English

检验功效与精度设计

先查看各命令展开的示例，再按需展开其他选项及 R 实现。改写代码前，请阅读适用条件及差异说明。

ciwidth

计算均值置信区间预期全宽

Stata

ciwidth onemean, sd(2) n(50)

R 包：stats

2*stats::qt(0.975,df=49)*2/sqrt(50)

预期宽度流程以设计标准差代替未来样本标准差；区间宽度指上限减下限。Stata还支持区间宽度概率设计，此处未实现。

Stata 参考 · R 参考

按目标均值区间宽度设计样本量

Stata

ciwidth onemean, sd(2) width(1)

R 包：stats

ceiling(stats::uniroot(function(n) 2*stats::qt(0.975,n-1)*2/sqrt(n)-1,c(3,1000))$root)

预期宽度流程以设计标准差代替未来样本标准差；区间宽度指上限减下限。Stata还支持区间宽度概率设计，此处未实现。

Stata 参考 · R 参考

计算配对均值差区间宽度

Stata

ciwidth pairedmeans, sddiff(2) n(50)

R 包：stats

2*stats::qt(0.975,49)*2/sqrt(50)

预期宽度流程以设计标准差代替未来样本标准差；区间宽度指上限减下限。Stata还支持区间宽度概率设计，此处未实现。

Stata 参考 · R 参考

计算等方差双均值差区间宽度

Stata

ciwidth twomeans, sd(2) n1(40) n2(60)

R 包：stats

2*stats::qt(0.975,98)*2*sqrt(1/40+1/60)

预期宽度流程以设计标准差代替未来样本标准差；区间宽度指上限减下限。Stata还支持区间宽度概率设计，此处未实现。

Stata 参考 · R 参考

power

计算固定样本量单均值t检验功效

Stata

power onemean 0 0.5, sd(1) n(40)

R 包：stats

stats::power.t.test(n=40,delta=0.5,sd=1,type="one.sample",sig.level=0.05)

与 Stata 有差异 计算所示正态理论t检验或两比例功效设计。R两样本n表示每组人数，Stata的n()表示总人数；须统一备择、分配及双侧拒绝规则。

Stata 参考 · R 参考

设计单均值t检验所需样本量

Stata

power onemean 0 0.5, sd(1) power(0.8)

R 包：stats

stats::power.t.test(delta=0.5,sd=1,type="one.sample",sig.level=0.05,power=0.8)

与 Stata 有差异 独立双样本检验中R报告每组样本量；样本量应向上取整。

Stata 参考 · R 参考

计算单均值t检验可检测差值

Stata

power onemean 0, sd(1) n(40) power(0.8)

R 包：stats

stats::power.t.test(n=40,delta=NULL,sd=1,power=0.8,type="one.sample")

与 Stata 有差异 R返回正的可检测差值；加上原假设均值即可得到备择均值。

Stata 参考 · R 参考

计算固定样本量配对均值t检验功效

Stata

power pairedmeans 0 0.5, sddiff(1) n(40)

R 包：stats

stats::power.t.test(n=40,delta=0.5,sd=1,type="paired",sig.level=0.05)

与 Stata 有差异 计算所示正态理论t检验或两比例功效设计。R两样本n表示每组人数，Stata的n()表示总人数；须统一备择、分配及双侧拒绝规则。

Stata 参考 · R 参考

设计配对均值t检验所需样本量

Stata

power pairedmeans 0 0.5, sddiff(1) power(0.8)

R 包：stats

stats::power.t.test(delta=0.5,sd=1,type="paired",sig.level=0.05,power=0.8)

与 Stata 有差异 独立双样本检验中R报告每组样本量；样本量应向上取整。

Stata 参考 · R 参考

另有 23 个示例及替代实现

计算固定样本量下相关检验功效

Stata

power onecorrelation 0 0.3, n(100)

R 包：pwr

pwr::pwr.r.test(r=0.3,n=100,sig.level=0.05)

与 Stata 有差异 pwr使用其文档规定的近似与效应参数化；数值结果不保证与Stata相同。

Stata 参考 · R 参考

设计检出相关系数的样本量

Stata

power onecorrelation 0 0.3, power(0.8)

R 包：pwr

pwr::pwr.r.test(r=0.3,power=0.8,sig.level=0.05)

与 Stata 有差异 pwr使用其文档规定的近似与效应参数化；数值结果不保证与Stata相同。

Stata 参考 · R 参考

计算固定样本量可检测的相关系数

Stata

power onecorrelation 0, n(100) power(0.8)

R 包：pwr

pwr::pwr.r.test(r=NULL,n=100,power=0.8,sig.level=0.05)

与 Stata 有差异 pwr使用其文档规定的近似与效应参数化；数值结果不保证与Stata相同。

Stata 参考 · R 参考

在标准差已知时计算单均值z检验功效

Stata

power onemean 0 0.5, sd(1) knownsd n(40)

R 包：pwr

pwr::pwr.norm.test(d=0.5,n=40,sig.level=0.05)

与 Stata 有差异 pwr以标准差为单位报告均值差；knownsd将此设计与t检验区分。

Stata 参考 · R 参考

在标准差已知时设计单均值z检验样本量

Stata

power onemean 0 0.5, sd(1) knownsd power(0.8)

R 包：pwr

pwr::pwr.norm.test(d=0.5,power=0.8,sig.level=0.05)

与 Stata 有差异 pwr以标准差为单位报告均值差；knownsd将此设计与t检验区分。

Stata 参考 · R 参考

计算单侧单均值t检验功效

Stata

power onemean 0 0.5, sd(1) n(40) onesided

R 包：stats

stats::power.t.test(n=40,delta=0.5,sd=1,type="one.sample",alternative="one.sided")

与 Stata 有差异 计算所示正态理论t检验或两比例功效设计。R两样本n表示每组人数，Stata的n()表示总人数；须统一备择、分配及双侧拒绝规则。

Stata 参考 · R 参考

计算单均值z检验可检测效应

Stata

power onemean 0, sd(1) knownsd n(40) power(0.8)

R 包：pwr

pwr::pwr.norm.test(d=NULL,n=40,power=0.8,sig.level=0.05)

与 Stata 有差异 pwr以标准差为单位报告均值差；knownsd将此设计与t检验区分。

Stata 参考 · R 参考

近似计算固定样本单比例功效

Stata

power oneproportion 0.3 0.5, n(100)

R 包：pwr

pwr::pwr.p.test(h=pwr::ES.h(0.5,0.3),n=100,sig.level=0.05)

使用反正弦效应h，是Stata默认得分检验计算的替代流程。

Stata 参考 · R 参考

使用Cohen h近似设计单比例检验

Stata

power oneproportion 0.3 0.5, power(0.8)

R 包：pwr

pwr::pwr.p.test(h=pwr::ES.h(0.5,0.3),power=0.8,sig.level=0.05)

使用反正弦效应h，是Stata默认得分检验计算的替代流程。

Stata 参考 · R 参考

计算平衡单因素方差分析功效

Stata

power oneway 0 0.5 1, varerror(1) n(90)

R 包：pwr

pwr::pwr.anova.test(k=3,n=30,f=sqrt(mean((c(0,0.5,1)-0.5)^2)))

与 Stata 有差异 pwr使用其文档规定的近似与效应参数化；数值结果不保证与Stata相同。

Stata 参考 · R 参考

设计平衡单因素方差分析每组样本量

Stata

power oneway 0 0.5 1, varerror(1) power(0.8)

R 包：pwr

pwr::pwr.anova.test(k=3,f=sqrt(mean((c(0,0.5,1)-0.5)^2)),power=0.8)

与 Stata 有差异 pwr使用其文档规定的近似与效应参数化；数值结果不保证与Stata相同。

Stata 参考 · R 参考

计算配对均值t检验可检测差值

Stata

power pairedmeans 0, sddiff(1) n(40) power(0.8)

R 包：stats

stats::power.t.test(n=40,delta=NULL,sd=1,power=0.8,type="paired")

与 Stata 有差异 R返回正的可检测差值；加上原假设均值即可得到备择均值。

Stata 参考 · R 参考

计算三个解释变量整体R平方检验功效

Stata

power rsquared 0.1, n(100) ntested(3)

R 包：pwr

pwr::pwr.f2.test(u=3,v=96,f2=0.1/(1-0.1))

与 Stata 有差异 f2=(完整模型R2-约束模型R2)/(1-完整模型R2)；残差自由度等于N减去全部解释变量数再减一。

Stata 参考 · R 参考

设计整体R平方检验总样本量

Stata

power rsquared 0.1, power(0.8) ntested(3)

R 包：pwr

{ design <- pwr::pwr.f2.test(u=3,f2=0.1/(1-0.1),power=0.8); ceiling(design$v+3+1) }

与 Stata 有差异 f2=(完整模型R2-约束模型R2)/(1-完整模型R2)；残差自由度等于N减去全部解释变量数再减一。

Stata 参考 · R 参考

计算增量解释方差的检验功效

Stata

power rsquared 0.2 0.3, n(120) ntested(2) ncontrol(3)

R 包：pwr

pwr::pwr.f2.test(u=2,v=114,f2=(0.3-0.2)/(1-0.3))

与 Stata 有差异 f2=(完整模型R2-约束模型R2)/(1-完整模型R2)；残差自由度等于N减去全部解释变量数再减一。

Stata 参考 · R 参考

计算固定样本量双均值t检验功效

Stata

power twomeans 0 0.5, sd(1) n(80)

R 包：stats

stats::power.t.test(n=40.0,delta=0.5,sd=1,type="two.sample",sig.level=0.05)

与 Stata 有差异 计算所示正态理论t检验或两比例功效设计。R两样本n表示每组人数，Stata的n()表示总人数；须统一备择、分配及双侧拒绝规则。

Stata 参考 · R 参考

计算独立组样本量不等时的功效

Stata

power twomeans 0 0.5, sd(1) n1(30) n2(50)

R 包：pwr

pwr::pwr.t2n.test(n1=30,n2=50,d=0.5,sig.level=0.05)

与 Stata 有差异 采用合并方差的标准化均值差模型，不是Welch异方差设计。

Stata 参考 · R 参考

设计双均值t检验所需样本量

Stata

power twomeans 0 0.5, sd(1) power(0.8)

R 包：stats

stats::power.t.test(delta=0.5,sd=1,type="two.sample",sig.level=0.05,power=0.8)

与 Stata 有差异 独立双样本检验中R报告每组样本量；样本量应向上取整。

Stata 参考 · R 参考

计算双均值t检验可检测差值

Stata

power twomeans 0, sd(1) n(80) power(0.8)

R 包：stats

stats::power.t.test(n=40.0,delta=NULL,sd=1,power=0.8,type="two.sample")

与 Stata 有差异 R返回正的可检测差值；加上原假设均值即可得到备择均值。

Stata 参考 · R 参考

计算固定双样本比例检验功效

Stata

power twoproportions 0.3 0.5, n(200)

R 包：stats

stats::power.prop.test(n=100,p1=0.3,p2=0.5,sig.level=0.05)

与 Stata 有差异 计算所示正态理论t检验或两比例功效设计。R两样本n表示每组人数，Stata的n()表示总人数；须统一备择、分配及双侧拒绝规则。

Stata 参考 · R 参考

计算单侧双比例检验功效

Stata

power twoproportions 0.3 0.5, n(200) onesided

R 包：stats

stats::power.prop.test(n=100,p1=0.3,p2=0.5,alternative="one.sided")

与 Stata 有差异 计算所示正态理论t检验或两比例功效设计。R两样本n表示每组人数，Stata的n()表示总人数；须统一备择、分配及双侧拒绝规则。

Stata 参考 · R 参考

设计两个独立比例检验的样本量

Stata

power twoproportions 0.3 0.5, power(0.8)

R 包：stats

stats::power.prop.test(p1=0.3,p2=0.5,power=0.8,sig.level=0.05)

与 Stata 有差异 R报告每组样本量；正态近似约定与连续性校正可能不同。

Stata 参考 · R 参考

计算可检测的备择比例

Stata

power twoproportions 0.3, n(200) power(0.8)

R 包：stats

stats::power.prop.test(n=100,p1=0.3,p2=NULL,power=0.8,sig.level=0.05)

与 Stata 有差异 计算所示正态理论t检验或两比例功效设计。R两样本n表示每组人数，Stata的n()表示总人数；须统一备择、分配及双侧拒绝规则。

Stata 参考 · R 参考