四个问题

许多试验和临床试验的受试者数量过少。样本量较少的研究会浪费精力，因为甚至未检测到实质性治疗效果。即使治疗大大改变了预后，研究发现“具有统计学显著性的”效果的几率也很小。

因此，在计划研究时，您需要选择合适的样本量。所需样本量取决于您对以下问题的回答：

•您想要您的数据散布程度？

•您是否会发现偶然错误差异？

•您想要寻找的差异程度？

•您需要多确信您的研究能检测到差异（如存在）？换言之，您需要哪些统计检验力？

第一个问题要求您估计您期望看到的标准偏差。如果您不能估计标准偏差，则无法计算出您需要多少名受试者。如果您期望大量散布，则很难从随机噪声中区分真实效果，因此您需要大量受试者。

第二个问题用您对统计学显著性的定义来回答。几乎所有研究者均选择了5%显著性水平，这意味着小于0.05的P值视为具有“统计学显著性”。如果您选择较小的显著性水平（例如，说1%），则您将需要更多受试者。

第三和第四个问题较为复杂。每个人均倾向于计划一项能够检测到极小差异的研究，但这需要大样本量。每个人均想要设计一项具有很多检验力的研究，因此如果治疗确实起作用，则肯定会得出“统计学显著性”的结果，但也需要很多受试者。

计算样本量的替代方法

StatMate不要求您回答最后两个问题，而是在表格中显示结果，以便您可观察到样本量、检验力以及您能检测的效应量之间的权衡。您可观察这张表，考虑试验的时间、费用和风险，然后决定合适的样本量。请注意，StatMate并未直接回答“我需要多少受试者？”该问题，而是回答了相关问题“如果我使用N名受试者，那么我能知道什么信息？”。Parker和Berman（1）建议使用这种计算样本量的方法。

在某些情况下，StatMate的计算可能会让您相信，用您可使用的受试者数量来找到您想知道的信息是不可行的。这可能非常有帮助。在计划阶段取消这种试验比浪费时间和金钱在无足够检验力的无效试验上要好得多。如果试验涉及任何临床风险或公共资金支出，则开展这类研究甚至会视为不合伦理。

此外...

样本量大的一个好处是您检测特定效果的检验力更高，或者以恒定检验力检测到更小的效应量。但选择更大样本量（如有可能）还有另外一个原因。在样本量更大的情况下，您可更好地评估数据的分布。从高斯分布或对数正态分布抽样这一假设是否合理？样本越大，就越容易评估

参考文献

1.R. A. Parker和N. G. Berman，样本量：不只是计算，《美国统计学家》57:166-170，2003。