陕西师范大学心理学院马庄实验室精心整理的G-Power教程，揭示了如何在实际研究中精准计算被试量，确保实验的严谨性和有效性。这份内部学习资料深入浅出，涵盖了关键概念和实用操作步骤。
1. 理解核心概念
首先，教程介绍了被试量、α和β的重要性，以及效应量（effect size）在统计分析中的角色。它指导研究生理解这些概念，并通过GPower的五种统计力分析类型，如先验分析和事后分析，强化对样本容量、统计检验力的掌控。
2. 精准计算步骤
以单样本t检验为例，你需要输入特定值、总体正态分布、效应量（如科恩d值）以及期望的α和β。GPower提供了简便的操作界面，只需依次选择检验类型、设置参数，并点击计算，便能得出所需的样本量。
例如，要检验SC-IAT研究中A和C参数的显著差异，你需要设置双尾检验、效应量d和期望的α和β值，计算结果表明，需要51个样本才能确保0.01显著性和中等效应。
3. 实例演示
通过可视化工具，你可以对比不同d值下的统计量关系，直观了解样本量需求。例如，86名被试的分析结果显示，至少需要达到β>0.98，以确保足够的检验力。
4. 精确计算实例
如要估计效应量，只需输入组均值、标准差，GPower便能预估样本量。例如，要检验学习效果变化，假设d=0.95，计算出样本量为14人。
5. 实战操作
从独立样本t检验到多元线性回归，GPower提供了丰富的统计检验选项。通过实际案例，如比较路段行驶速度差异，展示了操作流程和所需样本量的计算。
马庄实验室强调，每个统计检验方法都需根据具体实验设计调整，确保科学性和准确性。在使用G-Power时，务必结合专业指导，因为某些高级分析可能需要特定工具或专业知识。
总之，这份教程旨在为研究生提供一个实用的工具，帮助他们有效规划研究，提高研究质量。马庄实验室鼓励科研人员之间的知识共享，共同提升科研水平。