論文一覧に戻る 統計データ分析コンペ 教育用再現集
2019年度 統計データ分析コンペティション ｜ 審査員奨励賞 [大学生部門]

都道府県別労働生産性の決定要因
主成分分析とクラスタリングによる地域類型化

⏱️ 推定読了時間: 約44分
2019年度 | 大学生部門 | 審査員奨励賞
📝 3行で分かる要約

目次

  1. 研究の背景と目的
  2. データと手法
  3. 主要な分析結果
  4. 統計的手法の解説
  5. 発展的学習
  6. まとめ
  7. 参考文献
  8. 📥 データの準備
  9. 💼 実社会での応用
  10. ⚠️ よくある誤解
  11. 📖 用語集
  12. 📐 手法ガイド
  13. 🚀 発展の可能性
  14. 🎯 自分でやってみよう
  15. 🤔 Q&A

🎯 この記事を読むと何ができるようになるか

📥 データの準備（再現コードを動かす前に）

このページの分析を自分で再現するには、以下の手順でデータを準備してください。コードの編集は不要です。

1
データをダウンロードする 統計センターの SSDSE 配布ページから、以下のファイルをダウンロードします。
SSDSE-B-2026.csv　← SSDSE-B（都道府県データ）📥 直接DL
⬇ SSDSEダウンロードページを開く
2
ファイルを所定のフォルダに配置する ダウンロードしたCSVを、プロジェクトの data/raw/ フォルダに入れます。
2026 統計・データ解析コンペ/ ├── code/ │ └── 2019_U5_1_shorei.py ← 実行するスクリプト └── data/ └── raw/ SSDSE-B-2026.csv ← ここに置く
3
スクリプトをそのまま実行する ターミナルでプロジェクトルートに移動し、以下を実行します。
python3 code/2019_U5_1_shorei.py
図は html/figures/ に自動保存されます。
背
研究の背景と目的

日本では都道府県間の経済格差・生産性格差が長年の政策課題となっている。東京一極集中が進む一方、地方では人口減少と産業空洞化が同時進行している。このような地域間格差を定量的に把握し、その決定要因を明らかにすることは、地域政策立案の観点から重要な研究課題である。

まず「都道府県別労働生産性の決定要因主成分分析とクラスタリングによる地域類型化」を統計的にとらえることが有効だと考えられる。 その理由は感覚や経験則だけでは、複雑な社会要因の中で「何が本当に効いているか」を見極めにくいからである。 本研究では公開データと統計手法を組み合わせ、この問いに定量的な答えを出すことを目指す。

本研究では、SSDSE-B（都道府県統計）のデータを用い、47都道府県の労働生産性の代理指標を構築した上で、主成分分析（PCA）による多変量の次元圧縮、Ward法クラスタリングによる地域類型化、そして重回帰分析による決定要因の特定を試みた。

研究の3つの問い
  1. 格差の実態：都道府県間で労働生産性（経済的豊かさ）にどの程度の差があるか？
  2. 地域類型化：多変量の観点から47都道府県はどのような地域グループに分類できるか？
  3. 決定要因：労働生産性の違いをもたらす要因（教育水準、人口構造、人口移動等）は何か？
分析の流れ
SSDSE-B
2023年
47都道府県
→
変数構築
（生産性指標
+説明変数）
→
PCA
（次元削減
バイプロット）
→
Ward法
クラスタリング
（地域類型化）
→
重回帰分析
（標準化係数）

主成分分析（PCA） Ward法クラスタリング 重回帰分析 標準化係数 SSDSE-B

データと手法

使用データ

SSDSE（社会・人口統計体系）-B（2026年版）の都道府県データを使用した。2023年時点の47都道府県の横断面データを分析の基礎とした。

データセット対象年度観測数
SSDSE-B-2026.csv47都道府県2023年断面N = 47

変数の構築

SSDSE-Bには直接の「県内総生産」や「労働生産性」の列はないため、経済学的に妥当な代理変数を複数の統計指標から構築した。

役割構築変数計算方法経済的解釈
目的変数
（労働生産性
代理指標）		 消費支出（万円） 消費支出（二人以上の世帯）÷ 10,000 所得水準・生活水準の代理
有効求人倍率 月間有効求人数 ÷ 月間有効求職者数 労働需要の強さ（高生産性地域は労働需要大）
教育水準 大学進学率（%） 高校卒業者のうち進学者数 ÷ 高校卒業者数 × 100 人的資本・知識資本の蓄積度
大学学生割合（%） 大学学生数 ÷ 総人口 × 100 知識集積の密度（高等教育産業の集積）
人口構造 高齢化率（%） 65歳以上人口 ÷ 総人口 × 100 生産年齢人口比率の逆数（高→生産力縮小）
人口移動 転入超過率（‰） （転入者数 − 転出者数）÷ 総人口 × 1,000 経済的魅力・人口集積効果
生産年齢人口 生産年齢率（%） 15〜64歳人口 ÷ 総人口 × 100 働き手の比率（PCA変数として投入）
観光・サービス 旅館密度（施設/万人） 旅館・ホテル数 ÷ 総人口 × 10,000 観光産業・第三次産業の発展度
代理変数（Proxy Variable）の考え方 直接観測できない概念（この場合は「労働生産性」）を複数の観測可能な変数で近似することを代理変数という。本研究では消費支出と求人倍率を標準化合成した「労働生産性スコア」を目的変数として用いた。PCA分析には教育・人口構造・移動・観光の6変数を投入した。

分析手法の概要

手法目的主要パラメータ
主成分分析（PCA）6変数の次元削減・バイプロット作成2成分、StandardScaler標準化
Ward法クラスタリング47都道府県の地域類型化k=5クラスター
重回帰分析（OLS）消費支出の決定要因特定標準化係数（β）、N=47

主要な分析結果

1
労働生産性の都道府県間格差

消費支出と求人倍率を標準化合成した「労働生産性スコア」により、47都道府県の経済的格差を可視化した。東京都が最上位に位置する一方、沖縄県・和歌山県・愛媛県が下位に並んだ。

都道府県別労働生産性スコア
図1：都道府県別 労働生産性スコア（2023年）。消費支出・求人倍率の標準化合成値。地域別色分け。
主な発見（図1）
  • 上位グループ（東京都・富山県・岐阜県・新潟県・島根県）はスコアが1.0以上
  • 下位グループ（沖縄県・和歌山県・愛媛県・兵庫県・青森県）はスコアが−1.0以下
  • 中部・北陸地方が比較的高い傾向（製造業・安定雇用の地盤が背景）
  • 九州・沖縄・近畿の一部が低い傾向（第三次産業中心・低賃金構造が背景と推測）
2
PCA バイプロット（第1・第2主成分）

6変数（大学進学率、大学学生割合、高齢化率、生産年齢率、転入超過率、旅館密度）を投入したPCAの結果、第1主成分が63.4%、第2主成分が17.5%を説明し、累積寄与率80.9%を達成した。

PCA バイプロット
図2：PCA バイプロット（47都道府県、2023年）。矢印は変数負荷量。地域区分で色分け。
第1主成分（横軸）が都市化・若年人口集積度を表し、第2主成分（縦軸）が観光・地域特性を示す。
📌 この主成分散布図の読み方
このグラフは
主成分分析で抽出した第1・第2主成分を軸に、各サンプルを点で描いたグラフ。
読み方
点の位置が近いサンプルほど元の変数プロフィールが似ている。軸の端に位置するサンプルが強い特徴を持つ。
なぜそう解釈できるか
矢印（バイプロット）が付いている場合、矢印の向きが「その変数が影響する方向」。矢印が長いほど主成分への寄与が大きい。
主な発見（図2）
  • PC1（63.4%）：大学進学率・大学学生割合・生産年齢率・転入超過率が正に、高齢化率が負に。「都市化・若年集積・教育資本」の軸
  • PC2（17.5%）：旅館密度と他変数の対比。観光地型（北陸・東北・九州）vs 大都市型の軸
  • 関東（赤）が右上に集中（高PC1、都市化進行）
  • 東北・北海道（青）が左方向（高齢化・低転入超過）
主成分寄与率累積寄与率主要な意味
PC163.4%63.4%都市化・若年集積・教育資本（大学進学率↑、高齢化率↓）
PC217.5%80.9%観光・地域特性（旅館密度の分散）
3
Ward法クラスタリング：地域類型化

PCAの6変数を標準化してWard法によって47都道府県を5クラスターに分類した。デンドログラムの赤破線（k=5のカット位置）で5グループが明確に分離している。

Ward法デンドログラム
図3：Ward法クラスタリング デンドログラム（47都道府県、2023年）。赤破線でk=5クラスターに分割。
📌 このデンドログラム（樹形図）の読み方
このグラフは
階層的クラスタリングの過程を樹木状に示した図。どのサンプルが先に統合されたかがわかる。
読み方
縦軸（高さ）は統合時の距離（非類似度）を示す。低い位置で結合したサンプルほど似ている。水平線を引いた高さでクラスター数が決まる。
なぜそう解釈できるか
水平線の高さを「大きなジャンプ」の直前に設定することでクラスター数を決める。切り取った後の各グループを変数平均で特徴づけする。

クラスター2（大都市・文化）2県

東京都・京都府
高大学集積・高転入超過・高観光

クラスター1（成長都市圏）8県

宮城・埼玉・千葉・神奈川・愛知・滋賀・大阪・福岡
高転入超過・高生産年齢率

クラスター4（中規模工業県）11県

茨城・栃木・群馬・石川・岐阜・静岡・三重・兵庫・奈良・岡山・広島
安定した製造業基盤

クラスター5（中山間・独自型）4県

福井・山梨・長野・沖縄
観光資源・固有産業が特徴的

クラスター3（農村・過疎型）22県

北海道・青森・岩手・秋田・山形・福島・新潟・富山・和歌山・鳥取・島根・山口・徳島・香川・愛媛・高知・佐賀・長崎・熊本・大分・宮崎・鹿児島
高齢化率高・転入超過率低・農林水産業の比重大

4
重回帰分析：標準化係数（β係数）

消費支出（経済的豊かさの直接指標）を目的変数とし、大学進学率・高齢化率・転入超過率・求人倍率を説明変数とした重回帰分析を実施した（N=47）。

標準化係数棒グラフ
図4：重回帰分析の標準化係数（β係数）。目的変数：消費支出（万円/世帯）、N=47都道府県（2023年）。
エラーバーは±1標準誤差。全体のF検定：p=0.033（有意）。
📌 この回帰係数プロットの読み方
このグラフは
重回帰分析の各説明変数の係数（影響の強さと向き）をバーや点で表したグラフ。
読み方
右（プラス方向）に伸びるバーは「この変数が増えると目的変数も増える」正の影響。左（マイナス方向）は逆。
なぜそう解釈できるか
エラーバー（誤差棒）が0をまたいでいない変数が統計的に有意（p < 0.05）。バーが長いほど影響が大きい。
重回帰分析の結果の読み方（N=47での注意点） N=47（47都道府県）という小さなサンプルサイズでは、個別係数のt検定が有意水準5%を達成しにくい。しかし全体のF検定（p=0.033）は有意であり、説明変数の組み合わせとして消費支出の変動の一部（R²=0.22）を説明できている。β係数の符号方向と相対的大きさから決定要因の方向性を読み取ることが重要。
説明変数β係数単変量相関（r）解釈
大学進学率+0.31+0.40知識資本↑ → 消費支出↑（最大係数）
転入超過率+0.31+0.37経済的魅力↑ → 集積効果 → 消費↑
求人倍率+0.18≈0.00労働需要↑ → 賃金圧力 → 消費↑
高齢化率+0.07−0.31単変量では負だが、転入超過率等との交絡あり
交絡と多重共線性への注意 高齢化率は単変量相関では消費支出と負相関（r=−0.31）だが、重回帰では係数が正になっている。これは他の変数（転入超過率と高齢化率は負相関）との交絡（confounding）が生じているためである。N=47では多重共線性の影響が出やすく、係数の解釈は慎重に行う必要がある。

統計的手法の解説

DS LEARNING POINT 1

主成分分析（PCA）とは

主成分分析は、多変量データを少数の「主成分」に次元圧縮する手法。各主成分は元の変数の線形結合で、互いに無相関（直交）になるよう構成される。第1主成分は分散が最大になる方向、第2主成分は第1主成分と直交しつつ分散が最大になる方向となる。

from sklearn.preprocessing import StandardScaler from sklearn.decomposition import PCA # 標準化（単位・スケールを揃える） scaler = StandardScaler() X_scaled = scaler.fit_transform(X) # shape (47, 6) # PCA（2成分） pca = PCA(n_components=2, random_state=42) scores = pca.fit_transform(X_scaled) # 主成分スコア (47, 2) loadings = pca.components_ # 負荷量行列 (2, 6) evr = pca.explained_variance_ratio_ # 寄与率 # 今回の結果 # PC1: 63.4% PC2: 17.5% 累積: 80.9% print(f"PC1 寄与率: {evr[0]*100:.1f}%") print(f"PC2 寄与率: {evr[1]*100:.1f}%")

PCA の数学的背景

データ行列 X（N×p）に対して、固有値分解 X'X = VΛV' を行う。固有ベクトル（V の列）が主成分の方向（負荷量ベクトル）、固有値が各主成分の説明分散量に対応する。

負荷量ベクトル: l_k = argmax_{||l||=1} Var(Xl_k)

スコア: t_k = X l_k　（N次元）

寄与率: λ_k / Σλ_j　（λ = 固有値）

累積寄与率: Σ_{j=1}^{k} λ_j / Σ_{j} λ_j

DS LEARNING POINT 2

Ward法クラスタリングの仕組み

Ward法は「クラスター内変動（Ward距離）を最小化」するよう段階的に都道府県を統合する階層型クラスタリング。2クラスターを統合したときの「分散の増加量」が最小になるペアを選択して結合する。

from scipy.cluster.hierarchy import dendrogram, linkage, fcluster # 標準化済みデータでWard法 Z = linkage(X_scaled, method='ward') # Z: (N-1)×4 の行列 # Z[i,0], Z[i,1]: i番目のステップで統合したクラスターID # Z[i,2]: 統合コスト（Ward距離） # Z[i,3]: 統合後のクラスターサイズ # k=5クラスターに分割 clusters = fcluster(Z, t=5, criterion='maxclust') # デンドログラムの描画 dendrogram(Z, labels=pref_names, leaf_rotation=90, leaf_font_size=9, color_threshold=cut_height)

Ward距離の定義: d(A, B) = (n_A × n_B)/(n_A + n_B) × ||μ_A - μ_B||²
（μ はクラスター重心、n はクラスターサイズ）

DS LEARNING POINT 3

標準化偏回帰係数（β係数）の意味

通常の回帰係数は変数の単位に依存するため、単位の異なる変数間で係数の大きさを直接比較できない。標準化偏回帰係数（β係数）は目的変数と説明変数をどちらも標準化（z-score変換）してから回帰した係数で、単位によらず相対的影響力を比較できる。

import statsmodels.api as sm from scipy import stats # 標準化（z-score変換） y_std = stats.zscore(y) # 目的変数 X_std = stats.zscore(X, axis=0) # 説明変数（列ごと） # OLS回帰 X_wc = sm.add_constant(X_std) model = sm.OLS(y_std, X_wc).fit() # β係数 = model.params[1:] # β の解釈: 説明変数が1標準偏差増加したとき、 # 目的変数が β 標準偏差変化する betas = model.params[1:] print("標準化係数:", dict(zip(var_names, betas.round(4))))

β=0.31（大学進学率）: 大学進学率が1SD高い都道府県では、消費支出が0.31SD高い傾向にある。

バイプロットの読み方

PCAのバイプロット（図2）では、点（観測）と矢印（変数）が同一平面上に描かれる。

要素意味解釈方法
点の位置主成分スコア近い点は多変量的に類似した都道府県
矢印の方向変数の負荷量ベクトル矢印の向きが似た変数は正相関
矢印の長さ変数の情報量長い矢印ほどPCに強く寄与
点と矢印の関係変数の高低矢印方向にある点はその変数値が高い

発展的学習

クラスター数の選択方法

Ward法では何クラスターに分割するかを事前に決める必要がある。デンドログラムを見て「落差が大きい統合ステップ」の直前でカットするのが基本方針だが、以下の指標も参考になる。

クラスター数選択の3つのアプローチ
  1. デンドログラムの「落差」: Z行列の最後の数ステップのWard距離の差を確認。差が大きいステップの直前でカット
  2. エルボー法: k=2,3,...に対してクラスター内分散を計算し、減少が緩やかになるk（肘の点）を選択
  3. 解釈可能性: 最終的にはクラスターの実質的意味（地域政策的に意味のあるグループ分け）を考慮

DS LEARNING POINT 4

寄与率と主成分数の決定

主成分の数（次元数）は「説明したい情報量」と「次元削減の程度」のトレードオフで決める。一般的な基準として「累積寄与率70〜80%以上」が目安。

pca_full = PCA() # 全成分 pca_full.fit(X_scaled) evr = pca_full.explained_variance_ratio_ cum_evr = np.cumsum(evr) # 80%を超える最小の成分数を確認 n_components_80 = np.argmax(cum_evr >= 0.80) + 1 print(f"累積寄与率80%達成: PC{n_components_80}") # 固有値 >= 1（カイザー基準）を確認 eigenvalues = pca_full.explained_variance_ n_kaiser = (eigenvalues >= 1).sum() print(f"固有値>=1の主成分数: {n_kaiser}") # 今回の結果: PC1+PC2で累積80.9% # → 2成分で十分な情報を保持

N=47の限界と対策

47都道府県という小サンプルは地域間分析では避けられない制約だが、以下の対応が考えられる。

課題内容対策
検定力不足N=47では小〜中程度の効果量でも有意にならない効果量（r, β）の絶対値と方向性で判断
過学習リスク説明変数が多いとR²が見かけ上高くなる調整済みR²（adj.R²）で評価
外れ値影響東京都・沖縄県等の特殊都道府県が大きく影響影響力診断（Cook's D）・ロバスト回帰
多重共線性高齢化率と生産年齢率は近似線形従属（r≈−0.97）VIF確認・主成分回帰（PCR）の検討
より詳細な分析への発展
  • パネルデータ分析: SSDSE-Bの複数年度データ（2012〜2023年）を使い、固定効果・変量効果モデルで時系列変化も捉える
  • 空間計量経済学: 隣接する都道府県間の相互影響（空間的自己相関）を考慮したSLM・SEMモデル
  • LASSO回帰: 多数の候補変数から自動的に変数選択を行い過学習を防ぐ

まとめ

主要な発見

SSDSE-B（2023年、47都道府県）を用いた多変量分析の結果、以下の知見が得られた：

  1. 都道府県間の経済的格差：消費支出と求人倍率の合成スコアでは東京都が最上位。一方、沖縄県・和歌山県・愛媛県が低位。都道府県間で約2標準偏差の格差が存在する（図1）。
  2. PCA：都市化・若年集積が第1主軸（63.4%）：大学進学率・大学学生割合・生産年齢率・転入超過率が正に、高齢化率が負に大きな負荷量を持つ。47都道府県の多様性の約2/3を「都市化・教育資本」の軸で説明できる（図2）。
  3. 5つの地域類型：Ward法クラスタリングにより、大都市型・成長都市圏型・中規模工業型・中山間独自型・農村過疎型の5グループが識別された（図3）。
  4. 決定要因：大学進学率と転入超過率が正の影響：重回帰分析（全体F検定p=0.033）では大学進学率（β=+0.31）と転入超過率（β=+0.31）が最大の正の標準化係数を示した。教育水準の向上と経済的魅力による人口流入が消費水準（労働生産性代理）を押し上げる方向に働くことが示唆される（図4）。
政策的示唆 地方の労働生産性向上には、①高等教育の充実（大学進学率の向上・大学機能の地方分散）と②経済的魅力の強化による人口流入促進（移住支援・産業誘致）が統計的に支持される。一極集中是正のためには、地方が教育と雇用機会の両面で魅力を高めることが重要な政策課題である。
分析の限界 本分析はN=47の横断面データに基づく記述的分析であり、因果関係を直接示すものではない。大学進学率や転入超過率は逆因果（豊かな地域に大学が集中）の可能性があり、厳密な因果推論には操作変数法やDID分析が必要である。
教育的価値（この分析から学べること）
  • 主成分分析（PCA）：たくさんの変数の中から「共通の方向性」を見つけて少数の合成変数（主成分）に圧縮する技。47都道府県の多様性を2つの軸で見渡せるようになる。
  • クラスタリング（Ward法）：似ている地域同士をグループにまとめる手法。「大都市型」「農村過疎型」のような類型化は政策議論の出発点になる。
  • 記述から因果へ：横断データの分析は「関係の発見」が中心であり、「原因と結果の特定」には別の手法（DiD・IV）が必要。分析手法の限界を意識する練習になる。

参考文献

データ・コードのダウンロード

分析スクリプト（2019_U5_1_shorei.py）
ファイル内容出典
SSDSE-B-2026.csv47都道府県統計データ統計数理研究所 SSDSE（社会・人口統計体系）
2019_U5_1_fig1.png都道府県別労働生産性スコア本スクリプト生成（SSDSE-B実データ）
2019_U5_1_fig2.pngPCA バイプロット本スクリプト生成（SSDSE-B実データ）
2019_U5_1_fig3.pngWard法デンドログラム本スクリプト生成（SSDSE-B実データ）
2019_U5_1_fig4.png標準化係数棒グラフ本スクリプト生成（SSDSE-B実データ）

本教育用コードはSSDS-B-2026.csvの実データのみを使用。合成データは一切使用していない。

教育用再現コード ｜ 2019年度 統計データ分析コンペティション 審査員奨励賞 [大学生部門]

⚠️ よくある誤解と注意点

統計分析の解釈で初心者がやりがちな勘違いをまとめます。特に「相関と因果の混同」「p値の過信」は研究現場でもよく起きる落とし穴です。本文を読む前にも、読んだ後にも、目を通してみてください。

❌ 「相関がある＝因果関係がある」ではない
疑似相関（spurious correlation）とは、見かけ上は関係があるように見えるが、実際は無関係、または第三の変数（交絡変数）が両方に影響しているだけの現象です。

古典例： アイスクリームの売上 と 水難事故件数 は強く相関するが、片方が他方を引き起こしているわけではない。両者とも「夏の暑さ」という第三の変数に引きずられているだけ。

論文を読むときの心構え： 「○○と△△に強い相関が見られた」だけで終わっている主張は、本当に因果関係があるのか、それとも第三の変数（人口・所得・地理など）が共通要因として効いているだけではないかを必ず疑ってください。
❌ 「p値が小さい＝重要な発見」ではない
p値が小さい（例えば p < 0.001）ことは「統計的に偶然とは考えにくい」という意味であって、「実用的に大きな効果がある」という意味ではありません。

例： 巨大なサンプルサイズ（n=100,000）では、相関係数 r=0.02 でも p < 0.001 になります。しかし r=0.02 は実用上ほぼ無視できる関係です。

正しい読み方： p値と効果量（係数の大きさ、相関係数の値）の両方をセットで判断してください。p値だけで「重要な発見」と結論づけるのは誤りです。
❌ 「回帰係数が大きい＝重要な変数」ではない
回帰係数の絶対値は、説明変数の単位に強く依存します。「年収（万円）」と「失業率（%）」の係数を直接比較しても意味がありません。

正しい比較方法： (1) 標準化係数（各変数を平均0・分散1に変換した上での係数）を使う、(2) 限界効果（変数を1標準偏差動かしたときのyの変化）で比較する。

また、係数の大きさが「因果関係の強さ」を意味するわけでもありません。あくまで「相関的な関連の強さ」です。
❌ 「外れ値を除外すれば正しい結果」ではない
外れ値（極端な値）を「目障りだから」「結果が綺麗にならないから」という理由で除外するのは分析の改ざんに近い行為です。

外れ値が示すもの： 本当に重要な情報（東京の超高密度、北海道の超低密度など）であることが多い。外れ値を取り除くと「日本全体の傾向」を見誤る原因になります。

正しい対処： (1) 外れ値の出現要因を調査する（なぜ東京だけ突出するのか）、(2) ノンパラメトリック手法（Spearman相関・Kruskal-Wallis）を使う、(3) 外れ値を含む結果と除外した結果の両方を提示し、解釈を読者に委ねる。
❌ 「サンプルサイズが大きい＝信頼できる」ではない
サンプルサイズ（n）が大きいと統計的検定の検出力は上がりますが、それは「偶然による誤差を減らす効果」にすぎません。

nが大きくても解消されない問題：
・選択バイアス（標本が偏っている）
・測定誤差（変数の定義が曖昧）
・欠損値のパターン（欠損がランダムでない）
・交絡変数の見落とし

例： 1万人にWeb調査して「ネット利用と幸福度は強く相関」と言っても、そもそも回答者がネットユーザー寄りに偏っているため、母集団全体の結論にはなりません。
❌ 「複雑なモデル＝より良い分析」ではない
ランダムフォレスト・ニューラルネット・複雑な階層モデルなど、高度な手法を使えば「良い分析」と感じがちですが、必ずしもそうではありません。

過学習（overfitting）の罠： モデルが複雑すぎると、訓練データの偶然のパターンまで学習してしまい、新しいデータでは予測精度が落ちます。

シンプルさの価値： 重回帰分析や相関分析は「結果が解釈しやすい」「再現性が高い」という大きな利点があります。複雑な手法はシンプルな手法で答えが出ない時の最後の手段です。
❌ 「多重共線性は気にしなくていい」ではない
多重共線性とは、説明変数同士の相関が極めて強い状態のこと。これを放置すると、回帰係数の符号や大きさが入れ替わる異常事態が起こります。

典型例： 「総人口」と「労働力人口」を同時に投入すると、両者の相関が r=0.99 になり、係数推定が極端に不安定になります。「総人口は正だが、労働力人口は負」のような解釈不能な結果になりがちです。

診断と対処：
・VIF（分散拡大係数）を計算し、VIF > 10 の変数を確認
・相関行列で |r| > 0.8 のペアをチェック
・対処法：一方を除外、合成変数（PCA）に変換、Ridge回帰で安定化
❌ 「R²が高い＝良いモデル」ではない
決定係数 R² はモデルの「当てはまりの良さ」を示しますが、R² が高くてもモデルが正しいとは限りません。

R² が高くなる罠：
・説明変数を増やせば R² は自動的に上がる（無関係な変数を追加してもR²は下がらない）
・時系列データでは、共通のトレンド（時間とともに増加）があるだけで R² が 0.9 を超える
・サンプルサイズが小さいとR²が過大評価される

代替指標： 調整済み R²（変数の数でペナルティ）、AIC・BIC（モデル選択基準）を併用してください。予測力の真の評価には交差検証（cross-validation）でテストデータの R² を見ること。
❌ 「ステップワイズで選んだ変数は重要」ではない
ステップワイズ法（バックワード・フォワード選択）は便利ですが、p値ベースの変数選択は再現性に問題があると批判されています。

問題点：
・同じデータでも実行順序によって最終モデルが変わる
・p値を繰り返し見ることで「偶然に有意な変数」を拾ってしまう（p-hacking）
・係数の標準誤差が過小評価され、信頼区間が嘘っぽくなる

より良い方法：
・事前に変数を理論で絞る（先行研究から候補を選ぶ）
・LASSO回帰（自動かつ統計的に正当化された変数選択）を使う
・交差検証で AIC/BIC 最小モデルを選ぶ
❌ 「線形回帰なら線形関係を前提にすべき」
重回帰分析は線形関係を前提とします。実際の関係が非線形なのに線形モデルで分析すると、本当の関係を見逃します。

非線形の例：
・U字型関係： 失業率と物価上昇率（フィリップス曲線）
・逓減効果： 所得と幸福度（年収 800万円までは強い正の効果、それ以上は飽和）
・閾値効果： 高齢化率と医療費（ある水準を超えると急激に上がる）

診断と対処：
・残差プロットで残差が0周辺に均等に分布しているか確認
・変数の対数変換・二乗項追加で非線形性を取り込む
・どうしても線形では捉えられないなら、機械学習（RF・GBM）を併用する
❌ 「データに当てはまった＝予測に使える」ではない
「過去のデータでフィットしたから将来も予測できる」と思うのは危険です。

過学習（overfitting）の例： 47都道府県のデータに10個の説明変数を投入すれば、ほぼ完璧にフィットします（自由度がほぼゼロ）。でもそのモデルを新しい年度に適用すると、予測精度はほぼランダム並みに落ちることがあります。

正しい予測力の評価：
・データを訓練用 70%とテスト用 30%に分割し、テスト用での予測精度を見る
・k分割交差検証（k-fold CV）で予測の安定性を確認
・「説明変数の数 ≪ サンプルサイズ」のバランスを意識（目安：n > 10 × 変数数）

📖 用語集（この記事に出てくる統計用語）

統計の基本用語を初心者向けに解説します。本文中で見慣れない言葉が出てきたら、ここに戻って確認してください。

p値
「効果がない」と仮定したときに、観察されたデータ（またはより極端なデータ）が得られる確率。0〜1の値で、慣例的に 0.05（5%）未満を「有意」と判断する。
有意水準
「偶然」と「意味のある違い」を分ける基準。通常 α=0.05（5%）を使う。p値 < α なら「有意」と判定。
信頼区間
「真の値はこの範囲にあるだろう」という幅。95%信頼区間 = 同じ実験を100回繰り返したら95回はこの範囲に真の値が入る。
サンプルサイズ
分析に使ったデータ点の数（n）。一般にnが大きいほど推定が安定し、わずかな差も検出できるようになる。
標準誤差
推定値（係数など）のばらつきの目安。標準誤差が小さいほど推定値が安定している。
正規分布
釣鐘型の左右対称な分布。多くのパラメトリック検定（t検定・F検定など）は「データが正規分布に従う」ことを仮定する。
因果と相関
「相関がある」と「原因と結果の関係（因果）」は別物。アイスクリームの売上と水難事故は相関するが、原因は両者とも「夏の暑さ」。
外れ値
他のデータから極端に離れた値。分析結果を歪める原因になるため、検出して除外するか別途扱う必要がある。
欠損値
データが取得できなかった部分（NaN・空白）。除外するか補完（平均代入・回帰代入など）するかが分析上の重要な判断点。
VIF
Variance Inflation Factor（分散拡大係数）。多重共線性の強さを示す指標。VIF > 10 で「強い多重共線性あり」と判断。
交絡変数
「真の原因」と「結果」の両方に影響する第三の変数。これを統制しないと、見かけ上の関係を真の因果と誤認する。
係数（回帰係数）
「説明変数 x が1単位増えたとき、目的変数 y が平均でどれだけ変化するか」を示す数値。正の値は正の影響、負の値は負の影響。
内生性
説明変数と誤差項が相関している状態。逆因果や交絡変数の存在で発生する。これを放置すると係数推定にバイアスが生じる。
多重共線性
説明変数同士の相関が強すぎる状態。係数推定が不安定になり、解釈を誤る原因になる。VIF > 10 が警告サイン。
標準化係数
変数の単位の影響を取り除いた係数。複数の変数の影響の大きさを単位に依存せず比較するために使う。
決定係数 R²
回帰モデルが目的変数のばらつきの何%を説明できるかを示す指標。0〜1の値で、1に近いほどモデルの説明力が高い。

📐 使っている手法をわかりやすく解説

統計手法について「何のためか」「結果をどう読むか」を初心者向けに解説します。

◆ 統計の基本概念（どの論文にも共通）

🔍 p値（有意確率）とは
何？
「もし本当に効果がなかったとしたら、今回の結果（またはもっと極端な結果）が偶然起きる確率」のこと。
なぜ必要？
帰無仮説（「効果なし」の仮定）のもとで検定統計量の分布から計算する。
何がわかる？
「この関係は偶然ではなく、統計的に意味がある」と主張するための客観的な根拠になる。
読み方
p < 0.05（5%未満）を「統計的に有意」と判断するのが慣例。ただし「p値が小さい＝効果が大きい」ではない。効果量（係数の大きさ）とセットで判断する。
🗂️ ノンパラメトリック検定とは（なぜ使うのか）
何？
「データが正規分布に従う」という仮定を置かない検定手法の総称。Kruskal-Wallis検定・Mann-Whitney U検定などが代表例。
なぜ必要？
データの値ではなく「順位」に変換して検定統計量を計算する。外れ値や偏った分布に対しても安定して機能する。
何がわかる？
サンプルサイズが小さい・データが歪んでいる・外れ値がある場合でも、グループ差の有無を検定できる。
読み方
「なぜノンパラメトリックを選ぶのか」の理由を示すには、正規性検定（Shapiro-Wilk）の結果を添えるのが望ましい。結果の解釈は対応するパラメトリック検定と同様（p < 0.05 で有意差あり）。

◆ この論文で使われている手法

📈 重回帰分析
何？
複数の説明変数（原因候補）が1つの目的変数（結果）にどれだけ影響するかを同時に推定する手法。
どう使う？
目的変数 y を複数の説明変数 x₁, x₂, … で予測する式（y = a₁x₁ + a₂x₂ + … + b）を最小二乗法でフィットさせる。
何がわかる？
複数の要因が混在するなかで「どれが一番効いているか」を一度に検証できる。交絡変数を統制できる。
結果の読み方
係数（a₁, a₂…）のプラスは正の影響、マイナスは負の影響。p < 0.05 で統計的に有意。R²が1に近いほどモデルの説明力が高い。
⚠️ 注意点
(1) 多重共線性を必ずVIFで確認（VIF>10で警告）。(2) 線形性の仮定—関係が曲線なら対数変換や二乗項を追加。(3) 残差プロットで正規性・等分散性を確認。(4) サンプル数は最低でも「説明変数数×10」が目安。(5) 外れ値1つで係数が大きく変わるのでCook距離で確認。
🔗 相関分析
何？
2つの変数の「一緒に増減する傾向の強さと向き」を −1〜+1 の相関係数 r で数値化する手法。
どう使う？
散布図を描き、Pearson（連続データ）または Spearman（順序データ・外れ値に強い）の相関係数を計算する。
何がわかる？
「気温が高い県ほど熱中症指標が高い」などの傾向を素早く確認できる。変数選択の第一歩として使われることも多い。
結果の読み方
r > +0.7 は強い正の相関、r < −0.7 は強い負の相関、|r| < 0.3 はほぼ無相関。相関は因果関係を示すものではない点に注意。
⚠️ 注意点
(1) 多重共線性を必ずVIFで確認（VIF>10で警告）。(2) 線形性の仮定—関係が曲線なら対数変換や二乗項を追加。(3) 残差プロットで正規性・等分散性を確認。(4) サンプル数は最低でも「説明変数数×10」が目安。(5) 外れ値1つで係数が大きく変わるのでCook距離で確認。
🏛️ パネルデータ固定効果モデル（FE）
何？
複数の個体（都道府県など）を複数時点で観測したパネルデータから、個体固有の見えない差を取り除いて時間変化の効果を推定する手法。
どう使う？
各個体の平均を引く「within 変換」で、観察できない固有特性（北海道は寒いなど）を自動的に統制する。
何がわかる？
「東京だから人口が多い」ではなく「この政策が人口を増やした」という効果を分離して推定できる。
結果の読み方
係数の解釈は通常の回帰と同じ。Hausman 検定で固定効果モデルの妥当性を確認する。
⚠️ 注意点
(1) 多重共線性を必ずVIFで確認（VIF>10で警告）。(2) 線形性の仮定—関係が曲線なら対数変換や二乗項を追加。(3) 残差プロットで正規性・等分散性を確認。(4) サンプル数は最低でも「説明変数数×10」が目安。(5) 外れ値1つで係数が大きく変わるのでCook距離で確認。
🔭 主成分分析（PCA）
何？
多数の変数を情報の損失を最小限にしながら少数の合成指標（主成分）に圧縮する手法。
どう使う？
変数間の相関を利用して「最も分散が大きい方向」を第1主成分、以下順に直交する軸を抽出する。
何がわかる？
30変数あるデータを2〜3成分に要約して散布図で可視化したり、多重共線性の回避に使う。
結果の読み方
各主成分の「負荷量」を見て、どの変数がその成分を特徴づけるか解釈する。累積寄与率 70〜80% 以上なら要約として十分。
⚠️ 注意点
(1) 多重共線性を必ずVIFで確認（VIF>10で警告）。(2) 線形性の仮定—関係が曲線なら対数変換や二乗項を追加。(3) 残差プロットで正規性・等分散性を確認。(4) サンプル数は最低でも「説明変数数×10」が目安。(5) 外れ値1つで係数が大きく変わるのでCook距離で確認。
🌿 Ward法クラスタリング
何？
データをグループ（クラスター）に自動分類する手法。グループ内のばらつきが最小になるよう統合していく。
どう使う？
統合後の「ばらつき増加」が最小になるペアを繰り返し合体させ、デンドログラム（樹形図）で可視化する。
何がわかる？
都道府県を「都市型」「農村型」などのグループに自動分類し、グループ間の特徴比較ができる。
結果の読み方
デンドログラムの切り位置でクラスター数を決める。各クラスターの変数平均を見てグループを命名・解釈する。
⚠️ 注意点
(1) 多重共線性を必ずVIFで確認（VIF>10で警告）。(2) 線形性の仮定—関係が曲線なら対数変換や二乗項を追加。(3) 残差プロットで正規性・等分散性を確認。(4) サンプル数は最低でも「説明変数数×10」が目安。(5) 外れ値1つで係数が大きく変わるのでCook距離で確認。
✂️ LASSO回帰（L1正則化）
何？
多数の候補変数の中から「重要な変数だけを自動選択」しながら係数を推定する。不要変数の係数を正確にゼロにする。
どう使う？
通常の回帰に「係数の絶対値合計へのペナルティ」を加え、λ（ラムダ）で絞り込みの強さを調整する。λは交差検証で最適化。
何がわかる？
変数が50個あっても「実質的に効く5〜10変数」を自動選択できる。過学習も防げる。
結果の読み方
ゼロでない係数を持つ変数が「選ばれた変数」。符号と大きさで影響の方向・強さを読む。
⚠️ 注意点
(1) 多重共線性を必ずVIFで確認（VIF>10で警告）。(2) 線形性の仮定—関係が曲線なら対数変換や二乗項を追加。(3) 残差プロットで正規性・等分散性を確認。(4) サンプル数は最低でも「説明変数数×10」が目安。(5) 外れ値1つで係数が大きく変わるのでCook距離で確認。
📅 時系列分析
何？
時間順に並んだデータのトレンドや周期性、変化点を分析する手法群の総称。
どう使う？
折れ線グラフでトレンドを視覚化し、移動平均・指数平滑・AR/MA モデルを適用する。
何がわかる？
「出生率がいつから下がり始めたか」「コロナ前後で変化したか」などの変化を客観的に捉えられる。
結果の読み方
傾きが正なら上昇トレンド、負なら下降トレンド。変化点の前後で傾きが変わる場合は構造変化として解釈する。
⚠️ 注意点
(1) 多重共線性を必ずVIFで確認（VIF>10で警告）。(2) 線形性の仮定—関係が曲線なら対数変換や二乗項を追加。(3) 残差プロットで正規性・等分散性を確認。(4) サンプル数は最低でも「説明変数数×10」が目安。(5) 外れ値1つで係数が大きく変わるのでCook距離で確認。
🔄 差分の差分法（DiD）
何？
政策効果の「因果的推定」手法。処置群と対照群、政策前後の2種類の差を組み合わせる。
どう使う？
（処置群の変化）−（対照群の変化）で、政策なしでも起きていた変化を差し引く。
何がわかる？
「地方創生政策がなければどうなっていたか」を推測し、政策の純粋な効果を数値化できる。
結果の読み方
DiD推定値がプラスで有意なら政策は目的変数を増加させた。「平行トレンド仮定」（政策前は両群が同トレンド）の確認が重要。
⚠️ 注意点
(1) 多重共線性を必ずVIFで確認（VIF>10で警告）。(2) 線形性の仮定—関係が曲線なら対数変換や二乗項を追加。(3) 残差プロットで正規性・等分散性を確認。(4) サンプル数は最低でも「説明変数数×10」が目安。(5) 外れ値1つで係数が大きく変わるのでCook距離で確認。
🎯 操作変数法（IV）
何？
逆因果や交絡因子の問題を克服して因果関係を推定する手法。条件を満たす別の変数（操作変数）を経由して推定する。
どう使う？
操作変数は「目的変数には直接影響せず、説明変数にのみ影響する」という条件が必要。二段階最小二乗法（2SLS）で推定する。
何がわかる？
「医師が多い → 医療費が高い」vs「医療費が高い地域 → 医師が集まる」という因果の向きを区別できる。
結果の読み方
操作変数の妥当性（弱い操作変数でないか）確認が重要。係数解釈は通常の回帰と同様。
⚠️ 注意点
(1) 多重共線性を必ずVIFで確認（VIF>10で警告）。(2) 線形性の仮定—関係が曲線なら対数変換や二乗項を追加。(3) 残差プロットで正規性・等分散性を確認。(4) サンプル数は最低でも「説明変数数×10」が目安。(5) 外れ値1つで係数が大きく変わるのでCook距離で確認。
🌲 ランダムフォレスト + SHAP（機械学習による変数重要度）
何？
多数の決定木を組み合わせた予測モデル（RF）と、各変数の寄与度を個別に説明する SHAP値の組み合わせ。
どう使う？
RFで予測モデルを構築し、SHAPでゲーム理論的アプローチによって各変数の寄与を計算する。
何がわかる？
線形モデルでは捉えにくい非線形・交互作用関係も含めて「どの変数が重要か」を視覚的に示せる。
結果の読み方
SHAP値プラスが予測値を上昇させる貢献、マイナスが低下させる貢献。変数重要度グラフの上位変数が最も影響力が大きい。
⚠️ 注意点
(1) 多重共線性を必ずVIFで確認（VIF>10で警告）。(2) 線形性の仮定—関係が曲線なら対数変換や二乗項を追加。(3) 残差プロットで正規性・等分散性を確認。(4) サンプル数は最低でも「説明変数数×10」が目安。(5) 外れ値1つで係数が大きく変わるのでCook距離で確認。
↔️ VAR（ベクトル自己回帰）/ Granger因果検定
何？
複数の時系列変数が互いに影響し合う関係を分析する手法（VAR）と、「AがBの予測に役立つか」を検定する手法（Granger因果）。
どう使う？
VARは全変数を互いに説明変数として同時回帰。Granger因果はF検定でAのラグ変数がBの予測精度を向上させるかを確認する。
何がわかる？
「女性就業率と出生率はどちらが先に動くか」「リード・ラグ関係」を特定できる。
結果の読み方
Granger因果 p < 0.05 → 「Aの過去値はBの予測に役立つ」（ただし真の因果とは限らない）。
⚠️ 注意点
(1) 多重共線性を必ずVIFで確認（VIF>10で警告）。(2) 線形性の仮定—関係が曲線なら対数変換や二乗項を追加。(3) 残差プロットで正規性・等分散性を確認。(4) サンプル数は最低でも「説明変数数×10」が目安。(5) 外れ値1つで係数が大きく変わるのでCook距離で確認。

🚀 発展の可能性（結果 X → 新仮説 Y → 課題 Z）

この研究をさらに発展させるための3つの方向性を示します。「今回わかったこと（X）」から「次に検証すべき仮説（Y）」を立て、「具体的に何をするか（Z）」まで考えてみましょう。

① データ・時間的拡張
結果 X
本論文は特定の年度・地域の断面データ（または限られた時系列）で分析を行った。
新仮説 Y
より新しい年度のデータや市区町村レベルの細粒度データを使えば、知見の時間的頑健性や地域内格差を検証できる。
課題 Z
（1）統計センターから最新の SSDSE をダウンロードし、同じ分析を再実行する。（2）結果が変わった場合、その要因（コロナ・政策変化など）を考察する。（3）市区町村データ（SSDSE-A/C/F）で分析単位を細かくした場合の結果と比較する。
② 手法の発展：重回帰分析 の次のステップ
結果 X
本論文は 重回帰分析 を用いた推定を行った。
新仮説 Y
パネルデータ固定効果モデル（FE）による都道府県固有の差の統制 により、本分析では統制できていない問題を解消できる可能性がある。
課題 Z
（1）パネルデータ固定効果モデル（FE）による都道府県固有の差の統制 を実装し、本論文の係数推定と比較する。（2）操作変数法（IV）による内生性の解消 も試し、結果の頑健性を確認する。（3）推定結果の変化から、元の分析の仮定のどれが重要だったかを考察する。
③ 政策提言・実践への応用
結果 X
本論文は分析結果から特定の変数が目的変数に影響することを示した。
新仮説 Y
分析対象を日本全国から特定地域に絞ること、または逆に国際比較に拡張することで、政策の移転可能性と文脈依存性を検証できる。
課題 Z
（1）有意な変数を「政策で変えられるもの」と「変えにくいもの」に分類する。（2）政策で変えられる変数について、係数の大きさから「どれだけ変えればどれだけ効果があるか」を試算する。（3）自治体・政策立案者への提言として、実現可能なアクションプランを1枚にまとめる。

🎯 自分でやってみよう（5つのチャレンジ）

学んだだけでは身につきません。実際に手を動かすのが最強の学習方法です。本論文のスクリプトをベースに、以下のチャレンジに挑戦してみてください。難易度別に5つ用意しました。

★☆☆☆☆ 入門
CH1. 同じデータで分析を再現する
まずは付属の Python スクリプトをそのまま実行し、論文と同じ図を再現してみてください。
ポイント： 各図がどのコード行から生成されているか辿る。エラーが出たら原因を考える。
★★☆☆☆ 初級
CH2. 説明変数を1つ追加・除外して結果を比較
本論文の分析モデルから説明変数を1つ抜いて再実行、あるいは1つ追加して再実行してください。
ポイント： 係数・p値・R² がどう変わったか観察する。多重共線性が原因で結果が変わる例を見つけられたら理想的。
★★★☆☆ 中級
CH3. 別の年度・別の都道府県で同じ分析を試す
SSDSE の別の年度（例：2015年度・2020年度）または特定都道府県のみのデータで同じ分析を実行してください。
ポイント： 時代や地域によって結論が変わるか？ 変わるならその理由を考察する。
★★★★☆ 上級
CH4. 別の手法を組み合わせる
本論文の手法 + 1つの追加手法（例：重回帰 + LASSO、相関分析 + 主成分分析）で結果を比較してください。
ポイント： 手法の違いで結論が変わるか？ どちらが妥当かを「なぜ」とともに説明できるように。
★★★★★ 発展
CH5. オリジナルの問いを立てて分析する
本論文の手法を借りて、あなた自身の問いを立てて分析してください。 例：「カフェの数と幸福度に関連はあるか」「教育費の高い県は出生率も高いか」など。
ポイント： 問い・データ・手法・結論を1ページのレポートにまとめる。これがデータサイエンスの「実践」。
💡 ヒント： 詰まったら本サイトの他の論文（同じ手法を使っている）のスクリプトをコピーして組み合わせるのが効率的です。手法ガイド・用語集も参考に。

💼 この手法は実社会でこう使われている

本論文で学んだ手法は、研究の世界だけでなく、行政・企業・NPO の現場でも様々に活用されています。具体的なシーンを紹介します。

🏛️
行政の政策立案
都道府県・市区町村の政策担当者は、本論文と同様のデータ分析を用いて「どこに予算を投じれば効果が出るか」を検討します。 例えば医療費削減策、移住促進策、子育て支援策などの効果予測・効果検証に直結します。
🏢
企業のマーケティング・出店戦略
小売チェーン・サービス業の出店戦略では、地域特性（人口構成、所得、ライフスタイル）と売上の関係を本論文と同じ手法で分析します。 ECサイトでも顧客セグメント分析・購買要因分析に類似手法が使われます。
🏥
医療・公衆衛生
感染症の流行予測、医療資源配分の最適化、健康格差の地域要因分析などで、本論文の統計手法は標準的に使われています。 WHO・厚労省レベルの政策評価でも同じ手法が活躍しています。
📊
メディア・ジャーナリズム
新聞・テレビの社会調査記事、選挙予測、世論調査の分析でも、本論文と同じ手法（回帰分析・クラスタリングなど）が使われています。 データジャーナリズムの記事はこの種の分析が中核です。
🎓
学術研究（隣接分野）
経済学・社会学・公衆衛生学・教育学・地理学などの実証研究では、本論文と同じ手法が日常的に使われます。 専門誌に掲載される論文の8割以上が、こうした統計手法に基づいて結論を出しています。
💰
金融・保険業界
与信判断（融資審査）、保険料の地域別設定、不動産価格予測などで、本論文と同様のモデリング手法が広く活用されています。 統計分析の能力は金融業界の必須スキルになっています。

🤔 よくある質問（読者からの想定Q&A）

この論文を読んで初心者が抱きやすい疑問に、教育的観点から答えます。

Q1. この分析、自分でもできますか？
はい、できます。SSDSE データは無料で公開されており、Python の pandas, scikit-learn, statsmodels を使えば全く同じ手順で再現可能です。本ページ下部のスクリプトを実行するだけで結果が得られます。
Q2. 使われている手法は他の分野にも応用できますか？
十分応用可能です。本論文の[手法]は、医療・教育・経済・環境など他のドメインでも標準的に使われる手法です。データの中身（変数）を入れ替えるだけで、別の問いにも適用できます。
Q3. 結論は本当に「因果関係」を示していますか？
本論文は「観察データ」を使った分析であり、厳密な意味での「因果関係」を完全に証明したわけではありません。あくまで「強い関連が見られた」という事実を提示しているにとどまります。真の因果を示すには、無作為化比較試験（RCT）か、自然実験を活用したIV・DiD 等の手法が必要です。
Q4. データの最新版を使うとどうなりますか？
SSDSE は毎年更新されているため、最新版を使えば近年のトレンド（特にコロナ禍以降の変化）も含めて分析できます。ただし、結論が変わる可能性もあります。それ自体が新しい発見につながります。
Q5. もっと深く学ぶには何を読めばいいですか？
「計量経済学」「データサイエンス入門」「統計的因果推論」などのテキストが入門に向いています。Python の場合は『Python ではじめる機械学習』（オライリー）、R の場合は『R で学ぶ統計学』が定番です。本サイトの他の論文も読み比べてみてください。
← 前の論文
保育所整備と女性就業率が合計特殊出生率に与える影響
次の論文 →
都道府県別健康寿命の決定要因