样本量计算怎么做:问卷调研到底需要多少份

每次准备发问卷,第一个卡住人的问题就是:到底要收多少份才算数。收太少,结论站不住脚;收太多,白白浪费预算和时间。这篇把样本量计算讲透,从置信水平、误差幅度、总体规模三个输入,到为什么样本不是越多越好,再到市场调研、民意调查、A/B 测试三种典型场景各自怎么算。

样本量由哪三个量决定

样本量不是拍脑袋定的,它由三件事算出来:

• 置信水平:常见的是 95%,意思是反复抽样时,有 95% 的样本算出的区间会包含真实值。提到 99% 更稳,但代价是要更多人。
• 误差幅度:也叫置信区间的半宽,比如正负 5%。它决定结论的精度。
• 预期比例 p:你预计有多大比例会回答"是"。完全没把握时填 0.5,因为这时所需样本量最大、最保险。

标准公式是 n0 = z² · p(1 − p) / e²。其中 z 是置信水平对应的临界值,95% 置信下 z 约等于 1.96。

95% 置信、5% 误差为什么是 384 份

这是最常被引用的一个数。把数代进去:z = 1.96,p = 0.5,e = 0.05。

• z² = 3.8416
• p(1 − p) = 0.25
• e² = 0.0025
• n0 = 3.8416 · 0.25 / 0.0025 = 384.16

向上取整得 385。注意样本量永远向上取整,绝不向下,因为向下舍会让真实误差略高于你承诺的 5%。这也解释了为什么你看到的全国性民调,误差 5% 的几乎都引用约 385 个样本,误差 3% 的引用约 1000 到 1200 个。你可以打开 样本量计算器 把这几个数填进去,实时看结果随每个输入怎么变。

总体规模:调查千人公司和调查全国不一样

前面的 385 是无限总体的答案。如果你抽样的是一个已知、可数的群体,比如一家公司的 500 名员工、2000 名客户,就要套有限总体修正:

n = n0 / (1 + (n0 − 1)/N)

举个真实例子:你运营一家 4000 名客户的 SaaS,想知道有多大比例的客户愿意推荐产品,要求 95% 置信下误差不超过 5%。填置信 95、误差 5%、p 取 0.5、总体填 4000,工具返回 351 份完成回收。比无限总体的 385 少了一截。N = 1000 时这个数还会降到 278。

反过来,总体越大,修正越无力。N = 10 万时需要 383 人,N = 100 万时约 384 人,基本就回到无限总体的 385。所以才有那个反直觉的结论:调查一个更大的国家,并不需要更大的样本,385 个挑选得当的人,描述一座城市和一个国家几乎一样准。面向全国受众或开放网络表单时,总体字段留空就对了。

为什么样本不是越多越好

很多人下意识觉得收得越多越准,其实多收的边际价值掉得很快。精度的提升靠的是误差幅度收窄,而样本量随精度的平方增长:

• 误差从 5% 减半到 2.5%,样本量不是翻倍,而是大约翻四倍,385 变成约 1537。
• 降到 1% 误差,需求逼近 9600。

这是问卷设计里最大的成本来源。多收一倍样本,误差只缩小约三成,投入产出极不划算。我自己做客户调研时,曾经被要求"尽量多收",结果收了快 2000 份,事后用工具一算才发现,误差从 387 份的水平只压低了不到一个百分点,多花的两周纯属浪费。把目标误差先定在 3% 到 5%,反推样本量,比盲目求多理性得多。

三种场景:市场调研、民意调查、A/B 测试

• 市场调研:用正向模式。定好置信和误差,填上总体(客户名单的规模),算出要回收多少份。再除以问卷完成率倒推要触达多少人。完成率约 20% 时,351 份回收意味着要发约 1755 封邮件。
• 民意调查:常用反向模式。你已经收了 600 份,想知道这批样本的误差是多少。填样本量 600、置信 95%、p = 0.5,得到约 4% 的误差,也就是 19/20 的把握准到正负四个百分点,和城市多大无关。
• A/B 测试:转化率通常远低于 0.5,比如落地页转化约 12%,填 p = 0.12,所需样本比最坏情况的 385 更小,因为 0.12 · 0.88 = 0.106,小于 0.25,你能更早给测试下结论。

不管哪种场景,先把基础统计量算清楚也有帮助,均值、比例、标准差这些可以用 统计基础计算器 先过一遍,再回到样本量这一步。

一句话收尾

样本量计算的本质,是在置信、误差、成本三者之间找平衡。记住 95% 置信、5% 误差约需 385 份这个锚点,清楚误差减半成本翻四倍,总体很大时不必追更大样本,基本就不会在调研一开始就把方向带偏。

---

Made by Toolora · Updated 2026-06-13