1. 统计功效：在假设检验中，拒绝原假设后，接受正确的替换假设的概率。计算：1- β（一般由计算积分而得） 2. 统计效果量：不依赖于样本，反应自变量与应变量关联强度的指标。 3. 意义：可以了解自变量效果的大小，可以用来概括包含同样自变量或因变量的一系列实验的结果，考察某自变量在一系列实验中的效果量，为改进研究设计、提高检验能力提供依据。 4. 发表研究报告时，除了报告显著性，还要效果量。 5. 统计效果量计算： （1）两个独立样本t检验公式 （2）两个相关样本t检验公式 （3）方差分析公式：η2（针对样本，常用）、ω2（针对总体） 6. 统计效果量评价： （1） d：≤ 0.2，效果小；= 0.5，效果中等；≥ 0.8，效果大。 （2）rpb2： ≤ 0.010，效果小；= 0.059，效果中等；≥0.138，效果大。 （3）η2、ω2： ≤ 0.06，效果小；≥ 0.16，效果大 7. 统计效果量的影响因素：良好的实验设计能够提高统计效果量。