检验力和β定义

即使治疗确实影响了结果，在实验中也可能无法得到具有统计学显著性的差异。数据可能会偶然产生一个大于0.05的P值（或任何用作截止值的值，α）。
 
假设我们使用t检验来比较两个平均值。假设这两个平均值确实有特定量的差异，且使用相同的样本量执行了许多实验。由于每个实验有不同的值（偶然），因此每个t检验会产生不同的结果。在一些实验中，P值将小于α（通常设为0.05），因此称结果具有统计学显著性。在其他实验中，P值将大于α，因此称该差异不具有统计学显著性。

如果组平均值之间确实存在差异（特定大小），则不会在每个实验中发现具有统计学显著性的差异。检验力是您期望产生一个“具有统计学显著性”P值的实验部分。如果您的实验设计检验力高，那么如果治疗确实有效，则您的实验很可能会得到一个“具有统计学显著性”的结果。
 
变量β定义为等于1.0减检验力（或100% - 检验力%）。如果组之间确实存在差异，则β便是您那得到产生“不具有统计学显著性”结果的实验的概率。

需要多少检验力？

检验力是一个实验在给定一些假设的情况下产生“具有统计学显著性”结果的可能性。需要多少检验力？这些指导方针可能有用：

•如果检测到一些您认为值得检测的效应的检验力不足50%，则该项研究确实无用。

•许多研究者通过选择样本量来获得80%的检验力。这是任意的，但常用。

•理想情况下，对可接受检验力的选择应当取决于II型误差的结果。

GraphPad StatMate

GraphPad Prism无法算统计检验力或样本量，但配套程序GraphPad StatMate可以计算。