关于这个主题有大量文献。我只是给你一个快速的缩略图。假设您正在测试组的平均差异，如T检验。功率会降低，如果...

1. ...变量的测量不可靠。这实质上将“模糊”差异。

2. ...组内的变异性很高。这将使组间差异不那么值得注意。

3. ...您的统计显着性标准很严格，例如，0.001 而不是更常见的 0.05。

4. ...您正在使用单尾检验，假设如果存在差异，则某个组将具有更高的平均值。这减少了双尾检验中出现的机会性显着发现。

5. ...您首先正在处理（或期望）非常微小的平均差异。较小的效应尺寸会降低功率。

如果你用谷歌搜索“功率计算器”，你会发现一些漂亮的网站展示了这些因素相互作用的方式，具体取决于你输入的值。如果您下载免费的 Gpower3 程序，您将拥有一个很好的工具来计算功率并考虑不同条件的影响——适用于各种统计程序。

将权力视为您识别两个相互竞争的数据生成过程之一的真实性的能力。在以下情况下显然会更容易：

1. 数据信号多，噪声小（信噪比好）。
2. 竞争过程彼此非常不同（null 和alternative 是分开的）。
3. 你有大量的数据。
4. 您不太关心错误（I 型错误率大）。

如果以上不成立，就很难选择“真正”的过程。即，您将失去权力。