📦 データカタログ — この教材で使うデータ、全部ここにあります

2020_U2_panel.csv

この教材で使うために、原論文と同じ出典から抽出・整形したデータ。出典と作り方は、使っている論文ページの再現スクリプト冒頭に書いてあります。

※ 先頭 8 列・2 行だけを表示しています。

このデータを使うページ：ふるさと納税は地方創生の切り札になりえるか

kinyu_literacy_2022_pref.csv

この教材で使うために、原論文と同じ出典から抽出・整形したデータ。出典と作り方は、使っている論文ページの再現スクリプト冒頭に書いてあります。

※ 先頭 8 列・2 行だけを表示しています。

このデータを使うページ：金融資産購入経験の要因分析

2025_U1_panel.csv

この教材で使うために、原論文と同じ出典から抽出・整形したデータ。出典と作り方は、使っている論文ページの再現スクリプト冒頭に書いてあります。

※ 先頭 8 列・2 行だけを表示しています。

このデータを使うページ：【2025年 総務大臣賞】何が女性議員比率を左右するのか

2025_U3_panel.csv

この教材で使うために、原論文と同じ出典から抽出・整形したデータ。出典と作り方は、使っている論文ページの再現スクリプト冒頭に書いてあります。

※ 先頭 8 列・2 行だけを表示しています。

このデータを使うページ：クラスタリングを用いた男子中学生の持久力低下の要因特定

2025_U4_panel.csv

この教材で使うために、原論文と同じ出典から抽出・整形したデータ。出典と作り方は、使っている論文ページの再現スクリプト冒頭に書いてあります。

※ 先頭 8 列・2 行だけを表示しています。

このデータを使うページ：日本におけるMRI設置の過剰導入検証

SSDSE-A — 市区町村データ

全国 1,700 あまりの市区町村ごとの人口・世帯・産業・行政などの基本統計。「市区町村単位で地域を比べたい」ときに使う。

※ 先頭 8 列・2 行だけを表示しています。

このデータを使うページ：南海トラフ地震に備えて、過疎地域の現状分析と発展に重要な視点、日本で暮らす外国人の動向から見た多民族化、地方創生目標指標に関する変化要因ネットワークの推定とそれに基づく地域間連携策の提案、マルチレベル分析を用いた市町村大学等進学率の決定要因分析、潜在患者数に対する医師偏在の可視化、外国人人口と市区町村の特性との関係性、人口増加と「住みやすい街」の関係、空き家を減らすために、若者の大都市から地方への移動要因を探る ―修正重力モデルによる分析―、消滅可能性自治体を救うには

SSDSE-B — 都道府県データ

47 都道府県ごとの人口・経済・教育・医療・環境など幅広い指標を、複数年度ぶん収録。この教材でいちばん多く使う。

※ 先頭 8 列・2 行だけを表示しています。

このデータを使うページ：本当に日本の医療は危機的状況にあるのか？、SSDSEデータを活用した全国学習状況調査結果との相関分析、交流人口増加による愛媛県の活性化、機械学習による15歳未満人口の推定、【2018年 総務大臣賞】地方創生における三つの「鍵」―現代日本の現状理解と地域特性による類型化―、人口規模によって異なる保育所数・保育所在所児数・定員充足率の関係、地方創生に向けた東京一極集中是正のための定量的都市圏選定指標の提案、ワンオペ育児から見る離婚、日本で暮らす外国人の動向から見た多民族化、旅館及びホテルにおける日本人・外国人宿泊客の都道府県別増減から考える旅館の復活、香川県の交通事故発生の要因を交通違反件数を基に分析する、都道府県別ごみ排出量とリサイクル率の決定要因：EKC仮説の検証、我が国における人口増減の決定要因、マルチレベル分析を用いた市町村大学等進学率の決定要因分析、市区町村別でみる合計特殊出生率推移の特徴分析、広域連携の政策検証 ―空間計量経済学的手法による実証分析―、空き家を減らすために、都道府県別ごみ排出量・環境負荷と経済発展の関係、都道府県別CO2排出量の決定要因と地球温暖化対策の分析、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、若者の投票率はなぜ低下したのか ―都道府県別・年代別投票率パネルデータ分析―、日本国内の“地方”の再構成および新地方に基づく成長戦略の提案、社会増減が合計特殊出生率に与える影響、外国人にとっての暮らしやすさとは、ごみの排出量と人口構成比に関する定量分析、少子化問題に向き合う、市区町村別に見た少子化の要因分析、若年女性の社会増減についての要因分析、外国人技能実習生の実習地選択：就労産業・国籍・都道府県別クラスター効果、自治体間の人口流動性を考慮した潜在的な人手不足の可視化、都道府県別パネルデータを用いた学力の決定要因分析、教育のICT化が生徒の学力に与える影響の分析、教育における芸術の影響、体力が基礎学力に与える影響について、ボランティア活動の決定要因：地域特性・社会資本の相関分析、市区町村というミクロ的視点から投票率の実態を探る、都市部と地方の教育格差の要因と課題〜日本の教育現場において〜、増減数から見るうつ病の要因、オンラインゲームと犯罪の関係、脱炭素社会に向けてサステナブルなまちづくりをしていくためには？（ほか 84 本）

SSDSE-C — 家計消費データ

都道府県庁所在市ごとの品目別の家計消費支出。「何にいくら使っているか」の地域差を見るためのデータ。

※ 先頭 8 列・2 行だけを表示しています。

このデータを使うページ：瀬戸内海におけるマダコの現状とその分析、家計調査を用いた消費重心と多変量解析による地域性の導出

SSDSE-D — 社会生活統計

生活時間・趣味・スポーツ・ボランティアなどの行動者率。「人が何をしているか」を都道府県で比べられる。

※ 先頭 8 列・2 行だけを表示しています。

このデータを使うページ：日本におけるワークライフバランスの達成状況とその課題、学習意欲を高めるために ～日本の教育を見直す～、テレワークの拡大と通勤通学時間の減少がもたらす影響と課題、「文化」を通し生活を豊かにするには、IT社会が生み出す連鎖する格差、生活の形態と女性の社会進出、変数重要度に着目したクラスタリングによる社会構造と睡眠時間の関係性の解析、医療費削減に向けたスポーツ時間増加策のデータ分析、小学生の運動能力についての要因分析、介護職の離職率に影響する地域要因の分析、自己肯定感を高める要因となる共通特徴の探求、不登校の原因究明と対策、女性の社会進出を支援する環境要因分析と改善案の提言

SSDSE-E — 都道府県庁所在市データ

県庁所在市を単位にした人口・面積・物価などの統計。

※ 先頭 8 列・2 行だけを表示しています。

このデータを使うページ：空き家を減らすために、「文化」を通し生活を豊かにするには、地方自治のDX化推進、少子化進行抑止のための家庭・社会要因の探究、都市部とへき地の英語格差を是正するためには、COVID-19の5類移行後における宿泊者数損失の要因分析、合計特殊出生率の決定要因の影響はコロナ禍で変化したのか、人口集中と経済成長の関係性―閾値回帰モデル―、金融資産購入経験の要因分析、データ駆動型因果探索による投票率変動要因の解明、小学生の運動能力についての要因分析、XAIを用いた介護業界における地域別の従業者数の就業要因、医師数偏在の要因と診療科偏在への影響、都市類型別にみる所得格差のメカニズム、地方移住の決定要因に関するパネルデータ分析、介護職の離職率に影響する地域要因の分析、小中高生の自殺要因についての統計的検討、自己肯定感を高める要因となる共通特徴の探求、不登校の原因究明と対策、都市性と医師密度・年齢調整死亡率、合計特殊出生率の変動要因分析、CO₂排出特性による市区町村の類型化と地域特性の関係、デジタル教科書は学力にプラスかマイナスか？機械学習×SHAP解析、人口動態の地域差に着目した基礎的分析

SSDSE-F — 気候値データ

気象観測地点ごとの平年値（気温・降水量・日照時間など）。

※ 先頭 8 列・2 行だけを表示しています。

このデータを使うページ：不登校の原因究明と対策

発展課題やデータの作り直しに使えます。「原論文と同じ粒度でやり直したい」ときの材料になります。

• data/2020_U2/furusato_受入額_団体別.xlsx（495.5 KB）
• data/2025_U2/2025_U2_pref.csv（4.0 KB）
• data/2025_U2/2025_U2_ts.csv（488 B）
• data/2025_U2/SSDSE-B-2026.csv（351.4 KB）
• data/2025_U3/2019_jh_fitness.xlsx（257.6 KB）
• data/2025_U3/2019_jh_student_q.xlsx（348.5 KB）
• data/2025_U3/2021_jh_fitness.xlsx（251.5 KB）
• data/2025_U3/2021_jh_student_q.xlsx（294.2 KB）
• data/2025_U3/2022_jh_fitness.xlsx（250.2 KB）
• data/2025_U3/2022_jh_student_q.xlsx（305.4 KB）
• data/2025_U3/SSDSE-B-2026.csv（351.4 KB）
• data/2025_U3/bmi_2019.xlsx（35.8 KB）
• data/2025_U3/bmi_2021.xlsx（32.1 KB）
• data/2025_U3/bmi_2022.xlsx（32.2 KB）
• data/processed/SSDSE-B-2026.utf8.csv（353.5 KB）
• data/processed/excluded_pop_lt1m.csv（8.8 KB）
• data/processed/joined.csv（42.8 KB）
• data/processed/kept_pop_ge1m.csv（26.1 KB）
• data/processed/pop_2023.csv（1.4 KB）
• data/processed/ssdse-long.csv（88.8 KB）
• data/processed/ssdse-pref-clean.csv（23.2 KB）
• data/processed/ssdse_b_2026_2023.csv（31.9 KB）
• data/processed/ssdse_with_density.csv（358.1 KB）
• data/raw/SSDSE-A-2022.csv（913.5 KB）
• data/raw/SSDSE-A-2023.csv（919.5 KB）
• data/raw/SSDSE-A-2024.csv（919.3 KB）
• data/raw/SSDSE-A-2026.csv（918.3 KB）
• data/raw/SSDSE-B-2026.meta.json（170 B）
• data/raw/SSDSE-B-2026.row_fingerprints.csv（17.8 KB）
• data/raw/extracted_texts.json（837.9 KB）
• data/raw/futoko_suii_R4.xlsx（17.8 KB）
• data/raw/futoko_suii_R5.xlsx（13.7 KB）
• data/raw/ijime_suii_R4.xlsx（21.2 KB）
• data/raw/mondai_kodo_R5_bouryoku.xlsx（15.6 KB）
• data/raw/mondai_kodo_R5_futoko.xlsx（15.5 KB）