跳至主要內容
EDUCATION × STATISTICAL LITERACY

95%信賴區間,究竟在相信什麼?

說故事學統計⑤|從90%到95%,理解統計推論與不確定性

陳威勝 · Allen Mind Lab · 2026.11.09
進入 Education 特色館
AML第95篇海報:均富里長與天龍里長討論95%信賴區間、1.96與Wilson區間。

一、95%的信心,究竟相信什麼?

「均富里長!我們的調查結果出來了!」天龍里長興沖沖地拿著報告,走進均富里辦公室。「這次我們隨機調查了30位居民,其中18位支持增設運動設施,支持率60%!」均富里長點點頭:「不錯啊!至少這次不是只在LINE群組裡問問而已。」「而且!」天龍里長得意地補上一句,「我們還算出了95%信賴區間!」「喔?那是什麼意思?」「就是說,我們有95%的把握,真正的支持率就在這個範圍裡啊!」均富里長想了想:「所以,如果你說有95%的把握,那剩下5%是什麼?運氣不好嗎?」「呃……應該是吧?」🤣

這段對話,其實反映了統計學裡一個非常常見的誤解。我們經常在研究論文、民意調查、醫療報告,甚至新聞報導中看到「95%信賴區間」(95% Confidence Interval, 95% CI)。例如:「某項政策的支持率為60%,95%信賴區間為42.3%至75.4%。」看到這句話,很多人自然會理解成:「真正的支持率有95%的機率落在42.3%到75.4%之間。」這個說法聽起來很合理,卻不是傳統頻率學派(Frequentist Statistics)對信賴區間的嚴格解釋。

為什麼?因為在這套統計架構中,真正的母體支持率是一個固定但未知的數值;會隨機改變的,是我們每次抽樣所得到的結果,以及由此計算出的區間。

假設均富里真正的支持率是60%。無論我們今天抽30人、明天抽100人,還是下個月重新調查,只要母體狀況沒有改變,這個母體參數就不會因為我們抽樣而改變。改變的是我們抽到了哪些居民。

因此,真正需要思考的不是:「母體支持率有多大的機率落進這個已經算好的區間?」而是:「如果我們反覆使用相同的抽樣與區間估計方法,這套方法長期有多高的比例能成功涵蓋真正的母體參數?」這才是理解95%信賴區間的起點。

二、如果重複調查100次,會發生什麼事?

天龍里長聽得有些困惑。「所以,95%不是說我這一次有95%的機會猜對?」均富里長笑了笑:「我們換個方式想。」

假設均富里有一個真正的政策支持率,但兩位里長都不知道是多少。為了估計這個支持率,他們設計了一套標準調查程序:每次隨機抽取30位居民,計算樣本支持率,再利用相同的統計方法建立信賴區間。第一次調查,可能得到60%的支持率。第二次調查,可能得到53.3%。第三次調查,可能得到70%。即使母體支持率完全沒有改變,抽樣結果仍然會因為抽到不同居民而產生變異。這正是上一回我們認識的「抽樣變異」(Sampling Variability)。

但這次,我們不只記錄每次的支持率,還要為每次調查畫出一條信賴區間。如果重複100次,就會得到100條區間。有些區間比較靠左,有些比較靠右;有些比較寬,有些比較窄。接著,我們在圖表中畫上一條垂直線,代表真正的母體支持率。現在就可以觀察:哪些區間涵蓋了真正的支持率?哪些區間沒有?

假設我們事先選定一套名目信賴水準為95%的區間估計方法,並在相同條件下不斷重複抽樣。如果這套方法在該條件下確實具有95%的涵蓋率,那麼隨著重複次數越來越多,涵蓋真正母體參數的區間比例,就會逐漸接近95%。反過來說,約5%的區間可能沒有涵蓋。

不過,這裡有兩件事必須注意。第一,重複100次不保證剛好95條成功、5條失敗。實際結果可能是93條、96條,甚至其他數量。95%描述的是長期涵蓋率,而不是每100次一定要達成的固定配額。第二,不是任何標示「95%」的計算公式,都一定具有精確的95%涵蓋率。不同區間估計方法、樣本數與母體參數,都可能影響實際涵蓋率。尤其是比例資料,在樣本數較小或支持率接近0%與100%時,傳統的Wald常態近似區間可能表現不佳。因此,這次我們會使用Wilson區間作為實務示範,並在必要時介紹其他方法的差異。

天龍里長看著模擬圖,突然有些領悟。「原來,95%是在描述這套方法長期來看有多可靠!」「沒錯。」「那我這次算出的區間呢?」「它已經是一條固定的區間了。在我們假設的頻率學派模型下,它不是涵蓋真正參數,就是沒有涵蓋;只是我們通常不知道答案。」這就是信賴區間最容易令人困惑、也最值得理解的地方。

重複抽樣信賴區間的示意以母體支持率60%為假設真值,展示12次抽樣得到的區間,其中部分未涵蓋60%。此圖不是實際100次模擬結果,也不代表固定的涵蓋次數。假設母體真值60%
圖3|僅示意部分重複抽樣區間(非實際模擬資料)。藍線涵蓋假設真值,紅線未涵蓋;95%指估計程序的長期涵蓋率,不保證每100次恰好95次。

三、90%、95%、99%,到底差在哪裡?

理解95%的意思之後,天龍里長又有了新問題。「既然95%不保證這次一定成功,那為什麼不乾脆提高到99%?」均富里長反問:「那為什麼不直接用100%?」天龍里長眼睛一亮:「對耶!100%不是最好嗎?」事情當然沒有這麼簡單。🤣

如果我們對任何比例都直接給出0%至100%的區間,當然永遠不會漏掉真正的母體支持率。但這樣的區間,幾乎無法幫助我們判斷政策支持情況。就像有人問:「這次調查的真正支持率大概是多少?」結果我們回答:「反正就在0%到100%之間!」這個答案不能說錯,卻幾乎沒有提供任何有用的資訊。XD

因此,統計推論不只是追求更高的涵蓋率,也必須考慮估計結果是否具有足夠的資訊價值。這裡存在一個重要的取捨:在其他條件相同時,想要更高的信賴水準,通常就需要更寬的信賴區間。

我們繼續使用前面的調查。30位居民中,18位支持,樣本支持率為60%。如果採用Wilson區間,並使用常見的雙側信賴水準,約可得到以下結果:90%為45.1%~73.3%;95%為42.3%~75.4%;99%為37.3%~79.1%。這些數字使用相同的樣本資料、相同的Wilson計算方法,只有信賴水準不同。我們可以發現:90%的區間最窄;95%的區間稍寬;99%的區間則更寬。

這不是因為99%的調查品質比較差,而是因為我們希望區間估計程序具有更高的長期涵蓋率,因此必須接受較大的不確定範圍。就像兩位里長想用一張網捕捉一個看不見的目標。網子越寬,長期來看越容易涵蓋目標,但也越難精確指出目標的位置;網子越窄,位置資訊越精確,卻可能增加未涵蓋目標的風險。這就是信賴水準(Confidence Level)與區間精確度(Precision)之間的取捨。

天龍里長想了想:「所以99%一定比95%好嗎?」不一定。例如,一項初步探索性研究可能採用95%信賴區間,呈現合理的估計不確定性。某些高風險的安全或品質決策,則可能需要更嚴格的證據標準。但信賴水準不能只因為結果看起來不漂亮,就在分析完成後任意更改。適合的信賴水準,應依研究目的、決策風險與事先規劃的分析方法決定,而不是看到結果後才挑選。而且,即使選擇99%信賴區間,也不代表調查沒有偏誤。這一點,我們稍後還會回來討論。

三種信賴水準的Wilson區間比較樣本支持率60%,90%區間45.1至73.3%,95%區間42.3至75.4%,99%區間37.3至79.1%。信賴水準越高區間越寬。30%40%50%60%70%80%90%90%95%99%
圖1|30人中18人支持(60%),Wilson雙側區間。線段長度代表區間寬度;60%為樣本比例,並非已知母體真值。

四、為什麼95%會遇到1.96?

「我還有一個問題。」天龍里長翻開上一回的統計筆記。「我們算信賴區間時,常常看到1.96。這個數字到底是哪裡來的?」均富里長拿出一張鐘形曲線:「還記得我們上一回介紹的常態分布嗎?」

常態分布(Normal Distribution)是一種連續、左右對稱的機率分布。如果我們把它轉換成平均數為0、標準差為1的形式,就稱為標準常態分布(Standard Normal Distribution)。在標準常態分布中,約95%的機率面積位於−1.96到+1.96之間。換句話說,左側低於−1.96的尾部面積約為2.5%,右側高於+1.96的尾部面積也約為2.5%。兩側合計5%,中央便留下約95%。

因此,當我們使用符合條件的常態近似方法建立雙側95%信賴區間時,就會經常看到1.96這個臨界值。一般的估計形式可以寫成:點估計值 ± 臨界值 × 標準誤。例如,若一個估計量的抽樣分布可以合理地用常態分布近似,我們就能利用1.96與標準誤,建立相應的95%近似區間。

但這裡要小心。1.96不是所有95%信賴區間都能直接套用的萬用公式。如果我們估計的是母體平均數,而母體標準差未知,某些情況下會使用t分布。如果我們估計的是比例,可能使用Wilson、精確二項法或其他區間估計方法。不同方法會有不同的計算方式與適用條件。甚至同樣使用1.96,Wald區間與Wilson區間也不會得到完全相同的結果。

所以,真正重要的不是把1.96背起來,而是知道:它來自特定機率分布的臨界值,必須搭配適當的統計模型與估計程序使用。

天龍里長恍然大悟:「原來1.96不是統計學的神祕密碼!」「當然不是。」「那為什麼不是2?」「因為標準常態分布中央正好95%的範圍,臨界值約是1.95996。取到小數第二位,就是1.96。」「喔!原來是這樣。」XD

標準常態分布中央95%範圍鐘形曲線中央負1.96到正1.96的面積約95%,左右尾部各約2.5%。-1.9601.96中央約95%2.5%2.5%
圖2|標準常態分布的雙側95%臨界值。曲線與標示為概念圖。

五、抽樣人數越多,信賴區間就越窄嗎?

天龍里長又翻開了調查報告。「既然30個人的區間這麼寬,那我們改抽300個人,不就好了?」這個方向大致正確,但還需要一些條件。我們先假設每位居民都是依照適當的隨機抽樣程序選取,並且暫時使用獨立伯努利模型。若母體支持率為60%,樣本支持率的理論標準誤為:SE = √[p(1−p) / n],其中p是母體支持率,n是樣本數。如果每次抽30人,理論標準誤約為8.94個百分點;如果每次抽300人,理論標準誤約為2.83個百分點。

特別注意,這裡的60%是為了教學而假設的真正母體支持率。8.94與2.83個百分點,是在此假設及獨立伯努利模型下計算的理論標準誤,並不是我們已經知道真實母體支持率,也不是直接從這一次30人的樣本就能確定的母體資訊。在實際研究中,真正的母體支持率通常未知,研究者需要利用樣本資料及適當方法估計抽樣不確定性。

回到這個教學例子,我們可以發現,樣本數增加10倍,標準誤大約縮小為原來的31.6%,也就是原本的1/√10。因此,在其他條件相同、使用適當區間估計方法時,增加樣本數通常可以讓信賴區間變窄。但有一個常被忽略的事實:樣本數增加10倍,不代表信賴區間的寬度就縮小10倍。在常見的獨立抽樣近似模型下,標準誤大致與樣本數的平方根成反比。如果希望標準誤減半,樣本數通常需要增加到原來的4倍。

這就是為什麼研究設計需要進行樣本數估算。不是問得越多越好,而是要考慮研究目的、需要的精確度、預期變異、可用資源,以及可能的抽樣設計效應。

不過,均富里長又提醒了一件事:「你還記得上一回我們討論的LINE問卷嗎?」天龍里長點點頭:「記得啊!我在群組裡收到300份回覆,還以為一定比30人的隨機抽樣更可靠。」「現在呢?」「我知道了。300份自願回覆,不代表每位居民都有適當的被抽中機會。」

沒錯。即使樣本數非常大,只要抽樣架構存在系統性的選擇偏誤,估計結果仍可能偏離真正的母體情況。樣本數可以影響隨機抽樣的不確定性,卻不能自動修正抽樣偏誤。因此,不能只看信賴區間窄不窄,就判斷一份調查是否可信。

六、信賴區間很漂亮,研究就可靠嗎?

某天,天龍里長看到一份民意調查報告。報告寫著:「支持率高達80%,95%信賴區間為78%至82%。」「哇!區間這麼窄,應該很準吧?」均富里長沒有立刻回答。「這份調查怎麼抽樣的?」「不知道。」「調查了哪些人?」「也不知道。」「沒有回答的人有多少?」「這個……報告沒有寫。」「那你怎麼知道它很準?」天龍里長沉默了。🤣

這正是統計推論的重要限制。信賴區間主要反映在特定模型與抽樣假設下,估計量所具有的抽樣不確定性。它不會自動涵蓋所有可能的研究誤差。

例如:選擇偏誤(Selection Bias):被納入調查的人與未被納入者存在系統性差異。未回覆偏誤(Nonresponse Bias):願意回答與不願意回答的人,可能具有不同的態度或特徵。測量誤差(Measurement Error):問卷題目不清楚、誘導性措辭或受訪者誤解問題,可能影響結果。抽樣設計效應(Design Effect):如果採用群集抽樣或複雜抽樣設計,不能直接套用簡單隨機抽樣的標準誤公式。

因此,一份研究即使報告了95%信賴區間,也不代表它已經解決所有資料品質問題,更不能把信賴區間當成研究可信度的單一保證。這讓我們重新回到第93篇的核心觀念:代表性與樣本數是不同問題;抽樣偏誤與抽樣變異也是不同問題。而信賴區間,是在適當統計假設下,幫助我們描述估計不確定性的工具。它很重要,但不是萬靈丹。

七、如果你是里長,會怎麼做決策?

統計學講到這裡,天龍里長突然想到一個現實問題。「可是我們做調查,不就是為了決定要不要增設運動設施嗎?」「如果支持率60%,95%信賴區間又這麼寬,到底能不能做決策?」均富里長點點頭:「這才是我們真正需要思考的事情。」

假設兩位里長正在評估是否投入公共預算,增設社區運動設施。調查結果顯示,30位受訪居民中有18位支持,樣本支持率60%。採用Wilson方法,95%信賴區間約為42.3%至75.4%。這個結果告訴我們什麼?首先,樣本資料的點估計是60%。但因為樣本數不大,估計仍有相當程度的不確定性。而且,這個雙側95%信賴區間包含50%。

由於雙側95% Wilson信賴區間包含50%,在與此區間相對應的雙側5%檢定架構下,目前的資料不足以拒絕「真正支持率為50%」的虛無假設。但必須特別強調:無法拒絕虛無假設,不等於證明虛無假設成立。我們不能因此認定真正支持率就是50%,也不能直接斷言居民沒有過半支持。如果要主張整體居民的支持率已明確超過半數,目前的統計證據仍然有限。

不過,這也不代表政策一定不值得推動。因為統計推論與公共決策雖然密切相關,卻不是同一件事。統計推論回答的是:現有資料能支持多強的結論?公共決策還需要回答:在目前掌握的證據與資源條件下,我們應該採取什麼行動?

例如,兩位里長還需要思考:增設設施的預算是多少?有多少居民實際需要?是否存在行動不便、缺乏運動空間或其他較難被調查觸及的族群?不同方案的成本與效益如何?是否可以先試辦,再蒐集使用情形與居民回饋?

如果只看支持率60%,就立即宣布「多數居民都支持」,可能忽略估計的不確定性。但如果因為95%信賴區間很寬,就完全停止討論,也可能錯失改善公共服務的機會。更成熟的作法,是把統計結果視為決策資訊的一部分。例如,先透過小規模試辦了解使用需求,或在資源允許下進行更完善的抽樣調查,同時搭配居民訪談、場地評估與預算分析。統計不是替管理者做決定,而是讓管理者知道:哪些事情已有證據支持,哪些事情仍然存在不確定性。這也是統計素養與管理判斷真正交會的地方。

八、統計學不是消除不確定性,而是學會與它相處

討論結束後,天龍里長看著手上的調查報告,突然笑了。「以前我以為,統計就是把數字算出來,答案就有了。」均富里長問:「現在呢?」「現在才知道,算出一個數字,只是開始。」

從平均數與資料分布,到抽樣代表性、抽樣分布與標準誤,兩位里長一路走來,發現統計學其實是在幫助我們理解資料,也理解資料背後的不確定性。因為抽樣結果會變動,所以我們需要理解抽樣分布。因為統計量具有抽樣不確定性,所以我們需要標準誤。因為希望從樣本推論母體,所以我們需要適當的區間估計方法。而信賴區間,正是這套推論架構中的重要工具之一。

但最重要的,或許不是記住95%、1.96,或是哪一條公式,而是學會在面對資料時,提出更好的問題:這個數字是怎麼得到的?調查對象能否代表我們關心的母體?估計有多大的不確定性?統計方法的假設是否合理?這些證據足以支持什麼樣的結論?

當AI已經可以協助我們計算、模擬、繪圖,甚至快速生成研究報告時,這些問題反而更加重要。因為工具可以幫我們產生答案,卻不能替我們承擔解讀與決策的責任。

天龍里長收起報告,笑著說:「原來95%的信賴,不是對某一個答案有95%的把握,而是理解一套統計方法長期如何運作。」均富里長點點頭:「而且,真正值得信賴的,不是把不確定性藏起來的人。」「那是什麼?」「是願意把不確定性說清楚的人。」

統計學的價值,不在於讓我們假裝什麼都知道,而在於讓我們更清楚自己知道多少、還不知道多少。這或許才是95%信賴區間,最值得我們相信的事情。

統計觀念補充

  1. 信賴區間與可信區間不同:本文討論的是傳統頻率學派的信賴區間。貝氏統計中的可信區間(Credible Interval)在明確指定先驗分布及模型後,可以對參數的後驗機率作出不同形式的解釋,兩者不應混用。
  2. 95%是名目信賴水準:不保證所有方法的實際涵蓋率都恰好95%。小樣本二項比例的Wald區間可能有明顯的涵蓋率問題;Wilson區間通常具有較佳的實務表現,但也會依母體參數與樣本數變動。
  3. 1.96不是所有信賴區間的通用常數:它是標準常態分布中央約95%區域的雙側臨界值。不同模型與估計程序可能需要不同臨界值或計算方式。
  4. 信賴區間不等於資料品質保證:未回覆偏誤、選擇偏誤、測量誤差及複雜抽樣設計,都需要另行評估。
  5. 本文資料均為教學模擬:均富里與天龍里、居民支持率及政策情境均為虛構,並非真實行政區的調查結果。

參考資料

  1. Brown, Cai & DasGupta (2001), Interval Estimation for a Binomial Proportion
  2. Wilson (1927), Probable Inference, the Law of Succession, and Statistical Inference
  3. NIST/SEMATECH e-Handbook of Statistical Methods

Allen Mind Lab|Building A Meaningful Life.
用故事理解統計,用統計練習判斷。

Articles 總館↑ Back to top