1.      İstatistiksel Güç (1-β): Yukarıda açıklanan istatistiksel güç düzeyi çalışmanın başında belirlenmelidir ve genellikle %80’in altında olmamalıdır. Yapılan çalışmanın istatistiksel gücünü çalışmanın sonunda da belirleyebiliriz. Ancak bu durumda belirlenen güç yeterli düzeyde değilse yapacak fazla bir şeyimiz kalmaz.

2.      İstatistiksel Anlamlılık Düzeyi ve 1. Tip Hata (α): İstatistiksel anlamlılık düzeyi, gerçekte var olmayan bir farklılığın ya da ilişkinin yapılan istatistiksel analizlerle de aynı şekilde farksız ya da ilişkisiz bulunması olasılığıdır. Eğer gerçekte farksız iki grup arasında, yapılan analizler sonucunda şansa bağlı olarak bir fark bulmuşsak o zaman 1. tip hata yapmışız demektir. Yapılan çalışmalarda genellikle en az %95 güven düzeyi (ya da %5 yanılma payı da denebilir) kullanılır. Örneklem büyüklümüz sabitken eğer anlamlılık düzeyini arttırırsak (örneğin %95 güven düzeyinden %99 güven düzeyine çıkarsak) istatistiksel güç azalır. Çünkü var olan bir farklılığı daha katı bir anlamlılık düzeyinde bulmamız zorlaşır. Daha yüksek bir anlamlılık düzeyi için yeterli istatistiksel gücü sağlayabilmek için örneklem büyüklüğünü arttırmalıyız.

3.      İstatistiksel Anlamlılık Düzeyinin Tek veya Çift Yönlü Olması: İstatistiksel olarak bir ilişki ya da farklılığın incelendiği durumlarda kurulan hipotezler tek ya da çift yönlü olabilmektedir. Örneğin iki grup arasında belli bir değer açısından karşılaştırma yapıyor olalım. Seçenek hipotezimizde birinci grubun incelenen değer açısından ikinci gruptan farklı olduğunu söylüyorsak hipotezimizi iki yönlü kurmuş oluruz. Çünkü birinci grubun mu ikinci gruptan büyük olduğunu, yoksa ikincinin mi birinciden büyük olduğunu belirtmemişiz. Bu durumda olasılıksal olarak her iki durumu da göz önüne almalıyız. Her iki durumu da göz önüne aldığımız için hipotezimizi iki yönlü kurmuş oluyoruz. Eğer seçenek hipotezimizde birinci grubun incelenen değer açısından ikinci gruptan büyük olduğunu söylüyorsak hipotezimizi tek yönlü kurmuş oluruz. Çünkü sadece büyük olduğu durumdan bahsediyoruz.

Genellikle çalışmalarda iki yönlü hipotez testleri kullanılmaktadır. Ancak tek yönlü hipotez testlerinin de kullanıldığı çalışmalar vardır. Aynı koşullar altında tek yönlü yapılan bir istatistiksel analizin gücü, çift yönlü yapılana göre daha fazladır.

4.      Etki Büyüklüğü: Etki büyüklüğü, istatistiksel olarak bir farklılığın ya da ilişkinin incelendiği durumda, bu farkın ya da ilişkinin en az hangi değeri aldığı durumda  teorik ya da istatistiksel olarak anlamlı olduğudur. Çalışmalarda etki büyüklüğü yükseldikçe uygulanan istatistiksel analizin bu etkiyi bulması olasılığı daha yüksek olacağından istatistiksel güç de artar. Aksine etki büyüklüğü düşük olan bir çalışmada yapılan analizin bu etkiyi ortaya çıkarma olasılığı daha düşük olduğundan gücü de daha düşüktür. Düşük etki büyüklüğünü ortaya çıkarabilme olasılığını (istatistiksel gücü) artırmak için aynı koşullarda örneklem büyüklüğü arttırılmalıdır.

5.      Bağımlı Değişkenin Değişkenliği: Bağımlı değişkenin değişkenliğinin ya da varyansının daha yüksek olduğu çalışmalarda tip 2 hata yapma olasılığı artar ve istatistiksel güç azalır.

6.      Örneklem Büyüklüğü: Güç analizinin temel amacı yukarıda bahsedilen 5 faktörün gerekliliklerine cevap verebilecek en küçük örneklem büyüklüğünün hesaplanmasıdır. Örneklem büyüklüğü arttıkça tüm kitleye ilişkin parametre tahminleri de daha kesin olmaya başlar, standart hata azalır ve yapılan istatistiksel analizlerin de gücü artar.

Tüm bu açıklanan faktörler değerlendirildiğinde unutulmamalıdır ki uygulanan her analiz farklı bir güç hesabı gerektirmektedir.

Geçerliliği ve güvenilirliği yüksek bir çalışma planlamak, çalışma sonucu alınacak kararların geçerliliğini, güvenilirliğini ve duyarlılığını garanti altına almak istatistiksel gücü yüksek çalışmalarla mümkündür. Bu nedenle araştırmacılar çalışmalarını planlamak ve yürütmek için çok fazla çaba harcamakta, zaman ve kaynak ayırmaktadırlar. Yapılan çalışmalar sonucunda elde edilen bulgularda eğer istatistiksel güç yeterli düzeyde değilse çalışma boşa gidebilmekte dolayısıyla o çalışma için harcanan çaba da boşa gidebilmektedir. Ya da çalışmanın gücü ile harcanan zaman ve kaynağın dengesi doğru olmamakta kaynak israfına sebep olunabilmektedir.

İstatistiksel güç basit olarak gerçekte var olan bir durumun (farklılık ya da ilişki) istatistiksel olarak da anlamlı bulunması olasılığıdır. Bunu daha iyi anlaşılabilmesi için bir örnek üzerinde açıklayalım: Biyoistatistik alanında tıbbi istatistikler gerçekleştiren bir araştırmacının, geliştirilen bir ilacın, hastalığa olan etkisini değerlendirmek istediğini varsayalım. Bu etkiyi istatistiksel olarak değerlendirebilmek için farklı deney düzenleri mevcuttur. Ancak basit düşünürsek; ilaç verilmeden önce hastaların, incelenen hastalığı gösteren verilerine bakılır. İlaç verilir ve sonrasında aynı verilere tekrar bakılır. İlacın hastalık üzerine etkisinin değerlendirilebilmesi için de ilaç verilmeden önceki veriler ile verildikten sonraki veriler gerekli istatistiksel yöntemlerle karşılaştırılır. Eğer gerçek hayatta söz konusu ilaç o hastalık üzerinde etkili ise bizim bu etkiyi çalıştığımız hasta grubu üzerinde uyguladığımız istatistiksel testlerle bulma olasılığımız istatistiksel gücü ortaya koyar. Yani gerçekte var olan bir etkiyi, çalıştığımız örneklem üzerinde yaptığımız istatistiksel testlerle ne derece ortaya koyabiliyorsak çalışmamızın istatistiksel gücü o derece yüksek, koyamıyorsak istatistiksel güç o derece düşüktür. Bu durumu aşağıdaki tablo ile de özetleyebiliriz.