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（大学生・一般の部）
2022年度 統計データ分析コンペティション

東日本大震災後の避難生活と健康影響

⏱️ 推定読了時間: 約34分
時系列分析・断絶時系列アプローチ | 東北3県（岩手・宮城・福島）vs 全国比較
📝 3行で分かる要約

目次

  1. 研究背景：東日本大震災と長期的健康影響
  2. データ：SSDSE-B 都道府県別パネルデータ
  3. 時系列比較：保健医療費（東北3県 vs 全国平均）
  4. 人口変化：転入超過率の推移
  5. 医療インフラ：病院数の変化
  6. 散布図：転出率 vs 保健医療費
  7. まとめ：復興と健康への政策示唆
  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_U5_2_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_U5_2_shorei.py
図は html/figures/ に自動保存されます。
概
研究背景：東日本大震災と長期的健康影響

2011年3月11日に発生した東日本大震災とそれに伴う津波・福島第一原子力発電所事故は、東北3県（岩手・宮城・福島）に甚大な人的・物的被害をもたらした。被災地では長期にわたる避難生活が続き、住民の身体的・精神的健康への影響が懸念されてきた。

まず「東日本大震災後の避難生活と健康影響」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、都道府県別統計データ（SSDSE-B）を用い、震災後の東北3県における保健医療費・人口移動・病院数の変化を全国平均と比較することで、長期的な健康影響と復興の実態を定量的に把握することを目的とする。

研究の問い 東日本大震災後の長期的な避難生活は、東北3県の住民の健康状態にどのような影響を与えたか？保健医療費・人口移動・医療インフラのデータから何が読み取れるか？
分析の流れ
SSDSE-B
都道府県別
2012〜2023年度
→
東北3県
vs
全国比較
→
時系列
視覚的ITS
分析
→
期間別
比較・
散布図
早期復興期：2012〜2014年度（震災直後の参照期間）
回復期：2019〜2023年度

SSDSE-B 時系列分析 断絶時系列（ITS） 地域差比較 パネルデータ

データ：SSDSE-B 都道府県別パネルデータ

データの概要

統計センターが公表するSSSSE-B（社会・人口統計体系 都道府県別データ）2026年版を使用。47都道府県 × 12年度（2012〜2023年度）のパネルデータから以下の変数を分析に用いた。

変数単位分析での役割
保健医療費（二人以上の世帯）円 / 月 / 世帯健康状態の代理変数（目的変数）
転入者数（日本人移動者）人人口移動の把握
転出者数（日本人移動者）人人口移動の把握
総人口人比率計算の分母
一般病院数施設医療インフラの指標

分析対象の区分

区分都道府県地域コード
東北3県岩手県・宮城県・福島県R03000, R04000, R07000
全国（47都道府県）東北3県を含む全都道府県—
その他（44都道府県）東北3県を除く都道府県—
派生変数：転入超過率 人口規模による影響を除くため、転入超過数（転入者数 − 転出者数）を総人口で割り、千人あたりの比率として算出した。
転入超過率 = （転入者数 − 転出者数）/ 総人口 × 1000（人 / 千人）
1
時系列比較：保健医療費（東北3県 vs 全国平均）

保健医療費（家計支出のうち医療・保健関連の支出）は、住民の健康状態を反映する代理変数として広く利用される。健康状態が悪化するほど医療機関への受診や薬の購入が増加し、保健医療費が上昇する傾向がある。

保健医療費の時系列推移（東北3県 vs 全国平均）
図1：保健医療費の時系列推移（SSDSE-B 2012〜2023年度, 二人以上世帯）。黄色帯＝早期復興期（2012-2014）、緑色帯＝回復期（2019-2023）。実線：東北3県個別、破線：全国平均。
📌 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。
読み取りのポイント
  • 全国的に保健医療費は緩やかな上昇傾向にある（高齢化の影響）。
  • 東北3県の早期復興期における保健医療費の水準と全国平均との乖離に注目する。
  • 回復期（2019〜2023年度）にかけての変化が、復興の進捗を示す可能性がある。
  • 福島県は原発事故避難の影響が長期に続いたため、他の2県と異なる推移を示す場合がある。

DS LEARNING POINT 1

断絶時系列分析（ITS: Interrupted Time Series）

断絶時系列分析は、政策介入や突発的事象（ここでは東日本大震災）の前後で時系列トレンドがどのように変化したかを定量化する手法である。本研究では「視覚的ITS」として期間帯シェーディングにより早期復興期・回復期を区分し、トレンドの変化を視覚的に確認している。

数式では次のように表現する：

Y_t = β0 + β1*T + β2*D_t + β3*(T - T_break)*D_t + ε_t # T : 時間（連続変数） # D_t : 介入ダミー（震災前=0, 震災後=1） # β1 : 介入前トレンド # β2 : 介入直後の水準変化（level change） # β3 : 介入後のトレンド変化（slope change） # 東北3県 vs 全国平均の差を見ることで # 「震災固有の影響」を推定（差の差法的アプローチ）
2
人口変化：転入超過率の推移

大規模災害の後、被災地では避難による人口流出が生じる。東北3県では震災直後から長期にわたり転出超過が続いた。特に福島県は原子力発電所事故による避難指示の影響で転出圧力が持続した。

東北3県の人口移動：転入超過率の推移
図2：東北3県の転入超過率の推移（転入者数 − 転出者数）/ 総人口 × 1000。値が負の場合は転出超過（人口流出）を意味する。
📌 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。
転出超過と健康への影響 人口流出（転出超過）は地域の健康インフラにとって二重の意味を持つ。
  • 若年・就労世代が流出し、高齢化が加速する（残留者の医療需要が増加）。
  • 人口減少により医療機関・福祉施設の経営が圧迫され、医療インフラが縮小する。
  • コミュニティの解体が孤立や精神的健康悪化につながる可能性がある。
県早期復興期（2012-2014）の傾向回復期（2019-2023）の傾向
岩手県転出超過（震災・津波被害）転出超過が継続するも縮小傾向
宮城県比較的転出超過は限定的（復興特需）安定的な推移
福島県最大の転出超過（原発避難）転出超過が縮小するも他2県より継続

DS LEARNING POINT 2

差の差法（DiD: Difference-in-Differences）の概念

東北3県と全国平均を比較することは、差の差法（DiD）の考え方に基づいている。震災前後の変化を「処置群（東北3県）」と「対照群（その他44都道府県）」で比較することで、震災固有の影響を推定できる。

# 差の差（DiD）の推定 # ATT = E[Y_post - Y_pre | 処置群=1] - E[Y_post - Y_pre | 処置群=0] # 具体的には： ATT = (tohoku_post - tohoku_pre) - (other_post - other_pre) # 解釈： # 東北3県の震災前後の変化から、全国トレンド（自然変化）を引いた値 # → 震災そのものによる影響の推定値 # 重要な仮定：「並行トレンド仮定」 # 震災がなければ、東北3県と全国は同じトレンドを示したはずという仮定
3
医療インフラ：病院数の変化

震災は医療インフラにも直接的な被害を与えた。津波により沿岸部の医療機関が流失・損壊し、その後の復旧状況は地域の医療アクセスに大きく影響した。一般病院数の変化を全国と比較することで、医療インフラの回復状況を定量的に把握する。

一般病院数の変化：東北3県 vs 全国
図3：一般病院数の変化（SSDSE-B 2012〜2023年度）。左：東北3県の施設数の実値推移。右：2012年基準のインデックス比較（東北3県合計 vs 全国 vs 東北以外）。
📌 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。
インデックス化による公平な比較 東北3県と全国では病院数の絶対値が大きく異なるため、2012年を基準（= 100）としたインデックスで比較することで、変化率を公平に比較できる。東北3県のインデックスが全国（東北以外）より大きく低下していれば、震災固有の影響による医療インフラ縮小を示す。
視点東北3県全国（東北以外）解釈
実数変化（2012→2023）個別の病院数を図3左で確認全国的に病院数は減少傾向少子高齢化・医療再編の影響
インデックス変化図3右（赤線）で確認図3右（灰線）で確認東北が全国より大きく低下なら震災影響
解釈上の注意 一般病院数の減少は、必ずしも医療アクセスの悪化を意味しない。病院の統廃合による大規模化・機能強化が進む場合もある。保健医療費・人口変化と合わせて総合的に判断することが重要。
4
散布図：転出率 vs 保健医療費

転出率（転出者数 / 総人口 × 100）と保健医療費の関係を散布図で可視化することで、人口流出と健康状態の代理指標の多変量的な関係を探索する。東北3県を個別に強調表示し、全国の中での位置づけを確認する。

転出率 vs 保健医療費：東北3県 vs その他
図4：転出率（%）と保健医療費（円/月/世帯）の関係。左：早期復興期（2012〜2014年度）、右：回復期（2019〜2023年度）。東北3県はひし形マーカーで強調。
散布図から読み取れること
  • 早期復興期と回復期で、東北3県の相対的な位置がどのように変化したかを確認する。
  • 転出率が高い（人口流出）にもかかわらず保健医療費が高い場合、残留者の健康状態悪化を示唆する可能性がある。
  • 福島県は転出率と保健医療費の両方で特異な位置にある可能性がある。

DS LEARNING POINT 3

代理変数（プロキシ変数）の利用

住民の健康状態を直接測定することは困難なため、保健医療費を「健康状態の代理変数（Proxy Variable）」として用いる。代理変数の使用には利点と限界がある。

# 代理変数の利点と限界 # 利点： # - 公的統計（SSDSE）から容易に取得できる # - 時系列・都道府県比較が可能な既存データ # 限界（解釈上の注意）： # 1. 保健医療費が高い = 健康状態が悪い とは限らない # 例）所得が高い地域は医療を受けやすく支出も多い # 例）予防的受診が多い地域でも支出は増加する # # 2. 震災後の特殊な事情： # 仮設住宅での生活 → 医療機関アクセスが制限される可能性 # → 本当は健康状態が悪いが保健医療費が低く出る場合もある # # 3. 高齢化の影響： # 転出（若年層の流出）により残留者が高齢化 # → 保健医療費の上昇は高齢化バイアスが含まれる # 対処：消費支出（全体）に対する保健医療費の比率を見ることで # 所得水準の影響を部分的に除去できる ratio = df['保健医療費'] / df['消費支出（二人以上の世帯）'] * 100 print(f"保健医療費比率: {ratio.mean():.1f}%")

まとめ：復興と健康への政策示唆

主要な発見

SSDSE-B（都道府県別パネルデータ、2012〜2023年度）を用いた時系列・断絶時系列的分析の結果、以下の知見が得られた：

  1. 保健医療費（健康状態の代理指標）：東北3県、特に福島県では、全国平均と異なる推移が観察される可能性がある。早期復興期から回復期にかけてのトレンド変化が復興の進捗を反映する。
  2. 人口移動：震災直後から3県とも転出超過が生じ、特に福島県では原発事故避難の影響が長期間続いた。転出超過は地域の高齢化を加速させ、医療需要の構造変化をもたらす。
  3. 医療インフラ：一般病院数の変化インデックスにより、東北3県の医療インフラ回復状況を全国トレンドと比較可能である。インフラの回復遅れは医療アクセス格差につながりうる。
  4. 転出率と保健医療費の関係：散布図分析により、人口流出と健康状態指標の多変量的な関係を可視化し、東北3県の特殊性（全国の中での位置づけ）を確認した。
東北復興への政策示唆
  • 医療アクセスの確保：人口減少が進む地域でも医療機関を維持するための財政支援・遠隔医療の活用が重要。
  • 人口定着の促進：転出超過の抑制には、雇用創出・住環境整備・子育て支援の複合的施策が必要。
  • 長期モニタリング：健康影響は10年以上にわたって顕在化する可能性があり、継続的なデータ収集・分析が不可欠。
  • 福島の特殊性への対応：放射線リスクへの不安を含む精神的健康への支援は、物理的な復興とは別の軸での対策が求められる。

DS LEARNING POINT 4

データ分析による東北復興への政策示唆

統計データを用いた「証拠に基づく政策立案（EBPM: Evidence-Based Policy Making）」の観点から、本研究のような時系列・地域差比較分析は、復興政策の効果測定と課題発見に有効なツールとなる。

# 政策評価のフレームワーク（概念コード） # Step 1: 問い設定 # 「東北3県の保健医療費は震災後に全国平均を上回ったか？」 # Step 2: 比較設計（差の差法的） # 処置群: 東北3県（震災の直接影響） # 対照群: その他44都道府県（震災影響が相対的に小さい） # Step 3: 期間区分 # 早期復興期 (2012-2014) vs 回復期 (2019-2023) # Step 4: 成果指標の算出 diff_tohoku = tohoku_post.mean() - tohoku_pre.mean() # 東北の変化 diff_control = control_post.mean() - control_pre.mean() # 対照群の変化 DiD_estimate = diff_tohoku - diff_control # 差の差（震災固有の影響） print(f"差の差（DiD）推定値: {DiD_estimate:,.0f} 円") # Step 5: 政策立案への接続 # DiD推定値が有意に正 → 震災が保健医療費を押し上げた # → 被災地の医療費負担軽減策・健康支援策の根拠となる
教育的価値（この分析から学べること）
  • 避難生活と健康：災害後の長期避難は心身に影響する。災害公衆衛生学の重要テーマ。
  • 自然実験としての災害：誰がどの程度被災するかは（地理的にはともかく社会的には）外生的なので、被害量と健康変化の関係を分析できる。
  • PTSDなど見えにくい影響：心理的影響は数値化しにくいが、自殺率・心療内科受診率などで代理測定できる。

データ・コードのダウンロード

分析スクリプト（2022_U5_2_shorei.py）
データ出典備考
SSDSE-B-2026.csv（都道府県別データ） 統計センター SSDSE（社会・人口統計体系） 2012〜2023年度、47都道府県
保健医療費（二人以上の世帯） SSDSE-B 収録変数 家計消費支出のうち保健医療関連
転入・転出者数（日本人移動者） SSDSE-B 収録変数（住民基本台帳移動報告） 転入超過率の算出に使用
一般病院数 SSDSE-B 収録変数（医療施設調査） インデックス化して比較

本教育用コードは SSDSE-B-2026.csv の実データを使用（統計センター公表の公的統計データ）。

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（大学生・一般の部）｜ 東日本大震災後の避難生活と健康影響

⚠️ 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。
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。

📐 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

🔗 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) 因果関係ではない—相関は方向や原因を示さない。(2) 外れ値に弱い—1点で r が劇的に変わることも。(3) Pearson は線形のみ—非線形ならSpearman相関を使う。(4) 第三変数の存在を疑う—疑似相関を見抜く視点が必要。
🏛️ 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) 因果関係ではない—相関は方向や原因を示さない。(2) 外れ値に弱い—1点で r が劇的に変わることも。(3) Pearson は線形のみ—非線形ならSpearman相関を使う。(4) 第三変数の存在を疑う—疑似相関を見抜く視点が必要。
🌿 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) 因果関係ではない—相関は方向や原因を示さない。(2) 外れ値に弱い—1点で r が劇的に変わることも。(3) Pearson は線形のみ—非線形ならSpearman相関を使う。(4) 第三変数の存在を疑う—疑似相関を見抜く視点が必要。
📅 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) 因果関係ではない—相関は方向や原因を示さない。(2) 外れ値に弱い—1点で r が劇的に変わることも。(3) Pearson は線形のみ—非線形ならSpearman相関を使う。(4) 第三変数の存在を疑う—疑似相関を見抜く視点が必要。
🔄 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) 因果関係ではない—相関は方向や原因を示さない。(2) 外れ値に弱い—1点で r が劇的に変わることも。(3) Pearson は線形のみ—非線形ならSpearman相関を使う。(4) 第三変数の存在を疑う—疑似相関を見抜く視点が必要。
↔️ 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) 因果関係ではない—相関は方向や原因を示さない。(2) 外れ値に弱い—1点で r が劇的に変わることも。(3) Pearson は線形のみ—非線形ならSpearman相関を使う。(4) 第三変数の存在を疑う—疑似相関を見抜く視点が必要。

🚀 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：相関分析 の次のステップ
結果 X
本論文は 相関分析 を用いた推定を行った。
新仮説 Y
重回帰分析による多変数同時検証 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）重回帰分析による多変数同時検証 を実装し、本論文の係数推定と比較する。（2）交絡変数を統制した偏相関分析 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
パネルデータを用いた空き家に関する要因分析
次の論文 →
建物火災発生率予測モデルの構築および発生率の決定要因分析