抽样误差计算器 - 误差幅度

抽样误差是研究总体子集（样本）而不是整个总体时不可避免的结果。由于每个样本只是整体的一部分，由其计算出的统计量（例如均值或比例）会与真实总体值略有差异。抽样误差正是对这种不确定性的量化。 本计算器会计算两个密切相关的量：标准误差 (SE) 和误差幅度 (MoE)。标准误差是抽样分布的标准差，用于衡量样本统计量在不同样本之间的变动程度。误差幅度则在此基础上乘以与你选择的置信水平对应的 Z 分数，给出一个很可能包含真实总体参数的范围。 对于比例，标准误差为 SE = √[p(1–p)/n]，其中 p 是观测到的样本比例，n 是样本量。对于均值，标准误差为 SE = s/√n，其中 s 是样本标准差，n 是样本量。在两种情况下，SE 都会随着样本量增加而降低，这反映了较大的样本能产生更精确的估计。 当样本量超过总体大小 N 的 5% 时，应应用有限总体校正 (FPC) 因子：SE_adj = SE × √[(N–n)/(N–1)]。该校正会降低 SE，因为总体中很大一部分已经被直接测量。如果总体非常大或未知，FPC 的影响可以忽略，通常可以安全省略。 误差幅度 (MoE) = Z × SE_adj，其中 Z 是所选置信水平对应的 Z 分数（80% 为 1.282，90% 为 1.645，95% 为 1.960，99% 为 2.576）。MoE 给出置信区间的半宽度：如果样本比例为 55%，MoE 为 ±3%，则你可以在指定置信水平下相信真实总体比例位于 52% 到 58% 之间。 抽样误差不同于测量误差、响应偏差、覆盖偏差和数据录入错误等非抽样误差。非抽样误差来自数据收集或处理方式中的缺陷，而不是随机抽取样本本身。抽样误差可以通过增加样本量来降低，而非抽样误差则需要改进研究设计、问题措辞和数据质量流程。 本计算器适合调查研究人员、民意调查人员、质量控制工程师，以及任何需要以清晰、定量方式传达样本估计不确定性的人使用。