本文探讨了如何通过功效分析来确定研究所需的样本量，以确保统计结果的可靠性。介绍了统计量：样本量、效应值、显著水准和功效，并区分了I型和II型错误。以两独立样本的t检验为例，展示了使用PASS、STATA和R软件进行样本量计算的过程，强调了样本量与效应值、标准差、功效和显著水平之间的关系。在预开展的RCT研究中，通过计算得出至少需要60例样本量，考虑到脱落率，实际需要更多。
前言
我的研究需要多大样本量？我的研究样本量已经有了，有多大概率可以得出有统计学意义的统计结果（这个样本量值得去做研究吗）？这些问题都可以通过功效分析（Power Analysis）来解决。
要进行功效分析，先要了解一下分析中涉及4个统计量：样本量（Sample Size）、效应值（Effect Size）、显著水准（Alpha）、功效（Power），知其三个可推断另外一个。
效应值是量化现象强度的数值，在不同的统计方法中统计量会不同。
假设检验采用的是小概率反证法思想，根据P值得出的推断结论具有概率性，在得出结论的同时，就冒着犯一定错误的风险，注意区别Ⅰ型错误和Ⅱ型错误。
Ⅰ型错误是拒绝了实际上成立的H0，是一种“弃真”行为，显著水平（检验水平）α实际上就是预先规定的犯Ⅰ型错误的最大概率，常取值0.05、0.01，Ⅰ型错误也用α表示&#x
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
