市场调研样本量怎么计算？从误差范围到细分分析

本文适合谁

需要确定问卷调研样本量、或需要向业务方说明”为什么需要这么多样本”的研究人员。

核心结论摘要

• 样本量由置信水平、允许误差、总体比例/方差决定，不是拍脑袋；
• “95% 置信、±5% 误差”不是所有项目的默认答案——精度要求来自决策需求；
• 公式解决随机误差，不解决系统偏差：非概率样本套用公式也不自动具有代表性；
• 细分分析关注每个子群体的有效样本量，而非总样本量；
• 定性研究不适用本类样本量公式（定性样本逻辑见定性研究样本怎么设计）。

样本量为什么不能只凭经验决定

• 样本量不足：估计的置信区间过宽，组间差异被噪音淹没；
• 样本量过大：成本浪费，且大样本下微小差异也会”显著”（业务意义见显著性检验完整指南）；
• 正确做法：从期望精度（允许误差）与决策风险倒推。

样本量与置信水平

• 置信水平：重复抽样下，置信区间包含总体真值的比例（常用 95%，即 z≈1.96）；
• 置信水平越高（99%），样本量越大；
• 置信水平不是”结论正确的概率”，报告表述需准确（见显著性检验完整指南）。

样本量与允许误差

• 允许误差（margin of error）：你能接受的估计偏差（如 ±3%）；
• 误差越小，样本量越大（误差减半，样本约需 4 倍）；
• 允许误差来自决策需求：份额判断差 ±1% 与 ±5%，决策成本完全不同。

总体比例估计

最常见场景（估计”有多少用户满意/购买”）：

n = z² × p × (1 − p) / e²

• z：置信水平对应值（95% → 1.96）；
• p：预期比例（无信息时用 0.5，最保守）；
• e：允许误差。

示例 1（总体比例）：z=1.96，p=0.5，e=0.05：

n = 1.96² × 0.5 × 0.5 / 0.05² ≈ 385

均值估计

估计均值（如满意度 0–10 分均值）时：

n = z² × σ² / e²

• σ：总体标准差（用预测试或历史数据估计）；
• 例：σ=2.0，e=0.2 → n ≈ 385。

总体规模有限时的修正

当样本占总体比例明显（如 n/N > 5%）时用有限总体修正（FPC）：

n' = n × N / (N + n − 1)

示例 2（有限总体）：n=385，N=2000 → n’ ≈ 323。

消费者研究总体通常很大，FPC 影响小；B2B 或区域研究总体小时必须考虑。

设计效应

• 整群/分层等复杂设计会使有效样本量低于名义样本量；
• 设计效应（DEFF）：名义样本 ÷ 设计效应 = 有效样本；
• 整群抽样 DEFF 常 >1（有效样本减少），计算时按 1.2–2.0 预留（视群内同质性）。

预计无效率

• 预计无效率：剔除无效样本后的有效率（清洗见问卷数据清洗完整指南）；
• 最终投放 = 目标有效样本 ÷ 有效率 ÷ 预估完成率；
• 例：目标 400 有效，有效率 90%，完成率 80% → 投放约 556。

分组比较与子群体分析

示例 3（两个人群比较）：比较 A/B 两组比例差异，每组约需：

n/组 ≈ 2 × z² × p(1−p) / d²   （d 为可检测的最小差异）

• 可检测差异 d=10% → 每组约 385；d=5% → 每组约 1500；
• 可检测差异越小，样本需求越大——立项时就要明确”要能看出多大的差异”。

多平台分组研究

示例 4（多平台分组）：4 个平台各 250 = 总 1000。

• 每组 250 在 p=0.5 时误差约 ±6.2%——组间差异需 >12% 才能显著检出；
• 若业务需要更小差异，需提高每组样本或合并分析单元；
• 关键原则：分几组，就按每组的需求算，而不是按总样本算。

多变量分析与用户细分

• 聚类/回归等分析对样本有最低要求（经验参考：每个变量 10–15 个样本，见聚类分析完整指南与回归分析完整指南）；
• 细分分析：计划 K 个细分，每个细分 ≥ 50–100 有效样本（经验参考）→ 总样本按最小组反推；
• 示例 5（细分研究）：计划 5 个细分、每细分 ≥ 100 → 总样本 ≥ 500（未含无效与配额损耗）。

实验研究

• 实验（A/B 测试）样本量取决于：基线转化率、最小可检测提升、显著性水平与统计功效（通常 80%）；
• 双样本比例检验样本量通常远大于问卷调研（流量实验常见需求）；
• 建议使用专门的功效计算工具，不套用问卷样本量公式。

追踪研究

• 追踪研究样本量 = 单波样本 ×（1 + 预期流失率）；
• 跨期比较对单期样本与口径一致性要求高（口径见品牌研究如何设计的追踪注意事项）。

常见样本量计算案例汇总

场景	关键参数	每样本量需求（参考）
总体比例	95% 置信、±5%、p=0.5	≈385
总体比例更精确	95% 置信、±3%	≈1068
均值估计	σ=2.0、±0.2	≈385
两组比较	检出 10% 差异	每组 ≈385
四平台分组	组内 ±6.2%	每组 ≈250
5 细分	每细分 ≥100	总 ≥500+

样本量计算表（常用组合参考）

允许误差	90% 置信	95% 置信	99% 置信
±10%	68	96	166
±5%	271	385	664
±3%	752	1068	1842
±2%	1692	2401	4141

（p=0.5 最保守情形；实际按 p 与设计效应调整——本表为参考，不是所有项目的答案）

如何根据预算倒推方案

• 预算 → 可投放量 → 有效率 → 有效样本 → 算误差；
• 若误差超出决策可接受范围，三选一：提高预算、放宽精度、调整研究问题（如合并细分、减少分组）；
• 报告必须如实呈现”预算约束下的精度局限”，而不是假装精度足够。

样本不足时如何调整研究问题

1. 合并相近分组（4 城市 → 2 区域）；
2. 减少细分数量；
3. 放宽显著性要求（探索性结论明确标注）；
4. 聚焦核心问题，删减边缘分析模块；
5. 拆分研究（先快速摸底，再重点深挖）。

常见误区

1. 默认”95%/±5%“：精度要求来自决策，不是默认值；
2. 套公式就当有代表性：非概率样本无统计推断基础；
3. 只看总样本不看子群体：总样本 1000、每个细分 50，细分结论不可靠；
4. 忽略设计效应：整群设计名义样本虚高；
5. 忽略无效率：目标 400 投 400，清洗后只剩 320；
6. 定性研究套公式：定性样本逻辑完全不同（信息充分度，见定性研究样本怎么设计）；
7. 样本量公式本身写错：计算前核对公式与参数（本文公式为标准比例/均值公式，使用前建议与统计教材核对）。

使用边界与注意事项

• 本文公式为标准统计教材的简单随机抽样公式，实际项目需结合分层/配额与设计效应调整；
• 样本设计（抽样方式、配额、来源）见市场调研样本怎么设计；
• 涉及显著性检验的组间比较，检验逻辑见显著性检验完整指南。

参考资料

• Cochran, W. G. (1977). Sampling Techniques（抽样与样本量经典教材）
• Groves, R. M. et al. (2009). Survey Methodology