这一部分的“小剂量统计”与上一篇密切相关——（样本）大小重要吗？ 我们无需费力地研究样本量公式，因为这些公式很容易在在线软件中获得；1-3 相反，我们将涉及可能影响样本量的因素，这些因素可能有助于在估计样本量时考虑。
样本量是控制 β（II 型错误概率）的最重要因素。 增加样本量会降低 β，并且由于功效为 1-β，因此功效会增加。 但是，也可以通过使用更精确的测量变量、检查您期望的效果是否合理（也许您的预期治疗益处被低估）、使用配对或匹配的受试者以及假设 1 尾统计检验（即使 2 尾测试通常更合适，尤其是在新的研究领域）。 使用连续变量而不是分类变量可以增加功效。 在其他条件相同的情况下，统计检验可以更多地利用包含在连续变量中的更精细的信息水平，而不是包含在分类变量中的相对粗略的信息水平。 最后，使用更多控制可能是可行的，例如，在 1:2 或 1:3 的情况下：控制比。 虽然这会扩大您的样本量，但功效也会提高； 不幸的是，功率在大约 1:4 的情况下趋于平稳：控制比。 您的统计学家或数据分析师可以帮助解决所有这些设计和测量注意事项。
下个月，小剂量统计将探讨分布“形状”及其在统计检验中的重要性。
1. www.raosoft.com/samplesize.html
2. www.ncss.com/software/pass
3. www.hedwig.mgh.harvard.edu/sample_size/size.html
