論文一覧に戻る 統計データ分析コンペ 教育用再現集
審査員奨励賞 [高校生の部]
2022年度

都市農村間の所得格差
消費支出と雇用環境の地域差分析

⏱️ 推定読了時間: 約43分
2022年度 統計データ分析コンペティション
相関分析 OLS回帰 地域比較 時系列分析 Mann-Whitney U検定
📝 3行で分かる要約

目次

  1. 研究概要と背景
  2. データと変数設計
  3. 時系列推移：消費支出の地域差（2012〜2023年）
  4. 住宅地価と消費支出の関係（2022年）
  5. OLS回帰：消費支出の決定要因
  6. 都市部 vs 地方の比較検定
  7. まとめと政策的含意
  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/ │ └── 2022_H5_14_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/2022_H5_14_shorei.py
図は html/figures/ に自動保存されます。
概
研究概要と背景

日本では都市部と農村部の経済格差が長年の課題となっている。本研究は 都道府県別の消費支出を所得水準の代理変数として用い、 雇用環境（求人倍率）・住宅地価・人口動態の観点から 都市農村間の格差構造を統計的に明らかにすることを目的とする。

まず「都市農村間の所得格差消費支出と雇用環境の地域差分析」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。

なぜ今、都市農村格差を問うのか 内閣府の地域経済分析では、地方移住促進（地方創生）政策が2014年以降強化されてきた。 しかし所得・雇用格差の実態を都道府県データで定量的に把握することは、効果的な政策立案の前提となる。 高校生の目線で「どこに住むかで生活水準はどう変わるのか」を問う、問題意識の鋭い研究である。
分析の流れ
SSDSE-B
47都道府県
2012〜2023年
→
変数設計
（消費支出・
求人倍率等）
→
時系列分析
地域別推移
→
OLS回帰
決定要因の
特定
→
都市/地方
比較検定

SSDSE-B 消費支出（所得代理） 求人倍率 住宅地価（都市度） Mann-Whitney U検定

データと変数設計

データソース

SSDSE-B（社会・人口統計体系 都道府県データ） を使用。 47都道府県 × 2012〜2023年の12年間のパネルデータ（564行）を分析対象とする。 横断面分析（2022年）と時系列分析（2012〜2023年）を組み合わせた。

主要変数一覧

消費支出_万円（目的変数）
二人以上世帯の月間消費支出（L3221）を1万円単位に換算。所得水準の代理変数として使用。
求人倍率
月間有効求人数（F3103）÷ 月間有効求職者数（F3102）。雇用需給を示す重要指標。
住宅地価_log
標準価格（住宅地）（C5401）の対数変換。都市度の代理変数として使用（正規分布に近づく効果あり）。
高齢化率（%）
65歳以上人口（A1303）÷ 総人口（A1101）× 100。経済活動水準に影響する人口構造変数。
大学学生数_千人
大学学生数（E6302）を千人単位に換算。高等教育集積度・知識労働の代理。
純移動率（‰）
（転入者数 - 転出者数）÷ 総人口 × 1000。人口吸引力・地域の経済的魅力の指標。

都市部 / 地方の分類方法

住宅地価の全国中央値（2022年：30,800円/m²）を閾値として、 都道府県を2グループに分類した。住宅地価は地域の経済活力・利便性を総合的に反映するため、 都市度の代理指標として適切である（ヘドニック価格法の考え方、下記 DS LEARNING POINT 3 参照）。

区分条件都道府県数代表的な都道府県
都市部 住宅地価 ≥ 30,800円/m² 24都道府県 東京都・神奈川県・愛知県・大阪府など
地方 住宅地価 < 30,800円/m² 23都道府県 秋田県・島根県・高知県・宮崎県など
注意：消費支出の限界（代理変数としての精度） 消費支出は所得の代理変数として広く使われるが、「恒常所得仮説」（フリードマン，1957）に基づけば 消費はあくまで恒常所得の関数であり、一時所得の変動は消費に強く反映されない。 また、地域の物価水準差を補正していない点も解釈の際に留意が必要である。

DS LEARNING POINT 1

所得代理変数としての消費支出（エンゲルの法則と恒常所得仮説）

所得データが直接入手できない場合、消費支出を所得の「代理変数（proxy variable）」として 使うことがある。この背景には2つの経済理論がある。

エンゲルの法則（1857年）：所得が高い家計ほど、食費の割合が低く、 文化・娯楽・教育費の割合が高い。→ 消費の総額・構成比が所得水準を反映する。

恒常所得仮説（Friedman, 1957）：家計の消費は「今月の所得」ではなく 「将来にわたる恒常的な所得水準」に依存する。一時的な変動には左右されにくい。 → 消費支出は「生涯所得の期待値」をよく近似する。

# 消費支出を所得代理変数として構築 df['消費支出_万円'] = df['L3221'] / 10000 # 円/月 → 万円/月 # エンゲル係数の計算（食費の割合） # L322101: 食料費（SSDSE-Bには含まれないため参考計算） # engel = df['食料費'] / df['L3221'] * 100 # 恒常所得仮説：消費支出と所得の相関確認 from scipy import stats r, p = stats.pearsonr(df_2022['消費支出_万円'], df_2022['住宅地価_log']) # 地価も所得代理 print(f"消費支出 × 住宅地価(log): r={r:.3f}, p={p:.4f}")
1
時系列推移：消費支出の地域差（2012〜2023年）

全国47都道府県を6地方ブロック（北海道・東北 / 関東 / 中部 / 近畿 / 中国・四国 / 九州・沖縄） に分類し、各ブロックの平均消費支出の推移を可視化した。

消費支出の時系列推移（地方別）
図1：消費支出の時系列推移（地方別平均, 2012〜2023年）。 関東が最高水準を維持し、九州・東北が低水準で推移。オレンジ破線はCOVID-19 の影響（2020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。
時系列分析から見える主要な発見
  • 関東（東京圏）が全期間にわたって最高水準：集積経済・高賃金が消費を押し上げる
  • COVID-19（2020年）の影響：外出自粛・消費委縮が全国的に確認される
  • 回復の速度差：関東・近畿の回復が速く、地方との格差が拡大傾向
  • 2022年以降の物価上昇：実質消費が伸びていない可能性に留意が必要

地方別 消費支出の概況（2022年）

地方ブロック2022年 平均消費支出特徴
関東約31〜33万円最高水準。東京圏の集積効果が顕著
近畿約29〜30万円大阪・京都が牽引。関東に次ぐ水準
中部約28〜30万円愛知（自動車産業）が高水準
中国・四国約27〜28万円地方中核都市の影響
九州・沖縄約26〜28万円沖縄が独自の低水準パターン
北海道・東北約26〜27万円最低水準グループ。高齢化・人口流出が影響
2
住宅地価と消費支出の関係（2022年）

住宅地価（対数変換）と消費支出の散布図を描き、都市度と所得水準（消費支出）の関係を視覚化した。 赤丸（○）が都市部、青三角（△）が地方を示す。

住宅地価 vs 消費支出 散布図（2022年）
図2：住宅地価（都市度代理, log変換）と消費支出（万円/月）の関係（2022年, 都道府県別）。 赤○＝都市部（住宅地価が全国中央値以上）、青△＝地方。破線は全国の回帰直線。
r = 0.411
住宅地価(log) × 消費支出の相関係数
p = 0.004（有意）
+2.1万円
都市部の消費支出中央値の優位（30.0万円 vs 27.9万円）
p = 0.004（Mann-Whitney）
読み取りのポイント
  • 東京都は右上（高地価・高消費支出）に位置し、最も明確な都市集積の恩恵を示す
  • 秋田・島根・鳥取などは左下（低地価・低消費支出）に固まり、地方の低水準を示す
  • 沖縄は低地価だが比較的高い消費支出（観光業・外食消費？）という特異点として現れる可能性
  • 相関係数 r=0.411 は「中程度の正の相関」（Cohen, 1988 の基準: 0.3 ≤ r < 0.5 = Medium）

DS LEARNING POINT 3

住宅地価を都市度指標として使う根拠（ヘドニック価格法の考え方）

なぜ住宅地価が「都市度」を表すのか。その理論的根拠はヘドニック価格法（hedonic pricing）にある。 不動産の価格は、その物件が持つ様々な属性（立地・交通利便性・商業集積・雇用アクセス）の価値の総和として 決まると考える手法である。

都市部の住宅地価が高いのは、単に土地が「希少」なだけでなく、 周辺に集積する「雇用機会・商業施設・交通インフラ・高収入職種」への アクセス価値が価格に反映されているためである。

# 住宅地価の対数変換（右裾の歪みを補正） import numpy as np df['住宅地価_log'] = np.log(df['C5401']) # 対数変換の理由： # 地価の分布は右に大きく歪んでいる（東京都が外れ値的に高い） # log 変換により正規分布に近づき、線形回帰の仮定を改善 # 都市度指標としての妥当性確認 from scipy import stats # 住宅地価_log と GDP（人口当たり）の相関 # r ≥ 0.7 なら代理変数として信頼できる # 中央値による都市/地方分類 land_median = df_2022['C5401'].median() df_2022['地域区分'] = df_2022['C5401'].apply( lambda x: '都市部' if x >= land_median else '地方' ) print(f"分類閾値: {land_median:,.0f} 円/m²")
3
OLS回帰：消費支出の決定要因

消費支出（万円/月）を目的変数とし、求人倍率・住宅地価（log）・高齢化率・ 大学学生数・純移動率の5変数を説明変数とした OLS 重回帰分析（2022年, N=47）を行った。 変数はすべて標準化し、係数の大きさを比較可能にした。

消費支出_万円 = β₀ + β₁(求人倍率) + β₂(住宅地価_log) + β₃(高齢化率)
                  + β₄(大学学生数_千人) + β₅(純移動率) + ε

※ 各変数は標準化済み（Z-score）
OLS回帰係数プロット（消費支出の決定要因）
図3：OLS重回帰係数プロット（消費支出の決定要因, 2022年, N=47都道府県）。 横棒は標準化回帰係数、ひげは±1.96SE（95%信頼区間）。色は有意水準を示す。
📌 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。

OLS回帰結果サマリ

変数標準化係数（β）SEp値有意性解釈
純移動率（‰） +0.809 0.390 0.044 * 人口流入が多い都道府県で消費支出が高い
求人倍率 +0.621 0.309 0.051 n.s. 雇用需給の改善が消費押し上げの傾向（境界）
住宅地価（log） +0.954 0.613 0.127 n.s. 単変量では有意（r=0.41, p=0.004）だが多重共線性の影響あり
高齢化率（%） +0.253 0.479 0.600 n.s. 単独効果は消費支出に明確な影響なし
大学学生数（千人） -0.302 0.436 0.492 n.s. 若年学生が多い県で消費がやや低い（収入制約）

R² = 0.286, 自由度修正済 R² = 0.199（モデル全体 p = 0.014）

多重共線性に注意 住宅地価・純移動率・求人倍率はいずれも「都市的な特性」を反映するため、相互に相関している。 この多重共線性により、個別変数のp値が単変量分析より大きくなる（係数推定の不安定化）。 VIF（Variance Inflation Factor）を計算して確認することが望ましい。
純移動率の意味 唯一有意（p=0.044）だった純移動率は「その都道府県が人口を吸引しているか」を示す。 転入超過が大きい都道府県（東京・神奈川・愛知など）は、経済的魅力が高く、 賃金水準・雇用機会が優れているため消費支出も高い。これは因果の方向性として 「稼げる地域に人が集まる」と「人が集まる地域でさらに経済が活性化する」という 正のフィードバック（集積の経済）と整合する。
4
都市部 vs 地方の比較検定

住宅地価の中央値（30,800円/m²）で分類した「都市部」（24都道府県）と「地方」（23都道府県）の 消費支出を箱ひげ図で比較し、Mann-Whitney U 検定で差の統計的有意性を確認した。 また、格差が時系列でどう推移してきたかを可視化した。

都市部 vs 地方 消費支出比較（箱ひげ図 + 格差推移）
図4：（左）都市部 vs 地方の消費支出分布（2022年）。Mann-Whitney U検定の結果を注記。 （右）都市農村間消費支出格差の時系列推移（都市部平均 − 地方平均）。
📌 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。
30.0万円
都市部の消費支出中央値（2022年, n=24）
27.9万円
地方の消費支出中央値（2022年, n=23）

Mann-Whitney U検定の結果

指標都市部（n=24）地方（n=23）差・検定統計量
消費支出 中央値 30.0 万円 27.9 万円 +2.1 万円
Mann-Whitney U U = 412.0, p = 0.004 **
ジニ係数 0.0389 0.0253 都市部内のほうが格差大
都市部内の格差が大きいことに注目 ジニ係数を見ると、都市部（0.039）のほうが地方（0.025）より大きい。 つまり「都市部対地方」という構図だけでなく、都市部の中にも高消費と低消費の 大きな開きが存在する。これは都市内格差（高賃金職種と非正規・低賃金職の混在）を示唆する。

DS LEARNING POINT 2

Mann-Whitney U検定（正規性が不明な場合の2群比較）

2グループの平均値の差を検定するとき、まず思い浮かぶのは t 検定である。 しかし t 検定は「両グループのデータが正規分布に従う」ことを前提とする。 都道府県データは N=47 と小さく、正規性の検証が難しい。 そこで使われるノンパラメトリック検定が Mann-Whitney U 検定である。

Mann-Whitney U 検定は「データの順位」に基づき、分布の形状を仮定しない。 帰無仮説は「2グループの分布は等しい（中央値の差はない）」である。

from scipy import stats # 都市部と地方の消費支出 urban = df_2022[df_2022['地域区分']=='都市部']['消費支出_万円'].dropna() rural = df_2022[df_2022['地域区分']=='地方' ]['消費支出_万円'].dropna() # Mann-Whitney U 検定（両側） u_stat, p_val = stats.mannwhitneyu(urban, rural, alternative='two-sided') print(f"U = {u_stat:.1f}, p = {p_val:.4f}") # 参考: Shapiro-Wilk 正規性検定 w_u, p_sw_u = stats.shapiro(urban) w_r, p_sw_r = stats.shapiro(rural) print(f"Shapiro-Wilk (都市部): W={w_u:.3f}, p={p_sw_u:.4f}") print(f"Shapiro-Wilk (地方) : W={w_r:.3f}, p={p_sw_r:.4f}") # p < 0.05 なら非正規性の証拠 → Mann-Whitney 検定が適切 # 効果量: rank-biserial correlation n1, n2 = len(urban), len(rural) r_rb = 1 - (2 * u_stat) / (n1 * n2) # rank-biserial r print(f"効果量 (rank-biserial r) = {r_rb:.3f}")

DS LEARNING POINT 4

格差の測定：ジニ係数とその計算コード

格差の大きさを表す指標として最もよく使われるのがジニ係数（Gini coefficient）である。 0〜1の値をとり、0は「完全平等」（全員同じ所得）、1は「完全不平等」（一人が全てを独占）を表す。 OECD諸国の所得ジニ係数はおおむね0.25〜0.40の範囲にある。

本分析では消費支出の都道府県間ジニ係数を計算した結果、全国で0.037、都市部で0.039、地方で0.025 となった。 消費支出は所得よりも「均等化」されているため、全体的にジニ係数は小さい。

import numpy as np def gini(arr): """ジニ係数を計算する（実データ用） Args: arr: 非負の値の配列（例: 消費支出） Returns: ジニ係数（0〜1, 0=完全平等） """ a = np.sort(arr) n = len(a) # Lorenz 曲線から算出 coef = 2 / n constant = (n + 1) / n weighted = np.sum(np.arange(1, n + 1) * a) return coef * weighted / np.sum(a) - constant # 使用例 values = df_2022['消費支出_万円'].dropna().values g = gini(values) print(f"ジニ係数 (全47都道府県): {g:.4f}") # ローレンツ曲線の描画 import matplotlib.pyplot as plt values_sorted = np.sort(values) cumulative = np.cumsum(values_sorted) / values_sorted.sum() x = np.linspace(0, 1, len(values_sorted)) plt.plot(x, cumulative, label='ローレンツ曲線') plt.plot([0,1],[0,1], 'k--', label='完全平等線') plt.fill_between(x, x, cumulative, alpha=0.3, label=f'ジニ係数={g:.4f}') plt.legend(); plt.xlabel('累積人口割合'); plt.ylabel('累積消費支出割合')

まとめと政策的含意

主要な発見

SSDSE-B（都道府県データ, 2012〜2023年）を用いた分析から、以下が明らかになった：

  1. 都市農村間の消費支出格差は統計的に有意（p=0.004）： 都市部の中央値（30.0万円）は地方（27.9万円）より月2.1万円高く、年間25万円以上の格差となる。
  2. 純移動率が最も有意な説明変数（β=0.809, p=0.044）： 人口吸引力の高い都道府県で消費支出が高く、集積の経済の正のフィードバックが確認される。
  3. 住宅地価（都市度の代理）と消費支出の正の相関（r=0.411, p=0.004）： 都市的集積が所得・消費水準を押し上げることの証左。
  4. 都市部内の格差（ジニ=0.039）が地方内（0.025）より大きい： 都市は高賃金と低賃金が混在する「二極化社会」の側面を持つ。
  5. COVID-19の格差への影響（2020年）： 全国的に消費が落ち込んだが、回復速度に地域差があり、格差の固定化リスクが示唆される。
政策への示唆
  • 雇用環境整備（地方への企業誘致・テレワーク促進）： 求人倍率の改善が消費支出の押し上げに寄与する可能性
  • 人口流出の抑制（純移動率の改善）： 地方から都市への人口流出が格差を拡大させるため、 地方の生活利便性・雇用環境の改善が根本的解決策
  • 都市内格差への対応： 都市部でも非正規労働者・低賃金労働者への支援が必要
分析の限界と今後の課題
  • 消費支出は物価水準差を補正していないため、実質的な生活水準の比較が不完全
  • N=47（都道府県）は統計的検出力が低く、多変量回帰での有意な結果が得にくい
  • 格差の「原因」と「結果」の因果推論には操作変数法などのより高度な手法が必要
  • 市区町村レベルのデータ（SSDSE-A）で分析すれば、より精細な都市農村比較が可能
教育的価値（この分析から学べること）
  • 都市農村間格差：所得・教育・医療など多面的に存在する。1つの指標では捉えきれない。
  • DID指数（地域差指数）：全国平均と比較した地域の偏差を測る指標。地域格差の可視化に有用。
  • 構造的要因：産業構造の違い（農業中心 vs サービス業中心）が所得格差の根本原因の1つ。

データ・コードのダウンロード

分析スクリプト（2022_H5_14_shorei.py）
データ・コード内容出典
SSDSE-B-2026.csv 47都道府県 × 2012〜2023年 パネルデータ 統計数理研究所・統計センター（実データ）
L3221：消費支出（二人以上の世帯） 月間消費支出（円/月） 家計調査（総務省）
F3103/F3102：求人数/求職者数（一般） 月間有効求人数・求職者数 職業安定業務統計（厚生労働省）
C5401：標準価格（住宅地） 平均住宅地価（円/m²） 地価公示（国土交通省）
A5101/A5102：転入・転出者数 日本人移動者数（人） 住民基本台帳人口移動報告（総務省）

本教育用コードは実データ（SSDSE-B-2026.csv）のみを使用しています。 合成データ（np.random.seed等による乱数生成）は一切使用していません。 図4の個別データ点のジッタ表示のみ np.random.default_rng(seed=42) を使用（データ生成ではなく表示のみ）。

教育用再現コード ｜ 2022年度 統計データ分析コンペティション 審査員奨励賞 [高校生の部]
都市農村間の所得格差：消費支出と雇用環境の地域差分析

⚠️ 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。
ノンパラメトリック
データが正規分布などの特定の分布に従うことを仮定しない手法。順位やランクを使って検定する。外れ値や歪んだ分布に頑健。
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。
📊 ジニ係数・ローレンツ曲線
何？
所得や医療資源などの「不平等度（格差）」を0〜1の数値で表す指標。0が完全平等、1が完全不平等。
どう使う？
データを昇順に並べ、累積シェアの曲線（ローレンツ曲線）と完全平等線との面積から計算する。
何がわかる？
「都道府県間の医師数の格差は大きいか」「格差は拡大・縮小しているか」を客観的に測れる。
結果の読み方
ジニ係数 0.3 以上は格差が大きい水準。時系列変化で格差のトレンドを読む。
⚠️ 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。
🔬 Kruskal-Wallis検定
何？
3グループ以上の間に統計的な差があるかを検定するノンパラメトリック手法（正規分布を前提としない）。
どう使う？
全データを合体して順位をつけ、グループ間の順位平均値の差をH統計量で検定する。
何がわかる？
「医師数の少・中・多の県で死亡率に差があるか」を分布の形に関わらず検定できる。
結果の読み方
p < 0.05 でグループ間に有意差あり。どのグループ間に差があるかは Dunn 検定などで追加確認する。
⚠️ 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。
🎯 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
地方移住と地域活性化：転入増加要因の分析
次の論文 →
SDGs指標の地域比較：都道府県別の持続可能性スコア分析