アンケートのサンプル数の目安は？計算式と誤差の早見表、100人と400人

最終更新：2026年10月17日

アンケートのサンプル数の目安は、許せる誤差の幅と信頼度から計算で決まります。無作為に選んだ人に「はい・いいえ」の割合を聞くなら、信頼度95%で誤差±5ポイントに収めるのに約385件、±3ポイントなら約1,068件が必要です。100人なら誤差は約±10ポイント、400人なら約±5ポイント。よく聞く「400人」は、この±5ポイントの線とほぼ重なります。似た言葉の有意差は「2つの数字の差が偶然で説明できるか」を判定する考え方で、サンプル数は判定や推定の前に「どれだけの精度を持たせるか」を決める設計の話です。この記事では、早見表と計算式、母集団の大きさがほとんど効かない理由、そして人数をいくら増やしても直らない偏りについて、広告の効果測定のアンケートを例に整理します。

アンケートのサンプル数の目安とは？誤差×信頼度の早見表

アンケートのサンプル数の目安とは、調べたい割合を「何ポイントの誤差まで許すか」と「どれくらいの確からしさで言いたいか」の2つを決めたときに、計算で出てくる回答数のことです。決まった正解の人数があるわけではなく、許せる誤差を先に決めると人数が決まります。

下の表は、割合が50%のとき（必要な人数がいちばん多くなる条件）で計算した「計算例」です。小数点以下は切り上げています。

逆に、集まった人数から誤差の幅を出すこともできます。信頼度95%・割合50%の計算例です。

表を見て気づくのは、誤差を半分にするには人数が4倍要ることです。±10ポイントから±5ポイントへは約4倍、±5ポイントから±2.5ポイントへも同じく約4倍。精度は人数に比例せず、人数の平方根に比例して良くなります。だから「とりあえず倍集めれば安心」は、費用のわりに精度が上がりません。

計算式の出どころ──母比率の信頼区間から逆算する

早見表の数字は、統計学で「母比率の信頼区間」と呼ばれる式を、人数について解き直したものです。式は n ＝ z² × p ×（1 − p）÷ e² で、n が必要な回答数、e が許せる誤差、p が想定する割合、z が信頼度で決まる係数です。

z は信頼度90%で1.645、95%で1.96、99%で2.576を使います。p が分からないときは0.5を入れます。p ×（1 − p）は p が0.5のときに最大の0.25になるので、どんな割合が出ても足りるように、いちばん厳しい条件で見積もるわけです。95%・±5ポイントなら、1.96² × 0.25 ÷ 0.05² ＝ 384.16 で、切り上げて385件になります。

同じ式と同じ計算例は、自治体の統計担当の解説にも載っています。福井県統計調査課の「統計調査課通信 vol.8」（2025年12月）は、標本誤差の許容範囲を3〜5%、信頼度を95%に置いて計算することが多いと書いたうえで、この式と「誤差5%・信頼度95%で384」という例を示しています（小数を切り捨てるか切り上げるかで384と385が分かれます）。標本調査の古典的な教科書としては、ウィリアム・G・コクラン（William G. Cochran）の「Sampling Techniques」（第3版・1977年・ワイリー）が、標本の大きさを決める章でこの考え方と、後で触れる母集団が小さいときの補正を整理しています。

信頼度95%の意味も、ここで正確にしておきます。同じやり方で何度も調査をくり返したとき、そのうち95%の回で、計算した幅の中に本当の値が入る、という意味です。「この調査の答えが95%正しい」という意味ではありません。もう一つの前提は、回答者が無作為に選ばれていることです。この前提が崩れると、式の幅は「最低でもこれくらいはぶれる」下限の目安に変わります。

割合が50%から離れると、必要な人数は減ります。たとえば400件で10%と出た項目の誤差は約±2.9ポイントです。ただ、割合そのものが小さいので、割合に対するぶれは大きくなります。400件で5%と出た項目は約±2.1ポイントで、本当の値は3%前後から7%前後まで動きます。広告の認知率や購入意向のように、小さな割合を比べたい項目ほど、ポイントの幅ではなく「何割ぶれるか」で読むほうが安全です。

母集団の大きさがほぼ効かない理由と、有限母集団補正

サンプル数の目安は、母集団（調べたい人の全体）の大きさにはほとんど左右されません。1万人の顧客を調べるのも、1億人の生活者を調べるのも、95%・±5ポイントなら必要な回答数は400件弱でほぼ同じです。

直感に反するので、スープの味見にたとえるとわかりやすいと思います。よくかき混ぜてあれば、鍋が小さくても大きくても、ひと口で味はわかります。鍋の大きさより、かき混ぜてあるか（無作為に選んでいるか）と、ひと口の量（回答数）が精度を決めます。

ただ、母集団が小さいときは、全体に占める回答者の割合が大きくなるので、必要な人数を少し減らせます。この調整を有限母集団補正と呼び、式は「補正後の人数 ＝ n ÷（1 ＋（n − 1）÷ N）」です（N は母集団の人数）。95%・±5ポイント（n ＝ 384.16）で計算した例を並べます。

母集団が1万人を超えると、補正してもほとんど変わりません。補正が効いてくるのは、数百〜数千人の閉じた集団を調べるときです。そして母集団が500人しかいないのに218件の回答が要るなら、4割以上の人に答えてもらう必要があります。小さな集団ほど、人数の計算より回答率の確保のほうが難しくなります。

実務での使い方──全体ではなく「割った後の人数」で考える

実務でサンプル数を考えるときの要点は、全体の回答数ではなく、比べたい単位に割った後の人数で誤差を見ることです。全体で400件あっても、年代別に4つに割れば一つのグループは100件前後になり、誤差は±10ポイント近くに広がります。

架空のキャンペーンの事後アンケートで確かめてみます。下の表の数字は、すべて説明のための「例」です。Webアンケートで400件の回答を集め、広告を見た覚えがあるかを聞いたとします。

この表は、次のように読み違えやすいところです。誤読の型と、正しい読み方を対にしました。

だから人数を決める順番は、全体から逆算するのではなく、比べたい単位から積み上げます。年代別に±5ポイントで見たいなら、年代ごとに約385件、4つの年代で約1,540件。予算が足りなければ、比べる単位を2つに減らすか、許せる誤差を±10ポイントに広げて「大きな差だけを見る調査」と割り切るかを、回収の前に決めます。割り方の考え方そのものはセグメンテーションとは？4つの変数と例、マーケティングでの分け方で書きました。分けた単位で打ち手が変わらないなら、その単位で人数を確保する意味もありません。

広告会社にいた頃、キャンペーンの事後調査の報告では、全体の数字より年代別や性別に割った表のほうが、会議で長く語られることが多かったと記憶しています。ぼく自身、細かく割った表の中でいちばん目立つ数字に引っ張られて、その層の話を組み立てかけたことがあります。割った後の回答数を表の横に必ず書いておくだけで、この読み違いはかなり防げます。

2つの案を比べるABテストのように「差があるか」を判定したい場合は、ここでの計算とは別に、見つけたい差の大きさから人数を決める考え方が要ります。手順はABテストのやり方と有意差の考え方にまとめています。広告を見た人と見ていない人の差を測るブランドリフト調査も同じ構造で、ブランドリフト調査とは？では、媒体ごとの調査の条件にも触れました。アンケートとインタビューのどちらで聞くべきかの手前の判断は、定量調査と定性調査の違いで整理しています。

日本市場・2026年時点での注意点──偏りはサンプル数では直らない

2026年にアンケートの人数を考えるうえでいちばん知っておきたいのは、サンプル数で小さくできるのは偶然の「ぶれ」だけで、回答者の集まり方による「ずれ」（偏り）は、何万件集めても直らないことです。

よく例に挙がるのが、1936年のアメリカ大統領選挙で外れた「リテラリー・ダイジェスト」誌の世論調査です。社会科学史の論文、ドミニク・ルシンキ（Dominic Lusinchi）の“President” Landon and the 1936 Literary Digest Poll（Social Science History・2012年）によると、同誌は約1,000万枚の投票はがきを送り、約240万枚が返ってきました（回収率は約24%）。予測はランドン候補54%、ルーズベルト大統領41%でしたが、実際にはルーズベルトが約61%を取って勝ちます。240万件は、早見表のどの行よりもはるかに大きな人数です。それでも外れました。

原因は長く「電話帳や自動車の登録名簿から名前を集めたので、裕福な層に偏った」と説明されてきました。でもルシンキの論文は、政治学者のペヴェリル・スクワイア（Peverill Squire）が1988年の論文で使った1937年のギャラップ社の調査データなどを踏まえて、電話や車を持つ人もルーズベルト支持が多かったこと、そしてはがきを返さなかった人にルーズベルト支持が多かったこと、つまり非回答による偏りが外れの主な原因だったと論じています。誰が答えるかが結果と結びついていると、人数をいくら積んでも、ずれたまま精度だけが上がります。残ったものだけを見る偏りは生存者バイアスとして知られています。

日本のマーケティングの現場に置きかえると、気をつけたい場面は3つあります。一つめはネットリサーチのモニターです。調査会社に登録して謝礼を受け取って答える人は、無作為に選ばれた生活者ではありません。前の章までの誤差の計算は、無作為抽出を前提にした下限の目安として読みます。二つめは自社の顧客アンケートです。メールやアプリで送るアンケートに答えるのは、もともと関係の濃い顧客に寄りやすく、満足度は高めに出やすくなります。三つめは、2026年に入って一段と気になるようになった、読まずに答える回答や、生成AIで作られた回答の混入です。回答時間が極端に短い人を除く、注意力を確かめる設問を入れるといった確認は、人数を増やすより先にやるべき手当てです。

もう一つ、式の n は「配った数」ではなく「使える回答の数」です。回収率が20%なら、385件の有効回答を得るには2,000件近く配る必要があります。そして回収率が低いほど、答えた人と答えなかった人の違いが結果をゆがめる余地は大きくなります。人数の計算と同じだけ、誰が答えていないかを考える時間をとっておくのが安全です。

アンケートのサンプル数に関するよくある質問

アンケートは100人で十分ですか？

全体の大まかな傾向をつかむだけなら使えますが、細かい差は読めません。割合が50%前後なら、100人の誤差は信頼度95%で約±10ポイントあります。「A案52%、B案48%」のような差は誤差の中に収まるので、差があるとは言えません。

なぜ400人がよく目安にされるのですか？

信頼度95%で誤差を約±5ポイントに収められる人数だからです。計算すると約385件で、キリのいい数字として400人と言われることが多いようです。ただし年代別などに分けて比べるなら、分けた後の一つひとつのグループでこの人数が必要になります。

母集団が少ない場合、必要なサンプル数は変わりますか？

母集団が数千人以下なら、有限母集団補正で必要な人数を減らせます。たとえば母集団1,000人なら、95%・±5ポイントで約278件です。1万人を超えるとほとんど変わらず、1億人でも約385件のままです。

サンプル数を増やせば、アンケートの偏りもなくなりますか？

なくなりません。人数で小さくできるのは偶然によるぶれだけで、答える人が特定の層に寄っていることによる偏りは、何万件集めても残ります。1936年のリテラリー・ダイジェスト誌の調査は約240万件の回答を集めても予測を外しました。偏りは、誰に聞くかと、誰が答えていないかを見直して減らします。

おわりに──人数で減るのは「ぶれ」で、「ずれ」は減らない

アンケートのサンプル数は、許せる誤差を先に決めれば計算で出せます。95%・±5ポイントで約385件。数字としては、それで答えが出ます。

数を集めれば、ぶれは減る。でも、ずれは減らない。サンプル数の計算が教えてくれるのは、答えがどれくらい揺れるかであって、答えが正しい方向を向いているかではありません。人数の表を作ったら、その横にもう一枚、「この調査に答えていないのは誰か」を書き出してみてほしいと思います。そこに書いた人たちの声が、たぶん一番大きな誤差です。