21.某量化研究中，將第一類型錯誤 α 設為0.05，將第二類型錯誤 β 設為0.10，則此量化研究的統計考驗力為多少
(A)0.95
(B)0.85
(C)0.60
(D)0.90。

何謂統計考驗力(Power)

一、定義

統計考驗的正確性機率當虛無假設基本上為偽時，且在經過測驗之後，我們拒絕了虛無假設，而統計考驗力即指能夠作此正確決定的機率亦就是1-B(型2錯誤)。

Power是一個機率，其值介於0到1之間，具效度的研究最好在0.8~0.95之間

第一型的錯誤：Ho(虛無假設)是真的，卻拒絕它。此一α風險在考驗中又稱顯著水準的風險。

α＝ p〔Re H0│H0〕＝  p〔拒絕H0│H0 為真〕 第二型的錯誤：Ho是錯的，卻接受它。

β＝p〔AcH0│H1〕＝ p〔接受H0│H0 為假〕

真的要接受，偽的要拒絕

從下面Ho與H1平均值抽樣分佈圖中可以看出:

當其他條件不變情況下，α與β具有互相消長關係，如α值增加，β值減少，統計考驗力也會增加；α值降低β值增加，相對統計考驗力會減少。

二、影響統計考驗力的因素

進行研究時，先評估研究的統計考驗力是很重要的。一個研究的統計考驗力（statistical power）與研究樣本的大小、顯著水準α、單側考驗與雙側考驗

 及效果值有關

1.樣本大小n：統計考驗力會隨樣本大小增加而增加。

2.顯著水準α：統計考驗力會隨顯著水準增大而增加。（因為α增大時，拒絕區將增大，比較容易拒絕H0 犯型Ⅱ錯誤會減少，相對地power＝1－β會增加）

3 .單側考驗與雙側考驗：單側考驗比雙側考驗的臨界區還大，所以單側考驗比較容易拒絕H0。由於單側考驗拒絕H0 機率較高，單側考驗犯型Ⅱ錯誤機率較低，同時統計考驗力相對地提高

4效果值（effect size）：

效果值越大，表測驗得分的平均數差距愈大統計考驗力相對地提高

它是影響統計考驗力的因素是有效程度(effect size，簡稱為ES)。 Cohen把他定義為「一個現象或效果存在的程度」，也可理解為「估計Ho錯誤的程度」，通 常是以Ho及H1中之平均值的相對差之絕對值來作為指標，例如，當Ho：μ=50 而H1：μ=54，則 ES=|50-54|

5使用變異數較小的母群作研究

三、統計考驗力分析的類別

1 事前統計考驗力

      主要在規劃適當樣本大小，以獲得好的統計考驗力。

2事後統計考驗力

      主要在了解實得統計考驗力，以正確解釋研究發現。

3 折衷式統計考驗力

  主要在規劃出能同時兼顧低的α與高的Power的樣本大小。

統計考驗力=第二類型錯誤