論文一覧に戻る 統計データ分析コンペ 教育用再現集
最高賞 🏆 総務大臣賞（大学生・一般の部）

コロナ禍の地域経済
第一波による雇用・消費への影響分析

⏱️ 推定読了時間: 約37分
2020年度（令和2年度） 統計データ分析コンペティション
固定効果パネル分析 • 時系列分析 • 差の差分析
📝 3行で分かる要約

目次

  1. 研究の背景：COVID-19第一波と地域経済
  2. データと変数
  3. 消費支出・求人倍率の時系列推移
  4. 固定効果パネル分析
  5. コロナ打撃の都道府県比較
  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_U1_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_U1_daijin.py
図は html/figures/ に自動保存されます。
概
研究の背景：COVID-19第一波と地域経済

2020年春、COVID-19の国内感染拡大（「第一波」）は日本経済に深刻な打撃を与えた。政府は4月7日に緊急事態宣言を発令し、不要不急の外出自粛・飲食店の時短営業・観光業の事実上の停止が各地で実施された。しかしその影響は、産業構造や観光依存度によって地域間で大きく異なった。

まず「コロナ禍の地域経済第一波による雇用・消費への影響分析」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。

本研究は、SSDSE-B（都道府県統計データ）2012〜2023年のパネルデータを用い、固定効果パネル推定によってCOVID-19第一波が消費支出・雇用（求人倍率）に与えた影響を定量的に分析する。さらに観光依存度（旅館密度）との交互作用を通じて、被害の地域格差メカニズムを解明する。

問題意識 COVID-19ショックは全国一律ではなく、観光業・サービス業依存度の高い地域ほど消費が激しく落ち込んだのではないか。固定効果モデルによって地域の固有の特性を制御した上で、純粋なCOVID効果を推定する。
分析の流れ
SSDSE-B
47都道府県
2012〜2023
→
変数設計
COVID期ダミー
旅館密度など
→
Entity FE
パネル推定
（PanelOLS）
→
都道府県別
打撃ランキング
比較

パネルデータ 固定効果推定 COVID-19 地域格差分析 SSDSE-B

データと変数

使用データ

総務省統計局が公開する「社会・人口統計体系データ（SSDSE-B-2026）」の47都道府県データを使用する。分析期間は2012〜2023年度（12年分）で、観測数は47×12 = 564である。

データソース内容分析期間観測数
SSDSE-B-2026都道府県別統計（消費・雇用・人口等）2012〜2023年度564（47×12）

変数の定義

変数名定義・計算方法役割
消費支出 消費支出（二人以上の世帯）[円/月]
SSDSE-B 列：消費支出（二人以上の世帯）		 目的変数（Y）
COVID期ダミー 2020年度・2021年度 = 1、それ以外 = 0 主要説明変数（処置変数）
求人倍率 月間有効求人数（一般）÷ 月間有効求職者数（一般） 雇用市場の代理変数
旅館密度 旅館営業施設数（ホテル含む）÷ 総人口 × 10,000 観光依存度の代理変数
COVID×旅館密度 COVID期ダミー × 旅館密度（交互作用項） 観光依存度×COVID打撃の異質性
高齢化率 65歳以上人口 ÷ 総人口 × 100 [%] コントロール変数
データの制約と留意点 消費支出は「二人以上の世帯」の家計調査データであり、単身世帯が多い都市部では実態を過小推計する可能性がある。また旅館密度は施設数ベースであり、売上規模は考慮されていない。
1
消費支出・求人倍率の時系列推移

まず地域別の時系列推移を可視化し、COVID-19第一波（2020年度）前後の変化パターンを把握する。

地域別 消費支出の推移（2012〜2023年）

地域別消費支出時系列
図1：地域別（6区分）消費支出の推移。赤シェーディングはCOVID期（2020〜2021年度）。多くの地域で2020〜2021年にかけて消費が落ち込む傾向が見られる。
📌 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。
-2.8%
全国平均
2019→2020年
消費支出変化率
1.46→1.11
全国平均
求人倍率
2019→2020年
-0.35
ポイント
求人倍率低下
（第一波の雇用衝撃）

地域別 求人倍率の推移（2012〜2023年）

地域別求人倍率時系列
図2：地域別求人倍率の推移。2020年度に全地域で急激な低下が確認される。点線（倍率=1.0）は需給均衡ライン。
📌 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。
時系列分析の主な発見
  • 消費支出は2020年度に全国平均で約-2.8%低下したが、地域差が大きい（最大-15.7% ～ 最大+8.9%）
  • 求人倍率は2013年以降上昇トレンドが続いていたが、2020年度に急落（全国平均 1.46→1.11）
  • 2021年度には消費・雇用ともに回復傾向を示すが、2019年水準には届かない地域も多い

DS LEARNING POINT 1

時系列可視化のポイント：COVID期シェーディング

政策変数（COVID期ダミー）の効果を視覚化する際、axvspanでシェーディングを加えると前後の変化が一目でわかる。折れ線グラフに複数系列を重ねる場合は色と線種を統一することが重要。

import matplotlib.pyplot as plt fig, ax = plt.subplots(figsize=(10, 5.5)) # 地域別折れ線 for region, color in region_colors.items(): sub = region_yearly[region_yearly['地域'] == region] ax.plot(sub['年度'], sub['消費支出'] / 1000, marker='o', label=region, color=color, linewidth=1.8) # COVID期シェーディング（2020〜2021年度） ax.axvspan(2019.5, 2021.5, alpha=0.15, color='#e74c3c') ax.axvline(x=2020, color='#e74c3c', linestyle='--', linewidth=1.2) ax.text(2020.05, ymin, 'COVID-19\n第一波', fontsize=9, color='#c0392b')
2
固定効果パネル分析

パネルデータを用い、都道府県固定効果（Entity Effects）によって各地域の不変な特性（気候・歴史的産業構造等）を制御した上で、COVID期ダミーが消費支出に与える純効果を推定する。

モデル設定

消費支出it = β₀ + β₁ COVID期t + β₂ 求人倍率it + β₃ (COVID期 × 旅館密度)it + αi + εit

αi：都道府県固定効果（地域固有の不変特性を制御）
標準誤差：クラスター（都道府県）ロバスト
なぜ固定効果モデルか？ 都道府県ごとに消費水準は大きく異なる（例：東京と青森では平均消費支出が約5万円以上差がある）。単純なOLSではこの都道府県間差異がノイズになる。固定効果モデルはこれを「制御済み」にし、時間変化の効果のみを推定できる。

推定結果

FE係数プロット
図3：Entity FE パネル推定の係数と95%信頼区間（クラスターロバスト標準誤差）。COVID期ダミーは消費支出への有意な負の効果を示す（p=0.017）。
📌 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。
変数係数 (β)標準誤差95%信頼区間p値有意性
COVID期ダミー -6,713 円/月 2,793 -12,188 〜 -1,238 0.017 * (p<0.05)
求人倍率 +1,586 円/月 2,380 -3,089 〜 +6,261 0.505 n.s.
COVID期 × 旅館密度 -298 円/月 370 -1,024 〜 +429 0.421 n.s.
N=564（47都道府県×12年度）、Within R²=0.058、クラスターロバスト標準誤差（都道府県）
主要な発見：COVID期は消費支出を月約6,713円押し下げた 都道府県固定効果を制御した後でも、COVID期（2020〜2021年度）は消費支出を1世帯あたり月平均6,713円有意に押し下げていた（p=0.017, 95%CI: -12,188〜-1,238）。年換算では約8万円の消費抑制に相当する。
交互作用項（COVID×旅館密度）の解釈 観光依存度が高い県ほどCOVID打撃が大きいという仮説について、交互作用項の係数は-298（p=0.42）と統計的有意性は確認できなかった。ただし係数の符号は仮説と一致しており、サンプルサイズ（N=47都道府県）の限界が検出力を制約している可能性がある。

DS LEARNING POINT 2

固定効果パネル推定の実装（linearmodels）

Pythonのlinearmodelsパッケージを使うと、固定効果パネルモデルをRのplmパッケージ相当の精度で推定できる。set_index(['エンティティ', '時間'])が必須。

from linearmodels.panel import PanelOLS df_panel = df_b[['都道府県', '年度', '消費支出', 'COVID期', '求人倍率', 'COVID_旅館']].dropna() df_panel = df_panel.set_index(['都道府県', '年度']) # MultiIndex必須 mod = PanelOLS.from_formula( '消費支出 ~ COVID期 + 求人倍率 + COVID_旅館 + EntityEffects', data=df_panel ) res = mod.fit(cov_type='clustered', cluster_entity=True) print(res.summary) # COVID期ダミーをTimeEffectsと共に入れると # 完全な多重共線性（時間FEに吸収）が起きるため # EntityEffectsのみ使用することに注意

DS LEARNING POINT 3

Within R² vs Overall R²：固定効果モデルの評価指標

固定効果モデルでは「Within R²」（地域内の時間変動を説明する割合）と「Overall R²」（全変動）が大きく異なる。Within R²が低くても、固定効果自体が変動の大部分を説明している場合が多い。

print(f"Within R² = {res.rsquared:.4f}") # 時間内変動の説明力 print(f"Between R² = {res.rsquared_between:.4f}") # 地域間変動の説明力 print(f"Overall R² = {res.rsquared_overall:.4f}") # 全変動の説明力 # Entity固定効果の検定（Poolability F検定） # F=24.8, p<0.0001 → 固定効果が強く有意 # → プーリングOLSより固定効果モデルが適切
3
コロナ打撃の都道府県比較

2019年度から2020年度にかけての消費支出変化率を都道府県別に算出し、地域ごとのCOVID打撃の大きさを可視化する。

都道府県別消費変化率ランキング
図4：2019→2020年度 消費支出変化率（都道府県別）。地域区分別に色分け。破線は全国平均（-2.8%）。石川県・岡山県・長野県が最大の落ち込みを示した。

最大打撃県と最小打撃県

消費減少が大きかった上位5県
順位都道府県変化率
1石川県-15.7%
2岡山県-14.4%
3長野県-14.2%
4福井県-11.5%
5香川県-10.7%
消費減少が小さかった上位5県
順位都道府県変化率
1大分県+8.9%
2群馬県+8.0%
3島根県+6.7%
4徳島県+6.0%
5岐阜県+5.9%

観光依存度グループ別比較

グループ旅館密度基準代表県2019→2020 消費変化率（平均）
高観光依存（上位10県） 7.5以上（人口1万対） 山梨・沖縄・長野・福井・鳥取 -2.5%
低観光依存（下位10県） 2.5以下（人口1万対） 埼玉・神奈川・愛知・大阪・千葉 -2.8%
全国平均 - - -2.8%
観光依存グループ間の差異について 高観光依存県と低観光依存県の消費変化率の差（-2.5% vs -2.8%）は小さく、統計的に有意な差は確認されなかった。ただし長野（-14.2%）・福井（-11.5%）など観光県で大幅減少が起きている一方、沖縄（+2.7%）・大分（+8.9%）など同じ観光依存でも対照的な動きも見られた。これは家計調査の調査地点の偏りや、県内産業構造の複雑さを反映している可能性がある。

DS LEARNING POINT 4

棒グラフによるランキング可視化：地域色分けの実装

47都道府県を一つのグラフにランキング表示する際、地域区分別の色分けにより空間的パターンが視覚的に把握しやすくなる。

region_colors = { '北海道・東北': '#4e9af1', '関東': '#e05c5c', '中部': '#f0a500', '近畿': '#5cb85c', '中国・四国': '#9b59b6', '九州・沖縄': '#f39c12' } # 変化率を昇順ソート → 棒グラフ df_change = df_change.sort_values('変化率') bar_colors = [region_colors.get(r, '#aaa') for r in df_change['地域']] ax.bar(range(len(df_change)), df_change['変化率'], color=bar_colors, alpha=0.85) # 全国平均の基準線 ax.axhline(y=df_change['変化率'].mean(), color='#2c3e50', linestyle='--', linewidth=1.5)

政策的示唆

本分析の結果から、以下の政策的インプリケーションが示唆される。

1. 観光業への緊急支援の差異化 COVID-19第一波は月約6,700円の消費抑制をもたらした。観光依存度の高い旅館・ホテル密集地域では、より迅速な雇用調整給付金・観光業支援策の優先配分が有効である可能性がある。
2. 求人倍率の先行指標としての活用 求人倍率は2020年度に全国平均で1.46→1.11へ急落した。この指標は消費支出と正の関係にあるため、求人倍率モニタリングを景気ウォッチャーとして活用することで、消費支出の先行変化を早期に察知できる。
3. 地域多様化（産業ポートフォリオ）の重要性 観光業・製造業・農業等の産業構造の多様化が、感染症ショックへの耐性を高める。石川・岡山・長野など単一業種依存が強い地域では、平時からの産業多様化政策が求められる。
4. パネルデータ分析の政策評価への応用 本研究で用いた固定効果パネル推定は、自治体が実施する政策効果の評価（差の差分析）にも直接応用できる。観察不能な地域固有要因を制御した上での純効果推定は、政策立案の根拠として有効である。

まとめ

本研究では、SSDSE-B 47都道府県の2012〜2023年パネルデータを用い、COVID-19第一波（2020〜2021年度）が消費支出・雇用（求人倍率）に与えた影響を固定効果パネル推定で分析した。

分析テーマ主な発見
COVID期の消費抑制効果 都道府県固定効果制御後も月平均−6,713円の有意な消費抑制（p=0.017）
求人倍率の変化 全国平均 1.46 → 1.11（−0.35ポイント）：2013年以降の回復トレンドが一気に反転
地域格差 2019→2020年の消費変化率は最大−15.7%（石川）〜+8.9%（大分）と大きな地域差
観光依存度の効果 交互作用項は有意でなく、観光依存度による系統的差異は本サンプルでは検出困難
Entity FE 検定 Poolability F検定 F=24.8（p<0.001）：固定効果モデルの採用が統計的に支持
本研究の意義と限界 固定効果パネル推定によってCOVID効果の純推定を実現した点は方法論的な貢献である。一方、消費支出データが「二人以上世帯」に限定される点、感染者数・自粛強度などのCOVID強度変数が未考慮な点が限界として残る。今後の課題として、感染者数・緊急事態宣言の強度を外生変数として追加し、より精緻な差の差分析（DiD）を実施することが考えられる。
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：意図せず発生した社会変動を、政策効果分析の枠組み（DiD・FE）で評価できる。「実験できない社会現象を統計で分析する」醍醐味が学べる。
  • 固定効果（FE）パネル推定：地域ごとの固有特性（観光依存度・産業構造など）を打ち消したうえで、ショックの効果を抜き出す手法。横断データだけでは見えない情報を引き出せる。
  • 交互作用項：「観光依存度 × コロナ期」のような掛け算項を入れることで、「あるグループでだけ効果が違うか」を検証できる。多変量モデルの応用力が学べる。

SSDSE-B-2026 Entity FE PanelOLS COVID-19 第一波 消費支出分析 地域格差 総務大臣賞 2020

⚠️ 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。
🏛️ 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
都道府県別環境指標と住民生活の質の関係分析
次の論文 →
合計特殊出生率の決定要因：パネルデータによる長期分析