两个样本率比较的样本含量计算方法

两个样本率比较的样本含量计算方法
一、定义问题
在医学、社会科学或其它领域中，我们经常需要比较两个样本的率以得出一个相对结论。

例如，我们可能想要比较两组患者的治愈率或两组学生的考试通过率。

这种类型的比较通常用于量化两个独立样本之间的相似性或差异性。

二、确定理论样本含量
理论样本含量（n）通常基于预期的效果规模、研究经费、研究周期等因素进行估计。

在比较两个样本率的场景下，理论上需要的样本含量需要根据预期的效应大小、效应标准差、检验水准（α）和检验效能（1-β）等因素进行估算。

三、确定实际样本含量
实际样本含量（N）是在考虑了抽样误差、失访等因素后，为了保证研究结果的可靠性和有效性而确定的。

在实践中，我们通常根据预期的效应大小、效应标准差、研究设计等因素来估算实际需要的样本含量。

四、确定检验效能
检验效能（1-β）是衡量一个研究设计能够正确区分处理组与对照组之间差异的能力。

通常，一个好的研究设计需要有较高的检验效能，以避免得出错误的结论。

在计算样本含量时，需要根据预期的检验效能水平来选择合适的样本含量。

五、样本分层
当总体异质性较大时，需要对总体进行分层以减小层内变异，提高检验效能。

样本分层应根据研究问题的特点进行，例如可以根据性别、年龄、病情严重程度等因素进行分层。

六、确定每层样本含量
在分层抽样中，每层的样本含量需要根据层内变异大小和研究设计等因素进行估算。

通常，我们希望在每层中分配相等数量的样本以简化计算过程。

然而，如果层内变异差异较大，也可以根据变异大小进行不等量分配以达到更好的效果。

七、总体样本含量
总体样本含量是各层样本含量之和。

在分层抽样中，总样本含量通常不等于各层样本含量的总和，因此需要注意汇总时的计算方法。

八、执行计算
在确定了上述参数后，可以使用公式或软件计算出所需的样本含量。

常用的计算公式包括Fleiss' Kappa公式、Mantel-Haenszel方法等。

也可以使用专业软件如G*Power、SAS等进行计算。

在计算过程中需要注意输入正确的参数以保证结果的准确性。