调研结论到底有多可信？这两个数字说了算
看一份调研报告，应该首先问：这个结论是基于多少样本得出的？可信程度有多高？这不是挑剔，而是评估调研结论可靠性的基本功。样本量计算和置信度，是两个决定调研结论可靠性的核心统计概念，理解它们，能帮你判断一份报告的结论究竟值多少分。
样本量是什么，为什么它很重要
样本量是指参与调研的受访者数量。它之所以重要，是因为调研的目的通常不是了解”这100个人怎么想”，而是通过这100个人，推断”整个目标人群怎么想”。样本量越大，这种推断的误差越小；样本量太小，得出来的数字误差范围可能大到失去意义。
一个常见的误解是：总体人群越大，需要的样本量也越大。实际上在统计学上，当总体足够大时，所需的样本量主要由期望的误差范围和置信水平决定，而不是总体规模。一个面向全国消费者的调研，和一个面向某个城市消费者的调研，在置信度和误差要求相同的情况下，所需的样本量可以是相近的。
置信度是什么，95%意味着什么
置信度（Confidence Level）是指：如果重复做这个调研很多次，有多少比例的结论会落在我们声称的误差范围内。95%的置信水平，意味着如果用相同的方法重复调研100次，其中95次的结果会在声称的误差范围内。
置信水平通常和误差范围（Margin of Error）一起出现。比如”在95%的置信水平下，误差范围为±3%”，意思是：有95%的概率，调研结论和真实总体值的差距不超过3个百分点。
置信度不是越高越好。95%和99%的置信水平听起来差别不大，但为了实现99%的置信水平，需要的样本量会大幅增加，成本相应提升。在实际市场调研中，95%的置信水平是最常用的标准，对大多数商业决策来说已经足够。
样本量计算的基本逻辑
不考虑公式，直觉上理解样本量计算的逻辑：要求的误差越小（比如±2%而不是±5%），需要的样本量越大；要求的置信度越高，需要的样本量越大；研究变量的分布越”均匀”（接近50/50），需要的样本量越大。
在实际操作中，一些常用的参考数字：如果要求95%置信水平、±5%误差，大约需要384个样本；如果降低误差到±3%，样本量需要提升到约1067个。这个变化很明显——精度要求提升一点，成本就跳一大截。
样本量够用不等于结论可靠
强调样本量，是因为它是调研可靠性的基础。但样本量够大，不等于结论就一定可靠。样本的代表性同样关键——一个1000人的样本，如果都是从一个特定渠道招募的，系统性偏差可能让结论完全跑偏。
真正值得信任的调研结论，需要同时满足：样本量足够（统计可靠性），以及样本结构合理（代表性）。两者缺一，报告里的数字就只是一个参考，而不是可以直接用于决策的证据。