▼▼▼▼▼▼▼▼
チャンネル登録はこちら

確率標本抽出の評価

確率標本抽出は，代表的な標本を得るために実施できる唯一の方法である．

母集団のすべての要素に等しい抽出確率が割り付けられるとすれば,その結果できた標本が，母集団を代表する可能性は高くなる．

確率標本抽出のもう１つの利点は，標本誤差の幅を研究者が推定できることである．

標本誤差(sampling error)とは，母集団の値（たとえば母集団の平均年齢）と標本の値（たとえば標本の平均年齢）との差である．

標本が完全に母集団を代表しているという例はまれであり，確率標本抽出では，その誤差の程度を推定できる．

標本抽出に関する上級の教科書では，こうした推定の手順について詳しく説明している．

確率標本抽出の大きな短所は，不便で複雑な点である．

母集団を狭い範囲で限定しないかぎり，確率標本抽出デザインを使って標本を抽出しようとすると，ふつう，ほとんどの研究者の余地を超えてしまう．

また，「あえて」狭い範囲に限定すると，確率標本抽出は「やりすぎ」のようにみえるかもしれない．

確率標本抽出は，標本要素の要素を得るのに好んでもちいられる方法であり，またもっとも重要な方法でもあるが，場合によっては実際的でないこともあるだろう．

可能な場合はいつでも，標本の特性と母集団の特性を比較するとよい，

ナースが関心をもつ多くの集団の特性についての出版情報は，標本抽出の偏りを評価するための文脈をとらえる助けとなろう，

たとえば，デトロイトの低所得層の子どもたちを研究する場合，インターネットを通じて，米国国勢調査局から低所得層の米国人の子どもたちの顕著な特性（例：人種/民族，年齢分布）についての情報を得ることができよう．

次に，母集団の特性を標本の特性と比較し，その差を考慮して．分析結果を解釈できよう．

量的研究における標本の大きさ

研究仮説を適切に検証するのに，どれくらいの数の対象が必要かということを，量的研究者は慎重に検討する必要がある．

必要な標本の大きさを推定するために，検出力分析(power analysis ； パワー・アナリシス）として知られる高度な手順を使うが，この手順を説明するためには，ある程度の統計学の知識が必要である．

量的研究にどのくらいの大きさの標本が必要かは一概にはいえないが，ひとこと助言できるとすれば，できるかぎり大きな標本をもちいるほうがよい．

標本が大きいほど，母集団をよく代表したものになる傾向にある．

研究者が，標本データに基づいて百分率や平均値を計算する場合はいつでも，母集団の値を推定している．

標本が小さいほど，推定の精度は低くなる．いいかえれば，大きい標本ほど，標本誤差が小さい．

簡単な例で，これを考えてみよう．

あるナーシング・ホームにおける月間のアスピリンの使用量である．母集団の人数は15名の入居者であり，１か月のアスピリン消費量の平均値が16である．

各々の標本の大きさを, 2, 3, 5, 10として，２回ずつ計８回の単純無作為抽出を行った．

各標本の平均値は，母集団平均値（16）の推定値をあらわす．

ふつうの状況下では，母集団の値はわからないだろうし，１回の標本抽出しか行わないだろう．

標本の大きさが２の場合，推定値は８錠もアスピリン消費量が多く（1Bの標本では平均24錠), 50%の誤差となろう．

標本数が大きくなるにつれて，平均値は母集団の真の値に近くなり，そして標本ＡとＢのあいだの推定値の差も小さくなる．

標本数が大きくなるにつれて，著しく逸脱した標本を得る確率も減る．

標本が大きければ，逸脱した値は相殺される．

検出力分析を行わないかぎり，もっとも安全な手順は，実際に，可能なかぎり大きな標本からデータを集めることである．

しかし,標本が大きいことは,精度が高いという保証にはならない．

非確率標本抽出法をもちいる場合には，たとえ標本が大きくても偏りが潜んでいる．

このことを示す有名な例に，「Literary Digest」誌が行った1936年の大統領選挙の世論調査がある．

このとき，この雑誌はアルフレッド・Ｍ．ランドンが，フランクリン・Ｄリレーズペルトを圧倒的に負かすと予想した．

この世論調査には，約250万人が回答を寄せていた．つまり，しっかりした数の標本である．

不況下のその当時は，裕福な人（ランドンを好んだ）だけしか自動車と電話をもっていなかったのに，この標本は，電話帳と自動車の登録簿から抽出されていたので，偏りが生じてしまったのである．

このように，標本が大きいからといって，間違った標本抽出デザインを正せるものではない．

時間や，対象の入手可能性や，資源のような実際上の制約によって，標本の大きさが限定されることが多いので，多くの看護研究は，比較的小さい標本に基づいている.

40年間(1950年代から1980年代）に出版された看護研究を調べて，ブラウンらは，40年間での平均標本数が100未満であることを見いだし，同様の結果がごく最近の分析でも報告された.

多くの場合，小さい標本では間違った結果を導いたり，はっきりした結論にいたらない．

次に，量的研究で必要とされる標本の大きさに影響するいくつかの考慮点を検討しよう．

確率標本抽出は、研究において代表的な標本を得るための重要な方法であり、全ての要素に等しい抽出確率を割り当てることで、標本が母集団を代表する可能性を高める。確率標本抽出は代表性を担保し、統計的に信頼性の高いデータを得るための基盤となる方法として広く認識されている。標本が母集団を忠実に反映することで、研究結果が偏りなく有意義であると期待されるが、確率標本抽出には複雑な手順が必要であるため、広範囲な母集団に適用するのは容易ではない。この方法が有用である主な理由のひとつは、標本誤差を推定できる点にある。標本誤差とは、母集団全体の値（例えば母集団の平均年齢）と、抽出した標本の値（標本の平均年齢）との間に生じる差異であり、確率標本抽出によってこの誤差の程度を把握し、結果の信頼性を評価することが可能になる。実際には標本が完全に母集団を代表する例は稀であるため、誤差の幅を推定し、研究結果の解釈に役立てることが確率標本抽出の重要な特徴といえる。高等教育や専門的な研究分野では、こうした標本誤差の推定方法や手順が詳細に解説されており、研究者はこれらの知識をもとに抽出手法を選定し、適切な標本を用いて分析を行うことが求められる。しかし確率標本抽出には、手間がかかり、複雑であるという大きな短所も存在する。特に、広い範囲の母集団を対象とする場合、確率標本抽出デザインは煩雑で、実際に標本を得るには時間や費用がかかり、研究者の資源を超えてしまうこともある。また、対象範囲を狭く限定しすぎると、確率標本抽出が「やりすぎ」と見られ、かえって不適切な場合もある。この方法は理想的な抽出法であると同時に、実用面での制約を伴うことが多く、対象とする母集団や研究の目的によっては他の標本抽出法を選ぶ必要も生じることがある。例えば看護分野などでは、対象となる集団の特性が出版情報として利用可能である場合、確率標本抽出による偏りを評価する上で有用な情報源となり得る。母集団の特性と標本の特性を比較し、その違いを考慮した上で分析結果を解釈することが推奨される。例えば、米国のデトロイトにおける低所得層の子供たちを対象にした研究では、米国国勢調査局のデータを参照し、低所得層の子供たちの代表的な特性（例：人種、年齢分布など）を把握し、標本と比較することで偏りを抑えた解釈が可能となる。量的研究においては、研究仮説を正確に検証するための標本数の検討が欠かせない。必要な標本数を推定するために、検出力分析（パワー・アナリシス）が利用されるが、これにはある程度の統計学の知識が必要である。適切な標本の大きさを設定するためには、研究の目的、変数の性質、効果の大きさ、許容される誤差などを考慮する必要があり、一般に標本が大きいほど母集団をよく代表し、標本誤差が小さくなる傾向がある。標本が大きくなると、母集団の値に近い推定値が得られる確率が高まり、結果の精度も向上するが、標本が大きければ精度が必ず保証されるわけではない。非確率標本抽出法を用いた場合、たとえ標本が大きくても偏りが潜んでいる可能性があることは歴史的な例からも示されている。1936年の米国大統領選挙における「Literary Digest」誌の世論調査はその典型であり、約250万人という非常に大規模な標本が用いられたにもかかわらず、選挙結果の予測を大きく誤った。この調査では電話帳や自動車登録簿から標本を抽出しており、当時の不況下でこれらのリストに含まれる人々が裕福でランドンを支持する傾向にあったため、結果に偏りが生じたのである。このように、標本が大きいことが抽出デザインの不備を補正するわけではなく、標本の選定方法そのものが結果に大きな影響を与えることがわかる。量的研究では、標本の大きさが実際の調査結果にどの程度の信頼性を与えるかが重要な課題であり、精度の高い推定を行うためには適切な方法で標本を収集し、母集団の特性を反映させる努力が求められる。しかし、時間や予算、対象の入手可能性など現実的な制約によって、標本の大きさを制限せざるを得ない場合も多い。看護研究においても、比較的小さい標本で行われた研究が多く、過去の40年間における平均標本数が100未満であったとの報告がある。小さな標本では誤った結論に至る可能性が高まり、結果に対する解釈が慎重になる一方で、標本が適切に選ばれていれば、母集団の傾向を掴むための有用な情報源となる。看護研究においても、可能な限り標本の特性と母集団の特性を比較し、研究対象の性質を反映した適切な解釈が求められる。標本の大きさについては、例えばナーシング・ホームにおけるアスピリン使用量の例を考えると、標本数が増えると推定値が母集団の真の値に近づき、偏った推定が減少することが確認できる。標本が大きいほど、偶然の誤差が相殺されるため、精度が上がり、結果の再現性も高まる。検出力分析を行わずに標本数を決定する場合、可能な限り大きな標本を用いることが推奨されるが、非確率標本抽出法では標本が大きくても偏りが残るリスクがあるため、確率標本抽出と異なり、母集団全体を代表することが保証されない。この点で、確率標本抽出は確実性と信頼性を高める上での優れた手法であるが、リソースや時間が限られる現実の調査環境では、適切なバランスが求められる。看護研究における実際の制約の中で、特に小規模な標本での研究結果が多く見られるのは、研究者が比較的限られた対象にアクセスできる場合が多いことにも起因している。