論文一覧に戻る 統計データ分析コンペ 教育用再現集
🏆
2020年度（令和2年度） 統計データ分析コンペティション ｜ 総務大臣賞【高校生の部】

コロナ禍が人口移動に与えた影響
転入・転出データのパネル分析

⏱️ 推定読了時間: 約36分
2020年度 ｜ 高校生の部 最高賞 ｜ SSDSE-B 47都道府県パネルデータ
時系列分析 ／ 差の差分析（DiD） ／ 重回帰分析
📝 3行で分かる要約

目次

  1. 研究の背景：COVID禍と東京一極集中
  2. データと変数
  3. 純移動率の時系列変化
  4. 差の差分析（DiD）
  5. 都市型 vs 地方型の比較
  6. 政策的示唆
  7. まとめ
  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/ │ └── 2020_H1_daijin.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/2020_H1_daijin.py
図は html/figures/ に自動保存されます。
背
研究の背景：COVID禍と東京一極集中

2020年初頭に始まった新型コロナウイルス感染症（COVID-19）のパンデミックは、日本社会に様々な変化をもたらした。緊急事態宣言やテレワークの急速な普及により、人々の居住地選択に対する意識が変化し、長年続いてきた「東京一極集中」と呼ばれる人口流入構造に変化が生じた可能性がある。

まず「コロナ禍が人口移動に与えた影響転入・転出データのパネル分析」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。

研究の問い COVID-19は日本の都道府県間人口移動をどのように変えたか？特に、東京都への転入超過は緩和されたか？その効果は都市型と地方型で異なるか？

2020年には東京都の純移動率（転入超過率）が前年比で大きく低下し、「コロナ禍が東京一極集中を緩和した」という議論が社会的な注目を集めた。本研究は、SSDSE（社会・人口統計体系データセット）-Bを用いて、47都道府県の2012〜2023年パネルデータを分析し、この仮説を統計的に検証する。

−3.4‰
東京都の純移動率変化
（2019→2020年）
+0.77‰
東京都 2021年純移動率
（コロナ禍最低値）
47
分析対象都道府県
（全都道府県）
12年間
パネルデータ期間
（2012〜2023年）

総務大臣賞 時系列分析 差の差分析 重回帰分析 パネルデータ

1
データと変数

使用データ

独立行政法人統計センターが提供するSSDSE（社会・人口統計体系データセット）-Bを使用する。SSDSE-Bは都道府県レベルの年次統計データを収録しており、人口・人口移動に関する項目が含まれている。

データセット対象期間観測数
SSDSE-B-202647都道府県（地域コード R\d{5}）2012〜2023年564行（47×12年）

主要変数の定義

人口移動の規模を都道府県間で比較するため、人口1000人あたりの移動率（‰）に基準化する。

変数名計算式単位説明
転入率 転入者数 ÷ 総人口 × 1000 ‰ 都道府県への転入の活発さ
転出率 転出者数 ÷ 総人口 × 1000 ‰ 都道府県からの転出の活発さ
純移動率 （転入者数 − 転出者数）÷ 総人口 × 1000 ‰ +は転入超過、−は転出超過
COVIDダミー 2020・2021年＝1、それ以外＝0 − COVID-19流行期の識別変数
転入者数（日本人移動者）とは SSDSE-Bに収録される「転入者数（日本人移動者）」は、住民基本台帳に基づく都道府県間移動者数（国内移動）を指す。外国人を除く日本人の移動が対象であり、近隣県間の短距離移動も含む。

都市型・地方型の定義

COVID前の基準年（2019年）の純移動率に基づき、転入超過上位10都道府県を「都市型」、下位10都道府県を「地方型」として分類した。

2019年
純移動率計算
（47都道府県）
→
上位10県
→「都市型」
→
下位10県
→「地方型」
→
DiD分析
（差の差）

DS LEARNING POINT 1

人口移動指標の基準化：絶対数から比率へ

東京都（人口約1400万人）と鳥取県（人口約55万人）の転入者数を直接比較することはできない。人口規模の違いを調整するため、人口1000人あたりの「率（‰）」に変換する。これを「基準化（normalization）」または「人口千対」表示と呼ぶ。

純移動率 = (転入者数 − 転出者数) / 総人口 × 1000 [単位: ‰] # プラス → 転入超過（人口流入） # マイナス → 転出超過（人口流出）
2
純移動率の時系列変化

地域ブロック別に純移動率を集計し、2012〜2023年の時系列変化を可視化した。黄色のシェーディングはCOVID-19流行期（2020〜2021年）を示す。

地域別純移動率の時系列
図1 地域ブロック別 純移動率の推移（2012〜2023年）。黄色シェーディングはCOVID-19流行期（2020〜2021年）。
📌 この時系列グラフの読み方
このグラフは
横軸を時間（年度）、縦軸を指標の値として変化を折れ線で描いたグラフ。
読み方
線が右上がりなら増加トレンド、右下がりなら減少トレンド。急な折れ目が変化点（政策導入・コロナなど）を示す可能性がある。
なぜそう解釈できるか
複数の線（都道府県や指標）を重ねると、どの地域・変数が早く動いたか（リード・ラグ関係）が視覚的にわかる。

主要な読み取り

東京都・関東ブロックの動向 東京都の純移動率は2019年に6.18‰（全国最高水準）であったが、2020年に2.73‰へと約3.4ポイント急落した。さらに2021年には0.77‰まで低下し、コロナ禍最低値を記録した。2022〜2023年には回復傾向が見られる。
全国平均の変化 全国47都道府県の純移動率平均は、2019年の−1.97‰から2020年の−1.44‰に改善（+0.54‰）した。これは、転出超過が全国的に緩和されたことを意味する。
都道府県・地域 2019年 2020年 変化量 解釈
東京都 6.18‰ 2.73‰ −3.45‰ 一極集中が大きく緩和
大阪府 1.21‰ 1.51‰ +0.31‰ 若干の転入超過拡大
鳥取県 （転出超過） （転出超過） +1.29‰ 最大改善（地方移住の動き）
全国平均 −1.97‰ −1.44‰ +0.54‰ 全体的に転出超過が緩和
都道府県別純移動率ランキング2022年
図2 都道府県別 純移動率ランキング（2022年）。プラスは転入超過、マイナスは転出超過。地域ブロックで色分け。

2022年の純移動率ランキングでは、千葉県（2.99‰）、埼玉県（2.63‰）、神奈川県（2.44‰）が上位3位を占め、首都圏での転入超過が引き続き続いている。一方、長崎県（−4.03‰）、福島県（−3.72‰）、岩手県（−3.71‰）が転出超過上位となっており、地方の人口流出が続いていることがわかる。

3
差の差分析（DiD）

差の差分析（Difference-in-Differences, DiD）は、政策・外部ショックの因果効果を推定する計量経済学の手法である。「処置群（COVID影響が大きいと考えられる都市型）」と「対照群（地方型）」を比較することで、COVID-19が純移動率に与えた固有の効果を推定する。

純移動率it = α + β₁ × 都市型i + β₂ × COVID後t + β₃ × (都市型 × COVID後)it + εit
β₃ = 差の差推定量（DiD係数）

分析設定

区分定義都道府県数
都市型（処置群） 2019年純移動率 上位10都道府県 10
地方型（対照群） 2019年純移動率 下位10都道府県 10
COVID前期 2012〜2019年 −
COVID後期 2020〜2023年 −

分析結果

係数 推定値 t値 p値 解釈
定数項（地方型・COVID前） −3.484‰ −22.26 p < 0.001 地方型のCOVID前ベースライン
都市型ダミー（β₁） +4.631‰ 20.93 p < 0.001 都市型は地方型より平均4.6‰高い
COVID後ダミー（β₂） +0.149‰ 0.55 p = 0.584 全体的な時代効果（有意でない）
DiD係数（β₃） −0.128‰ −0.33 p = 0.739 統計的に有意でない
DiD分析の解釈 DiD係数（β₃ = −0.128、p = 0.739）は統計的に有意ではなかった。これは、「都市型と地方型の純移動率の差」がCOVID前後で統計的に有意な変化を示さなかったことを意味する。コロナ禍による人口移動の変化は生じたものの、都市型・地方型の格差の縮小（一極集中の緩和）としては統計的に確認できなかった。
COVID前後の純移動率変化 散布図
図3 COVID前後の純移動率変化（2019年→2020年）。対角線（y=x）より下の点は2020年に純移動率が低下した都道府県。

散布図（図3）では、東京都が最も大きく対角線の下方に位置し、2019年（6.18‰）から2020年（2.73‰）への急落が際立っている。一方、地方圏の多くの都道府県は対角線の上方（改善方向）に分布しており、東京一極集中の部分的な緩和が視覚的に確認できる。ただし、DiD分析での統計的有意性は得られておらず、この傾向が純粋にCOVIDに起因するかは慎重に解釈する必要がある。

DS LEARNING POINT 2

差の差分析（DiD）：因果推論の基本手法

DiDは、「処置群」と「対照群」の「COVID前後の差」を比較することで、コロナ禍の固有効果を推定する。重要な仮定は「平行トレンド仮定」（COVID前に両群が同じトレンドを持つ）である。

DiD推定量 = (処置群のCOVID後平均 − 処置群のCOVID前平均) − (対照群のCOVID後平均 − 対照群のCOVID前平均) 実際の値: 都市型 COVID前: 1.147‰ → COVID後: 1.168‰ (変化: +0.021‰) 地方型 COVID前: −3.484‰ → COVID後: −3.336‰ (変化: +0.148‰) DiD = 0.021 − 0.148 = −0.128‰ (p = 0.739, 有意でない)
  • DiD係数が有意でないことは「効果がない」ではなく「データからは確認できない」を意味する
  • 東京都は大きく低下したが、都市型全体（10都道府県）で見ると変化は小さかった
4
都市型 vs 地方型の比較

都市型・地方型それぞれについて、COVID前（2012〜2019年）とCOVID後（2020〜2023年）の純移動率分布を箱ひげ図で比較した。また、両期間の平均値の差をt検定で検証した。

都市型vs地方型のCOVID前後純移動率比較
図4 都市型・地方型別 COVID前後の純移動率分布（箱ひげ図）。青：COVID前（2012〜2019）、赤：COVID後（2020〜2023）。
📌 この箱ひげ図の読み方
このグラフは
データの分布（中央値・四分位範囲・外れ値）を箱と線で表したグラフ。
読み方
箱の中の線が中央値。箱の上下端が25%・75%点（四分位範囲）。箱の外の点が外れ値。
なぜそう解釈できるか
箱が高い位置にあるほど値が大きいグループ。箱の大きさがばらつきの大きさ。グループ間で箱が重なっていなければ有意差の証拠になりやすい。

グループ別平均値の比較

グループ COVID前（2012〜2019） COVID後（2020〜2023） 変化量
都市型（上位10県） +1.147‰ +1.168‰ +0.021‰
地方型（下位10県） −3.484‰ −3.336‰ +0.148‰
重回帰分析による確認 全47都道府県の全年度データを使った重回帰分析（都道府県ダミー入り）では、COVIDダミー（2020・2021年＝1）の係数は +0.44‰（p < 0.001）と統計的に有意であった。これは、COVID期に全体として純移動率が改善（転出超過の縮小）したことを示す。転入率の係数は +1.09‰（p < 0.001）と極めて高く有意であった。

DS LEARNING POINT 3

パネルデータ分析の意義

パネルデータは、同じ対象（都道府県）を複数時点にわたって観察したデータである。横断面データ（1時点のみ）より多くの情報を持ち、個体固有の効果（都道府県の特性）を制御できる。

純移動率_it = β₀ + β₁×COVID_t + β₂×転入率_it + Σγ_j×県ダミー_j + ε_it COVID係数 = +0.44‰ (p < 0.001) 転入率係数 = +1.09‰ (p < 0.001) R² = 0.958 (県ダミー含む)
  • 都道府県ダミーを入れることで「都道府県固有の特性」（地形・産業・文化等）を統計的にコントロールできる
  • COVID後に純移動率が全体的に改善したことが、都道府県間の差異を除いても確認された
5
政策的示唆

東京一極集中の部分的緩和

東京都の純移動率は2020年に大きく低下したが、これは主にCOVIDによる移動抑制・テレワーク拡大によるものと考えられる。ただし、2022年以降に回復傾向が見られ、構造的な変化（恒久的な地方移住の増加）に結びついたとは言いにくい。

示唆1: 「コロナ特需」から「構造変化」へ 2020〜2021年の東京集中緩和は一時的なショックの側面が大きい。コロナ禍をきっかけとした地方移住の定着化には、テレワーク環境の整備・地方での雇用創出など継続的な政策が必要である。
示唆2: 地方型都道府県は小幅な改善にとどまる 地方型（転出超過上位10県）の平均純移動率はCOVID後も依然として−3.3‰と大幅なマイナスを維持している。東京の集中緩和が地方の人口回復に直接つながってはいない。
示唆3: 首都圏内での「分散」 2022年ランキングでは、東京都よりも千葉・埼玉・神奈川が高い純移動率を示している。コロナ禍によって「東京集中」から「首都圏分散」への移行が起きている可能性がある。

2019→2020年に最も改善した県（上位5）

順位都道府県純移動率変化量特徴
1鳥取県+1.29‰地方移住の受け皿
2宮城県+1.26‰東北の拠点都市
3青森県+1.24‰転出超過が縮小
4山梨県+1.21‰首都圏近郊での地方移住
5秋田県+1.19‰転出超過が縮小

DS LEARNING POINT 4

統計的有意性と実際の重要性の区別

本研究のDiD分析では、都市型と地方型の格差縮小は統計的に有意ではなかった（p = 0.739）。しかし、東京都の純移動率が−3.45‰という「実際の大きな変化」も事実である。

統計的有意性（p値）：データから偶然得られる確率 実際の重要性（効果量）：変化の大きさ・意味 p値が有意でない理由: ① 都市型10県全体では東京都の大きな低下が平均化される ② COVID後（2020〜2023）には回復も含まれるため効果が薄まる ③ サンプルサイズ（240観測）の限界
  • 統計的に有意でなくても、東京都の劇的な変化は政策的に重要な事実である
  • 「有意差なし」≠「効果なし」：検定力・サンプルサイズも考慮すべき
ま
まとめ

本研究では、SSDSE-B（47都道府県・2012〜2023年）を用いて、COVID-19が日本の都道府県間人口移動に与えた影響を、時系列分析・差の差分析・重回帰分析の3つの手法で検証した。

主要な発見
  • 東京都の純移動率は2019年（6.18‰）から2020年（2.73‰）・2021年（0.77‰）に急落し、コロナ禍が東京一極集中を一時的に緩和した
  • 全国平均の純移動率はCOVID後に改善し、転出超過の縮小が確認された（重回帰でCOVID係数＋0.44‰、p<0.001）
  • 都市型vs地方型のDiD係数は−0.128（p=0.739）で統計的に有意でなく、格差縮小の統計的証拠は得られなかった
  • 2022年には首都圏郊外（千葉・埼玉・神奈川）が転入超過上位となり、「都内集中」から「首都圏分散」の傾向が見られる

本研究の限界と課題

発展的課題 個人の移動動機（転職・結婚・定年退職等）を分析するには、国土交通省の「住宅市場動向調査」や地方移住に関する調査データとの統合が有効である。また、市区町村レベルのSSDSE-Aを用いれば、より細かい空間スケールでの分析が可能になる。
教育的価値（この分析から学べること）
  • 「自然実験」としてのコロナ禍：政策的に意図せず起きた大きな社会変化を、政策効果分析と同じ枠組み（DiD等）で扱えることを学べる。
  • 平行トレンド仮定：DiDが妥当であるためには「コロナがなければ、東京と地方の人口移動トレンドは同じだったはず」という前提が必要。仮定のチェックがどれだけ重要かを実感できる。
  • 集計データの限界：都道府県レベルの数字は「マクロのパターン」は見えるが、「誰が・なぜ動いたか」のミクロな動機は別データが必要。データの粒度と問いの一致を考える題材。

使用データ：SSDSE-B-2026（独立行政法人統計センター）｜ 47都道府県 2012〜2023年 パネルデータ

2020年度 統計データ分析コンペティション 総務大臣賞（高校生の部）教育用解説ページ

⚠️ 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。
🌿 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。
📅 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。
↔️ 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
子どもの体力・運動能力と地域環境・家庭環境の関係分析
次の論文 →
保育・子育て支援と合計特殊出生率の都道府県比較分析