使用小样本的论文错误是啥
当样本量很小时，只能检测到较大的效果，这使得对效果的真实大小的估计充满不确定性，进而导致对实际效果大小的高估。在具有显着性阈值α= 0.05的频率统计中，有5％的统计检验将产生显着结果（假阳性，I型错误），而没有实际影响。但是，研究人员倾向于认为高相关性（例如R> 0.5）比中等相关性（例如R = 0.2）更可靠。论文查重需要注意的细节。
如果样本量很小，则这些误报的影响将很大，从而导致严重的谬误：“如果假设的影响足够大，可以用小样本检测到，那么它必须是正确的。”
重要的是，更大的相关性不是两个变量之间更强的关系的结果，而仅仅是因为当实际相关系数为0时，较小的样本更可能具有较大的相关性。例如，当从两个不相关的变量连续抽取N = 15个样本并计算它们的相关性时，获得假相关性（即假阳性）的概率大约为|。 0.5-0.75 |，同时连续绘制N =。对于100个样本，假阳性为|。 0.2-0.25 |。
小样本设计也可能无法检测到实际影响（II型错误）。对于给定的效应大小（例如，两组之间的差异），样本量越大，（成功）检测到该效应的可能性就越大（这种可能性称为统计功效，或统计功效，统计功效）。因此，使用较大的样本可以减少存在效果但未发现效果的可能性。
与小样本量有关的另一个问题是样本分布更可能偏离正态分布。有限的样本量通常无法严格检验正态性假设。在回归分析中，分布的偏差可能会产生极值，从而导致错误显着的相关性（请参见上面的“错误相关性”）。
如何发现错误
审稿人应严格检查论文中使用的样本量，并确定样本量是否足够。基于特定主题的特殊结论应加以特殊标记。在重复率很高的情况下用论文狗机器降重产品进行论文降重，只需要1.5元一千字。如果需要更高的要求，可以用人工降重。免费论文查重就选论文狗。我们可到论文狗免费查重网站进行论文查重 https://www.lunwengo.net ，它类似于知网查重系统。
解决问题的方案
一个小样本的单个效果大小或单个p值的值受到限制。研究人员应首先证明他们使用的统计测试具有足够的统计测试能力，例如提出先验统计能力分析或对研究进行重复测试。
计算统计能力的困难在于它应基于对独立数据集的影响进行先验计算，这在审查中很难评估。贝叶斯统计提供了确定事后比较的统计检验能力的机会。
如果样本量不可避免地受到限制（例如，在罕见的临床人群或非人类灵长类动物的研究中），则应努力在适当的控制下（在病例内和病例之间）重复实验（例如，确定置信区间） 。