撰写学术论文时,数据的数量和质量直接影响研究可信度。本文探讨如何确定合适的论文数据量、常见学科样本量标准、大数据与小样本的平衡技巧,并提供避免数据不足或冗余的实用建议。
一、论文数据量的核心考量因素
确定“论文数据多少合适”需综合评估三个维度:“研究类型”、”学科领域”和“统计功效”
- > 定性研究:15-30个深度访谈案例即可饱和(社会科学常用)<
- > 定量研究:每组至少30个有效样本(心理学实验基础要求)<
- > 临床医学:RCT研究通常需要200+病例(根据效应量计算)<
二、不同学科的参考标准值对比表
学科类别 | 期刊认可标准范围2023年统计) |
---|
>
/h3>>
.o.l..
l.i..不要盲目追求“大而全的数据集”: Nature Human Behaviour研究表明,超过必要样本量会降低数据分析精度/l.i..
l.i..警惕<sTronG."小样本偏差".stroNg: PLOS ONE要求所有实证研究必须报告功效分析结果/lI>.
./oL..
美国心理学会(APA)最新指南强调:”当效应量d=0.5时,80%检验力需要每组64个样本”(2024版)/bLockquot.e>>
美国心理学会(APA)最新指南强调:”当效应量d=0.5时,80%检验力需要每组64个样本”(2024版)/bLockquot.e>>
© 版权声明
文章版权转载于网络,仅个人交流学习,请勿商用。