使用标准效应量的吸引力

计算样本量需要您决定您要寻找的差异有多大 - 差异有多大（关联、相关性..）在科学上会很有趣。如果您的目的是发现微小的差异，则需要大样本量。如果您只是在寻找更大的差异，则可使用小样本。

在一本很有影响的书里（1） Jacob Cohen提出一些建议，您不知道自己在寻找什么样的效应量时，该怎么做。其将这些建议局限于行为科学（他的专业领域），并警示称，所有一般性建议在某些情况下比在其他情况下更有帮助。以下是其非配对t检验指南：

•平均值之间的“小”差值等于标准差的五分之一。

•“中”效应量等于标准差的一半。

•“大”效应量等于标准差的0.8倍。

因此，如果您在决定您要寻找的效应量时遇到困难（且因此无法确定样本量），Cohen会建议您选择寻找“小”、“中”还是“大”效应，然后使用标准定义。

标准效应量的问题

Russell Lenth（2）认为，您应避免这些“限定的”效应量，我同意。您必须基于对您正在使用试验系统和您正在提出的科学问题的理解，决定您想要检测的差异有多大。Cohen的建议似乎是一种避免思考试验要点的方法。仅考虑您所期望的分散（期望标准差）的差异，甚至不考虑平均值是多少，这没有意义。

如果您选择alpha（0.05）、检验力（80%）和效应量的标准定义（见上文），则无需进行任何计算。如果您接受所有研究的标准定义（使用非配对的检验，比较两组），则所有研究每组需要有26个样本以检测大效应，每组需要有65个样本以检测中等效应，每组需要有400个样本以检测小效应。

最后一行

选择标准效应量实际上与选择标准样本量相同。

参考文献

1.J. Cohen， 行为科学的统计检验力分析， 1988，ISBN = 978 - 0805802832

2.R. V. Lenth、R. V.（2001），“有效样本量确定的一些实用指南”，《美国统计学家》，55，187 - 193。初稿发布为pdf文件。