什麼是抽樣誤差計算機?
抽樣誤差計算機能幫你了解,問卷或民調得出的結果,與整體母體的真實數值之間可能相差多少。只調查一部分人時,推估結果難免帶有不確定性,而抽樣誤差就是用「正負幾個百分點」來衡量這份不確定性。只要輸入三個簡單的數值,這個工具就能算出精確的抽樣誤差,以及圍繞你所報告數字的信賴區間。
需要輸入的欄位
- 樣本數:實際訪問的人數或項目數(例如 1,000 位受訪者)。
- 信賴水準(%):你希望有多大把握,讓真實數值落在所算出的區間內,常見為 90、95 或 99。
- 樣本比例(%):樣本中選擇某個答案的百分比(例如 60% 回答「是」)。
使用的計算公式
本計算機採用比例抽樣誤差的標準公式:
$$\text{MOE} = z \cdot \sqrt{\frac{p\,(1-p)}{n}} \times 100$$
- \(z\) 是常態分布的臨界值,由信賴水準換算而來。工具會以 \(1 - (1 - \text{confidence}/100) / 2\) 的累積機率反推得出,因此 95% 的信賴水準對應 \(z \approx 1.96\)。
- \(p\) 是以小數表示的樣本比例(60% 即 0.60)。
- \(n\) 是樣本數。
接著會列出信賴區間:下限為(比例 − 抽樣誤差,最低不會小於 0%),上限為(比例 + 抽樣誤差,最高不會超過 100%)。
計算範例
假設你訪問了 1,000 人,信賴水準設為 95%,其中 60% 回答「是」。
- \(z = 1.96\)、\(p = 0.60\)、\(n = 1{,}000\)
- 標準誤 $$= \sqrt{\frac{0.60 \times 0.40}{1000}} = \sqrt{0.00024} \approx 0.01549$$
- $$\text{MOE} = 1.96 \times 0.01549 \times 100 \approx 3.04\%$$
因此結果為 60% ± 3.04%,信賴區間大約是 56.96% 到 63.04%。
常見問題
要怎麼縮小抽樣誤差?增加樣本數即可。由於 \(n\) 位於根號之下,想把抽樣誤差減半,樣本數大約得增加為原來的四倍。
什麼樣的比例會讓抽樣誤差最大?比例為 50% 時抽樣誤差最大,因為 \(p(1 - p)\) 在此時達到最大值。如果你還不知道實際比例,以 50% 計算會得到較保守的估計。
為什麼信賴水準越高,區間就越寬?信賴水準越高,\(z\) 值也越大(95% 為 1.96,99% 約為 2.58),區間因此變寬,才能更有把握涵蓋真實數值。