教程 ·
样本量只有 20-30 个，还能做统计分析吗？小样本研究方法全指南
小样本统计分析全指南：非参数检验替代方案、Fisher精确检验、效应量比p值更重要的原因、常见的过拟合和方法误用陷阱，以及如何在论文Limitations部分诚实说明样本量局限。
很多学生和研究者一看到自己只收集到 20-30 份数据就开始焦虑：是不是根本没法做统计分析、论文会不会被质疑。这篇文章想先厘清一个认知：小样本不是不能做统计，而是要换更合适的方法、更谨慎地解读结果。
先厘清认知：小样本是常态，不是缺陷
很多学科的研究本身样本量就小，这是研究对象和研究设计决定的，不是研究者能力不足：
- 临床医学中的罕见病研究，患病人群本身就有限，能收集到 20-30 个病例已经是相当大的努力
- 质性心理学、深度访谈类研究，样本量的价值不在"多"而在"深"，几十个样本配合质性方法可能比几百份浅层问卷更有解释力
- 试点研究（pilot study），本身目的就是为后续大样本研究探路，小样本是设计的一部分而非缺陷
真正的问题不是"样本小"本身，而是用了不适合小样本的方法，或者没有诚实报告小样本带来的局限。
小样本适用方法清单
非参数检验优先
当样本量小、又不满足正态性假设时，非参数检验对分布形态的要求更宽松，是首选替代方案：
| 参数检验（原方法） | 非参数替代方法 |
|---|---|
| 独立样本 t 检验 | Mann-Whitney U 检验 |
| 配对样本 t 检验 | Wilcoxon 符号秩检验 |
| 单因素方差分析 | Kruskal-Wallis 检验 |
这些方法基于秩次（排序）而非原始数值计算，对极端值和分布形状不敏感，小样本下比参数检验更稳健。
精确检验替代卡方
卡方检验有一个常被忽视的前提：期望频数不应小于 5（且不能有超过 20% 的格子低于此标准）。小样本的分类数据经常不满足这一前提，此时应改用 Fisher 精确检验——它直接计算精确概率，不依赖大样本近似，是小样本分类数据比较的标准替代方法。
效应量比 p 值更重要
小样本下统计检验力（power）天然不足，这意味着即便真实效应存在，也可能测不出统计显著性（p > .05）。这种情况下，更应该重视效应量而非只看 p 值：
- 报告 Cohen's d（差异类比较）或相关系数 r（关联类分析），说明差异或关系的实际大小
- 即便 p 值不显著，一个较大的效应量（如 d = 0.6）仍然值得在讨论部分提及，说明"可能存在有实践意义的效应，但当前样本量下统计功效不足以达到显著"
描述性统计与个案分析结合
当样本量极小（如 N 小于 10）时，硬套推断统计（各类检验和 p 值）意义有限，此时更适合以描述性统计（均值、标准差、分布范围）配合个案分析（详细描述具体案例的特征），把研究价值放在深度描述而非统计推断上。
常见错误
错误一：小样本硬用参数检验，掩盖问题。 明知道数据不满足正态性还坚持用 t 检验或 ANOVA，这样即使得到"显著"结果，结论的可信度也存疑，审稿人一旦追问正态性检验结果就会露馅。
错误二：样本量不够却用复杂多变量模型。 比如样本只有 30 人，却同时放 10 个自变量做回归分析，这会导致严重的过拟合——模型看起来解释力很强，但其实是在拟合样本中的随机噪声而非真实规律，换一批数据结果可能完全不同。经验法则是自变量个数不应超过样本量的十分之一到二十分之一（具体比例依方法和学科惯例而定）。
论文里怎么写
面对小样本，诚实比回避更能获得审稿人和答辩老师的认可：
- 在 Limitations（研究局限）部分明确说明样本量，不要试图掩盖或含糊带过
- 说明为什么样本量是这个规模（如研究对象稀有、经费/时间限制、试点研究性质）
- 补充说明选择非参数方法的原因（如"由于样本量较小且 Shapiro-Wilk 检验显示数据不服从正态分布，故采用 Mann-Whitney U 检验替代独立样本 t 检验"）
- 如果条件允许，可以补充**统计功效分析（power analysis）**说明当前样本量能检测到的最小效应量
审稿人和导师更认可"知道自己的限制在哪、并且合理应对"的研究，而不是回避不谈、假装样本量没有问题。
用 ChatSRS 辅助判断
不确定自己的数据该用参数检验还是非参数检验时，可以直接让 AI 先做前提检验：
"帮我检查这份数据是否满足正态性和方差齐性假设，如果不满足，给出对应的非参数检验建议。"
ChatSRS 会自动跑 Shapiro-Wilk 正态性检验和 Levene 方差齐性检验，根据结果判断是否满足参数检验前提，不满足时直接给出对应的非参数检验方法并执行，省去自己逐条对照决策规则的过程。
常见 FAQ
Q：小样本能做回归分析吗？
A：可以，但要严格控制自变量个数。经验法则是每个自变量至少需要 10-20 个观测值支撑（具体比例依方法和学科惯例有所不同），比如样本量 30，放 2-3 个自变量的回归模型通常还算稳妥，放 8-10 个就明显过多，容易过拟合。如果研究问题确实需要控制多个变量但样本量有限，可以考虑先做相关分析筛选出关键变量，或参考更保守的简约模型。
Q：多小才算"小样本"，有没有明确的数字标准？
A：没有绝对统一的标准，不同学科和方法对"小样本"的定义不同。一个常见的经验参考是：每组样本量低于 30 时，中心极限定理不能完全保证抽样分布趋近正态，此时正态性假设需要额外验证；而 N 小于 10 时通常认为已经进入需要谨慎使用推断统计、更依赖描述性方法的范围。具体判断还是要结合正态性检验结果和研究设计一起看。
Q：非参数检验的结果，效应量该怎么报告？
A：非参数检验对应的效应量指标和参数检验不同，比如 Mann-Whitney U 检验常用 r（基于 Z 值换算，r = Z / sqrt(N)）或 rank-biserial correlation 作为效应量；Kruskal-Wallis 检验常用 epsilon-squared 或 eta-squared（H）。报告时同样应遵循"仅有检验统计量和 p 值不够，效应量同样需要报告"的原则。
本文首发于 ChatSRS 官方博客。如有问题或反馈，欢迎在 ChatSRS 站内【用户中心 -> 帮助与反馈】联系我们。