ANCOVA功效分析：如何自动计算满足0.8功效的最小样本量？

方法一：利用Superpower包内置的样本量推导功能 #

你使用的power_oneway_ancova函数本身就支持直接推导样本量，无需手动试值。只要不指定n参数，同时设置beta_level = 0.2（对应80%的功效），函数会自动计算达到目标功效所需的每组最小样本量。

调整后的代码示例：

library(Superpower)

# 针对单种测量指标的样本量计算（适配6个地块+5个协变量的参数）
result <- power_oneway_ancova(
  mu = c(400, 450, 500, 550, 600, 650),  # 对应6个野外地块的预期均值
  n_cov = 5,  # 5种非生物测量指标作为协变量
  sd = 100,  # 预期标准差（可根据实际数据调整）
  r2 = 0.25,  # 协变量解释的变异比例
  alpha_level = 0.05,
  beta_level = 0.2,  # 对应80%功效
  round_up = TRUE,
  type = "exact"
)

# 查看计算出的每组最小样本量
print(result$n)

方法二：批量处理5种不同测量指标 #

如果5种非生物测量指标有不同的均值、标准差或协变量变异解释率，可以用循环实现批量自动化计算：

# 定义每种测量指标的参数集合
metric_params <- list(
  土壤湿度 = list(mu = c(400,450,500,550,600,650), sd = 90, r2 = 0.2),
  土壤pH = list(mu = c(20,25,30,35,40,45), sd = 5, r2 = 0.3),
  光照强度 = list(mu = c(100,120,140,160,180,200), sd = 20, r2 = 0.28),
  空气温度 = list(mu = c(5,7,9,11,13,15), sd = 1.5, r2 = 0.15),
  土壤肥力 = list(mu = c(300,330,360,390,420,450), sd = 40, r2 = 0.32)
)

# 循环计算每个指标的最小样本量
sample_size_results <- lapply(metric_params, function(params) {
  power_oneway_ancova(
    mu = params$mu,
    n_cov = 5,
    sd = params$sd,
    r2 = params$r2,
    alpha_level = 0.05,
    beta_level = 0.2,
    round_up = TRUE,
    type = "exact"
  )$n
})

# 输出所有指标的样本量结果
print(sample_size_results)

关键注意点 #

• mu参数需对应6个野外地块的预期均值，建议参考预实验数据或已发表文献设置
• n_cov需与非生物测量指标数量一致（此处为5）
• 函数返回的n即为每个地块需要的最小观测数，已通过round_up = TRUE向上取整保证功效达标

内容的提问来源于stack exchange，提问作者brushyourteeth