用于小样本神经科学的方差校准跨个体自助法

为何用更少数据做更多事很重要

许多现代脑与行为实验只涉及少数动物或人，但每个被试却贡献数百次测量。个体数量少而重复试次多的这种不平衡，使得得出可靠结论竟然变得相当困难。本文提出了一种回收并重新平衡此类数据的新方法，让研究者在不总是需要更多被试的情况下也能获得可信的结论——当实验成本高、难度大或存在伦理限制时，这一点尤为关键。

引用: Uyanik, I. Variance-calibrated cross-individual bootstrapping for small-sample neuroscience. Sci Rep 16, 14502 (2026). https://doi.org/10.1038/s41598-026-44126-y

关键词: 小样本神经科学, 自助重抽样, 分层数据, 统计功效, 可重复性