问卷调查中没有绝对的样本量标准，不同的研究方法、研究目的，研究要求和研究资料都可决定样本量的大小。一般而言，样本越大，结果的估计越精确。但样本过大或过小都会影响到研究的可行性。
那么，样本量的决定因素都有哪些呢？
1. 资料性质：使误差控制严格，设计均衡，样本大概需要30-100例。
2. 研究事件发生率：事件发生率越高，所需的样本量越小，反之就要越大。
3. 研究因素有效率：有效率越高，实验组和对照组比较数值差异越大，样本量越小，小样本可以达到统计学的显著性，反之就要越大。
4. 显著性水平：假设检验第一类α错误出现的概率为假阳性错误出现的概率。α越小，所需的样本量越大，反之就要越小，α通常取0.05或0.01。
5. 检验效能：又称把握度，为1－β，即假设检验第二类错误出现的概率，为假阴性错误出现的概率。在特定的α水准下，若总体参数之间确实存在着差别，此时该次问卷能发现此差别的概率。检验效能即避免假阴性的能力，β越小，检验效能越高，所需的样本量越大，反之就要越小。β通常取0.2，0.1或0.05。
6. 容许的误差：如果调查均数，则先确定样本的均数总体均数之间最大的误差，容许误差越小，需要样本量越大。
7. 总体标准差：一般因未知而用样本标准差s代替。
8. 双侧检验与单侧检验：采用统计学检验时，当研究结果高于和低于效应指标的界限均有意义时，应选择双侧检验，所需样本量就大；当研究结果仅高于或低于效应指标的界限有意义时，应该选择单侧检验，所需样本量就小。
问卷调查属于定量研究，抽样样本量的大小对调查的准确度有很大的影响，一定程度上“样本量越多越好”，但毕竟是抽样调查，就是以具有代表性的样本来代表整体，如果真的可以做普查就不需要抽样调查了。
一般来说，抽样调查的抽样误差，样本量大，误差就降低，但到底该选多大的样本量，如何抽样误差才能满足调查的实际需求，还要满足有效控制成本，直观来讲，就是采用不同数量的抽样样本，能达到什么研究效果？
针对这个问题，分享一个行业内常用的数值：
举个例子：
做一个普通的概念测试类的问卷调查，考虑到成本控制，一般建议的样本量是200样本。如果要做仔细的分析，比如万能测的分男女性别和“60和70后”，“80后”，“90后”分析，至少要保证每个性别和每个年龄段的样本量要超过30个，如果需要更细致地按照城市去分析，那需要保证每个城市的样本量不少于100。
最后，客户可根据调研的实际需求来设定样本量：
30样本：调查结果可以分出高、中、低的区别，但多数值与真实值有一定的误差。
-
100样本：调查结果开始接近现实，能反映市场大致情况，但数据排名的稳定性不够，不能作为跟踪对比的依据。
-
200样本量 ：调查结果相当接近真实情况，30次可能会有一次与真实的排名有误差。
-
300样本量：调查结果基本上与现实一致，是非常优秀的定量研究调查样本量。
发布者：调研工厂，转载请注明出处：https://baike.survey.work/bd7154e93c/
支付宝扫一扫 
