如何确定论文研究样本量

样本量n=C²σ²/p² P — 精度（Precision），也称精确度，由审计师设定，代表样本与总体之间的可接受误差范围。在属性抽样中，精度以百分比表示，在变量抽样中，精度用一个数值表示。精度值越大，样本量越小，总体误差值就越大；反之，精度值越小，样本量越大，总体误差值就越小，但增加了抽样工作量。 σ— 总体标准差（Population Standard Deviation），是衡量总体中个别单位偏离总体平均值的离散程度的指标，标准差越大，样本量越大，用于变量抽样中。 假设这组数据的平均值是m 方差公式s^2=1/n[(x1-m)^2+(x2-m)^2+...+(xn-m)^2] 标准差是方差开方后的结果(即方差的算术平方根) 精度还是你看情况决定的 可以看看这个 样本量n=C²σ²/p² — 置信系数（Confidence Coefficient），也称置信水平、可信因子，是以百分比（90%、95%、99%等）表示的抽样结果能够代表总体的概率。一般而言，95%的置信水平则认为高度满意，置信水平越高，样本量越大。1减去置信系数为风险水平（Level of Risk），是样本结果不能代表总体的概率。例如C选95%，即抽样结果能够代表总体的概率为95% — 精度（Precision），也称精确度，由审计师设定，代表样本与总体之间的可接受误差范围。在属性抽样中，精度以百分比表示，在变量抽样中，精度用一个数值表示。精度值越大，样本量越小，总体误差值就越大；反之，精度值越小，样本量越大，总体误差值就越小，但增加了抽样工作量。比如你可以接受的样本与总体之间的误差范围是0~90%3.σ— 总体标准差（Population Standard Deviation），是衡量总体中个别单位偏离总体平均值的离散程度的指标，标准差越大，样本量越大，用于变量抽样中。 假设这组数据的平均值是m 方差公式s^2=1/n[(x1-m)^2+(x2-m)^2+...+(xn-m)^2] 标准差是方差开方后的结果(即方差的算术平方根) 这个你会算吧所以 样本量n=C²σ²/p²你相应把数代进去

具体确定样本量还有相应的统计学公式，不同的抽样方法对应不同的公式。

根据样本量计算公式，不难知道，样本量的大小不取决于总体的多少，而取决于：

(1) 研究对象的变化程度；

(2) 所要求或允许的误差大小（即精度要求）；

(3) 要求推断的置信程度。

样本量n=C²σ²/p²

P — 精度（Precision），也称精确度，由审计师设定，代表样本与总体之间的可接受误差范围。在属性抽样中，精度以百分比表示，在变量抽样中，精度用一个数值表示。精度值越大，样本量越小，总体误差值就越大；反之，精度值越小，样本量越大，总体误差值就越小，但增加了抽样工作量。

样本量是指总体中抽取的样本元素的总个数，应用于统计学、数学、物理学等学科。样本量大小是选择检验统计量的一个要素。由抽样分布理论可知，在大样本条件下，如果总体为正态分布，样本统计量服从正态分布；如果总体为非正态分布，样本统计量渐近服从正态分布。

参考资料：百度百科-样本量

具体确定样本量还有相应的统计学公式，不同的抽样方法对应不同的公式。

根据样本量计算公式，不难知道，样本量的大小不取决于总体的多少，而取决于：

(1) 研究对象的变化程度；

(2) 所要求或允许的误差大小（即精度要求）；

(3) 要求推断的置信程度。

样本量n=C²σ²/p²

P — 精度（Precision），也称精确度，由审计师设定，代表样本与总体之间的可接受误差范围。在属性抽样中，精度以百分比表示，在变量抽样中，精度用一个数值表示。精度值越大，样本量越小，总体误差值就越大；反之，精度值越小，样本量越大，总体误差值就越小，但增加了抽样工作量。

样本容量的大小涉及到调研中所要包括的单元数。样本容量是对于你研究的总体而言的，是在抽样调查中总体的一些抽样。

比如：中国人的身高值为一个总体，你随机取一百个人的身高，这一百个人的身高数据就是总体的一个样本。某一个样本中的个体的数量就是样本容量。注意：不能说样本的数量就是样本容量，因为总体中的若干个个体只组成一个样本。样本容量不需要带单位。

在假设检验里样本容量越大越好。但实际上不可能无穷大，就像你研究中国人的身高不可能把所有中国人的身高都量一量一样。

扩展资料：

样本量应用于统计学、数学、物理学等学科。样本量大小是选择检验统计量的一个要素。由抽样分布理论可知，在大样本条件下，如果总体为正态分布，样本统计量服从正态分布；如果总体为非正态分布，样本统计量渐近服从正态分布。

选择合适的样本容量，既能满足模型估计的需要，又能减轻收集数据的困难，是一个重要的实际问题。

(1) 最小样本容量

所谓“最小样本容量”，即从普通最小二乘法原理出发，欲得到参数估计量，不管其质量如何，所要求的样本容量的下限，它是：n≥k+1

其中，k为解释变量的数目。

(2) 满足基本要求的样本容量

一般经验认为，当n≥30或者至少n≥3(k+1)时，才能满足模型估计的基本要求。

合理确定样本容量的意义：

1.样本容量过大，会增加调查工作量，造成人力、物力、财力、时间的浪费；

2.样本容量过小，则样本对总体缺乏足够的代表性，从而难以保证推算结果的精确度和可靠性；

3.样本容量确定的科学合理，一方面，可以在既定的调查费用下，使抽样误差尽可能小，以保证推算的精确度和可靠性；另一方面，可以在既定的精确度和可靠性下，使调查费用尽可能少，保证抽样推断的最大效果。

参考资料：百度百科——样本量