Power功效分析常用于实验研究时样本量的计算（或功效值计算），如果是涉及线性回归相关的回归系数差异计算时，SPSSAU共提供三种情况时的Power功效分析，具体如下表格所述：

比如R 方值的变化的功效能力时（也或者R 方变化值的功效能力时），此时可使用R 方值。如果是研究回归系数的差异性（包括标准化回归系数和非标准化回归系数两种情况）时，可使用‘回归系数差异’，如果研究中介作用时的功效能力情况，可使用‘中介作用’。

SPSSAU进行功效分析时，共包括两项功能，分别是计算样本量和计算功效Power值，具体涉及到Power功效原理，可查阅‘Power原理’内容。接下来以‘回归系数差异’为例具体讲解操作，如下所述：

• 1、关于分析Power值

  

  上图中目的在于计算Power值，其研究某变量的回归系数是否明显与某数字有明显差异性，上图中回归系数是‘非标准化回归系数’（当然也可提供标准化回归系数），某X和另外2个变量做线性回归模型，模型中共有3个自变量X，且R 方值是0.2，针对需要对比回归系数差异的X，其标准差值是2，并且因变量Y的标准差值是0.3；并且该X的非标准化回归系数是0.5，其需要与0.4这个数字进行对比是否有差异性。以及做线性回归模型时样本量是30个，基于当前研究，此时的Power功效水平如何呢，点击开始分析即可得到结果，最终结果如下所示：

  

  计算结果显示，基于I类错误为0.05，线性回归样本量为30时，最终得到Power值为0.975，即不犯II类错误的概率是97.5%，即说明有97.5%的把握‘错的说成错的’。

• 2、关于分析样本量

  

  上图中目的在于计算样本量，研究基于alpha值为0.05，Power为0.8，并且线性回归模型时有3个自变量X，且R 方值为0.2，以及需要研究的X它的非标准化回归系数是0.5(且其标准差值是2，因变量标准差值是0.3)，需要对比是否明显偏离0.4。最后点击开始分析即可，结果如下:

  

  计算结果显示，基于I类错误为0.05，II类错误为0.2，Power值为0.8前提下，要想达到上述研究具有科学判断性，此时在样本量为16.623即向上取整为17时，该研究才能具有0.8的功效能力。

• SPSSAU中进行线性回归的Power功效分析时，其涉及到3种情况，第1种情况是R 方值的差异性，第2种情况是某个X的回归系数差异，第3种情况是中介作用分析，中介作用时需要理论各个系数的原理后填入对应参数值才能进行研究。