一、300份問卷,竟然不一定比30份可靠?
星期一上午,均富里與天龍里的兩位里長,正在準備下週的社區發展會議。
最近,兩個里都收到不少居民反映,希望改善社區活動空間。有人希望增設運動設施,有人希望增加長者課程,也有人認為應該先改善活動中心的無障礙環境。
兩位里長決定先調查居民的意見,再討論經費應該如何運用。
「我已經收到300份問卷了!」天龍里長得意地拿出統計表。「其中210人支持增設運動設施,支持率高達70%。」
均富里長看了看自己的調查紀錄。「我目前只訪問30個人,其中18個人支持,比例是60%。」
天龍里長笑著說:「我問了300個,你才問30個,當然是我的結果比較可靠吧?」
均富里長沒有急著回答,只是好奇地問:「你那300份問卷,是怎麼找到受訪者的?」
「很簡單啊!我把問卷放在里民 LINE 群組,也請活動中心志工幫忙轉傳,大家都很踴躍。」
「那沒有加入群組、不常參加活動的居民呢?」天龍里長愣了一下。「這……我倒是沒有特別注意。」
原來,問題不只是問了多少人,而是究竟問到了誰。
二、原來,問卷也有不同的抽法
均富里長解釋,他先整理符合調查資格的居民名冊,再用隨機方式抽出30位居民,每個人只會被抽中一次(不放回抽樣)。
天龍里長則是透過 LINE 群組和活動中心轉傳問卷,讓願意填答的居民自行回覆。
| 項目 | 均富里 | 天龍里 |
|---|---|---|
| 全里人口 | 3,000人 | 3,000人 |
| 符合資格居民 | 2,400人 | 2,400人 |
| 有效問卷 | 30份 | 300份 |
| 調查方式 | 從名冊隨機抽選 | 群組轉傳、自願填答 |
| 支持運動設施 | 18人(60%) | 210人(70%) |
均富里18/30人支持,天龍里210/300人支持。比例較高或問卷較多,都不代表調查一定更有代表性。
「所以我的30份問卷比較好?」均富里長問。
「也不能這樣說。」天龍里長看著表格,開始有些明白了。
兩種調查其實各有問題。均富里採用隨機選取的方式,但目前只有30份,調查結果可能不夠精確。即使抽選方式合理,也需要確認居民名冊是否完整,以及抽中的人是否確實完成調查。
天龍里取得300份問卷,數量雖然較多,卻無法確定沒有填答的人,是否抱持不同意見。
人數多,不一定代表調查比較準;抽得合理,也不代表人數可以無限少。
三、沒有被問到的人,可能更值得注意
天龍里長重新檢視問卷來源。他發現,許多填答者都是活動中心的常客。
「這些人本來就比較常參加活動,會不會因此比較支持增設設施?」
「有可能。」均富里長說,「但我們還不能確定其他居民的想法。」
天龍里長點點頭。「所以我現在只能說,300位填答者當中,有70%支持增設運動設施,不能直接說全里有70%支持。」
「沒錯!」兩位里長決定,接下來除了改善抽樣方式,也要注意不同年齡、生活型態與參與習慣的居民,是否都有機會表達意見。
四、那究竟要問多少人才夠?
兩位里長決定重新規劃調查。但問題又來了。「30份太少,300份又不一定可靠,那我們到底要問多少人?」
這一次,他們先確認幾個條件。兩個里各有3,000位居民,其中2,400位符合本次調查資格。
如果希望估計全里符合資格居民支持某項設施的比例,在95%信賴水準、±5個百分點容許誤差的條件下,因為事前不知道支持比例,先以50%作為較保守的規劃假設。
為什麼是50%?當支持與不支持的比例各半時,調查結果的不確定程度最大,因此在其他條件相同時,通常需要最多的樣本數。
這不是預測居民只有一半支持,而是在尚未掌握支持比例前,先採取較保守的樣本數規劃方式。
固定母體2,400人、95%信賴水準、±5個百分點容許誤差,採簡單隨機不放回抽樣及有限母體修正;50%時所需有效樣本數最多,為332份。
假設每位符合資格的居民都有相同的入選機會,採用隨機且不重複的方式抽選居民(不放回抽樣),並考慮母體人數有限的影響,估算約需要332份有效問卷。
如果預估只有70%的受邀居民會完成問卷,則約需邀請475人。
但兩位里長很快又發現另一件事。「如果我們希望調查結果更精確呢?」天龍里長問。「那就試著把容許誤差縮小,看看需要增加多少份問卷。」均富里長回答。
以母體2,400人、95%信賴水準、預估比例50%、簡單隨機不放回抽樣及有限母體修正計算;容許誤差±10%約93份,±3%約741份。
五、AI 能幫忙計算,但不能替里長做決定
完成工具操作後,兩位里長又有了新的疑問。「如果預算有限,無法完成332份問卷呢?」「如果回覆率只有一半,是不是要邀請更多居民?」
他們決定請 AI 協助比較不同調查方案。AI 可以整理不同樣本數所對應的估計精確度,也可以協助規劃邀請人數、提醒可能的調查限制。
「AI 幫我們算出了需要多少人,但它不知道哪些居民根本沒收到問卷啊!」天龍里長說。
「所以工具幫我們算數字,調查怎麼做,還是要靠我們自己。」均富里長回答。
兩位里長仍然需要根據居民名冊、實際回覆情況、調查經費與時間,決定最合適的執行方式。
統計提供方法,AI 協助比較,而真正的判斷仍然掌握在人手中。
六、原來,真正重要的是聽見誰的聲音
社區發展會議前,兩位里長重新檢視了調查計畫。
均富里長決定保留隨機抽選的方式,增加樣本數,並記錄受邀居民的回覆情況。
天龍里長則保留原先300份問卷,作為初步需求線索,但不再把70%的支持率直接當作全里居民的意見。
他也決定重新規劃抽樣程序,讓平常較少參與社區活動的居民,有更公平的機會被納入調查。
「我原本以為,問卷越多就越準。」天龍里長笑著說。
「我也以為,只要隨機抽人,問30個就夠科學了。」均富里長回答。
兩人看著桌上的調查計畫,終於明白:
統計不只是把人數算清楚,更重要的是讓我們知道,這些數字究竟能代表什麼,又不能代表什麼。
本篇統計關鍵字|Statistics Keywords
下一集預告|支持率70%,真的代表七成居民支持嗎?
兩位里長重新完成調查後,發現支持增設運動設施的比例,依然接近70%。
天龍里長興奮地說:「這次總可以宣布七成居民支持了吧?」
均富里長卻又問:「可是,如果我們重新抽另一批居民,結果還會一樣嗎?」
下一篇〈明明是同一個里,怎麼每次調查都不一樣?〉,兩位里長將從抽樣分布、常態分布與中央極限定理出發,進一步理解標準誤及信賴區間。
編輯註:本文以虛構里政情境說明統計觀念;人物、調查資料及對話均為教學設計。樣本數估算以簡單隨機抽樣及特定統計條件為前提,實際調查仍須考量抽樣架構、未回覆情況與資料品質。
