跳转到内容

样本量估计

来自VeritasWiki 真理百科
样本量估计
英文名 Sample Size Estimation / Determination
学科归属 统计方法、研究设计
核心含义 依据目标检验力与预期效应量确定研究所需样本量的过程
核心输入 效应量、显著性水平、目标检验力、设计类型
常见误区 "经验规则"式估算、事后凑样本
相关条目 统计检验力、效应量、抽样误差|}

样本量估计是在研究开始前确定需要多少参与者的系统过程。样本太少则检验力不足、区间过宽;样本过多则浪费资源、增加被试负担(对涉及风险的干预研究尤需考虑)。样本量估计的目标不是"越多越好",而是在精度、检验力与成本之间取得有依据的平衡。

样本量估计如今已是研究规范与伦理审查的组成部分:多数资助机构与期刊要求提交样本量论证;临床试验注册要求预先声明样本量及其依据。

估计的基本逻辑

样本量估计的输入因研究目标而异,主要有两条路径。

检验力路径(假设检验导向):给定预期效应量、显著性水平与目标检验力,求最小样本量。经典结果如:要在 0.05 水平、0.80 检验力下检出 d = 0.5 的两组均差,每组约需 64 人;效应量缩小到 0.3,每组约需 176 人——效应量减半略多,样本量增至近三倍。

精度路径(估计导向):给定目标区间宽度,求样本量。例如希望效应量估计的 95% 区间半宽不超过 0.15,对应不同设计的样本量可以计算。

两条路径的共同输入是预期效应量,而这恰恰是最难的部分:文献值可能有偏(发表偏倚使文献效应量普遍偏高)、试点研究的小样本估计噪声大。较稳妥的做法是采用"最小有意义效应"——效应至少要有多大才有实践价值——以它做检验力规划,即使文献值虚高,研究也能检出真正重要的效应。

不同设计的估计特点

样本量公式随设计而变,常用场景的特点如下。

两组比较:以 d 与目标检验力直接查表或用软件计算,是最简单的情形。

相关与回归:取决于预期的相关强度与预测变量数目——多元回归中检验力随预测变量数下降,变量越多需要越大样本。

交互效应:交互效应通常只有主效应的一半左右,样本量按效应量平方的比例增长,常需主效应研究的三到四倍——这是调节效应研究最常犯的检验力错误。

多层设计:样本量以高层单位数为准。组内相关使有效样本量缩水(设计效应公式),组数不足时高层效应的估计不稳定;跨层交互的检验力规划尤其依赖模拟而非公式。

纵向设计:重复测量提升单位样本的信息量,但需按预期流失率放大——计划流失 20%,就把按完全数据算出的样本量除以 0.8。

测量研究:信度与效度研究的样本量取决于目标指标精度:估计单一信度系数的经验下限约三百;验证性因素分析与测量等值检验的样本量随模型复杂度上升。

实施中的常见问题

样本量估计的实践偏差比公式本身更值得关注。

用经验规则替代计算:"每组三十人""n 等于变量数的十倍"之类的规则来自教科书惯例而非检验力逻辑,按它们设计的研究检验力往往远低于 0.50。规则在教学中被反复复制,恰恰说明检验力教育仍是薄弱环节。

以数据驱动的方式凑样本:边做边查显著性、显著即停(可选停止),会严重抬高假阳性率。确需序贯设计时,应使用有统计校正的序贯方法(如序贯概率比检验、α 花费函数)。

效应量输入的循环论证:用本研究最终获得的效应量反推"样本量足够",或用不显著结果宣称检验力充分——两者都是事后合理化。规范的先验分析应在数据收集前完成并写入预注册。

忽略流失与无效数据:计划样本量应按预期流失、无效作答比例放大,否则有效样本达不到规划值。

这些问题的共同对策是预注册:在数据收集前锁定样本量、效应量依据与终止规则,使样本量估计从"报告中的装饰"变为"设计的实际约束"。

工具与报告

样本量估计的工具生态已相当成熟。

通用检验力软件(如 G*Power 类工具)覆盖多数常规设计;专用软件处理复杂设计——多层设计用模拟方法估计检验力,结构方程模型有专用检验力与 RMSEA 规划程序;R 环境的检验力函数族覆盖常见检验,模拟循环可处理任何自定义设计。

报告规范要求:说明目标检验力与显著性水平;说明预期效应量及其来源(元分析、试点、最小有意义效应的论证);说明所用软件与计算过程;对多层与复杂设计说明模拟设置;按流失率折算后的最终计划样本量。

对审稿人而言,样本量论证的透明度比数字本身更重要——数字对错可以被核查,而不透明的论证无法评估。这一要求与整个研究透明化运动的方向一致:让设计的每一个决定都可追溯、可复核。

最小有意义效应

样本量估计的价值取向问题中,"最小有意义效应"(smallest effect size of interest,SESOI)值得单独说明。

传统做法以"文献中已有的效应量"为输入,隐含的目标是"检出别人检出过的东西"。SESOI 取向则问:效应至少要多大,这个研究才值得做?答案来自实践后果而非文献惯例——临床研究用最小临床重要差异(患者能感知到的最小改善),组织研究用可转化为管理行动的最小差异,基础研究用理论区分所需的最小区分度。

以 SESOI 为输入的检验力规划有两个优点:其一,样本量直接服务于研究目的,而非服务于复现文献;其二,它为等效性检验提供界值——检验"效应不超过有意义界值"(等效性或非劣效设计),比检验"不显著"更接近实践问题的逻辑。

SESOI 的难点在于界值论证:界值定得宽松,研究容易"证明等效";定得苛刻,样本量翻倍。规范做法是把界值论证写进研究计划并接受同行审查——界值与效应量一样,是需要依据、可被质疑的设计参数,而不是随手的设定。

样本量估计的最终状态,应当成为研究计划中最经得起追问的部分之一:任何一个数字(效应量来源、目标检验力、折算系数)都能被追溯到一个明确的依据。达到这一状态的研究计划,不仅样本量合理,其整个测量与设计的逻辑也都经过了梳理——这正是样本量估计作为设计纪律的附加价值。

参见

参考资料