样本含量估算方法及其软件实现（一） 样本含量（sample size）即观察例数的多少，又称样本大小。在保证研究结论具有一定的可靠性（精度和检验功效）的前提下，常需要在设计阶段就人估计最少的受试对象。在医学科研中，只要是抽样研究，就要考虑样本含量的估计。 样本含量估计充分反映了科研设计中“重复”的基本原则，过小过大都有其弊端。样本含量过小，所得指标不稳定，用于推断总体的精密度和准确度差；检验的功效性低，应有的差别不能显示出来，难以获得正确的研究结果，结论也缺乏充分的证据；样本含量过大，会整加实际工作的困难，浪费人力、物力、财力和时间。由于过分追求数量，可能会引起更多的混杂因素，从而影响数据的质量。 影响假设检验时样本含量估计的因素有四个： 1.第一类错误概率的大小α 也称检验水准。α 越小所需样本含量越多，对于相同α ，双侧检验比单侧检验所需要的样本含量更多。 2.检验功效(1－β )或第二类错误概率的大小β 检验功效越大，第二类错误的概率愈小，所需要样本含量愈多。 3.容许误差δ 容许误差δ 愈大，所需的样本含量愈小。 4.总体标准差ζ 或总体概率 ζ 愈大，所需样本含量自然愈多。总体概率越接近 0.5，则所需样本含量愈多。 样本含量的估算方法有查表法和计算法两种。随着计算机的普遍使用，统计学家也开发了一些专门的样本含量估算软件。其算法都是根据上述影响因素结合统计学原理求得。 我就通过实例的样本含量的计算过程，使大家对样本含量有一个更加直观的认识。 1 计量资料单组设计基于 t 检验的差异性检验 举例：已知中国 50-70 岁男性的平均收缩压为 158 mmHg，标准差为 18，用药物AAA 干预，平均收缩压下降 10 mmHg 则认为有临床意义，α=0.05, Power=90%，Pow er =1-β, 双侧检验，需要多少病例数。 启动医学研究样本含量估算系统 SASA1.0，在桌面上双击 SASA1.0 快捷方式或点击开始 \ 所有程序 \ Sample Size Adviser \ Sample Size Adviser，进入SASA1.0 主窗口。在 Goal 栏目中选定 Means（计量资料）在 Group 栏目中选定 1，在 Analysis Method 栏目中选定 Test（差异性检验）。 点击Ok，出现MOT 窗口。在 Statistical Method 栏目中选定 One-sample t test（独立样本 t 检验），在 N in groups 栏目中选定 Equal 点击Ok，出现MOT-1E 窗口。在 Test significance level, α 项目后输入 0.0...
