每个研究者的噩梦：样本量太小，导致无法检测到预期效应。
这篇Frontiers in Medicine的论文，帮你在收集数据前解决这个难题。作者详细讲解了如何计算动物和人体研究的样本量，包括：
- 统计功效（statistical power）是什么，为什么0.8不是万能魔法
- 如何选择效应大小（effect size）
- 有和没有初步数据时该怎么办
- 如何考虑样本流失（dropouts）
- 实际使用G*Power软件的步骤和参数示范
论文还通过实例展示了如何处理：
- 两个比例的比较
- 两个均值的比较
- 不等组大小的研究
- 预期有样本流失的研究
残酷的现实是：大多数“样本量不足”的研究，并非研究者不小心，而是样本量计算本身复杂且教学不足。
这篇文章提供了清晰的解释和实用案例，强烈建议在写伦理申请或经费申请前先读一读。
这样做，不仅让你的研究更有说服力，也让未来的自己和审稿人都感激你。
原文链接：x.com/ScholarshipfPhd/status/1987331244707750240
——
补充思考：很多研究者误以为只要p
