为何必须论证样本量？
在课题申报中，样本量论证是评审专家判断研究可行性与科学性的核心环节。一份扎实的论证不仅能体现研究者对统计原理的理解，更能直接回应“为什么需要这么多经费和时间”的质疑。它连接了研究假设、测量工具与最终结论的可信度。
样本量论证的三步框架
规范的论证应包含三个核心部分：明确研究设计类型、基于统计效力进行计算、并说明实际约束因素。以下表格概括了关键参数：
| 参数名称 | 符号/缩写 | 说明 | 示例 |
|---|---|---|---|
| 显著性水平 | α | 犯一类错误的概率，通常取0.05 | α = 0.05 |
| 统计效力 | 1-β | 检测出真实效应的概率，通常取0.8或更高 | 1-β = 0.8 |
| 效应值 | Effect Size | 预期效应的大小，基于文献或预实验 | Cohen's d = 0.5 (中等效应) |
| 总体标准差/比例 | σ 或 P | 总体的变异性或事件发生率，常从先前研究估计 | P = 0.3 |
从计算到文字的写作要点
在申报书中，不能只给出一个数字。应清晰陈述计算过程：1) 根据主要研究目标确定检验方法（如t检验、卡方检验）；2) 选择上述参数并注明依据（引用权威文献或标准）；3) 使用G*Power等工具计算，并报告最小样本量。随后，需考虑预期流失率（如20%）向上调整。
针对不同方法的特别说明
对于结构方程模型等复杂分析，需遵循特定法则（如N:q法则）。对于定性研究，则应说明信息饱和原则，通常基于文献建议的访谈或焦点小组数量。最后，强调即使最终回收样本略有浮动，论证本身已确保了研究的基本统计效力，体现了严谨态度。