サンプル割付とは？アンケート調査の割付方法・決め方を解説

サンプル割付とは、アンケート調査で集める回答数の合計を、年代・性別・地域などのセグメント（層）ごとに何人ずつ割り当てるかを決める作業です。割り当て方を誤ると、比較したい層のデータが足りずに分析できなかったり、全体構成比が実態からずれて結論を見誤ったりします。この記事では、割付の目的、均等割付・比例割付・最適割付の使い分け、実務での設定手順、ウエイトバック集計との関係までを整理します。

まとめ

• サンプル割付は「総サンプルサイズをどう配分するか」の設計であり、「総数を何人にするか」を決めるサンプルサイズ設計とは別工程。
• 配分方式は主に3つ。セグメント間を対等に比較するなら均等割付、全体の実態推定なら母集団構成比に合わせる比例割付、層ごとのばらつきまで考慮して精度を最大化するなら最適割付（ネイマン配分）。
• 均等割付や回収の偏りで構成比が母集団とずれた場合は、ウエイトバック集計で補正してから全体値を語る。
• 目標の割付数は回収率を見込んで配布数に換算する。回収率が層で違うと割付が崩れるため、事前設計と回収管理が要。

サンプル割付の定義と層化抽出での位置づけ

サンプル割付は、統計でいう層化抽出（母集団を層に分けて標本を抽出する方法）における「各層への標本数の配分」にあたります。たとえば全体で1,000サンプルを集めると決めたとき、それを20代・30代・40代…とどう割り振るかが割付です。合計サンプル数そのものを決める話ではなく、決まった合計を分ける設計である点が要点です。

調査の分析軸（クロス集計で見たいセグメント）を先に決め、その各セルに必要な回答数が確保されるように割り付けます。分析軸が定まっていないまま集めると、後から見たいセグメントのサンプルが不足し、追加調査が必要になります。

割付の目的（セグメント別の回答数確保）

割付の目的は、分析したいセグメントごとに判断に足る回答数を確保することです。自然に集めると回答は集まりやすい層に偏り、少数セグメント（例：特定地域の高年齢層）の回答が数件しか取れないことがあります。数件では割合の誤差が大きく、セグメント間の差が「実在する差」か「偶然のばらつき」か判別できません。

そこで、比較したい各セルに一定数以上を割り当てておきます。セグメント別の比較を主目的にする調査では、各セルに最低でも30、安定した比較には100前後を目安に置くことが実務では多いですが、これは統計的な絶対基準ではなく、許容誤差と信頼水準から逆算して調整します。総数の決め方は標本調査で必要なサンプル数の考え方で扱います。

割付の3つの方式と使い分け

割付方式は目的によって選びます。全体の実態を正確に推定したいのか、セグメントを対等に比較したいのか、限られたサンプルで精度を最大化したいのかで最適解が変わります。

均等割付

すべてのセグメントに同じ回答数を割り当てる方式です。少数セグメントにも十分なサンプルが確保でき、層どうしを対等に比較できます。一方で母集団の構成比とは一致しないため、そのまま合計しても全体の実態は表しません。全体値を出すときは構成比に合わせたウエイトバック集計が前提になります。セグメント比較が主目的の調査に向きます。

比例割付

母集団の構成比と同じ割合で配分する方式です。たとえば母集団の40代が25%なら、サンプルの40代も25%にします。集めたデータをそのまま合計すれば全体の実態に近い値が得られ、補正が不要になるのが利点です。反面、構成比の小さいセグメントはサンプルも少なくなり、そのセグメント単独の分析には耐えないことがあります。全体像の把握が主目的の調査に向きます。

最適割付（ネイマン配分）

層のサイズだけでなく、層内の回答のばらつき（標準偏差）まで考慮して配分する方式です。配分比は層のサイズ×層内標準偏差に比例させ（n_h ∝ N_h × S_h）、ばらつきの大きい層に多くサンプルを割り当てることで、同じ総数でも全体推定の分散を最小化できます。これがネイマン配分で、層ごとの標準偏差の事前情報（過去調査やプレ調査の値）が必要になるため、事前データがある継続調査や精度要件の高い調査で使われます。調査コストが層で異なる場合は、コストも加味した最適配分（n_h ∝ N_h × S_h ÷ √c_h）へ拡張します。ネイマン配分は各層のコストが等しいときの特別な場合にあたります。

サンプル割付とサンプルサイズ設計の違い

この2つは混同されがちですが工程が異なります。サンプルサイズ設計は「全体で何人集めるか（総数n）」を許容誤差・信頼水準・母集団規模から決めることです。サンプル割付は「その総数を各層へどう配る（n_1, n_2…）」かを決めることです。順序としては、先に総数を設計し、その後に割付方式を選んで各セルの目標回答数へ落とし込みます。総数の求め方そのものは標本調査の基本とサンプル数の考え方を参照してください。

割付を設定する実務手順

1. 分析軸（クロス集計で比較したいセグメント）を決め、割付表の行・列を定義する。
2. 調査目的から総サンプルサイズを設計する（全体推定か、セグメント比較か）。
3. 目的に合う割付方式（均等・比例・最適）を選び、各セルの目標回答数を決める。
4. 各セルの回収率見込みから、目標回答数を配布数（依頼数）に換算する。
5. 回収状況をセル単位でモニタリングし、不足セルは追加配信、超過セルは締め切って割付を保つ。

配布数への換算を省くと、目標回答数どおりに配布して回収率分だけ不足する事態になります。回収率の見積もりと管理は割付の成否を左右します。詳しくは回収率の計算方法と目安を確認してください。

割付とウエイトバック集計の関係

均等割付をした場合や、比例割付でも回収の偏りで構成比が母集団からずれた場合、集計したままの全体値は実態を表しません。これを母集団の構成比に合わせて補正するのがウエイトバック集計です。割付段階で構成比どおりに集めきれない前提を置き、集計段階で重み付けして全体値を復元する、という役割分担になります。補正の考え方はウエイトバック集計とはで解説しています。

割付でよくある失敗と注意点

最も多いのが、均等割付で集めたデータをウエイトバックせずに合計し、全体の傾向として語ってしまう誤りです。均等割付は各層を同数にしている以上、単純合計は母集団構成比を反映しません。全体値を出すなら必ず補正します。

次に、比較したいセグメントのセルを細かく切りすぎて、1セルあたりの回答数が少数になる失敗です。年代×性別×地域と軸を掛けるほどセル数は増え、各セルは薄くなります。本当に比較する軸に絞り、優先度の低い掛け合わせは分析対象から外します。掛け合わせた集計を読む際の注意は多重クロス集計の読み方が参考になります。

もう一つは、層ごとに回収率が違うために設計どおりの割付が崩れるケースです。回収されにくい層は配布数を多めに見込むか、回収管理で追いかけます。割付表は「回答数の目標」と「回収状況」を並べて管理すると崩れに早く気づけます。

よくある質問

割付とは何ですか

調査で集める回答数の合計を、年代や性別などのセグメント（層）ごとに何人ずつ割り当てるか決めることです。合計数を決めるのではなく、決まった合計を各層へ配分する設計を指します。

均等割付と比例割付はどう使い分けますか

セグメントどうしを対等に比較したいなら均等割付、全体の実態をそのまま推定したいなら母集団構成比に合わせる比例割付を選びます。均等割付で全体値を出すときはウエイトバック集計での補正が必要です。

各セルに何サンプル必要ですか

統計的な絶対基準はなく、許容誤差と信頼水準から逆算します。セグメント比較を目的にする場合、実務では各セル最低30、安定した比較には100前後を目安に置くことが多いですが、要求精度に応じて調整します。

割付とサンプルサイズ設計は違うのですか

違います。サンプルサイズ設計は総数（全体で何人集めるか）を決める工程、割付はその総数を各層へ配分する工程です。先に総数を設計し、その後に割付方式を選びます。

ネイマン配分（最適割付）はどんなときに使いますか

層内のばらつき（標準偏差）の事前情報があり、限られた総サンプル数で全体推定の精度を最大化したいときに使います。過去調査やプレ調査でばらつきが把握できる継続調査に向きます。

関連記事

• 標本調査とは何か？基本的な概念と全体像をわかりやすく解説
• ウエイトバック集計とは？その概念と基本的な考え方
• 回収率とは？アンケート調査での計算方法・目安・上げ方を解説
• 多重クロス集計とは？3重・4重クロスの読み方とExcel・スプレッドシートでの作り方
• クローズ型調査とは？オープン型との違い・メリット・実施方法を解説