Kalkylator för urvalsstorlek i enkäter

Urvalsstorlek i en enkät är antalet fullständiga svar som ingår i din analys, skrivet som n. Det är något annat än antalet inbjudningar eller antalet personer på din lista. Under kalkylatorns antaganden om urvalet ger ett större urval en mindre felmarginal; det tar inte bort snedvriden rekrytering eller dåligt formulerade frågor.

Kalkylator för urvalsstorlek

Ingenting är gömt bakom en registrering och ingenting skickas någonstans. Kalkylatorn körs i din webbläsare, börjar med ett uträknat svar redan på skärmen och visar formeln och uträkningen den använde, så att du kan kontrollera den eller göra om den för hand.

Vad urvalsstorlek betyder

Urvalsstorlek är antalet personer som fyller i hela din enkät. Den skrivs som n i varje formel på den här sidan, den är den enda storhet som du får genom fältarbete i stället för att bestämma på papperet, och den är siffran som din felmarginal beräknas från.

Tre antal förväxlas med den, och att skilja dem åt är det mesta av vad en urvalsplan gör:

• Population (N): alla du vill beskriva. En kundlista, antalet anställda, ett land.
• Inbjudningar: hur många personer du kontaktar. Alltid fler än n, eftersom inte alla svarar.
• Urvalsstorlek (n): hur många fullständiga svar du har när fältarbetet är slut. Det är det antal som formeln dimensionerar, och det enda av de tre som påverkar din felmarginal.

Urvalsstorleken ger dig precision, som är bredden på plus/minus-intervallet kring varje resultat. Den ger dig inte riktighet, som handlar om huruvida de som svarade liknar dem som inte gjorde det. Ett stort bekvämlighetsurval kan ligga längre från sanningen än ett litet slumpmässigt, och inget värde på n reparerar det. Där planeringen av urvalsstorlek går fel förklarar skillnaden, och hur du drar urvalet är det som avgör den.

Det korta svaret, om du bara vill ha en siffra

Formeln för urvalsstorlek, och hur du räknar för hand

För en enkät som redovisar en andel är den vanliga utgångspunkten urvalsstorleken för en population som är så stor att den kan behandlas som obegränsad:

n0 = (z^2 x p x (1 - p)) / E^2

Läst från vänster till höger:

• n0 är antalet fullständiga svar som krävs, före eventuell korrektion för populationen.
• z är z-värdet för din konfidensnivå. Använd 1,96 för 95 procent.
• p är den andel du räknar med att mäta, som decimaltal. Använd 0,5 om du inte vet.
• E är felmarginalen som decimaltal. Fem procentenheter är 0,05.

Symbolen för urvalsstorlek är n. Vissa källor skriver den okorrigerade siffran som n0 och den korrigerade som n, och det är den konvention som används här.

Räknat exempel: från 385 till en lista över inbjudna

Scenario. Du vill veta hur stor andel av kunderna som skulle rekommendera dig. Du vill ha 95 procents konfidensnivå och plus/minus 5 procentenheter. Du har ingen tidigare skattning, så p = 0,5.

1. Välj konfidensnivå och felmarginal

   95 procents konfidensnivå ger z = 1,96. Plus/minus 5 procentenheter är E = 0,05.

2. Välj ett förväntat resultat

   p = 0,5, eftersom det inte finns någon tidigare skattning och 0,5 ger det största urvalet. Ingenting du får veta senare kan lämna dig med för få svar.

3. Använd formeln för urvalsstorlek

   n0 = (1.96^2 x 0.5 x 0.5) / 0.05^2

   n0 = (3.8416 x 0.25) / 0.0025 = 0.9604 / 0.0025 = 384.16

   Avrunda uppåt: 385 fullständiga svar. Avrunda alltid uppåt. Du kan inte samla in en bråkdel av en enkät.

4. Korrigera för en liten population

   Om kunderna utgör en lista på 1 000 i stället för en öppen marknad, tillämpa korrektionen: n = 384,16 / (1 + 383,16 / 1 000) = 384,16 / 1,38316 = 277,7, alltså 278 fullständiga svar. Korrektionen får effekt först när urvalet är en stor andel av populationen.

5. Gör om fullständiga svar till inbjudningar

   Vid en svarsfrekvens på 30 procent är inbjudningar = 278 / 0,30 = 926,7, så bjud in 927 personer. Fullständiga svar är vad formeln dimensionerar. Inbjudningar är vad du faktiskt skickar, och de kan aldrig bli fler än den population du drar från.

Vid 95 procents konfidensnivå och p = 0,5 förenklas hela formeln till 0,9604 delat med E i kvadrat. Den enda genvägen besvarar de flesta frågor om urvalsstorlek på en rad, och det är därför 385 dyker upp i tabeller över urvalsstorlek som du hittar på andra ställen.

Tabell över urvalsstorlek för vanliga populationsstorlekar

Siffrorna är beräknade med formeln ovan vid 95 procents konfidensnivå, plus/minus 5 procentenheter och p = 0,5, och sedan korrigerade för populationen. De två sista kolumnerna är vår egen kontroll mot tabellen som Krejcie och Morgan publicerade 1970, som är den tabell de flesta metodkapitel hänvisar till.

Så kontrollerade vi det. Vi körde formeln för 21 populationsstorlekar och jämförde varje resultat med det publicerade värdet från Krejcie och Morgan. Tolv stämde exakt. De övriga nio skilde sig med exakt ett svar, vilket beror på var respektive metod avrundar, inte på någon oenighet om uträkningen. Om en handledare frågar varför din siffra skiljer sig med ett från tabellen är det förklaringen.

Värt att veta om du hänvisar till den tabellen: Krejcie och Morgan härledde inte någon egen formel. Deras artikel från 1970 är ungefär 400 ord plus en tabell, och dess enda källhänvisning tillskriver formeln en forskningsbulletin från 1960 utgiven av National Education Association. Deras egen sammanfattning av mönstret är fortfarande den bästa beskrivningen på en rad: när populationen växer ökar det nödvändiga urvalet i avtagande takt och stannar vid drygt 380 fall.

Att välja indata, ett i taget

Fyra tal styr svaret. Tre av dem är beslut, inte fakta, och för vart och ett finns ett försvarbart sätt att välja.

Konfidensnivå: hur ofta metoden har rätt

Konfidensnivån beskriver metoden, inte just den här enkäten. Vid 95 procents konfidensnivå innehåller intervall som tas fram på det här sättet det sanna värdet 95 gånger av 100 i det långa loppet. Det är inte 95 procents chans att just ditt svar är rätt.

Använd 95 procent om du inte har skäl att låta bli. Att gå upp till 99 procent ökar urvalet från 385 till 664 för samma precision, en kostnadsökning på 72 procent som ger väldigt lite tillbaka. Det närliggande begreppet vid hypotesprövning är alfa, och det är därför många blandar ihop de två. Om den skillnaden känns oklar, läs statistisk signifikans och vad p-värden betyder innan du väljer en siffra.

Felmarginal: beslutsvariabeln

Det här är den du ska tänka hårdast på, eftersom den är den enda parametern som kopplar urvalet till ett beslut. Välj den genom att fråga dig vilken skillnad som skulle ändra vad du gör.

Om du agerar olika när nöjdheten är 72 procent i stället för 74 procent behöver du en snäv felmarginal. Om du bara agerar vid 72 mot 82 räcker plus/minus 5 procentenheter gott. Övergripande redovisning brukar landa på 5 procentenheter för en snabb lägesbild eller 3 procentenheter för uppföljning över tid. Under 2 procentenheter stiger kostnaden snabbt.

Populationens storlek: oftast oviktig, tills den inte är det

För stora populationer rör sig det nödvändiga urvalet knappt. Tiotusen personer kräver 370 svar. Hundratusen kräver 383. Populationens storlek får betydelse först när ditt urval är en märkbar andel av den, vilket är fallet för personallistor, medlemsregister och skolårskullar. Det är vad nästa avsnitt tar upp.

Förväntat resultat (p): använd 0,5 när du inte vet

För en fråga om en andel styrs osäkerheten av p gånger (1 minus p). Den termen är störst vid p = 0,5, så 0,5 är det försiktiga valet och ger det största urvalet. Det är rätt standardvärde när du inte har någon tidigare skattning.

Om du har en, använd den, för besparingen är stor. Vid 95 procents konfidensnivå och plus/minus 5 procentenheter kräver p = 0,5 385 svar och p = 0,9 kräver 139. Tidigare enkäter, en pilotstudie eller ett publicerat riktmärke är alla rimliga källor till den skattningen. Brusiga frågor ökar också spridningen, så tydligare formuleringar kan stabilisera ett resultat utan några extra svar. Att skriva bättre enkätfrågor är ofta billigare än att samla in fler svar.

Små populationer: korrektionen för ändlig population

Grundformeln förutsätter att du drar från en så stor mängd att det inte påverkar något att plocka ut personer ur den. När ditt urval utgör en märkbar del av populationen gör det antagandet att du betalar för mycket. Korrektionen för ändlig population ger dig tillbaka svaren.

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

• n är det korrigerade antalet fullständiga svar du behöver.
• n0 är den okorrigerade siffran från formeln ovan.
• N är populationens storlek.

Den vanliga tumregeln är att korrigera när n0 är mer än ungefär 5 procent av N. Under det ändrar korrektionen nästan ingenting, så den är inte värd att förklara för någon.

Räknat exempel: en medarbetarenkät

Scenario. Du har 1 200 anställda. Du vill ha 95 procents konfidensnivå, plus/minus 5 procentenheter, och du använder p = 0,5.

• Okorrigerat, n0 = 384,16.
• Korrigerat: n = 384,16 / (1 + (383,16 / 1 200)) = 384,16 / 1,3193 = 291,2.
• Avrunda uppåt: 292 fullständiga svar.

Utan korrektionen skulle du jaga 385 svar från en lista på 1 200, vilket är 32 procent av alla. Med den ger 292 samma precision. På en lista av den storleken är det en månads jagande som du slipper.

Felmarginal: samma formel, baklänges

Felmarginalen är plus/minus-intervallet kring ett enkätresultat som uppstår för att du har frågat några personer i stället för alla. Om 62 procent av 385 deltagare väljer ett alternativ och felmarginalen är 5 procentenheter, redovisar du 62 procent och anger att det rimliga intervallet går från 57 till 67 procent.

Om du skriver om formeln för urvalsstorlek och löser ut E får du:

E = z x kvadratroten ur (p x (1 - p) / n)

Med en ändlig population multiplicerar du det med kvadratroten ur (N - n) delat med (N - 1). Båda varianterna finns i kalkylatorn nedan, som växlar automatiskt när du markerar eller avmarkerar rutan för populationen.

Ökar felmarginalen med urvalsstorleken?

Den minskar, och den minskar med kvadratroten ur n. Den kvadratroten är hela enkätekonomin. Fyrahundra svar ger dig halva felet jämfört med hundra. För att halvera det igen behöver du 1 600. Varje ytterligare decimal i precision kostar ungefär fyra gånger så mycket fältarbete, och det är därför 385 är en så vanlig landningspunkt: det är där kostnad och precision slutar bråka.

Fyra begrepp som blandas ihop

Standardfel, felmarginal, konfidensnivå och konfidensintervall används som om de vore utbytbara. Det är fyra olika saker, och skillnaden spelar roll när någon ifrågasätter din siffra.

Kortversionen: standardfelet är en egenskap hos dina data, konfidensnivån är ett val du har gjort, felmarginalen är de två multiplicerade med varandra, och konfidensintervallet är det du skriver i rapporten.

Vad felmarginalen inte täcker

Den täcker slumpmässiga urvalsfel och ingenting annat. Den täcker inte personer som struntade i inbjudan, en lista som saknade en del av populationen eller en fråga som hälften av dina deltagare läste på ett annat sätt än du menade. En enkätundersökning kan ha en prydlig felmarginal och ändå ha fel. Se svarsbias och bortfallsfel för de fel som ingen urvalsstorlek rättar till.

Branschorganisationen för enkätforskning uttrycker det rakare än de flesta leverantörer gör. AAPOR konstaterar att det inte finns något sådant som en mätbar total felmarginal för en opinionsundersökning, eftersom undersökningar bär på andra fel som inte går att mäta alls, från hur frågorna skrevs till hur intervjuerna genomfördes. Det du kan beräkna är urvalsdelen. Det är den delen kalkylatorn ger dig, och det är värt att vara tydlig med att det är en del.

Två regler för språkbruket från samma källa, som de flesta enkättexter bryter mot:

• Det är procentenheter, inte procent. Skriv ”plus/minus 3 procentenheter”, inte ”plus/minus 3 procent”. De betyder olika saker.
• Den gäller inte alls för självrekryterade urval. En felmarginal förutsätter att varje person hade en känd sannolikhet större än noll att väljas ut. En öppen länk, en panel av frivilliga eller ett inlägg i sociala medier uppfyller inte det. Att publicera en felmarginal bredvid resultat från en öppen länk är att påstå en precision du inte har täckning för.

Att göra om fullständiga svar till inbjudningar

Formeln ger dig färdiga svar. Fältarbetet ger dig en svarsfrekvens. Det är i glappet mellan dem som urvalsplaner brukar spricka, och uträkningen är en rad:

Inbjudningar = fullständiga svar som krävs / förväntad svarsfrekvens

Använd frekvensen som decimaltal, så att 30 procent blir 0,30, och avrunda uppåt. För 292 fullständiga svar vid 35 procent blir det 292 delat med 0,35 = 834,3, så bjud in minst 835 personer.

Att välja en svarsfrekvens du kan försvara

Din egen historik slår alla publicerade riktmärken, så länge det är samma målgrupp, samma kanal och en enkät av liknande längd. Om du inte har något att gå på, planera tre scenarier med 20, 30 och 40 procent och behandla listan över inbjudna som en justerbar spak under fältarbetet. Påminnelser, en längre svarsperiod och en bredare lista är allt sådant du kan ändra under tiden. Målet för fullständiga svar är det inte.

De flesta tabeller med riktmärken på internet anger ett enda genomsnitt utan källa. Det finns inget enda genomsnitt. Här är vad primärkällorna faktiskt redovisar, så att du kan hänvisa till den rad som motsvarar din situation i stället för en siffra som någon hittat på.

Två saker framgår av tabellen. För det första: storleken på den grupp du undersöker förutsäger svarsfrekvensen bättre än nästan allt annat du kan styra över. Ett företag med 300 personer och en myndighet med 300 000 personer genomför inte samma enkät. För det andra är det ofta upprepade påståendet att svarsfrekvenserna rasar överallt bara sant på vissa ställen. Telefonundersökningarna rasade. Publicerad organisationsforskning gick åt andra hållet, från 48 procent till 68 procent på femton år.

Ytterligare en planeringsberäkning som är värd att låna: den vanliga riktlinjen är att lägga till ungefär 10 procent på listan över inbjudna för personer du helt enkelt inte kan nå, och ungefär 30 procent för personer som skulle kunna svara men inte gör det.

Vad vår egen samling mallar säger om längd

En svarsfrekvens som lånats från någon annans enkät går dåligt att överföra, och längden är en av få saker på den listan som du har full kontroll över. Här är en siffra som vi kan ta fram och en konkurrent inte kan, eftersom den kommer från att räkna vår egen publicerade samling i stället för att fråga yrkesverksamma vad de tror att de gör.

I vår genomgång den 21 augusti 2026 hade alla 87 enkätmallar 14 frågor eller färre, och 86 hade 10 frågor eller färre. Tillsammans innehöll de 799 frågor. Medianen var 9 frågor och exakt en mall hade fler än 10. Siffrorna beskriver den daterade ögonblicksbilden, inte det nuvarande biblioteket.

Efter svarsformat är 355 av de 799 frågorna skattningsskalor, 281 är listor med ett val och 163 ber läsaren skriva något. Den sista gruppen är den som kostar dig fullföljda svar, så vi läste den för hand i stället för att lita på det lagrade fältet. Av de 163 är 137 kommentarsrutor med flera rader. De övriga 26 är rutor med en rad, och genomläsningen visade att 22 är korta fält för identifiering eller klassificering: ett namn, en e-postadress, ett datum, en avdelning, en befattning. Bara 4 är korta svar med verkligt innehåll. Det ärliga antalet verkligt öppna frågor är alltså 141, eller ungefär en fråga av sex, inte en av fem som det råa fältet skulle ha gett oss.

Hur vi räknade, och hur vi kontrollerade det. Vi läste in den lagrade frågelistan för varje enkätmall som var publicerad på webbplatsen den 21 augusti 2026, behöll posterna med frågetext, hämtade sedan varje publicerad sida och jämförde de två uppsättningarna i stället för att lita på vår egen databas ensam. Alla 87 sidor svarade med HTTP 200, medan en adress som vi vet inte längre finns svarade med 410 i samma körning, så kontrollen kunde faktiskt skilja på rätt och fel i stället för att bara ge grönt överallt. 785 av de 799 frågorna, eller 98 procent, finns på den publicerade sidan. Sex av dessa träffar skiljer sig från databasen bara i vilket apostroftecken som används, och vi räknade dem som träffar, vilket vi hellre redovisar än tyst avrundar bort. Åttiosex av de 87 mallarna verifierades helt. Den som inte gjorde det är vår längsta, med 14 frågor, och dess publicerade sida visar för närvarande inga förhandsvisade frågor alls, så dess frågor kunde inte bekräftas utifrån.

Mallens längd säger inget om svarsfrekvensen bland inbjudna. Vårt separata riktmärke för enkätsvar undersöker beteendet efter att personer har interagerat med en enkät; det räknar inte alla som bjudits in. För att planera inbjudningar, använd en dokumenterad svarsfrekvens från ett jämförbart projekt eller en pilotstudie, och håll nämnaren konsekvent.

Den praktiska nyttan är begränsad men verklig. Om du lånar en svarsfrekvens för antalet inbjudningar i kalkylatorn, låna den från en enkät av ungefär samma längd som den du ska skicka, till en liknande målgrupp i en liknande kanal. Våra egna publicerade frågeformulär har mellan 7 och 10 frågor, vilket är kortare än de flesta utkast är från början.

Fler inbjudningar ger dig inte mindre snedvridning

En låg svarsfrekvens skapar två problem som ser ut som ett. Det första är att du hamnar under ditt mål, så att din felmarginal blir bredare än du planerade. Det andra är att de som svarade kan skilja sig från dem som inte gjorde det, på sätt som har betydelse för ditt resultat.

Att bjuda in fler personer löser det första problemet. Det andra löser det inte med någon säkerhet. Groves och Peytcheva sammanställde 59 studier som mätte faktiskt bortfallsfel mot känd sanning och fann bara ett litet samband mellan en undersöknings svarsfrekvens och hur snedvriden den visade sig vara. Pew testade samma idé direkt: de körde ett frågeformulär två gånger, en gång med standardmetoder som gav en svarsfrekvens på 9 procent och en gång med ett mer krävande upplägg som gav 22 procent. Av de 40 frågor som de två undersökningarna hade gemensamt hamnade 28 inom 2 procentenheter från varandra.

Det ärliga motexemplet. Det resultatet går inte att generalisera till alla ämnen, och det är värt att veta var det brister. I nöjdhetsundersökningar är sambandet verkligt och stort. En studie av 717 patientnöjdhetsundersökningar på 164 schweiziska sjukhus fann att genomsnittlig nöjdhet och svarsfrekvens korrelerade med r = 0,61, eftersom förtjusta och rasande personer svarar medan den kluvna mitten inte gör det. Om du mäter CSAT eller NPS kan en stigande svarsfrekvens i sig flytta ditt resultat, och en låg svarsfrekvens smickrar dig troligen.

Alltså: jaga svarsfrekvens när du mäter vad människor tycker om dig. Behandla den inte som ett kvalitetsintyg när du mäter något annat.

Urvalsstorlek i kvantitativ forskning: vad ett metodkapitel behöver

Det finns ingen enskild bra urvalsstorlek för kvantitativ forskning, och en källa som ger dig en utan att fråga vad du mäter gissar. Det som får ett metodkapitel godkänt är inte ett stort tal. Det är ett angivet tal, med konfidensnivå, felmarginal, antagen andel och population angivna bredvid, och en namngiven formel.

Handledare brukar förvänta sig ett av fyra namngivna tillvägagångssätt. De stämmer för det mesta överens med varandra, och det är värt att veta vilket du förväntas använda.

Cochran, och varför allt annat är förenklingar av den

Cochrans formel är den högst upp på den här sidan: n0 = z i kvadrat gånger p gånger (1 minus p), delat med E i kvadrat, följt av korrektionen för ändlig population när populationen är liten. De andra namngivna metoderna låser några av dessa indata för att göra uträkningen kortare. När du vet det slutar familjen se ut som fyra konkurrerande regler och börjar se ut som en regel med tre förinställningar.

Yamane och Slovin: använd med öppna ögon

Formeln n = N / (1 + N x e^2) förekommer i tusentals uppsatser, oftast tillskriven Slovin. Den är snabb: för N = 1 000 och e = 0,05 ger den 286.

Tre saker är värda att veta innan du hänvisar till den.

• Det är Cochran med inställningarna fastsvetsade. Räknar man baklänges är formeln andelsformeln med p låst till 0,5, konfidensnivån låst till 95 procent och z avrundat från 1,96 till 2. Den kan inte besvara en fråga vid någon annan konfidensnivå, och den har ingen indata alls för hur varierande din population är. Två populationer av samma storlek men med helt olika spridning får samma svar, vilket inte kan stämma.
• Den avrundningen är skälet till att dess tal blir höga. Med z = 2 är formelns tak för en obegränsad population exakt 1 delat med e i kvadrat, alltså 400. Cochrans tak är 384,16, eftersom 1,96 i kvadrat är 3,8416 och inte 4. Varje Yamane-siffra i tabellen ovan är några procent större än Cochran-siffran av exakt det skälet. Om du någon gång har undrat varför två läroböcker ger dig två olika urvalsstorlekar för samma studie är det oftast förklaringen.
• Tillskrivningen håller inte. En statistisk tidskrift spårade formelns historia och kom fram till att ingen person vid namn Slovin går att hitta bakom den, och att den äldsta spårbara källan är Taro Yamanes lärobok från 1967. Wolfram MathWorld beskriver den som en ad hoc-formel utan matematisk stringens. Om din institution förväntar sig den, använd den och hänvisa till Yamane i stället för Slovin. Om du har ett val, använd Cochran, eftersom den klarar frågan om var de 95 procenten kom ifrån.

Tumregler, ärligt bedömda

De här cirkulerar flitigt. Vissa är användbara, vissa är folklore, och det hjälper att veta vilka som är vilka.

• Minst 30 per grupp. Rimligt som golv för jämförelser mellan grupper, inte som mål. Det kommer från var urvalsfördelningar börjar bete sig väl, inte från något krav på precision.
• Tio fall per variabel i en regression. En arbetsheuristik, flitigt använd och flitigt kritiserad. Ange den som en heuristik, aldrig som en regel.
• Tio procent av populationen. Den här är helt enkelt fel, och tabellen ovan visar varför. Tio procent av 100 000 är 10 000 svar, när 383 ger dig samma precision.
• Alltid 385. Rätt bara för en stor population vid 95 procent och 5 procentenheter. Ange den med de villkoren, annars betyder den ingenting.
• Litet n för användbarhets- och produktstudier. Nielsen Norman Group publicerar den ärliga versionen av detta: 40 deltagare ger dig ett ja/nej-mått med plus/minus 15 procentenheter vid 95 procents konfidensnivå, och 47 ger dig ett medelvärde med samma precision. De talen är små eftersom den precision som utlovas är grov. Säg precisionen högt, så slutar små urval vara pinsamma.

Om din studie jämför grupper snarare än skattar en enda andel blir urvalsstorleken en fråga om statistisk styrka, och då är det här inte rätt kalkylator. Du behöver en effektstorlek du är beredd att försvara, plus alfa och styrka. G*Power och OpenEpi är de gratisverktyg som de flesta handledare förväntar sig, och båda är kostnadsfria. Att säga var ett verktyg slutar är mer användbart än att låtsas att det klarar allt.

Kvalitativt arbete dimensioneras på ett annat sätt

Intervjuer och fokusgrupper dimensioneras inte med en felmarginal, eftersom de inte skattar en andel i en population. Det vanliga argumentet är mättnad: du fortsätter tills nya deltagare slutar ge nya teman och redovisar sedan var det inträffade och hur du bedömde det. Att köra en kvalitativ studie genom den här kalkylatorn ger ett tal som ser exakt ut och inte betyder någonting.

Om du behöver resultat per undergrupp, dimensionera för undergruppen

De flesta enkäter förväntas redovisa per region, roll, anställningstid eller produktlinje. Det är här urvalsplaner i det tysta brister, och regeln är kort.

Din felmarginal gäller för en grupp bara om den gruppen har så många fullständiga svar. Om du vill ha plus/minus 5 procentenheter för var och en av sex regioner behöver du ungefär 385 fullständiga svar i varje region, inte 385 totalt. Det är en enkät som är sex gånger så stor som du trodde att du planerade.

Två ärliga vägar ut:

• Dra ett större urval ur de små grupperna. Bjud medvetet in en större andel av de mindre segmenten så att vart och ett når sitt eget mål. Du viktar tillbaka resultaten efteråt.
• Godta bredare intervall för uppdelningarna. Behåll en stark samlad siffra och publicera varje undergrupp med sin egen, större felmarginal bredvid. Det är oftast rätt svar.

Kalkylatorn har ett fält för detta. Ställ in Undergrupper att redovisa separat på antalet grupper du ska redovisa ett resultat för, så dimensionerar den varje grupp korrekt och summerar dem.

Avgränsa innan du går ut i fält. Lista de segment du måste redovisa, inte de som vore trevliga att ha. Uppskatta hur många fullständiga svar vart och ett realistiskt kan ge, med hjälp av demografiska frågor för att identifiera dem. Om ett segment bara kan ge 80 svar, lova inte plus/minus 5 procentenheter för det. Vid 80 svar är intervallet plus/minus 11 procentenheter.

AAPOR använder ett räknat exempel som är värt att lägga på minnet. En undersökning av 1 000 vuxna har en total felmarginal på ungefär plus/minus 3 procentenheter. Om 200 av de personerna är den undergrupp du egentligen vill tala om, är den undergruppens felmarginal plus/minus 6,9 procentenheter, mer än dubbelt så stor. Rubriksiffran på rapportens framsida är inte den siffra som styr diagrammet på sidan nio.

Publicerade riktlinjer om minsta cellstorlek är äldre och lösare än formlerna, och det är rimligt att behandla dem som ett golv snarare än ett mål: ungefär 100 svar för en undergrupp som du ska redovisa ordentligt, och 20 till 50 för en mindre som du nämner i förbigående.

Där planeringen av urvalsstorlek går fel

Urvalsstorleken hanterar urvalsfel, det slumpmässiga bruset från att inte fråga alla. Verkliga enkätundersökningar bär också på systematiska fel, som ingen urvalsstorlek rättar till och som ett stort urval kan dölja.

Att behandla ett bekvämlighetsurval som ett sannolikhetsurval

Varje formel här förutsätter att varje person hade en känd sannolikhet större än noll att väljas ut, och att benägenheten att svara inte hängde starkt ihop med det du mäter. En öppen länk i sociala medier uppfyller inget av villkoren. Du kan ändå beräkna en felmarginal utifrån svaren, och den kommer att se lugnande ut, och den kommer inte att betyda vad den säger. Var tydlig med vilken sorts urval du faktiskt drog.

Att tolka ett större n som bättre mätning

Ett stort urval gör en brusig mätning exakt brusig. Om en fråga är tvetydig, en dubbelfråga eller ledande kommer fler svar inte att rädda den. Många överhoppade frågor och motsägelsefulla svar är tecken på att du först ska rätta till frågeformuläret. Att skriva om en dålig fråga gör ofta mer än att tredubbla urvalet.

Att välja precision utan ett beslut bakom

Precision har ett rätt svar först när du vet vad den ska användas till. En urvalsstorlek är lätt att försvara när du kan avsluta den här meningen: vi behöver kunna skilja på utfall som skiljer sig med X procentenheter. Den är omöjlig att försvara när det enda skälet är att ett större tal kändes tryggare. Koppla den tillbaka till din forskningsdesign och till vad du ska göra med resultatet.

Siffrorna på den här sidan, och hur bra de är

Varje siffra ovan är antingen en uträkning du kan återskapa i kalkylatorn eller en källhänvisning du kan kontrollera. Evidensgrad A betyder replikerat eller direkt beräkningsbart, B betyder en enda stark studie, C betyder flitigt upprepat men omstritt.

Mallen för motivering

De flesta argument för en urvalsstorlek faller eftersom antagandena aldrig skrevs ner. Knappen Kopiera motiveringen i kalkylatorn skriver ut detta med dina egna siffror redan ifyllda. Om du hellre sätter ihop det själv är det här de nio saker som en granskare letar efter.

• warning
  Population (N): definiera populationen och ange antalet. Till exempel alla aktiva kunder under de senaste 90 dagarna, N = 48 200.
• warning
  Vad du mäter: en andel (en procentsats) eller ett medelvärde (ett genomsnitt på en skattningsskala). Formeln här dimensionerar andelar, vilket täcker de flesta nyckeltal som redovisas.
• warning
  Konfidensnivå: den nivå du valde och varför. Konvention och risktolerans är båda godtagbara skäl, om du säger det.
• warning
  Felmarginal (E): din målprecision totalt, och separat för varje undergrupp du har lovat att redovisa.
• warning
  Antagen andel (p): värdet som användes och var det kom ifrån. Säg rakt ut om det är 0,5 för att inget bättre fanns.
• warning
  Korrektion för ändlig population: om du tillämpade den och vad som utlöste den, till exempel att n0 översteg 10 procent av N.
• warning
  Mål för fullständiga svar (n): det slutliga antalet fullständiga svar som krävs efter alla justeringar.
• warning
  Förväntad svarsfrekvens: den antagna svarsfrekvensen, historiken den kommer från och det antal inbjudningar den leder till.
• warning
  Hur du väljer ut personer: obundet slumpmässigt urval, stratifierat urval, totalundersökning eller bekvämlighetsurval, plus eventuellt större urval för viktiga segment. Benämn det ärligt.

När enkäten väl är ute i fält, fortsätt att bevaka fullständiga svar per segment snarare än totalen. En sund total siffra kan dölja ett segment som aldrig kommer att nå sitt mål, och det är ett problem som du fortfarande kan åtgärda vecka ett men inte vecka fyra. När du redovisar, ange varje procentsats tillsammans med dess felmarginal, och läs hur du analyserar enkätdata innan du behandlar en förändring på två procentenheter som verklig.

Vanliga frågor

Källor