fMRI与EEG双阶段研究先验招募样本量确定及R包查询

有多个适配神经影像研究场景的R包可实现你需要的样本量计算，不同包适配不同的研究设计需求：

• pwr包：通用功效分析基础包，适合快速初步估算。你可以先根据研究的统计检验类型（t检验、方差分析、回归等）计算满足指定效力（通常取0.8）的最小样本量，再叠加fMRI/EEG研究常见的20%-35%的伪影剔除率、被试脱落率，即可得到第一阶段的最大招募量，第二阶段可复用同一逻辑计算后累加。
• neuropower包：专门为fMRI等神经影像研究开发的样本量计算工具，内置了簇水平校正、全脑多重比较校正等神经影像专属的统计参数，也支持输入EEG研究的公开效应量参考值，可直接输出单模态研究的推荐样本量，双阶段设计可分别计算两个阶段的数值后结合跨阶段匹配要求调整最大值。
• powerMM包：如果你的双阶段研究采用混合效应模型（比如重复测量、跨模态被试内匹配设计），可直接用这个包适配多阶段、多水平的实验结构做功效分析，输出满足统计效力要求的最小样本量，在此基础上叠加30%左右的神经影像研究被试排除冗余量，就是你需要的整体最大招募量。

计算前需要提前明确核心参数：核心研究假设对应的预期效应量、统计检验类型、多重比较校正策略、预期的头动/伪影剔除比例、跨阶段被试脱落比例，建议优先参考同领域同范式已发表研究的效应量取值，避免计算结果偏差过大。

内容的提问来源于stack exchange，提问作者12666727b9