標本抽出・バイアス・調査設計をどう確認するか。

標本抽出の設計：代表性を確保する手法

推測統計学では、調査したい対象の全体（母集団）から、一部のデータ（標本）を取り出して分析し、母集団の性質を推測します。この推測が正しく成り立つためには、標本が母集団の縮図（代表性を持っている）である必要があります。そのための代表的な抽出方法です。

・単純無作為抽出：母集団のすべての要素が、等しい確率で選ばれるようにくじ引きや乱数を用いて抽出します。最も偏りのない理想的な方法です。

・層化無作為抽出：母集団をいくつかのグループ（層：例えば年齢、性別、地域など）に分割し、それぞれの層の構成比率に合わせて、各層から無作為に抽出します。母集団全体の縮図を作りやすく、推定精度が高まります。

回収率と自己選択がもたらす「バイアス（系統誤差）」

実社会のデータ収集において最も警戒すべきなのは、標本抽出の過程で生じる「バイアス（偏り）」です。

例えば、自発的に回答を投稿してもらう「自己選択型Webアンケート」を考えます。この方法では、「そのテーマに対して強い興味や不満を持っている人」が積極的に回答する傾向があり、無関心な大半の層の意見が反映されません。このように、回答者が自ら選んで標本に入ることで生じる偏りを「自己選択バイアス（あるいは自己選択誤差）」と呼びます。

その他にも、アンケートを発送したものの回答が得られなかったことによる「非回答バイアス」なども、結果を歪める大きな要因になります。

標本サイズ（N）と偏りの本質的な違い

多くの学習者が「サンプル数（N）が十分に大きければ、多少偏った方法でデータを集めても大数の法則で正しい平均に収束する」と誤解しがちです。

しかし、これは明確な誤りです。サンプルサイズ N を大きくすることは、偶然のばらつきによる誤差（標準誤差）を小さくするのには有効ですが、抽出方法そのものに由来するバイアス（系統的な歪み）は、Nを10万人に増やそうが100万人に増やそうが相殺されません。偏った抽出方法のまま標本を増やすと、むしろ「誤った結論を、極めて高い精度（小さなばらつき）で確信してしまう」という危険な状態に陥ります。無作為抽出であるかどうかが、推測統計の絶対的な前提条件なのです。