留样观察记录填写样本

1.α误差　亦称假阳性率,即无效假设(来自同一总体或无显著差异)原本正确,但被拒绝接受,误判为有差别的概率。通常以P≤0.05为界值。若使用P≤0.01为界值,条件严格,需求的样本大。

2.β误差　亦称假阴性率,即无效假设原本是不正确的,但接受了无效假设,错误地得出无差别结论的概率,也就是说两个样本并非来自同一总体(有差别),而经过显著性检验,认为是来自同一总体(无差别)这类错误发生的概率。如果研究中要求这类错误的概率小,则所需样本量大。实际中通常用0.05或0.1作界值。

3.研究对象的分组情况　从总体上确定样本量时,应同时考虑资料的分组情况。分组细需求样本量大,如需进行多重嵌套分组则要求样本量更大。

4.研究对象在各组间的分布　分布均匀,则需求样本量小。例如,笔者比较不同地区妊娠周数与婴儿出生体重的关系。其属计量资料,本不需更大样本,但该资料分布不均匀,妊娠30周以下者较少,因此需加大样本量。

5.研究观察人群中某现象发生或存在的概率　这是针对计数资料而言,如研究人群中研究观察的现象发生频率大则需要样本小,反之对稀有现象的观察则需大量人群。如观察流感的发病情况,若以往的发病率为30%,则观察100人就可预期获得30例发病者,若观察某种恶性肿瘤的发病情况,则需要大量的人群。理论上说,人群中某现象发生频率为50%时,所需样本量最小。

6.研究对象观察指标个体差异的大小　个体差异大,则需求样本量大。因为个体差异大,其离散指标(主标准差)就大,要使比较组有显著差异,就需较大样本量。对这一问题需结合标准误差的概念与意义去理解。

7.比较群组间指标差别的大小　比较组之间若观察指标的差别较大,所需样本量就小。对此可从下述的估计算式得以充分理解。其称为允许误差,用δ表示。

8.混杂因素的存在情况　若观察指标受多种因素的影响,为了控制混杂因素,则需求的样本量大。如果研究设计严密,通过研究对象的配比,随机等措施控制了混杂因素,则需求样本量小。

此外样本大小受调查测试方式、精度的影响。客观指标比主观指标要求的样本量小;测试的准确性越高,样本需求量越小;调查测量指标越多,样本需求量越大。