監査のサンプリング手法の違い｜属性・変数・金額単位【CIA】

読者さん

属性サンプリング、変数サンプリング……。名前が並ぶと、どれを使うのか分からなくなります。

Asami

まずは「何を知りたいの？」から考えてみよう。同じ発注データでも、承認を確かめるのか、金額の誤りを調べるのかで違うよ。

監査のサンプリングは、対象全体から一部を選んで調べ、その結果を全体についての判断に役立てる方法です。対象全体を「母集団」、選んだ一部を「サンプル」と呼びます。

この記事では、CIAの学習で迷いやすい属性・変数・金額単位サンプリングの違いを、仕事の場面から整理します。

属性サンプリング：承認ルールは守られている？

選んだ発注について、システムの承認履歴を確認します。

• 必要な承認を受けている → はい
• 未承認、権限のない人の承認、発注後の承認 → いいえ

このように、決めた条件を満たす・満たさないで調べ、母集団での発生割合を推定するのが属性サンプリング（Attribute Sampling）です。コントロールのテストでは、ルールから外れた割合＝逸脱率に注目します。

読者さん

発注の金額を見るんじゃないんですね？

Asami

今回は「いくら間違っているか」ではなく、「承認ルールが守られているか」を知りたいんだね。

例えば、全1,000件から無作為に選んだ50件のうち、2件が未承認だったとします。サンプルの逸脱率は4％。ここから、全体でも約4％、件数にすると約40件に承認漏れがあると推定します。監査では、この推定に抽出誤差も織り込んで、承認ルールが十分に機能しているかを判断します。

変数サンプリング：金額はどれくらい違う？

読者さん

2万円違うのは分かったけど……そこから何が言えるの？

Asami

次は、選んだサンプル全体の差額を集計するよ。それを使って、在庫全体のズレを推定するんだね。

例えば、全1,000品目から100品目を単純無作為抽出したとします。2万円の差があった品目も含め、100品目の差額を合計すると、帳簿の方が20万円多かった。

これが変数サンプリングの一つ、「差額推定」の考え方です。調べる品目数は、必要な精度や金額のばらつきに合わせて決めます。

推定したら、許容できる誤りの金額と比べます。このときは、サンプルのばらつきから求めた推定の幅も使います。許容範囲を超える可能性があれば、追加調査や修正の検討につなげます。

Asami

「何％が間違っている？」より、「全体では、いくらずれていそう？」を知りたい。それが変数サンプリング（Variables Sampling）を使う場面だよ。

金額単位サンプリング：大きい金額ほど選ばれやすい

金額単位サンプリング（MUS：Monetary Unit Sampling）も、金額の誤りを評価する手法です。特徴は、伝票を一件ずつ同じ確率で選ぶのではなく、記録された金額に比例して、金額の大きい項目ほど選ばれやすくなること。

売掛金などが実際より大きく計上されていないかを調べる場面で使われます。ゼロ金額の項目や帳簿に載っていない取引は、この選び方だけでは拾えないため、別の手続も必要です。

Asami

大きいものほど選ばれやすい抽出方法を使って、金額の誤りを評価するんだね。

変数サンプリングもMUSも、知りたいのは金額の誤り。MUSは「金額の大きい項目ほど選ばれやすい」という特徴で押さえましょう。

3つを比べるなら「知りたいこと」で

発見サンプリングと「どう選ぶか」の違い

発見サンプリング：まれでも重大な逸脱を見つけたい

発生は少ないと見込まれるものの、一件でも見つかれば重要な意味を持つ逸脱を探すときに使う、属性サンプリングの一種です。例えば、承認記録の偽造などを想定します。

一件見つかったら、原因や広がりを追加調査します。結果がゼロ件なら「今回のサンプルでは発見されなかった」と評価します。

ランダム抽出・系統抽出・層別化

こちらは、サンプルの選び方や母集団の分け方の話です。

• ランダム抽出：乱数などで無作為に選ぶ。
• 系統抽出：開始位置を無作為に決め、一定の間隔で選ぶ。データの並びに周期性がないか注意する。
• 層別化：金額帯などで母集団を分け、それぞれから抽出する。

Asami

「承認を調べたいので属性サンプリング。その対象はランダムに選ぶ」という組み合わせもあるよ。目的と選び方を、一列に並べて覚えなくて大丈夫！

何件選べば、判断の根拠になる？

まず決めるのが「許容逸脱率」。このチェックの仕組みを、どこまで信用するかの線引きです。

そこで、調べる前に線を引きます。

Asami

「チェック漏れが全体の5％を超えるなら、この仕組みを予定どおり信用して監査を進めるのはやめよう」。この5％が許容逸脱率だよ。

「ミスしていい割合」ではなく、「チェックの仕組みを信用するための限界」です。超えたら、請求書そのものを詳しく調べるなど、監査の進め方を見直します。

この基準は、監査人が目的やリスクに応じて、監査部門の方法論に沿って設定します。

許容逸脱率を厳しくすると、調べる件数は増える

読者さん

じゃあ、5％ではなく1％を基準にしたら、もっと調べるの？

Asami

そう！ 少ない件数では、まれに起きるチェック漏れを拾いにくいよね。「5％を超えていないか」より「1％を超えていないか」を確かめる方が、多くの件数を調べる必要があるんだ。

ほかの条件が同じなら、次の関係になります。

件数は、この3つの条件と母集団の規模を、サンプル数表や監査ソフトに当てはめて決めます。予想する逸脱率が許容逸脱率に近い・上回る場合は、その統制を頼る方針自体を見直します。

Asami

ここで確かめるのは「チェック漏れがゼロか」ではなく、「全体のチェック漏れが、基準の5％を超えていないか」。見つかった件数と抽出誤差を合わせて判断するよ。

参考：PCAOB AS 2315（.31〜.41・脚注8）。米国の財務諸表監査基準にある、件数を考えるための参考例です。

Asami

実際にサンプル数を決めるときは、AuditSampleのような計算サイトも使えるよ。母集団の件数や許容逸脱率などを入れて、必要な件数を確認してみてね〜。

今はデータ分析で、全件調べられるのでは？

読者さん

システムのデータを全部チェックできるなら、サンプリングはいらないの？

Asami

例えば「承認日時が発注日時より後のもの」を、全件データから抽出することはできるね。こうした全件分析や、継続的にチェックする方法も使われています。

全件分析では、まずデータの抜け漏れと判定条件を確認します。そのうえで、データで分かることと、現物や証拠で確かめることを組み合わせます。

例えば、在庫一覧の金額はデータで全件集計。在庫が実際にあるかは現物で確認。知りたいことに合わせて、確認方法を選びます。

Asami

全件分析とサンプリングは、使い分けるもの。承認履歴は全件を分析し、証拠との照合にはサンプリングを使う、という組み合わせもできるよ！

CIA対策：何を知りたい問題か、選んでみよう

以下は学習用のオリジナル問題です。

Asami

選択肢を押すと解説が開くよ。まず「この監査で知りたいこと」を探してね。

シラバスではどこにつながる？

現行CIA Part 2シラバスでは、属性サンプリングという名称自体は明記されていません。関連するのは、セクションA・6の監査手続の決定、特にコントロールの有効性を検証する手続の選択です。この記事は、その理解を補う内容として整理しています。

参考：日本内部監査協会・CIA Part 2シラバス／CIA試験参考問題の研究：サンプリング手法（2009年・手法の参考）／GAO・Financial Audit Manual／Diligent：Classical variables sampling／IIA：Continuous Auditing and Monitoring（2025）

アシュアランス業務で、具体的に何を確認する？
CIA学習・受験ガイドへ