サンプリング方法の種類と選び方:無作為抽出から機縁法まで

サンプリング(標本抽出)とは、研究の対象となる集団全体(母集団)から、実際にデータを集める一部の対象(標本)を選ぶ手順のことです。多くの研究では、母集団全体からデータを集めることは現実的ではないため、標本を調べ、その結果から母集団について結論を導きます。このように標本を調べて母集団を推定する調査は、サンプリング調査(標本調査)と呼ばれます。標本をどのように選ぶかによって、結論をどこまで信頼できるかが決まるため、サンプリングの方法の選択は、研究デザインで最も重要な判断の一つです。

この記事では、以下の内容を解説します。

• 母集団と標本の違い、サンプリング方法が重要な理由
• サンプリングの2つの大きな分類(確率抽出と非確率抽出)
• 無作為抽出、層化抽出、機縁法など、主なサンプリング手法と例
• 質的研究と量的研究でのサンプリングの違い
• サンプリングのやり方の選び方と、よくある失敗

母集団と標本

母集団とは、研究が関心を持つ集団全体のことで、たとえば、ある国の特定の疾患を持つ成人患者全員がこれにあたります。標本とは、その母集団から、実際にデータを集める一部のことです。よい標本は母集団を代表しているため、標本から得られた結果を、母集団全体に当てはめることができます。

母集団と標本の違いは、研究が主張できる内容も左右します。偶然に基づいて選んだ標本の結果は、ある程度の確からしさを持って母集団に一般化できます。一方、利用しやすさや研究者の判断で選んだ標本の結果は、一般化に限界があるため、原稿の中でそのことを明記する必要があります。母集団をどう定義し、どこまでを対象にするかは、研究の範囲とも密接に関わります。

確率抽出と非確率抽出

サンプリングの方法は、大きく2つに分けられます。確率抽出(確率サンプリング)では、母集団のすべての要素が、わかっている確率で選ばれる可能性があり、選択は無作為に行われます。そのため、標本が母集団をどの程度代表しているかを、統計的に推定できます。非確率抽出(非確率サンプリング)では、選択が研究者の判断や参加者の得やすさに左右されるため、選ばれる確率はわかりません。母集団の名簿がない場合、対象者へのアクセスが難しい場合、統計的な一般化ではなく理解の深さを目指す場合などに、非確率抽出がよく使われます。

確率抽出の主な方法

単純無作為抽出(無作為抽出):母集団のすべての要素が等しい確率で選ばれます。たとえば、母集団の完全な名簿から、乱数を使って対象者を選ぶ方法です。最も基本的な方法ですが、母集団の完全な名簿(抽出枠)が必要です。

層化抽出:母集団を、年齢層や地域などの層に分け、それぞれの層から無作為に抽出します。すべての層が標本に含まれることを保証でき、層ごとに結果が異なると予想される場合に有効です。

集落(クラスター)抽出:母集団を、学校や病院などの自然にできている集団に分け、そのうちのいくつかの集団を無作為に選んで、その中の全員を調べます。対象が広い地域に分散していて、個人の完全な名簿がない場合に現実的な方法です。

系統抽出:順番に並んだ名簿から、一定の間隔(たとえば10人ごと)で対象者を選びます。実施は簡単ですが、名簿に間隔と一致する隠れた規則性があると、偏りが生じるおそれがあります。

非確率抽出の主な方法

便宜的サンプリング:授業の受講生など、近づきやすい人を対象にします。手軽で費用も抑えられますが、母集団を代表していない可能性があり、結果を自信を持って一般化することはできません。

有意抽出(目的的サンプリング、purposive sampling):研究に必要な特性や経験を持つ人を、研究者が意図的に選びます。質的研究で広く使われ、テーマについて直接語れる人から学ぶことを目的とします。

機縁法・スノーボールサンプリング:機縁法とは、研究者の知人や紹介など、人のつながり(機縁)を通じて参加者を募る方法で、スノーボールサンプリング(雪だるま式抽出)と近い意味で使われることがあります。スノーボールサンプリングでは、すでに参加した人が、その知り合いの中から次の参加者を紹介します。まれな疾患を持つ人など、接触が難しい集団を対象とする場合に有効ですが、お互いに知り合いの人が集まりやすく、多様性が限られる傾向があります。

割当法(クォータサンプリング):性別や年齢などの特性について、母集団の比率に合わせた割当を設定し、その枠を、無作為ではない方法で埋めていきます。層化抽出に似ていますが、最終的な選択が無作為ではない点で異なります。

サンプリング方法の比較

主なサンプリング手法の特徴を、次の表にまとめます。

<table style="width:100%; border-collapse:collapse;">
  <thead>
    <tr>
      <th style="border:1px solid #ddd; padding:10px; text-align:left;">手法</th>
      <th style="border:1px solid #ddd; padding:10px; text-align:left;">分類</th>
      <th style="border:1px solid #ddd; padding:10px; text-align:left;">選び方</th>
      <th style="border:1px solid #ddd; padding:10px; text-align:left;">主な用途</th>
      <th style="border:1px solid #ddd; padding:10px; text-align:left;">主な限界</th>
    </tr>
  </thead>
  <tbody>
    <tr>
      <td style="border:1px solid #ddd; padding:10px;">単純無作為抽出</td>
      <td style="border:1px solid #ddd; padding:10px;">確率抽出</td>
      <td style="border:1px solid #ddd; padding:10px;">完全な名簿から無作為に選ぶ</td>
      <td style="border:1px solid #ddd; padding:10px;">名簿のある調査</td>
      <td style="border:1px solid #ddd; padding:10px;">母集団の完全な名簿が必要</td>
    </tr>
    <tr>
      <td style="border:1px solid #ddd; padding:10px;">層化抽出</td>
      <td style="border:1px solid #ddd; padding:10px;">確率抽出</td>
      <td style="border:1px solid #ddd; padding:10px;">層ごとに無作為に選ぶ</td>
      <td style="border:1px solid #ddd; padding:10px;">層ごとに結果が異なる研究</td>
      <td style="border:1px solid #ddd; padding:10px;">層に関する情報が必要</td>
    </tr>
    <tr>
      <td style="border:1px solid #ddd; padding:10px;">集落抽出</td>
      <td style="border:1px solid #ddd; padding:10px;">確率抽出</td>
      <td style="border:1px solid #ddd; padding:10px;">集団を無作為に選ぶ</td>
      <td style="border:1px solid #ddd; padding:10px;">広い地域に分散した母集団</td>
      <td style="border:1px solid #ddd; padding:10px;">個人を無作為に選ぶ場合より誤差が大きい</td>
    </tr>
    <tr>
      <td style="border:1px solid #ddd; padding:10px;">系統抽出</td>
      <td style="border:1px solid #ddd; padding:10px;">確率抽出</td>
      <td style="border:1px solid #ddd; padding:10px;">名簿から一定間隔で選ぶ</td>
      <td style="border:1px solid #ddd; padding:10px;">大規模な順序のある名簿</td>
      <td style="border:1px solid #ddd; padding:10px;">隠れた規則性による偏り</td>
    </tr>
    <tr>
      <td style="border:1px solid #ddd; padding:10px;">便宜的サンプリング</td>
      <td style="border:1px solid #ddd; padding:10px;">非確率抽出</td>
      <td style="border:1px solid #ddd; padding:10px;">利用しやすい対象を選ぶ</td>
      <td style="border:1px solid #ddd; padding:10px;">予備調査、探索的な研究</td>
      <td style="border:1px solid #ddd; padding:10px;">代表性が低い</td>
    </tr>
    <tr>
      <td style="border:1px solid #ddd; padding:10px;">有意抽出</td>
      <td style="border:1px solid #ddd; padding:10px;">非確率抽出</td>
      <td style="border:1px solid #ddd; padding:10px;">特定の特性を持つ人を選ぶ</td>
      <td style="border:1px solid #ddd; padding:10px;">質的研究</td>
      <td style="border:1px solid #ddd; padding:10px;">研究者の判断に依存する</td>
    </tr>
    <tr>
      <td style="border:1px solid #ddd; padding:10px;">機縁法（スノーボール）</td>
      <td style="border:1px solid #ddd; padding:10px;">非確率抽出</td>
      <td style="border:1px solid #ddd; padding:10px;">参加者が別の参加者を紹介する</td>
      <td style="border:1px solid #ddd; padding:10px;">接触が難しい集団</td>
      <td style="border:1px solid #ddd; padding:10px;">多様性が限られる</td>
    </tr>
    <tr>
      <td style="border:1px solid #ddd; padding:10px;">割当法</td>
      <td style="border:1px solid #ddd; padding:10px;">非確率抽出</td>
      <td style="border:1px solid #ddd; padding:10px;">割当の枠を、無作為でない方法で埋める</td>
      <td style="border:1px solid #ddd; padding:10px;">名簿がない調査</td>
      <td style="border:1px solid #ddd; padding:10px;">割当内の選択が無作為ではない</td>
    </tr>
  </tbody>
</table>

質的研究と量的研究でのサンプリング

量的研究では、結果を母集団に一般化することを目指すため、一般に確率抽出と、比較的大きな標本が好まれます。データの統計的な分析が、無作為な抽出を前提としているためです。質的研究では、理解の深さを重視するため、有意抽出や機縁法がよく使われ、標本も小さくなるのが一般的です。質的研究では、標本が統計的に代表的かどうかではなく、研究課題に答えるのに十分な情報が得られるかどうかで判断されることが多くあります。2つのアプローチの違いについては、質的研究と量的研究の違い:データ・方法・選び方をご覧ください。

サンプリングのやり方:方法の選び方

サンプリングの方法は、研究課題と、実際の状況から決まります。

• 研究の目的に合わせる:母集団に一般化したいなら、確率抽出が有力です。経験を深く理解したいなら、有意抽出が適している場合があります。
• 抽出枠があるか確認する:無作為抽出には、母集団の名簿が必要です。名簿がない場合は、非確率抽出が現実的な選択肢になります。
• 対象者へのアクセスを考える:接触が難しい集団では、機縁法や有意抽出が必要になることがあります。
• 標本サイズを検討する:サンプリングの方法は、標本サイズの根拠に代わるものではありません。量的研究では、期待する効果の大きさ、データのばらつき、必要な信頼水準から、必要な標本サイズを計算するのが一般的です。
• 使える資源を考える:時間、費用、対象者へのアクセスによって、実行可能な方法が決まります。実現できない理想的な計画より、現実的な計画のほうが優れています。

サンプリングでよくある失敗

• 便宜的な標本を選んでおきながら、結果を母集団全体に一般化してしまう
• 母集団の完全な名簿がないのに、確率抽出を行おうとする
• 割当法と層化抽出を混同する(層化抽出だけが、層の中で無作為に選びます)
• 参加者の集め方によって標本が母集団と系統的に異なる、選択バイアスに気づかない
• 機縁法やスノーボールサンプリングで、標本が互いにつながりのある人に偏る可能性を認めない
• 原稿の中でサンプリング方法を明確に説明せず、査読者が結果の適用範囲を判断できない

おわりに

サンプリング方法の選択は、どのような結論を導けるか、査読者にどう評価されるかまで、研究のあらゆる側面を左右します。研究課題に合った方法を選び、慎重に実施し、明確に記述することが、標本サイズの大きさ以上に、原稿を強くします。方法とその限界を正確に記述することも、研究を適切に報告することの一部です。研究の方法や結果を、査読者や編集者に明確に伝えたい研究者は、AJEの英文校正サービスで、分野の専門知識を持つ編集者による確認を受けることもできます。