はじめに

本記事は、Googleデータアナリティクスのプロフェッショナル認定証のプログラムより、参照させて頂いています。興味を持った方は、是非受講してみてください。

データの信頼性を評価する

データアナリストとして、テストや調査を行う前に、

サンプルサイズ
信頼度
誤差の範囲

などの変数を把握することは重要なことです。

これは、結果が客観的であることを確認するベストな方法であり、統計的に有意な結果を得られる可能性が高くなります。しかし、分析すべき調査結果がすでに手元にある場合などサンプルサイズが分かっている場合は自分で誤差の範囲を計算できます。そうすれば、サンプルと母集団の間にどれくらいの差があるのかよりよくわかるようになります。

『誤差の範囲とは、サンプルの結果が実際の母集団の結果と異なることが許容される最大値』

母集団全体を調査したりテストしたりするのは素晴らしいですが、通常は不可能、または非現実的です。そこで代わりに、大きな母集団からサンプルを取ります。サンプルに基づいた誤差の範囲は母集団全体を調査した場合と比較して結果がどの程度異なるかを示します。

誤差の範囲は、仮説検証で得られたデータがどの程度信頼できるかを理解するのに役立ちます。誤差の範囲がゼロに近ければ近いほどサンプルから得られる結果は母集団全体から得られるものと一致します。

例えば、全国からサンプルを集め調査を行うとしましょう。週 5 日勤務の人に、週 4 日勤務の導入を希望するか尋ねるとします。すると、60% の人が週 4 日勤務を希望しているとわかりました。誤差の範囲は 10% で、 50% から 70% の人がこの案に賛成だということになります。ということは、もし全国の週休 2 日制の労働者にアンケートをとれば 50〜70% の人がこの結果に賛成するということです。

この 50〜70% という幅に着目してください。調査結果の 60% から誤差の範囲分が増減してカウントされるためです。信頼度を 95% を設定していた場合 95% の確率で、母集団全体の回答のうち 50～70% が、週 4 日勤務に賛成する、ということを指します。50% という数字と誤差の範囲が重なるので「国民は週 4 日勤務を望んでいる」と断言することはできません。この場合、この調査は結論が出なかったと言わざるを得ません。

もし、より少ない誤差の範囲、例えば 5% にしたいとき、つまり 55% から 65% までにおさめたければサンプル数を増やせばよいでしょう。サンプルサイズがすでに確定している場合は自分で誤差の範囲を計算できます。

そして、その誤差の範囲に基づいて結果が統計的に有意である可能性がどの程度あるか、自分で判断できます。一般的に、アンケートに参加する人数が多ければ多いほど、サンプルが母集団全体を反映している可能性が上がります。

信頼度を下げることも同じ効果をもたらしますがそれは皆さんの調査が正確である可能性を低くすることにもなります。つまり、誤差の範囲を計算するには

母集団のサイズ
サンプルサイズ
信頼度

の 3 つが必要なのです。

サンプルサイズの時と同様、「誤差の範囲　計算」で検索すると、たくさんの計算ツールがオンラインにはあります。

誤差の範囲計算ツール

たとえば、新薬の有効性に関する研究を行っているとします。世界人口の 1% が罹患している疾患を持つ 500 人の被験者をサンプルとします。約 8,000 万人の母集団が研究対象です。薬の研究ですから、信頼度は 99% である必要があります。また、誤差の範囲も小さくする必要があります。早速、計算してみましょう。

スプレッドシートの該当セルに母集団、信頼度、そしてサンプルサイズの数字を入れます。その結果、誤差の範囲は ±約 6% になります。治験が完了したら、その結果に誤差の範囲を当てはめて結果がどの程度信頼できるかを判断します。

データ完全性を確認し、データと目的を一致させることで良い状態で分析を完了できることも覚えておくとよいでしょう。

誤差の範囲を計算するツール