采用spss软件，单因素分组对照计算。
t值和P值都用来判断统计上是否显著的指标。在p值就是拒绝原假设的最小alpha值，把统计量写出来，带进去算出来之后，根据统计量的分布来算p值。P值是用来判定假设检验结果的一个参数，也可以根据不同的分布使用分布的拒绝域进行比较。由R·A·Fisher首先提出。Fisher的具体做法
假定某一参数的取值，选择一个检验统计量，在该统计量的分布在假定的参数取值为真时应该是完全已知的从研究总体中抽取一个随机样本计算检验统计量的值计算概率值或者说观测的显著水平即在假设为真时的前提下，检验统计量大于或等于实际观测值的概率。
科学研究很早就已经从简单的定性分析深入到细致的定量分析，科研工作者要面对大量的数据分析问题，科研数据的统计分析结果直接影响着论文的结果分析。在医学科研写作中，实验设计的方法直接决定了数据采取何种统计学方法，因为每种统计方法都要求数据满足一定的前提和假定，所以论文在实验设计的时候，就要考虑到以后将采取哪种数据统计方法更可靠。医学统计方法的错误千差万别，其中最主要的就是统计方法和实验设计不符，造成数据统计结果不可靠。下面，医刊汇编译列举一些常见的可以避免的问题和错误：打开百度APP，查看更多高清图片一、数据统计分析方法使用错误或不当。医学论文中，最常见的此类错误就是实验设计是多组研究，需要对数据使用方差分析的时候，而作者都采用了两样本的均数检验。二、统计方法阐述不清楚。在同一篇医学论文中，不同数据要采取不同统计处理方法，这就需要作者清楚地描述出每个统计值采用的是何种统计学方法，但在许多使用一种以上数据统计分析方法的医学论文中，作者往往只是简单地把论文采用的数据统计方法进行了整体罗列，并没有对每个数据结果分析分别交代具体的统计方法，这就很难让读者确认某一具体结果作者到底采用的是何种数据分析方法。三、统计表和统计图缺失或者重复。统计表或者统计图可以直观地让读者了解统计结果。一个好的统计表或统计图应该具有独立性，即作者即使不看文章内容，也可从统计表或统计图中推断出正确的实验结果。而一些医学论文只是简单地堆砌了大量的统计数字，缺乏直观的统计图或表；或者虽然也列出了统计表或统计图，但表或图内缺项很多，让读者难以从中提取太多有用的信息。另外，也有作者为了增加文章篇幅，同时列出统计表和统计图，造成不必要的浪费和重复。统计表的优点是详细，便于分析研究各类问题。统计图(尤其是条形统计图)的优点是能够直观反映变量的数量差异。医学论文中对数据统计结果的解释，最常见的两个错误就是过度信赖P值(结果可信程度的一个递减指标)和回避阴性结果。前一个错误的原因是因为一些作者对P值含义理解有误，把数据的统计学意义和研究的临床意义混淆。所以医学研究人员一定要注意不能单纯依靠统计值武断地得出一些结论，一定要把统计结果和临床实践结合在一起，这样才会避免出现类似的错误。至于回避阴性结果，只提供阳性结果，是因为不少作者在研究设计时，难以摆脱的一种单向的思维定式就是主观地先认定自己所预想的某种结果结论。在归纳某种结果原因时，从一个方向的实验就下完美的结论，尤其是如果这个结论可能对实际情形非常有意义时。这样的思维定势过于强调统计差异的显著性，有时会刻意回避报道差异的不显著结果，不思考和探究差异不显著的原因和意义，反而会因此忽视一些重大的科学发现。
正确的统计学分析一定要建立在明确的研究目的和研究设计的基础之上，那些事先没有研究目的和研究设计，事后找来一堆数据进行统计分析都是不可取的。 在医学论文的撰、编、审、读过程中经常遇到的问题是研究的题目与课题设计、论文内容不符，包括文章的方法解决不了论文的目的、文章的结果说明不了论文的题目、文章的讨论偏离了论文的主题；还有是目的不明确、设计不合理。如题目过小，论文不够字数，而一些无关紧要的变量指标或结果被分析被讨论；又如题目过大，论文的全部内容不足以说明研究的目的，使论文的论点难以立足。 所以，合理明确的论文题目或目的以及研究设计方案是撰、编、审、读者应当关注的首要问题。此外，样本含量是否满足，抽样是否随机，偏倚是否控制等，也是不可忽视的问题。2、建好分析用的数据库建好数据库是正确统计分析的前提和基础，甚至决定了论文分析结果的成败。对于编、审、读者来讲，一般由于篇幅的限制，往往得不到数据库数据，而只有作者在数据库数据基础上经统计描述计算后给出的诸如各指标均数 x、标准差 s 或中位数 M、百分位数 Px 的“二手”数据，或将研究对象小或特征属性分组，清点各组观察单位出现的个数或频数的频数表数据等。 无论是否能够得到数据库数据，作者在统计分析过程中一定依据数据库数据进行计算，得出结果。如果对“二手”数据或频数表数据的结果等存在疑惑，编辑、审稿专家或读者有权要求作者提供数据库数据以检查其完整性、准确性和真实性，确保研究数据的质量。假若在投稿须知中对数据库数据作出必要的要求，无疑对于保证刊物的发表质量有着积极的意义
样本量的计算公式为： N=Z²*σ²/d²，其中，Z为置信区间、n为样本容量、d为抽样误差范围、σ为标准差，一般取。
样本量大小是选择检验统计量的一个要素，由抽样分布理论可知，在大样本条件下，如果总体为正态分布，样本统计量服从正态分布；如果总体为非正态分布，样本统计量渐近服从正态分布。
样本容量的大小与推断：
估计的准确性有着直接的联系，即在总体既定的情况下，样本容量越大其统计估计量的代表性误差就越小，反之，样本容量越小其估计误差也就越大。
样本的内容是带着单位的，例如：调查某中学300名中学生的视力情况中，样本是300名中学生的视力情况，而样本容量则为300。
样本容量的大小涉及到调研中所要包括的单元数，样本容量是对于研究的总体而言的，是在抽样调查中总体的一些抽样，比如：中国人的身高值为一个总体，随机取一百个人的身高，这一百个人的身高数据就是总体的一个样本，某一个样本中的个体的数量就是样本容量。
样本量的计算公式为：
其中，Z为置信区间、n为样本容量、d为抽样误差范围、σ为标准差，一般取。
考试分为两级四类，即执业医师和执业助理医师两级；每级分为临床、中医、口腔、公共卫生四类。实践技能考试采用多站测试的方式，考区设有实践技能考试基地，根据考试内容设置若干考站，考生依次通过考站接受实践技能的测试。每位考生必须在同一考试基地的考站进行测试。
执业医师(英文: Practicing physician)是指具有医师执业证及其“级别”为”执业医师”且实际从事医疗、预防保健工作的人员,不包括实际从事管理工作的执业医师,执业医师类别分为临床、中医、口腔和公共卫生。
医师资格考试的性质是行业准入考试，是评价申请医师资格者是否具备从事医师工作所必须的专业知识与技能的考试。医师资格考试分实践技能考试和医学综合笔试两部分。
前瞻性队列研究样本量计算公式如下：
①一般人群中所研究疾病的发病率p0
样本量与p0q0成反比，p0越接近，所需要的样本量越大。
②两个研究人群的发病率之差d
d＝p1——p0，d值越大所需样本量越小。
③所研究因素与疾病的关联强度
预期暴露于该因素造成的相对危险度（RR）或比值比（OR），RR值或OR值越大样本含量越小。
计算样本量需要考虑的因素：
（1）一般人群中所研究疾病的发病率P0，P0越接近，所需要样本量越大
（2）暴露组和对照组人群发病率之差d；d越大，所需样本量越小。
（3）所需要的显著性水准α，一般取或，越小样本量越大
（4）效力1-β，β通常取或者；
样本量计算公式
p1和p0分别是暴露组与对照组的预期发病率（可以是预调查或者查阅问下所得），带上标的p是两个发病率的均值，q是1-p
例：用队列研究探讨孕产妇暴露于某药物与婴儿先天性心脏病之间的联系。已知非暴露组孕妇所生婴儿的先天性心脏病的发生率为，估计该药物暴露的RR为，在α=，β=的条件下，用公式计算样本量：
zα=，zβ=，p0=，q0=1-p0=；p1=RR*p0=*，q1=1-p1=，
横线p=（）/2=,横线q=1-横线p=，代入公式约等于2310，考虑失访10%，在此基础上增加10%，即2310*（1+）=2541人。
用spss计算样本量的步骤如下：
1、一般来说，样本数据是水平排列的，spss软件要求数据垂直排列，所以可以直接粘贴原始水平数据，在excel中可以快速转换成垂直数据，避免了繁琐和错误的手工数据输入。
2、复制excel垂直数据粘贴到spss软件数据输入区的第一列。之后选择，双击“变量视图”更改数据格式。
3、设置数据后，在工具栏中选择“分析-描述统计-探索”。调用explore对话框。
4、然后，将区间估计值选择到“因变量列表”（本例中为权重），点击“统计”按钮，调出“探索：统计”对话框。再次选中“说明”以设置置信区间。
5、最后，完成之后单击继续后点击确定按钮，即可以得到结果。
论文估算时样本量首先点击打开“样本量”计算表格。
然后点击输入公式“=”号。再输入目标总体数量的平方值，并乘以标准偏差。接着用1减去标准偏差，乘以误差幅度的平方值 。样本量计算方法：样本量=目标总体数量^2*标准偏差*(1-标准偏差)/(误差幅度)^最后按“Enter回车键”确定，计算得出样本量。这样就计算好了。
样本量的计算公式是n=z²σ²/d²。其中，Z为置信区间、n为样本容量、d为抽样误差范围、σ为标准差，一般取。应用于统计学、数学、物理学等学科。样本量大小是选择检验统计量的一个要素。样本量计算举例：样本量估算可以通过统计学公式，也可以通过专用软件进行，但首先仍需要确定研究背景、研究假设、主要评价指标和设计模型。目前常用的样本量估算软件有nQuery Advisor+nTerim、MedCalc、PASS、SAS、Stata、R语言等。
采用统计学公式进行样本量估算的相关要素一般包括临床试验的设计类型、评价指标的期望值、Ⅰ类和Ⅱ类错误率，以及预期的受试者脱落的比例等。评价指标的期望值根据（基于目标人群样本的）已有临床数据和小样本预试（如有）的结果来估算，应在临床试验方案中明确这些参数的确定依据。
可以，样本量计算是科研设计中非常重要的一个环节，通过随机抽样技术来选择研究对象，确定多少样本量至关重要。样本量过少，可能会导致假设的问题无法回答，以至于整个研究功亏一篑；样本量过多，势必带来人力、物力、财力的额外消耗，产生不必要的困难和浪费。本文主要介绍与样本量估算有关的因素及样本量计算过程。1样本量估算需要考虑的因素样本量是根据事先确定的因素来估算的，影响样本量大小的因素有很多，常见的有以下几种。假设检验的方向 研究假设是针对特定总体提出的、与主要研究目的有关的一种假定。例如比较两种药物治疗高血压的疗效，通常会事先假定两组药物的疗效无差异（通常称为无效假设），然后在此假定下，收集数据计算统计量和P值，判断当前数据结果是否支持这一无效假定，如果有足够的证据可以推翻无效假设，就可以接受无效假设的对立面——备择假设，也就是认为两组药物疗效有差异
临床研究样本量计算公式：样本量的计算公式为: N=Z²*σ²/d²,其中,Z为置信区间、n为样本容量、d为抽样误差范围、σ为标准差,一般取。
样本量是指总体中抽取的样本元素的总个数，应用于统计学、数学、物理学等学科。样本量大小是选择检验统计量的一个要素。由抽样分布理论可知，在大样本条件下，如果总体为正态分布，样本统计量服从正态分布。
如果总体为非正态分布，样本统计量渐近服从正态分布。例如：一百个人的体重数据称为一个样本，其中样本量为1，样本容量为100。临床上研究的目的往往不同，而不同研究目的所采用的样本含量方法也往往不同。
因此，在明确研究目的的基础上，结合上述四条应以考虑的条件，选择合适的方法计算样本含量，并以得到的样本含量进行研究观察，如果总体参数间确实相差σ时，则预期按 α检验水准，有1-β的概率得出有显著性的结论。现将临床上较为常用的样本量估计方法做一介绍。
《临床研究样本含量估算》以方便实际研究设计应用为出发点，为各种类型临床研究提供样本含量估算方法和实际操作程序，而且也是对近年来国际上临床研究设计方法、统计分析方法进展的一个全面梳理。
检验效能的大小主要与以下素有关：
1、总体差别的大小：正确选择被试因素及其水平，这是实验成败的首要环节。被试因素的有效性越强，H0与H1涉及的不同总体均数之间的差距越大，两者在分布上的重叠面积就越小。
2、检验水准的大小：通常H0与H1两个总体存在一定的重叠面积，界值移动必然引起α与β同时改变。由于α与β存在反变关系，故通过增大口值可提高检验效能1-β。
3、标准差的大小：由于α与β呈反比，两全其美的方法就是使两个相互比较的总体分布都很集中，重叠面积缩小，这样就可收到α与β均减小的效果。
4、样本含量的多少：在两总体均数与标准差固定的条件下，尽管总体分布的扩布范围不变，但随着样本含量增大，标准误缩小，总体分布趋向集中，α与β都减小，因而检验效能增加。
样本含量计算公式为N=2(ua+uβ)σ/β。根据样本量计算公式，样本量的大小不取决于总体的多少，而取决于： (1)研究对象的变化程度； (2)所要求或允许的误差大小（即精度要求）； (3)要求推断的置信程度。 样本含量是指一个样本中所包含的单位数，一般用n表示，它是抽样推断中非常重要的概念。样本含量的大小与推断估计的准确性有着直接的联系，即在总体既定的情况下，样本含量越大其统计估计量的代表性误差就越小，反之，样本含量越小其估计误差也就越大。
前瞻性队列研究样本量计算公式如下：
①一般人群中所研究疾病的发病率p0
样本量与p0q0成反比，p0越接近，所需要的样本量越大。
②两个研究人群的发病率之差d
d＝p1——p0，d值越大所需样本量越小。
③所研究因素与疾病的关联强度
预期暴露于该因素造成的相对危险度（RR）或比值比（OR），RR值或OR值越大样本含量越小。
计算样本量需要考虑的因素：
（1）一般人群中所研究疾病的发病率P0，P0越接近，所需要样本量越大
（2）暴露组和对照组人群发病率之差d；d越大，所需样本量越小。
（3）所需要的显著性水准α，一般取或，越小样本量越大
（4）效力1-β，β通常取或者；
样本量计算公式
p1和p0分别是暴露组与对照组的预期发病率（可以是预调查或者查阅问下所得），带上标的p是两个发病率的均值，q是1-p
例：用队列研究探讨孕产妇暴露于某药物与婴儿先天性心脏病之间的联系。已知非暴露组孕妇所生婴儿的先天性心脏病的发生率为，估计该药物暴露的RR为，在α=，β=的条件下，用公式计算样本量：
zα=，zβ=，p0=，q0=1-p0=；p1=RR*p0=*，q1=1-p1=，
横线p=（）/2=,横线q=1-横线p=，代入公式约等于2310，考虑失访10%，在此基础上增加10%，即2310*（1+）=2541人。
样本量的计算公式是n=z²σ²/d²。其中，Z为置信区间、n为样本容量、d为抽样误差范围、σ为标准差，一般取。应用于统计学、数学、物理学等学科。样本量大小是选择检验统计量的一个要素。
样本量计算举例：
样本量估算可以通过统计学公式，也可以通过专用软件进行，但首先仍需要确定研究背景、研究假设、主要评价指标和设计模型。
目前常用的样本量估算软件有nQuery Advisor+nTerim、MedCalc、PASS、SAS、Stata、R语言等。
采用统计学公式进行样本量估算的相关要素一般包括临床试验的设计类型、评价指标的期望值、Ⅰ类和Ⅱ类错误率，以及预期的受试者脱落的比例等。
评价指标的期望值根据（基于目标人群样本的）已有临床数据和小样本预试（如有）的结果来估算，应在临床试验方案中明确这些参数的确定依据。
临床研究样本量计算公式：样本量的计算公式为: N=Z²*σ²/d²,其中,Z为置信区间、n为样本容量、d为抽样误差范围、σ为标准差,一般取。
样本量是指总体中抽取的样本元素的总个数，应用于统计学、数学、物理学等学科。样本量大小是选择检验统计量的一个要素。由抽样分布理论可知，在大样本条件下，如果总体为正态分布，样本统计量服从正态分布。
如果总体为非正态分布，样本统计量渐近服从正态分布。例如：一百个人的体重数据称为一个样本，其中样本量为1，样本容量为100。临床上研究的目的往往不同，而不同研究目的所采用的样本含量方法也往往不同。
因此，在明确研究目的的基础上，结合上述四条应以考虑的条件，选择合适的方法计算样本含量，并以得到的样本含量进行研究观察，如果总体参数间确实相差σ时，则预期按 α检验水准，有1-β的概率得出有显著性的结论。现将临床上较为常用的样本量估计方法做一介绍。
《临床研究样本含量估算》以方便实际研究设计应用为出发点，为各种类型临床研究提供样本含量估算方法和实际操作程序，而且也是对近年来国际上临床研究设计方法、统计分析方法进展的一个全面梳理。
检验效能的大小主要与以下素有关：
1、总体差别的大小：正确选择被试因素及其水平，这是实验成败的首要环节。被试因素的有效性越强，H0与H1涉及的不同总体均数之间的差距越大，两者在分布上的重叠面积就越小。
2、检验水准的大小：通常H0与H1两个总体存在一定的重叠面积，界值移动必然引起α与β同时改变。由于α与β存在反变关系，故通过增大口值可提高检验效能1-β。
3、标准差的大小：由于α与β呈反比，两全其美的方法就是使两个相互比较的总体分布都很集中，重叠面积缩小，这样就可收到α与β均减小的效果。
4、样本含量的多少：在两总体均数与标准差固定的条件下，尽管总体分布的扩布范围不变，但随着样本含量增大，标准误缩小，总体分布趋向集中，α与β都减小，因而检验效能增加。
样本量计算是为了满足样本代表性、保证实验/调查研究精度而进行的一种计算方法。下面给出两种计算样本量的方法:正态分布法和t检验法
1.正态分布方法：
正态分布方法主要用于二项分布或样本比的比较情况，多数情况下这种方法不精确。
样本量计算公式如下：
n = [(Zα/2)^2 * p(1-p)] / (Δp)^2
其中，Zα/2为正态分布的样本上限临界值；p为原始比率；Δp为可接受的误差值。
检验方法：
t检验方法主要适用于总体均值或两个总体均值的差异情况，该方法更常用。
样本量计算公式如下：
n = [(Zα/2 + Zβ)^2 * σ^2] / (μ1 - μ2)^2
其中，Zα/2为显著性水平，Zβ为功效；σ为总体标准差；μ1为总体1的均值，μ2为总体2的均值。
这两种方法的具体计算过程需要根据具体问题情况进行调整，比如显著水平、统计功效、总体方差、误差范围等。在实际应用中需要根据具体情况进行选择，并结合实际情况进行调整，以求得出比较准确的样本量。