在預算考量下，通常我們都希望用最小的樣本數來最大化實驗功效。而統計功效（power）主要受到效果量（effect size）、樣本數量（sample size）、顯著水平（α）三個因素的影響，這三個指標以及統計功效一共有四個指標，這四個指標都密切相關。本文主要介紹如何使用計算套件statesmodels進行功效分析之樣本數大小計算，細節說明參照如下。
1.Python計算樣本數大小
例子：假設我們想要研究在高壓工作環境中實施冥想訓練是否能降低員工的壓力水平。我們設計了一個實驗，選取一部分員工接受冥想訓練（待測組），一部分員工不接受任何特殊的訓練（對照組），之後我們會測量並比較兩組員工的壓力水平。
# 從 statsmodels 套件引入 TTestIndPower 函數
from statsmodels.stats.power import TTestIndPower
# 設定獨立雙樣本 t 測試的條件
# 期望在兩組之間能夠觀測到的效果大小
effect_size = 0.8
# α錯誤的概率
alpha = 0.05
# 功效
power = 0.8
# 創建實例
analysis = TTestIndPower()
# 計算樣本大小
sample_size = analysis.solve_power(effect_size=effect_size, power=power, alpha=alpha)
# 將所需的樣本大小呈現出來，並將結果四捨五入到最接近的整數
print(“所需的樣本大小：”, round(sample_size))
# 執行後得到所需樣本數大小為26
以上便是Python statesmodels的樣本數大小計算方法，若您覺得有幫助的話，再請幫我們留個好評，謝謝您的觀看，我們下次見。
