样本量计算方法

本项目的样本量是根据以下公式计算

N=Z2×(P ×(1-P))/E2

N：为样本量；

Z：为统计量，置信度为95%时，z=1.96;当置信度为 90%时，z=1.64；E：为误差值；

P：为概率值；

30个样本是定量研究的最小样本量；

各项抽样标准样本量计算：

Z=1.96,E=3%,P=0.5时，N=1067

Z=1.96,E=5%,P=0.5时，N=384

Z=1.96,E=10%,P=0.5时，N=96

Z=1.64,E=3%,P=0.5时，N=747

Z=1.64,E=5%,P=0.5时，N=269

Z=1.64,E=10%,P=0.5时，N=67

当样本容量超过总体的5%时，就需要调整样本容量，调整公式：

n’= (n×N)/(N+n-1)

n’:修改后的样本量；

n：原样本量；

N：总量。

(完整版)样本量计算(DOC)

1.估计样本量的决定因素 1.1资料性质 计量资料如果设计均衡,误差控制得好,样本可以小于30例;计数资料即使误差控制严格,设计均衡,样本需要大一些,需要30-100例。 1.2研究事件的发生率 研究事件预期结局出现的结局（疾病或死亡），疾病发生率越高，所需的样本量越小，反之就要越大。 1.3 1.4 1.5 度为 1.6 1.7 1.8双侧检验与单侧检验 采用统计学检验时,当研究结果高于和低于效应指标的界限均有意义时,应该选择双侧检验,所需 样本量就大;当研究结果仅高于或低于效应指标的界限有意义时,应该选择单侧检验,所需样本量 就小。当进行双侧检验或单侧检验时，其α或β的Ua?界值通过查标准正态分布的分位数表即可得到。

2.样本量的估算 由于对变量或资料采用的检验方法不同，具体设计方案的样本量计算方法各异，只有通过查阅资料，借鉴他人的经验或进行预实验确定估计样本量决定因素的参数，便可进行估算。 护理中的量性研究可以分为3种类型：①描述性研究：如横断面调查，目的是描述疾病的分布情况或现况调查；②分析性研究：其目的是分析比较发病的相关因素或影响因素；③实验性研究：即队列研究或干预实验。研究的类型不同，则样本量也有所不同。 2.1描述性研究 例. =0.1， 2.2 2.2.1探索有关变量的影响因素研究 有关变量影响因素研究的样本量大多是根据统计学变量分析的要求，样本数至少是变量数的5-10倍。例如，如果研究肺结核患者生存质量及影响因素，首先要考虑影响因素有几个，然后通过文献回顾，可知约有12个预测影响变量，如年龄、性别、婚姻、文化程度、家庭月收入、医疗付费方式、病程、排菌、喀血、结核中毒症状、心理健康、社会支持，那么研究的变量就可以在60-120例。这是一种较为简便的估算样本量的方法，在获得相关文献支持下，最好根据公式计算，计量

样本量计算方法

样本量及其计算依据： 根据现有文献[Gerald Holtmann,Nicholas Talley,Tobias Liebregts,Birgit Adam,Christopher Parow.A placebo-controlled trial of itopride in functional dyspepsia.The New England Journal of MEDICINE 2006;(8):832-840]，功能性消化不良患者接受伊托必利50mg组治疗后，其NDI改善值的均数为18.0，本研究期望针刺本经取穴组治疗功能性消化不良的NDI改善值的均数为15.0，本研究共设了6个组别，检验水准α=0.05，检验效能1-β=0.90，采用多个样本均数比较的样本含量估计公式（王家良主编《临床流行学》.上海.上海科学技术出版社，2001.P142）进行样本量的估算，公式如下： k ψ2（Εs j2/k） n= j=1 k = Ε( X j- x ) 2/(k-l) j=1 通过公式计算，每组所需样本数n=77例，按15%的脱失率计算，每个组应不少于89例，6组应不少于534例。 样本量及其计算依据： 若分为三组或三组以上，采用多个样本均数比较的样本含量估计公式（王家良主编《临床流行学》.上海.上海科学技术出版社，2001.P142）进行样本量的估算，公式如下： k ψ2（Εs j2/k） n=

k = Ε(?X j- x ) 2/(k-l) k为研究所用的组数，?X j, s i各为每组的均数与标准差的估计值，x=Ε?X j/k,ψ为界值，可通过查阅ψ值表得到。

样本量计算(DOC)

1.估计样本量的决定因素 1.1 资料性质 计量资料如果设计均衡,误差控制得好,样本可以小于30例; 计数资料即使误差控制严格,设计均衡, 样本需要大一些,需要30-100例。 1.2 研究事件的发生率 研究事件预期结局出现的结局（疾病或死亡），疾病发生率越高，所需的样本量越小，反之就要越大。 1.3 研究因素的有效率 有效率越高，即实验组和对照组比较数值差异越大，样本量就可以越小，小样本就可以达到统计学的显著性，反之就要越大。 1.4 显著性水平 即假设检验第一类（α）错误出现的概率。为假阳性错误出现的概率。α越小，所需的样本量越大，反之就要越小。α水平由研究者具情决定，通常α取0.05或0.01。 1.5 检验效能 检验效能又称把握度，为1－β，即假设检验第二类错误出现的概率，为假阴性错误出现的概率。即在特定的α水准下，若总体参数之间确实存在着差别，此时该次实验能发现此差别的概率。检验效能即避免假阴性的能力，β越小，检验效能越高，所需的样本量越大，反之就要越小。β水平由研究者具情决定，通常取β为0.2，0.1或0.05。即1－β=0.8，0.1或0.95，也就是说把握度为80%，90%或95%。 1.6 容许的误差（δ） 如果调查均数时，则先确定样本的均数( )和总体均数(m)之间最大的误差为多少。容许误差越小，需要样本量越大。一般取总体均数（1－α）可信限的一半。 1.7 总体标准差(s) 一般因未知而用样本标准差s代替。 1.8 双侧检验与单侧检验 采用统计学检验时,当研究结果高于和低于效应指标的界限均有意义时,应该选择双侧检验,所需样本量就大; 当研究结果仅高于或低于效应指标的界限有意义

抽样调查样本量确定

抽样调查样本量的确定 在贸易统计中, 对于限额以下批零餐饮企业普遍采用抽样调查方法进行解决。然而，由于当前市场经济情况的多样性，经济发展的不均衡性，以及地域宽广性，导致情况多种多样；实际情况的复杂，决定了方案的复杂性，增加了具体抽样的难度。经过多年的探讨，区域二相抽样调查比较符合当前我国的实际情况，我们在这里根据试点所掌握的情况针对采用区域二相抽样调查的贸易抽样方案中如何确定样本量进行分析。 一、样本单位数量的确定原则 一般情况下，确定样本量需要考虑调查的目的、性质和精度要求。以及实际操作的可行性、经费承受能力等。根据调查经验，市场潜力和推断等涉及量比较严格的调查需要的样本量比较大，而一般广告效果等人们差异不是很大或对样本量要求不是很严格的调查，样本量相对可以少一些。实际上确定样本量大小是比较复杂的问题，即要有定性的考虑，也要有定量的考虑；从定性的方面考虑，决策的重要性、调研的性质、数据分析的性质、资源、抽样方法等都决定样本量的大小。但是这只能原则上确定样本量大小。具体确定样本量还需要从定量的角度考虑。 从定量的方面考虑,有具体的统计学公式,不同的抽样方法有不同的公式。归纳起来，样本量的大小主要取决于： (1)研究对象的变化程度，即变异程度； (2)要求和允许的误差大小，即精度要求； (3)要求推断的置信度，一般情况下，置信度取为95%； (4)总体的大小； (5)抽样的方法。 也就是说,研究的问题越复杂,差异越大时,样本量要求越大；要求的精度越高,可推断性要求越高时,样本量也越大；同时,总体越大,样本量也相对要大,但是,增大呈现出一定对数特征,而不是线形关系；而抽样方法问题,决定设计效应的值,如果我们设定简单随机抽样设计效应的值是1；分层抽样由于抽样效率高于简单随机抽样，其设计效应的值小于1,合适恰当的分层，将使层内样本差异变小，层内差异越小，设计效应小于1的幅度越大；多阶抽样由于效率低于简单随机抽样，设计效应的值大于1,所以抽样调查方法的复杂程度决定其样本量大小。对于不同城市,如果总体不知道或很大,需要进行推断时,大城市多抽,小城市少抽,这种说法原则上是不对的。实际上,在大城市抽样太大是浪费,在小城市抽样太少没有推断价值。

样本量计算

样本量计算 调查研究中样本量的确定 在社会科学研究中，研究者常常会遇到这样得问题：“要掌握总体(population)情况，到底需要多少样本量(sample)？”，或者说“我要求调查精度达到95%，需要多少样本量？”。对此，我往往感到难以回答，因为要解决这个问题，需要考虑的因素是多方面的：研究的对象，研究的主要目的，抽样方法，调查经费…。本文将根据自己的经验，探讨在调查研究中确定调查所需样本量的一些基本方法，相信这些方法对于其他的社会调查研究也有一定的借鉴意义。 确定样本量的基本公式 在简单随机抽样的条件下，我们在统计教材中可以很容易找到确定调查样本量的公式： Z2 S2 n = ------------ (1) d2 其中： n代表所需要样本量 Z：置信水平的Z统计量，如95%置信水平的Z统计量为1.96，99%的Z为2.68。 S：总体的标准差; d ：置信区间的1/2，在实际应用中就是容许误差，或者调查误差。 对于比例型变量，确定样本量的公式为: Z2 ( p ( 1-p)) n = ----------------- (2) d2 其中： n ：所需样本量 z：置信水平的z统计量，如95%置信水平的Z统计量为1.96,99%的为2.68

p：目标总体的比例期望值 d：置信区间的半宽 关于调查精度 通常我们所说的调查精度可能有两种表述方法：绝对误差数与相对误差数。如对某市的居民进行收入调查，要求调查的人均收入误差上下不超过50元，这是绝对数表示法，这个绝对误差也就是公式(1)中置信区间半宽d。 而相对误差则是绝对误差与样本平均值的比值。例如我们可能要求调查收入与真实情况的误差不超过1%。假定调查城市的真实人均收入为10000元，则相对误差的绝对数是100元。 公式的应用方法 对于公式的应用，一些参数是我们可以事先确定的：Z值取决于置信水平，通常我们可以考虑95%的置信水平，那么Z=1.96；或者99%，Z=2.68。然后可以确定容许误差d（或者说精度），即我们可以根据实际情况指定置信区间的半宽度d。因此，公式应用的关键是如何确定总体的标准差S。如果我们可以估计出总体的方差（标准差），那么我们可以根据公式计算出样本量： 例如：要了解该城市的居民收入，假定我们知道该市居民收入的标准差为1500，要求的调查误差不超过100元，则在95%的置信水平下，所需的样本量为 n=1.962*15002/1002=8,643,600/10,000=864 即需要调查的样本量为864个。 最大样本量 以上公式只是理论上的，在实际调查中确定合理的样本量，必须考虑多方面的因素。 首先，由于人们通常缺乏对标准差的感性认识，因此对标准差的估计往往是最难的。总体的标准差是123，还是765？如果没有一点对样本的先验知识，那么对标准差的估计是不可能的。好在我们通常能对变量的平均值进行估计，如我们通过历史资料估计该地区目前的年人均收入大致为10,000元，那么根据统计学知识，我们引入变异系数的概念： 变异系数V=标准差S/平均值X<= 1 因此，我们知道人均收入的标准差应该小于平均值，就是说标准差应该在10000以下。当然，这对于我们确定样本量还不能起太大的作用。然而如果我们采用相对误差表述的精度，对公

t检验计算公式

t 检验计算公式： 当总体呈正态分布，如果总体标准差未知，而且样本容量n <30，那么这时一切可能的样本平均数与总体平均数的离差统计量呈t 分布。 t 检验是用t 分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。t 检验分为单总体t 检验和双总体t 检验。 1.单总体t 检验 单总体t 检验是检验一个样本平均数与一已知的总体平均数的差异是否显 著。当总体分布是正态分布，如总体标准差σ未知且样本容量n <30，那么样本平均数与总体平均数的离差统计量呈t 分布。检验统计量为： X t μ -= 。 如果样本是属于大样本（n >30）也可写成： X t μ -= 。 在这里，t 为样本平均数与总体平均数的离差统计量； X 为样本平均数； μ为总体平均数； X σ为样本标准差； n 为样本容量。 例：某校二年级学生期中英语考试成绩，其平均分数为73分，标准差为17分，期末考试后，随机抽取20人的英语成绩，其平均分数为79.2分。问二年级学生的英语成绩是否有显著性进步？ 检验步骤如下： 第一步 建立原假设0H ∶μ=73 第二步 计算t 值 79.273 1.63X t μ --= = = 第三步 判断 因为，以0.05为显著性水平，119df n =-=，查t 值表，临界值 0.05(19)2.093t = ，而样本离差的t = 1.63小与临界值 2.093。所以，接受原假设， 即进步不显著。

2.双总体t 检验 双总体t 检验是检验两个样本平均数与其各自所代表的总体的差异是否显著。双总体t 检验又分为两种情况，一是相关样本平均数差异的显著性检验，用于检验匹配而成的两组被试获得的数据或同组被试在不同条件下所获得的数据的差异性，这两种情况组成的样本即为相关样本。二是独立样本平均数的显著性检验。各实验处理组之间毫无相关存在，即为独立样本。该检验用于检验两组非相关样本被试所获得的数据的差异性。 现以相关检验为例，说明检验方法。因为独立样本平均数差异的显著性检验完全类似，只不过0r =。 相关样本的t 检验公式为： t = 在这里，1X ，2X 分别为两样本平均数； 1 2 X σ，2 2X σ分别为两样本方差； γ为相关样本的相关系数。 例：在小学三年级学生中随机抽取10名学生，在学期初和学期末分别进行了两次推理能力测验，成绩分别为79.5和72分，标准差分别为9.124,9.940。问两次测验成绩是否有显著地差异？ 检验步骤为： 第一步 建立原假设0H ∶1μ=2μ 第二步 计算t 值 X X t -= =3.459。 第三步 判断 根据自由度19df n =-=，查t 值表0.05(9) 2.262t =，0.01(9) 3.250t =。由于实际计算出来的t =3.495>3.250=0.01(9)t ，则0.01P <，故拒绝原假设。 结论为：两次测验成绩有及其显著地差异。 由以上可以看出，对平均数差异显著性检验比较复杂，究竟使用Z 检验还是使用t 检验必须根据具体情况而定，为了便于掌握各种情况下的Z 检验或t 检验，

怎样确定统计量的样本容量

样本量的确定方法(2008-10-14 09:12:34) 一、样本单位数量的确定原则 一般情况下，确定样本量需要考虑调查的目的、性质和精度要求。以及实际操作的可行性、经费承受能力等。根据调查经验，市场潜力和推断等涉及量比较严格的调查需要的样本量比较大，而一般广告效果等人们差异不是很大或对样本量要求不是很严格的调查，样本量相对可以少一些。实际上确定样本量大小是比较复杂的问题，即要有定性的考虑，也要有定量的考虑；从定性的方面考虑，决策的重要性、调研的性质、数据分析的性质、资源、抽样方法等都决定样本量的大小。但是这只能原则上确定样本量大小。具体确定样本量还需要从定量的角度考虑。 从定量的方面考虑,有具体的统计学公式,不同的抽样方法有不同的公式。归纳起来，样本量的大小主要取决于： (1)研究对象的变化程度，即变异程度； (2)要求和允许的误差大小，即精度要求； (3)要求推断的置信度，一般情况下，置信度取为95%； (4)总体的大小； (5)抽样的方法。 也就是说,研究的问题越复杂,差异越大时,样本量要求越大；要求的精度越高,可推断性要求越高时,样本量也越大；同时,总体越大,样本量也相对要大,但是,增大呈现出一定对数特征,而不是线形关系；而抽样方法问题,决定设计效应的值,如果我们设定简单随机抽样设计效应的值是1；分层抽样由于抽样效率高于简单随机抽样，其设计效应的值小于1,合适恰当的分层，将使层内样本差异变小，层内差异越小，设计效应小于1的幅度越大；多阶抽样由于效率低于简单随机抽样，设计效应的值大于1,所以抽样调查方法的复杂程度决定其样本量大小。对于不同城市,如果总体不知道或很大,需要进行推断时,大城市多抽,小城市少抽,这种说法原则上是不对的。实际上,在大城市抽样太大是浪费,在小城市抽样太少没有推断价值。 二、样本量的确定方法 如何确定样本量,基本方法很多,但是公式检验表明,当误差和置信区间一定时,不同的样本量计算公式计算出来的样本量是十分相近的,所以,我们完全可以使用简单随机抽样计算样本量的公式去近似估计其他抽样方法的样本量,这样可以更加快捷方便，然后将样本量根据一定方法分配到各个子域中去。所以，区域二相抽样不能计算样本量的说法是不科学的。

临床试验样本量的估算

临床试验样本量的估算 样本量的估计涉及诸多参数的确定，最难得到的就是预期的或者已知的效应大小（计数资料的率差、计量资料的均数差值），方差（计量资料）或合并的率（计数资料各组的合并率），一般需通过预试验或者查阅历史资料和文献获得，不过很多时候很难得到或者可靠性较差。因此样本量估计有些时候不是想做就能做的。SFDA的规定主要是从安全性的角度出发，保证能发现多少的不良反应率；统计的计算主要是从power出发，保证有多少把握能做出显著来。 但是中国的国情？有多少厂家愿意多做？ 建议方案里这么写： 从安全性角度出发，按照SFDA××规定，完成100对有效病例，再考虑到脱落原因，再扩大20%，即120对，240例。 或者：本研究为随机双盲、安慰剂平行对照试验，只有显示试验药优于安慰剂时才可认为试验药有效，根据预试验结果，试验组和对照组的有效率分别为65.0%和42.9%，则每个治疗组中能接受评价的病人样本数必须达到114例（总共228例），这样才能在单侧显著性水平为5%、检验功效为90%的情况下证明试验组疗效优于对照组。假设因调整意向性治疗人群而丢失病例达10%，则需要纳入病人的总样本例数为250例。 非劣性试验（α=0.05，β=0.2）时：

计数资料： 平均有效率（P）等效标准（δ） N= 公式：N=12.365×P(1-P)/δ2 计量资料： 共同标准差（S）等效标准（δ） N= 公式：N=12.365× (S/δ)2 等效性试验（α=0.05，β=0.2）时： 计数资料： 平均有效率（P）等效标准（δ） N= 公式：N=17.127×P(1-P)/δ2 计量资料： 共同标准差（S）等效标准（δ） N= 公式：N=17.127× (S/δ)2 上述公式的说明： 1) 该公式源于郑青山教授发表的文献。 2) N 是每组的估算例数N1=N2，N1 和N2 分别为试验药和参比药的例数； 3) P 是平均有效率，

样本量计算(DOC)

1. 估计样本量的决定因素 1.1 资料性质 计量资料如果设计均衡 ,误差控制得好 ,样本可以小于 30例; 计数资料即使误差控制严格,设计均衡, 样本需要大一些 ,需要30-100 例。 1.2 研究事件的发生率研究事件预期结局出现的结局（疾病或死亡），疾病发生率越高，所需的样本量越小，反之就要越大。 1.3 研究因素的有效率 有效率越高，即实验组和对照组比较数值差异越大，样本量就可以越小，小样本就可以达到统计学的显著性，反之就要越大。 1.4 显著性水平 即假设检验第一类（a）错误出现的概率。为假阳性错误出现的概率。a越小，所需的样本量越大，反之就要越小。a水平由研究者具情决定，通常a取0.05 或 0.01 。 1.5 检验效能 检验效能又称把握度，为1-B，即假设检验第二类错误出现的概率，为假阴性错误出现的概率。即在特定的a水准下，若总体参数之间确实存在着差别，此时该次实验能发现此差别的概率。检验效能即避免假阴性的能力，B越小，检验效能越高，所需的样本量越大，反之就要越小。B水平由研究者具情决定，通常取 B为0.2，0.1或0.05。即1—B =0.8，0.1或0.95，也就是说把握度为80% 90%或95%。 1.6容许的误差（S） 如果调查均数时，则先确定样本的均数（）和总体均数（m）之间最大的误差为多少。容许误差越小，需要样本量越大。一般取总体均数（1— a ）可信限的一半。 1.7 总体标准差（s） 一般因未知而用样本标准差 s 代替。 1.8 双侧检验与单侧检验 采用统计学检验时 ,当研究结果高于和低于效应指标的界限均有意义时 , 应该选择双侧检验 , 所需样本量就大 ; 当研究结果仅高于或低于效应指标的界限有意义

实例教程 手把手教你计算样本量

实例教程：手把手教你计算样本量 作者：张耀文 小玲看了新英格兰医学杂志的一篇文章[1]后，有些地方不明白，于是来找小咖讨论。 小玲：我觉得这个研究做的棒棒哒，但有一点没看明白，就是原文中统计方法部分的样本量计算到底写了个啥： 小咖：你没看明白就对了。这段话确实没有讲明白样本量到底怎么计算来的。你应该去看看这个研究的Protocol和Supplementary Appendix，里面应该会详细写到。因为限于篇幅，有些研究会在正文中省略一些信息。 小玲：那么，哪里能找到这个研究的Protocol和Supplementary Appendix呢？ 小咖：来，跟着我操作。首先搜到新英格兰医学杂志的这篇文章，然后点击①PDF下载这篇文章，再点开②Supplementary Material。

下载③Protocol 和④Supplentary Appendix 。 小玲：原来是这样啊，那我赶紧再去读一读这两个文件。 小玲读完后，又来找小咖。 小玲：我找到啦，原来在Protocol 的84-85页有样本量计算的详细介绍。 小咖：很好。你先总结一下大意。 小玲：比较主要结局（体重变化）时，按照P =0.05进行双侧t 检验。对于另一个主要结局（二分类变量）——体重下降5%及以上、10%以上的人数比例，采用双侧卡方检验比较。假设对照组体重下降10%以上的人数比例为10%，利拉鲁肽组的这个比例为14%。当利拉鲁肽组和对照组的样本量分别为2400例、1200例时，可以有超过90%的把握度发现这种差异。 小咖：很好，你get 到了所有的point 。以本研究为例，计算样本量时，需要

抽样调查的样本容量的确定方法

抽样调查的样本容量的确定方法 摘要：确定样本容量是抽样调查中重要的环节，影响到抽样估计的精确度和调查的成本和效益。单位标志变异程度、抽样极限误差、抽样推断的可靠度、抽样类型和方法等影响到样本容量地确定。样本容量的确定可以根据由抽样误差、抽样极限误差和概率度推算出来的公式计算，也可以根据建立在过去抽取满足统计方法要求的样本量所累积下来的经验法则来确定。 关键词：样本容量；抽样调查；抽样误差；极限误差 抽样调查是根据随机原则，从总体中抽取部分实际数据构成样本，同时运用概率估计方法，依据样本信息推断总体数量特征的一种非全面统计调查。根据抽选样本的方法，抽样调查可以分为等概率抽样和非概率抽样两类。等概率抽样又称为随机抽样，是按照概率论和数理统计的原理，从调查研究的总体中，根据随机原则来抽选样本，并从数量上对总体的某些特征做出估计推断，对推断出可能出现的误差可以从概率意义上加以控制。样本是从总体中抽出的部分单位的集合，样本中所包含的单位数被称为样本容量，一般用n表示。确定样本容量是制定抽样调查方案中的一个非常重要的环节。 1．确定样本容量的必要性 1.1样本容量大小影响抽样估计的精确度 抽样估计的精确度是指样本的统计量与其所代表的总体值的接近程度。调查结果相对于总体真实值的精确度与样本容量直接相关。样本容量越大，抽样误差相对就会减少，估计精度就会提高；若样本容量太小，抽样误差就会增大，从而影响抽样估计的精确度。 1.2样本容量大小影响抽样调查的成本和效益 样本量的设计通常受到研究经费及调查时间的限制。根据数理统计规律，样本量增加呈直线递增的情况下（样本量增加一倍，成本也增加一倍），而抽样误差只是样本量相对增长速度的平方根递减。若样本容量过大，调查单位增多，不仅增加人力、财力和物力的耗费，增加调查费用，而且还影响到抽样调查的时效性，从而不能充分发挥抽样调查的优越性。 因此，为节省调查费用，体现出抽样调查的优越性，在确定样本容量时，应在满足抽样调查对估计数据的精确度的前提下，尽量减少调查单位数，确保必要的抽样数目。 2．影响必要样本容量的主要因素 影响样本容量的因素是多方面的，在抽样调查总体、调查费用和调查时间既定的情况下，为确定最佳的样本容量，应首先分析影响样本容量的因素。从理论上说，影响样本容量的因素有以下几个方面： 2.1单位标志变异程度 或成数方差P(1－P)的大小来表示。在其他单位标志变异程度一般用方差2

样本量的确定方法.

如对你有帮助，请购买下载打赏，谢谢！样本量的确定方法(2008-10-14 09:12:34) 一、样本单位数量的确定原则 一般情况下，确定样本量需要考虑调查的目的、性质和精度要求。以及实际操作的可行性、经费承受能力等。根据调查经验，市场潜力和推断等涉及量比较严格的调查需要的样本量比较大，而一般广告效果等人们差异不是很大或对样本量要求不是很严格的调查，样本量相对可以少一些。实际上确定样本量大小是比较复杂的问题，即要有定性的考虑，也要有定量的考虑；从定性的方面考虑，决策的重要性、调研的性质、数据分析的性质、资源、抽样方法等都决定样本量的大小。但是这只能原则上确定样本量大小。具体确定样本量还需要从定量的角度考虑。 从定量的方面考虑,有具体的统计学公式,不同的抽样方法有不同的公式。归纳起来，样本量的大小主要取决于： (1)研究对象的变化程度，即变异程度； (2)要求和允许的误差大小，即精度要求； (3)要求推断的置信度，一般情况下，置信度取为95%； (4)总体的大小； (5)抽样的方法。 也就是说,研究的问题越复杂,差异越大时,样本量要求越大；要求的精度越高,可推断性要求越高时,样本量也越大；同时,总体越大,样本量也相对要大,但是,增大呈现出一定对数特征,而不是线形关系；而抽样方法问题,决定设计效应的值,如果我们设定简单随机抽样设计效应的值是1；分层抽样由于抽样效率高于简单随机抽样，其设计效应的值小于1,合适恰当的分层，将使层内样本差异变小，层内差异越小，设计效应小于1的幅度越大；多阶抽样由于效率低于简单随机抽样，设计效应的值大于1,所以抽样调查方法的复杂程度决定其样本量大小。对于不同城市,如果总体不知道或很大,需要进行推断时,大城市多抽,小城市少抽,这种说法原则上是不对的。实际上,在大城市抽样太大是浪费,在小城市抽样太少没有推断价值。 二、样本量的确定方法 如何确定样本量,基本方法很多,但是公式检验表明,当误差和置信区间一定时,不同的样本量计算公式计算出来的样本量是十分相近的,所以,我们完全可以使用简单随机抽样计算样本量的公式去近似估计其他抽样方法的样本量,这样可以更加快捷方便，然后将样本量根据一定方法分配到各个子域中去。所以，区域二相抽样不能计算样本量的说法是不科学的。

样本量的确定方法

样本量的确定方法 The pony was revised in January 2021

样本量的确定方法(2008-10-14 09:12:34) 一、样本单位数量的确定原则 一般情况下，确定样本量需要考虑调查的目的、性质和精度要求。以及实际操作的可行性、经费承受能力等。根据调查经验，市场潜力和推断等涉及量比较严格的调查需要的样本量比较大，而一般广告效果等人们差异不是很大或对样本量要求不是很严格的调查，样本量相对可以少一些。实际上确定样本量大小是比较复杂的问题，即要有定性的考虑，也要有定量的考虑；从定性的方面考虑，决策的重要性、调研的性质、数据分析的性质、资源、抽样方法等都决定样本量的大小。但是这只能原则上确定样本量大小。具体确定样本量还需要从定量的角度考虑。 从定量的方面考虑,有具体的统计学公式,不同的抽样方法有不同的公式。归纳起来，样本量的大小主要取决于： (1)研究对象的变化程度，即变异程度； (2)要求和允许的误差大小，即精度要求； (3)要求推断的置信度，一般情况下，置信度取为95%； (4)总体的大小； (5)抽样的方法。 也就是说,研究的问题越复杂,差异越大时,样本量要求越大；要求的精度越高,可推断性要求越高时,样本量也越大；同时,总体越大,样本量也相对要大,但是,增大呈现出一定对数特征,而不是线形关系；而抽样方法问题,决定设计效应的值,如果我们设定简单随机抽样设计效应的值是1；分层抽样由于抽样效率高于简单随机抽样，其设计效应的值小于1,合适恰当的分层，将使层内样本差异变小，层内差异越小，设计效应小于1的幅度越大；多阶抽样由于效率低于简单随机抽样，设计效应的值大于1,所以抽样调查方法的复杂程度决定其样本量大小。对于不同城市,如果总体不知道或很大,需要进行推断时,大城

临床试验样本量的估算

临床试验样本量得估算 样本量得估计涉及诸多参数得确定,最难得到得就就是 预期得或者已知得效应大小(计数资料得率差、计量资料得均数差值),方差(计量资料)或合并得率(计数资料各组得合并率),一般需通过预试验或者查阅历史资料与文献获得,不过很多时候很难得到或者可靠性较差。因此样本量估计有些时候不就是想做就能做得。SFDA得规定主要就是从安全性得角度出发,保证能发现多少得不良反应率;统 计得计算主要就是从power出发,保证有多少把握能做出显著来。 但就是中国得国情？有多少厂家愿意多做？ 建议方案里这么写: 从安全性角度出发,按照SFDA××规定,完成100对有效病例,再考虑到脱落原因,再扩大20%,即120对,240例。 或者:本研究为随机双盲、安慰剂平行对照试验,只有显示试验药优于安慰剂时才可认为试验药有效,根据预试验结果,试验组与对照组得 有效率分别为65、0%与42、9%,则每个治疗组中能接受评价得病人样本数必须达到114例(总共228例),这样才能在单侧显著性水平为5%、检验功效为90%得情况下证明试验组疗效优于对照组。假设因调整意向性治疗人群而丢失病例达10%,则需要纳入病人得总样本例数为250例。 非劣性试验(α=0、05,β=0、2)时:

计数资料: 平均有效率(P) 等效标准(δ) N= 公式:N=12、365×P(1-P)/δ2 计量资料: 共同标准差(S) 等效标准(δ) N= 公式:N=12、365× (S/δ)2 等效性试验(α=0、05,β=0、2)时: 计数资料: 平均有效率(P) 等效标准(δ) N= 公式:N=17、127×P(1-P)/δ2 计量资料: 共同标准差(S) 等效标准(δ) N= 公式:N=17、127× (S/δ)2 上述公式得说明: 1) 该公式源于郑青山教授发表得文献。 2) N 就是每组得估算例数N1=N2,N1 与N2 分别为试验药与参比药得例数; 3) P 就是平均有效率,

样本量计算

样本量计算 Last revision date: 13 December 2020.

1.估计样本量的决定因素 资料性质 计量资料如果设计均衡,误差控制得好,样本可以小于30例; 计数资料即使误差控制严格,设计均衡, 样本需要大一些,需要30-100例。 研究事件的发生率 研究事件预期结局出现的结局（疾病或死亡），疾病发生率越高，所需的样本量越小，反之就要越大。 研究因素的有效率 有效率越高，即实验组和对照组比较数值差异越大，样本量就可以越小，小样本就可以达到统计学的显着性，反之就要越大。 显着性水平 即假设检验第一类（α）错误出现的概率。为假阳性错误出现的概率。α越小，所需的样本量越大，反之就要越小。α水平由研究者具情决定，通常α取或。 检验效能 检验效能又称把握度，为1－β，即假设检验第二类错误出现的概率，为假阴性错误出现的概率。即在特定的α水准下，若总体参数之间确实存在着差别，此时该次实验能发现此差别的概率。检验效能即避免假阴性的能力，β越小，检验效能越高，所需的样本量越大，反之就要越小。β水平由研究者具情决定，通常取β为，或。即1－β=，或，也就是说把握度为80%，90%或95%。 容许的误差（δ） 如果调查均数时，则先确定样本的均数( )和总体均数(m)之间最大的误差为多少。容许误差越小，需要样本量越大。一般取总体均数（1－α）可信限的一半。 总体标准差(s) 一般因未知而用样本标准差s代替。 双侧检验与单侧检验 采用统计学检验时,当研究结果高于和低于效应指标的界限均有意义时,应该选择双侧检验,所需样本量就大; 当研究结果仅高于或低于效应指标的界限有意义时,应该选择单侧检验,所需样本量就小。当进行双侧检验或单侧检验时，其α或β的Ua界值通过查标准正态分布的分位数表即可得到。

t检验计算公式

t 检验计算公式： 当总体呈正态分布，如果总体标准差未知，而且样本容量n <30，那么这时一切可能的样本平均数与总体平均数的离差统计量呈t 分布。 t 检验是用t 分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。t 检验分为单总体t 检验和双总体t 检验。 1.单总体t 检验 单总体t 检验是检验一个样本平均数与一已知的总体平均数的差异是否显 著。当总体分布是正态分布，如总体标准差σ未知且样本容量n <30，那么样本平均数与总体平均数的离差统计量呈t 分布。检验统计量为： X t μ σ-= 。 如果样本是属于大样本（n >30）也可写成： X t μ σ-= 。 在这里，t 为样本平均数与总体平均数的离差统计量； X 为样本平均数； μ为总体平均数； X σ为样本标准差； n 为样本容量。 例：某校二年级学生期中英语考试成绩，其平均分数为73分，标准差为17分，期末考试后，随机抽取20人的英语成绩，其平均分数为79.2分。问二年级学生的英语成绩是否有显著性进步？ 检验步骤如下： 第一步 建立原假设0H ∶μ=73 第二步 计算t 值 79.273 1.6317X t μ σ--= = = 第三步 判断 因为，以0.05为显著性水平，119df n =-=，查t 值表，临界值0.05(19) 2.093t =， 而样本离差的t =1.63小与临界值2.093。所以，接受原假设，即进步不显著。 2.双总体t 检验

双总体t 检验是检验两个样本平均数与其各自所代表的总体的差异是否显著。双总体t 检验又分为两种情况，一是相关样本平均数差异的显著性检验，用于检验匹配而成的两组被试获得的数据或同组被试在不同条件下所获得的数据的差异性，这两种情况组成的样本即为相关样本。二是独立样本平均数的显著性检验。各实验处理组之间毫无相关存在，即为独立样本。该检验用于检验两组非相关样本被试所获得的数据的差异性。 现以相关检验为例，说明检验方法。因为独立样本平均数差异的显著性检验完全类似，只不过0r =。 相关样本的t 检验公式为： X X t = 。 在这里，1X ，2X 分别为两样本平均数； 1 2X σ，22 X σ分别为两样本方差； γ为相关样本的相关系数。 例：在小学三年级学生中随机抽取10名学生，在学期初和学期末分别进行了两次推理能力测验，成绩分别为79.5和72分，标准差分别为9.124,9.940。问两次测验成绩是否有显著地差异？ 检验步骤为： 第一步 建立原假设0H ∶1μ=2μ 第二步 计算t 值 t = = =3.459。 第三步 判断 根据自由度19df n =-=，查t 值表0.05(9) 2.262t =，0.01(9) 3.250t =。由于实际计算出来的t =3.495>3.250=0.01(9)t ，则0.01P <，故拒绝原假设。 结论为：两次测验成绩有及其显著地差异。 由以上可以看出，对平均数差异显著性检验比较复杂，究竟使用Z 检验还是使用t 检验必须根据具体情况而定，为了便于掌握各种情况下的Z 检验或t 检验，我们用以下一览表图示加以说明。

样本量计算

样本量计算 文档编制序号：[KK8UY-LL9IO69-TTO6M3-MTOL89-FTT688]

1.估计样本量的决定因素 资料性质 计量资料如果设计均衡,误差控制得好,样本可以小于30例; 计数资料即使误差控制严格,设计均衡, 样本需要大一些,需要30-100例。 研究事件的发生率 研究事件预期结局出现的结局（疾病或死亡），疾病发生率越高，所需的样本量越小，反之就要越大。 研究因素的有效率 有效率越高，即实验组和对照组比较数值差异越大，样本量就可以越小，小样本就可以达到统计学的显着性，反之就要越大。 显着性水平 即假设检验第一类（α）错误出现的概率。为假阳性错误出现的概率。α越小，所需的样本量越大，反之就要越小。α水平由研究者具情决定，通常α取或。 检验效能 检验效能又称把握度，为1－β，即假设检验第二类错误出现的概率，为假阴性错误出现的概率。即在特定的α水准下，若总体参数之间确实存在着差别，此时该次实验能发现此差别的概率。检验效能即避免假阴性的能力，β越小，检验效能越高，所需的样本量越大，反之就要越小。β水平由研究者具情决定，通常取β为，或。即1－β=，或，也就是说把握度为80%，90%或95%。容许的误差（δ）

如果调查均数时，则先确定样本的均数( )和总体均数(m)之间最大的误差为多少。容许误差越小，需要样本量越大。一般取总体均数（1－α）可信限的一半。 总体标准差(s) 一般因未知而用样本标准差s代替。 双侧检验与单侧检验 采用统计学检验时,当研究结果高于和低于效应指标的界限均有意义时,应该选择双侧检验,所需样本量就大; 当研究结果仅高于或低于效应指标的界限有意义时,应该选择单侧检验,所需样本量就小。当进行双侧检验或单侧检验时，其α或β的Ua界值通过查标准正态分布的分位数表即可得到。 2.样本量的估算 由于对变量或资料采用的检验方法不同，具体设计方案的样本量计算方法各异，只有通过查阅资料，借鉴他人的经验或进行预实验确定估计样本量决定因素的参数，便可进行估算。 护理中的量性研究可以分为3种类型：①描述性研究：如横断面调查，目的是描述疾病的分布情况或现况调查；②分析性研究：其目的是分析比较发病的相关因素或影响因素；③实验性研究：即队列研究或干预实验。研究的类型不同，则样本量也有所不同。 描述性研究

样本量的计算

而对于市场调查； 在市场研究中，常常有客户和研究者询问：“要掌握市场总体情况，到底需要多少样本量？”，或者说“我要求调查精度达到95%，需要多少样本量？”。对此，我往往感到难以回答，因为要解决这个问题，需要考虑的因素是多方面的：研究的对象，研究的主要目的，抽样方法，调查经费…。有人说，北京这么大，上千万人口，我们怎么也得做一万人的访问才能代表北京市吧。根据统计学原理，完全不必。只要在500－1000左右就够了。当然前提是，我们要按照科学的方法去抽样。 根据市场调查的经验，市场潜力等涉及量比较严格的调查所需样本量较大，而产品测试，产品定价，广告效果等人们间彼此差异不是特别大或对量的要求不严格的调查所需样本量较小些。 样本量的大小涉及到调研中所要包括的人数或单元数。确定样本量的大小是比较复杂的问题，既要有定性的考虑也要有定量的考虑。 从定性的方面考虑样本量的大小，其考虑因素有：决策的重要性，调研的性质，变量个数，数据分析的性质，同类研究中所用的样本量，发生率，完成率，资源限制等。具体地说，更重要的决策，需要更多的信息和更准确的信息，这就需要较大的样本；探索性研究，样本量一般较小，而结论性研究如描述性的调查，就需要较大的样本；收集有关许多变量的数据，样本量就要大一些，以减少抽样误差的累积效应；如果需要采用多元统计方法对数据进行复杂的高级分析，样本量就应当较大；如果需要特别详细的分析，如做许多分类等，也需要大样本。针对子样本分析比只限于对总样本分析，所需样本量要大得多。 具体确定样本量还有相应的统计学公式，根据样本量计算公式，我们知道，样本量的大小不取决于总体的多少，而取决于(1) 研究对象的变动程度；(2) 所要求或允许的误差大小； (3) 要求推断的置信程度。也就是说，当所研究的现象越复杂，差异越大时，样本量要求越大；当要求的精度越高，可推断性要求越高时，样本量越大。因此，如果不同城市分别进行推断时，"大城市多抽，小城市少抽"这种说法原则上是不对的。在大城市抽样太大是浪费，在小城市抽样太少没有推断价值。 总之，在确定抽样方法和样本量的时候，既要考虑调查目的，调查性质，精度要求（抽样误差）等，又要考虑实际操作的可实施性，非抽样误差的控制、经费预算等。专业调查公司在这方面会根据您的情况及调查性质，进行综合权衡，达到一个最优的样本量的选择。 实际研究中的一些经验 根据一些学者的研究，以及远东零点在市场研究中的经验，市场调查中确定样本量通常的做法是： 1、通过对方差的估计，采用公式计算所需样本量，主要做法有：

样本量估算

1.单因素二水平设计定量资料的非劣效性检验时样本量的估算 1.1计算公式： 非劣效性检验应当采用单侧的检验水准α，假定允许的第二类错误概率不超过β，则非劣效性检验每组需要的样本含量为： 22211)/()(2θδβα-+=--L S u u n （1-1）[1] 2221）/（)(2δβαe s z z n n ?+==（1-2）[2] 1.2式中各参数代表的意义，n 为每组样本含量，α-1u 、β-1u 为单侧标准正态离差界值，S 为估计的共同标准差，L δ为非劣界值，且L δ＜0，θ为试验组与对照组总体均值差值的估计值。 说明：单因素二水平设计定量资料的非劣效性检验时样本量的估算公式与上式完全类似，只需将非劣界值L δ（L δ＜0）替换成优效界值u δ（u δ＞0）即可。 1.3例题：某利尿新药拟进行Ⅱ期临床试验，与阳性药按1:1的比例安排例数，考察24h 新药利尿量（ml ）是否不差于阳性药。根据以往的疗效和统计学的一般要求，取α=0.05，β=0.20，非劣效界值L δ=﹣60ml ，已知两组共同标准差S =180ml ，假定新药与阳性对照药总体利尿量的差值θ=﹣20ml ，问每组需要多少病例？ 将05.01-u =1.645，20.01-u =0.845，s=180，L δ=﹣60，θ=﹣20代入公式，得： 22211)/()(2θδβα-+=--L S u u n =2（1.645+0.845）2×1802/（﹣60﹣（﹣20））2≈251.1， 取n=252，即每组需要252例。 2.单因素二水平设计定性资料的非劣效性检验时样本含量的估算 2.1计算公式： 非劣效性检验应当采用单侧检验，检验水准为α，假定允许的第二类错误概率不超过β，试验组与对照组总体率的差值为C T ππθ -=（T π、C π未知时可用样本频率估计），两组的平均有效率为2/)(C T πππ+=，非劣界值为u δ＜0，则在两组样本含量相等的情况下，非劣效性检验每组需要的样本含量为： 2211)/()1()(2θδππβα--+=--L u u n （2-1）[1] 2合合221/）-1（)(2δβαp p z z n n +==（2-2）[2] 说明：单因素二水平设计定性资料的优效性检验时样本含量的估计公式与式（2-1）完全类似，只需将非劣界值L δ（L δ＜0）替换成优效界值u δ（u δ＞0）即可。 2.2例题：某新药拟进行Ⅱ期临床试验，与阳性药按1:1的比例安排例数，考察新药临床治愈率是否不差于阳性药。根据以往的疗效和统计学的一般要求，取α=0.05，β=0.20，非劣界值δ=﹣0.15，平均有效率P=0.80，并假定两组总体有效率相等，问每组需

样本量计算

1.估计样本量的决定因素 资料性质 计量资料如果设计均衡,误差控制得好,样本可以小于30例; 计数资料即使误差控制严格,设计均衡, 样本需要大一些,需要30-100例。 研究事件的发生率 研究事件预期结局出现的结局（疾病或死亡），疾病发生率越高，所需的样本量越小，反之就要越大。 研究因素的有效率 有效率越高，即实验组和对照组比较数值差异越大，样本量就可以越小，小样本就可以达到统计学的显着性，反之就要越大。 显着性水平 即假设检验第一类（α）错误出现的概率。为假阳性错误出现的概率。α越小，所需的样本量越大，反之就要越小。α水平由研究者具情决定，通常α取或。检验效能 检验效能又称把握度，为1－β，即假设检验第二类错误出现的概率，为假阴性错误出现的概率。即在特定的α水准下，若总体参数之间确实存在着差别，此时该次实验能发现此差别的概率。检验效能即避免假阴性的能力，β越小，检验效能越高，所需的样本量越大，反之就要越小。β水平由研究者具情决定，通常取β为，或。即1－β=，或，也就是说把握度为80%，90%或95%。 容许的误差（δ） 如果调查均数时，则先确定样本的均数( )和总体均数(m)之间最大的误差为多少。容许误差越小，需要样本量越大。一般取总体均数（1－α）可信限的一半。总体标准差(s) 一般因未知而用样本标准差s代替。 双侧检验与单侧检验 采用统计学检验时,当研究结果高于和低于效应指标的界限均有意义时,应该选择双侧检验,所需样本量就大; 当研究结果仅高于或低于效应指标的界限有意义时,应该选择单侧检验,所需样本量就小。当进行双侧检验或单侧检验时，其α或β的Ua界值通过查标准正态分布的分位数表即可得到。