ThinkingAI Logo
返回博客列表

样本量怎么计算?常用公式与计算示例

样本量计算是在调查或实验开始前,根据置信水平、允许误差、统计功效和预期比例推算所需样本的过程。文章讲清关键参数、常用公式、A/B 测试口径差异与实际发放量校正,帮助判断样本是否够用。

2026-11-139分钟
样本量怎么计算?常用公式与计算示例

样本量计算是在调查、实验或检验开始前,根据研究目的、允许误差、置信水平、统计功效和总体变异程度,推算需要多少样本才能得到可靠结论的过程。它回答的问题很具体:要做一次误差不超过 ±3 个百分点、置信水平 95% 的调查,至少需要多少人;要在 A/B 测试 中识别 1 个百分点的转化率提升,每组需要多少用户。算出的数字是有效样本量,实际发放或招募时还要加上无效样本和流失的缓冲。

下面重点解释比例估计和A/B测试中的常用计算思路。两者的目标和假设不同,应先选择适用的公式,再填写参数;计算结果还要注明是每组样本量还是总样本量,以及是否已考虑无效样本。其他研究设计需要另行选择方法。

一、样本量计算解决什么问题

抽样研究里,样本过少,指标不稳定,置信区间很宽,真实存在的差异也可能检测不出来;样本过多,成本、时间和对受试者的负担都会增加。国家统计局在 2023 年 11 月的统计知识文章里指出,必要样本容量与置信水平、总体方差和允许误差直接相关:置信水平越高、总体差异越大、允许误差越小,所需样本量越大。中国疾控中心公共卫生科学数据中心把样本含量估计概括为,在保证研究结论具有一定可靠性的条件下,确定最少的实验或调查单位数。两个表述指向同一件事,样本量计算是在精度、把握和成本之间找平衡。

二、样本量由哪些参数决定

一次样本量计算通常要先确定七类输入。

参数含义对样本量的影响
研究问题与指标类型估计比例、估计均值,还是比较两组决定公式;比较两组通常需要更多样本
置信水平或显著性水平结果需要多大把握;常用 95%,对应 α=0.05置信水平越高,样本量越大
允许误差或最小可检测效应结果允许偏离多少;实验希望识别多大提升要求越精细,样本量越大
统计功效真实存在差异时能检测出来的概率;常用 80% 或 90%功效越高,样本量越大
总体变异程度或预期比例均值场景看标准差,比例场景看 p变异越大,样本量越大;p 接近 0.5 时最保守
总体规模与抽样方式有限总体、简单随机、分层、整群、配额有限总体可校正;整群抽样常需设计效应放大
脱落与无效样本问卷无效、用户未曝光、实验污染按有效回收率上调实际发放量

统计功效常被忽略。它描述真实差异存在时,实验能把它识别出来的概率。功效设为 80%,意味着在真实差异存在的前提下,仍有约 20% 的概率得到不显著的结果。把功效提高到 90%,样本量会明显增加。

三、比例估计的样本量怎么算

估计总体比例时,常用 Cochran 公式:

n0 = z² × p × (1 - p) / e²

z 是置信水平对应的标准正态分位数,p 是预期比例,e 是允许误差。z 值可以查表:置信水平 90% 对应 1.645,95% 对应 1.96,99% 对应 2.576。p 未知时取 0.5,p 乘以 1 减 p 在这一点的值最大,算出的样本量最保守。

1. 一个比例估计的例子

要求在 95% 置信水平下,把误差控制在 ±5 个百分点。取 p=0.5,代入公式:

n0 = 1.96² × 0.5 × 0.5 / 0.05² = 384.16

向上取整,需要 385 个有效样本。这个结果与许多调查工具的默认值一致,原因是公式和假设相同,数字接近并不奇怪。

2. 有限总体怎么校正

如果总体规模不大,并且采用不放回抽样,可以用有限总体校正:

n = n0 / [1 + (n0 - 1) / N]

假设总体有 1 万人,n0 取 384.16,代入后 n 约为 370。校正后的样本量比 385 小,因为总体不大时,样本已经覆盖了较高比例。总体越大,校正的影响越小;总体超过几十万时,校正通常可以忽略。

四、A/B 测试的样本量怎么算

问卷公式不能直接套到 A/B 测试。A/B 测试比较两组比例或均值,样本量由基线转化率、最小可检测效应、显著性水平和统计功效共同决定。样本量同时受基线转化率与提升口径影响:在常见的低于50%转化率范围,固定绝对提升时,较低基线通常对应更小方差;固定相对提升时则不能套用这一结论。希望识别的提升越小,所需样本越大。Statsig 在 2025 年 6 月的 MDE 文章里把最小可检测效应解释为实验能够可靠识别的最小真实效应,并指出提高 MDE 会减少所需样本,但可能漏掉更小的改进。

1. 最小可检测效应决定实验规模

以基线转化率 10%、希望识别 1 个百分点的绝对提升、双侧 α=0.05、功效 80% 为例,按两组比例比较的常用公式估算,每组约需 1.47 万用户,两组合计约 2.95 万。若把提升目标改成 0.5 个百分点,样本量大约增加到四倍;若把功效提高到 90%,样本量也会继续增加。

相对提升和绝对提升要分清。10% 的相对提升在 10% 的基线上是 1 个百分点,在 2% 的基线上只有 0.2 个百分点。后者所需样本会大得多。单侧检验与双侧检验、等比例分流与不等比例分流、一个实验组与多个实验组,也都会改变结果。

样本单位也要写清楚。按用户随机分组时,样本量指用户数;按会话或曝光随机分组时,样本量指会话数或曝光数。一个用户多次进入实验,观测之间不独立,有效样本量会小于原始记录数。多指标同时比较时,还要考虑多重比较带来的假阳性风险。

五、算出的样本量为什么不等于实际发放量

样本量计算得到的是有效样本数。问卷会有无效回答和未回收,实验会有未曝光用户、埋点缺失和分流不均,临床研究会有退出。实际招募或发放量要按有效率和脱落率上调。需要 1000 份有效问卷,预计有效回收率 60%,就要发出约 1667 份。

抽样方式也会改变结果。整群抽样、分层抽样、配额抽样各有设计效应,不能直接用简单随机抽样的公式。整群抽样中同一群内的个体相似度越高,设计效应越大,所需样本越多。分层抽样如果分层变量与目标指标相关,可能提高精度,所需样本反而少于简单随机抽样。

执行阶段还要检查分流。实验组和对照组的实际比例是否符合设计,指标分母是否一致,样本是否来自目标总体。样本量算得再精确,样本有偏也不能靠扩大规模修正。

六、企业里怎么用样本量计算

企业里的样本量计算通常出现在三类任务:用户调研、产品实验、运营活动效果评估。落地时可以按四步走。

1. 先固定指标口径

先把指标定义和分母写清楚,再谈样本。转化率按用户、会话还是订单计算,活跃用户按登录还是按关键行为定义,都会改变基线值和所需样本。ThinkingAI 的企业级知识库以 SSOT 保证同一概念全系统只有一处定义,适合把这类口径先固定下来。

2. 再积累基线数据

历史转化率、留存率、客单价方差、实验分流比例,都是样本量计算的输入。没有历史数据时,可以先做小规模预调查,或用保守假设。保守假设会带来更大的样本量,但能降低实验因为样本不足而失败的风险。

3. 把样本量写进实验设计

样本量应该在实验开始前确定,和显著性水平、功效、最小可检测效应、计划周期、停止规则一起记录。A/B 测试平台可以把分流、曝光、指标计算和显著性判断放在同一套流程里。ThinkingAI 的 A/B 测试与数据分析能力覆盖实验分析、漏斗分析、事件分析等常用环节,服务过全球 1500 家企业、接入产品超过 8000 款。这些经验的价值在于,很多口径问题在实验开始前就能被识别,而不是等结果出来再解释。

4. 复盘时区分没效果和样本不够

实验结束后,如果结果不显著,要回看计划样本量、实际样本量、实际效应和置信区间。实际样本量不足、实际效应小于最小可检测效应,都可能让一个有效改动看起来没有效果。把这几个数字放在一起,复盘才有依据。

七、样本量计算的常见边界

概率抽样下,样本量计算才有明确的理论含义。便利抽样、滚雪球抽样可以估算规模,但置信区间和显著性检验的适用条件更弱。

统计显著不等于业务显著。样本量足够大时,很小的差异也可能显著;是否值得上线,还要看收益、成本和风险。

样本量增加会缩小抽样误差,但不会消除抽样框偏差、测量误差和无回答偏差。样本有偏时,扩大规模不能自动修正。

估计精度随样本量增加而提高,但提升速度递减。样本量从 1000 增加到 4000,误差大致减半;再从 4000 增加到 16000,误差再减半。成本会同步上升,规模和精度要一起权衡。

常见问题

1. 样本量计算和抽样调查是什么关系

抽样调查是收集数据的方式,样本量计算是抽样设计的一步,用来确定抽多少个体、如何分配。样本量计算也用于实验、临床试验和质量检验。

2. 95% 置信水平是什么意思

在重复抽样的假设下,按同样方法构造的区间中约有 95% 会覆盖真实值。它描述的是方法的长期覆盖率,不是某一次区间包含真实值的概率。

3. 预期比例未知时为什么取 0.5

p 乘以 1 减 p 在 p=0.5 时最大,方差最大,算出的样本量最大。真实比例偏离 0.5 时,所需样本通常更少。取 0.5 是用更大的样本量换取稳妥。

4. 样本量越大结果越准吗

概率抽样下,样本量增加会缩小抽样误差,但不会消除偏差。样本有偏时,扩大规模不能自动修正。

5. 小样本一定不可靠吗

要看研究问题和效应大小。效应很大、测量稳定时,小样本也可能检测到差异;但小样本的置信区间更宽,结论稳定性更弱,解释时要更谨慎。

6. A/B 测试最少要跑多久

由每组所需样本量和日均符合条件的流量决定。用每组所需样本除以每天可进入实验的用户数,再覆盖至少一个完整业务周期,避免只观察部分工作日。

参考资料

  • 国家统计局,估计总体均值时样本量的确定,2023 年 11 月 16 日,https://www.stats.gov.cn/zs/tjll/csgj/202311/t20231116_1944642.html
  • 中国疾病预防控制中心公共卫生科学数据中心,样本含量估计,https://www.phsciencedata.cn/Share/wiki/wikiView?id=c9147e2f-ee44-4ba1-bc59-89cf27f8d174
  • CRAN,cochranSize:Cochran's formula for survey sample size,https://cran.r-project.org/web/packages/cochranSize/readme/README.html
  • Statsig,MDE in A/B testing: Setting realistic expectations for your experiments,2025 年 6 月 23 日,https://www.statsig.com/perspectives/mde-ab-testing-expectations

推荐文章

准备好构建你的 Agent 团队了吗

立即体验 Agentic Engine, 让 AI 成为真正的团队成员

ThinkingAI Big Logo
电话咨询