アンケートのサンプル数の求め方｜n数の計算式と信頼される目安

調査PRで信頼されるサンプル数（n数）の目安は「全体で400〜500以上、比較したい属性ごとに100以上」です。n数とは有効回答数のことで、「n=400」なら400人から回答を得た調査を指します。本記事では、その根拠となる計算式（求め方）から、誤差との関係、コスト設計までを実務目線で解説します。

サンプル数（n数）はなぜ重要なのか？

サンプル数（n数）は、調査結果の信頼性を判断する最初の指標です。記者は調査リリースを受け取ると、まず「n＝いくつか」を確認します。n数が少なすぎる調査は、内容がどれだけ面白くても「参考程度」と扱われ、記事への引用を見送られます。

何名に聞けば「信頼される調査」になるのか？

統計的には、n=400で誤差はおよそ±5％、n=1,000で±3％程度に収まります。調査PRの実務では、次の水準が目安です。

サンプル数の計算式は？（n数の求め方）

サンプル数は次の式で求めます。n = Z² × p(1−p) ÷ e²。Zは信頼度に対応する係数（信頼度95％なら1.96）、pは回答比率（不明な場合は誤差が最大になる0.5を用いる）、eは許容誤差です。信頼度95％・p=0.5・許容誤差±5％を当てはめると、n =（1.96² × 0.5 × 0.5）÷ 0.05² ≒ 385人。これが「まず400前後を確保する」と言われる統計的な根拠です。

母集団が数百〜千程度と小さい場合は、有限母集団補正によって必要数はさらに少なくなります。逆に母集団が1万人でも1億人でも、全体傾向を見るだけなら必要なn数はほぼ変わらない点も、サンプリングの重要な性質です（出典：formrun／サーベロイド）。

誤差と信頼度でサンプル数はどう変わる？

必要なサンプル数は「どこまで誤差を許容するか」で大きく変わります。信頼度95％・p=0.5の場合の目安は次のとおりです。

許容誤差を半分にすると必要数はおよそ4倍になります。調査PRでは「全体±5％（約400）」を基準に、比較したい属性ごとに100以上を上乗せする設計が、費用対効果に最も優れます。

属性で比較したい場合はどう考える？

「20代と50代を比べたい」「男女差を出したい」など属性比較を行う場合は、比較する属性1グループあたり100以上を確保します。全体でn=500でも、20代だけ抽出したらn=40では、その部分の数字は使えません。比較軸の数から逆算して全体のn数を設計することが重要です。属性ごとの分析はクロス集計で行うと、記事に使える差が見えてきます。

サンプル数以外に信頼性を左右する要素は何か？

n数が十分でも、次の点が崩れていると調査の信頼性は損なわれます。

• 対象者の代表性：誰に聞いたか（性別・年代・地域の偏り）を明記する
• スクリーニングの明確さ：「副業をしている会社員」など対象条件を定義する
• 調査手法の明記：インターネット調査・調査期間・調査主体をリリースに必ず記載する

これらは調査概要としてリリース末尾に記載するのが業界標準であり、記載がない調査は引用時に敬遠されます。なお、設問の作り方次第でも結果は歪むため、アンケートの設問設計で避けたい5つのバイアスもあわせて確認してください。

コストとのバランスはどう取るべきか？

n数を増やすほど調査費用は上がります。実務では「見出しに使いたい数字の単位」から逆算するのが合理的です。全体傾向だけならn=400〜500、属性比較を2〜3軸行うならn=500〜1,000が費用対効果のバランスポイントです。CRESTEPの「FACT DASH」では、記事利用に十分なn=300〜500の設計を標準とし、1テーマ30,000円（税別）で調査データとグラフを提供しています。

よくある質問