样本量怎么算？常用公式、软件和需要的参数
简要回答：样本量取决于研究设计、主要结局、预期效应大小、检验水准 α（常用 0.05）和检验效能（常用 80% 或 90%），再考虑失访率放大。可用 PASS、G*Power 或 R 的 pwr 包计算，并在论文中写清每个参数的来源。
需要准备哪些参数
- 研究设计：两组比较、多组比较、相关分析、回归、生存分析等，公式各不相同；
- 主要结局类型：连续型（均数、标准差）、二分类（率）、生存时间；
- 预期效应大小：两组均数差或率的差异，最好来自预实验或已发表文献；
- α：通常取双侧 0.05；
- 检验效能（1−β）：通常取 80% 或 90%；
- 失访率 / 无效应答率：最后按比例放大样本量。
一个例子：两组均数比较
两独立样本、两组等量时，每组样本量近似为：
n = 2σ²(z₁₋α/₂ + z₁₋β)² / δ²
其中 σ 为标准差，δ 为希望检出的两组均数差。α = 0.05（双侧）时 z₁₋α/₂ = 1.96，效能 80% 时 z₁₋β ≈ 0.84，(1.96 + 0.84)² ≈ 7.84，所以 n ≈ 15.7 × σ² / δ²。若 σ = 10、δ = 5，每组约 63 人；再考虑 10% 失访，每组约需 70 人。
常用工具
| 工具 | 特点 |
|---|---|
| PASS | 覆盖设计类型多，医学研究常用 |
| G*Power | 免费，适合 t 检验、方差分析、回归等 |
| R：pwr 包 | 免费，可脚本化，如 pwr.t.test() |
| 在线计算器 | 简单设计可用，注意核对公式 |
论文里怎么写
写明依据的研究设计、主要结局、效应大小的来源（引用文献或预实验）、α、检验效能、失访率和最终样本量，例如："根据既往研究……设定 α = 0.05（双侧），检验效能 80%，考虑 10% 失访，每组需纳入 70 例。"
回顾性研究需要算吗？
回顾性研究样本往往由现有数据决定，可以说明样本来源和纳入情况，必要时做事后效能分析或报告效应量置信区间，但事后效能分析的意义有限。
什么时候需要找导师
复杂设计（整群随机、非劣效、重复测量、生存分析）样本量不会算、效应大小没有依据时，可以请统计或流病方向导师帮你确定参数。
常见追问
没有预实验和文献，效应大小怎么定？
可以参考同类研究的效应、临床上有意义的最小差异，或者按 Cohen 的小、中、大效应量设定，并在文中说明理由。
问卷调查样本量有经验公式吗？
描述性横断面调查常按率的估计公式计算；做量表因子分析时常见经验是题目数的 5–10 倍，但仍建议结合研究目的计算。
样本量越大越好吗？
样本量过小会漏检真实效应，过大会浪费资源，并让很小的、无实际意义的差异也显著，按需计算最合理。
本文由鉴刊课堂教研组整理，仅介绍科研方法，供学习参考。鉴刊课堂只提供方法指导，不代写论文、不代做数据分析。