サンプルサイズとは
サンプルサイズとは、調査や分析に使う観測の数のことです。アンケートなら回答者の数、実験なら試験した対象の数を指します。標本の大きさ、標本数とも呼ばれます。
一般に、サンプルサイズが大きいほど、推定の振れ幅は小さくなります。ただしこれは偶然による誤差が小さくなるという意味で、選び方の偏りや質問の悪さによる誤りは、人数を増やしても消えません。
サンプルサイズの考え方
サンプルサイズを考えるときの主な要素を整理します。
- 知りたい精度：結果の誤差をどの程度まで許容するか。
- 比べたい差の大きさ：小さな差を見つけるには、多くの観測が必要になる。
- 分けて見たい属性の数：属性ごとに分けると、各区分の人数は減る。
- 回収できる見込み：回答率や、条件に合う人の見つけやすさ。
- 時間と費用の制約：集められる範囲で、判断に足りるかを考える。
サンプルサイズの決め方には統計的な計算方法がありますが、新規事業の初期では、厳密な計算より、判断に必要な精度を逆算する発想が実用的です。たとえば、方針を変えるか否かの判断が、大まかな傾向で足りるのか、小さな差を見分ける必要があるのかを、先に考えます。
定性調査では、人数を決める目安として、新しい発見が出なくなるまで続ける考え方が用いられます。
実務での使い方・具体例
架空の例として、新しい料金プランの受け止めを調べる場面を考えます。「大まかに、受け入れられそうか、拒否されそうか」を知りたいだけなら、少ない人数でも傾向は掴めます。一方、「二つのプランのどちらが好まれるか」の小さな差を確かめたいなら、より多くの回答が要ります。
さらに、属性ごとの違いを見たいと考えると、各属性の人数が少なくなりすぎる問題が起きます。どの分け方で見たいかを先に決め、その区分ごとに必要な人数を見込みます。
結果の報告では、実際の回答数と、区分ごとの内訳を必ず併記します。数が少ない区分の結果は、参考にとどめる注意書きを添えます。
よくある誤解と注意点
最も多い誤解は、人数が多ければ結果は正しいという考えです。偏った集め方や分かりにくい質問による誤りは、人数に関わらず残ります。
反対に、少人数の結果は無意味だと切り捨てるのも適切ではありません。初期の定性的な発見には、少人数でも十分に価値があります。重要なのは、人数に見合った使い方をすることです。
また、数字が大きく見えるように人数を示す際、母数を省略する表現には注意が必要です。判断の根拠として示すときは、実際の人数と条件を明確にして、誤解を招かないようにします。
人数が足りないと分かったときは、無理に断定せず、「この結果は傾向を示すにとどまる」と明記して、次の検証で補います。限界を共有することも、判断の質を守る方法です。
人数の判断に迷ったときは、「この結果が想定と逆だったら、判断を変えるか」を自問します。人数が少なくても判断が変わるなら、そのまま次に進め、判断が変わらないほど結果が不確かなら、人数を増やすか、別の方法で補います。判断を軸に、必要な規模を考えるのが現実的です。調査の前に、結果の使い道を明確にしておきます。
関連用語
- 母集団・標本：サンプルが何を代表するかを考える前提の用語です。
- 無作為抽出：偏りを抑えて標本を集めるための方法です。
- 定量調査：サンプルサイズが結果の精度に関わる、数値による調査です。
- 定性調査：人数ではなく発見の深さで考える、質的な調査です。
Otsumuに相談できること
必要な人数は、何をどの精度で判断したいかによって変わります。Otsumuでは、調査の目的に合った規模の見積もりや、少数のデータの扱い方について相談できます。
新規事業の戦略づくりは新規事業戦略支援で扱っています。進め方の整理だけでも構いませんので、状況に合わせて30分の無料相談をご利用ください。
執筆：Otsumu株式会社 ／ 編集日 2026.10.04