アンケートは何件集めれば信頼できる？インタビューは何人で十分？（ビジネスのためのサンプルサイズ・ガイド 2026年版）

ただし、これらの数字が成り立つのは、全体を一つのグループとして分析する場合に限られます。サブグループ別に結果を分解する必要があれば、すべての数字が変わります。本記事では、サンプルサイズについての正しい考え方を、実際に参考として使える表とともに解説します。

アンケートは何件集めれば結果を信頼できるのか

アンケートの信頼性は誤差範囲（許容誤差）で測ります。誤差範囲とは、得られた結果が真の値からどれだけずれている可能性があるかを示すものです。

母集団が大きい場合の、95%信頼水準における誤差範囲：

• —50件：誤差範囲 約±13.9%
• —100件：誤差範囲 約±9.8%
• —200件：誤差範囲 約±6.9%
• —300件：誤差範囲 約±5.7%
• —385件：誤差範囲 約±5.0%（ビジネスの標準）
• —600件：誤差範囲 約±4.0%
• —800件：誤差範囲 約±3.5%
• —1,000件：誤差範囲 約±3.1%
• —1,500件：誤差範囲 約±2.5%
• —2,000件：誤差範囲 約±2.2%

表の読み方：400件の回答を集め、回答者の60%が製品に関心を示した場合、市場における真の数値はおそらく55〜65%の間にあります。これは、ほとんどの意思決定に十分な精度です。

よく誤解される重要なポイントがあります。母集団の大きさは、必要な回答数にほとんど影響しません。市場が5万人でも500万人でも、385件の回答で得られる精度はほぼ同じです。精度を決めるのは回答の件数であり、母集団に占める割合ではありません。

385件未満でも許容できるケース

多くのプロジェクトでは、385件に達する必要はありません。

母集団が限られている場合。たとえば法人顧客が全部で300社であれば、有限母集団修正により、169件の回答ですでに約±5%の誤差範囲となります。顧客数が数百社規模のB2Bでは、必要な件数は想像よりはるかに少なくなります。

前後比較を行う場合。たとえば今四半期の満足度を前四半期と比較する場合です。毎回同じ収集方法を用いれば、系統誤差が相殺されるため、200件のサンプルで傾向を把握するには十分です。ただし、無作為抽出による誤差は相殺されません。各回200件の場合、結果が約10ポイントを超えて変化しなければ、本当に変化したとは確信できません。四半期間の3〜5ポイントの変動は、サンプルのばらつきにすぎない可能性があります。

注目する差が大きい場合。正確な数値ではなく、どちらのグループが明らかに好んでいるかだけを知りたいのであれば、150〜200件で足りる場合があります。

結果を公表ではなく社内の意思決定に使う場合。組織内の意思決定に使う調査では、意思決定者が各数値の誤差範囲の幅を把握している限り、より大きな誤差範囲を許容できます。

統計的に使える最低ライン：1グループあたり30件

400件は良い目標ですが、実際には多くのプロジェクトがそこに届きません。ターゲット層への到達が難しい（経営幹部、医師、法人顧客など）、予算や時間が限られている、回答率が低い、といった理由です。したがって問うべきは、何件集めるべきかだけでなく、実際に集まった件数から何を結論づけられるかです。

広く用いられている最低ラインは、分析する予定のグループごとに少なくとも30件です。Roscoe（1975）はこのルールを提唱し、サンプルをサブグループに分ける場合は、各サブグループに少なくとも30ケースが必要だとしました。その根拠は中心極限定理にあり、約30件以上の規模であれば、標本平均の分布が正規分布に十分近くなり、標準的な統計手法を使えるというものです。よくある誤解は次の点です。30件あればデータが正規分布になるわけではなく、結果が十分に正確になるわけでもありません。30件では誤差範囲はまだ約±18%と大きく、統計を使い始められる出発点にすぎず、重要な意思決定に適した水準ではありません。

目標件数に届かなかった場合の対処法

• —実際の誤差範囲を必ず報告する。上の計算ツールを「収集済み」モードで使い、すべての数値に誤差範囲を併記してください。そうすれば、意思決定者は各数値をどこまで信頼できるかを把握できます。
• —30件未満のサブグループは個別に集計しない。どうしても見る必要がある場合は、パーセンテージではなく、定性的な所見として報告してください。
• —母集団が小さい場合は有限母集団修正を適用する。たとえば法人顧客が数百社規模であれば、必要な件数は大幅に減ります。
• —デプスインタビューで補完する。件数が少ない場合は、「どれくらいか」を推計するよりも、「なぜか」を説明する方が重みを持ちます。
• —非回答バイアスに注意する。回答した人は、回答しなかった人と系統的に異なる可能性があります。これは回答数を増やしても解決できず、サンプルサイズより重要であることも少なくありません。

最も高くつく落とし穴：サブグループ分析

調査プロジェクトで最もお金が無駄になるのがここです。

400件の回答を集めた後で4つの年齢層別に分析しようとすると、各グループに残るのは約100件で、誤差範囲は±10%近くになります。つまり、グループAが55%、グループBが48%と回答したとしても、2つのグループに本当に差があるとは結論づけられません。各グループ約100件の場合、2つのグループの差が約14ポイントを超えなければ、95%の信頼水準で本当に差があるとはみなせないからです。7ポイントの差は、まだ無作為抽出による誤差と区別できません。なお、2つのグループの誤差範囲が重なっているかどうかを見るのは、正しい検定方法ではありません。

実務上のルール：

• —個別に分析するサブグループには、それぞれ少なくとも100件、グループ間を自信を持って比較したい場合は150〜200件が必要です。
• —逆算して考えましょう。5つのサブグループを分析する必要があるなら、必要なのは400件ではなく、少なくとも750〜1,000件です。
• —何個のサブグループを分析するかは、データ収集の前に決めておきましょう。後から考えることが、調査が重要な問いに答えられない最大の原因です。
• —予算が足りない場合は、すべてのグループにサンプルを薄く分散させるのではなく、意思決定に本当に重要なグループだけを分析し、そのグループについて十分な件数を集めます（オーバーサンプリング）。

主なサンプリング手法とサンプルサイズへの影響

計算ツールの式は、母集団の全員が等しい確率で選ばれる単純無作為抽出を前提としています。実務では他のサンプリング手法も広く使われており、Cochran（1977）とKish（1965）の原則に従うと、手法ごとに必要な件数が異なる形で変わります。

層別抽出は、サブグループの落とし穴から抜け出す方法です。最初から4つの地域を分析する必要があるとわかっているなら、全体をまとめて抽出して各地域に十分な件数が集まることを期待するのではなく、たとえば1地域あたり100〜150件というように、地域ごとに十分な件数を設定します。一部の地域を実際の構成比より多く集めた場合（オーバーサンプリング）は、全体像をまとめる際に、母集団の構成比に戻すウェイト付けを行います。

デプスインタビューは何人で十分か

定性調査は定量調査と同じ論理には従いません。母集団の値を推計することではなく、メカニズムや理由を理解することを目的としているためです。用いられる基準はデータ飽和、すなわちインタビューを追加しても新しいテーマが出てこなくなる時点です。

実証研究では一貫した数字が示されています。Guest, Bunce and Johnson（2006）は60件のインタビューを分析し、ほぼすべてのテーマが最初の12件以内に現れ、中核となるテーマは約6件目から現れることを見出しました。Hennink, Kaiser and Marconi（2017）は飽和を2つのレベルに分け、すべてのテーマを捉える段階（コード飽和）は約9件、各テーマの意味を十分深く理解する段階（意味飽和）は約16〜24件としました。Hennink and Kaiser（2022）のシステマティック・レビューでは、ターゲット層がかなり均質で調査課題が明確な場合、インタビュー調査の多くが9〜17件で飽和に達していました。フォーカスグループについては、Guest, Namey and McKenna（2017）が、2〜3グループでテーマの約80%、3〜6グループで約90%をカバーできることを示しました。

適切な人数は、各インタビューの情報の豊かさにも左右されます。Malterud, Siersma and Guassora（2016）は、インフォメーション・パワー（information power）という概念を提唱しました。必要なインフォーマントの数は、調査目的が狭く明確である、インフォーマントがターゲット層によく合致している、調査が理論的枠組みに支えられている、対話の質が高い（これはインタビュアーの技量に直接左右されます）、そして分析が事例の深い分析に焦点を当てている、といった場合に少なくなります。したがって、狭く明確な問いであれば約6件で十分なデータが得られることがあり、これは中核テーマが通常現れる件数です（Guest et al., 2006）。一方で、複雑な問いや多様なグループでは20件以上が必要になることもあります。経験豊富なインタビュアーであれば、ごく狭い論点を6件未満で確認できる場合もありますが、あくまで予備的な確認と位置づけるべきです。

実務上の結論として、ほとんどの問いでは、ターゲット層あたり約12件が安全な出発点です。問いが狭くインタビュアーの経験が非常に豊富な場合は減らすことができ、問いが複雑な場合はより多く計画すべきです。事前に決めた件数に達した時点ではなく、実際に飽和に達した時点で終了します。

実務で機能する数字：

• —デプスインタビュー：ターゲット層あたり8〜15人。主要なテーマの多くは、通常10〜12件以内に現れます。ターゲット層の多様性が高い場合は15〜20人に増やします。
• —フォーカスグループ：ターゲット層あたり3〜4グループ、各6〜8人。3グループ未満では、市場の見方ではなく、特定の1グループの力学を捉えてしまうリスクがあります。
• —エスノグラフィ（実際の行動の観察）：参加者1人あたりのデータがはるかに深いため、通常は6〜12人で十分です。
• —ターゲット層が複数ある場合は、グループ数を掛けます。たとえばターゲット層が3つなら、12件を分け合うのではなく、合計30〜45件のインタビューを実施すべきです。

飽和に達したサインは、3人続けてインフォーマントから、すでに記録したもの以外の新しいテーマが出てこないことです。実務では、最初から件数を厳格に固定するのではなく、ある程度の余裕を持って計画し、飽和に達した時点で終了します。

数字がすべてではない：それ以上に重要な3つのこと

私たちの経験では、うまくいかない調査の多くは、サンプルが少なすぎたからではなく、次の3つが原因で失敗しています。

1. サンプルがターゲット層と合っていない。ターゲット顧客ではない人々からの1,000件は、適切なグループからの200件より価値が低くなります。この問題は、スクリーニングの甘い低価格のオンライン・パネルでよく見られます。ベンダーに確認すべきは、回答者をどのようにスクリーニングしているか、そして出現率（インシデンス率）はどの程度かです。

2. 設問の設計が不十分。誘導的な設問、購入意向ではなく社交辞令を測ってしまう設問、顧客が実際には使わない用語を用いた設問は、意味のないことについての正確な数字を生み出します。だからこそ私たちは、アンケートを設計する前に定性調査を行うことを常にお勧めしています。

3. 数字を説明するステップがない。結果が予想外だったとき、多くのプロジェクトは実際の人々に立ち返って説明を求めるのではなく、自分たちだけで解釈してしまいます。最も価値のある発見は、まさにここにあることが多いのです。

参考文献

• —Cochran, W. G. (1977). Sampling Techniques (3rd ed.). John Wiley & Sons.
• —Guest, G., Bunce, A., & Johnson, L. (2006). How Many Interviews Are Enough? An Experiment with Data Saturation and Variability. Field Methods, 18(1), 59–82.
• —Guest, G., Namey, E., & McKenna, K. (2017). How Many Focus Groups Are Enough? Building an Evidence Base for Nonprobability Sample Sizes. Field Methods, 29(1), 3–22.
• —Hennink, M. M., Kaiser, B. N., & Marconi, V. C. (2017). Code Saturation Versus Meaning Saturation: How Many Interviews Are Enough? Qualitative Health Research, 27(4), 591–608.
• —Hennink, M., & Kaiser, B. N. (2022). Sample Sizes for Saturation in Qualitative Research: A Systematic Review of Empirical Tests. Social Science & Medicine, 292, 114523.
• —Kish, L. (1965). Survey Sampling. John Wiley & Sons.
• —Malterud, K., Siersma, V. D., & Guassora, A. D. (2016). Sample Size in Qualitative Interview Studies: Guided by Information Power. Qualitative Health Research, 26(13), 1753–1760.
• —Roscoe, J. T. (1975). Fundamental Research Statistics for the Behavioral Sciences (2nd ed.). Holt, Rinehart and Winston.