定性研究样本量：信息效力与饱和

最后更新：2026 年 10 月 9 日（首次发布于 2026 年 7 月 20 日）

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。

核心要点

• 信息效力是一种用于规划和论证定性研究样本量的模型：每位受访者所掌握的、与研究目的相关的信息越多，所需的受访者就越少。
• 它的五个维度是研究目的（窄与宽）、样本特异性（密集与稀疏）、既有理论（有运用与无）、对话质量（强与弱）以及分析策略（个案分析与跨案例分析）。
• 信息效力用于田野工作之前和期间；饱和则在期间和之后进行评估。好的论证用信息效力制定计划，并对照计划报告实际情况。
• 关于饱和的实证研究提供了有用的参照：一项 2022 年的系统综述发现，在研究目的较窄、样本相对同质的情况下，9–17 次访谈即可达到饱和（Hennink & Kaiser）。
• 样本量是第二个问题。第一个问题是谁：最大差异抽样、标准抽样和理论抽样等目的性抽样策略，决定了你的受访者是否有能力回答研究问题。
• AI 主持的访谈消除了主持人工时对 n 的上限约束，这使得书面论证变得更加重要，而不是更不重要。

什么是定性研究中的信息效力？

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。

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）。

信息效力的五个维度

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。

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。

信息效力与饱和：区别在哪里？

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。

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。

关于具体数字，实证证据怎么说

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：

• Hennink & Kaiser（2022）系统回顾了 23 项关于饱和的实证检验。使用实证数据的研究在 9–17 次访谈或 4–8 场焦点小组内达到饱和，且多数针对相对同质的人群和界定较窄的研究目标（Social Science & Medicine, vol. 292）。
• Wutich、Beresford & Bernard（2024）回顾了 10 类定性分析的样本量指引，并分别给出参照：主题饱和（约 9 次访谈）、意义饱和（约 24 次访谈）和理论饱和（20–30+ 次访谈）（International Journal of Qualitative Methods, vol. 23）。

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。

信息效力工作表（Qualitati 模板）

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。

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

一段完整的样本量论证示例

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。

「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。

定性抽样策略：先决定“谁”，再决定“多少”

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）。

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）。

抽样质量检查清单

• 纳入与排除标准在招募开始前已写明。
• 抽样策略在研究方案和最终报告中均已写明。
• 已完成信息效力工作表，包含目标区间和复核节点。
• 当研究设计需要比较群体时，已为每个分组设定目标。
• 筛选问卷已在若干已知合格与已知不合格的样例上测试过。
• 已对照目标报告实际样本，包括未达标之处。
• 在局限性部分写明了缺失的群体。

AI 主持的访谈给样本量带来了什么变化

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。

• 访谈更便宜并不意味着标准降低。300 人的便利样本仍然是便利样本。数量无法纠正选择误差。
• 对话质量成为关键维度。如果 AI 主持人追问不力，每份访谈记录承载的信息就更少，你就需要更多访谈。在扩大规模之前，先做几次预访谈并仔细阅读记录。
• 理论抽样需要分批进行。一次性启动所有访谈，就失去了让早期分析影响下一步招募对象的机会。请分批开展田野工作。
• 筛选变得举足轻重。大规模公开招募会增加遭遇欺诈性或职业受访者的风险。请参阅在 AI 访谈中筛查欺诈性受访者。

Qualitati 能提供什么

Qualitati 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：

• AI 主持的访谈支持文字和语音，可并行开展，因此在有限的研究预算下，也能切实实施带有明确分组目标的分层设计和分批进行的理论抽样。
• Active Listener 模式为人工访谈者提供实时提示和章节进度追踪，适合小规模同质样本或 IPA 式样本，在这类研究中，对话质量承载着信息效力。
• 对话式问卷具备 AI 追问和分支逻辑，可作为筛选环节，为目的性访谈样本输送受访者。
• 支持 10 种语言的多语种研究（英语、中文、法语、挪威语、荷兰语、德语、西班牙语、葡萄牙语、日语和阿拉伯语），将样本总体扩展到英语使用者之外。
• ThemeLens 可一次分析多达 100 份访谈记录，并将编码映射到研究问题，让你在每批访谈后检查新访谈是否仍在增加意义。如果你更喜欢自己编码，QDA Workspace 支持归纳式和演绎式编码。

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。

局限与权衡

• 信息效力是一个判断框架，而不是公式。它为论证提供结构，但不会计算出样本量。两位研究者可能对同一项研究给出不同的评级。
• 它可能被滥用。把每个维度都评为「高」以论证一个方便的小 n，是一种已知的失误。请为每项评级提供证据，尤其是对话质量。
• 实证参照是有条件的。9–17 次访谈的区间适用于目的较窄的同质样本，并不适用于所有研究。
• 研究范式很重要。饱和的说法适合某些设计（编码手册式 TA、扎根理论），却与另一些设计相冲突（反思性 TA、IPA）。论证依据要与方法相匹配。
• AI 无法裁定样本是否充分。自动化分析可以显示是否仍有新编码出现，但样本能否回答研究问题，仍然取决于研究者的判断。
• 人工审核提示：样本量论证、饱和声明和可迁移性陈述，应在投稿前由合格的研究者依据所在领域的报告规范（例如 COREQ 或 SRQR）进行审核。

适用对象与不适用情形

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。

常见问题

什么是定性研究中的信息效力？

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。

信息效力比饱和更好吗？

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。

一项定性研究需要多少次访谈？

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。

如何为定性研究撰写样本量论证？

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。

定性研究中最常用的抽样策略是什么？

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。

AI 主持的访谈会改变我所需的受访者数量吗？

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。

结论

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。

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。

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。」

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）。