「アンケートを取りたいけれど、何人に聞けば信頼できる結果になるのか？」と悩むことは多いでしょう。

新商品の需要予測や自治体の住民満足度調査など、意思決定に使うデータでは調査設計が極めて重要です。適切な人数や抽出方法を考慮せずに調査を行うと、結果が偏り、誤った判断につながる可能性があります。

この記事では、アンケート調査の基礎となる 「母集団」と「サンプルサイズ」 の考え方を、統計学の一般的な原則に基づいて整理します。

1. 調査対象となる「母集団」とは

母集団の定義

母集団とは「調査結果を適用したい対象全体」 を指します。

例：

• 日本全国の成人意識を知りたい
  → 母集団＝日本の成人全体
• 特定自治体の住民満足度を知りたい
  → 母集団＝その自治体の住民全体

調査設計では、まず母集団を明確に定義することが重要です。

全数調査と標本調査

全数調査

母集団の全員を対象にする調査です。
例：国勢調査など。

ただし、

• コストが高い
• 時間がかかる

ため、多くの実務では採用されません。

標本調査

母集団の一部を抽出し、その結果から全体を推定する方法です。
現在の社会調査・市場調査・行政調査の主流です。

ただし重要なのは：

標本の「数」だけでなく「選び方」が結果の信頼性を左右する という点です。

2. サンプルサイズ（標本の大きさ）の考え方

サンプルサイズとは

サンプルサイズ（sample size）とは、調査対象となった標本の人数 を指します。

信頼度と許容誤差

サンプルサイズを決める際は主に次の2点を設定します。

信頼度（信頼水準）

調査結果がどの程度の確率で真の値を含むかを示します。
一般的には 95％ が多く採用されます。

許容誤差（誤差幅）

推定値と実際の値との差として許容できる範囲です。
マーケティングや一般調査では ±5％程度 が目安になることが多いです。

よくある目安：95％信頼水準・±5％誤差

母集団が非常に大きい場合、

約385人程度の回答があれば統計的推定が可能 とされます。

これは統計式：

n = (Z^2 × p × q) / e^2

に基づく計算結果です。

ただしこれは次の条件が前提です：

• 無作為抽出ができている
• 比率推定調査である
• 母集団が十分大きい
• 回答の偏りが少ない

これらを満たさない場合、この人数では不十分になることがあります。

記号の意味

- n : 必要なサンプルサイズ

- Z : 信頼水準のZ値（95%なら1.96）

- p : 対象割合の推定値

- q : 1 − p

- e : 許容誤差

具体例（95%信頼水準・±5%誤差）

n = (1.96^2 × 0.5 × 0.5) / 0.05^2

≈ 384.16

→ 約385人

母集団が有限の場合（有限母集団補正）

n' = n / (1 + (n − 1) / N)

- N : 母集団サイズ

3. サンプルサイズだけでは不十分

抽出方法の重要性

調査の信頼性は人数だけでは決まりません。

特に重要なのは：

無作為抽出（ランダムサンプリング）

母集団の全員が等しい確率で選ばれる方法です。
これが確保されないと、調査結果は容易に偏ります。

例：

• SNSフォロワーだけに調査
• 特定地域のみ
• 任意回答型アンケート

これらは代表性が弱くなります。

回収率にも注意

アンケートは送付数＝回答数ではありません。

例えば：

• 1,000人に依頼
• 回収率40％

→ 実際のサンプルサイズは400人。

さらに、回答しない層に偏りがある場合：

非回答バイアス が発生し、結果の信頼性が低下します。

4. 「400人集めれば十分」は誤解になり得る

実務では「400人程度で十分」と言われることがありますが、これは条件付きです。

適用しやすいケース

• 全国世論調査
• 大規模市場調査
• 無作為抽出が可能な場合

不十分になるケース

• 医療・学術研究
• 小規模母集団
• 属性別分析が必要な調査
• 抽出に偏りがある場合

調査目的や分析粒度によっては、より大きなサンプルが必要になる場合もあります。

5. 統計調査設計で押さえるべきポイント

アンケートの質は設計段階で大きく決まります。特に以下が重要です：

① 母集団を明確にする

誰について結論を出したいのかを定義する。

② 適切なサンプルサイズを設定する

信頼度・誤差・目的を踏まえて算出する。

③ 抽出方法を設計する

無作為性・代表性を担保する。

④ 回収率を見込む

非回答バイアス対策を検討する。

まとめ

アンケート調査は単に人数を集めればよいわけではありません。

特に重要なのは：

• 母集団の明確化
• 適切なサンプルサイズ設定
• 偏りのない抽出方法

これらを適切に設計することで、より信頼性の高いデータに基づいた意思決定が可能になります。