在科研中，我们经常会遇到一个令人头疼的问题：实验已经完成，样本量受到经费、时间、受试者招募或动物实验伦理的限制，研究结果却没有达到预期的统计显著性。此时，研究者很容易想到一个解决办法——增加样本量。
但如果无法继续招募受试者、补充实验动物或收集更多样本，还有没有其他办法？
答案是有的。
统计功效（statistical power）不仅取决于样本量，还受到效应量（effect size）、数据变异性（variability）、研究设计以及统计分析方法等因素的影响。2018 年，统计学家 Stanley E. Lazic 在《Laboratory Animals》发表了一篇题为 Four simple ways to increase power without increasing the sample size 的论文，专门讨论了如何通过改进实验设计和分析策略，在不增加样本量的情况下提高统计功效。
这为样本量受限的科研人员提供了一个重要思路：与其一味追求更多的数据，不如先检查现有数据是否被有效利用。
不过，需要明确一点：提高统计功效不等于想办法让P值低于 0.05，更不意味着可以在看到结果后反复尝试不同的分析方法，直到得到显著结果。真正有效的方法，应当建立在合理的研究设计、可靠的测量和适当的统计模型之上。
下面结合生物医学、生命科学及一般实验研究中的常见场景，介绍七种值得考虑的方法。
先理解统计功效：样本量不是唯一的决定因素
统计功效通常定义为：当研究中的真实效应达到某个指定水平时，统计检验正确拒绝零假设的概率。它通常表示为β，其中β 是第二类错误的概率。
例如，一项研究的统计功效为 80%，意味着在预先设定的效应量、显著性水平和统计模型成立的条件下，如果真实效应确实存在，那么该研究有 80% 的概率检出这一效应。
这并不意味着研究结果有 80% 的概率为真，也不意味着研究者可以用 80% 的把握证明某个假设成立。
对于许多常见的统计检验，统计功效主要受到以下因素影响：
- 样本量（sample size）：通常而言，样本越多，估计越精确，检出真实效应的能力越强。
- 效应量（effect size）：真实效应越大，通常越容易被检测到。
- 数据变异性（variability）：随机波动越大，真实效应越容易被噪声掩盖。
- 显著性水平（significance level）：在其他条件不变时，提高显著性阈值通常会增加功效，但也会提高第一类错误（Type I error）的风险。
- 研究设计和统计方法：合理的配对设计、基线调整以及适当的模型选择，都可能提高估计精度。
其中，最后一项尤其值得关注。研究者未必能够改变样本量，却可能通过优化设计和分析减少不必要的误差。
可以把这一过程简单理解为：在样本数量不变的情况下，让数据包含更多与研究问题有关的信息，同时减少无关变异。
方法一：减少测量误差，让真实效应更容易被识别
提高统计功效最直接的思路之一，是降低测量误差（measurement error）和不必要的数据变异。
假设研究人员正在比较某种药物对炎症指标的影响。两组受试者的真实平均差异为 5 个单位，但由于检测仪器精度不足、样本处理不一致或实验操作存在波动，观测值的标准差达到 20。此时，真实效应很容易被随机噪声淹没。
如果通过改进检测流程、统一实验操作、校准仪器和减少批次差异，将标准差降低到 15，即使样本量没有变化，研究也可能获得更高的统计功效。
对于两独立样本均值比较，在其他条件相同的情况下，检验统计量与以下比例大致相关：
其中，Δ为两组真实均值差异，𝜎为共同标准差，n1和 n2 分别为两组样本量。标准差越小，信号相对于噪声就越大。
实际研究中，可以从以下方面着手：
- 统一样本采集、储存、运输和处理流程。
- 使用经过验证、精密度较好的检测方法，并定期校准仪器。
- 对实验人员进行统一培训，减少不同操作者之间的差异。
- 在条件允许时，对样本进行盲法检测，减少主观判断带来的系统性偏差。
- 预先规定质量控制标准，避免因检测流程不一致而引入额外变异。
但这里有一个重要区别：降低随机测量误差有助于提高精度，而消除系统性偏差则主要有助于提高结果的真实性。二者并不完全相同。
例如，一台仪器如果始终将浓度测高 10%，即使它的重复测量结果非常稳定，也不意味着测量是准确的。因此，研究者不能只关注数据是否集中，还应检查测量是否接近真实值。
另外，不能为了降低标准差而随意删除极端值。只有在存在明确的技术故障、样本污染或预先规定的排除条件时，才应按照既定规则处理异常数据。
方法二：合理采用配对设计和重复测量设计
如果研究对象本身存在较大的个体差异，那么将不同个体简单分配到实验组和对照组，可能会使个体差异掩盖处理效应。
这时，配对设计）或重复测量设计可能比完全独立的组间比较更有效。
例如，研究人员想评估某种干预是否能够降低血压。如果直接比较干预组和对照组的血压，年龄、体重、遗传背景以及基线血压等因素带来的个体差异，都可能增加组间比较的变异。
另一种做法是测量同一受试者干预前后的血压，再分析每个人的变化值。
对于配对数据，变化值的方差为：
其中，ρ表示两次测量之间的相关系数。
如果干预前后的测量具有较强的正相关性，那么个体之间相对稳定的差异可以在计算变化值时得到抵消，进而降低变化值的方差。
一个简单的示例
假设两次测量的标准差均为 10 个单位。
测量相关性较低
14.14
相关系数为 0，变化值的标准差
测量相关性较高
6.32
相关系数为 0.8，变化值的标准差
以上为理论示例，按变化值方差公式计算，假设两次测量标准差相同。
在这种情况下，配对分析的变化值标准差明显降低，因此在其他条件相同的情况下，更有可能检出真实变化。
配对设计在以下研究中尤其值得考虑：
- 同一受试者干预前后的生理指标比较。
- 同一实验样本接受两种处理后的比较。
- 将具有相似特征的实验动物配对，再比较配对内的差异。
- 对同一对象在多个时间点进行连续测量。
不过，配对设计并非总是更优。如果前后测量的相关性很弱，或者干预产生了明显的时间效应、顺序效应或携带效应，配对设计的优势可能有限。
对于随机对照试验，还需要特别注意：如果研究目标是估计干预相对于对照的因果效应，单组前后变化不能自动排除自然病程、回归均值或同期其他因素的影响。不能因为配对分析的统计功效更高，就忽略适当的对照设计。
方法三：在统计分析中合理调整基线协变量
协变量调整（covariate adjustment）是另一种可能提高统计功效的方法，尤其适用于随机对照试验。
假设研究人员开展一项临床试验，比较新疗法与标准疗法对某项连续型结局指标的影响。尽管受试者经过随机分组，两组在基线年龄、基线疾病严重程度或基线检测指标方面仍可能存在随机差异。
如果这些基线变量与结局密切相关，适当调整它们可以减少残差变异，提高治疗效应估计的精度。
常见的方法包括协方差分析（analysis of covariance，ANCOVA）和适当的回归模型。
例如，可以使用以下模型分析连续型结局：
其中，Y_i 为研究结局，T_i为处理组别，X_i为基线协变量，β₁表示调整协变量后的组间效应。
如果基线协变量能够解释一部分结局变异，模型的残差方差就可能降低，从而提高对处理效应的估计精度。美国国立卫生研究院（NIH）的相关方法学资料也专门讨论了随机临床试验中的协变量调整及其效率优势。
实践中，可以优先考虑以下变量：
- 与主要结局有明确关联的基线测量值。
- 在研究设计阶段确定的重要预后因素。
- 随机分层时使用的关键变量。
- 根据既有文献和专业知识预先确定的潜在解释变量。
但并不是变量放得越多，统计功效就越高。
如果样本量较小，却在模型中加入大量弱相关变量、复杂交互项或数据驱动筛选出来的预测因子，反而可能增加估计的不稳定性。对于二分类或生存结局，还需要根据结局类型、事件数和模型假设选择合适的调整策略。
另一个关键问题是时间顺序。对于估计干预总效应的研究，干预后产生的中介变量不应被不加区分地当作普通基线协变量调整，因为这可能改变所估计的效应，甚至引入偏差。
因此，更稳妥的做法是：在研究方案中预先规定主要模型及其协变量，并说明选择依据，而不是在结果出来后反复试验不同的模型，直到获得更小的 P值。
方法四：优化实验设计，减少组间不必要的差异
随机化（randomization）是控制混杂和支持因果推断的重要方法，但它并不意味着每个实验都能在所有特征上实现完美平衡。
在样本量有限时，偶然出现的组间差异可能增加估计的不确定性。研究人员可以在不改变总样本量的前提下，通过更合理的分组与实验安排，提高设计效率。
例如，生命科学实验中常见的问题包括：
- 实验组和对照组分别在不同日期完成检测。
- 某一组样本集中由一名实验人员处理，另一组则由另一名人员处理。
- 不同处理组分别使用不同批次的试剂或实验材料。
- 动物的性别、年龄、窝别或基线状态在组间分布不均衡。
这些因素可能导致处理效应与批次、操作人员或其他实验条件混杂。
可以采取的措施包括：
采用分层随机化（。 如果少数关键变量已知会显著影响结局，可以在这些变量的层内进行随机分组，避免有限样本中的严重不平衡。
采用区组设计。 在适用的实验场景中，将条件相近的样本安排在相同区组内，再比较区组内不同处理的结果，有助于控制区组间差异。
让不同处理组尽可能共享实验条件。 例如，在可行的情况下，将各组样本随机交错安排在不同实验批次，而不是让一个处理组完全对应一个批次。
需要强调的是，实验设计必须与相应的统计模型相匹配。区组设计、聚类设计和分层随机化并不可以互相随意替代。如果数据存在组内相关性，却在分析中将所有观测值当作相互独立的样本，可能导致标准误估计错误。
尤其是在动物实验中，同一窝动物、同一培养皿或同一实验批次内的观测值可能存在相关性。此时，真正的实验单位是什么，比简单计算测量次数更加重要。
如果一只动物测量了十次，这通常不等于获得了十只独立动物的信息。通过增加技术重复来制造更大的名义样本量，并不能真正提高独立生物学样本所提供的统计功效。
方法五：选择更合适的主要结局指标，避免无效的信息损失
同一项研究往往可以测量多个指标，但不同指标对研究问题的敏感程度可能差异很大。
例如，在评估某种抗炎干预时，研究人员可能同时测量炎症因子水平、组织病理评分、体重变化以及多个基因的表达量。这些指标都可能有科学价值，但未必都适合用来回答同一个主要研究问题。
如果主要结局指标的测量误差较大、与研究假设关联较弱，或者容易受到其他因素影响，即使实验样本量不变，研究也可能难以检出目标效应。
因此，在研究设计阶段，应根据科学问题选择具有明确生物学意义、测量可靠且与目标效应直接相关的主要结局指标。
例如：
- 如果研究目标是判断药物能否改善疾病症状，应优先考虑能够直接反映临床获益的指标，而不是单纯选择最容易达到统计显著性的生物标志物。
- 如果研究目标是评估某种基因敲除对细胞增殖的影响，应预先明确主要增殖指标及其测量时间点。
- 如果研究目标是比较不同干预对疾病发生风险的影响，应选择与研究目的相匹配的事件结局及随访时间。
在部分研究中，合理构建综合指标或预先规定多个测量值的汇总方式，也可能减少偶然波动。但这取决于各组成指标的相关性、科学意义和统计特性，不能简单认为将多个指标合并就一定能提高功效。
同样，研究人员应避免把多个指标都作为主要结局，却只报告其中达到显著性的结果。美国统计学会（ASA）关于 P值的声明明确指出，根据结果选择性报告分析，会损害统计推断的有效性。
真正有效的策略不是事后挑选最容易显著的指标，而是在研究开始前就明确最重要的问题，并让测量方案围绕它展开。
方法六：合理利用重复测量信息，但不要把技术重复当成独立样本
重复测量除了可以用于配对比较，还能在某些研究设计中提供更充分的信息。
例如，研究人员想观察一种治疗对血糖水平的影响。如果只在某个时间点测量血糖，结果可能受到进食状态、昼夜节律或短期生理波动的影响。
如果研究问题关注的是一段时间内的变化趋势，那么在多个有科学意义的时间点测量血糖，可能比仅使用单次测量更有信息量。
在适当条件下，可以使用线性混合效应模型（linear mixed-effects model）、广义线性混合模型（generalized linear mixed model）或其他适用于重复测量数据的方法，利用同一对象不同时间点之间的关联结构。
这类方法可能带来几方面优势：
- 区分个体之间的差异与同一个体随时间发生的变化。
- 利用合理的相关结构提高估计效率。
- 分析处理效应是否随时间变化，而不是只关注单个时间点。
- 在模型假设成立时，利用不完全重复测量数据中的可用信息。
但必须明确：重复测量增加的是观测信息，而不一定增加独立实验单位的数量。
假设研究中有 20 名受试者，每人测量 5 次，总共获得 100 条记录。对于某些时间变化问题，这 100 条记录确实可以提供比单次测量更多的信息；但不能简单将其视为 100 名相互独立的受试者。
重复测量的收益取决于研究问题、测量间隔、时间相关性、缺失机制和模型假设。如果测量高度相关，额外测量带来的信息增益可能有限；如果测量安排不合理，反而可能增加研究成本，却不能有效提高主要假设的检验能力。
还有一点值得注意：在实验已经结束、研究者才考虑增加分析时间点时，不能把新增的分析自由度当作提高功效的捷径。应区分预先指定的分析与探索性分析，并完整报告相关结果。
方法七：选择与研究问题匹配的统计检验，并控制多重比较
统计分析方法的选择同样会影响功效。研究者需要根据数据类型、研究设计、目标效应和模型假设，选择适当的统计检验。
例如，配对数据与独立样本数据的统计结构不同；连续型结局、二分类结局和生存结局也不能简单使用同一种分析方法。
合理的方法选择，能够避免不必要的信息损失，并使标准误、置信区间和检验结果更符合数据的实际结构。
不过，这并不意味着研究者可以自由选择所有可能的检验方式，再采用结果最显著的一种。
单侧检验还是双侧检验？
单侧检验（one-sided test）有时比双侧检验（two-sided test）具有更高的功效，但前提是研究问题确实具有明确、合理的方向性，并且方向性假设在观察结果之前就已确定。
例如，研究目标可能是判断某项干预是否至少不劣于对照治疗。这类问题需要使用与非劣效设计相匹配的假设和检验方法，而不是简单地将普通双侧检验改为单侧检验。
如果研究目标是检验某种药物是否改变某个指标，那么在看到数据之后，发现结果恰好朝某个方向变化，再临时改用单侧检验，就会扭曲原先的错误率控制。
多重比较为什么值得重视？
当研究人员同时检验大量假设时，至少出现一个假阳性结果的概率通常会上升。
如果进行 20 次相互独立的检验，每次都采用 0.05 的显著性水平，并且所有零假设都成立，那么至少出现一次假阳性结果的概率为：
多重比较为什么值得重视
这只是一个假设所有检验相互独立的示例；实际研究中，指标之间往往存在相关性，因此真实概率可能不同。
研究者可以根据研究目的考虑以下方法：
- 预先明确主要假设与次要假设，避免把大量探索性分析混同为确认性检验。
- 对多个主要比较，使用与研究目标匹配的多重比较校正方法。
- 对探索大量指标的研究，考虑控制错误发现率（false discovery rate，FDR）。
- 在适当的模型中联合分析相关结局，减少不必要的重复检验。
这里需要区分两个概念：多重比较校正通常会使单项检验更难达到显著性，并不一定提高单个假设的统计功效。它的主要目的在于控制错误发现风险。相反，合理的主要结局设定、适当的模型以及对相关数据结构的利用，可能使研究更有效地回答核心问题。
因此，统计分析的目标不是让 P值尽可能小，而是在控制错误风险的前提下，尽可能准确地回答研究问题。
还有一个重要前提：不要把提高功效变成追逐显著性
前面介绍的七种方法，都可能在适当条件下提高统计功效或改善研究效率。但它们并不是可以随意组合的技巧，更不是保证研究结果达到统计显著性的公式。
在实际科研中，有三个问题尤其值得警惕。
第一，不要根据结果反向选择分析方法。 如果研究人员不断更换协变量、排除标准、结局指标或统计检验，直到得到 P<0.05，就可能引入选择性分析偏差和显著性追逐。这样的结果即使看起来显著，也未必能够在独立研究中重复。
第二，不要为了提高功效而改变研究问题。 例如，将原本关注临床获益的研究改为关注更容易达到显著性的替代指标，可能提高检验效率，却未必回答了原来的科学问题。
第三，不要把统计功效与结果的重要性混为一谈。 即使一项研究成功检出了统计学显著的差异，也仍然需要判断效应量是否具有实际意义、估计是否足够精确，以及结果是否存在系统性偏差。
美国统计学会关于统计显著性与可重复性的相关声明强调，科学推断需要结合研究设计、不确定性、分析过程和结果的实际意义，而不能仅依赖某一个 P 值阈值。
对于已经完成的研究，研究人员仍然可以根据科学问题进行合理的敏感性分析、采用适当的模型，并充分利用已有数据。但如果某些分析并非预先设定，就应当将其明确标记为探索性分析，而不是把事后发现包装成预先验证的假设。
研究已经完成，应该如何实际操作？
如果你的实验已经结束，暂时无法增加样本量，可以按照以下顺序检查研究方案和现有数据。
检查数据质量
确认仪器校准、实验批次、样本处理、异常值及缺失数据处理是否合理，优先排除可避免的测量误差。
检查研究设计
确认数据是否具有配对、重复测量、分层或区组结构，以及现有分析是否充分利用这些信息。
重新评估主要统计模型
根据研究设计和结局类型，考虑合理的基线协变量调整、重复测量模型或其他与数据结构匹配的方法。
报告效应量和不确定性
同时呈现效应量、95% 置信区间和适当的统计检验结果，避免仅凭显著性与否判断研究价值。
如果研究还处于设计阶段，则可以进一步通过预先设定主要结局、确定具有科学意义的最小效应量、合理安排随机化与重复测量，以及开展功效分析来优化整个研究方案。
对于已经完成的研究，还应注意一个区别：事后功效分析（post hoc power analysis）通常利用观察到的效应量计算功效，而该计算往往与已经获得的 \(P\) 值高度相关。因此，与其仅报告一个事后功效百分比，不如直接报告效应量及其置信区间，并讨论现有数据能够支持哪些结论、仍存在哪些不确定性。
最后
在不增加样本量的情况下提高统计功效，核心不是寻找让结果变得显著的统计技巧，而是提高研究设计和数据分析的效率。
减少测量误差、合理采用配对设计、调整有价值的基线协变量、控制实验批次差异、选择合适的主要结局、利用重复测量信息，以及采用与研究问题匹配的统计方法，都可能帮助研究人员更充分地利用已有数据。
但这些方法各有适用条件。它们能否提高功效，取决于具体研究设计、数据结构、模型假设以及目标效应。没有一种方法可以保证在所有研究中都有效。
对于科研人员来说，更值得培养的能力，是在实验开始前就思考如何减少不必要的变异，在实验结束后则审慎评估数据能够支持的推断。
样本量决定了研究能够获得多少独立信息，而良好的研究设计和统计分析，决定了我们能否有效利用这些信息。
参考文献与延伸阅读
以下文献适合进一步了解相关方法及其适用条件。
1. Lazic SE. Four simple ways to increase power without increasing the sample size. Laboratory Animals. 2018;52(6):621–629. DOI: 10.1177/0023677218767478。这篇文章直接讨论如何在不增加样本量的情况下提高功效，是本文最直接的参考文献。
2. Wasserstein RL, Lazar NA. The ASA Statement on p-Values: Context, Process, and Purpose. The American Statistician. 2016;70(2):129–133. DOI: 10.1080/00031305.2016.1154108。适合了解 \(P\) 值的正确解释、选择性报告的风险，以及统计显著性与科学意义之间的区别。
3. National Institutes of Health. Covariate Adjustment in Randomized Clinical Trials: General Theory and Practical Insights. NIH 方法学教育资源。适合进一步学习随机临床试验中的协变量调整及其效率优势。
4. American Society for Nutrition. A guide for authors and readers of the American Society for Nutrition Journals on the proper use of P values and strategies that promote transparency and improve research reproducibility. 全文。涉及效应量、置信区间、多重比较和透明报告等问题。
