为什么样本量很重要？
做问卷调查时，最常见的问题就是"我需要收多少份？"。样本量直接决定了调查结果的可信度：
- 样本量太少：数据波动大，结论不可靠，领导和客户不认可
- 样本量太多：浪费时间和预算，投入产出比低
- 样本量刚好：用最小成本获得统计意义上可信的结论
三个核心概念
1. 总体（Population）
你想调查的全部人群。比如公司有 500 名员工，总体就是 500。如果调查全国大学生，总体可能是几千万——通常把超过 10 万的总体视为"无限总体"。
2. 置信水平（Confidence Level）
调查结论可靠的概率。常用 95%，表示"100 次调查中有 95 次结论与真实情况一致"。学术研究有时用 99%，快速调研用 90% 也可以。
3. 误差范围（Margin of Error）
调查结果与真实值的最大偏差。常用 ±5%。比如调查显示满意度为 80%（误差 ±5%），意味着真实满意度在 75%-85% 之间。
样本量计算公式
无限总体（>10万）的样本量公式：
n = Z² × p × (1-p) / E²
- n = 所需样本量
- Z = Z 值（95% 置信度对应 1.96，90% 对应 1.645，99% 对应 2.576）
- p = 预估比例（不确定时取 0.5，得到最大样本量）
- E = 误差范围（5% 就是 0.05）
有限总体需要修正：
n_adj = n / (1 + (n - 1) / N)
其中 N 是总体数量。
常用样本量速查表
| 总体数量 | ±5% 误差 | ±3% 误差 | ±1% 误差 |
|---|---|---|---|
| 100 | 80 | 92 | 99 |
| 500 | 217 | 341 | 476 |
| 1,000 | 278 | 517 | 907 |
| 5,000 | 357 | 880 | 3,289 |
| 10,000 | 370 | 965 | 4,900 |
| 100,000+ | 384 | 1,067 | 9,604 |
以上数据基于 95% 置信水平、p=0.5 计算。
实际场景怎么定？
企业内部调查（员工满意度/培训反馈）
总体通常几百到几千人，建议尽量全员覆盖。如果只能抽样，保证 ±5% 误差即可。例如 500 人的公司，至少收 217 份。参考：员工满意度调查指南
客户满意度 / NPS 调查
客户基数大时，300-400 份通常够用。如果要按区域/产品线分组分析，每个分组至少 30-50 份。详见 NPS 指南。
市场调研
面向大众市场，500-1000 份是常见范围。精度要求高的可到 1500+。
快速验证型调查
产品内测反馈、简单投票，50-100 份即可做初步判断。
提高有效样本量的技巧
- 预估回收率：如果预计回收率 60%，目标 300 份就要发 500 份
- 剔除无效问卷：答题时间过短、全部选同一选项的要排除，提前多收 10-15%
- 分层抽样：确保各子群体按比例纳入，避免某类人群过多或过少
- 设置必填题：减少漏答导致的无效数据
快速开始
不用手动计算。选择一个问卷模板，设定好目标人群和发放渠道，RR问卷的实时统计面板会帮你跟踪回收进度。当回收量达到目标样本量时，及时关闭问卷即可。