2022/3/21 16:03:11 阅读：1037 发布者：chichi77
我们写论文时是否需要样本量公式？该如何学习呢？
（来源：Focus知识星球）
样本量在计算的过程中涉及很多统计量、复杂的公式和专业的软件，让科研初学者望而却步。
对于我们护理专业的人员来讲，统计这一大块都属于我们的弱项，而样本量分析也属于前期研究设计非常重要的一部分，我们一定要知晓样本量的计算，掌握准确且恰当的公式或者软件等手段进行样本量的计算，为我们后期研究方案的实施直至最后的论文撰写打下坚实基础。
而对于样本量公式是否需要的问题，则应具体情况具体分析。在初期的研究方案制定阶段，如果我们选择使用软件计算样本量，一定要掌握使用软件计算的正确方法，根据公式确定计算必需的参数，例如 α 和（1-β）等等。
举个例子，比如G power软件，我们在使用的过程中，可以根据自己的研究方案选择匹配的参数，由软件自动计算出样本量。其实，这种方式相当于在软件当中植入样本量计算公式，在我们输入所需的参数后，借助软件输出结果。
到这里可能有同学会发问，作为非统计专业的科研工作者，应该如何学习样本量的计算呢？
首先要判断您的研究是何种类型，是横断面调查还是随机对照实验研究，在掌握基本的统计学知识的基础之上，着重学习对应的样本量计算方法。
在这里到底学习公式法还是软件法应根据您的基础来定，一般软件法比较友好简单，只需解释清楚您所需设定的参数的意义即可；如果有精力，也可以自行研究公示的来源与更深层次的内容。
另外，如果进行调查等比较简单的研究或者没有前期的研究经历的小白，可以选择经验法。其实我们通过比较可以得出，经验法与公式或者软件计算的结果相差不大，几乎不会影响研究结果。
对于后期文章撰写阶段，以我们阅读以及撰写文章的经验来看，样本量公式不属于必要条件，并不是每一篇文章当中都列出了样本量公式，因为通过样本量公式计算样本数属于最原始的方式，容易出现人工错误且浪费时间，比如通过查表法获取某些数值等等。
近年来，为了帮助我们非专业类的科研人员计算样本量，出现了很多的专业软件，可以快速，高效的帮我们计算样本量，我们无需学习更加专业高深与晦涩难懂的统计学公式，而是设置必要的所需信息，通过软件计算出样本量，这也是很多SCI都接受的形式，是比较普遍的。但是如果选择这样的方式，应该在研究方法部分，详细的介绍样本量的计算方法，关键参数是多少，如何选择的，依据是什么等等。
而对于护理类的国内期刊，有些审稿专家或者杂志社编辑要求较高，不接受经验的方式，沿袭传统的列公式等方法，那我们则应该听取意见，按要求补充样本量计算公式，这些公式可以在统计学类教材当中可以找到。
总结
Nursing Research
有能力尽量利用公式计算样本量，这种方法是任何时候都不会出错的；
如果无法理解晦涩难懂的公式，可以利用软件计算样本量，它一样具有科学性；
对于新手小白，如果完全无法掌握软件的使用方法，或者搞不懂参数设置，在理解的基础上采用经验法也是可以的。
但以上无论哪种方法，都应该知晓计算的依据，找出类似的参照文献，有理有据，先说服自己，自然能够说服审稿人。
1. 样本量计算很重要，可遵循下述四个步骤进行计算：
（1）统筹研究计划，明确关键结局指标及其类型；
（2）根据公式确定计算必需的参数，包括 α 和（1-β）；
（3）确定组间人数分配比例；
（4）根据公式计算样本量，并适当补充。
2. 试验设计不同，所需公式也不同；结局指标不同、分配比例不同，样本量计算结果也不同。
3. α 一般可取双侧 0.05、单侧 0.025；（1-β）一般可取 0.9 或 0.8；组间分配比例可在 0.25～4 的范围内选取。
4. 由于存在失访、退出和数据缺失等情况，在计算结果上可额外补充 10%～20% 的样本量。
5. 其他可选择的样本量计算工具还有 Epitools（https://epitools.ausvet.com.au/samplesize）等。
6. 如有明确要求（如 PASS 等），应选用推荐的软件进行计算。
如有侵权，请联系本站删除！
