GPower中重复测量设计的检验效能计算问题咨询

嘿，我来帮你拆解这几个实操中很常见的GPower设置问题：

1. 重复测量的组数是否与单测量设计的组数一致？ #

这个得看你具体的重复测量设计类型，不能一概而论：

• 如果是完全重复测量设计（原来单测量的两个因素都改成重复测量，即每个被试完成所有3×3=9种条件）：这里的“重复测量组数”（也就是测量条件数）和单测量设计里的处理组数（9组）是对应的，但本质是每个被试要覆盖所有处理条件，和单测量的“不同被试组对应不同处理”逻辑不同，只是数量上一致。
• 如果是混合设计（一个因素保留被试间，另一个改成重复测量）：被试间的组数和单测量设计里对应被试间因素的组数一致，而重复测量部分的水平数则对应你设置的重复因素的水平数（比如3个）。
  核心原则是：重复测量的条件/组数必须匹配你实际的研究设计，而不是直接照搬单测量的组数。

2. 0.5的相关系数和非球形校正值1是否为标准设置？ #

这俩都是GPower的默认值，但算不上“标准设置”，只能说是无预实验数据时的保守/常用估计：

• 0.5的组内相关系数（ICC）：是中等效应水平的估计值，实际数值取决于你的研究内容——比如认知任务的重复测量相关可能高达0.6-0.8，情绪类变量的重复相关可能低至0.3-0.5。如果有同领域的类似研究，最好参考他们报告的ICC值。
• 非球形校正值ε=1：这代表球形假设完全成立的理想情况，但实际研究中很多时候球形假设会被违反，ε通常小于1（比如Greenhouse-Geisser校正的ε下限是1/(k-1)，k是重复测量的水平数）。如果没有预实验数据，你也可以设为下限值做更保守的效能估计。

3. 这些参数是否由研究设计本身推导而来？ #

是的，这些参数本质上由你的研究设计+研究领域特性共同决定：

• 重复测量的组数/条件数：完全由你的研究目的和设计决定——你要对被试测量几个水平的重复因素，就设置对应的数量，和单测量设计的关联也是基于你是否把原被试间因素转化为重复测量因素。
• 组内相关系数（ICC）：由测量工具的信度、重复测量的时间间隔、研究变量的稳定性推导而来——比如短间隔重复测量的相关会比长间隔高，稳定变量的相关会比易变变量高。有预实验数据的话，直接用预实验计算的ICC最准确；没有的话参考同领域文献。
• 非球形校正值ε：由重复测量的协方差结构决定，研究设计中如果重复测量条件之间的差异越大、协方差越不均等，ε就越小。同样，预实验数据能帮你计算出准确的ε，无数据时可采用保守估计值。

内容的提问来源于stack exchange，提问作者D.L