Umfrage-Stichprobengröße-Rechner

Was ist die Berechnung der Umfrage-Stichprobengröße?

Bevor Sie eine Umfrage durchführen, müssen Sie bestimmen, wie viele Befragte erforderlich sind, um ein gewünschtes Maß an Präzision zu erreichen. Dieser Rechner ermittelt die Stichprobengröße, die für eine festgelegte Fehlerspanne benötigt wird.

Schlüsselfrage: „Wie viele Personen muss ich befragen, um den Anteil innerhalb von ±3% zu schätzen?"

Die wichtigsten Eingaben

Fehlerspanne (Präzision)

Wie nah Ihre Schätzung am wahren Wert liegen sollte:

• ±3%: Standard für große Umfragen
• ±5%: Üblich für Marktforschung
• ±10%: Akzeptabel für explorative Umfragen

Kleinere Fehlerspannen erfordern größere Stichproben.

Konfidenzniveau

Wie sicher Sie sein möchten, dass der wahre Wert innerhalb Ihrer Fehlerspanne liegt:

• 95%: Standard (z* = 1,96)
• 99%: Höhere Sicherheit, größere Stichprobe (z* = 2,576)
• 90%: Geringere Sicherheit, kleinere Stichprobe (z* = 1,645)

Erwarteter Anteil

Wenn Sie einen Anteil schätzen, Ihre beste Vermutung des wahren Werts:

• Verwenden Sie 50%, wenn unbekannt (maximiert die erforderliche Stichprobengröße)
• Verwenden Sie Pilotdaten oder frühere Forschung, wenn verfügbar

Populationsgröße (optional)

Bei kleinen Populationen reduziert die Endlichkeitskorrektur die erforderliche Stichprobengröße.

Die Formel

Für unendliche Population:

n = (z*)² × p(1-p) / E²

Wobei:

• z* = kritischer Wert (1,96 für 95%)
• p = erwarteter Anteil (0,5 wenn unbekannt)
• E = Fehlerspanne (als Dezimalzahl)

Für endliche Population N:

n_angepasst = n / [1 + (n-1)/N]

Tabellen für Stichprobengrößen

Für 95% Konfidenz, p = 50%

Einfluss der Populationsgröße (95% KI, ±5%, p = 50%)

Bei Populationen über 20.000 ist die Endlichkeitskorrektur vernachlässigbar.

Praktische Beispiele

Nationale Meinungsumfrage

„Schätzung der Zustimmung zum Präsidenten innerhalb von ±3%"

p = 50% (unbekannt), 95% Konfidenz n = 1.068 Befragte

Kundenzufriedenheitsumfrage

„Das Unternehmen hat 5.000 Kunden. Schätzung der Zufriedenheit innerhalb von ±5%"

Population = 5.000, p = 50%, 95% Konfidenz n = 357 Befragte

Produktpräferenzstudie

„Frühere Forschung zeigt, dass 30% unsere Marke bevorzugen. Schätzung innerhalb von ±4%"

p = 30%, 95% Konfidenz n = 504 Befragte

Weniger als die 600, die benötigt würden, wenn p unbekannt wäre (50%).

Warum 50% die Stichprobengröße maximiert

Die Formel enthält p(1-p), welches bei p = 0,5 maximiert wird:

Die Verwendung von p = 50% ist konservativ — Sie haben ausreichende Präzision unabhängig vom tatsächlichen Anteil.

Berücksichtigung von Rücklaufquoten

Wenn Sie erwarten, dass nur ein Teil der Eingeladenen antwortet:

Benötigte Einladungen = Stichprobengröße / Rücklaufquote

Beispiel:

• Benötigt: 400 Antworten
• Erwartete Rücklaufquote: 25%
• Versenden: 400 / 0,25 = 1.600 Einladungen

Subgruppenanalyse

Wenn Sie planen, Untergruppen separat zu analysieren:

Jede Untergruppe benötigt ihre eigene ausreichende Stichprobe.

Beispiel:

• Hauptanalyse: n = 400
• Zusätzliche Analyse nach Geschlecht (2 Gruppen): n = 400 pro Gruppe benötigt
• Gesamtbedarf: 800 (oder proportional mehr)

Geschichtete Stichprobe

Für Populationen mit unterschiedlichen Schichten:

1. Bestimmen Sie die Stichprobengröße für jede Schicht
2. Stichprobe proportional oder optimal über die Schichten
3. Kombinieren mit entsprechender Gewichtung

Komplexe Umfragedesigns

Standardformeln setzen einfache Zufallsstichproben voraus. Anpassungen sind erforderlich für:

Klumpenauswahl: Multiplizieren mit Designeffekt (oft 1,5-2,5) Schichtung: Kann die erforderliche Stichprobengröße reduzieren Gewichtung: Die effektive Stichprobengröße kann kleiner sein als die tatsächliche

Häufige Fehler

Ignorieren von Nicht-Antworten

Planung für 400, aber nur 200 erreicht, beeinträchtigt die Präzision.

Keine Berücksichtigung von Klumpen

Die Befragung von Schülern nach Klassenräumen (Klumpen) erfordert größere Stichproben als einfache Zufallsstichproben.

Übermäßiges Vertrauen in Pilotdaten

Kleine Pilotstudien haben hohe Variabilität. Seien Sie konservativ mit p-Schätzungen.

Vergessen praktischer Einschränkungen

Die Stichprobengrößenberechnung gibt ein Minimum an. Budget, Zeit und Zugang können die tatsächliche Stichprobe bestimmen.

Umfrage vs. Experiment

Umfrage (Schätzung): „Welcher Anteil unterstützt die Politik?" Fokus auf Fehlerspanne.

Experiment (Vergleich): „Unterscheidet sich Behandlung A von B?" Fokus auf Trennschärfe und Effektgröße.

Dieser Rechner ist für Schätzungen. Für Vergleiche verwenden Sie Stichprobengröße für zwei Anteile.

Historischer Kontext

Die Bestimmung der Stichprobengröße wurde in den 1930er-40er Jahren mit der Entwicklung der Umfragemethodik systematisch.

George Gallup zeigte, dass wissenschaftliche Umfragen Wahlen mit nur wenigen Tausend Befragten vorhersagen konnten — weit weniger als die 2,4 Millionen des Literary Digest (der 1936 spektakulär scheiterte).

Die wichtigste Erkenntnis: Zufällige Auswahl ist wichtiger als Stichprobengröße. Eine verzerrte Stichprobe von Millionen scheitert, wo eine zufällige Stichprobe von Tausenden erfolgreich ist.

Verwandte Berechnungen

• Fehlerspannen-Rechner — Bei gegebenem n die Fehlerspanne finden
• Endlichkeitskorrektur — Anpassung für kleine Populationen
• Stichprobengröße für zwei Anteile — Für Vergleiche
• Konfidenzintervall für Anteil — Nach Datenerhebung

Zusammenfassung

Die Berechnung der Umfrage-Stichprobengröße wägt Präzisionsanforderungen gegen praktische Einschränkungen ab. Die Fehlerspanne verringert sich mit √n, daher erfordert eine Halbierung der Fehlerspanne eine Vervierfachung der Stichprobe. Für Anteile nahe 50% ist die maximale Stichprobengröße erforderlich; für extreme Anteile weniger. Berücksichtigen Sie immer erwartete Nicht-Antworten, indem Sie Ihr Ziel erhöhen. Und denken Sie daran: Stichprobengrößenformeln setzen Zufallsstichproben voraus — verzerrte Auswahl macht alle Präzisionsansprüche ungültig.