論文一覧に戻る 統計データ分析コンペ 教育用再現集
2025年 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]

医師数偏在の要因と
医師数偏在の診療科偏在への影響

⏱️ 推定読了時間: 約31分
加藤篤（名古屋大学教育学部附属高等学校）
相関分析 ／ 重回帰分析（VIF確認） ／ Kruskal–Wallis検定 ／ Dunn検定（Bonferroni補正）
📝 3行で分かる要約

目次

  1. 研究の背景：医師偏在問題とは
  2. 分析手法
  3. 使用データと変数
  4. 相関ヒートマップ：偏在の要因探索
  5. 重回帰分析：医師偏在指標の規定要因
  6. Kruskal–Wallis検定：診療科偏在の比較
  7. 地域別分析：医師過疎地の診療科別影響
  8. 政策的含意
  9. コードのダウンロード
  10. 📥 データの準備
  11. 💼 実社会での応用
  12. ⚠️ よくある誤解
  13. 📖 用語集
  14. 📐 手法ガイド
  15. 🚀 発展の可能性
  16. 🎯 自分でやってみよう
  17. 🤔 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-E-2026.csv　← SSDSE-E（都道府県の指標2）📥 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/ │ └── 2025_H1_daijin.py ← 実行するスクリプト └── data/ └── raw/ SSDSE-B-2026.csv ← ここに置く SSDSE-E-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/2025_H1_daijin.py
図は html/figures/ に自動保存されます。

1. 研究の背景：医師偏在問題とは

日本では医師が都市部に集中し、地方では慢性的な医師不足が続いています。 厚生労働省が公表する医師偏在指標によると、都道府県間・二次医療圏間で 医師数の格差は依然として大きく、医療アクセスの不平等につながっています。

問題意識 医師偏在はなぜ生じるのか？どのような地域的・制度的要因が偏在を拡大・縮小させるのか？ そして医師数の偏在は、産婦人科・小児科など特定の診療科の偏在にどう影響するのか？ 本研究は都道府県別データを用いてこれらを実証的に検証します。

本論文は医師偏在の要因分析と診療科偏在への影響という二段階の問いを設定し、 相関分析・重回帰分析・Kruskal–Wallis検定を組み合わせて分析しています。

分析対象
47
都道府県
主要分析手法
4種
相関・重回帰・KW検定・Dunn検定
注目診療科
2科
産婦人科・小児科
多重比較補正
Bonferroni
Dunn検定に適用

2. 分析手法

2-1. 分析の流れ

01
相関分析
医師偏在指標と各説明変数のPearson相関係数を算出し、ヒートマップで可視化
02
重回帰分析
医師偏在指標を目的変数とした重回帰。VIF確認で多重共線性を排除
03
Kruskal–Wallis検定
医師過疎・充足・過剰の3グループ間で診療科偏在指標の差を検定
04
Dunn検定（Bonferroni）
KW検定で有意差があった場合の事後検定。多重比較をBonferroni法で補正

2-2. 重回帰モデル

【重回帰モデル】 医師偏在指標 = β₀ + β₁×面積当たり病院・診療所数 + β₂×医師地元定着率 + β₃×高齢化率 + β₄×財政力指数 + ε 【VIF確認（多重共線性の診断）】 VIF_j = 1 / (1 - R²_j) ※ VIF > 10 の変数は除外
Kruskal–Wallis検定とは 一元配置分散分析のノンパラメトリック版。正規性が仮定できない場合でも、 3グループ以上の中央値の差を検定できます。標本サイズが小さい都道府県データに適した手法です。 H統計量が有意（p<0.05）なら、少なくとも1つのグループが異なる分布を持ちます。

DATA SCIENCE POINT

ノンパラメトリック検定の使い所

都道府県数はN=47と小さく、正規分布の仮定が怪しい場合があります。 Kruskal–Wallis検定は順位に基づく検定のため、外れ値の影響を受けにくい頑健な手法です。

from scipy.stats import kruskal, mannwhitneyu import scikit_posthocs as sp # Kruskal–Wallis検定 h_stat, p_val = kruskal(group1, group2, group3) # 事後検定（Dunn検定・Bonferroni補正） dunn_result = sp.posthoc_dunn( [group1, group2, group3], p_adjust='bonferroni' )

3. 使用データと変数

データソース内容
厚生労働省 医師偏在指標都道府県・二次医療圏別の医師偏在指標（標準化スコア）
医師・歯科医師・薬剤師統計診療科別医師数（産婦人科・小児科等）
医療施設調査病院・診療所数、面積あたり施設密度
医師の出身大学・就業地調査地元医科大卒業者の地元定着率
住民基本台帳人口移動報告都道府県別人口・高齢化率

主要変数の定義

変数名定義期待される符号
医師偏在指標厚労省算出の標準化スコア（高いほど医師が充足）目的変数
面積当たり施設数面積（km²）あたり病院・診療所数+（正）
医師地元定着率地元医科大出身で同県勤務の医師割合+（正）
高齢化率65歳以上人口割合±（不明）
財政力指数地方自治体の財政的豊かさ指標+（正）
産婦人科偏在指標産婦人科医師の標準化偏在スコア従属変数（検定）
小児科偏在指標小児科医師の標準化偏在スコア従属変数（検定）

4. 相関ヒートマップ：偏在の要因探索

まずどの要因が医師偏在と関係しているかを俯瞰することが有効だと考えられる。 その理由は偏在の規定要因が複数存在し、回帰モデルを組む前に有力な候補を絞り込む必要があるからである。 ここでは説明変数間の関係性にも着目し、Pearson相関係数のヒートマップという手法を用いる。 強い相関が見える変数があれば、後段の重回帰でその効果を定量化できると期待される。

相関ヒートマップ
図1. 医師偏在指標と各要因変数の相関ヒートマップ（Pearson相関係数）
📌 この相関ヒートマップの読み方
このグラフは
複数の変数ペア間の相関係数（−1〜+1）を色の濃淡で示した行列図。
読み方
濃い赤（または青）が強い正（または負）の相関。対角線は常に1.0。
なぜそう解釈できるか
説明変数どうしの相関が高い（|r| > 0.8）と多重共線性の警告サイン。

ヒートマップから、医師偏在指標と強く相関する変数を視覚的に把握できます。 特に面積当たり病院・診療所数と医師地元定着率が 正の相関を示しており、設備的要因と医師の地域定着が偏在の重要な規定要因であることが示唆されます。

相関分析の留意点 相関係数はあくまで2変数間の線形関係を示すもの。 因果関係の解釈には慎重を要します。また変数間の交絡（confounding）を考慮するには 重回帰分析が必要です。

5. 重回帰分析：医師偏在指標の規定要因

前節の相関ヒートマップで施設密度・地元定着率と強い正相関が見えた結果を踏まえると、 これらが医師偏在の本質的な規定要因であると考えられる。 ただし相関だけでは他変数の交絡を排除できず検証が必要であるため、 その手法としてVIF確認付きの重回帰分析に着目した。 他変数を統制しても施設密度・地元定着率の係数が有意に正となる結果が期待される。

重回帰分析結果
図2. 重回帰分析の係数プロット（標準化係数・95%信頼区間）とVIF確認
📌 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。

推定結果のまとめ

説明変数標準化係数有意性解釈
面積当たり施設数+（正）p<0.05設備の密度が高いほど医師が集まる
医師地元定着率+（正）p<0.05地元定着が医師偏在を緩和する
高齢化率± 非有意p>0.10単純な高齢化率との関係は弱い
財政力指数+ 弱いp<0.10財政力は正の方向だが効果は限定的
VIF確認の結果 すべての説明変数のVIF値が10未満であり、深刻な多重共線性は確認されませんでした。 モデルの推定は安定しています。
主な知見 設備的要因（面積当たり病院・診療所数）と医師の地元定着率が医師偏在指標に有意な正の影響を与えています。 都市部ほど施設が密集し、地方の医科大学卒業者が地元に残ることが、 医師偏在の縮小に寄与することが示されました。

6. Kruskal–Wallis検定：診療科偏在の比較

前節の医師「全体」の偏在要因が特定できた結果を踏まえると、 診療科ごとに偏在の深刻さが異なる構造が背景にあると考えられる。 これを検証する必要があるが、その手法として3群比較に頑健なKruskal–Wallis検定に着目した。 正規性を仮定しないノンパラメトリック手法を用いることで、外れ値の影響を抑えつつ 医師過疎地で産婦人科・小児科がより不足するという結果が期待される。

Kruskal-Wallis検定結果
図3. 医師偏在グループ別の産婦人科・小児科偏在指標の箱ひげ図とKW検定結果
📌 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。

都道府県を医師偏在指標の値に基づき過疎グループ・中間グループ・充足グループの 3グループに分類し、産婦人科・小児科の偏在指標についてKruskal–Wallis検定を実施しました。

検定結果 産婦人科偏在指標、小児科偏在指標ともに、3グループ間で有意差が確認されました（p<0.05）。 Dunn検定（Bonferroni補正）により、特に医師過疎グループで産婦人科・小児科が 有意に低い偏在指標を示すことが明らかになりました。

医師数が全体的に少ない地域では、特定の診療科（産婦人科・小児科）の医師不足も より深刻になる傾向があり、医師偏在と診療科偏在が正の相関を持つことが統計的に確認されました。 ただし、医師偏在指標と診療科偏在指標の間には負の相関も一部で観察されており、 都市部でも特定診療科が不足するケースがあることを示唆しています。

7. 地域別分析：医師過疎地の診療科別影響

地域別診療科偏在分析
図4. 地域ブロック別・診療科別の医師偏在パターン（産婦人科・小児科）
📌 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。

地域ブロック別に分析すると、医師過疎が深刻な地域（東北・山陰・四国・九州離島部など）では 産婦人科・小児科の偏在がとりわけ顕著です。

産婦人科・小児科が集中しやすい構造的要因 これらの診療科は高度な設備と連携が必要なため、大規模病院への集約が進みやすい傾向があります。 また、分娩件数の減少により地方の産科の採算が悪化し、閉院が相次いでいることも 地域格差を拡大させる要因となっています。

8. 政策的含意

ここまでの「施設密度・地元定着率が偏在に効き、医師過疎地ほど産婦人科・小児科も不足する」結果を踏まえると、 単一の施策では偏在解消は困難で、医療提供体制と人材育成の両輪が必要と考えられる。 実装上は地域枠・地域医療構想・診療科別の手当加算の組み合わせ効果を検証する必要があり、 本節ではエビデンスに基づく政策パッケージの方向性を整理する。

分析結果は、医師偏在対策として以下の方向性を示しています。

研究の限界と今後の課題 本研究は都道府県レベルの集計データを用いており、二次医療圏・市区町村レベルの より細かい分析が今後の課題です。また、医師の個人的な選好（ライフスタイル・給与）など 本研究でカバーできていない要因も偏在に影響している可能性があります。
教育的価値（この分析から学べること）
  • 医師偏在の構造：地理的偏在（都市集中）と診療科偏在（外科離れ等）の2つの問題が併存する。
  • 代理変数：『医師の質』は直接測れない。経験年数・専門医比率などで代理する。
  • 政策設計の難しさ：医師は職業選択の自由があるので、強制配分は困難。インセンティブ設計が鍵。

9. コードのダウンロード

以下のPythonスクリプトをダウンロードして、分析を再現できます。

ファイル内容ダウンロード
2025_H1_daijin.py 相関分析・重回帰・KW検定・Dunn検定・図表生成スクリプト Python

実行環境

pip install pandas numpy scipy matplotlib seaborn scikit-posthocs statsmodels

# 分析・図表生成
python3 code/2025_H1_daijin.py

⚠️ 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。
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。
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。
🔬 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。
↔️ 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
人口動態の地域差に着目した基礎的分析
次の論文 →
都市類型別にみる所得格差のメカニズム