サンプリング手法へようこそ！
管理会計では、データに基づいて意思決定を行う場面が多くあります。しかし、データが膨大すぎてすべてを確認できない場合はどうすればよいでしょうか？例えば、1日に数百万個のチョコレートを製造する工場で、すべての品質をチェックすることを想像してみてください。そんなことをしていては、検査だけで一日が終わり、販売する時間がなくなってしまいますよね！
そこで登場するのがサンプリング（標本抽出）です。この章では、母集団全体を正確に反映する扱いやすい小さなグループ（標本）の選び方を学びます。このノートを読み終える頃には、さまざまなサンプリング手法とその使い分けがしっかり理解できるようになります。
1. 基本定義：母集団、標本、サンプリング枠
手法に入る前に、まずは用語を整理しましょう。少し堅苦しく聞こえるかもしれませんが、考え方はとてもシンプルですよ！
母集団（Population）： あなたが興味を持っている対象の全体グループです。例えば、1年間に発行されたすべての請求書や、会社に在籍する全従業員などがこれにあたります。
標本（Sample）： 母集団から選ばれた小さなグループです。この標本を調査することで、母集団全体に関する結論を導き出します。
サンプリング枠（Sampling Frame）： 標本を抽出するための母集団の完全なリストです（例：社員名簿や請求書番号の一覧など）。
ちょっとした例え話
大きな鍋でスープを作っているところを想像してください。鍋全体が母集団です。味見をするためにスプーンで一口すくいますよね。その一口が標本です。スプーンの中身が適切な標本であるためには、まず鍋をしっかりかき混ぜる必要があります！そして、スープの材料がすべて書かれたレシピのリストが、サンプリング枠にあたります。
2. 確率サンプリング vs. 非確率サンプリング
サンプリングには大きく分けて2つのカテゴリーがあります。
1. 確率サンプリング： 母集団のすべての項目が、ゼロではない既知の確率で選ばれる手法。一般的に「公平」で数学的に正確であると考えられています。
2. 非確率サンプリング： 抽出がランダムではありません。調査者の判断や特定のカテゴリーに基づいて選ばれます。
重要ポイント： 確率サンプリングはバイアス（偏り）を減らし、母集団全体に対してより信頼性の高い結果をもたらします。
3. 確率サンプリングの手法
ACCAの試験で押さえておくべき具体的な手法を見ていきましょう。まずはランダムなものから始めます。
A. 単純無作為抽出（Simple Random Sampling）
この手法では、母集団のすべての項目が等しい確率で選ばれます。帽子の中から名前を引くようなイメージです。
仕組み：
1. サンプリング枠内のすべての項目に番号を割り振る。
2. 乱数発生器や乱数表を使って標本を選ぶ。
メリット： 完全に公平である。
デメリット： 始める前に母集団の完全なリスト（サンプリング枠）が必要であり、それが常に可能とは限らない。
B. 系統抽出（Systematic Sampling）
これは「n番目ごとに選ぶ」手法としてよく知られています。単純無作為抽出よりも少し整然としています。
仕組み：
1. 以下の式を使ってサンプリング間隔を計算する： \( \text{Interval} (n) = \frac{\text{母集団の大きさ}}{\text{標本の大きさ}} \)
2. \( 1 \) から \( n \) の間でランダムな開始地点を決める。
3. その後は \( n \) 番目ごとに項目を選択する。
例： \( 100 \) 枚の請求書から \( 20 \) 枚を抽出したい場合、間隔は \( 100 / 20 = 5 \) です。もし3番目の請求書から始めると、選ばれるのは \( 3, 8, 13, 18 \)... となります。
よくある間違い： リストに一定の規則性がないか確認してください。もし間隔とパターンが一致してしまうと、特定の種類のデータばかりを選んでしまう危険性があります！
C. 層化無作為抽出（Stratified Random Sampling）
母集団が異なる特性を持つグループ（層）で構成されている場合に使用します。
仕組み：
1. 母集団をグループ（例：年齢別、部署別、金額別など）に分ける。
2. 各グループのサイズに応じて、それぞれのグループからランダムに標本を抽出する。
例： 工場勤務者が \( 800 \) 人、オフィス勤務者が \( 200 \) 人の会社で、 \( 100 \) 人の標本が必要な場合、工場から \( 80 \) 人、オフィスから \( 20 \) 人をランダムに選びます。
覚え方：「層化（Stratified）＝層（サブグループ）に分ける」と覚えましょう。
D. 多段抽出（Multi-stage Sampling）
非常に大規模で地理的に広い範囲に散らばった母集団に使用します。漏斗（ろうと）のようなプロセスです。
仕組み：
1. 国を地域に分け、ランダムにいくつかの地域を選ぶ。
2. その地域を市町村に分け、ランダムにいくつかの市町村を選ぶ。
3. 選ばれた市町村の中からランダムに人を抽出する。
メリット： 特定の地域に標本が集中するため、移動時間やコストを大幅に節約できる。
E. クラスター抽出（Cluster Sampling）
多段抽出とよく混同されます。クラスター抽出では、母集団をグループ（クラスター）に分け、ランダムにいくつかのグループを選び、選ばれたグループの中にいる全員を調査します。
例： チェーン店が従業員の士気を調査したい場合、全 \( 50 \) 店舗からランダムに \( 5 \) 店舗を選び、その \( 5 \) 店舗にいる全従業員をインタビューします。
4. 非確率サンプリング：割当抽出（Quota Sampling）
これは覚えておくべき主要な非確率サンプリング手法です。市場調査（街頭インタビューなど）で非常によく見られます。
仕組み：
調査員は特定のカテゴリーで一定の人数（割当数）を確保するように指示されます。
例： 「50歳以上の男性20人と、30歳未満の女性20人にインタビューしてきてください」。条件さえ満たせば、調査員は誰を選んでも構いません。
メリット： 素早く安価。サンプリング枠が不要。
デメリット： 調査員が「話しかけやすそうな人」や「急いでいなさそうな人」ばかり選ぶ可能性があるため、偏り（バイアス）が生じやすい。
重要ポイントのまとめ：
- 単純無作為： 確率は均等。乱数を使用。
- 系統： \( n \) 番目ごとに抽出。
- 層化： 各グループからランダムに抽出。
- クラスター： グループごと抽出し、その中は全調査。
- 割当： 特定の「枠（クォータ）」を満たすように集める（ランダムではない）。
5. よくある落とし穴とヒント
最初は難しく感じるかもしれませんが、大丈夫です！ 多くの学生が層化とクラスターを混同します。違いを覚える一番簡単な方法はこれです：
- 層化抽出では、すべてのグループから少しずつ標本をとる。
- クラスター抽出では、いくつかのグループから全員標本をとる。
復習ボックス
1. なぜサンプリングするの？ 時間とコストを節約するため。
2. サンプリング枠とは？ 母集団全体のリストのこと。
3. 間隔を使う手法は？ 系統抽出。
4. ランダムではない手法は？ 割当抽出。
5. 系統抽出の計算式は？ \( \text{間隔} = \text{母集団} / \text{標本} \)。
豆知識： ACCAの試験問題では、シチュエーションが説明され、どのサンプリング手法か問われることがよくあります。「10番目ごと（系統）」「比例配分（層化）」「調査員の判断（割当）」などのキーワードに常に注目してください！