# power-analysis

Считает мощность, нужный размер выборки и минимальный детектируемый эффект для дизайна исследования, а затем пишет готовый раздел для пререгистрации.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · ★ 1671
- Автор: Claude Code Academic Workflow
- Лицензия: MIT · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/pedrohcgs/claude-code-my-workflow/tree/HEAD/.claude/skills/power-analysis/SKILL.md
- Обновлён: 2026-09-27
- HTML: https://affpapa.org/nevibecode/skills/power-analysis

## Что делает

Скилл закрывает три связанные величины априорного расчёта: мощность, требуемое N и минимальный детектируемый эффект (MDE). Фиксируете две из них — решаете третью. Обратный вывод «мощности» из уже полученной оценки скилл не делает: это пост-хок мощность, и она ничего не говорит о дизайне.

Аналитический путь — для двухручных RCT, кластерных схем с ICC и сравнений нескольких групп. Внутри: R `pwr` / `WebPower` или закрытые формы `power.t.test` / `power.prop.test`, для кластеров дисперсия раздувается на `DEFF = 1 + (m − 1)·ρ`. Есть варианты для Stata (`power twomeans`, `power twoproportions`) и Python (`statsmodels.stats.power`). Для нестандартных дизайнов — DiD и событийные исследования, IV, панели — включается симуляция по образцу `/simulation-study`: засеянный DGP, тот же оценщик, что пойдёт на реальные данные, доля отклонений H0 как мощность и проверка размера под нулевой гипотезой. Симулированное число без Monte Carlo SE и без проверки размера ответом не считается.

Чтобы скилл заработал, нужны параметры дизайна: исход, односторонний или двусторонний тест, `alpha`, отношение распределения по группам, ICC и размер кластера при кластеризации. Чего не хватает, скилл спросит один раз, а не подставит наугад. Если неоднозначен оцениваемый параметр или источник SD, он останавливается и ждёт ответа. На выходе — таблица мощности и MDE, кривые мощности и абзац методов в `quality_reports/power/`, плюс воспроизводимый скрипт в `scripts/R/`.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add pedrohcgs/claude-code-my-workflow --skill power-analysis -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/power-analysis/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/power-analysis/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add pedrohcgs/claude-code-my-workflow --skill power-analysis -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/power-analysis/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add pedrohcgs/claude-code-my-workflow --skill power-analysis -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/power-analysis/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install pedrohcgs/claude-code-my-workflow power-analysis
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/power-analysis/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add pedrohcgs/claude-code-my-workflow --skill power-analysis -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/pedrohcgs/claude-code-my-workflow --path .claude/skills/power-analysis
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/power-analysis/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add pedrohcgs/claude-code-my-workflow --skill power-analysis -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/pedrohcgs/claude-code-my-workflow/tree/HEAD/.claude/skills/power-analysis/SKILL.md

## Когда брать
- выбрать размер выборки под целевой MDE при мощности 80–90%
- посчитать дизайн-эффект для кластерной рандомизации с ICC
- поправить alpha на число сравнений в многоarm-исследовании
- оценить мощность симуляцией для DiD или IV без закрытой формулы SE
- написать раздел о мощности для регистрации RCT

## Примеры запросов агенту
- Посчитай MDE для двухручного RCT: эффект 0.2 SD, N = 800, мощность 0.80
- Сколько кластеров нужно при ICC 0.05 и среднем размере кластера 30?
- Прогони симуляцию мощности для staggered DiD с 40 периодами

## Похожие
- [statistical-power](https://affpapa.org/nevibecode/skills/statistical-power.md) — скилл · 1300 установок
- [tooluniverse-image-analysis](https://affpapa.org/nevibecode/skills/tooluniverse-image-analysis.md) — скилл · 653 установки
- [results-analysis](https://affpapa.org/nevibecode/skills/results-analysis.md) — скилл · 542 установки
- [statistical-analysis](https://affpapa.org/nevibecode/skills/anthropics-statistical-analysis.md) — скилл · 4600 установок
- [data-analysis](https://affpapa.org/nevibecode/skills/lingzhi227-data-analysis.md) — скилл · 2000 установок
- [monte-carlo-simulator](https://affpapa.org/nevibecode/commands/monte-carlo-simulator.md) — команда · 193 установки

Из того же набора: [pedrohcgs/claude-code-my-workflow](https://affpapa.org/nevibecode/by/pedrohcgs/claude-code-my-workflow.md) — 27 карточек

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md