教程：聚类分析、潜类别分析与多元混合模型样本量、效应量与统计功效的先验估计

在着手收集数据之前，研究者通常计算应进行多少个体观测。这对于开展具有充足统计功效的研究至关重要，且常是研究预注册与基金申请的基石。对于传统统计检验，通常会确定一个可接受的统计功效水平，（猜）估计效应量，再利用这两个值计算所需样本量。然而，对于识别子群的分析，统计功效更难确定。一旦样本量达到充足阈值，效应量主要由测得特征的数量与潜在的子群分离度决定。因此，统计功效的先验计算 notoriously 复杂。本教程提供一条确定子群识别分析样本量与效应量的路线图。首先，我介绍一种流程，使研究者能形式化其在所选领域中关于效应量的预期，并借此计算所需最少测得变量数。接着，概述如何在子群分析中确立最小样本量。最后，我通过模拟为最流行的子群分析提供参照表：k-means、Ward 凝聚层次聚类、c-means 模糊聚类、潜类别分析、潜剖面分析与高斯混合建模。该表显示了为达到可接受统计功效所需的每预期子群最少观测数（样本量）与特征数（测得变量），可直接用于研究设计。