pass相关性分析是什么以及怎么用PASS做相关性分析

1. 确认pass相关性分析对应的统计场景
   在PASS中，相关性分析通常对应「相关」或「相关系数」类的样本量计算模块。你需要先明确研究目的是估计相关系数的置信区间，还是检验相关系数是否显著不为零。前者选「置信区间」类，后者选「假设检验」类。还要确定是皮尔逊相关、斯皮尔曼相关还是肯德尔相关，因为不同相关系数对数据分布和样本量要求不同。PASS中一般会把这些选项放在同一菜单的不同子模块里，打开后先看标题和说明文字是否与你的研究问题一致。
2. 准备pass相关性分析所需的参数
   做pass相关性分析前，需要准备好几个关键参数：预期相关系数、检验水准、检验效能、以及是单侧还是双侧检验。预期相关系数来自预实验、文献或专业判断，不能随意填一个很大的值，否则算出的样本量会偏小。检验水准常用0.05，检验效能常用0.80或0.90。如果研究还要考虑失访率，应在算出的样本量基础上适当增加。PASS界面里这些参数通常有默认值，但默认值不一定适合你的研究，需要逐个核对并改成你计划使用的数值。
3. 在PASS中执行pass相关性分析并读取结果
   参数填好后，点击运行或计算按钮，PASS会给出所需样本量或检验效能。结果区一般会显示样本量、实际效能、临界值等。要重点看实际效能是否达到你设定的目标，如果低于目标，说明样本量不够或参数设置不合适。还可以查看结果中的图表，观察样本量随相关系数变化的情况。如果PASS支持，可以调整预期相关系数或效能，重新计算，比较不同方案。注意不要把PASS输出的样本量直接当作最终招募人数，还要结合研究实际和伦理要求。
4. 核对pass相关性分析的输入假设是否合理
   PASS计算依赖你输入的假设。常见问题包括：把相关系数填得过大，导致样本量偏小；把单双侧选错，导致结果偏差；效能设得过低，导致研究把握度不足；忽略失访，导致实际分析时样本不够。建议把预期相关系数设一个范围，比如保守值和乐观值，分别计算，看看样本量变化有多大。如果变化很大，说明研究设计对假设很敏感，需要在方案中说明并考虑增加样本量。PASS的说明文档里通常会解释每个参数的含义，遇到不确定的字段可以查看帮助。
5. 把pass相关性分析结果写进研究方案
   得到样本量后，要在研究方案中写清楚：使用的软件是PASS，分析方法为相关性分析，预期相关系数是多少，检验水准和效能是多少，单侧还是双侧，最终样本量是多少，是否考虑失访。这样审稿人和伦理委员会才能判断你的样本量估算是否合理。如果后续调整了主要结局或统计方法，应重新做pass相关性分析并更新样本量。不要直接套用别人的样本量，因为研究问题和参数不同，结果可能差别很大。把PASS的计算过程和关键截图保存下来，方便复核。

软件页面：PASS。