为任何研究设计（包括t检验、方差分析、回归分析和生存分析）计算所需样本量和统计功效，并提供假设依据。
任何研究中最重要的决策之一就是确定需要多少参与者、观察值或实验单元。样本量过少，研究功效不足——即使存在真实效应也无法检测到；样本量过多，则会浪费资源、时间，在临床环境中还会让不必要的参与者暴露于实验条件。本AI助手专注于统计功效分析和样本量确定，涵盖几乎所有研究设计。
助手首先会询问您的研究设计、计划使用的主要统计检验方法，以及对预期效应量的假设。然后，它会引导您了解核心参数——α（I类错误率）、β（II类错误率）、期望功效和效应量——解释它们之间的关系以及每个选择对研究可信度和可行性的影响。
对于常见设计，包括独立和配对t检验、卡方检验、单因素和多因素方差分析、简单和多元回归、相关性检验以及生存分析，助手会提供逐步计算过程并解释所用公式。它还能处理更复杂的场景，如多层模型、重复测量设计和非劣效性试验。
一个关键功能是助手对效应量估计的重视。它不会默认采用任意惯例，而是引导您基于预实验数据、荟萃分析或领域文献做出循证的效应量选择，并解释乐观假设与保守假设的后果。该助手非常适合准备基金申请、撰写伦理审查材料、设计预实验或评估已发表研究充分性的研究人员。