开展一项实验或调查时，你是否也遇到过这样的疑问：到底需要多少个样本，才能让研究结果具有足够的说服力？
样本太少，可能无法检测到真实存在的效应；样本太多，则意味着额外的实验成本、招募时间和资源投入。更麻烦的是，如果研究已经结束，才发现样本量不足，研究者往往很难再弥补这一缺陷。
其实，样本量并不一定要靠经验估计。研究者可以在正式收集数据之前，通过样本量计算和统计功效分析（Statistical Power Analysis），估算在特定研究设计和统计假设下，需要收集多少样本才能达到预期的统计功效。
这项工作不仅适用于临床试验，也广泛应用于生物医学实验、心理学研究、公共卫生调查、社会科学研究以及回归分析等领域。提前做好功效分析，可以帮助研究者合理规划实验规模，减少资源浪费，并提高研究设计的透明度。
为什么样本量需要在研究开始前确定？
样本量并不是越大越好，也不是达到某个固定数字就一定足够。真正重要的是，样本量能否支持研究者回答预先提出的科学问题。
假设你正在研究一种新药是否能够降低患者的某项生理指标。你将患者分为治疗组和对照组，希望通过比较两组的平均值，判断治疗是否产生了预期效果。
如果每组只有几名患者，即使治疗确实有效，样本中的个体差异也可能掩盖真实的组间差异。统计检验最终可能无法达到预设的显著性标准，研究者也就难以获得充分证据。
如果每组招募数百名患者，研究通常能够更精确地估计组间差异，但招募、检测、随访和数据管理的成本也会随之增加。
因此，研究设计阶段真正需要回答的问题是：在研究者认为具有科学意义的效应确实存在时，需要多少样本，才能以合理的概率检测到它？
统计功效分析正是为这个问题提供定量依据的方法。临床研究方法学文献也强调，样本量的确定应考虑研究类型、结局指标、变异程度、显著性水平、目标功效以及具有实际意义的最小效应。 相关方法学综述
理解样本量计算的四个关键因素
样本量计算通常涉及四个核心要素：效应量、显著性水平、统计功效和样本量。它们相互关联，研究者通常需要预先确定其中三个，再计算第四个。
效应量：你希望检测到多大的差异？
效应量（Effect Size）描述研究中关注的差异或关联有多大。它可以是两组均值之间的差异、两组事件发生率之间的差异，也可以是变量之间的相关程度。
例如，一项实验比较两种处理条件下的细胞活性。如果两组的平均细胞活性只相差很小的幅度，那么要将这种差异与实验波动区分开来，通常需要更多样本。
如果两组之间的差异较大，在其他条件相同的情况下，研究者往往可以用较少的样本检测到这一差异。
对于连续型结局指标，研究者可以使用标准化效应量 Cohen's d，即两组均值差除以适当的标准差。对于比例、相关性、方差分析和回归模型，则需要选择与相应统计检验匹配的效应量指标。
效应量的估计可以参考既往研究、预实验数据或领域内具有科学意义的最小差异。Cohen 提出的“小、中、大”效应量标准可以作为初步参考，但不应机械套用。对于某些临床或生物学问题，一个看似较小的效应也可能具有重要意义。
显著性水平：你愿意承担多大的第一类错误风险？
显著性水平（Significance Level，α）是研究者预先设定的统计判定阈值。在经典假设检验框架下，它对应第一类错误（Type I Error）的长期概率上限，即在零假设成立时错误地拒绝零假设的概率。
许多研究采用 α = 0.05，但这并不是所有研究都必须遵守的固定标准。对于涉及多重比较、特定临床决策或不同错误成本的研究，显著性水平可能需要另行考虑。
在其他条件相同的情况下，如果将显著性水平设定得更严格，研究通常需要更大的样本量，才能维持相同的统计功效。
需要注意，显著性水平并不等于研究结果为假的概率，也不能单独用于判断一个发现是否具有科学价值。
统计功效：你有多大把握检测到真实效应？
统计功效（Statistical Power）指的是：当研究中存在预先指定的真实效应时，统计检验正确拒绝零假设的概率。
统计功效通常记作 (1-\beta)，其中 β 是第二类错误（Type II Error）的概率，即未能拒绝实际上不成立的零假设。
在许多常规研究中，研究者会将目标功效设为 80% 或 90%。例如，目标功效为 80%，意味着在所设定的效应量、统计模型和其他假设成立时，研究设计有约 80% 的概率检测到该效应。
这并不意味着研究结果有 80% 的概率为真，也不意味着只要研究达到 80% 功效，就一定能够获得显著结果。实际结果仍然取决于真实效应、数据变异、研究执行和模型假设等因素。
样本量：满足上述条件需要多少观测值？
样本量（Sample Size）是功效分析试图确定的核心结果。
在研究设计、效应量、显著性水平和目标功效等条件确定后，研究者就可以估算所需的样本数量。通常而言，预期效应越小、目标功效越高或显著性标准越严格，所需样本量就越大。
不过，样本量的计算结果必须结合具体研究设计解释。两组独立样本 t 检验、配对 t 检验、方差分析和多元回归的计算方法并不完全相同，不能将某一种检验得出的样本量直接套用到另一种设计中。
为什么较小的效应通常需要更大的样本量？
可以把统计检验想象成在实验波动中识别真实信号的过程。
如果真实效应很大，信号相对明显，即使观测数量有限，也可能检测到差异。如果真实效应很小，信号就更容易被个体差异、测量误差和随机波动淹没。增加样本量通常能够提高估计精度，让研究者更有机会识别这种差异。
例如，在两组样本量相等、采用双侧独立样本 t 检验、显著性水平为 0.05、目标功效为 80%，且满足常规正态模型假设的情况下，标准化效应量 Cohen's d 对应的样本量大致如下：
这些数字是基于上述特定条件的近似示例，而不是适用于所有研究的通用标准。具体计算结果可能因软件算法、假设设定及取整方式而略有差异。
从这个例子可以看出，若研究者希望检测的效应从中等变为较小，即使其他条件不变，所需样本量也可能大幅增加。这也是为什么样本量规划不能只依据研究团队的招募能力，或简单参照其他论文的样本规模。
如何使用 R 语言进行样本量计算？
对于希望自己完成统计分析的科研人员，R 语言提供了免费的功效分析工具。其中，pwr 包可以用于多种常见统计检验，包括 t 检验、方差分析、相关分析、比例检验、卡方检验和部分回归模型。
官方文档：CRAN：pwr 包
下面以比较两个独立组的连续型结局指标为例，演示如何估算样本量。
第一步：安装并加载 pwr 包
如果尚未安装该包，可以在 R 控制台中运行：
install.packages("pwr")安装完成后，加载程序：
library(pwr)第二步：设定研究参数
假设你计划开展一项两组独立样本实验，希望检测 Cohen's d = 0.5 的标准化均值差，采用双侧检验，显著性水平为 0.05，目标统计功效为 80%。
这里的 d = 0.5 只是演示参数。真实研究应尽量根据既往证据、预实验或具有实际意义的最小效应确定这一数值。
第三步：运行样本量计算
pwr.t.test(
d = 0.5,
sig.level = 0.05,
power = 0.80,
type = "two.sample",
alternative = "two.sided"
)这段代码告诉 R：在两组样本量相等的独立样本 t 检验中，计算达到指定效应量、显著性水平和目标功效所需的样本量。
根据上述参数，每组大约需要 64 名参与者，两组合计约 128 名。由于实际样本量必须为整数，研究者应根据软件输出向上取整。
如果预计会有参与者退出、样本检测失败或数据无法纳入最终分析，还应在此基础上增加招募量。假设预计有 10% 的样本无法纳入分析，则计划招募人数可以按以下方式估算：
[
N_{\text{招募}}=\frac{N_{\text{所需有效样本}}}{1-0.10}
]
如果每组需要 64 个有效样本，则每组应计划招募约 72 人，即两组合计约 144 人。这里假定两组的失访率均为 10%，且没有额外的设计效应。
第四步：根据研究类型选择相应函数
这些函数的适用范围、参数定义和计算假设有所不同。对于配对数据、不等组样本量、聚类随机试验、复杂纵向模型或高维数据分析，研究者可能需要采用其他函数、专门的软件或基于模拟的功效分析方法。
样本量计算中最容易犯的几个错误
直接套用其他论文的样本量。 既往研究的样本量可以作为参考，但不同研究的效应量、结局指标、变异程度和统计设计可能存在明显差异。与其照搬“每组 30 人”之类的经验数字，不如明确自己的研究问题和分析计划，再据此估算样本量。
为了得到较小的样本量而高估效应量。 如果研究者选择一个缺乏依据、明显偏大的预期效应，计算结果就可能低估真正需要的样本量。效应量应来自可靠证据或具有科学意义的最小差异，而不是为了让实验更容易完成而随意调整。
把统计功效当成研究质量的全部。 功效分析无法弥补偏倚、测量误差、研究设计不合理或数据质量低下等问题。样本量充足的研究仍可能产生不可靠的结论。随机化、盲法、适当的对照、预先设定主要结局指标，以及透明的数据分析流程同样重要。
忽略多重比较和复杂设计。 如果研究包含多个主要结局、多个组间比较、重复测量或聚类结构，简单的两组 t 检验计算可能不再适用。研究者应根据最终计划使用的统计模型进行样本量规划，而不是只计算最容易处理的那一项分析。
在研究结束后才计算“观察功效”。 研究完成后，单纯利用已观察到的效应量和 p 值计算事后功效，通常不能提供多少超出已有结果的信息。对于未达到统计显著性的研究，更有价值的做法是报告效应估计、置信区间和研究局限，并结合设计阶段的功效分析解释结果。美国统计学会也强调，不能仅凭 p 值阈值作出科学结论，应充分报告效应量、不确定性和分析过程。
如何在论文中报告样本量计算？
如果研究属于需要预先设定假设并进行统计推断的定量研究，建议在 Methods 部分交代样本量规划的依据，而不只是写明最终纳入了多少个样本。
一段完整的报告通常需要说明主要结局指标、计划使用的统计检验、预期效应量及其来源、显著性水平、目标统计功效、计算工具，以及失访或无效数据的处理方式。
例如，可以参考以下英文模板，并根据实际研究情况修改：
An a priori power analysis was conducted using R (version X.X.X) with the pwr package. Assuming a standardized effect size of Cohen's d = 0.5, a two-sided significance level of 0.05, and a statistical power of 80%, the required sample size was estimated to be 64 participants per group. To account for an anticipated attrition rate of 10%, approximately 72 participants per group were planned for recruitment.
这段话只适用于相应的两组独立样本 t 检验场景。正式投稿时，应将软件版本、参数和样本量替换为真实研究中的信息，并确认所采用的计算方法与最终统计分析一致。
如果没有进行传统的事前功效分析，也不应为了满足审稿要求而事后编造计算过程。对于探索性研究、可获得样本量受限的研究或复杂设计，应如实说明样本量的确定依据及其局限。
最后
样本量计算的价值，并不是让研究者在实验开始前获得一个绝对正确的数字，而是帮助研究团队把科学问题转化为可检验的设计条件。
当你能够明确希望检测多大的效应、愿意承担多大的统计错误风险，以及希望达到什么水平的统计功效时，样本量就不再只是一个凭经验决定的数字，而成为研究设计中可以解释、可以复核的组成部分。
在下一次开始实验、招募参与者或设计调查问卷之前，不妨先进行一次事前功效分析（A Priori Power Analysis）。它无法保证研究一定成功，却能帮助你更清楚地理解研究能够回答什么问题、需要投入多少资源，以及最终结果应该如何解释。
