配对序数数据的标准非参数检验是Wilcoxon，它是一种增强符号检验。我不知道 Wilcoxon 的功效分析公式，但您当然可以得到符号检验的功效分析（我的问题中列出了各种资源：用于样本大小计算的免费或可下载资源）。请注意（正如@Glen_b 在下面的评论中指出的那样），这将假设没有关系。如果您预计会有一定比例的平局，则符号测试的功效分析将为您提供必要的$N$不包括关联，因此您可以通过将其乘以您期望拥有的未关联数据比例的倒数来夸大该估计值（例如，如果您认为您可能有关联数据，并且测试需要，那么您将乘以得到）。除非您需要最小来达到指定的功率，否则这应该适合您。例如，在为更复杂的分析运行功效计算时，我们经常使用更简单的计算，然后说类似“我们的$20\%$$N=100$$100$$1/.8$$125$$N$$N$被计算为在符号测试中达到至少 80% 的功率，因为​​可以预期 Wilcoxon 至少与符号测试一样强大，所以我们的功率应该达到或超过 80%'。

另一方面，如果您对分布的情况有很强的了解，您可以随时进行模拟。虽然是在逻辑回归的背景下编写的，但在我的回答中有很多关于使用模拟进行功率分析的基本信息：逻辑回归功率分析设计实验的模拟。