‌卡方检验样本量估算的关键在于确保足够的统计功效（通常80%以上），同时控制I类错误（如α=0.05），并基于预期效应大小（如OR值或比例差异）进行计算。‌

1. ‌明确研究设计类型‌
   卡方检验适用于分类变量分析，如两组或多组的比例比较（如χ²检验）或关联性检验（如列联表分析）。样本量估算需区分独立样本或配对设计，后者通常需要更少样本。

2. ‌确定核心参数‌

   • ‌效应大小‌：通过预实验或文献确定预期差异（如两组比例差10%）或关联强度（如OR=1.5）。效应越小，所需样本量越大。
   • ‌显著性水平（α）‌：常设为0.05，严格研究可能选0.01。
   • ‌统计功效（1-β）‌：一般≥80%，高要求研究可选90%。

3. ‌选择计算公式或工具‌
   对于两组比例比较，样本量公式为：

   $$n=\frac{(Z_{α/2}+Z_β)^2 \times [p_1(1-p_1)+p_2(1-p_2)]}{(p_1-p_2)^2}$$

   其中$p_1$、$p_2$为两组预期比例。实际应用中推荐使用G*Power、PASS等软件简化计算。

4. ‌调整实际样本量‌
   考虑应答率、数据缺失等因素，通常上浮10%-20%。例如，理论计算需100例，实际招募120例。

‌总结‌：卡方检验样本量需平衡精度与可行性，优先通过专业软件输入参数快速估算，并预留缓冲量以应对实际研究中的损耗。