样本量

样本量这件事其实很简单。先说最重要的，样本量不足是数据分析中最常见的陷阱之一。比如，去年我们跑的那个市场调研项目，由于预算和时间限制，我们只收集了大概1000份问卷，这在3000量级的市场中是远远不够的。另外一点，还有个细节挺关键的，那就是样本的代表性。如果样本来自特定的地区或人群，那么其结果可能无法推广到整个市场。
我一开始也以为样本量大一点自然就好，后来发现不对，样本量过大也会导致分析复杂化，而且数据分析成本也会显著上升。等等，还有个事，就是样本量过大时，有时候会因为数据的冗余而忽略掉一些重要的模式。
所以，我的建议是，在确定样本量时，要考虑研究的目的、可用资源以及数据的代表性。这个点很多人没注意，但我觉得值得试试，比如可以通过先小规模测试，再根据结果调整样本量，以达到一个既不过大也不过小的理想状态。

诶，说起来样本量这事儿，我还真有点经验。记得去年夏天，我帮一个朋友的公司做市场调研，那时候得弄个几百人的样本量才能算得上是有信服力的数据。那段时间，我们天天在街头巷尾发问卷，有时候忙得脚都不沾地，就为了多抓几个样本。后来发现，样本量大了，数据确实靠谱，但后期分析的时候头都大了，得熬夜搞数据清洗和统计分析，那段时间累得要死。所以啊，样本量这事儿，得根据具体情况来，不能一味地追求多，关键是要保证质量和代表性。

10年实战答疑，样本量小于100，结果不可靠。这就是坑。