2026 年 11 月 23 日 · 学术写作方法站 · 选题 / 文献 / 方法 / 写作 / 引用 / 答辩
公告 提供论文相关的正规学术研讨及论文经验交流
研究方法

样本量与代表性:最容易被忽略的一节

方法章里被追问最多的两个问题是:样本够不够大、样本代表不代表总体。两者是不同的东西,很多人混为一谈。

样本量:够不够做统计

不同分析对样本量的要求不同,粗略参考:

分析 最低样本 经验法则
描述统计 / 百分比 100+ 每个分组至少 30
相关 / 简单回归 80+ 每个自变量 15–20 例
多元回归 150+ 每自变量 20 例以上
因子分析 200+ 题项数的 5–10 倍
结构方程模型 250+ 观测变量数的 10 倍
定性访谈 12–20 以信息饱和为准

如果样本达不到,两个正当做法:简化分析(只做描述与相关,不做复杂模型)、在局限里明确说明并讨论影响。不正当做法是硬跑模型然后不报告效力分析。

代表性:能不能推到总体

代表性取决于抽样方法,不是数量。200 份便利抽样(比如只在朋友圈发),代表性不如 80 份分层随机抽样。

抽样方法 代表性 适用
简单随机 高 有完整抽样框
分层随机 高 总体内部差异大(如按年级分层)
系统抽样 中高 名单有序且无周期规律
便利抽样 低 探索性研究,需明确说明局限
滚雪球 低 难以触及的群体(如特定职业)
目的性抽样 不适用 定性研究,追求信息密度而非代表性

怎么写这一节

一段合格的样本描述包含五件事:

  1. 总体:你研究的对象整体是谁(如「2024 年入学的中国籍授课型硕士生」)。
  2. 抽样框:从哪个名单里抽(如「三所大学的国际学生邮箱列表」)。
  3. 方法:怎么抽的,为什么这么抽。
  4. 实际样本:发出多少、回收多少、有效多少、有效率多少。
  5. 样本特征表:性别、年龄、专业、地区分布,并与总体对比。

第五项最关键:把样本分布与总体分布并列,读者自己就能判断偏差。如果女性占 78% 而总体是 52%,你要在局限里讨论这个偏差如何影响结论。

无应答偏差(non-response bias)

回收率低于 30% 时,要讨论「没回答的人和回答的人可能不同」。一个简单检验:比较早回收与晚回收样本的核心变量,如果差异显著,说明存在无应答偏差。

审稿人不会因为你样本小就否定你,但一定会因为你假装样本没问题而否定你。诚实写局限,比硬撑更有说服力。

定性研究的「样本量」怎么说

定性研究不谈统计效力,谈信息饱和(saturation)。写法:「访谈进行至第 14 位时,新增编码数量降至 2 个以下,第 16–18 位未出现新主题,判定达到饱和。」这句话比「共访谈 20 人」有说服力得多。

说明:本文为学术写作方法性说明,供学习参考。各校的学术规范、评分标准与 AI 使用政策由学校自行制定且可能调整,执行前请以你所在学校与课程的官方文件为准。本站不提供代写服务。
RELATED

相关阅读

研究方法

问卷设计的十个常见错误

一份问题设计糟糕的问卷,回收 500 份也救不回来。这十个错误,每一个都会直接污染数据。

2026.11.093 分钟
↑