浅谈检验效能与样本量的关系
先明确概念，检验效能（Power）是指当备择假设为真时，拒绝原假设的概率。举例：想证明新药有效（而且确实有效，只是尚未被证实），统计上做这个证明的过程，是先假设新药无效，这个假设就叫原假设，用{$H_0$}表示；而“新药有效”即为备择假设，用{$H_1$}表示。如果统计分析（假设检验方法），能够证明{$H_0$}为假（注意：不是绝对的，是基于一定概率做出的这个推断），就能证明{$H_1$}为真（即
按照样本量计算结果实施研究，一定会达成研究目的吗
即使严格按照样本量计算结果确定研究规模，实施的结果也未必是达成目的。也就是样本量计算结果的可靠性，它取决于以下几个影响因素：1、在计算样本量时，所选择的把握度（Power = 1 - β ）越大（当然，所需的研究规模也越大），达成研究目的的可靠性越高；2、计算样本时所设定的试验组、对照组的效应值越准确（越接近研究中的真实情况），达成研究目的的可靠性越高；所以，不要为了减小样本量计算结果，而刻意地低
样本量计算的目的与基本过程
样本量计算的目的：在一定检验效能（把握度）基础上，确定研究的最小规模。计算过程1、明确假设（1）明确研究设计类型，如完全随机、配对或随机区组设计；（2）确定研究的主要终点指标，也就是拿研究结果中最重要的那一个指标，作为计算样本量的依据；（3）上述主要终点指标的类型，是计量的还是计数的，是二分类还是多分类，是无序还是无序？2、指定检验水准一般双侧检验（即差异性检验）选定α=0.05，单侧检验α=0.