您的調查結果是否能完美反映您所要研究的母體？大概不行。
但是，您可以透過誤差範圍計算器，得知您的調查結果有多接近母體真實的意見。這項實用的工具能幫助您判定誤差範圍，讓您知道您的受訪者人數是否足以使您對資料的準確度有信心。
計算您的誤差範圍
母體大小
信心水準 (%)
樣本大小
誤差範圍
0
問卷調查所謂的誤差範圍是什麼？
誤差範圍又稱為信賴區間，它會告訴您調查結果有多大程度能反映整個母體的觀點。別忘了，問卷調查其實是一項平衡的措施，因為要用一個小群體 (也就是您的調查問卷受訪者) 來代表整個大群體 (也就是目標市場或總母體。)
您可以把誤差範圍想像成衡量調查問卷有效性的一種方法。誤差範圍越小，表示您的結果越值得相信；誤差範圍越大，表示越偏離總母體的觀點。
如同其名，誤差範圍是實際調查結果上下的一個範圍值。例如，若有 60% 的人回覆「是」，且誤差範圍為 5%，就表示整個母體當中有 55% 到 65% 的人會回答「是」。
如何計算誤差範圍
n = 樣本大小 • σ = 母體標準差 • z = z 分數 (標準分數)
- 得出母體標準差 (σ) 和樣本大小 (n)。
- 將母體標準差除以樣本大小的平方根
- 將結果乘以下表中相當於您所期望之信賴區間的 z 分數：
| 所期望的信賴區間 | z 分數 |
| 80% | 1.28 |
| 85% | 1.44 |
| 90% | 1.65 |
| 95% | 1.96 |
| 99% | 2.58 |
讓我們用實際的例子來解釋誤差範圍公式的用法。
假設您為新產品想出了 A 及 B 兩個名稱，而您的目標市場有 400,000 位潛在客戶。這就是您的總母體。
您決定向潛在客戶發送 600 份調查問卷。這就是您的樣本大小。
若要精準計算樣本大小，請參閱我們的樣本數量計算器。
調查結果出爐後，有 60% 的受訪者喜歡名稱 A。這時您會需要在誤差範圍計算器中輸入一個信心水準。
這個數字表示您對於樣本能準確反映總母體的態度有多大的信心。研究人員通常會將其設為 90%、95% 或 99%。(信心水準與信賴區間不同，信賴區間其實只是誤差範圍的另一種說法)。
請把這幾個數字輸入到上面的誤差範圍計算器中。您會看到計算器算出的誤差範圍為 4%。
還記得前面提到有 60% 的受訪者選擇了名稱 A 嗎？搭配這個誤差範圍，您便能知道總母體 (也就是您的目標市場) 當中有 56% 到 64% 的人會比較喜歡名稱 A，而這項結果在 95% 的情況下是準確的。
我們將喜歡 A 的樣本比例 (60%) 加上或減去誤差範圍 4%，而得出了 56% 及 64% 這兩個數字。
樣本大小如何影響誤差範圍
如剛剛所提到，知道誤差範圍有助於瞭解您設定的調查樣本大小是否恰當。
如果您發現誤差範圍太大，就可能需要增加樣本數，好讓受訪的群體能更準確地反映總母體的真實態度。
也就是說，您會需要將調查問卷寄給更多人。
樣本數量計算器可協助您輕鬆判斷您需要多少人填寫您的調查問卷。
需要計算統計顯著性嗎？請使用我們的 A/B 比較檢測計算器。
用這 5 個步驟增加資料的可靠性
既然您已經知道誤差範圍是怎麼算出來的，也知道它會如何影響您的調查結果，現在就我們來複習一下您該如何在調查問卷的設計中實踐這些概念。
如果需要更詳細的說明，歡迎參閱這篇文章：如何預估母體。
- 定義總母體
也就是您想透過調查問卷研究的整個群體，以稍早的範例來說就是那 400,000 名的潛在客戶。 - 決定您期望的準確度
您需要決定您願意承擔多少「調查結果與整個目標市場情勢不同」的風險；也就是衡量樣本數量會產生的誤差範圍和信心水準。 - 決定樣本大小
當您試圖在您期望的信心水準與可接受的誤差範圍之間取得平衡時，接著就是得決定您需要多少位受訪者了。別忘了，並不是每一位收到調查問卷的人都會回覆：您的樣本大小是完成的回覆的數量。 - 計算您的回覆率
也就是在所有收到調查問卷的人當中，實際完成回覆的受訪者所佔的百分比。請不要亂猜。若您預計以隨機抽樣的方式取得樣本，保守估計有 10% 到 15% 的受訪者會完成回覆。建議您根據過去調查的經驗來預估這個比例。 - 這樣就能算出您必須發送調查問卷給多少人了
一旦確定了步驟 4 的百分比，您就能知道您必須寄出幾份調查問卷才有辦法取得數量充足的回覆。說了這麼多，您應該已經能夠瞭解誤差範圍——以及包括樣本大小及信心水準等相關概念——對於問卷調查 (作為一項必須兼顧理想與現實的平衡措施) 為何如此重要。能夠計算出誤差範圍，您便能胸有成竹地繼續進行下一步。
獲得更多回覆
SurveyMonkey Audience 隨時有數百萬名受訪者可填寫您的調查問卷。