Hello，
這裏是行上行下，我是喵君姐姐~
一入科研深似海，從此假期是路人。
網上正在熱論996，而大部分的科研人的工作時間可能是711。
每次和審稿人鬥智鬥勇，都感覺自己的頭髮少了很多，深刻體會到了“聰明絕頂”的深意。
而審稿人常問的一個問題是：
這個被試量太少了，我對所得到的結果的準確性感到擔憂~
看到這裏我們就慌了，怎麼辦？
解決方法有兩個：
要麼補實驗數據；要麼讓審稿人信服你的被試量是足夠的，得到的結果是可靠的。
補數據相對而言比較麻煩，可能要重新做實驗，重新分析數據和畫圖。而且有的實驗因爲現實原因，不能夠補數據了。
那麼，你可以採取另外一種辦法：
使用G.Power進行先驗分析，估計出所需要的樣本量，然後看看你的數據量能否大於估計的樣本量。
或者使用事後分析，說明你現目前的數據量可以達到什麼樣的效應量和統計功效水平，是足夠讓人信服的。
其實，這一步應該在實驗之前就應該進行。但是剛開始做實驗的小白都沒有做這一步的意識，所以只好事後亡羊補牢了。
那麼，今天就詳細講解一下，如何使用G.Power進行樣本量的估計？
來源：雪師妹
（點擊查看大圖，今天只詳解樣本量估計喲~）
其實G.Power的安裝和使用都十分簡單，只需要按照要求，點點點即可。當然，想要弄懂背後的統計學原理，還是需要花費一番功夫。
G*power軟件是由德國杜塞爾多夫大學幾位樂於分享知識的老師開發的，專門用於統計功效（包括樣本量）計算的免費統計軟件，在心理學領域有着很高的聲譽和認可度。
首先，在官網即可下載軟件，Windows和Mac版本均有。也可在後臺回覆“G.power教程”免費獲得軟件及相關資料包。
網址：http://www.gpower.hhu.de/
來源：AffectiveNeuroscience-梁麗美
其次，打開文件夾，雙擊setup，進行安裝。安裝完成後，點擊桌面圖標，順利出現如下圖的主界面圖，即可安裝完成。
對於大多數的人來說，統計學概念都是十分抽象的，看着就頭疼。
然而，有一羣可愛的科學家設計了一個有趣的網站，讓我們可以可視化的瞭解各個概念之間的關係。
網址：https://rpsychologist.com/d3/NHST/
首先，複習一下統計學基本概念，兩個假設以及兩類錯誤之間的關係。
研究假設（H0）與對立假設（H1）
來源：AffectiveNeuroscience-梁麗美
Ⅰ型錯誤（a）與Ⅱ型錯誤（β）
其次，理清統計功效（power，1-β）與效應量（effect size，d）之間的關係。
再次，在假設檢驗中，統計模型既定的情況下，有四個參數：
alpha值（a）
效應量（effect size，d）
樣本量（sample size，N）
統計檢驗力（power，1-β）
當統計模型確定後（即使用的是t檢驗，ANOVA或其他檢驗方法），知道其中三個可以計算出第四個。（來源：劉嘉老師）
來源：AffectiveNeuroscience-梁麗美
最後，介紹常見的5種統計力分析（power analysis）的類型。
來源：AffectiveNeuroscience-梁麗美
G.Power的功能強大，即可以計算事後統計檢驗力（事後分析），也可以進行事前樣本量的估計（先驗分析）。
今天，着重講解一下，如何使用G.power進行各個統計方法的樣本量估計？
來源：曹振波老師
Tips:
1. 新版的重複測量分析當中，組內相關係數爲0.5，球形檢驗系統爲1(均爲默認數值），並且不用再除重複測量次數。
2. 除了進行樣本量的估計，也可查看X-Y plot 查看在現目前的樣本量之下，可以達到多大的統計功效（power，1-β）與效應量（effect size，d）。
今天從G.Power的介紹和安裝、統計基本概念的講解、各個統計方法的樣本量估計三個方面進行了G.power的講解。
但是，其實我們還需要很多的路需要走。
就像範妍老師所講的那樣：
隨着技術的革新，如何進行fMRI實驗樣本量的估計？
我們只採取單篇研究進行樣本量的估計是否可靠？
如何才能夠進行更加科學的樣本量估計？
科學無止境，只希望能夠在不斷的學習和發展當中，能夠越來越好。
今天，我也整理了G.power的相關資料，包括G.Power軟件、英文指導手冊、中文指導手冊及相關PPT、參考文獻資料等。後臺回覆“G.Power使用教程”，即可獲得啦！
小夥伴們也可以在留言區將自己的審稿相關經驗分享一下，和大家互相交流哈~
分享完畢，希望有所幫助。
R語言安裝及入門
免費英文文獻下載攻略
2018年心理學乾貨|年刊
EEGLAB腦電數據預處理指導手冊