秩和检验效能评估方法的效能评估标准主要有以下几个方面：
一、检验效能（Power）
定义：
检验效能是指在给定的显著性水平下，当原假设为假时，正确拒绝原假设的概率。它反映了检验方法能够准确检测出实际存在差异的能力。
计算方法：
通常通过模拟研究或理论推导来计算秩和检验的效能。在模拟研究中，生成大量符合特定假设的数据，然后对这些数据进行秩和检验，统计正确拒绝原假设的次数占总模拟次数的比例，即为检验效能的估计值。
例如，假设进行 1000 次模拟实验，在已知存在差异的情况下，秩和检验正确拒绝原假设的次数为 800 次，则检验效能为 800/1000 = 0.8。
理想取值范围：
一般来说，检验效能越高越好。通常认为检验效能在 0.8 以上较为理想，这意味着在实际存在差异的情况下，有 80% 以上的概率能够正确检测出来。
然而，检验效能的取值会受到多种因素的影响，如样本量、效应大小、显著性水平等。在实际应用中，需要根据具体情况来确定可接受的检验效能水平。
二、显著性水平（α）
定义：
显著性水平是指在假设检验中，当原假设为真时，错误地拒绝原假设的概率。它通常用 α 表示，常见的取值有 0.05、0.01 等。
作用：
显著性水平决定了检验的严格程度。较小的显著性水平意味着检验更加严格，需要更强的证据才能拒绝原假设。
在秩和检验效能评估中，显著性水平的选择会影响检验效能的计算。一般来说，显著性水平越低，检验效能也会相应降低。
合理选择：
显著性水平的选择需要综合考虑研究的实际需求和风险承受能力。如果研究对错误拒绝原假设的风险要求较低，可以选择较小的显著性水平；如果希望提高检验效能，可以适当放宽显著性水平，但同时也会增加犯第一类错误的风险。
三、效应大小（Effect Size）
定义：
效应大小是指实际存在的差异程度。在秩和检验中，常用的效应大小指标有中位数差异、秩相关系数等。
影响：
效应大小越大，检验效能越高。这是因为较大的效应大小更容易被检验方法检测到。
在进行秩和检验效能评估时，需要考虑实际可能的效应大小范围，以确定检验方法在不同效应大小下的性能表现。
计算方法：
效应大小的计算方法因具体的研究问题和数据类型而异。例如，对于两个独立样本的秩和检验，可以计算两组数据的中位数差异，并将其标准化为效应大小指标。
四、样本量（Sample Size）
作用：
样本量是影响秩和检验效能的重要因素之一。一般来说，样本量越大，检验效能越高。
足够的样本量可以提高统计检验的稳定性和可靠性，减少抽样误差对结果的影响。
确定方法：
在进行秩和检验效能评估时，可以通过理论推导或模拟研究来确定所需的样本量。通常需要考虑显著性水平、效应大小、检验效能等因素，以及研究的实际需求和资源限制。
例如，可以使用统计软件或在线工具，根据给定的效应大小、显著性水平和期望的检验效能，计算所需的样本量。
五、实际应用中的考虑因素
研究目的和问题：
不同的研究目的和问题可能对检验效能有不同的要求。例如，在药物研发中，需要较高的检验效能来确保药物的有效性和安全性；而在探索性研究中，可能可以接受较低的检验效能。
数据质量和可靠性：
数据的质量和可靠性也会影响秩和检验的效能评估结果。如果数据存在较大的测量误差、缺失值或异常值，可能会降低检验效能。
在进行效能评估之前，需要对数据进行充分的清理和验证，以确保数据的质量和可靠性。
多重比较问题：
在进行多个组之间的比较时，需要考虑多重比较问题。如果不进行适当的调整，可能会增加犯第一类错误的风险，降低检验效能。
可以使用多重比较调整方法，如 Bonferroni 校正、Holm 校正等，来控制多重比较的风险。