这似乎是一个微不足道的问题，但我缺乏分布式培训导致我可能会得到更令人困惑的答案。因此，我想在这里提出我的问题：

我有数十万受访者在 2011 年接受医疗保健的数据，以及他们及其从业者的人口统计信息。我们正在进行探索性分析，以比较这些因素之间的一致性是否会导致总体上或多或少的满意度。

我们想要制作的描述性表格是令人满意的回应率，将一些人口因素和指标制成表格，表明它们是否高于“平均值”。我们面临的问题是原始比例在样本量上仍然如此之大，尽管数字明显一致（67% 对 68% 的差异），但所有响应配置文件都显示出显着不同的积极响应比例。

我可以想到很多方法，但找不到任何一种方法的文献或确凿证据。我们对预测区间不感兴趣。对具有共同分母的比率（例如，每年每 100 次调查的积极响应率）标准化积极响应是有道理的，但我仍然看到，大样本量将导致这些比率估计的不切实际的小标准误差。调整多重比较是有道理的，但出于错误的原因：我们对标记具有临床意义的效应大小感兴趣，因此很难证明基于实现这一点的多重性的效应大小截止是合理的。

具有大样本量的人如何与合理的 alpha 水平和效果大小差异进行比较？