サンプルサイズ設計とは ― 「何人調査すればいいか」入門

1. この記事で学べること

2. エピローグ

学校の栄養士が、来月の給食メニューを考えていた。

「子どもたちの好みを知りたい。アンケートを取ろう。」

全校生徒は500人。 全員に聞くのは時間がかかりすぎる。

「とりあえず30人くらいでいいかな。」

そう思ってアンケートを配り始めたところで、ふと疑問が浮かんだ。

• 30人で十分なのか。
• 100人必要なのか。
• それとも200人？

感覚で決めると、少なすぎて結果が信頼できなかったり、多すぎて無駄な手間がかかったりする。

「何人に聞けば全体の好みが正確に分かるか」を事前に計算できれば、無駄なく適切な人数が決められる。

いちこ

「とりあえず30人」って、よくやりがちですよね。でも根拠がないと不安ですね。

シュン

実はサンプル数って「必要な精度」と「データのばらつき」と「信頼水準」の3つから逆算して決めることができるんだよね。感覚じゃなくて数値で決められる。

道路の改修工事を検討している担当者が、交通量調査を行うことにした。

1日の交通量を知りたい。 でも24時間ずっと数え続けるのは現実的ではない。

「何時間計測すれば、1日の交通量を正確に推定できるか。」

• 朝のラッシュ
• 昼の閑散時間
• 夕方のラッシュ。 時間帯によって交通量は大きく変わる。

過去データから1時間あたりの交通量の標準偏差が約200台と分かった。 「誤差±50台以内で推定したい」という精度の要件を設定した。

必要な計測時間を計算すると、約62時間分のデータが必要だという結果が出た。

「とりあえず1日計測」では足りないかもしれない。「3日間計測すれば十分」という根拠が数値で出た。

シュン

この「誤差をいくつ以内にしたいか」という精度の要件を先に決めるのがポイントなんだよね。

いちこ

精度の要件を決めてから、必要なサンプル数を逆算するんですね。

シュン

そうそう。逆に言えば、精度の要件を決めないと「何人調査すればいいか」は永遠に決まらないんだよね。

人事担当者が、新入社員研修の効果を測定することにした。

今年の新入社員は100人。 研修前後にテストを実施して、効果を検証したい。

「全員にテストを受けさせるべきか、一部でいいか。」

• 全員100人にテストを受けさせると、効果測定の精度は高い。
• ただ、100人分のテスト採点・集計・分析には時間とコストがかかる。

必要なサンプル数を計算してみた。

過去のテストデータから標準偏差は約15点。 「平均点の差が5点以上なら研修効果あり」という基準を設定した。

計算すると必要なサンプル数は約35人。

100人全員に実施しなくても、35人で十分な精度が得られる。

残りの65人は通常業務に戻ってもらえる。 コストを65%削減しながら、同じ精度の結果が得られた。

シュン

これが「サンプルが多すぎるのもコスト」という話でね。必要以上にサンプルを集めても、精度はそこまで上がらないんだよね。

いちこ

必要なサンプル数を事前に計算することで、無駄を省けるんですね！

シュン

そうそう。営業の現場でも「何件商談すれば受注率の傾向が見えるか」「何人にアンケートすればチームの課題が分かるか」という場面で使えるんだよ。

• 給食メニューのアンケート。
• 交通量調査。
• 研修効果の測定。

3つに共通しているのは「感覚でサンプル数を決めるのではなく、必要な精度から逆算できる」ということだ。

この「必要なサンプル数を事前に計算する」手法が、サンプルサイズ設計だ。

3. サンプルサイズ設計とは何か

サンプルサイズ設計とは、調査の目的を達成するために必要な最小サンプル数を事前に計算する手法だ。

サンプル数を決める3つの要素

直感的なイメージ

• 「誤差±1%以内で推定したい(許容誤差が小さい)」→ サンプルが多く必要
• 「データのばらつきが大きい」→ サンプルが多く必要
• 「95%の確率で正しく推定したい(信頼水準が高い)」→ サンプルが多く必要

4. 図で見る

許容誤差とサンプル数の関係を見てみる。(信頼水準95%・標準偏差15点の場合)

許容誤差が小さくなるほど、必要なサンプル数が急激に増える。 「±1点の精度」には864人必要だが、「±5点の精度」なら35人で十分だ。

次に信頼水準別のサンプル数を見てみる。(許容誤差±5点・標準偏差15点の場合)

信頼水準を95%から99%に上げると、サンプル数が35人から60人に増える。 「より確実に推定したい」ほど、コストが増えることが分かる。

ここで2つのことを覚えておいてほしい。

① 許容誤差を先に決めることがすべての出発点

「どのくらいの誤差なら意思決定に支障がないか」を決めてから、サンプル数を逆算する。

• 給食メニューなら「±10%の誤差なら許容できる」
• 研修効果なら「±5点の誤差なら許容できる」　という基準を先に決める。

② サンプルは多すぎても無駄になる

• サンプルを2倍にしても、精度は√2倍にしか上がらない。
• 100人調査から200人調査にしても、精度向上は約1.4倍にとどまる。

「必要十分なサンプル数」を知ることが、コスト削減につながる。

5. 計算式

シュン

教科書的な計算式も紹介しておくね。

いちこ

シーン別の記事では、プロンプトも紹介してくれてますね。まさに生成AIに頼るところですね！

平均値の推定に必要なサンプル数

• $z$: 信頼水準に対応するz値(95%なら1.96、99%なら2.576)
• $\sigma$: 母集団の標準偏差(不明な場合は過去データや予備調査から推定)
• $E$: 許容誤差

研修効果測定の例(σ=15点・E=±5点・信頼水準95%)

比率の推定に必要なサンプル数

• $p$: 推定する比率(不明な場合は0.5を使うと最も保守的な推定になる)

生成AIにデータを渡せば10秒で計算できる。手計算は不要。