抽樣誤差計算器 - 誤差幅度

抽樣誤差是研究母體子集（樣本）而非整個母體時不可避免的結果。由於每個樣本都只是整體的一部分，由它計算出的統計量（例如平均數或比例）會與真實母體值略有不同。抽樣誤差就是對這種不確定性的量化。 本計算器會計算兩個密切相關的量：標準誤 (SE) 與誤差幅度 (MoE)。標準誤是抽樣分布的標準差，用來衡量樣本統計量在不同樣本之間的變動程度。誤差幅度則進一步將 SE 乘以你所選信賴水準對應的 Z 分數，給出一個很可能包含真實母體參數的範圍。 對於比例，標準誤為 SE = √[p(1–p)/n]，其中 p 是觀察到的樣本比例，n 是樣本數。對於平均數，標準誤為 SE = s/√n，其中 s 是樣本標準差，n 是樣本數。在兩種情況下，SE 都會隨著樣本數增加而下降，反映較大的樣本能產生更精確的估計。 當樣本數超過母體大小 N 的 5% 時，應套用有限母體校正 (FPC) 因子：SE_adj = SE × √[(N–n)/(N–1)]。此校正會降低 SE，因為母體中很大一部分已被直接測量。如果母體非常大或未知，FPC 的影響可忽略，通常可以安全省略。 誤差幅度 (MoE) = Z × SE_adj，其中 Z 是所選信賴水準對應的 Z 分數（80% 為 1.282，90% 為 1.645，95% 為 1.960，99% 為 2.576）。MoE 給出信賴區間的半寬：如果樣本比例為 55%，MoE 為 ±3%，你就可以在指定信賴水準下相信真實母體比例介於 52% 到 58% 之間。 抽樣誤差不同於測量誤差、回應偏差、涵蓋偏差與資料輸入錯誤等非抽樣誤差。非抽樣誤差來自資料收集或處理方式的缺陷，而不是隨機抽樣本身。抽樣誤差可透過增加樣本數降低，而非抽樣誤差則需要改進研究設計、問題措辭與資料品質流程。 本計算器適合調查研究人員、民調工作者、品質管制工程師，以及任何需要以清楚、定量方式傳達樣本估計不確定性的人使用。