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 ｜ 統計活用奨励賞 [大学生・一般の部]

都道府県別政治参加（投票率）の決定要因分析
SSDSE-B で迫る社会参加・市民活動の地域格差

⏱️ 推定読了時間: 約35分
2020年度 統計活用奨励賞（大学生・一般の部） | SSDSE-B-2026 / 2022年断面 / 47都道府県
📝 3行で分かる要約

目次

  1. 研究の背景と目的
  2. データと変数の設計
  3. 地域別指標分布
  4. 重回帰分析
  5. 地域比較
  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_U4_katsuyo.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_U4_katsuyo.py
図は html/figures/ に自動保存されます。
1
研究の背景と目的

投票率の低下は日本だけでなく，多くの先進民主主義国で共通して観察される現象である。 特に都道府県別に見ると，同じ国でありながら投票率には大きなばらつきがあり， その規定要因を統計的に解明することは，地域の民主主義活性化にとって重要な課題である。

まず「都道府県別政治参加（投票率）の決定要因分析 SSDSE-B で迫る社会参加・市民活動の地域格差」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。

従来の研究では，年齢構成・教育水準・都市化度などが投票率に影響すると指摘されてきた。 しかし実際のデータを用いて都道府県レベルで検証した実証研究は少ない。 本研究では，政府統計の総合窓口が提供するSSDSE-B（都道府県別統計データ）を用いて， 旅券発行率（一般旅券発行件数/人口千人）を市民の社会参加・外交的活動参加の代理変数として設定し， 重回帰分析によってその決定要因を統計的に検証する。

なぜ「旅券発行率」を代理変数に使うのか SSDSE-Bには投票率データは収録されていない。本研究では，市民の社会参加活動の活発さを示す 代理変数として「一般旅券発行率（人口千人あたり）」を採用した。旅券（パスポート）の取得は， 国際的な活動参加の意欲・行動力を示すとともに，都道府県レベルでの市民活動の活発さ（高学歴・都市部・ 人口流入地域で高い傾向）を反映する。実際，高齢化率 r = −0.82，婚姻率 r = +0.83， 高校進学率 r = +0.75 など，社会経済的変数と強い相関が確認された。
分析の流れ
SSDSE-B
47都道府県
2022年
→
指標設計
（代理変数）
→
相関分析
（Pearson）
→
重回帰分析
（OLS）
→
地域比較
・政策提言

SSDSE-B 相関分析 重回帰分析 地域比較 代理変数

2
データと変数の設計

使用データ

SSDSE（社会・人口統計体系データセット）-B は，47都道府県の人口・産業・教育・消費など 100以上の変数を収録した公的統計データセットである。本研究では2022年断面データ（47観測値）を使用した。

データセット年度観測数使用変数数出典
SSDSE-B-20262022年47都道府県112変数中 8変数を構築統計センター

変数の定義

役割変数名計算式社会的意味
目的変数 旅券発行率 一般旅券発行件数 / 総人口 × 1,000 市民の社会参加・外交的活動参加の代理
説明変数 高齢化率 65歳以上人口 / 総人口 × 100 人口構造の高齢化度合い
転入超過率 (転入数 − 転出数) / 総人口 × 1,000 人口の都市集中・地方流出
婚姻率 婚姻件数 / 総人口 × 1,000 地域の人口的活力・若年層の割合
教養娯楽費率 教養娯楽費 / 消費支出 × 100 文化的・社会的活動への支出割合
高校進学率 高校卒業後進学者数 / 高校卒業者数 × 100 地域の教育水準・上位学歴志向
記述統計（旅券発行率, 2022年） 全国平均 6.58（SD = 3.56），最大：東京都 22.04，最小：秋田県 2.71。 東京都は全国平均の約3.4倍で，地域格差が大きいことがわかる。 一方，東北・北陸地方は概して低く，都市と地方の市民活動格差を反映している。
6.58
全国平均 旅券発行率
（人口千人あたり）
22.04
最大：東京都
（全国平均の3.4倍）
2.71
最小：秋田県
（全国平均の0.41倍）

DS LEARNING POINT 1

代理変数（Proxy Variable）の活用

分析したい変数（投票率など）が直接得られない場合，理論的に関連する別の変数を「代理変数」として使う手法がある。 代理変数が有効かどうかは，（1）理論的に意味があること，（2）実データで他の変数との相関パターンが理論と整合していること， の2点で評価する。旅券発行率は，高学歴地域・都市部・若年人口の多い地域で高くなる社会経済的パターンが 政治参加研究の理論的予測と一致しており，代理変数として妥当性が高い。

proxy = df['一般旅券発行件数'] / df['総人口'] * 1000 # 旅券発行率（人口千人あたり） # 理論的妥当性の確認: 高齢化率との相関 r = -0.82 (p < 0.001) # → 高齢化が進む地域ほど社会参加が低い，という理論と整合
3
地域別指標分布

まず，高齢化率（横軸）と旅券発行率（縦軸）の散布図を描いて，47都道府県の分布を確認する。 地域ブロック別に色分けすることで，地理的なパターンが明確に現れる。

高齢化率と旅券発行率の散布図
図1：高齢化率と旅券発行率の散布図（2022年，47都道府県）。地域ブロック別に色分け，回帰直線付き。 r = −0.82（p < 0.001）と強い負の相関が確認できる。
📌 この散布図の読み方
このグラフは
横軸（x）と縦軸（y）に2変数を取り、各都道府県（または自治体）を点で描いたグラフ。
読み方
点の並びに右上がりの傾向があれば正の相関、右下がりなら負の相関。点が直線に近いほど相関が強い。
なぜそう解釈できるか
回帰直線（赤線など）の傾きが回帰係数に対応する。直線から大きく外れた点が外れ値で、特異な地域を示す。
散布図から読み取れること
  • 関東（赤）・近畿（緑）は高齢化率が低く旅券発行率が高い傾向にある
  • 北海道・東北（青）・中国・四国（紫）は高齢化率が高く，旅券発行率が低い
  • 東京都は旅券発行率 22.04 と突出しており，全国の中で明らかな外れ値的存在
  • 九州・沖縄（オレンジ）はばらつきが大きく，地域内格差が大きい
北海道・東北 関東 中部 近畿 中国・四国 九州・沖縄
4
重回帰分析

Step 1: 相関行列の確認

重回帰分析を行う前に，目的変数と説明変数の相関，および説明変数間の相関を相関行列ヒートマップで確認する。 多重共線性（VIF）の問題があるかどうかを視覚的に把握するためにも有効である。

相関行列ヒートマップ
図2：社会参加・地域特性変数の相関行列ヒートマップ（Pearson相関係数, 2022年）。 赤が強い正の相関，青が強い負の相関を示す。
📌 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。

Pearson相関分析の結果

説明変数相関係数 rp値有意性解釈
高齢化率 −0.820 <0.001 *** 高齢化が進む地域ほど社会参加が低い
婚姻率 +0.826 <0.001 *** 婚姻率が高い（若年活力のある）地域ほど高い
高校進学率 +0.753 <0.001 *** 教育水準が高い地域ほど社会参加が活発
転入超過率 +0.746 <0.001 *** 人口流入が多い都市部ほど高い
教養娯楽費率 +0.487 0.001 ** 文化的活動への支出割合が高い地域ほど高い

Step 2: 重回帰分析（OLS）

5つの説明変数を投入した重回帰モデルを推定した。標準化偏回帰係数（β）を比較することで， 各変数の独立した寄与度（他の変数の影響を除いた純粋な効果）を評価できる。

旅券発行率 = β₀ + β₁×高齢化率 + β₂×転入超過率 + β₃×婚姻率 + β₄×教養娯楽費率 + β₅×高校進学率 + ε
標準化偏回帰係数プロット
図3：重回帰分析の標準化偏回帰係数（β）。赤は正の有意，青は負の有意，グレーは非有意（p≥0.05）。
📌 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。

重回帰分析結果

説明変数標準化βp値有意性解釈
高校進学率 +1.420 <0.001 *** 最も強い正の独立効果
婚姻率 +1.231 0.018 * 若年活力・地域コミュニティの活発さ
転入超過率 +0.842 0.021 * 都市集中・人口流入地域の社会参加
高齢化率 −0.459 0.389 ns 他変数を制御すると非有意
教養娯楽費率 −0.208 0.498 ns 他変数を制御すると非有意
R² = 0.840，Adj.R² = 0.821 F統計量 = 43.07，p < 0.001 モデル全体として高い説明力
注目ポイント：高齢化率の「見かけの相関」 単純相関では高齢化率 r = −0.82 と強い負の相関が見られる。しかし重回帰分析で他の変数を制御すると， 高齢化率の独立効果は非有意（p = 0.389）となる。これは，高齢化率が高いと婚姻率・転入超過率・ 高校進学率が低くなる傾向があり，旅券発行率の低下はこれらの変数を経由した間接効果であることを示唆している。 重回帰分析の重要性を示す好例である。

DS LEARNING POINT 2

重回帰分析と標準化偏回帰係数

複数の説明変数を同時に投入する重回帰分析では，「標準化偏回帰係数（β）」を比較することで 各変数の相対的な重要度を評価できる。単純相関係数では変数間の交絡の影響を受けるが， 標準化偏回帰係数は他の変数の影響を除いた純粋な効果を示す。

import statsmodels.api as sm X_std = (X - X.mean()) / X.std() # 標準化 X_const = sm.add_constant(X_std) model = sm.OLS(y, X_const).fit() betas = model.params[1:] # 標準化偏回帰係数 print(f"R² = {model.rsquared:.3f}") # 決定係数
5
地域比較

47都道府県を旅券発行率の高さでランキング化し，地域ブロック別の色分けで表示することで， 地理的なパターンを視覚的に把握する。

都道府県別旅券発行率ランキング
図4：都道府県別 旅券発行率ランキング（2022年）。色は地域ブロック区分。 破線は全国平均（6.58）を示す。

地域ブロック別の傾向

地域ブロック特徴背景
関東 東京都が突出（22.04）；埼玉・神奈川も高い 高学歴・国際的活動が活発な首都圏
近畿 大阪府・京都府が全国上位 文化・観光・ビジネスの国際拠点
中部 愛知県は高いが，長野・富山は低め 製造業中心の都市と農山村地域の混在
北海道・東北 全体的に低く，秋田が最低（2.71） 高齢化・人口流出が進み，若年層が少ない
中国・四国 中位から低位；島根・鳥取が低め 過疎化・高齢化が進む地方地域
九州・沖縄 沖縄・福岡は高め；宮崎・鹿児島は低め 観光・国際交流の沖縄と内陸部の格差

DS LEARNING POINT 3

交絡変数と交絡バイアス

単純相関で高齢化率 r = −0.82 という強い相関が見られても，重回帰で非有意になった原因は 「交絡変数」の存在である。高齢化率が高い地域では，同時に婚姻率・高校進学率・転入超過率も 低くなる傾向がある。これらが旅券発行率を低下させる真の要因であり，高齢化率はそれらと相関しているため 「見かけの相関」が生じていた。重回帰分析によってこの交絡バイアスを統計的に取り除くことができる。

# 単純相関（交絡を制御しない）: r(高齢化率, 旅券発行率) = -0.820 *** # 重回帰係数（交絡を制御）: β(高齢化率) = -0.459, p = 0.389 ns # → 高齢化率の直接効果は実は非有意だった
6
政策的示唆

重回帰分析の結果から，社会参加・市民活動の活発さ（旅券発行率）に対して 高校進学率（β = +1.420, p < 0.001）， 婚姻率（β = +1.231, p = 0.018）， 転入超過率（β = +0.842, p = 0.021） が統計的に有意な正の独立効果を持つことが示された。 これらは以下の政策的示唆を与える。

政策提言1：教育水準の向上 高校進学率が最も大きな独立効果（β = 1.42）を示した。高等教育へのアクセスを拡充し， 大学進学を支援する奨学金制度の充実が，地域の市民活動参加を高める可能性がある。 特に北海道・東北・中国・四国地域での教育支援の強化が優先課題となる。
政策提言2：若年層の地域定着支援 婚姻率は若年人口の活力・地域コミュニティの活発さを反映している。 若者が地域に定着し，生活基盤を築けるよう，住宅支援・育児支援・雇用創出が必要である。 地方移住促進（転入超過率の改善）も社会参加の活性化に効果的であることが示唆される。
政策提言3：地方における国際交流の推進 旅券発行率は国際的な活動参加の指標でもある。地方自治体が国際交流プログラム・ 留学支援・グローバルインターンシップを推進することで， 地域住民の外向き志向と社会参加意欲の向上が期待できる。
政策提言4：高齢化対策の再考 高齢化率の単純な低下を目標とするより，教育水準の向上・若年人口の定着・婚姻率の改善を通じた 間接的アプローチが，社会参加指標の改善に対してより効果的である可能性が示唆された。 高齢化率の「見かけの相関」が重回帰で解消されたことは，政策設計において 真の規定要因を正確に把握する統計的手法の重要性を示している。

DS LEARNING POINT 4

決定係数（R²）とモデルの評価

本モデルのR² = 0.840 は，旅券発行率の分散の84%が5つの説明変数で説明できることを意味する。 社会科学の観察データとしては非常に高い説明力である。ただし，調整済みR²（Adj.R² = 0.821）も 同水準であるため，変数追加による見かけのR²上昇（過学習）ではなく，本質的な説明力が高いと判断できる。 また，F統計量 = 43.07（p < 0.001）により，モデル全体として統計的に有意であることが確認された。

print(f"R² = {model.rsquared:.3f}") # 0.840 print(f"Adj.R² = {model.rsquared_adj:.3f}") # 0.821 print(f"F 統計量 = {model.fvalue:.2f}") # 43.07 print(f"F p値 = {model.f_pvalue:.2e}") # 2.85e-15
7
まとめ

本研究では，SSDSE-B 2022年データ（47都道府県）を用いて，社会参加・市民活動の代理変数として 旅券発行率を設定し，その決定要因を相関分析・重回帰分析で検討した。主な知見を以下に整理する。

主要な知見
  1. 旅券発行率の地域格差は大きく，最大（東京都 22.04）と最小（秋田県 2.71）で約8倍の差がある
  2. 単純相関では，高齢化率（r = −0.82），婚姻率（r = +0.83），高校進学率（r = +0.75）が特に強く相関する
  3. 重回帰分析では，高校進学率（β = 1.42***），婚姻率（β = 1.23*），転入超過率（β = 0.84*）が有意な独立効果を持つ
  4. 高齢化率は単純相関では強い負の相関だが，重回帰では非有意（p = 0.389）→ 交絡変数の影響
  5. モデル全体のR² = 0.840 と高い説明力を示した
統計的手法の学習ポイント
  1. 代理変数の活用：直接測定できない概念を，理論的に妥当な代理変数で近似する
  2. 相関分析 vs 重回帰分析：相関は交絡を含むが，重回帰は独立効果を分離できる
  3. 標準化偏回帰係数：異なる単位の変数の効果量を比較するための標準化手法
  4. 決定係数（R²）の解釈：モデルの説明力と調整済みR²による評価

本研究の限界と今後の課題

SSDSE-B 重回帰分析 R² = 0.840 代理変数 47都道府県 相関分析

データ出典：SSDSE-B-2026（統計センター）/ 2022年度断面データ / 47都道府県
分析コード：code/2020_U4_katsuyo.py ／ 図版：html/figures/2020_U4_fig1〜4.png

⚠️ 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。
📅 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。
↔️ 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
地域産業構造と経済成長：主成分分析とクラスタリングによる類型化
次の論文 →
ボランティア・社会参加活動と地域コミュニティ指標の分析