Ilu respondentów Państwo potrzebują? Praktyczny poradnik o wielkości próby

Skąd się bierze liczba 385?

Wzór łączy trzy decyzje podejmowane przed rozpoczęciem badania terenowego:

• Poziom ufności, wyrażony jako z. Przy poziomie ufności 95% z = 1,96; przy 90% z = 1,645; przy 99% z = 2,576.
• Błąd statystyczny, e. To połowa szerokości przedziału wokół wyniku: ±5 punktów zapisuje się jako 0,05.
• Oczekiwana proporcja, p. Jeśli odpowiedzi nie da się przewidzieć z góry, przyjmuje się 0,5. Wyrażenie p(1−p) osiąga maksimum przy 0,5, więc taki wybór daje najbezpieczniejszą, największą próbę.

Rachunek dla klasycznego przypadku jest krótki: 1,96² = 3,8416; po pomnożeniu przez 0,5 × 0,5 daje 0,9604; po podzieleniu przez 0,05² (0,0025) daje 384,16. Wielkość próby zawsze zaokrągla się w górę, co daje 385.

Wynik trzeba poprawnie odczytać. Jeśli 385 losowo wybranych respondentów daje wynik 50%, można z 95-procentową pewnością przyjąć, że prawdziwa wartość leży między 45% a 55%. Dla wyników bardziej oddalonych od 50% błąd statystyczny maleje: przy oczekiwanych 20% ta sama precyzja wymaga tylko 246 wywiadów.

Wielkość próby według błędu statystycznego i poziomu ufności

Tabela stosuje ten sam wzór z p = 0,5 dla dużej populacji. Pokazuje kompromis, który decyduje o większości projektów ankiet.

Precyzja w górnym zakresie jest kosztowna. Zmniejszenie błędu o połowę, z ±5 do ±2,5 punktu, mniej więcej czterokrotnie zwiększa próbę, z 385 do 1 537, bo błąd statystyczny maleje wraz z pierwiastkiem kwadratowym z n. Zanim zażąda się ±2 punktów, warto sprawdzić, czy jakakolwiek decyzja naprawdę zmieniłaby się między wynikiem 42% a 46%.

Czy wielkość populacji ma znaczenie?

Znacznie mniejsze, niż większość osób się spodziewa. Przy populacjach powyżej kilkudziesięciu tysięcy wymagana próba prawie się nie zmienia. Dopiero gdy populacja jest mała, poprawka na skończoną populację daje widoczną różnicę:

n = n₀ ÷ (1 + (n₀ − 1) ÷ N), gdzie N to wielkość populacji.

Według Banku Światowego Bułgaria liczyła w 2025 r. 6 433 302 mieszkańców, a UE-27 – 451 127 411. W obu przypadkach do uzyskania ±5 punktów dla ogółu potrzeba 385 wywiadów. Badanie ogólnounijne jest większe tylko wtedy, gdy potrzebne są wyniki dla każdego kraju, bo wtedy każdy kraj staje się podgrupą z własną próbą.

Małe populacje: klienci, członkowie i nabywcy B2B

Przy małej, znanej populacji, np. 500 klientach biznesowych albo członkach stowarzyszenia, poprawka ma znaczenie – ale równie ważne jest to, ile odpowiedzi realnie da się uzyskać. Wykres pokazuje 218 wywiadów dla ±5 punktów przy populacji 500, co oznacza przekonanie do udziału 44% wszystkich klientów.

W praktyce małe populacje bada się zwykle w formie badania pełnego: zaprasza się wszystkich, a błąd statystyczny oblicza na podstawie otrzymanych odpowiedzi. Jeśli odpowie 150 z 500 klientów, błąd po zastosowaniu poprawki wynosi około ±6,7 punktu. To wystarcza do badania satysfakcji klientów, pod warunkiem że sprawdzi się, czy respondenci przypominają osoby, które nie odpowiedziały, pod względem wielkości firmy, regionu i długości współpracy.

W badaniach B2B znaczenie ma też jednostka badania. Jeśli na decyzję wpływają trzy osoby z każdego zespołu zakupowego, trzeba z góry ustalić, czy wielkość próby liczy się w firmach, czy w osobach.

Planowanie dla podgrup, a nie tylko dla ogółu

Najczęstszy błąd przy ustalaniu wielkości próby polega na planowaniu dla ogółu, a potem raportowaniu wyników w podziałach. Ankieta wśród 1 000 osób ma błąd około ±3,1 punktu dla całości, ale region, w którym jest 120 respondentów, ma błąd około ±8,9 punktu.

Planować należy wstecz, od najmniejszej grupy, którą trzeba analizować osobno. Jeśli zarząd potrzebuje wyników dla każdego z czterech regionów z dokładnością ±5 punktów, potrzeba około 385 wywiadów na region, czyli łącznie mniej więcej 1 540, a następnie ważenia, które przywróci obraz ogólnokrajowy.

Porównania wymagają jeszcze więcej. Błąd dla różnicy między dwiema niezależnymi grupami jest większy niż błąd każdej z nich: przy 385 respondentach w każdej grupie różnica musi przekroczyć około siedmiu punktów, zanim stanie się statystycznie istotna. Raportowana w takiej ankiecie pięciopunktowa różnica między kobietami a mężczyznami może być zwykłym szumem. Kalkulator błędu statystycznego pokazuje przedział dla dowolnego wyniku i bazy.

Incydencja: ile osób trzeba przesiać?

Potrzebną próbę liczy się w zrealizowanych wywiadach z osobami kwalifikującymi się do badania. Gdy grupa docelowa stanowi tylko część populacji, liczba osób, które trzeba przesiać, rośnie proporcjonalnie. Wskaźnik incydencji to właśnie ta część.

Weźmy ankietę wśród osób, które w ciągu ostatnich 12 miesięcy coś kupiły przez internet, realizowaną na próbie z populacji ogólnej. Dane Eurostatu za 2025 r. wprost podają incydencję:

Te same 400 wywiadów wymaga w Bułgarii niemal dwa razy więcej rozmów selekcyjnych niż w Holandii. Wskaźniki odpowiedzi ponownie mnożą nakład pracy: jeśli na udział zgadza się co dziesiąta osoba, z którą nawiązano kontakt (wartość przykładowa), badanie w Bułgarii wymaga około 7 800 kontaktów. Więcej wskaźników krajowych wpływających na incydencję przedstawia na wykresach nasza sekcja danych o konsumentach.

Przy wąskich grupach docelowych, takich jak właściciele konkretnego urządzenia czy kierownicy IT w średnich firmach, incydencja jest często na tyle niska, że to czas realizacji badania, a nie wielkość próby, staje się wiążącym ograniczeniem.

Ważenie, kwoty i próba efektywna

Dwie dodatkowe korekty zmieniają rzeczywistą precyzję ankiety.

Ważenie zmniejsza próbę efektywną. Gdy niektórzy respondenci liczą się bardziej niż inni, precyzja spada. Stratę wyraża się jako efekt schematu (design effect): przy efekcie schematu 1,4 (wartość przykładowa) 1 000 wywiadów zachowuje się jak około 714, a błąd rośnie z ±3,1 do około ±3,7 punktu. Dobre raporty podają bazę efektywną obok rzeczywistej.

Próby kwotowe nie są próbami losowymi. Większość ankiet konsumenckich korzysta z paneli internetowych z kwotami według wieku, płci i regionu. Wzór na błąd statystyczny ściśle stosuje się do prób probabilistycznych, więc w przypadku prób kwotowych należy traktować go jako wskazówkę co do precyzji, a nie gwarancję. To samo, w jeszcze większym stopniu, dotyczy odpowiedzi generowanych przez AI: jak wyjaśniamy w artykule o badaniach rynku z wykorzystaniem AI, syntetyczni respondenci w ogóle nie mają operatu losowania, więc nie da się dla nich obliczyć błędu statystycznego.

Jak wybrać wielkość próby w pięciu krokach

1. Zapisać decyzję i najmniejszą podgrupę, którą trzeba analizować osobno.
2. Wybrać błąd statystyczny, który zmieniłby tę decyzję, a nie najmniejszy, na jaki stać budżet.
3. Obliczyć próbę dla każdej podgrupy i zsumować grupy.
4. Podzielić wynik przez incydencję i oczekiwany wskaźnik odpowiedzi, aby oszacować liczbę rozmów selekcyjnych i kontaktów.
5. Uwzględnić ważenie i czyszczenie danych, które usuwają część wywiadów lub zmniejszają ich wagę.

Kalkulator wielkości próby obsługuje kroki 2 i 3, łącznie z poprawką na skończoną populację. Ankietę zasilającą model rynku, np. dane o penetracji i wydatkach w naszym przykładzie TAM, SAM i SOM, należy zaprojektować z precyzją, jakiej wymagają te dane wejściowe. W przypadku projektów obejmujących kilka krajów, kwoty lub trudno dostępne grupy docelowe nasz zespół badań ankietowych może zaproponować plan doboru próby; prosimy wysłać zapytanie ofertowe z opisem grupy docelowej i terminu.