工具对比 · 2026-07-11

ChatSRS vs G*Power：样本量估算与统计功效怎么选

ChatSRS 与 G*Power 如何选择？本文依据官方资料说明 G*Power 的功效范围，并公开 ChatSRS 当前 sample_size 入口阻断和不安全计算边界。

截至本文核验日，G*Power 可以作为专门功效工具使用；ChatSRS 仓库虽有 sample_size 源文件，但当前注册入口不可执行，ANOVA、相关和卡方参数路径也存在尚未修复的统计或接线问题。因此本页不提供 ChatSRS 样本量计算命令，不比较数值是否一致，也不承诺生成规划 N。ChatSRS 当前更适合整理研究问题、效应量来源、输入规格与审稿证据清单。

官方资料核验范围

本页于 2026-07-11 访问 Heinrich Heine University Düsseldorf 的官方 G*Power 页面与 G*Power 3.1 manual。官方页面说明 G*Power 3.1 可对多种 t、F、χ²、z 和部分 exact tests 做功效分析，也可计算效应量和绘制功效结果。

本页只引用官方范围，不涉及商业条款，不评价所有测试的实现质量，也不把“支持某个检验族”理解为适合任意复杂设计。具体分析仍要选择与最终统计检验完全一致的 family、test、tail、效应量和参数。

当前不能做数值对比的原因

sample_size.py 源码列出 t、paired_t、anova、regression、chi2、correlation 六个名称，但 live CLI 有双重阻断：analyze.py 在识别 sample_size 前就要求 --columns；即使传入真实列，分析器又把 matched_columns 设为空，基类抛出“所有列名均未匹配成功”。文件存在不能被写成产品已实现。

即便绕过入口，当前 ANOVA 分支也把 statsmodels 返回的总 N 当每组 N 后再次乘组数。f=.25、alpha=.05、power=.80、4 组时底层总 N 约 178.397，现有 formatter 会显示每组 179、总 N=716。correlation 分支使用两独立样本的 NormalIndPower，不是相关系数的 Fisher z 公式；r=.30、双侧 alpha=.05、power=.80 时现有逻辑显示约 175，而常用 Fisher z 近似约 85。卡方构造器有 df_chi2，但 CLI 没有 --df-chi2，只能静默使用默认 1。

**发布边界：**在共享代码修复、六路径 live smoke、ANOVA/相关已知参考值回归测试和卡方 df>1 验收完成前，不能把任何 ChatSRS sample_size 路径称为可用，也不能用“近似”掩盖错误估计对象。

当前合理分工

任务	ChatSRS 当前可承担	G*Power 官方范围
明确检验与效应量	整理研究问题、变量、来源和审计清单	在界面中选择检验族与具体检验
计算样本量/功效	当前注册 sample_size 阻断，不引用数值	官方提供多类功效分析
效应量与功效图	当前该入口不可用	官方说明可计算效应量并图形显示
复杂多层/错位 DID	应转到设计匹配模拟	官方“多种检验”也不等于覆盖任意复杂模型
论文解释	可帮助区分事前、敏感度与 observed power 限制	计算结果仍需研究者解释与保存设置

因此，现阶段若最终检验在 GPower 官方列表内，使用 GPower 或另一个参考值已验证工具完成计算，并保存输入界面、版本和输出；ChatSRS 可用于检查你是否写清效应量来源、tail、alpha、目标 power、组数、分配和失访。超出专用公式的复杂设计，应使用模拟或专门方法。

一句话审计输入，而不是计算命令

假设计划两组独立样本 t 检验，可向 ChatSRS 提交的是审计请求：

请把以下功效方案整理为可复核清单：最终检验为双侧独立样本 t，效应量 d=0.35 来自指定 Meta 分析，alpha=.05，目标 power=.80，分配 1:1，预计失访 15%。不要运行当前 sample_size 或给出 N；提示我在经验证工具中保存 test family、具体检验、tail、输入参数、版本和原始输出，并在获得基础 N 后按明确公式上调招募量。

拿到 G*Power 结果后，应复核它选择的是与论文最终分析相同的检验，而不是只看总 N。独立 t 的 d、配对 t 的 dz、ANOVA 的 f、回归的 f²和相关的 r 不是可互换输入。组数、重复测量相关、非球形校正、预测变量数和检验方向都会改变结果。

结果怎么写才不夸大

事前分析应写效应量来源、alpha、power、设计参数、工具版本、计算 N 和失访上调。若数据已经收集，不要用样本观察效应计算 observed power 为不显著结果辩护；对固定 N 与检验，它通常只重复 p 值信息。应报告效应估计与区间，并做基于外部最小有意义效应的敏感度或最小可检测效应分析。

G*Power 有 post hoc 选项不意味着它适合回答所有“研究为什么不显著”的问题。工具会忠实计算用户选定的模型，无法判断效应量是否来自循环论证、tail 是否事后改成单侧、或聚类是否被忽略。所有设置都需要统计审查。

复核时至少做三件事：把界面中的检验族、具体检验和分析类型逐字记录；用手册示例或第二个可信实现检查一个参考值；再把实际论文模型与功效模型逐项对照。若论文加入交互、协变量、重复测量或多重主要结局，而功效计算仍是简单两组检验，就要重新估算或明确这是近似下限，不能只沿用旧截图。

修复后恢复 ChatSRS 能力需要什么

共享代码必须先解决 CLI optional columns 和基类空匹配；ANOVA 正确区分总 N 与每组 N；相关分析使用 Fisher z 或经验证等价公式；卡方接入可设置自由度。随后对 t、paired t、ANOVA、regression、chi-square、correlation 六条路径做 live smoke，并用官方文档或可信独立实现核对已知参考值。通过前，本页不会把计划写成上线事实。

常见问题 FAQ

Q1：现在可以用 ChatSRS 直接算样本量吗？

当前不可以。注册入口不可执行，且部分分支存在未修复统计问题，本页不引用其数值。

Q2：G*Power 支持哪些范围？

截至 2026-07-11，官方页面称其支持多种 t、F、χ²、z 和部分 exact tests，并可做效应量与图形展示；具体检验需查官方手册。

Q3：两边结果不同应该选更小的 N 吗？

不应该。先核对检验、效应量定义、tail、组数、总 N/每组 N 和设计参数；当前 ChatSRS 结果不得参与数值比较。

Q4：数据已有后可以用 observed power 解释不显著吗？

不建议。应报告估计区间和基于外部最小有意义效应的敏感度分析。