Taro Yamane、Krejcie & Morgan、Cochran 与 G*Power：样本量方法怎么选？

"需要多少受访者？"让许多硕士生头疼，因为可选公式太多。下面用 5 分钟总结四种最常见的方法以及如何选择。

四种方法总览

方法	适用场景	需要	优点
Taro Yamane	已知总体	N, e	简单，可调 e
Krejcie & Morgan	已知总体	N（查表）	快速，无需计算
Cochran	总体庞大/未知	p, q, e, Z	灵活，支持无限总体
G*Power	高级统计（回归、SEM）	检验力, 效应量, α	统计严谨性最高

1. Taro Yamane（1967）

适用于已知确切总体并使用描述性或基础检验的情况。公式：n = N / (1 + Ne²)。缺点是忽略统计检验力，因此在复杂设计中逐渐不被接受。

2. Krejcie & Morgan（1970）

采用相似的统计逻辑，但以 95% 置信度的现成表格呈现。只需查阅总体 N，即可读出所需的 n。

3. Cochran（1977）

在总体未知或非常庞大时最为灵活，使用比例（p, q）、置信水平（Z）和误差范围（e），并提供有限总体校正。

4. G*Power（当今标准）

若研究使用多元回归或 SEM，这是顶尖大学要求的标准，因为它由统计检验力、效应量（f²）和显著性水平（α）计算而来。

那么该如何选择？

• 调查研究、已知总体 → Taro Yamane 或 Krejcie & Morgan
• 总体未知/非常庞大 → Cochran
• 回归、路径分析、SEM → G*Power

试用我们免费的 G*Power 样本量计算器 →