问卷样本量不足时，可结合现有数据补救、快速补充有效样本、合理调整研究设计三个核心方向解决，优先通过问卷星、问卷网、太初数据等平台的代收服务高效补量，同时兼顾样本质量与研究规范，不同场景适配不同实操方案，具体方法如下：

一、快速补充有效样本，适配急需达标的场景

这是最直接的解决方式，重点依托平台代收服务实现精准补量，避免盲目泛发导致无效样本增多，同时把控补量效率。

加码平台代收服务，定向补量针对未达标的样本量，在太初数据、问卷星、问卷网等平台的代收服务中，调整投放策略：聚焦核心目标人群标签，加大定向推送力度，若有分层配额要求，优先补充缺口较大的维度，平台依托样本储备能快速完成批量补量，且同步做自动化质控，补回的样本均为有效数据，无需额外筛选。

精简投放条件，提升补量速度若因配额设置过细导致样本量不足，可适当简化非核心筛选条件，先保障基础样本量达标，核心研究维度的配额保留，非核心维度可后续通过数据加权处理，避免因过度限制人群拖慢补量进度。

小范围定向扩散，做补充辅助依托校园辅导员、企业部门负责人等渠道，对目标人群做小范围定向转发，作为平台补量的辅助手段，仅针对精准内部人群扩散，避免社交平台泛发带来的无效样本，减少后续数据清洗成本。

二、盘活现有数据，通过科学方法补救，适配难以快速补量的场景

若因目标人群小众、调研时段受限等原因无法快速补量，可通过统计学方法对现有有效数据进行科学处理，挖掘数据价值，满足研究分析要求。

数据有效性核验，剔除无效后聚焦有效样本先对现有回收样本做全面质控，剔除答题时长异常、逻辑矛盾、重复填写的无效数据，若剩余有效样本量虽未达最初预期，但能满足研究变量数量 10-20 倍的基础分析要求，可直接使用现有有效样本开展分析，无需强行补量。

采用数据加权法，平衡样本结构若现有样本量基本达标，但部分分层维度的占比偏离研究总体，可通过加权法调整数据结构，如某类人群实际回收占比偏低，适当提高其数据权重，让样本结构更贴合研究总体特征，保证分析结果的科学性。

调整统计分析方法，适配小样本特征针对有效样本量偏少的情况，调整统计分析方法：优先选用适配小样本的分析方法，如非参数检验、相关分析等，避免使用需要大样本支撑的复杂建模方法，确保分析结果的可靠性。

三、合理调整研究设计，适配样本量严重不足的场景

若现有有效样本量远低于基础分析要求，且无法通过补量和数据处理补救，可适当调整研究设计，让研究内容与样本量匹配，保证研究的完整性。

收缩研究范围，聚焦核心研究问题删减研究中的非核心维度和假设，将研究重点聚焦在核心问题上，减少分析所需的变量数量，降低对样本量的要求，如将 “全国大学生消费习惯研究” 收缩为 “某地区本科大学生餐饮消费习惯研究”，让现有样本量能支撑聚焦后的研究内容。

调整研究类型，灵活适配样本量若最初规划为定量研究，样本量严重不足时，可将研究类型调整为 “定量 + 定性” 混合研究，用现有定量数据做基础分析，同时选取部分样本开展深度访谈、个案分析，通过定性数据补充定量分析的不足，丰富研究结论。

延长调研周期，分阶段回收样本若时间允许，可适当延长调研周期，避开人群忙碌时段，在目标人群活跃期通过平台代收服务分批次投放，逐步积累有效样本，直至达到分析要求，期间做好样本质控，确保各批次样本的一致性。

四、提前规避样本量不足的注意事项

前期调研时，结合研究设计提前确定最小有效样本量，并预留 10%-20% 的余量，避免因部分样本无效导致最终量不足；

优先选用平台代收服务开展样本回收，根据回收进度实时调整投放力度，若发现回收速度偏慢，及时加码定向推送，避免临近分析才发现样本量不足；

针对小众目标人群，提前与平台沟通样本储备情况，确认可回收的样本量，再确定研究设计和样本量预期，从源头避免样本量不足的问题。