在很多科研人的认知里，样本量往往是在实验过程中“慢慢累积”的：先做一批看看趋势，再决定要不要继续。这种做法在探索性研究中并非完全不可接受，但一旦研究目标是验证假设，样本量就不再是一个可以临时调整的变量，而是实验设计本身的一部分。正因如此，越来越多的审稿人会在方法部分直接追问：你在研究开始之前，是否已经评估过这个研究是否“有能力”检测到你声称要研究的效应。
从统计学的角度看，这个问题并不模糊。样本量并不是凭经验拍脑袋决定的，也不是简单参考几篇前人论文就可以交代过去。它是一个可以在研究启动前被明确计算出来的量。如果这一步被忽略，即便后续分析过程再规范，研究结论依然可能因为统计功效不足而被认为缺乏说服力。
样本量计算究竟在解决什么问题？
所谓样本量计算，更准确的说法是统计功效分析。它关注的并不是“如何得到显著结果”，而是一个更基础的问题：在真实效应存在的前提下，你的研究有多大概率能够检测到它。如果这个概率本身很低，那么“没有发现显著性”就并不能说明效应不存在，只能说明你的研究从设计层面就缺乏足够的信息量。
这也是为什么在审稿语境中，“结果不显著”与“研究功效不足”常常被放在一起讨论。一个功效不足的研究即便使用了正确的统计方法，也很难为结论提供坚实支撑。换句话说，功效分析并不是为了让研究“更好看”，而是为了避免在研究结束后才发现：这项实验在统计意义上从一开始就注定很难得出明确结论。
样本量是重点
如果回顾十几年前的文献，不难发现很多论文在样本量问题上语焉不详，甚至只用一句“样本量参考前人研究”草草带过。但随着可重复性问题在多个学科被系统性讨论，期刊编辑和审稿人已经越来越难以接受这种模糊处理。小样本研究在统计上更容易夸大效应大小，也更容易产生不可重复的阳性结果，这是当前科研评价体系中高度警惕的问题。
因此，在生命科学、心理学、医学等领域，样本量依据逐渐被视为方法学严谨性的组成部分。即便期刊投稿指南没有强制要求提供功效分析，清楚说明样本量设计逻辑，也往往能显著降低审稿人对研究可靠性的疑虑。这种变化并不是形式主义，而是科研共同体对研究可信度要求不断提高的自然结果。
效应大小，才是样本量问题的真正核心
在实际操作中，功效分析最容易让研究者感到困难的，并不是计算本身，而是如何设定效应大小。这一步无法完全由统计软件替代，因为它本质上是一个科学判断：你认为在你的研究问题中，多大的差异才是值得被检测、也值得被解释的。
从数学关系上看，效应越小，所需样本量就越大，而且这种增长往往是非线性的。这也正是很多示意图试图传达的核心信息：当你希望捕捉的是微小差异时，样本量的需求会迅速上升。功效分析在这里起到的作用，并不是逼迫研究者无限扩样，而是促使你认真思考——即便统计上能够检出，这样的差异是否真的具有生物学、临床或理论意义。
一个常见但被低估的场景：两组比较到底需要多少样本？
以最常见的两组比较为例，很多研究计划使用双样本 t 检验来评估实验组与对照组的差异。如果在研究设计阶段明确设定显著性水平（通常为 0.05）、目标统计功效（例如 80%）以及合理的预期效应大小，那么样本量就不再是一个模糊区间，而是一个可以被明确报告的结果。
这种“提前算清楚”的做法，在论文中具有很强的解释力。它向审稿人传递的信息并不是“我们算过一个数”，而是：研究者在实验开始之前，已经系统性评估过研究目标、效应水平和统计不确定性之间的关系。这种前置性的设计思维，往往比事后补充复杂统计分析更能建立信任。
工具并不稀缺，稀缺的是研究前的设计意识
在实际科研中，功效分析之所以常常被跳过，并不是因为缺乏工具，而是因为研究者往往在数据已经开始收集之后，才意识到样本量可能是一个问题。事实上，在技术层面，样本量计算早已被高度标准化。无论是 R 语言、Python，还是各类在线计算器，都可以在几行命令内给出明确结果。真正稀缺的，并不是“会不会算”，而是是否在研究启动前，就主动把这个问题纳入设计流程。
以 R 语言为例，最常被使用的包之一是 pwr。假设你计划进行一个双样本 t 检验，显著性水平设为 0.05，希望达到 80% 的统计功效，并且基于文献或预实验判断，你关心的是一个中等大小的效应（Cohen’s d = 0.5）。在这种非常典型的研究场景下，样本量计算几乎可以直接写成：
library(pwr)
pwr.t.test(
d = 0.5,
sig.level = 0.05,
power = 0.8,
type = "two.sample",
alternative = "two.sided"
)运行这段代码后，R 会直接返回每一组所需的大致样本量。这个结果本身并不神秘，但它的意义在于：你在实验开始之前，就已经明确知道“做到什么程度，统计上才是合理的”。在此基础上，无论后续是否因为现实条件对样本量进行调整，你都能清楚地意识到这种调整意味着什么代价。
更重要的是，这一步并不要求你一开始就“设定一个完美的效应大小”。在研究设计阶段，你完全可以把功效分析当作一个探索工具。例如，你可以反过来问一个问题：如果我的样本量最多只能做到每组 30 个个体，那么在 80% 功效的前提下，我最多只能检测到多大的效应？
pwr.t.test(
n = 30,
sig.level = 0.05,
power = 0.8,
type = "two.sample",
alternative = "two.sided"
)这样的计算往往会带来一个非常现实、甚至有些“刺痛”的认知：在样本量受限的情况下，你的研究从统计意义上只能对较大的效应保持敏感。这种认知，本身就是研究前设计意识的一部分，它会直接影响你如何表述研究目的、如何界定“有意义的差异”，以及是否需要调整研究问题本身。
当研究进入写作阶段，这些前期思考也会自然转化为方法部分中一段非常清晰的描述。例如，你不再只是笼统地写“样本量参考前人研究”，而是可以明确说明样本量的统计依据、关键参数以及所使用的软件工具。对审稿人而言，这样的表述意味着：即便他们对你的具体假设持保留态度，也很难否认这项研究在设计层面是经过认真推敲的。
从这个角度看，功效分析并不是一项“统计技能展示”，而是一种研究者对不确定性的主动管理。它要求你在数据尚未出现之前，就对研究是否具备回答问题的能力做出判断。这种判断能力，才是真正稀缺、也最能区分科研成熟度的地方。
最后
样本量计算并不会保证你一定获得显著结果，也不会自动提升研究的创新性。但它能确保一件关键的事情：无论结果是阳性还是阴性，你的研究在统计设计层面是自洽且可被理解的。对于审稿人而言，这往往是判断一项研究是否值得认真对待的前提。
也正因如此，越来越多经验丰富的研究者会把功效分析视为一种“研究前的自我审稿”。它并不是为了迎合期刊要求，而是为了避免在研究结束之后，才意识到一个无法补救的问题：样本量，从一开始就不足以支撑你想要回答的科学问题。
