台灣2300多萬人，民調為什麼問1000人就敢公布？樣本數不是越多人越準嗎

台灣有超過2300萬戶籍人口，但每當媒體公布民意調查，仔細一看調查方法，實際完成訪問的人數往往只有1000多人。用1000人的回答推估上千萬人的想法，真的具有代表性嗎？如果樣本數越多越準確，為什麼民調機構不乾脆訪問1萬人、甚至10萬人？

答案藏在統計學的「抽樣」概念裡。對一份設計良好的調查而言，關鍵並不是受訪者占總人口多少百分比，而是樣本怎麼抽、樣本有多大，以及抽出來的人能不能合理代表調查所關心的母體。根據內政部戶政司資料，截至2026年8月底，台灣戶籍人口為2322萬4721人。不過，實際進行一份民調時，研究母體未必就是全部2300多萬人，而會依研究目的設定，例如某年齡以上民眾、特定地區居民，或符合特定資格的人。

很多人的直覺是，人口越多，要抽的人應該也要同比例增加。例如1000人的公司若調查100人，占全公司10%；台灣有2300多萬人，怎麼可能只問1000人？但大型母體的抽樣並不是這樣計算。美國賓州州立大學統計教材指出，在適當的隨機抽樣假設下，估計比例時的抽樣誤差主要受到「樣本數」影響，而不是母體究竟有5萬人、5000萬人還是數十億人。當母體已經遠大於樣本時，人口繼續增加，對所需樣本數的影響會變得非常小。換句話說，如果研究的是一個只有幾百人的小團體，抽100人和抽200人的差別可能很大；但當母體已經有幾百萬、上千萬人，只要抽樣方法合理，並不需要按照人口比例一路增加樣本。這也是為什麼大型全國性民調常可以看到約1000人的有效樣本。

相關閱讀：國民黨、民進黨、民眾黨...哪個政黨支持度最高？最新民調：「這1政黨」認同度慘淪最後一名​

以最簡化的統計情況來看，假設採取簡單隨機抽樣，而且比例接近50%，在95%信心水準下，1000人的最大抽樣誤差大約是正負3.1個百分點。美國民意研究協會（AAPOR）的資料也指出，一份約1000人的調查，在簡化條件下常見的抽樣誤差約為正負3個百分點。

例如某項調查中，有50%的受訪者選擇A選項，假設符合上述統計條件，結果並不是在宣稱「全台剛好有50%的人這樣想」，而是利用1000人的樣本估計母體中的比例。所謂95%信心水準，可以理解為：如果用同樣的方法反覆抽取大量樣本並建立信賴區間，長期來看約95%的這些區間會涵蓋真正的母體數值。因此，民調本來就不是把每一個人的意見「數完」，而是用抽樣推估整體。

如果其他條件相同，而且抽樣方式合理，樣本從1000人增加到2000人、1萬人，確實會讓抽樣誤差縮小。但問題是，抽樣誤差並不會隨樣本數增加而等比例縮小。 （相關報導： 國民黨、民進黨、民眾黨...哪個政黨支持度最高？最新民調：「這1政黨」認同度慘淪最後一名 ｜ 更多文章 ）

在簡單隨機抽樣、比例接近50%的理論情況下，100人的最大抽樣誤差約為正負9.8個百分點；400人大約縮小到正負4.9個百分點；1000人則約為正負3.1個百分點。可是再把1000人增加一倍到2000人，抽樣誤差只會進一步降到約正負2.2個百分點；即使做到1萬人，也大約仍有正負1個百分點的抽樣誤差。

AAPOR也指出，樣本由100增加到1000時，抽樣誤差下降得相當明顯；但到了1000人以後，再繼續增加樣本，改善幅度開始變小。把1000人增加到2000人，抽樣誤差大約只會再縮小1個百分點左右。原因在於抽樣誤差大致與「樣本數的平方根」成反比。簡單來說，如果希望把抽樣誤差縮小一半，通常不是把人數增加一倍，而是要把樣本增加到大約4倍。

所以從1000人增加到4000人，訪問成本可能增加數倍，但抽樣誤差大約只是減半，不會變成原來的四分之一。這正是民調機構必須衡量的現實問題：增加訪問人數確實可以提高抽樣精度，但做到某個規模之後，新增每一批樣本所換來的改善愈來愈有限。

相關閱讀：民調沒說的事！蔣萬安、沈伯洋情緒分布曝光，這差距竟大到令人震驚

也因此，只看到一份民調寫著「成功訪問1000人」，並不能直接判斷這份調查好不好。假設有一份調查訪問了1萬人，但這1萬人幾乎全部來自同一個年齡層、同一類型網路平台，或某些族群根本沒有合理機會進入樣本，即使樣本數很大，也可能無法代表研究母體。

相反地，一份只有1000多人的調查，如果有完善的抽樣設計，讓不同地區、年齡、性別等人口群體有合理機會進入樣本，之後再依人口結構進行適當調整，反而可能更具有參考價值。AAPOR把「涵蓋誤差」列為調查可能出錯的重要來源之一，也就是某些母體成員沒有適當機會被納入樣本；此外，沒有接受訪問的人和願意接受訪問的人如果具有系統性差異，也可能產生「無回應偏誤」。所以民調真正困難的地方，不只是湊到1000個回答，而是如何讓這1000人的組成盡量接近研究要代表的人群。

以國立政治大學選舉研究中心公開的電話訪問方法為例，其電話調查包括市話與手機訪問。政大選研中心公開的市話抽樣有不同方式。其中一種方式，是以各縣市住宅電話簿為母體清冊，依各縣市電話數占整體電話數的比例決定抽取數量，再以等距抽樣方式抽取電話；為了增加未登錄住宅電話被抽中的機會，還會利用隨機亂數修正電話號碼最後一至四碼。

另一種方式則利用歷年電話訪問累積的電話號碼資料庫，先依各縣市比例，以機率與單位大小成比例（PPS）方式抽出局碼，再以隨機亂數產生電話號碼末碼。手機抽樣方面，則會依主管機關公布的手機號碼前幾碼核配資料，依核配情況抽取號碼區段，再隨機產生後續號碼進行撥打。

市話接通後，也不是「誰接電話就訪問誰」，而是由訪員按照「洪式」戶中抽樣原則，抽出應受訪的對象進行訪問。這跟「找1000個願意回答的人就算完成」完全不同。 （相關報導： 國民黨、民進黨、民眾黨...哪個政黨支持度最高？最新民調：「這1政黨」認同度慘淪最後一名 ｜ 更多文章 ）

調查取得資料之後，也可能進一步進行「加權」。簡單來說，如果樣本中的人口結構與實際母體不完全相同，研究者會利用統計權重進行調整。政大選研中心最新公布至2026年6月的政治態度趨勢資料，就明確說明相關民調資料經過加權處理。不過，加權並不是萬能。如果某一類人幾乎完全沒有被訪問到，或者願意接受調查的人與拒絕接受調查的人在某項意見上存在系統性差異，事後加權仍不一定能完全修正問題。

新聞常在民調最後寫著「95%信心水準，抽樣誤差正負3個百分點」，容易讓人以為這份調查的所有誤差最多就是3%。不過，正負3%的抽樣誤差，並不代表這份民調的所有誤差都只有3%。

通常公布的正負3%左右，主要是在描述「抽樣誤差」。而且實際調查如果使用分層、加權或其他複雜抽樣設計，實際的統計不確定程度也未必恰好等同最簡單隨機抽樣所算出的正負3.1%。現實中的調查還可能受到樣本涵蓋不足、部分族群較不願意回答、問題文字怎麼寫、題目排列順序、資料蒐集方式以及後續加權方法等因素影響。

例如同樣詢問一件事情，題目使用中性文字，或先在問題中列出某一方的理由，都可能影響受訪者回答；AAPOR也將問題措辭與問題順序列為判讀調查時應注意的重要事項。因此，1000人的樣本規模只能反映一定程度的統計精度，並不能直接等同於民調品質。

還有一個常見情況是，一份民調總樣本雖然有1000人，但新聞又把結果拆成20多歲、30多歲、40多歲等不同族群。這時就不能繼續把「1000人、正負3%」套用到每一個年齡層。因為每個子族群真正參與計算的人數可能只剩100至200人。

AAPOR舉例，一份1000人的調查，整體抽樣誤差可能約正負3個百分點；如果其中某個族群只有200名受訪者，這個子樣本的抽樣誤差可能擴大到約正負6.9個百分點。因此，民調拆分成不同年齡、地區或其他族群後，各子樣本的實際人數會直接影響估計精度，其抽樣誤差也會與整體樣本不同。

回到最開始的問題：台灣有2300多萬戶籍人口，為什麼民調問1000多人就可以推估整體？並不是因為統計學認定「1000人一定能代表2300萬人」，而是當母體已經非常龐大時，在良好抽樣設計等條件下，估計精度主要取決於樣本數，而不是樣本占全體人口多少比例。

1000人之所以常見，是因為它在調查成本與統計精度之間形成一個常用的折衷點：在理想的簡單隨機抽樣條件下，大致可以把最大抽樣誤差控制在正負3個百分點附近；繼續大量增加人數雖然會讓抽樣結果更精確，但改善速度會愈來愈慢。一份民調的代表性，並不會因樣本達到1000人就自動成立。

調查結果是否可靠，還涉及抽樣方式、母體涵蓋程度、無回應情形、加權方法、題目設計及誤差估計等因素。就抽樣誤差而言，在其他條件相同下，樣本數越多通常越精確；但如果抽樣本身已經偏了，再多的人，也只是把一個有偏差的結果算得更加精密。 （相關報導： 國民黨、民進黨、民眾黨...哪個政黨支持度最高？最新民調：「這1政黨」認同度慘淪最後一名 ｜ 更多文章 ）

• 內政部戶政司，〈民國115年8月戶口統計資料分析〉。
• 國立政治大學選舉研究中心，〈電話訪問電話號碼抽取使用與管理原則〉。
• 國立政治大學選舉研究中心，〈臺灣民眾政黨偏好趨勢分佈（1992年06月～2026年06月）〉。
• American Association for Public Opinion Research（AAPOR），Margin of Sampling Error、Polling Accuracy、A Journalist’s Guide to Understanding Polls & Surveys、Standard Definitions。
• Pennsylvania State University，STAT 100：Characteristics of Good Sample Surveys and Comparative Studies。

本文為民調與統計方法之一般性說明，實際調查結果仍可能受到抽樣設計、樣本結構、加權方式、題目設計、訪問模式及非抽樣誤差等因素影響；各項民調數據應以原始調查機構公布的方法與完整資料為準。