问题在于“事后效应大小”的使用，而不是其计算无效。“事后效应大小”基本上是对总体参数的估计（例如，两组之间的平均差和标准差，而不是标准误差！），其精度可能会受到研究设计的影响，但不会由研究确定设计。毕竟，使用来自试点研究的“事后效应大小”估计来设计最终研究是一种很好的做法。

正如您所注意到的，这里的许多线程都解决了一个问题，即基于“事后效应大小”的事后功率计算是没有意义的。正如Russ Lenth 所说：

你得到了数据，做了分析，但没有达到“意义”。因此，您可以回顾性地计算能力，以查看测试是否足够强大。这是一个空洞的问题。当然它还不够强大——这就是为什么结果并不重要。功效计算对设计有用，而不是分析。

在您的示例中，计算“事后效应大小”同样没有错误。错误在于您的客户试图使用“事后效应大小”将“无关紧要”的零假设测试逆向工程为事后等效性测试。零假设检验和等价检验根本不同。事后等价测试的尝试不仅没有意义；他们具有误导性。此页面提供更多详细信息和参考文献。Walker 和 Nowacki特别强调：

确定等效余量是等效/非劣效性检验中最关键的步骤……应在记录数据之前确定等效余量的值。这对于将 I 型错误保持在所需水平至关重要......$\delta$

使用传统的比较测试来建立等效性/非劣效性经常会导致错误的结论。原因有两个。首先，证明的责任在于错误的假设，即差异的假设……错误地得出等价的风险可能非常高。另一个原因是没有考虑等价的边际，因此没有很好地定义等价的概念。

与往常一样，问题的正确说明应先于研究设计和数据分析。在得到结果之后改变假设是问题所在。