为何R的pwr.2p.test计算样本量结果与G*Power存在较大差异

核心差异来自底层计算逻辑、参数配置、校正规则三类原因：

• 底层计算方法差异：R的pwr.2p.test默认采用反正弦平方根变换（arcsine变换）的近似算法，这类算法在比例接近0或1的极端场景下（你的案例中两个比例分别为0.022、0.001，均为极低比例）近似偏差较大，会低估所需样本量。而GPower默认采用精确正态近似或Fisher精确检验*逻辑，对极端比例的估计更保守，更贴近真实试验所需的样本量。
• 参数配置一致性问题：请确认G*Power的参数配置和R代码完全匹配：
  • 是否选择了单侧检验（R代码中alternative = "greater"为单侧检验，若G*Power误选双侧，样本量会明显增大）
  • 效应量是否采用同一标准：R中用ES.h()计算的是Cohen's h效应量（值为0.234），若你在G*Power中直接输入两个比例，选择风险差、相对风险等其他效应量指标，计算逻辑不同结果会存在显著差异
• 连续性校正规则差异：G*Power默认对两比例检验启用连续性校正，该设置在小比例、小样本场景下会显著提高所需样本量；而pwr.2p.test的反正弦变换逻辑默认不做连续性校正，也是结果偏小的重要原因。

你可以通过以下操作验证差异来源：在G*Power中选择两独立样本比例的先验效能计算，检验方法选择「arcsine approximation」，手动输入Cohen's h=0.234，设置α=0.05、power=0.8、单侧检验，关闭连续性校正，得到的结果会和R输出的225完全一致。

若你的研究针对极低比例差异，更推荐采用G*Power输出的318作为最终样本量，反正弦变换的结果在极端比例场景下偏乐观，实际试验中容易出现效能不足的问题。

内容的提问来源于stack exchange，提问作者L.Yang