市場調査や現地での既存調査など、研究者はどれくらいの頻度で適切な調査対象者を探しているのだろうか。 本調査のサンプルまたは回答者は、既知または未知の顧客またはユーザーの集合から選択することができる。 典型的な回答者のプロフィールは分かっていても、調査研究を完了させるための回答者にアクセスできないことがよくあります。 そのようなとき、研究者や調査チームは、専門機関に依頼して、回答者パネルを利用したり、回答者を購入したりして、調査研究を完成させています。 これらの回答者は、人口統計学的基準に合致する一般集団の回答者、または特定の基準に基づく回答者である可能性があります。 このような回答者は、研究調査の成功に不可欠な存在です。
サンプルとは何ですか？
定義する。 サンプルとは、研究者があらかじめ定義された選択方法を用いて、より大きな母集団から選択または抽出した、より小さなデータの集合と定義されます。 これらの要素は、サンプルポイント、サンプリングユニット、またはオブザベーションと呼ばれています。 サンプルを作成することは、効率的な実施方法です。 研究. 多くの場合、母集団全体を調査することは不可能か、コストと時間がかかると思われます。 したがって、サンプルを調査することで、研究者は母集団全体に適用できるような洞察を得ることができます。
例えば、ある携帯電話メーカーが米国の大学の学生を対象に機能調査を行いたいと考えた場合。 学生が使っている機能、欲しい機能、支払ってもよい価格などを調べるのであれば、綿密な調査研究を行わなければならない。 このステップは、開発が必要な機能、アップグレードが必要な機能、デバイスの価格設定、そして市場投入戦略を理解するために不可欠です。
2016/17年だけでも、全米の大学に在籍する学生数は2,470万人にのぼります。 このような学生をすべて調査することは不可能であり、時間をかければ新しい装置が冗長になり、開発費をかければ研究が無駄になる。 地理的な位置から大学のサンプルを作り、さらにその大学から学生のサンプルを作ることで、研究に十分な数の学生を確保することができるのです。
一般的に、市場調査のための母集団は
市場調査
は膨大です。 全人口を集計することは現実的に不可能である。 サンプルは通常、この母集団から管理可能な大きさを表しています。 研究者は、これらのサンプルから調査、世論調査、アンケートなどの形でデータを収集し、このデータ分析をより広いコミュニティに外挿する。
サンプルの種類サンプルの選択方法と例
サンプルを導き出すプロセスをサンプリングメソッドと呼びます。 サンプリングは、調査研究の一部として収集される量的データと質的データを導き出す方法であり、調査デザインの不可欠な部分を形成しています。サンプリングの方法は、確率的サンプリングと非確率的サンプリングという2つの異なるアプローチに特徴付けられます。
確率的サンプリングの方法とその例
確率的サンプリング は、確率論に基づいて母集団から対象を抽出する標本抽出の方法である。 この方法は、母集団の全員を含み、全員が等しく選ばれる可能性がある。 したがって、この種のサンプルには何のバイアスもない。 その後、母集団に属する一人ひとりが研究に参加することができます。 選定基準は、市場調査の開始時に決定され、調査の重要な構成要素となる。
確率的サンプリングは、さらに4つの異なるタイプのサンプルに分類されます。 それらは
- 単純なランダムサンプリング 最も簡単な標本抽出方法です。
単純無作為抽出（simple random sampling
. この方法では、各メンバーが平等に研究に参加する機会を得ることができます。 このサンプル集団の対象は、純粋に無作為に選ばれており、各メンバーは同じ確率で選ばれている。 例えば、大学の学部長が学生から教師に対する認識や教育レベルについてのフィードバックを収集したい場合、大学の全学生1000人がこのサンプルの一部となりえます。 このサンプルには、任意の100人の生徒が無作為に選ばれることができます。 - クラスター・サンプリングクラスター・サンプリングは、回答者集団を等しいクラスターに分割するサンプリング手法の一種です。 年齢、場所、性別などの人口統計学的パラメータを定義することにより、クラスターを特定し、サンプルに含めます。 このため、アンケート作成者は、フィードバックから実用的な推論を導き出すことが極めて容易になります。 例えば、FDAが薬の副作用に関するデータを収集したい場合、アメリカ本土を州のように特徴的なクラスターに分割することができます。 そして、これらのクラスターに属する回答者に対して、調査研究を実施する。 このようにサンプルを生成することで、データ収集を綿密に行い、消費と行動が容易な、インサイトを提供します。
- システマティック・サンプリング
システマティック・サンプリング
は、調査者が母集団から等間隔で回答者を選ぶサンプリング方法である。 サンプルを選択するアプローチは、出発点を選び、あらかじめ設定されたサンプル間隔で回答者を選ぶというものです。 例えば、1万人の応募者の中から1,000人のオリンピックボランティアを選ぶとき、応募者にはそれぞれ1〜10,000のカウントが与えられます。 そして、1から始めて、10の間隔で各回答者を選ぶと、1,000人のボランティアのサンプルが得られます. - 層別無作為抽出（Stratified random sampling）。層化ランダムサンプリングは、調査設計の段階で、回答者集団を特徴的だが事前に定義されたパラメータに分割する方法である。 この方法では、回答者が重複することなく、集合的に全人口を代表することになる。 例えば、社会経済的な背景の異なる人々を分析しようとする研究者は、回答者を年収で区別することができます。 このようにして、より小さなグループ、つまりサンプルを形成し、その中からいくつかの物を研究調査に使用することができるのです。
非確率的サンプリングの方法とその例
その
非確率サンプリング
は、研究者の裁量でサンプルを選択する方法です。 このタイプのサンプルは、ほとんどが研究者または統計学者の能力から導き出されるものです。 このタイプのサンプリングは、研究テーマに関する仮説を導き出すことを主目的とした予備調査に使用されます。 ここで、各メンバーはサンプル集団の一部である確率が等しくなく、これらのパラメータはサンプルに選択された後にのみ知ることができます。
非確率サンプリングは、4つのタイプに分類することができます。 それらは
- コンビニエンス・サンプリング
コンビニエンス・サンプリング
というのは、簡単に言うと、研究者が回答者にアクセスする際の利便性を表しています。 このサンプルを導き出す科学的な方法はありません。 研究者はサンプル要素の選択についてほぼ何の権限も持たず、純粋に近接性で行われ、代表性はない。この非確率的サンプリング方法は、フィードバックを集めるのに時間やコストの制限がある場合に使用されます。 例えば、ある香水メーカーの香水を使う確率を把握するために、モールインターセプト調査を行う研究者がいます。 このサンプリング方法では、サンプル回答者は、純粋に調査デスクに近かったり、調査に参加する意志があったりすることで選ばれます。 - ジャッジメントサンプリング／パーポッシブサンプリング 判断型サンプリング
判定型サンプリングまたは目的型サンプリング
は、対象者の理解とともに、研究の性質に基づいて、純粋に研究者の裁量でサンプルを作成する方法です。 このサンプリング法では、調査基準や最終目的に合致する人だけが選ばれ、残りは除外されます。例えば、修士課程でどの大学を希望するかという研究テーマであれば、「修士課程を希望しますか」という質問に対して、「はい」という回答以外は、この研究対象から除外されることになる。 - スノーボールサンプリング
スノーボールサンプリング
または連鎖式サンプリングは、サンプルが稀にしか得られない特徴を持つ非確率的サンプリング手法と定義されています。 調査に必要なサンプルを集めるために、既存の被験者が紹介を行うサンプリング手法のことです。例えば、エイズのようなデリケートな話題についてフィードバックを集めているとき、回答者は情報をなかなか教えてくれません。 この場合、研究者はそのような人々に理解や知識のある人を募り、彼らから情報を集めたり、彼らに情報収集を依頼したりすることができます。 - クオータサンプリング クオータサンプリングとは、調査者が層に基づいて自由にサンプルを選択することができるサンプル収集方法です。 この方式の最大の特徴は、2人の人間が2つの異なる条件で存在することができないことです。 例えば、ある靴メーカーがミレニアル世代から、履き心地や価格など他のパラメータを含めたブランドの認知度を把握したい場合。 研究目的が婦人靴に関するフィードバックを収集することであるため、この研究ではミレニアル世代の女性のみを選択しています。
サンプルサイズの決め方
以上のように、市場調査においてデータ収集を成功させるためには、適切なサンプルサイズが必要不可欠です。 しかし、サンプルサイズに正しい数値はあるのでしょうか？ サンプルサイズはどのようなパラメータで決まるのですか？ アンケートの配布方法について教えてください。 これらのことを理解し、適切なサンプルサイズの計算をするためには、まず、サンプルの基本的な特性を形成する4つの重要な変数を理解することが不可欠である。 それらは
- 母集団の大きさ 母集団の大きさは、調査研究の対象となりうるすべての人々のことです。 この数字は、ほとんどの場合、巨額にのぼります。 例えば、アメリカの人口は3億2,700万人です。 しかし、市場調査においては、そのすべてを調査対象として検討することは不可能である。
- 誤差の範囲（信頼区間）。 誤差は、母集団の何割が全体の実際の見解を描いているかの信頼度を統計的に推論したパーセンテージで描かれる。 この割合は、サンプルを選択する際の統計分析に役立ち、この誤差をどの程度許容できるかを示すものです。
- 信頼性レベル この指標は、実際の平均が信頼区間内のどこに位置するかを測定するものである。 信頼区間は90％、95％、99％が一般的である。
- 標準偏差。この指標は、調査における分散を対象としています。 安全な数値は0.5であり、サンプルサイズがそれだけ大きくなければならないことになる。
サンプル数の算出
サンプルサイズを計算するには、以下のパラメータが必要です。
サンプルサイズを計算するには、次の式を使用します。
サンプルサイズ = (Z-score)2 * StdDev*(1-StdDev) / (誤差の範囲)2
信頼水準90％、標準偏差0.6、誤差±4％とする。
((1.64)2 x .6(.6)) / (.04)2
( 2.68x .0.36) / .0016
.9648 / .0016
603
603人の回答者が必要で、それがサンプルサイズとなります。
サンプルサイズ計算機で、母集団、誤差、信頼度などを計算してみてください。
サンプリングのメリット
このように、サンプリングには多くの利点があります。 最も大きなメリットは、以下の通りです。
- コストと時間の削減。 サンプルを使用することで、接触しなければならない人数を減らすことができるため、コストと時間を削減することができます。 何百万人もの人口を対象にした調査と、サンプルを使った調査のどちらが時間を節約できるか、想像してみてください。
- リソース配置の削減。 サンプルによって研究調査に関わる人数が大幅に減れば、必要な資源も大幅に減ることは明らかです。 サンプルを調査するために必要な労働力は、母集団全体を調査するために必要な労働力よりはるかに少ない。
- データの正確性 サンプルは母集団を示すものであるため、収集されたデータは正確である。 また、回答者は参加する意思があるため
アンケート脱落率
が大幅に減少し、データの有効性・正確性が高まりました。
- 集中的かつ網羅的なデータ。 回答者が少ないので、サンプルからのデータ収集は濃密で綿密なものになります。 多くの人からデータを集めるよりも、回答者一人一人に時間と労力をかけることができます。
- 特性をより大きな母集団に適用する。サンプルはより広い母集団を示しているので、サンプルから収集・分析したデータをより大きな母集団に適用すれば、その通りになると言ってよいでしょう。
研究用の正確なデータを収集するために、悪質なパネリストをフィルタリングし、さまざまな管理手段を適用してサンプリングバイアスを排除します。 次の市場調査プロジェクトでサンプル聴衆の手配にお困りの場合は、[email protected]までご連絡ください。. 全世界で2200万人以上のパネリストが参加しています
