社会調査入門

第10回　全数調査と標本調査

―なぜ一部を調べるだけで全体がわかるのか―

2026年度後期　小野原 彩香

本日の内容

1. 母集団と標本の概念
2. 全数調査（census）
3. 標本調査（sample survey）の論理
4. 無作為抽出（probability sampling）の種類
5. 有意抽出（non-probability sampling）
6. 標本誤差と標本の大きさ
7. 選択バイアスの問題
8. 実例：内閣府世論調査の標本設計を読む
9. 演習：標本設計を考える
10. 本日の課題

母集団（Population）とは

調査で明らかにしたい対象全体の集合

例

• 「日本の有権者全体の意識」を知りたい → 母集団：日本の有権者（約1億人）
• 「北海道の高校生の学習時間」を知りたい → 母集団：北海道の高校生全員
• 「ある会社の顧客満足度」を知りたい → 母集団：その会社の全顧客

ポイント

• 母集団は調査の目的によって定義される
• 母集団の定義が曖昧だと、調査結果の解釈も曖昧になる

標本（Sample）とは

母集団から実際に取り出して調査する一部の集合

母集団（Population）
        ↓  抽出（sampling）
    標本（Sample）
        ↓  調査・分析
  標本統計量を算出
        ↓  推測（inference）
  母集団のパラメータを推定

なぜ一部で全体がわかるのか？
→ 適切な方法で標本を選べば、標本の特性は母集団を**代表（represent）**する

全数調査とは

母集団の全員を対象に実施する調査

代表的な例

• 国勢調査（令和7年：2025年）：日本に住む全員が対象
• 学校基本調査：全ての学校が対象
• 企業の全社員へのアンケート
• 学校の全生徒への意識調査

全数調査のメリット・デメリット

メリット

• 母集団の全員のデータが得られる
• 標本誤差がない（抽出のランダム性に由来する誤差が生じない）
• 小集団（地域・部署 等）ごとの分析が可能

デメリット

• コスト・時間・労力が膨大になる
• 母集団が大きいほど実施が困難
• 全員に調査することで回答者の負担が大きくなる
• 完全な全数達成は難しい（国勢調査でも未回答世帯は存在する）

国勢調査（令和7年）を読む

実施主体：総務省統計局
調査時点：2025年10月1日現在
対象：日本に住む全ての人と世帯
調査項目：氏名・生年月日・国籍・住所・職業・世帯構成 等
回答方法：インターネット回答・調査票郵送・調査員による配布回収

考えてみよう：

• 「すべての人を調査する」はなぜ難しいのか？
• 住所不定・外国籍・無回答の人はどう扱われるのか？

なぜ標本調査が可能なのか

母集団からランダムに標本を選べば、
標本の特性は母集団の特性を（確率的に）反映する。

直感的な例：

• お味噌汁の味見：鍋全部を飲まなくても一口で味がわかる
  →（ただし）鍋がよくかき混ぜられていることが前提！

「かき混ぜる」＝無作為抽出（random sampling）

→ 無作為に選ばれた標本は、母集団を代表する可能性が高い

①単純無作為抽出（Simple Random Sampling）

母集団の全員に等しい確率で当選するチャンスを与え、
くじ引き・乱数表等で選ぶ方法

例：全校生徒1,000人から100人を乱数表で選ぶ

長所：偏りが最も少ない理想的な方法
短所：母集団全員のリスト（サンプリング台帳）が必要

②系統抽出（Systematic Sampling）

名簿などのリストを並べ、一定間隔おきに選ぶ方法

例：1,000人のリストから100人を選ぶ場合
→ 最初の1〜10番から1人をランダムに選ぶ（例：7番）
→ 以後、7→17→27→37…と10人おきに選ぶ

長所：手続きが簡単・コスト低
短所：リストに周期的なパターンがあると偏りが生じる可能性

③層化抽出（Stratified Sampling）

母集団をあらかじめいくつかの層（グループ）に分け、
各層から一定数または比例的に抽出する方法

例：都市部・地方の人口比率に応じて標本数を配分

長所：各層の特性を確実にカバーできる／精度が上がる
短所：層の区分けと各層の情報が必要

比例配分と最適配分

• 比例配分：各層の人口比に応じて標本数を割り当てる
• 最適配分：調査コストや分散を考慮して割り当てる

④クラスター抽出（Cluster Sampling）

母集団を「クラスター（集落）」に分け、
クラスターごとランダムに選び、選ばれたクラスター内の全員（または一部）を調査する

例：全国の市区町村の中からいくつかを抽出し、
　　　選ばれた市区町村の住民を調査

長所：リストが不完全でも実施可能・コスト低
短所：単純無作為抽出より標本誤差が大きくなりやすい

多段抽出法：クラスター抽出を2段階以上繰り返す
（例：①都道府県を抽出 → ②市区町村を抽出 → ③個人を抽出）

有意抽出とは

無作為抽出によらず、調査者の判断や便宜に基づいて
標本を選ぶ方法

主な種類

有意抽出の限界と質的研究での活用

限界

• 標本が母集団を代表しない可能性がある
• 確率的な推測・一般化には適さない

質的研究での活用

• 質的研究では「代表性」よりも「典型性・情報の豊かさ」が重要
• スノーボールサンプリングは、接触困難な集団の調査に有効
  （例：当事者コミュニティ・ホームレス経験者・薬物依存者 等）
• あくまで「この事例から何が言えるか」という問いに応える

標本誤差と標本の大きさ

標本誤差：標本の特性と母集団の特性との間に生じるランダムな誤差

• 標本誤差は標本が大きいほど小さくなる（SE = σ / √n）
• 完全になくすことはできない（全数調査でない限り）

目安（比率の場合・95%信頼水準）

必要な標本数は「母集団の大きさ」ではなく「必要な精度」で決まる
→ テレビ視聴率（ビデオリサーチ社）：約2,700世帯で日本全体を推計

選択バイアス（Selection Bias）とは

標本の選ばれ方に系統的な偏りが生じること

インターネット調査の偏りの例

• インターネットを利用しない層が除外される（高齢者・低所得層等）
• 回答意欲の高い人が過剰に集まる
• パネル調査では登録者の特性に偏りがある

歴史的な失敗例：Literary Digestの1936年米大統領選予測

• 約230万人に調査を実施
• 電話帳・自動車登録者を使って抽出 → 豊かな層に偏った
• 結果：大外れ（実際はルーズベルトが圧勝）

→ 標本の大きさより、標本の選ばれ方（代表性）が重要

実例：内閣府世論調査の標本設計を読む

調査概要（例：「社会意識に関する世論調査」）

考えてみよう：

• なぜ「層化2段抽出法」を使っているのか？
• 面接調査にはどのような長所・短所があるか？

演習（10分）：標本設計を考える

テーマ：「北海道の大学生のアルバイト状況に関する調査」を実施したい

グループで以下を検討してください：

1. 母集団をどう定義するか？
2. 全数調査と標本調査のどちらが現実的か？その理由は？
3. 標本調査を行う場合、どのような抽出方法を使うか？
   • 利用可能なサンプリング台帳は何か？
   • 何人を対象にするか？
4. どのような選択バイアスが生じる可能性があるか？

各グループの検討結果を発表してもらいます。

本日のまとめ

• 母集団：調査で明らかにしたい対象全体
• 全数調査：全員を調査→精度高いがコスト大
• 標本調査：適切な抽出で母集団を代表できる
• 無作為抽出の4種類：単純無作為・系統・層化・クラスター
• 有意抽出：代表性より典型性・接触可能性を優先（質的研究で多用）
• 標本誤差：標本が大きいほど小さくなる
• 選択バイアス：大きさより選ばれ方（代表性）が重要
• 実際の調査では複数の抽出方法を組み合わせる（多段抽出）

本日の課題

提出先：LMS（〆切：次回授業前日 23:59）

課題内容：

以下のいずれかの調査（または自分で見つけた調査）を取り上げ、その標本設計について論じてください。

• 内閣府「社会意識に関する世論調査」（最新版、内閣府ウェブサイト公開）
• NHK「日本人の意識」調査
• 自分で選んだ学術論文・報告書中の調査

記述する内容：

1. 調査の名称・実施機関・調査時期
2. 母集団と標本の設計（対象・抽出方法・標本数）
3. 標本設計の妥当性に関するあなたの評価：何が適切か、どのような限界・問題があるか

分量の目安：300〜500字

参考文献・次回予告

参考文献（本日）
→ 配布資料「第10回 参考文献リスト」を参照

次回（第11回）予告
「アンケート調査の方法と調査例」
→ 質問紙はどのように設計するのか？
→ 事前学習：内閣府世論調査の調査票を一度見ておくこと

ご質問は？

LMSのメッセージ機能または授業後に声をかけてください

次回: 第11回「アンケート調査の方法と調査例」