简要回答：定性访谈研究的样本量应依据信息效力（information power）或饱和来论证，而不是统计功效。信息效力（Malterud、Siersma & Guassora，2016）认为，样本所含的相关信息越多，所需的受访者就越少。它由五个维度决定：研究目的、样本特异性、既有理论的运用、对话质量以及分析策略。
最后更新：2026 年 10 月 9 日（首次发布于 2026 年 7 月 20 日）
\n\n每位 PhD 学生迟早都会被导师、伦理委员会或「审稿人 2」问到同一个问题：为什么是这么多受访者？「直到饱和」是最常见的回答，却往往也是最薄弱的回答，因为饱和只有在数据收集完成之后才能得到证明。本指南将说明如何借助信息效力论证定性访谈研究的样本量、信息效力与饱和有何不同、哪些定性抽样策略决定你招募谁，以及如何写出经得起评审的样本量论证。文中附有一段完整的论证示例，以及一页可直接粘贴进研究计划书的工作表。
\n\n信息效力是一种用于决定定性访谈研究需要多少受访者的模型。它由 Kirsti Malterud、Volkert Siersma 和 Ann Dorrit Guassora 于 2016 年在 Qualitative Health Research 上提出，主张样本是否充分取决于其中包含多少与研究目的相关的信息。信息效力越高，所需受访者越少；信息效力越低，所需受访者越多。
\n该模型的提出，是为了替代将饱和视为默认规则的做法。它并不给出一个数字，而是为论证提供结构：你从五个维度评估自己的研究，设定一个暂定目标，并在看到陆续完成的访谈质量后加以修正。原论文将其定位为一种在数据收集过程中持续进行评估的指引，而不是对研究者判断的替代（Malterud et al., 2016, DOI 10.1177/1049732315617444）。
\n\n每个维度都会推高或压低所需的样本量。下表用研究规划的语言重述了该模型，并补充了审稿人可能提出的问题。
\n| 维度 | 受访者可以更少，当… | 受访者需要更多，当… | 审稿人的问题 |
|---|---|---|---|
| 研究目的 | 目的较窄（一种经历、一个决策、一个角色） | 目的宽泛，或在多种情境中进行探索 | 研究目的是否足够具体，能够界定样本范围？ |
| 样本特异性 | 受访者对该现象有密集的亲身经历 | 受访者与该现象只有松散的联系 | 为什么这些人是合适的信息提供者？ |
| 既有理论 | 已有理论为抽样和分析提供框架 | 未运用任何理论，研究完全是归纳式的 | 采用哪种理论？它如何引导访谈问题？ |
| 对话质量 | 访谈深入、追问充分且焦点清晰 | 访谈简短、肤浅或追问不足 | 你如何知道访谈内容是丰富的？ |
| 分析策略 | 对叙事或少数个案进行深入分析 | 对大量受访者进行探索性的跨案例分析 | 样本是否与分析方法相匹配？ |
请特别注意第四个维度。访谈质量本身就是一个样本量变量。访谈越浅，需要的访谈就越多。这就是为什么缺乏追问、形同填表的访谈和简短的聊天记录会带来隐性成本：每一份所承载的信息都更少。
\n\n饱和关心的是新数据是否仍在产生新的洞见；信息效力关心的是样本是否包含足以实现研究目的的相关信息。饱和在分析期间及之后进行判断。信息效力则可以在田野工作开始前加以论证，因此更适合研究计划书、伦理申请和预注册。大多数扎实的方法部分会同时使用两者。
\n| 标准 | 信息效力 | 饱和 |
|---|---|---|
| 核心问题 | 样本是否包含足以实现该研究目的的相关信息？ | 新的访谈是否仍在增加新的编码或意义？ |
| 使用时机 | 规划阶段，随后在田野工作中持续监测 | 分析期间；事后确认 |
| 是否给出数字？ | 否：一个有理据、可修订的目标 | 否：在数据中观察到的停止点 |
| 最适用于 | 研究计划书、伦理委员会、反思性与诠释性研究设计 | 编码信度与编码手册类方法；扎根理论（即理论饱和） |
| 主要弱点 | 依赖判断；可能被用来为一个方便的 n 找理由 | 常被声称达到，却缺乏如何评估的证据 |
这场争论对主题分析尤为重要。Braun 和 Clarke 认为，饱和与反思性主题分析并不契合，因为在反思性主题分析中，意义是通过诠释生成的，而不是在数据中被发现的；他们指出信息效力是更为自洽的论证依据（Braun & Clarke, 2021, Qualitative Research in Sport, Exercise and Health）。如果你采用反思性 TA，却以饱和作为停止规则，就容易招致认识论层面的质疑。关于饱和本身的更完整讨论，请参阅什么是数据饱和和需要多少次 AI 主持的访谈。
\n\n信息效力不给出数字，但审稿人往往需要一个参照。以下两篇综述很有帮助：
\n请将这些结果理解为有条件的发现，而不是配额。两篇综述都把较低的数字与同质样本和较窄的研究目的联系在一起，而这恰恰是高信息效力所描述的情形。一项宽泛、异质且不依托理论的研究，应当预期样本量会高于这些区间。
\n\n你可以在研究计划书、伦理申请或方法章节中使用这份一页的工作表。为每个维度评级，写一句证据，然后再设定暂定目标。它能把一个主观判断转化为可供评审的论证。
\n| 维度 | 评级 | 证据（一句话） | 对 n 的影响 |
|---|---|---|---|
| 研究目的 | 窄 / 中等 / 宽 | 说明研究目的以及哪些内容不在范围内 | ↓ / – / ↑ |
| 样本特异性 | 密集 / 混合 / 稀疏 | 说明能够确保受访者具有亲身经历的纳入标准 | ↓ / – / ↑ |
| 既有理论 | 已运用 / 部分运用 / 无 | 写明所用理论及其如何塑造访谈提纲 | ↓ / – / ↑ |
| 对话质量 | 强 / 不确定 / 弱 | 预访谈证据：访谈时长、追问深度、访谈者经验 | ↓ / – / ↑ |
| 分析策略 | 个案分析 / 混合 / 跨案例分析 | 写明分析方法（IPA、反思性 TA、框架分析、扎根理论） | ↓ / – / ↑ |
| 暂定目标 | 给出一个区间（而非单一数字）、复核节点（例如完成前三分之一的访谈之后），以及在何种情况下会扩大样本 |
以下是一段示例，针对一项假设研究：管理学一年级 PhD 学生如何决定是否在文献综述中使用生成式 AI。
\n\n「样本量以信息效力为指导（Malterud et al., 2016）。研究目的较窄（单一人群中的单一决策），样本密集（所有受访者在过去 6 个月内都曾在文献综述中使用过或明确拒绝使用生成式 AI），且访谈以技术接受相关文献为框架。另一方面，跨案例分析策略以及我们关于对话质量的预访谈证据有限，降低了信息效力。因此，我们设定了 14–20 次访谈的暂定目标，在完成前 7 次访谈后复核信息效力，并约定若仍有新的决策路径出现则扩大招募。我们共完成 17 次访谈；最后 3 次访谈没有带来新的决策路径。」
这段论证之所以有效，在于三点：它涵盖了全部五个维度，给出了带复核节点的区间，并报告了实际发生的情况。其中的数字仅作示例；你的数字必须来自你自己的研究。
\n\n信息效力假定你的受访者是合适的受访者，而这正是抽样策略要完成的工作。Oliver Robinson 关于访谈研究抽样的指南提出了四步顺序：界定样本总体（纳入与排除标准），决定样本量，选择抽样策略，然后获取样本（Robinson, 2014, Qualitative Research in Psychology）。
\n| 策略 | 做法 | 适用情形 | 主要风险 |
|---|---|---|---|
| 最大差异抽样 | 有意覆盖不同情境或极端情况 | 你需要经验的全貌，或需要找出跨越差异仍然成立的模式 | 若 n 较小，每个分组的覆盖都较单薄 |
| 同质抽样 | 聚焦于一个界定严格的群体 | 你需要深入了解某一角色、历程或状况（在 IPA 中很常见） | 研究发现难以推及该群体之外 |
| 标准抽样 | 纳入所有符合既定门槛或经历特定事件的人 | 研究某种特定经历（一次诊断、一次辍学、一次失败的采纳） | 标准本身可能测量不当 |
| 理论抽样 | 根据逐步浮现的分析结果迭代招募 | 扎根理论；概念发展 | 要求分析与田野工作同步进行 |
| 极端 / 偏差个案抽样 | 瞄准不寻常的成功或失败案例 | 你希望在机制最明显的地方观察它 | 非典型个案被误读为常态 |
| 滚雪球抽样 | 由受访者推荐其他人 | 隐蔽或难以接触的人群 | 推荐链在社会关系上聚集 |
| 分层目的性抽样 | 为每个分组设定目标，组内采用目的性抽样 | 你必须比较事先界定的群体 | 为凑满配额而纳入匹配度低的受访者 |
| 便利抽样 | 谁有空就访谁 | 仅限预访谈和工具测试 | 系统性偏差；结论薄弱 |
抽样策略与信息效力相互作用。分层和最大差异设计会降低每个分组的样本特异性，因此需要更大的总样本量。同质的标准抽样样本则会提高特异性，支持更小的 n。Vasileiou 及其同事对访谈研究的综述发现，已发表论文中的样本量论证常常缺失或十分单薄；正因如此，同时写明抽样策略和信息效力推理会让你的研究脱颖而出（Vasileiou et al., 2018, BMC Medical Research Methodology）。
\n\n过去，访谈数量受限于主持人的工时，12 到 15 次访谈在一定程度上是预算造成的结果。AI 主持的访谈改变了这一点：访谈可以并行开展，跨越时区和语言。但它在方法论上的影响常常被误读。
\nQualitati 是一个面向高校和研究公司的欧洲定性研究平台，价格亲民，并将数据隐私和 GDPR 作为核心优先事项。具体到样本量与抽样决策：
\n价格按积分公开标示，免费版每月包含 30 积分，无需信用卡。当前套餐请参阅定价。
\n\n适用于：撰写方法章节或伦理申请的 PhD 学生、规划访谈研究的研究团队，以及需要向客户说明样本合理性的定性研究或市场研究公司。不适用于：其结论依赖于对总体进行统计推断的研究。如果你需要估计发生率，请使用概率样本和问卷调查，再辅以访谈来解释结果。
\n\n信息效力是 Malterud、Siersma 和 Guassora 于 2016 年提出的一种模型，用于决定定性访谈研究需要多少受访者。样本所含与研究目的相关的信息越多，所需受访者就越少。它从五个维度进行评估：研究目的、样本特异性、理论、对话质量和分析策略。
\n\n两者都不是普遍更优。信息效力更容易在田野工作之前加以论证，因此适合研究计划书和伦理委员会，也契合反思性主题分析等诠释性方法。饱和则适用于编码手册式设计和扎根理论设计。许多扎实的研究会用信息效力做规划，事后再报告饱和证据。
\n\n没有通用的数字。实证综述发现，在研究目的较窄的同质样本中，9–17 次访谈即可达到饱和，但宽泛或异质的研究需要更多。请依据信息效力的五个维度设定一个区间，在田野工作中途进行复核，并报告你的推理过程。
\n\n写明所用框架（信息效力或饱和），为五个维度逐一评级并各附一句证据，给出暂定区间和复核节点，并报告实际样本量以及停止的理由。本指南中的论证示例段落可作为模板。
\n\n目的性抽样：因受访者的经历契合研究问题而有意选择他们。最大差异抽样、同质抽样和标准抽样是其最常用的变体。
\n\n它们改变的是成本，而不是充分性。信息效力仍然取决于研究目的、样本、理论、对话质量和分析。如果 AI 访谈的追问深度不如熟练的人工访谈者，你可能需要更多访谈；如果追问得当，则适用与人工访谈相同的逻辑。
\n\n关于定性访谈研究的样本量，最有力的回答不是一个数字，而是一套论证。界定谁属于样本，选择与研究问题相契合的目的性抽样策略，评估信息效力的五个维度，设定带复核节点的区间，并报告实际发生的情况。AI 主持的访谈消除了 n 的成本上限，而这恰恰是书面论证如今分量更重的原因。
\n正在规划访谈研究？免费开始，获赠 30 积分，无需信用卡；或查看透明定价。了解 Qualitati 如何开展 AI 主持的访谈、焦点小组、对话式问卷和主题分析，或将其与 NVivo 进行比较。
\n\n图片替代文字建议：「信息效力工作表：通过评估五个维度（研究目的、样本特异性、既有理论、对话质量、分析策略）来设定定性访谈研究的样本量。」
\n\n外部来源：Malterud, Siersma & Guassora（2016），Sample Size in Qualitative Interview Studies: Guided by Information Power（Qualitative Health Research）；Braun & Clarke（2021），To saturate or not to saturate?（Qualitative Research in Sport, Exercise and Health）；Hennink & Kaiser（2022），Sample sizes for saturation in qualitative research: a systematic review of empirical tests（Social Science & Medicine）；Wutich, Beresford & Bernard（2024），Sample Sizes for 10 Types of Qualitative Data Analysis（International Journal of Qualitative Methods）；Vasileiou et al.（2018），Characterising and justifying sample size sufficiency in interview-based studies（BMC Medical Research Methodology）；Robinson（2014），Sampling in Interview-Based Qualitative Research（Qualitative Research in Psychology）。
\n\n\n\n\n","related":[{"slug":"longitudinal-qualitative-research-guide-2026","title":"纵向定性研究：设计、轮次规划与分析方法（2026）","description":"纵向定性研究（QLR）如何设计与分析？涵盖轮次间隔、样本流失、轨迹分析与重复横截面分析，并附原创轮次规划矩阵与 AI 访谈要点。","category":"定性研究方法","date":"2026-10-19","readTime":"13 分钟阅读","author":"Qualitati 研究团队"},{"slug":"interpretative-phenomenological-analysis-guide-2026","title":"诠释现象学分析（IPA）：7 个步骤、示例与质量清单","description":"什么是诠释现象学分析？按 2022 年术语（PETs、GETs）讲解 IPA 步骤、样本规模、分析示例，以及学位论文可用的 IPA 质量清单。","category":"定性研究方法","date":"2026-09-29","readTime":"11 分钟阅读","author":"Qualitati 研究团队"},{"slug":"qualitative-research-questions-examples-2026","title":"定性研究问题怎么写？按研究设计分类的示例","description":"按现象学、扎根理论、案例研究和叙事探究分类的定性研究问题示例，说明研究问题该设几个、与访谈问题有何区别，并附一份免费匹配度检查表。","category":"定性研究方法","date":"2026-09-23","readTime":"10 分钟阅读","author":"Qualitati 研究团队"}]}