問卷調查的抽樣方案，最好在發放問卷之前就確定下來。樣本能否代表目標總體，直接決定后續數據能不能用來回答研究問題。對市場研究員、社會科學研究者和學生而言，抽樣不是方法部分里事后補寫的一段說明，而是研究設計階段就需要明確的決策。下面只聚焦抽樣層面，討論如何從研究目標出發確定樣本量、構建抽樣框、比較常用抽樣方法，并在成本與時間約束下做出可解釋的選擇。

從研究目標反推抽樣需求

抽樣方案不能獨立于研究目標設定。首先要明確兩件事：你想估計什么，以及結論要推廣到哪個人群。估計指標不同，樣本量計算思路也不同。問卷調查中常見的是估計總體比例，例如某類消費者的占比、某種態度的比例、某項行為的發生率；如果核心指標是連續變量，則需要依據均值、方差和允許誤差另行計算。

在估計總體比例時，常用公式先計算不考慮總體規模的初始樣本量：

n? = (Z2 × p × (1 ? p)) ÷ e2

其中，Z 是所選置信水平對應的標準正態分布臨界值，p 是預期比例或總體比例的保守估計，e 是允許誤差。置信水平越高，Z 越大；允許誤差越小，e 越小，兩者都會使所需樣本量上升。

如果目標總體規模 N 較小，可以進行有限總體修正：

n = n? ÷ [1 + (n? ? 1) ÷ N]

修正的核心邏輯是：當總體本身不大時，不需要抽取公式給出的那么多樣本；當總體規模很大時，修正作用會明顯減弱。

置信水平并不是越高越好。實踐中 95% 是最常見的選擇，因為它在推斷可靠性和調查成本之間較為平衡。如果研究結論用于高風險決策，可以考慮 99%；如果是探索性研究或預算非常緊張，90% 也可以接受，但必須在報告中說明推斷精度有所下降。允許誤差同樣需要根據研究用途設定。用于估計市場份額、政策態度或行為比例時，較大的誤差通?？梢越邮埽蝗绻芯恳獏^分較小差異或輔助重要決策，允許誤差就應明顯收緊。需要注意的是，允許誤差與樣本量不是線性關系，把誤差從較寬松的水平收緊到較嚴格水平，樣本量可能會成倍增加。

當 p 沒有可靠先驗信息時，通常取 0.5 進行計算，因為此時 p(1 ? p) 最大，可以得到最保守的樣本量。如果既往研究、預調查或已有公開數據能夠提供更接近真實的比例，可以據此降低樣本量，但應有明確依據。

樣本量估算的四個步驟

第一步是界定目標總體。要明確誰應被納入、誰被排除，例如年齡、地區、身份或特定經歷條件?？傮w界定越模糊，后續樣本量和抽樣框就越難匹配。

第二步是設定精度參數。也就是確定置信水平和允許誤差。這兩個參數不來自統計公式，而來自研究用途和可接受的推斷風險。

第三步是估計變異程度。比例估計中需要 p 值，連續變量估計中則需要均值和標準差的先驗信息。沒有先驗數據時，可用保守估計或通過小范圍預調查獲得。

第四步是計算并調整。先計算初始樣本量，再根據總體規模進行修正，并考慮無應答、無效問卷和后續剔除。預測回收率較低時，需要按預期有效比例適當擴大發放量，但必須記錄這一調整依據。

抽樣框：樣本類型的真實邊界

抽樣框是實際用于抽取樣本的單元清單或集合。它可能是人員名單、機構名錄、地址列表，也可能是某類平臺用戶、某些院系的學生名單。抽樣框與目標總體之間的差距，往往比樣本量更值得關注。

構建抽樣框時，要重點檢查三方面：覆蓋是否完整、是否存在重復、信息是否過時。覆蓋不足會把一部分目標人群排除在抽樣之外，造成系統性偏差；重復會使某些單元被抽中的概率高于設計值；過時名單則會導致大量無效接觸。不要只根據成員數量和獲取難度做判斷，還要追問：這份名單能不能對應到研究最初界定的總體？

如果無法獲得理想抽樣框，常見做法是退回到可獲得的抽樣框，并把推斷范圍相應縮小。例如只能通過某個線上渠道觸達對象時，樣本代表的其實是該渠道的活躍使用者，而不是所有目標消費者。這時必須在方案中寫清限制，避免把結論擴大到沒有證據支持的人群。

三種常用抽樣方法如何選

簡單隨機抽樣是最基礎的形式。其優點是理論清晰、每個單元被抽中的概率相同，后續推斷也相對直接。但它要求有接近完整的抽樣框，且當樣本較為分散時，調查成本和執行難度會上升。

分層抽樣先把總體按照與研究變量相關的特征劃分為若干層，再在各層內獨立抽取樣本。它能夠保證某些重要子群體有足夠數量，也可能提高估計精度。適用場景包括總體內部差異明顯、需要比較不同組別，或者小群體在簡單隨機抽樣中容易被淹沒時。分層變量的選擇必須與研究目標相關，并且需要掌握分層信息。

整群抽樣則按自然群體或地理單元抽取樣本，再對群內單元進行調查或再抽樣。它的主要價值是降低名單獲取成本、交通成本和執行難度，適合區域分散或難以獲得個體名單的情況。但同一群內的個體往往相似，會減少有效信息。與簡單隨機抽樣相比，整群抽樣通常需要更大的總樣本量，并要在分析時考慮群集結構。

成本、時間與精度的實際平衡

實際操作中，樣本量公式只能提供起點。預算、時間、人員和接觸難度都會反向調整設計。關鍵在于優先保護抽樣框質量和抽樣邏輯，而不是單純追求更大樣本量。

當預算有限時，與其勉強擴大樣本量，不如先提高抽樣框的覆蓋程度和回收質量。樣本量增大只能減少隨機誤差，無法彌補抽樣框偏差、無應答偏誤或低質量填答帶來的非抽樣誤差。如果回收率很低，即使發放量很大，最終能用于分析的有效樣本仍然不足，還可能引入額外的選擇性偏差。

時間約束也會影響抽樣方法。若必須在短時間內完成調查，整群抽樣或多階段抽樣通常比簡單隨機抽樣更可行。此時應提前制定替換樣本和提醒規則，并記錄替換是否改變了樣本結構。任何因為執行困難而做出的調整，都不能只描述為“便于操作”，而要說明它會不會影響結論的外部效度。

形成可解釋的抽樣方案

一份可用的抽樣方案，最終要能回答幾個問題：總體是誰，抽樣框從哪里來，使用什么抽樣方法，樣本量按什么參數計算，實際執行中可能存在哪些偏差。撰寫或答辯時，可以把這些要素壓縮成一段清晰說明，避免只報樣本量數字而缺少依據。

抽樣方案最有說服力的部分，不是樣本量看起來足夠大，而是每一項選擇都能與研究目標一致。能夠解釋為什么選擇分層而不是簡單隨機、為什么采用整群抽樣、為什么允許一定誤差，才說明抽樣決策經過了完整考慮。即使預算有限，只要把推斷邊界寫清楚，也能讓研究在可證明范圍內成立。