某麻醉科醫師想比較兩種麻醉藥物（舊藥與新藥）的效果，計畫收集採用舊藥 50 人及新藥 50 位病人在麻醉開始後至手術開始時的最小血壓值，麻醉科醫師希望可以偵測到兩組最小血壓值差距到 6 mmHg ，下列何者做法可以提升統計假設檢定的檢定力（power ）？

本題觀念：

統計假設檢定的檢定力（statistical power）是指在虛無假設為假時，能正確拒絕的機率（即 $1 - \beta$）。提升 power 的關鍵因素包括：顯著性水準（$\alpha$）、效果量（effect size）、樣本數（n）及資料變異性。

選項分析

(A) 將檢定的顯著性水準由 0.05 增加至 0.1 提高 $\alpha$ 值（顯著性水準）會使拒絕域（rejection region）擴大，相當於降低判斷「達顯著」的門檻。$\alpha$ 與 $\beta$（型二錯誤率）之間存在反向關係：$\alpha$ 增大 → $\beta$ 減小 → $1-\beta$（power）增加。因此，此做法可以提升檢定力。代價是型一錯誤率（偽陽性）上升。✅ 正確

(B) 偵測到兩組最小血壓值差距由 6 mmHg 降低到 3 mmHg 效果量（effect size）是研究者希望偵測到的兩組差異。若將目標偵測差距從 6 mmHg 縮小到 3 mmHg，代表要偵測更微小的差異。在同樣樣本數下，偵測更小的差異需要更大的 power（或更大的樣本數才能維持相同 power）——換言之，此做法在樣本不變的前提下，實際上是讓任務更困難，檢定力會下降，而非上升。❌ 錯誤

**(C) 樣本更改為收集舊藥 40

...（解析預覽）...