变量数量等参数开展功效分析，辅助确定相关性研究和回归研究所需的样本规模。

卡方检验与分类数据分析：G*Power 支持卡方检验（Chi-Square Test）及相关统计功效分析，可用于列联表分析、拟合优度检验和部分分类变量研究设计。软件允许研究人员根据预期分类比例、效应量及显著性水平估算样本量，适用于问卷调查、疾病发生率比较、行为分类研究及其他分类数据统计分析。

精确检验与非参数检验：软件提供多种精确检验（Exact Tests）及部分非参数检验的功效分析功能，包括 Fisher 精确检验、McNemar 检验、二项检验、符号检验、Wilcoxon 符号秩检验及 Wilcoxon-Mann-Whitney 检验等。研究人员可以根据数据类型、样本结构及统计假设选择适当的检验方法，为小样本研究、配对分类数据研究及不满足常规参数检验条件的研究提供支持。

效应量（Effect Size）计算：G*Power 提供专业的效应量计算工具，能够根据所选统计检验方法计算或输入 Cohen's d、Cohen's f、Cohen's w、相关系数 r、回归模型相关效应量等指标。用户可以根据预期均值差异、标准差、组间比例及其他基础统计参数计算相应的效应量，并将结果直接用于功效分析。该功能能够帮助研究人员从统计学意义和实际研究意义两个角度评估实验设计。

统计分布与功效曲线可视化：G*Power 具备直观的统计分布图形展示功能，能够显示原假设与备择假设下的统计量分布、临界值以及相关错误概率。软件支持绘制统计功效与样本量、效应量、显著性水平之间的关系曲线，帮助研究人员了解不同参数设置对研究结果的影响。用户可以通过图形和表格比较不同研究方案，为实验设计优化提供参考。

样本量与统计功效关系分析：软件支持根据不同参数范围生成 X-Y 功效分析曲线，能够展示样本量增加时统计功效的变化趋势，也可以比较不同效应量条件下的样本量需求。通过改变显著性水平、效应量及目标功效等参数，研究人员能够直观了解不同研究设计之间的差异，为合理配置实验资源和制定研究方案提供量化依据。

统计计算器与概率分布分析：G*Power 内置统计计算器，支持常见数学表达式计算及多种统计概率分布函数。软件能够处理正态分布、t 分布、F 分布、卡方分布、二项分布及相关非中心分布的概率计算，为统计功效分析和科研统计教学提供辅助工具。

科研分析记录与结果导出：G*Power 提供统计功效分析记录功能，能够保存分析过程中使用的参数和计算结果。用户可以查看样本量、效应量、显著性水平、自由度、临界统计量及实际统计功效等信息，并将分析记录复制、保存或打印。软件还支持保存统计分布图和功效分析曲线，方便在 Word、Excel、PowerPoint 等工具中整理，用于科研课题申请书、伦理审查材料、研究方案及学术论文。

医学与临床研究样本量设计：G*Power 广泛应用于医学和临床科研领域，能够辅助开展两组均值比较、配对测量、相关性研究及其他常见研究设计的样本量估算。研究人员可以根据既往文献、预实验结果或具有实际意义的最小差异确定预期效应量，并结合统计功效和显著性水平计算样本量。对于复杂临床试验、生存分析、非劣效性研究及特殊抽样设计，则需要根据具体研究方法选择更加适合的专业统计工具。

心理学与社会科学实验设计：G*Power 最初主要面向社会科学和行为科学中的统计功效分析，在心理学、教育学、管理学和社会学研究中具有广泛应用。软件能够辅助确定实验组与对照组所需样本量、问卷调查中的相关分析样本规模及多因素实验设计的统计功效，为实验心理学研究、教育干预研究和行为科学研究提供支持。

与 SPSS、R、Stata、PASS 等统计软件相比，G*Power 更加侧重研究设计阶段的样本量估算和统计功效分析。SPSS、R 和 Stata 主要用于实际研究数据的统计建模与分析，PASS 则提供更加广泛的专业样本量计算方法，而 G*Power 通过免费的图形化界面提供常见统计检验的功效分析功能，尤其适合希望快速完成基础样本量计算的科研人员。

主要功能：统计功效分析（Power Analysis）、先验样本量计算、事后功效计算、敏感性分析、折中功效分析、判定标准分析、效应量计算、Cohen's d 计算、Cohen's f 计算、Cohen's w 计算、t 检验功效分析、单样本 t 检验、独立样本 t 检验、配对样本 t 检验、单因素方差分析、重复测量方差分析、多因素方差分析、协方差分析、相关系数检验、多元线性回归功效分析、Logistic 回归功效分析、Poisson 回归功效分析、卡方检验、Fisher 精确检验、McNemar 检验、Wilcoxon 检验、Mann-Whitney 检验、二项检验、显著性水平设置、第一类错误与第二类错误分析、样本分配比例设置、统计分布可视化、功效曲线绘制、统计概率计算、分析记录保存及科研结果导出等。

适用人群：硕博士研究生、高校教师、科研人员、医学研究人员、临床医学研究人员、护理学研究人员、药学研究人员、心理学研究人员、教育学研究人员、生物学研究人员、公共卫生研究人员、流行病学研究人员、社会学研究人员、管理学研究人员、行为科学研究人员、卫生统计学研究人员、临床试验设计人员以及需要开展科研样本量计算、统计功效分析和实验方案设计的用户。