サンプルサイズの決め方と計算方法｜アンケートで必要な回答数をわかりやすく解説

「結局、何人に聞けばいいのか？」は、多くの人がつまずくポイントです。

アンケート調査では、対象者が多ければ多いほど正確な結果が得られると思われがちですが、実際にはそう単純ではありません。やみくもに人数を増やすと、コストや時間ばかりがかかり、必ずしも精度が大きく向上するとは限らないのです。

一方で、サンプル数が少なすぎると、結果にばらつきが出やすくなり、意思決定に使えるデータとは言えなくなってしまいます。

本記事では、サンプルサイズの考え方と決め方を、実務で迷わないレベルまでわかりやすく解説します。

サンプルサイズとは？アンケート調査で必要な回答数の基本

サンプルサイズとは、調査対象となる人数（標本の数）のことです。

アンケート調査では、本来は対象となるすべての人（母集団）に意見を聞くことが理想です。しかし、実際にはコストや時間の制約があるため、全員に調査を行うことは現実的ではありません。

そこで、母集団の中から一部を抽出し、その人たちに調査を行う「標本調査」という方法が用いられます。このときに集める回答数が、サンプルサイズです。

重要なのは、サンプルサイズが適切であれば、全体を調査しなくても高い精度で傾向を把握できるという点です。逆に、サンプルサイズが不適切だと、結果に偏りやばらつきが生じ、正しい判断ができなくなる可能性があります。

サンプルサイズを左右する3つの基本概念

サンプルサイズを正しく設定するためには、3つの基本概念を理解する必要があります。

① 母集団（Population Size）

調査で意見や傾向を知りたい集団全体のことです。従業員満足度調査であれば「全社員数」、顧客アンケートなら「全登録顧客数」が母集団になります。まず「誰の意見を知りたいのか」を明確にすることが、サンプルサイズ設計の第一歩です。

② 信頼水準（Confidence Level）

同じ条件でアンケートを繰り返したとき、何回中何回は同じ範囲の結果が得られるかを示す数値です。業界標準は95%。より慎重な判断が求められる調査では99%を使うこともあります。

③ 標本誤差（Margin of Error）

調査結果が母集団の本当の値からどれだけ異なってもよいかの許容範囲です。一般的に±5%以内が使われることが最も多いです。標本誤差を小さくするほど精度は上がりますが、必要なサンプルサイズは大きくなります。

なぜこの3つで決まるのか？

アンケート調査は、母集団の一部を使って全体を推測する行為です。そのため、結果には必ずズレが生じます。

このズレをどの程度許容するか（標本誤差）、どの程度の確率でその範囲に収まるといえるか（信頼水準）を決めることで、必要なサンプルサイズが定まります。

つまりサンプルサイズとは、「どれくらい正確に全体を再現したいか」という意思決定の結果なのです。

サンプルサイズの計算方法｜ツールを使えば3つの数字を入れるだけ

サンプルサイズの計算には統計的な数式が使われますが、難しく考える必要はありません。無料のオンラインツールを使えば、3つの数字を入力するだけで答えが出ます。

• ① 母集団の人数

• ② 信頼水準（通常95%）

• ③ 標本誤差（通常5）

サンプルサイズの計算式（参考）

手動で計算したい場合は、以下の式が使われます。

n = (Z² × p × (1-p) / e²) ÷ (1 + (Z² × p × (1-p) / (e² × N)))

変数の意味は、N＝母集団のサイズ、e＝許容誤差（小数表記）、Z＝信頼水準に対応するZスコア（95%の場合は1.96）です。pは「特定の回答を選択するサンプルの割合」を指し、過去の調査データがない場合は0.5（50%）を使うのが一般的です。
これにより最も保守的（大きめ）なサンプルサイズが算出されます。

ただし、こうした計算はオンラインツールが自動でやってくれるので、式を暗記する必要はまったくありません。
大切なのは、3つの数字の意味を理解した上で適切な値を設定することです。

母集団の規模が変わるとサンプルサイズはどう変わるか

実際に数字を入れて計算した結果を見てみましょう（信頼水準95%、標本誤差±5%の条件）。

この表から、とても重要な事実が読み取れます。それは、母集団が10倍・100倍・1,000倍になっても、必要なサンプルサイズはほとんど増えないということです。

「全体が大きいほど、たくさん調査しなければならない」という思い込みは統計的には誤りなのです。

信頼できるサンプル数を確保するために知っておくべきこと

信頼水準を変えるとサンプルサイズはどう変わるか

信頼水準を90%から99%に上げると、必要なサンプルサイズは約2.4倍になります。つまり信頼水準と標本誤差の設定こそがサンプルサイズを決める最も重要な要因であり、母集団の大きさよりもずっと大きな影響を持ちます。

回収率を考慮した配布数の決め方

アンケートを配布する際には回収率を考慮することも忘れてはなりません。回答率が50%程度と見込まれる場合、370人の有効回答を得るためには「370 ÷ 0.5 ＝ 740人」に配布する必要があります。一般的なメールでのアンケートの回答率は10〜30%程度と見積もられることが多いため、必要なサンプルサイズよりも多めに配布先を設定することが実務上は不可欠です。

サンプルサイズを理解すると仕事のここが変わる

サンプルサイズの考え方を身につけると、調査の現場でこんな変化が起きます。

• 上司や関係者への説明が楽になる：「なぜこの人数でいいのか」という問いに対して、統計的な根拠を示せるようになります。「感覚で決めた人数」から「根拠のある人数」へ。説明責任を果たしやすくなります。

• 調査コストを適正化できる： 必要以上に多くのサンプルを集めずに済むため、調査にかかる費用・時間・工数を最小限に抑えられます。逆に「これだけは最低限必要」という下限も明確になります。

• 調査会社への発注精度が上がる：「何人のサンプルが必要か」を事前に把握した上で見積もりを取れるため、提案の妥当性を自分で判断できるようになります。「1,000サンプル必要です」と言われたとき、「それは標本誤差何%の設定ですか？」と問い返せるようになります。

• 調査結果の報告に自信が持てる： 信頼水準や標本誤差を明示した上で結果を報告することで、データの信頼性を正確に伝えられます。経営層への報告でも、数字の根拠を明確に示せるようになります。

まとめ

サンプルサイズの決め方は、母集団・信頼水準・標本誤差の3つを理解すれば迷わなくなります。

「何人に聞けばいいか」という問いに、もう感覚や経験則で答える必要はありません。3つの数字を決めれば、必要なサンプルサイズは計算で求められます。次の調査設計のとき、ぜひこの考え方を活かしてみてください。