Carlos Mendez

宇宙から地域開発を予測・モニタリングする

Thu, 31 Dec 2026 00:00:00 +0000

スライドを全画面で開く — Carlos Mendez。M でメニュー、F で全画面、S で発表者ノートを表示します。

持続可能な開発、宇宙技術、データサイエンス

Sun, 01 Nov 2026 00:00:00 +0000

スライド by Carlos Mendez

会場と開催時間の詳細は追ってお知らせします。

AI支援による学習と研究：生成・検証・ツール統合

Fri, 30 Oct 2026 00:00:00 +0000

スライド by Carlos Mendez

Pythonによるパネルデータ手法入門

Fri, 02 Oct 2026 00:00:00 +0000

FWL定理：多変量回帰を直感的に理解する

Mon, 28 Sep 2026 00:00:00 +0000

開発の地理学に関する考察

Thu, 27 Aug 2026 00:00:00 +0000

スライド by Carlos Mendez

インフラの効果を評価する：ジャムナ橋で学ぶ差分の差分法（DiD）入門

Wed, 05 Aug 2026 00:00:00 +0000

Pythonによるベイズ空間Synthetic Control：scspillとmlsynthで読み解くカリフォルニア州提案99

Mon, 03 Aug 2026 00:00:00 +0000

Pythonで登る合成コントロールのはしご：mlsynthライブラリ徹底入門とブレグジットの事例

Sun, 02 Aug 2026 00:00:00 +0000

差の差法から合成差の差法へ：ブレグジットは英国のGDPをどれだけ失わせたのか

Fri, 31 Jul 2026 00:00:00 +0000

隣人は誰か：Rによる空間重み行列のベイズ推定

Thu, 30 Jul 2026 00:00:00 +0000

scspill

Tue, 28 Jul 2026 00:00:00 +0000

処理が漏れ出すときの合成コントロール — 処理群への効果と、各ドナーが受け取るスピルオーバーを。

scspill は、ドナープールに対するSUTVAを外した合成コントロールモデルのPythonパッケージです。処理がコントロール群に及ぶことを許し、いずれのモデルも2つの推定対象を報告します。すなわち、汚染を取り除いた処理群への効果と、各ドナーが受け取るスピルオーバー効果です。後者は従来の合成コントロールでは表現すること自体ができません。現在利用できるモデル sar は、ユーザーが指定した空間重みを通じてスピルオーバーを伝え、その大きさを単一の強度パラメータ ρ で調整します。この ρ は仮定するのではなく推定されます。合成ウェイトは制約を課さないホースシュー（horseshoe）縮小推定で求めるため、ドナーは除外されることも、負の値をとることも、外挿することもできます。そして2つの推定対象いずれについても完全なベイズ的不確実性を返します。ρ = 0 のとき、モデルはベイズ的ホースシュー合成コントロールに厳密に一致します。推定器のアーキテクチャは mlsynth（pydanticの設定を入力とし、標準化された結果オブジェクトを出力する）に従い、method の名称は同ライブラリの SPILLSYNTH ディスパッチャと一致するため、両者は自然に組み合わせられます。

🚀 はじめに

カリフォルニア州の提案99（Proposition 99）を対象に、およそ10行でモデルを推定します。95%信用区間付きのATT、スピルオーバー強度 ρ、各ドナーが年ごとに受け取るスピルオーバー、MCMC診断、反事実プロットが得られます。

▶ Colab で開く

🧬 モデル

現在提供されているモデルは1つ、sar です。Sakaguchi・Tagawa (2026) による、空間自己回帰型スピルオーバーを備えたベイズ合成コントロールです。さらに3つのスピルオーバー対応モデルがロードマップにあります。Cao・Dowd のモデル、Di Stefano・Mellace の包括的合成コントロール、Grossi ほかによる部分干渉SCGです。これらは未実装であり、SCSPILLConfig はこれらの名称を黙って別のモデルで代替せず、明示的に拒否します。

🧪 検証

sar のサンプラーが正しいことを示す証拠です。Geweke (2004) の同時分布検定、事前分布の感度グリッド、事前予測チェック、そして著者らのR実装による固定済み信用区間との交差検証。

機能の概要

scspill — モデル層。SCSPILL(config).fit() は、ATTとその信用区間、反事実の経路、ρ の事後分布、時点×ドナーのスピルオーバーパネル、MCMC診断を返します。

scspill.validation — sar のサンプラー検証。Gewekeの同時分布検定、事前分布の感度グリッド、事前予測チェック。

scspill.simulate — sar のモンテカルロエンジン。ルーク型格子によるSARデータ生成過程と、論文の表1・表2の基礎となる SCM / BSCM / SCSPILL の比較です。

scspill.data — 以下のスピルオーバーパネル。モデルに依存しない形式のため、今後追加されるモデルでもそのまま利用できます。

sar は実装されているだけでなく検証されています — 著者らのRレプリケーションパッケージと交差検証されています。カリフォルニアとスーダンの事後分布は固定済みのR信用区間と、モンテカルロのグリッドは論文の固定済みの表と、事前予測統計量は小数第3位まで照合されています。既定の設定は論文に忠実で、参照実装に残る複数の既知の不具合が修正されており、それぞれに従来挙動へ戻す手段か差分を定量化したベンチマークが用意されています。詳しくは sar モデルのページをご覧ください。

付属のケーススタディ

scspill.data には、すぐに推定できる2つのデータセットが含まれています。

カリフォルニア — 提案99、39州（1970–2000年）。一人当たり紙巻たばこ販売量とルーク型隣接重み。scspill.data.load_california() で読み込みます。
スーダン — 2011年の分離独立、アフリカ34か国（2000–2015年）。一人当たりGDPと貿易ネットワーク重み。scspill.data.load_sudan() で読み込みます。スーダンのケーススタディで詳しく扱っています。

インストール

最新リリースはPyPIから入手できます（基本のインストールはNumPy/SciPyのみ。numba エクストラでJITコンパイル済みサンプラーが追加されます）。

pip install scspill # NumPy/SciPy sampler backend
pip install "scspill[numba]" # + JIT-compiled samplers (~10x faster)
pip install "scspill @ git+https://github.com/quarcs-lab/scspill.git" # latest

Python 3.10 以上が必要です。

ひと目で

付属のケーススタディを読み込み、サンプラーを実行して、2つの推定対象を確認します。

from scspill import SCSPILL
from scspill.data import load_california
panel = load_california() # Prop 99 panel + rook-contiguity weights
result = SCSPILL(
{**panel.config_kwargs(), "m_iter": 20_000, "burn": 10_000, "seed": 42}
).fit()
result.att, result.att_ci # treatment effect on California + 95% CrI
result.rho_hat, result.rho_ci # spillover intensity posterior
result.spillover_panel["Nevada"] # the effect received by Nevada, per year
result.diagnostics() # ESS / R-hat / MCSE per chain
result.plot(kind="panel") # counterfactual | effect | top spillovers

推定器の動きは、はじめに、モデル、検証でご覧いただけます。

基盤

scspill は依存関係を意図的に軽く保っています。現代的なPythonの科学計算スタックのみで構成されています。

NumPy と SciPy — サンプラーの計算基盤
pandas — パネルとスピルオーバーの表
pydantic — 検証付きの推定器設定
matplotlib — 診断図と反事実の図
numba — オプションのJITコンパイル済みサンプラー

謝辞

scspill の著者は Carlos Mendez、Shosei Sakaguchi、Hayato Tagawa の3名です。本Pythonパッケージは Carlos Mendez が執筆し、保守しています。sar モデルとそのオリジナルのR/C++実装は Shosei Sakaguchi 氏と Hayato Tagawa 氏によるものです。両氏のレプリケーションパッケージはMITライセンスで公開されており、その著作権表示は本ライブラリの LICENSE に保持されています。また scspill の各リリースは、その固定済みの結果と交差検証されています。推定器のアーキテクチャは Jared Greathouse 氏の mlsynth に、ドキュメント基盤は QuaRCS Lab の geometrics パッケージに倣っています。

scspill をご利用の際は、本ソフトウェアを引用してください（機械可読なメタデータは CITATION.cff にあります）。

Mendez, C., Sakaguchi, S., & Tagawa, H. (2026). Synthetic Control Models with Spillovers in Python (version 0.2.1). https://github.com/quarcs-lab/scspill

MITライセンスで公開されています。

AI時代のデータサイエンス・計量経済学・研究

Tue, 21 Jul 2026 00:00:00 +0000

スライドを全画面で開く — Carlos Mendez。M でメニュー、F で全画面、S で発表者ノートを表示します。

差分の差分法における共変量：PythonによるLaLondeテスト

Thu, 16 Jul 2026 00:00:00 +0000

geometrics

Thu, 02 Jul 2026 00:00:00 +0000

地域の成長・収束・格差 — 空間的に、Pythonで。

geometrics は PySAL ファミリーを基盤とし、地域収束の文献における標準的な分析を、インタラクティブな Plotly の図、出版品質の Great Tables、整然とした（tidy）DataFrame を返す適用しやすい関数にまとめています。探索／分析／学習のワークフローに、すべての結果を解釈・説明する組み込みの学習レイヤーと3つのノーコードアプリを組み合わせています。学生、教員、応用研究者のいずれにも役立つように作られています。

🗺️ 探索

地域を地図化し記述します。分類・アニメーション化されたコロプレス図、空間重みの接続性、モランの散布図と LISA クラスターマップ、時空間ビュー。

🚀 アプリを開く · ▶ Colabで開く

🧮 分析

モデルを推定します。β・σ・クラブ収束、インパクトを伴う空間計量経済モデル、マルコフおよび空間マルコフのダイナミクス、空間分解を伴うジニ／タイルの格差、GWR／マルチスケール GWR。

🚀 アプリを開く · ▶ Colabで開く

📚 学習

手法の背後にある考え方を確かめます。既知の真実を自分で調整できる11個の実行可能な概念サンドボックス、30トピックの解説インデックス、そしてすべての結果に対する平易な言葉での解説。

🚀 アプリを開く · ▶ Colabで開く

ブラウザでアプリを試す

インストールもコードも不要 — 3つの geometrics アプリが、ワークフロー全体をブラウザ上で実行します。ポイント＆クリックの地図とモデル、ソート可能な表、再現可能なエクスポート。それぞれがドキュメントのケーススタディに対応するノーコード版です。

🗺️ 探索アプリ · 🧮 分析アプリ · 📚 学習アプリ

機能の概要

地図と ESDA — 分類／アニメーション化されたコロプレス図、空間重みの接続性、モランの散布図、LISA クラスターマップ、時系列でのモランの I。

時空間ダイナミクス — 横断面分布の推移とエンティティ×時間のヒートマップ。

収束 — OLS または空間推定量による β 収束、σ 収束、そしてクラブマップ付きの Phillips–Sul 収束クラブ。

空間計量経済学 — spreg スイート、モデル推奨付きの LM 診断、代替的な重みによる頑健性。

分布ダイナミクス — マルコフおよび空間マルコフの遷移分析。

格差 — 空間分解を伴うジニ／タイルのトレンド、タイルの級間／級内分解。

局所モデル — 局所係数を地図化した GWR とマルチスケール GWR。

概念サンドボックス — 既知のデータ生成過程からデータをシミュレートする11個の教育用関数。

付属のケーススタディ

geometrics.data には、すぐに分析できる2つのケーススタディが付属しています。

インド — 520の地区、衛星による夜間光（1996〜2010年）：gm.data.load_india()、load_india_states()。
ボリビア — PWT に基づく地域 GDP（2021年購買力平価の米ドル、2012〜2022年）を3つの地理的スケールで：gm.data.load_bolivia()（112の郡）、load_bolivia_departments()（9の県）、load_bolivia_grid()（1,603のグリッドセル）。

インストール

最新リリースを PyPI からインストールします（基本インストールでほとんどのワークフローに対応します。エクストラでマルコフのダイナミクス、ノーコードアプリ、PNG エクスポートを追加できます）。

pip install geometrics # core
pip install "geometrics[dynamics]" # + Markov / spatial Markov (giddy)
pip install "geometrics[streamlit]" # + the three no-code apps
pip install "geometrics[all]" # everything, incl. PNG export

Python 3.11 以上が必要です。

ひと目で

付属のケーススタディを読み込み、変数ラベルを付与して地図化します — すべての図はインタラクティブな Plotly オブジェクトです。

import geometrics as gm
# India — 520 districts, satellite nighttime lights (1996–2010)
gdf, df, df_dict = gm.data.load_india()
df = gm.set_labels(df, df_dict, set_panel=True)
# A classified choropleth of nighttime lights in 2010
gm.explore_choropleth_map(df, "ntl_total", gdf=gdf, period=2010).fig

収束を推定し、それ自身に説明させる — β 収束と σ 収束、それぞれに平易な言葉での解説を添えて。

beta = gm.analyze_beta_convergence(df, "ntl_total", model="ols")
print(beta.interpret()) # plain-language, associational reading
sigma = gm.analyze_sigma_convergence(df, "ntl_total")

学びながら進む — 概念サンドボックスと解説。

gm.learn_beta_convergence(convergence_rate=0.02) # a runnable concept sandbox
print(gm.explain("spatial_autocorrelation")) # a concept explainer; gm.list_topics() lists all 30

探索、分析、学習で各関数の動作をご覧ください。

基盤

geometrics は、空間分析エコシステム PySAL とモダンな Python のデータスタックの上に成り立っています。

PySAL — libpysal（重み）、esda（モランの I／LISA）、giddy（分布ダイナミクス）、inequality（ジニ／タイル）、mapclassify（コロプレス図の分類）、spreg（空間回帰）、mgwr（マルチスケール GWR）
geopandas — 地理空間データフレーム
Plotly — インタラクティブな図
Great Tables — 出版品質の表

謝辞

geometrics は QuaRCS Lab（定量地域・計算科学）で開発されており、PySAL プロジェクト、geopandas、Plotly、Great Tables の上に成り立っています。研究で geometrics を使用する際は、リポジトリ（CITATION.cff を参照）および基盤となる PySAL パッケージを引用してください。

AI時代の応用計量経済学と研究

Tue, 23 Jun 2026 10:00:00 +0000

スライド by Carlos Mendez

expdpy

Thu, 18 Jun 2026 00:00:00 +0000

パネルデータをインタラクティブに探索・分析・学習 — Pythonで。

expdpy は、インタラクティブな Plotly の図と出版品質の Great Tables を返す組み合わせ可能な関数に、fixest スタイルの計量経済学、すべての結果を解釈・説明する組み込みの学習レイヤー、そして3つのノーコードアプリを組み合わせています。学生、教員、応用研究者のいずれにも役立つように作られています。

🔍 探索

パネルを記述・可視化します。表、分布、欠損値マップ、時系列トレンド、グループ比較、散布図、級内／級間（within／between）変動、パネルダイナミクス。

🚀 アプリを開く · ▶ Colabで開く

🧮 分析

モデルを推定します。固定効果／変量効果／相関変量効果、FWL、ハウスマン検定、頑健な推測、イベントスタディ／DiD、β／σ／クラブ収束、クズネッツ波形曲線。

🚀 アプリを開く · ▶ Colabで開く

📚 学習

手法の背後にある考え方を確かめます。既知の真実を自分で調整できる9つの実行可能な概念サンドボックス、27トピックの解説インデックス、そしてすべての結果に対する平易な言葉での解説。

🚀 アプリを開く · ▶ Colabで開く

ブラウザでアプリを試す

インストールもコードも不要 — 3つの ExPdPy アプリが、ワークフロー全体をブラウザ上で実行します。サンプルパイプライン、ポイント＆クリックの分析、ソート可能な表、再現可能なノートブックのエクスポート。それぞれがドキュメントのケーススタディに対応するノーコード版です。

🔍 探索アプリ · 🧮 分析アプリ · 📚 学習アプリ

機能の概要

探索 — 記述・相関・極値の表、ヒストグラムと棒グラフ、時系列・分位点トレンド、グループ別の棒／バイオリン／トレンドビュー、欠損値ヒートマップ、LOESS 平滑化（任意）付きの散布図、級内／級間（xtsum）分解、ユニット別の軌跡、パネル構造の診断、分布・遷移ダイナミクス、treat_outliers。

分析 — pyfixest による多元固定効果とクラスター頑健標準誤差付きの OLS、より充実した analyze_estimation（ステップワイズ／複数アウトカム、Newey–West・Driscoll–Kraay 標準誤差）、プールド（pooled）／級間（between）／固定効果／変量効果と相関変量効果（Mundlak）推定量、ハウスマン検定、推定後ツール（固定効果プロット、予測、Wald 同時検定）、頑健な推測（ランダム化推測、ワイルドクラスターブートストラップ）、Frisch–Waugh–Lovell プロットと係数プロット、最新のイベントスタディ／時差のある差分の差分法（did2s、Sun–Abraham、LP-DiD、動的 TWFE）、β・σ・クラブ収束、そしてプールド／級間／級内推定量によるクズネッツ波形曲線。

学習 — すべての結果が平易な言葉で語ります。.interpret() は連関的（associational）な解説を返し（デザインが裏付けない限り因果的な主張はしません）、.explain() ／ explain(topic) ／ list_topics() で27の概念解説を閲覧できます。9つの概念サンドボックスがデータをシミュレートし、既知の真実を見て調整できます — 一階差分 ≈ 平均除去 ≈ ダミー変数の恒等関係、固定効果、クラスタリング、欠落変数バイアス、β／σ／クラブ収束、クズネッツ波。

付属データセット — expdpy.data には、すぐに探索できるパネルが付属しています。kuznets（N字型クズネッツ曲線の代表的なデモ）、gapminder、staggered_did（イベントスタディ／DiD）、productivity、bolivia112_gdppc（収束）。データ辞書については kuznets データセットのページをご覧ください。

インストール

最新リリースを PyPI からインストールします（変量効果、CRE、ハウスマン検定はそのまま利用できます。アプリには streamlit エクストラが必要です）。

pip install expdpy
pip install "expdpy[streamlit]" # the no-code ExPdPy apps (Streamlit)

uv を使う場合：

uv pip install expdpy
uv pip install "expdpy[streamlit]"

最新の未公開バージョンは、main ブランチから直接インストールできます。

pip install "git+https://github.com/cmg777/expdpy.git"

Python 3.10 以上が必要です。

ひと目で

このドキュメント全体を通じた主要な例は、付属の kuznets パネル（80か国 × 2015〜2025年）です。地域間の格差が所得に対して N字型のクズネッツ曲線を描く合成データセットで、上昇し、下降し、非常に高い所得で再び上昇します。

import expdpy as ex
from expdpy.data import load_kuznets
df = load_kuznets()
# The N-shaped regional Kuznets curve: regional inequality vs (log) GDP per capita
ex.explore_scatter_plot(
df, x="log_gdp_pc", y="gini_regional", color="continent", size="population", loess=1
).fig

回帰を実行し、それ自身に説明させる — 二元固定効果、クラスター頑健標準誤差、平易な言葉での解説、係数プロット。

res = ex.analyze_regression_table(
df,
dvs="gini_regional",
idvs=["log_gdp_pc", "log_gdp_pc_sq", "log_gdp_pc_cu"],
feffects=["country", "year"],
clusters=["country"],
)
print(res.interpret()) # plain-language, associational reading
ex.analyze_coefficient_plot(res) # themed coefficient plot with confidence intervals

学びながら進む — 概念サンドボックスと解説。

ex.learn_first_differences() # first differences ≈ demeaning ≈ dummy variables
print(ex.explain("fixed_effects")) # a concept explainer; ex.list_topics() lists all 27

探索、分析、学習で各関数の動作を確認するか、kuznets データセットのページでデータ辞書をご覧ください。

基盤

expdpy は、モダンな Python のデータ・計量経済学スタックの上に成り立っています。

Plotly — インタラクティブな図
pyfixest — 固定効果および差分の差分法の推定量
Great Tables — 出版品質の表
linearmodels — 変量効果／級間／相関変量効果とハウスマン検定
Streamlit — ノーコードの ExPdPy アプリ

謝辞

expdpy は、Joachim Gassen 氏と TRR 266 Accounting for Transparency プロジェクトによる優れた R パッケージ ExPanDaR の Python 移植版として始まり、その基盤は今もその成果に深く着想を得ています。時を経て、expdpy は元のパッケージをはるかに超えて成長しました — fixest スタイルの推定量、イベントスタディ／差分の差分法のツール、変量効果・相関変量効果のパネルモデル、収束分析、結果を解釈・説明する組み込みの学習レイヤー — そして今後も進化を続けます。

ExPanDaR の作者の皆様に感謝します。研究で expdpy を使用する際は、原典を引用してください（CITATION.cff を参照）。

宇宙から見る地域間格差：夜間光からGDPを予測し、Pythonで不平等指標を構築する

Mon, 15 Jun 2026 00:00:00 +0000

空間的格差とクズネッツ曲線：Rによるパラメトリックおよびセミパラメトリック推定

Sun, 14 Jun 2026 00:00:00 +0000

工業団地は機能するのか？差分の差分法によるエチオピアの場所に基づく政策の評価

Fri, 12 Jun 2026 00:00:00 +0000

Pythonによる動学パネルデータモデル：ニッケル・バイアスからシステムGMMまで

Thu, 11 Jun 2026 00:00:00 +0000

Indonesia514

Wed, 10 Jun 2026 00:00:00 +0000

Indonesia514：インドネシアの514地区における地域開発を研究するためのデータサイエンス・リポジトリ

Indonesia514 へようこそ！本プロジェクトは、インドネシアの514の地区を対象に、GDP、投資、政府支出などの地域経済指標と地理空間データを集約したものです。すべてのデータセットは共通の識別子 districtID を共有しているため、1つの分析用テーブルに統合できます。

本リポジトリは、以下に関心を持つ研究者やデータサイエンス従事者向けに構成されています。

地域経済： 地区レベルの成長、資本形成、財政政策を測定する。
空間分析： 経済指標を地区のジオメトリと結び付け、地図作成や空間計量経済学に活用する。
再現可能なワークフロー： 単一の結合キーを用いて、オープンデータセットを直接Pythonに読み込む。

⚙️ 開発中。 本リポジトリは初期段階のドラフトです。地区の境界はGeoJSON形式で完成しており、バイリンガル（英語／インドネシア語）のウェブサイトも公開されていますが、経済データセットは現在16地区分のサンプルデータのみを収録しています。514地区すべての完全な系列は準備中です。インタラクティブなダッシュボードや分析ノートブックは計画段階であり、まだ公開されていません。

💾 データセット

モジュールごとに整理され、すべてが一意の識別子（districtID）で結び付けられた、整備済みのデータセットです。

データセット	ファイルパス	説明	結合キー
GDP	`/gdp/gdp.csv`	地区レベルの国内総生産（2010–2022年）。	`districtID`
GFCF	`/gfcf/gfcf.csv`	総固定資本形成（投資の指標）（2010–2022年）。	`districtID`
政府支出	`/gs/gs.csv`	政府支出および財政政策の分布（2010–2022年）。	`districtID`
空間ベクター	`/maps/mapIdonesia514tp.geojson`	514地区すべての幾何境界（ポリゴン）。	`districtID`

⚠️ 識別子に関する重要な注意： 本リポジトリのすべてのデータセットを結合するための主キーは districtID です。GDP、GFCF、政府支出のファイルは現在16地区分のサンプルを収録しており、514地区すべての完全なデータを追加中です。結合する前に、両方のデータフレームで districtID を int または string として一貫して扱うよう常に確認してください。

🐍 クイックスタート

データセットをGitHubから直接読み込み、pandas で districtID をキーに結合します。以下のコードは、空の Google Colab スクラッチパッドで実行できます。設定やインストールは不要です。

import pandas as pd
# -----------------------------------------------------------------------------
# 1. SETUP: Define the raw GitHub URL to stream data directly into Pandas.
# -----------------------------------------------------------------------------
REPO_URL = "https://raw.githubusercontent.com/quarcs-lab/indonesia514/main"
# -----------------------------------------------------------------------------
# 2. LOAD: Read the economic CSVs.
# -----------------------------------------------------------------------------
df_gdp = pd.read_csv(f"{REPO_URL}/gdp/gdp.csv")
df_gfcf = pd.read_csv(f"{REPO_URL}/gfcf/gfcf.csv")
df_gs = pd.read_csv(f"{REPO_URL}/gs/gs.csv")
# -----------------------------------------------------------------------------
# 3. MERGE: Combine the indicators on the common district identifier.
# -----------------------------------------------------------------------------
df = pd.merge(df_gdp, df_gfcf[['districtID', 'gfcf_2022']], on='districtID')
df = pd.merge(df, df_gs[['districtID', 'gs_2022']], on='districtID')

📜 引用方法

研究で本リポジトリを利用する場合は、以下のメタデータで引用してください。

APA形式

Mendez, C., Abdulah, R., Arvianto, B., & Leiva, F. (2026). Indonesia514: A data science repository to study regional development in Indonesia. GitHub. https://github.com/quarcs-lab/indonesia514

BibTeX形式

@misc{indonesia5142026,
author = {Mendez, Carlos and Abdulah, Rusli and Arvianto, Bimo and Leiva, Favio},
title = {{Indonesia514}: A Data Science Repository to Study Regional Development in Indonesia},
year = {2026},
publisher = {GitHub},
journal = {GitHub repository},
howpublished = {\url{https://github.com/quarcs-lab/indonesia514}}
}

ライセンス

本リポジトリは MITライセンス の下で公開されており、適切な帰属表示のもとで幅広い再利用が認められています。

🤝 貢献方法

貢献を歓迎します！全地区データの追加、座標参照系（CRS）の問題の修正、新しいノートブックの作成、新規指標の統合のいずれであっても、プルリクエストを送信してください。

より良い復興？アチェ津波の経済的影響の評価

Tue, 09 Jun 2026 00:00:00 +0000

拡張Synthetic Control法：カンザス州の減税で学ぶ初心者向けチュートリアル

Mon, 08 Jun 2026 00:00:00 +0000

Stataによる合成的差分の差分法（SDID）：カリフォルニア州提案99の再評価

Sun, 07 Jun 2026 00:00:00 +0000

Stataによる時差導入の合成的差分の差分法（SDID）：ジェンダー・クオータと女性議員

Sun, 07 Jun 2026 00:00:00 +0000

多国間設定における拡張Synthetic Control：augsynthによるチュートリアル

Fri, 05 Jun 2026 00:00:00 +0000

インドネシアにおけるオークンの法則と空間レジーム：機械学習によるアプローチ

Thu, 28 May 2026 00:00:00 +0000

問いの所在

オークンの法則は、マクロ経済学において最も信頼できる規則性の一つです——産出が成長すれば、失業は減少します。ところが、インドネシアを単一の経済として推定すると、この関係は成り立ちません。その理由は集計にあります。広大で多様な群島は一つの労働市場ではなく、全国平均は逆方向に動く地域同士を静かに打ち消してしまいます。したがって、問うべきはインドネシアでオークンの法則が成り立つかどうかではなく、どこで成り立つのか、ということなのです。

二段階のデータ駆動型アプローチ

著者らは、地理的グループ（たとえば「西部」対「東部」）をあらかじめ課すのではなく、成長と失業の動態が類似する県をデータに分類させ、その動態が空間をどのように波及するかをモデル化します。この枠組みは記述的なものであり——因果効果ではなく、関連性を描き出します。

graph LR
A("<b>ステップ1 — C-Lasso</b><br/>（機械学習）<br/><i>成長と失業のパターンを共有する潜在<br/>レジームへ県を分類する</i>")
B("<b>ステップ2 — 空間ダービンモデル</b><br/><i>各レジームの反応を直接的（局所的）な<br/>関連と間接的（近隣への波及）な関連へ<br/>分割する</i>")
A --> B
classDef blue fill:#1f2b5e,stroke:#6a9bcc,stroke-width:3px,color:#e8ecf2
classDef orange fill:#1f2b5e,stroke:#d97757,stroke-width:3px,color:#e8ecf2
class A blue
class B orange

四つの潜在レジーム

分類器は、行政区分や自然地理を横断する四つの異なるレジームを明らかにします——同じグループに属する県が必ずしも隣接しているとは限りません。それぞれが、成長が労働市場と出会うあり方について異なる物語を語っています。

レジーム	構造的プロファイル	例	オークンの挙動
グループ1	労働吸収型の中心地——大都市、工業地帯、小農プランテーション	ブカシ、北ジャカルタ、マカッサル、メダン	強い、教科書どおり。成長が、局所的にも近隣においても失業の減少と連動する。
グループ2	資本集約型の拠点——資源地帯、機械化された企業農業	バリクパパン、中央ジャカルタ、ジャワ農村部の一部	逆転。より速い成長が、計測されるより高い顕在的失業と並行して進む。
グループ3	移行期の中心地——農業からサービス業へ移行しつつある中核都市	チラチャップ、インドラマユ、マラン	弱い。ベースラインの関連はわずかで、調整は解雇ではなく労働時間を通じて進む。
グループ4	周辺的な市場——薄く孤立した農村の島嶼経済	パプアの遠隔地、東ヌサ・トゥンガラ	無視できる。蔓延するインフォーマル性が、顕在的失業との結びつきを断ち切る。

なぜグループ2では、成長が失業の上昇と連動するのでしょうか。 資本集約型の産業や企業農業が支配的な地域では、成長はしばしば伝統的な農業労働を置き換える機械化を通じてもたらされます。職を失った労働者がインフォーマルな仕事や家族労働を離れ、フォーマルな賃金雇用を探し始めると、彼らは「顕在的失業者」として統計に計上されます。計測される失業は、探索の摩擦やスキルのミスマッチを通じて産出とともに上昇するのであって——成長そのものが雇用を破壊するからではありません。

州レベルでの頑健性

このパターンが県レベルのノイズの産物ではないことを確認するため、著者らはこの枠組みを34の州について再実行します。それは類似した構造を再現し、今度は三つのレジームとして現れます。

多角化された需要豊富な州——急峻なオークン係数 $-0.262$ を持つ、工業と消費の拠点。
農業コモディティの中核地——成長が局所的には「雇用なき」ものだが、近隣への波及を生み出す大規模企業プランテーション。
コモディティ・フロンティアの飛び地——鉱業や重工業に結びついた薄い労働市場で、ほぼ平坦な係数 $-0.033$ を持つ。

空間的波及効果が重要である

労働市場の調整は県境で止まりません。失業の変化は近隣県の間で相関しており（$\rho = 0.135$）、ある場所で生じた成長ショックは隣へと届きます。

局所的な反応を波及効果から切り分けることが、これを可視化します。グループ1では、成長は自県における失業の低下（直接的関連 $-0.112$）とともに、隣県における失業の低下（間接的波及 $-0.077$）とも結びついています。波及効果を無視するモデルは、地域的な勢いが近隣に及ぼす影響のほぼ全体を見落としてしまうでしょう。

主要な知見

集計推定値は誤導する。 単一の全国オークン係数は、成長と失業の関連が逆方向を指すレジーム同士を平均化してしまう。
多角化された拠点が原動力である。 大都市や小農プランテーションの県（グループ1）では、産出の増加が、自県でも近隣でも最も確実に雇用創出へとつながる。
構造変化が吸収力を再形成する。 家族農業から機械化された企業農業へ移行すると、地域経済が産出1単位あたりに吸収する労働者数が低下する。
インフォーマル性が遊休を覆い隠す。 周辺地域（グループ4）では、人々が不完全就業やインフォーマルな仕事に頼るため、顕在的失業の数字が困窮を過小評価する。

残された問い

資本集約型の成長（グループ2）が、職を失った農業労働者を顕在的失業へと押しやり続けるならば、地方政府は彼らを現代的なサービス業の職へ移行させる訓練の道筋をどのように構築できるでしょうか。
労働吸収型の地域では総関連のかなりの部分が波及効果を通じて生じることを踏まえると、計画は孤立した県単位の目標から、調整された複数県の経済回廊へと転換すべきでしょうか。

AI Podcast: Okun's Law and Spatial Regimes in Indonesia

Click play to load

0:00 0:00

PythonによるダブルLASSO：中絶は犯罪を減らすのか？

Mon, 25 May 2026 00:00:00 +0000

StataによるダブルLASSO：中絶は犯罪を減らすのか？

Sun, 24 May 2026 00:00:00 +0000

因果推論のためのダブルLASSO：中絶は犯罪を減らすのか？

Thu, 21 May 2026 00:00:00 +0000

ジオコーディングされたミクロデータによる差分の差分法：距離が処置を定義するとき

Mon, 18 May 2026 00:00:00 +0000

地域データを用いた差分の差分法：メディケイド拡大は死亡率を下げたのか？

Sun, 17 May 2026 00:00:00 +0000

比較因果メトリクス（Comparative Causal Metrics）

Sun, 17 May 2026 00:00:00 +0000

比較因果メトリクスへようこそ！（開発中）

地域インパクト評価への入門

RとQuartoで実装・レンダリングされた現代的な因果推論の手法を用いた地域インパクト評価への入門です。本リソースは、政策や介入が地域の成果に及ぼす効果を評価するための準実験的手法を扱い、完全な再現性を実現するため解説付きの実例と一般公開データを提供します。

開発中の本書には以下が含まれます。

手法の比較ツアー — 分割時系列分析や差分の差分法から、合成コントロール、ベイズ構造時系列、そして最新のパネルデータ推定量まで、地域比較の視点に基づいて解説します。
R + Quarto ノートブック — 折りたたみ可能なコードを備えた再現可能な各章。ローカルでレンダリングしたり、ご自身のデータで拡張したりできます。

本書は2つの部で構成されています。

第I部 — 単一処置ユニット（第1〜9章） では、カリフォルニア州の1989年「提案99」たばこ税という単一の事例を用いて直観を養います。
第II部 — 段階的導入（第10〜12章） では、多数のユニットが異なる時点で政策を導入する状況へと進み、Callaway–Sant’Anna の最低賃金に関する郡パネルを用います。

章構成

第I部 — 単一処置ユニット

第II部 — 段階的導入

さらに：参考文献

https://github.com/quarcs-lab/ccm で貢献やコメントをお寄せください。

Rで政策を評価する6つの方法：提案99号の比較事例研究

Fri, 15 May 2026 00:00:00 +0000

炭素税とCO2排出量：PythonによるSynthetic Control分析

Fri, 15 May 2026 00:00:00 +0000

ベイズ空間Synthetic Control：Rによるカリフォルニア州提案99

Thu, 14 May 2026 00:00:00 +0000

制度は繁栄をもたらすのか？ Pythonによる操作変数法チュートリアル

Sat, 09 May 2026 00:00:00 +0000

制度は繁栄をもたらすのか？StataによるIVチュートリアル

Fri, 08 May 2026 00:00:00 +0000

Python EconMLによる因果機械学習と資源の呪い

Thu, 07 May 2026 00:00:00 +0000

Stata 19による因果機械学習と資源の呪い

Wed, 06 May 2026 00:00:00 +0000

PythonとDoWhyで学ぶ因果推論：初心者向けガイド

Tue, 05 May 2026 00:00:00 +0000

401(k)データによるダブル機械学習：適格性効果からコンプライアー分析まで

Sun, 03 May 2026 00:00:00 +0000

MGWFER：パネル固定効果による因果的な空間変動係数

Sun, 03 May 2026 00:00:00 +0000

Stata 19による条件付き平均処置効果（CATE）

Fri, 01 May 2026 00:00:00 +0000

政策評価のための因果機械学習：ATEからIATE、そしてより良い割り当てルールへ

Fri, 01 May 2026 00:00:00 +0000

Stataによる処置効果：母親の喫煙と出生体重のケーススタディで学ぶ6つの推定量

Wed, 29 Apr 2026 00:00:00 +0000

収束への収束：収束に関する研究の主要なアイデアを理解する

Wed, 29 Apr 2026 00:00:00 +0000

国家間のベータ収束とシグマ収束：Stataチュートリアル

Wed, 29 Apr 2026 00:00:00 +0000

Rによる基本的なSynthetic Control：バスク地方の事例研究

Tue, 28 Apr 2026 00:00:00 +0000

StataによるArellano-Bond GMMを用いた動学パネルデータ：戦争が経済成長に与える効果

Tue, 28 Apr 2026 00:00:00 +0000

Pythonによる差分の差分法（DiD）入門

Mon, 27 Apr 2026 00:00:00 +0000

地域間格差とクズネッツ曲線：Pythonによるパネル固定効果

Mon, 27 Apr 2026 00:00:00 +0000

Stataによる合成コントロール法：カリフォルニアのタバコ税は喫煙を減らしたのか？

Sun, 26 Apr 2026 00:00:00 +0000

パネルデータによるIV推定：経済的ショックと内戦

Sun, 26 Apr 2026 00:00:00 +0000

Stataによる差分の差分法（DiD）入門

Sat, 25 Apr 2026 00:00:00 +0000

Stataによる回帰不連続デザイン（RDD）：個別指導プログラムの評価

Thu, 23 Apr 2026 00:00:00 +0000

因果メトリクスをマスターする（Mastering Causal Metrics）

Wed, 22 Apr 2026 00:00:00 +0000

因果メトリクスをマスターするへようこそ！

因果メトリクスをマスターするのための、AIを活用した学習ガイドです。Angrist & Pischke の基礎的な教科書 Mastering ‘Metrics: The Path from Cause to Effect をもとに、インタラクティブなPythonノートブックとAIツールを使って因果推論の基礎を学びます。

本プラットフォームには以下が含まれます。

基礎的な手法 — Angrist & Pischke の Mastering ‘Metrics に基づきます。ランダム化試験から差分の差分法まで、因果推論を学びます。
Pythonノートブック — インストール不要のGoogle Colabノートブック。実データ、動作するコード、各手法の完全な実装を備えています。
AIを活用した学習 — 異なる教育スタイルを持つ複数のAIチューター。

インタラクティブなGoogle Colabノートブック

下記のいずれかのバッジをクリックすると、ブラウザ上で即座に開いて実行できます。

第I部：概念的枠組み

章	タイトル	トピック	Colabノートブック
1	ランダム化試験	選択バイアス、潜在的結果、RAND HIE

第II部：5つのツール

章	タイトル	トピック
2	回帰	OLS、欠落変数バイアス、不適切な統制変数
3	操作変数	LATE、コンプライアー、ミネアポリスの家庭内暴力実験
4	回帰不連続デザイン	シャープRD、バンド幅、飲酒の法定年齢と死亡率
5	差分の差分法	平行トレンド、双方向固定効果、大恐慌期の銀行

第III部：総合

章	タイトル	トピック	Colabノートブック
6	教育の収益	双子、出生四半期、学位の効果

ノートブックの使い方

上記のいずれかの 「Open in Colab」バッジをクリックします
Googleアカウント（無料）で ログインします
ランタイムメニューの 「すべて実行」をクリックします（または各セルを個別に実行します）
探索して変更します — パラメータを変えたり、別のモデルを試したり、データで実験したりできます
作業を保存します — ファイル＞ドライブにコピーを保存で、変更内容を保持できます

インストール不要、ダウンロード不要、設定不要！

著者とクレジット

Carlos Mendez — Pythonでの実装および教育用ノートブックの開発

Joshua D. Angrist & Jörn-Steffen Pischke — 原著教科書 Mastering ‘Metrics

パネルデータにおける潜在的なグループ構造の特定：Stataのclassifylassoコマンド

Sat, 04 Apr 2026 00:00:00 +0000

TWFEは実際に何をしているのか？手作業による平均除去とFWL定理

Thu, 02 Apr 2026 00:00:00 +0000

パネルデータにおける標準誤差：Pythonによる初心者向けガイド

Tue, 31 Mar 2026 00:00:00 +0000

動的パネルBMA：どの要因が本当に経済成長を牽引するのか？

Sun, 29 Mar 2026 00:00:00 +0000

環境クズネッツ曲線におけるモデルの不確実性を制御する：パネルデータによるBMAとDouble-Selection LASSO

Sun, 29 Mar 2026 00:00:00 +0000

FWL定理によるRでの回帰の可視化

Fri, 27 Mar 2026 00:00:00 +0000

Rによる空間動学パネルデータモデリング：米国各州のタバコ需要

Fri, 27 Mar 2026 00:00:00 +0000

StataでFWL定理を用いて回帰を可視化する

Fri, 27 Mar 2026 00:00:00 +0000

Stataにおける共通因子を伴う空間動学パネル：米国銀行業の信用リスク

Fri, 27 Mar 2026 00:00:00 +0000

StataのHonestDiDによる差分の差分法における平行トレンドの感度分析

Thu, 26 Mar 2026 00:00:00 +0000

政策評価のための差分の差分法：Rを用いたチュートリアル

Thu, 26 Mar 2026 00:00:00 +0000

Stataでパネルデータを用いて現金給付プログラム（RCT）を評価する

Tue, 24 Mar 2026 00:00:00 +0000

頑健な変数選択のための3つの手法：BMA、LASSO、WALS

Mon, 23 Mar 2026 00:00:00 +0000

マルチスケール地理的加重回帰：インドネシアにおける空間的に変化する経済収束

Sun, 22 Mar 2026 00:00:00 +0000

予測区間付きSynthetic Control：ドイツ再統一の影響における不確実性の定量化

Sun, 22 Mar 2026 00:00:00 +0000

探索的空間データ分析：南米における人間開発の空間クラスターと動態

Sun, 22 Mar 2026 00:00:00 +0000

時系列にわたる開発指標を構築するためのプールドPCA

Sat, 21 Mar 2026 00:00:00 +0000

開発指標を構築するためのPCA分析入門

Sat, 21 Mar 2026 00:00:00 +0000

高次元固定効果回帰：Pythonによる入門

Fri, 20 Mar 2026 00:00:00 +0000

Pythonによる差分の差分法（DiD）入門

Thu, 19 Mar 2026 00:00:00 +0000

部分識別入門：未観測の交絡のもとで因果効果を区間で評価する

Fri, 13 Mar 2026 00:00:00 +0000

因果推論入門：LalondeデータセットによるDoWhyアプローチ

Thu, 12 Mar 2026 00:00:00 +0000

因果推論入門：ダブル機械学習

Tue, 10 Mar 2026 00:00:00 +0000

機械学習入門：ランダムフォレスト回帰

Tue, 10 Mar 2026 00:00:00 +0000

地区間の最低賃金格差と通勤

Mon, 16 Feb 2026 00:00:00 +0000

🌍 動機 1：分権化と賃金格差

2001年以降の地区レベルの最低賃金
大きな越境賃金格差
ジャボデタベック圏内の高い日常的移動性

インドネシアの財政分権化を受けて、ジャボデタベックの各地区は異なる最低賃金を設定しています。2015年の分布は、隣接する地区の間にかなりのばらつきがあることを示しています。通勤コストは転居コストよりも低いため、労働者は恒久的に移住するのではなく、地区の境界を越えることで賃金格差に対応する場合があります。

🚆 動機 2：なぜ通勤が重要か

1日あたり350万〜440万人の通勤者
正規労働者の21%が通勤する
雇用データは就業地ではなく居住地を反映する

2011〜2015年にかけて、通勤は広く行われ、その大半は対面でした。労働調査は居住地を記録するため、地区間の移動を無視すると、最低賃金の効果の推定値に偏りが生じる可能性があります。政策評価では、行政境界を越えるスピルオーバーを考慮しなければなりません。

📊 データと手法

Sakernasのプール横断面（2011〜2015年）
通勤確率の二項ロジットモデル
居住地区と越境地区の最低賃金
地区および年の固定効果

本分析は、単一の都市圏労働市場内における地区ペアの比較を活用します。主要な変数は、居住地区と隣接地区の実質最低賃金です。この定式化は、人口統計、マクロ経済要因、空間的スピルオーバー（SLXモデル）を制御します。

🎓 教育による異質性

最低賃金10万ルピアの上昇あたり通勤確率は平均+0.9パーセントポイント
大学卒業者：+1.7パーセントポイント
高校未満：+0.3パーセントポイント

越境の最低賃金は通勤確率を有意に高めます。反応が最も強いのは高学歴の労働者であり、彼らが賃金格差からより多くの便益を得ていること、そして移動の摩擦がより低いことを示唆しています。

💰 所得による異質性

高所得の労働者が最も反応的（+1.9パーセントポイント）
最低賃金水準の稼得者は中程度に反応的
最低賃金未満の稼得者：有意な効果なし

通勤の反応は、最低賃金を上回る所得を得ている労働者に集中します。法令の不遵守が低賃金の稼得者へのインセンティブを弱めており、開発途上国の労働市場における制度的制約を浮き彫りにしています。

🌐 空間的スピルオーバー

隣接地区の賃金が通勤に影響する
SLXモデルに対して頑健な証拠
スピルオーバーは労働者グループによって異なる

空間ラグモデルは、地区の政策が計測可能な越境効果を生み出すことを裏付けています。その大きさは定式化によって変わるものの、定性的な結論は一貫しています。すなわち、賃金設定の分断が局所的なショックを都市圏システム全体へ伝播させるのです。

⚖️ 政策的含意

分権化された賃金設定は内部の境界を生み出す
スピルオーバーは雇用統計を歪める可能性がある
地区間の調整が不可欠である

最低賃金格差は、統合された都市圏における移動パターンを形作ります。政策担当者は、地方の自律性と労働市場の統合との均衡をとるために、調和のとれた枠組みや格差の上限を定めるルールを検討すべきです。

🔎 主要なポイント

越境の賃金格差は通勤を増加させる
効果は教育と所得によって異質である
移動を無視すると政策評価に偏りが生じる
地域間の調整は厚生設計を改善する

その証拠は、分権化された労働市場において通勤が重要な調整の余地であることを示しています。ジャボデタベックのような都市圏で信頼できる最低賃金の評価を行うには、労働者の移動を組み込むことが不可欠です。

AI主導の計量経済学

Mon, 26 Jan 2026 00:00:00 +0000

🤖 AI主導の計量経済学

クラウド上のPythonノートブックによる入門

🚀 ビジョン

🤖 AI時代の計量経済学
☁️ クラウドでのインタラクティブな学習
📊 実データ、本物の経済学的問い

計量経済学の学習は、理論的厳密さを保ちながら、能動的・計算的でAIに支援されたプロセスとして捉え直されます。

🧠 なぜ計量経済学の教育を見直すのか

📖 受動的な教科書
💻 高い技術的障壁
🔗 理論とその実装の間の隔たり

伝統的なアプローチは、意味のあるデータ分析をしばしば遅らせ、概念的な理解を妨げます。

🔄 本書のアプローチ

🧱 基礎概念
🧪 計算的ノートブック
🤖 AIで強化された学習

3つの柱からなる体系が、理論、プログラミング、AIを統合し、能動的な学習エコシステムを生み出します。

📘 柱1：基礎概念

📚 Cameron（2022）に基づく
📐 厳密な計量経済学の理論
🌍 応用的で実践的なアプローチ

構成と内容は、標準的な計量経済学および研究の実践に沿っています。

🗂️ 構成

🧮 統計学の基礎
📉 二変量回帰
📊 重回帰
🔬 発展的なテーマ

17章が、基礎から現代的な実証的手法へと体系的に進みます。

☁️ 柱2：計算的ノートブック

🚫 インストール不要
🧑‍💻 Google Colab
🌐 あらゆるデバイスからアクセス

各章には、インタラクティブなPythonノートブックが付属します。

🧰 現代的なPythonスタック

🐼 データ操作
📐 計量経済学的モデリング
📊 可視化

学習者は、実証研究のために広く用いられ、応用の効くツールを学びます。

🔁 プログラミングで学ぶ

✏️ コードを修正し再実行する
⚡ 即時のフィードバック
🔍 能動的な実験

理解は、データとモデルとの直接的なやり取りを通じて深まります。

🤖 柱3：AIで強化された学習

🖼️ 視覚的な要約
📑 AIが生成したスライド
🎙️ ポッドキャストとクイズ

複数の形式が学習を補強し、さまざまな好みに適応します。

⚖️ AIの責任ある利用

🧠 AIは思考を支援するものであり、置き換えるものではありません
🔍 検証は不可欠です
📘 理論は依然として中心にあります

AIは理解を高めますが、計量経済学的な推論に取って代わるものではありません。

🔗 3つの要素からなる学習システム

📕 本書
🌐 metricsAIウェブサイト
📘 Cameronの教科書

これらは全体として、完結的で一貫した学習環境を形作ります。

🎓 結論

📊 計算を通じた計量経済学
🤖 AIで強化された
🌍 身近で厳密な

metricsAI

Wed, 21 Jan 2026 00:00:00 +0000

metricsAIへようこそ！

このデータサイエンス・プラットフォームは、クラウド上のPythonノートブックとNotebookLMのAI学習ツールを組み合わせ、現代的な計量経済学入門を提供します。

Colin Cameron の教科書 Analysis of Economics Data: An Introduction to Econometrics のインタラクティブな補完教材として設計された metricsAI は、静的な各章を動的な学習体験へと変えます。学習者は、AIが生成した要約、Pythonコード、実践的な例に、Google Colabを通じてブラウザ上で直接アクセスできます。設定やインストールは一切不要で、ノートブックにはコードの生成・説明・変換のためのAIツールが組み込まれています。

📓 インタラクティブなGoogle Colabノートブック

下記のいずれかのバッジをクリックすると、ブラウザ上で即座に開いて実行できます。

第I部：統計の基礎

章	タイトル	Colabノートブック
1	経済データの分析
2	一変量データの要約
3	標本平均
4	平均に関する統計的推測

第II部：二変量回帰

章	タイトル	Colabノートブック
5	二変量データの要約
6	最小二乗推定量
7	二変量回帰の統計的推測
8	二変量回帰のケーススタディ
9	自然対数を用いたモデル

第III部：重回帰

章	タイトル	Colabノートブック
10	重回帰のためのデータ要約
11	重回帰の統計的推測
12	重回帰に関する発展的トピック
13	重回帰のケーススタディ

第IV部：発展的トピック

章	タイトル	Colabノートブック
14	指示変数を用いた回帰
15	変換変数を用いた回帰
16	モデルとデータの検証
17	パネルデータ、時系列、因果性

ノートブックの使い方

上記のいずれかの 「Open in Colab」バッジをクリックします
Googleアカウント（無料）で ログインします
ランタイムメニューの 「すべて実行」をクリックします（または各セルを個別に実行します）
探索して変更します - パラメータを変えたり、別のモデルを試したり、データで実験したりできます
作業を保存します - ファイル → ドライブにコピーを保存で、変更内容を保持できます

インストール不要、ダウンロード不要、設定不要！

👥 著者とクレジット

Carlos Mendez - Pythonでの実装および教育用ノートブックの開発

A. Colin Cameron - 教科書、データ、Stata/Rのコード、および原版スライド。

GeoDevelopment ダッシュボード

Sun, 18 Jan 2026 00:00:00 +0000

夜間光（VIIRS相当）の局所的な月次時系列（1992–2024年） Mendez, C. (2026). Google Earth Engine アプリ。アプリを開く

夜間光（VIIRS相当）の地域別月次時系列（1992–2024年） Mendez, C. (2026). Google Earth Engine アプリ。アプリを開く

夜間光（VIIRS相当）の局所的な年次時系列（1992–2024年） Mendez, C. (2026). Google Earth Engine アプリ。アプリを開く

夜間光（VIIRS相当）の地域別年次時系列（1992–2024年） Mendez, C. (2026). Google Earth Engine アプリ。アプリを開く

夜間光（DMSP相当）の局所的な年次時系列（1992–2025年） Mendez, C. (2026). Google Earth Engine アプリ。アプリを開く

夜間光（DMSP相当）の地域別年次時系列（1992–2025年） Mendez, C. (2026). Google Earth Engine アプリ。アプリを開く

夜間光（DMSP相当）の世界全体のスプリットビュー（1992–2025年） Mendez, C. (2026). Google Earth Engine アプリ。アプリを開く

カンボジアにおける人口、夜間光、土地被覆、GDPの時空間ダイナミクス（2013–2019年） Mendez, C. (2026). Google Earth Engine アプリ。アプリを開く

日本における地域間格差の探究：一人当たりGDPのマルチスケール比較（1990–2022年） Kanyama, Y., & Mendez, C. (2026). Google Earth Engine アプリ。アプリを開く

DS4Bolivia

Wed, 14 Jan 2026 00:00:00 +0000

DS4Bolivia：ボリビアの地理空間的な開発を研究するためのデータサイエンス・リポジトリ

DS4Bolivia へようこそ！本プロジェクトは、ボリビアの339の自治体に焦点を当て、空間データおよび社会経済データセット、インタラクティブなダッシュボード、計算ワークフローを集約したものです。空間分析と持続可能な開発目標（SDGs）との橋渡しをすることを目的に設計されています。

本リポジトリは、以下に関心を持つ研究者やデータサイエンス従事者向けに構成されています。

空間計量経済学： 地域間の格差、成長、クラスタリングを理解する。
空間機械学習： 衛星画像（地球観測）を予測モデリングに活用する。
持続可能な開発： 細かな地域レベルでSDGs指標をモニタリングする。

🖥️ インタラクティブな地理空間ダッシュボード

コードを書かずにデータを探索できます。これらのアプリは、主要な開発指標の時空間ダイナミクスを可視化します。

人口、夜間光、土地被覆、GDPの時空間ダイナミクス（2013–2019年）：2013年と2019年のボリビアの自治体における人口密度、夜間光、土地被覆の変化、GDP推計の推移を可視化します。

🐍 クラウド上の計算ノートブック

私たちの分析を再現するのに役立つ、ステップ・バイ・ステップのチュートリアルです。これらのノートブックは GeoPandas や PySAL といったPythonライブラリを使用します。

空間探索的データ分析（ESDA）入門
焦点： 大域および局所のモランのIを用いて、空間的なクラスターや外れ値を検出する方法を学びます。
主要概念： 空間的自己相関、LISA統計量、コロプレスマップ。

💾 空間的に明示的なデータセット

分析に使えるよう整備済みのデータセットです。これらのファイルは、ボリビアの自治体境界に合わせて前処理されています。

SDGsと衛星埋め込み（2017年）
説明： 社会経済指標（SDGs）と、衛星画像から抽出した高次元の特徴ベクトルを結合したデータセットです。
活用例： 宇宙から捉えた視覚的パターンをもとに、貧困指標や開発指標を予測する機械学習モデルを訓練する。

📜 引用方法

研究で本リポジトリを利用する場合は、以下のメタデータで引用してください。

APA形式

Mendez, C., Gonzales, E., Leoni, P., Andersen, L., Hendrix, P. (2024). DS4Bolivia: A Data Science Repository to Study GeoSpatial Development in Bolivia [Data set]. GitHub. https://github.com/quarcs-lab/ds4bolivia

BibTeX形式

@misc{ds4bolivia2026,
author = {Mendez, Carlos and Gonzales, Erick and Leoni, Pedro and Andersen, Lykke and Hendrix, Peralta},
title = {{DS4Bolivia}: A Data Science Repository to Study GeoSpatial Development in Bolivia},
year = {2026},
publisher = {GitHub},
journal = {GitHub repository},
howpublished = {\url{https://github.com/quarcs-lab/ds4bolivia}}
}

🚀 独自のデータセットを構築する

データセットはモジュールごとに整理されており、すべてが一意の識別子（asdf_id）で結び付けられています。

データセットの種類	ファイルパス	説明	結合キー
地域名	`/regionNames/regionNames.csv`	行政上のメタデータ（自治体名および県名）。	`asdf_id`
社会経済	`/sdg/sdg.csv`	持続可能な開発目標（SDGs）の指標および貧困指標。	`asdf_id`
衛星特徴量	`/satelliteEmbeddings/satelliteEmbeddings2017.csv`	日中の衛星画像から抽出した特徴ベクトル（埋め込み）。	`asdf_id`
空間ベクター	`/maps/bolivia339geoqueryOpt.geojson`	すべての自治体の幾何境界（ポリゴン）。	`asdf_id`

⚠️ 識別子に関する重要な注意： 本リポジトリのすべてのデータセットを結合するための主キーは asdf_id です。
mun_id（標準的な政府コード）も行政データに含まれていますが、asdf_id は、ここで提供する衛星埋め込みと最適化済みマップファイルとの整合性を保証します。結合する前に、両方のデータフレームでこの列を int または string として一貫して扱うよう常に確認してください。

下記の例は、Google Colab ですぐに実行できます。

例1：属性データの統合

このスクリプトは、行政上の名称、社会経済指標、衛星機械学習の特徴量を1つの分析用データフレームに結合する方法を示します。

import pandas as pd
# -----------------------------------------------------------------------------
# 1. SETUP: Define Source URLs
# We use the raw GitHub URL to stream data directly into Colab/Pandas.
# -----------------------------------------------------------------------------
REPO_URL = "https://raw.githubusercontent.com/quarcs-lab/ds4bolivia/master"
url_names = f"{REPO_URL}/regionNames/regionNames.csv"
url_sdg = f"{REPO_URL}/sdg/sdg.csv"
url_emb = f"{REPO_URL}/satelliteEmbeddings/satelliteEmbeddings2017.csv"
# -----------------------------------------------------------------------------
# 2. LOAD: Read CSVs
# -----------------------------------------------------------------------------
print("Loading datasets...")
df_names = pd.read_csv(url_names)
df_sdg = pd.read_csv(url_sdg)
df_embeddings = pd.read_csv(url_emb)
# -----------------------------------------------------------------------------
# 3. MERGE: Combine Dataframes
# -----------------------------------------------------------------------------
# Step A: Attach SDG data to Names
df_merged_step1 = pd.merge(df_names, df_sdg, on='asdf_id', how='inner')
# Step B: Attach Satellite Embeddings to the result
df_final = pd.merge(df_merged_step1, df_embeddings, on='asdf_id', how='inner')
# -----------------------------------------------------------------------------
# 4. VERIFY
# -----------------------------------------------------------------------------
print(f"Merge Complete.")
print(f"Original Municipalities: {len(df_names)}")
print(f"Final Merged Rows: {len(df_final)}")
print(f"Total Columns: {len(df_final.columns)}")
# Display the first few rows (names + first few embedding columns)
display(df_final[['mun', 'dep', 'index_sdg1', 'A00', 'A01', 'A02']].head())

例2：空間データと属性データの統合

このスクリプトは、例1で結合したデータを取り込み、空間分析や空間表現のために自治体のジオメトリ（GeoJSON）と結合します。


import geopandas as gpd
import matplotlib.pyplot as plt
# -----------------------------------------------------------------------------
# 1. LOAD SPATIAL DATA
# We load the optimized GeoJSON file containing municipality boundaries.
# -----------------------------------------------------------------------------
geojson_url = f"{REPO_URL}/maps/bolivia339geoqueryOpt.geojson"
print("Loading GeoJSON map...")
gdf_boundaries = gpd.read_file(geojson_url)
# -----------------------------------------------------------------------------
# 2. SPATIAL DATA PREPARATION
# GeoJSON often loads IDs as objects/strings, while CSVs load as integers.
# -----------------------------------------------------------------------------
# Force 'asdf_id' to integer to match the pandas dataframe
gdf_boundaries['asdf_id'] = gdf_boundaries['asdf_id'].astype(int)
# -----------------------------------------------------------------------------
# 3. ATTRIBUTE JOIN
# Merge the spatial dataframe (gdf) with the attribute dataframe (df_final).
# This creates a 'GeoDataFrame' capable of spatial operations.
# -----------------------------------------------------------------------------
gdf_bolivia = gdf_boundaries.merge(df_final, on='asdf_id', how='inner')
# -----------------------------------------------------------------------------
# 4. VISUALIZATION (Choropleth Map)
# Plot the "No Poverty" SDG Index (SDG 1)
# -----------------------------------------------------------------------------
fig, ax = plt.subplots(1, 1, figsize=(12, 10))
gdf_bolivia.plot(
column='index_sdg1', # Variable to map
cmap='viridis', # Color palette (perceptually uniform)
linewidth=0.1, # Border width
edgecolor='white', # Border color
legend=True,
legend_kwds={'label': "SDG 1 Index (No Poverty)", 'orientation': "horizontal"},
ax=ax
)
ax.set_title("Bolivia: SDG 1 Index by Municipality", fontsize=15)
ax.set_axis_off() # Turn off lat/lon axis numbers for cleaner look
plt.show()

データソース

SDGs指標は、もともと Andersen, L. E., Canelas, S., Gonzales, A., Peñaranda, L. (2020) Atlas municipal de los Objetivos de Desarrollo Sostenible en Bolivia 2020. La Paz: Universidad Privada Boliviana, SDSN Bolivia によって構築されたものです。

🤝 貢献方法

貢献を歓迎します！座標参照系（CRS）の問題の修正、新しい空間モデルの追加、新規データのアップロードのいずれであっても、プルリクエストを送信してください。

ビッグデータ、社会経済調査、機械学習を用いたカンボジアにおける貧困の諸次元のマッピング

Mon, 06 Oct 2025 00:00:00 +0000

🌏 はじめに

急速な経済成長、しかし貧困は根強く残る（2019年に国家貧困線以下が17.8%）
伝統的な貧困データ：古く、高コスト、そして詳細さに欠ける
貧困：所得だけでなく、保健、教育、生活水準も含む（MPIの枠組み）

メモ：カンボジアは力強い成長を経験しましたが、貧困は依然として残っています。本研究は、グローバルMPIに沿った多次元的アプローチを適用し、教育・保健・生活水準に焦点を当てて、所得を超えた剥奪を捉えます。

📊 研究の目的

地球観測のビッグデータ ＋ CSES調査 ＋ 機械学習 を活用する
MPIの3次元 にわたる 10の貧困指標 をマッピングする
高解像度の貧困マップ を生成する
対象を絞った費用対効果の高い政策介入 を支援する

メモ：目的は、AI/MLを用いて空間データと調査データを統合し、詳細な貧困マップを作成することです。これは政策担当者が資源を効率的に配分し、地域の脆弱性を特定するのに役立ちます。

📚 文献と研究の動機

世帯調査＝高コストで頻度が低く、空間的に詳細さに欠ける
夜間光と衛星画像 → 貧困の間接的指標
機械学習（RF、XGBoost、CNN）は予測を改善する
課題：調査データ＋地球観測データ を 多次元貧困 に統合する研究は少ない

メモ：先行研究は、衛星とMLが貧困の予測に役立つことを示していますが、多次元貧困のために社会経済調査と統合する取り組みは限られています。本研究はその課題を埋めます。

🗂️ データ源

CSES調査（10,000世帯）– 保健、教育、住居、所得
衛星・地球観測データ – 夜間光、土地被覆、人口密度
インフラデータ – 道路、学校、病院、公共サービス
建物フットプリント – 380万棟の住宅・商業建物

メモ：幅広いデータセットを利用しました。世帯情報にはCSESを、環境とインフラには地球観測データを、予測を世帯レベルへ拡張するには建物フットプリントを用いました。

⚙️ 手法

分類のための ランダムフォレスト モデル
各指標について 剥奪確率 を予測する
訓練と検証への分割（90/10）
成果物：世帯レベルおよび地域レベルの剥奪マップ

メモ：ランダムフォレストのアルゴリズムは、その頑健性と混在したデータ型を処理する能力ゆえに選ばれました。モデルは、コミューン、地区、州のレベルで集計可能な確率マップを生成します。

📑 MPIの指標

保健（2）： 食料消費、医療へのアクセス

教育（2）： 達成された教育水準、就学

生活水準（6）： 調理用燃料、衛生設備、水、電気、住居、資産

メモ：グローバルMPIに従って10の指標を選定しました。3つの主要次元に等しい重みを適用しました。これらの指標は、教育、保健、安全な飲料水、エネルギーといったSDGsの優先課題を反映しています。

📈 結果 – 変数の重要度

夜間光 ＝すべての指標にわたる主要な予測変数
人口密度 と 道路網 も有意
より頑健な予測：調理用燃料、安全な飲料水、衛生設備、電気
弱い予測：就学、医療、資産

メモ：夜間光と人口密度が剥奪を最もよく説明します。インフラへのアクセスも極めて重要です。空間的相関を持つ指標（例：公共サービス）は、世帯固有の状況に結びついた指標よりも良好な成績を示しました。

🗺️ 結果 – 貧困の空間的パターン

都市の中心地：プノンペン、シェムリアップ、バッタンバン → 低い剥奪
遠隔の州：プレアビヒア、ラタナキリ、モンドルキリ → 高い剥奪
貧困は 主要道路や国境 の近くで低い（貿易の効果）

メモ：空間マップは、遠隔かつ接続性の乏しい地域に剥奪が集中していることを示しています。インフラを備えた都市部や国境地域では貧困が低くなっています。

💡 考察

空間的MLは有用ですが、空間的シグナルの弱い指標には限界があります
世帯調査データはMLを念頭に設計されていない → 位置の近似の問題
より充実した調査の統合が必要（例：アクセシビリティに関する質問）
地球観測＋ ML は きめ細かく動的な貧困マッピング を提供します

メモ：有望ではあるものの、データに空間的相関が欠ける場合、MLは困難に直面します。調査設計の改善は統合を強化できます。このハイブリッドなアプローチは、リアルタイムかつきめ細かな貧困モニタリングの可能性を示しています。

✅ 結論

地球観測＋調査＋ ML を用いて MPIの10指標をマッピング
インフラ関連の剥奪 について最良の結果
世帯レベルの貧困推定 を可能にする
SDGs を支援：貧困をなくそう、質の高い教育、保健、清潔な水、エネルギー
今後の研究：空間的自己相関、格差の分解、先進的なAI

メモ：本研究は、AIと地球観測データが、多次元貧困をマッピングするうえで伝統的な調査をどのように補完するかを示しています。今後の方向性としては、より高い精度のための先進的な空間分析と深層学習モデルが挙げられます。

AI時代の開発研究

Thu, 18 Sep 2025 14:00:00 +0000

スライド by Carlos Mendez

出典: https://bit.ly/gdo-cambodia

カンボジアのジオ開発観測所（GeoDevelopment Observatory）

Mon, 15 Sep 2025 00:00:00 +0000

このプロジェクトの引用方法：

Mendez C., Khoun T., Poortinga A. (2025) GeoDevelopment Observatory of Cambodia.https://bit.ly/gdo-cambodia

カンボジアのジオ開発観測所（GeoDevelopment Observatory、GDO）は、持続可能な地域開発の分析・モニタリング・評価のための一般公開プラットフォームを提供します。本観測所は、衛星画像、現地調査、行政記録から収集した環境・社会・経済の各指標——ジオ開発指標（GeoDevelopment Indicators）と呼びます——を統合しています。これらの多次元データセットは、ジオ開発ツール（GeoDevelopment Tools）の枠組みのもとで、AIで強化された計算ノートブックと専用のウェブアプリケーションを用いて分析されます。技術的な分析結果は、その後ジオ開発インサイト（GeoDevelopment Insights）へと変換され、さまざまなユーザー層に向けてアクセスしやすい形式でデータを提示します。研究者は実証分析の実施に、意思決定者は政策の立案と実施に、市民は自分の地域の開発パターンを理解するために本プラットフォームを利用します。この体系的なアプローチは、複雑な持続可能性データを、進捗のモニタリング、介入の評価、持続可能な地域開発政策への示唆に役立つ実用的な情報へと変換することを促進します。

スライド：カルロス・メンデス

出典： https://bit.ly/gdo-cambodia

ご意見・ご協力は https://github.com/gdo-cambodia までお願いします。

パネルデータに対する古典的推定量のベイズ的平均化：地域版クズネッツ曲線の形状をめぐる謎は解明できるか

Thu, 05 Jun 2025 00:00:00 +0000

🗺️ 研究の動機

地域間格差は社会的結束、移住、政治的安定を形作ります
クズネッツ（1955）：発展と格差の間の逆U字型の関連
近年の証拠は、より複雑なパターン（N字型）を示唆しています
「形状」をめぐる論争に決着をつけるには、頑健な計量経済学的手法が必要です

📚 文献の概観

逆U字型を支持：List and Gallet（1999）、Thornton（2001）
混在した証拠／非U字型：Tam（2008）、Huang（2012）
N字型の擁護：Lessmann（2014）、Lessmann and Seidel（2017）
課題：モデルの不確実性が明示的に扱われることはまれです

🎯 研究の目的

古典的推定量のベイズ的平均化（BACE）を固定効果付きパネルへ拡張する
モデルの不確実性のもとでクズネッツ曲線の形状の頑健性を検証する
地域間格差を一貫して押し上げる決定要因を特定する

🛠️ 手法のハイライト

探索空間： 14個の候補説明変数 → 2¹⁴ = 16,384 モデルを、それぞれ二元固定効果（国＋期間）で推定。
頑健性スイープ： 固定効果の4つの選択肢（なし、時間、国、二元）を許容すると、対象は 65,536 モデルへ拡大します。事後モデル確率（PMP）は完全に二元固定効果の定式化に集中します。
古典的推定量のベイズ的平均化（BACE）：
- 各モデルについて単純なFE-OLSを維持し、コストのかかるMCMCを用いません。
- 各モデルのBICを近似的な周辺尤度へ変換します。
- 一様事前分布を用いてPMPの和を1とし、その後すべての係数、予測値、導関数について確率で重み付けした平均を形成します。
変数のスクリーニング： 事後包含確率（PIP）が頑健な決定要因を浮かび上がらせます——PIP ≥ 0.75 で「実質的な証拠」、PIP ≥ 0.90 で「強い証拠」とします。
曲線のピーク： 格差の変曲点は、GDPの三次多項式のBACEで重み付けした導関数から得られ、信用区間のための解析的標準誤差を伴います。
検証： 既知のデータ生成過程を用いたモンテカルロ実験は、BACEが正しい固定効果構造と真の駆動要因を精度よく特定することを示し、この手法の信頼性を裏付けます。

📈 データの概観

180か国、5年区切りの5つの期間（1990〜2013年）
被説明変数：衛星夜間光から求めた人口加重ジニ係数
主要な共変量（14個）：一人当たりGDP（線形から五次まで）、資源収入、耕作可能地、民族ジニ、貿易、対内直接投資など

🧪 シミュレーションによる確認

既知のデータ生成過程を用いたシミュレーション・パネル
BACEは次を復元しました：
- 正しい二元固定効果の定式化（PMP ≈ 100%）
- 真の駆動要因（一人当たりGDP、資源収入、土地、民族ジニ）

🔍 決定要因の頑健性（実データ）

高PIP（> 0.75）

天然資源収入は格差を↑
耕作可能地の比率は格差を↓
民族ジニは格差を↑ クズネッツ項
一人当たりGDP（線形および二次）は頑健
三次項は頑健ではない（PIP ≈ 0.48）

📐 曲線の形状

格差は上昇：189 → 2,189米ドル
安定化：2,189 → 3,935米ドル
低下：3,935 → 71,682米ドル
71,682米ドルを超えると再び安定化

証拠は、豊かな経済におけるプラトーを伴う逆U字型を支持しており、完全なN字型ではありません。

🧭 政策的含意

天然資源収入を地域間で再分配する
農業生産性と土地への公平なアクセスへ投資する
空間的な格差を抑えるために民族的包摂を目指す
成長だけではピーク後の格差は縮まりません。能動的な地域政策が必要です

🏁 結論

パネル向けBACEは、格差の駆動要因について透明かつ確率的な視点を提供します
頑健な逆U字型が確認され、格差は高所得下で反転せず安定化します
今後の課題：技術の普及と制度をクズネッツの枠組みに組み込むこと

開発研究のための計算的データサイエンスのノートブックとアプリ

Tue, 08 Apr 2025 00:00:00 +0000

このプロジェクトの引用方法：

Mendez C. (2025) Computational Data Science Notebooks and Apps for Development Studies. Zenodo https://doi.org/10.5281/zenodo.15250204

ご意見・ご協力は https://github.com/cmg777/ds4ds までお願いします。

基礎統計学と計量経済学

Mendez C. (2024) Gapminder を用いた Python によるデータサイエンス入門
Mendez C. (2025) Python による統計的な差と関係の入門
Mendez C. (2025) 統計学とは差・関係・予測に関するものである
Mendez C. (2024) Python による記述統計と複数境界マッピング
Mendez C. (2025) Python で回帰を用いて関係を探る

経済成長と開発

Mendez C. (2025) Python による成長方程式入門
Mendez C. & Leiva F. (2023) Python によるソロー成長モデルとその収束予測
Mendez C. (2023) R によるソロー成長モデルとその収束予測
Mendez C. (2021) R による労働生産性の収束クラブとその近接要因

探索的データ分析

Mendez C. (2024) Python によるボリビアの自治体開発の探索的空間データ分析

因果推論

Mendez C. (2025) R による有向非巡回グラフ（DAG）入門
Mendez C. (2024) R による二段階 DID を用いた異質処理効果
Mendez C. (2025) 合成コントロール・エクスプローラー：コントロール単位の加重結合で反実仮想を推定

機械学習

Mendez C. (2025) 計量経済学のための入門的機械学習：Python でミンサー方程式を探る
Mendez C. (2025) XGBoost の予測で SHAP プロットを学ぶインタラクティブアプリ

空間計量経済学

未定
未定

ベイズ計量経済学

未定
未定

特徴量エンジニアリングと地理計算

Mendez C. (2025) Google Earth Engine による輝度ベース GDP の地域動態
未定

暴力の政治的・社会経済的地理について：ブラジルにおける空間的異質性とスケール効果

Sat, 22 Mar 2025 00:00:00 +0000

🤖 AIポッドキャストの要約

QuaRCS-lab · On the political and socioeconomic geography of violence: Spatial heterogeneity and scale effects in Brazil

💻 再現用ノートブック

すべての分析は、Google Colabを通じて クラウドベースのJupyterノートブックで完全に再現可能 です。

📊 1. 記述統計

📈 2. 最小二乗法（OLS）

🗺️ 3. 地理的加重回帰（GWR）

📐 4. マルチスケールGWR（MGWR）

🔄 5. GWRとMGWRの係数の比較

🌍 はじめに

ブラジルにおける地域的な暴力は、強い空間的パターンを示します。
Ingram & Marchesini da Costa（2019年）の研究をMGWRを用いて発展させます。
目的：致死的な暴力に対する空間的異質性とスケール効果を探究すること。

🧪 方法論上の革新

完全な再現とオープンサイエンスのために クラウドベースの計算ノートブック を用いました。
マルチスケール地理的加重回帰（MGWR） を採用しました。
持続的な 地理的な暴力クラスター を特定しました。
頑健性を確保するために 多重検定の補正 を適用しました。

📊 データの概要

分析単位：5,562の自治体（2007〜2012年）
従属変数：殺人率の変化（2011〜2012年対 2007〜2008年のΔ）

政治変数

勝利のマージン（%）
州知事との政党の連携
投票棄権（%）
市長の政党所属：
- ブラジル民主運動党（PMDB）
- ブラジル社会民主党（PSDB）
- 労働者党（PT）

社会経済変数

人口密度
若年男性人口（%）
ジニ係数（所得格差）
人間開発指数（HDI）
母子家庭の世帯（%）
成人就業率（%）
ボルサ・ファミリア受給資格（%）

🧭 モデリングの枠組み

OLS：グローバルな効果の推定。
GWR：単一の空間スケールによる局所的な効果の推定。
MGWR：複数の空間スケールによる局所的な効果の推定。

🔍 OLSの結果

PMDB の市長 → 暴力の増加。
PT と PSDB → 一貫した効果なし。
投票棄権 → 高い殺人率と強く結びつく。
予想外：ジニ係数は負の相関を示しました。

🗺️ GWRの結果：政治変数

PMDB：北東部で正の相関。
PT：多くの地域で暴力を低減。
PSDB：効果は混在——北部（↑）、南部（↓）。
棄権：いくつかの地域で暴力を増加。

🧮 GWRの結果：社会経済変数

人口密度とボルサ・ファミリア → 異質な効果。
若年男性%と母子家庭 → 概して暴力を増加。
効果の方向と有意性は空間的に変動します。

🗺️ MGWRの結果：政治変数

PMDB は依然として北東部で暴力を↑。
PSDB は現在、ブラジル南部でのみ暴力を↓。
PT の効果は統計的補正の後にほぼ消失します。
棄権：一部の地域でGWRと整合的。

🌆 MGWRの結果：社会経済変数

ボルサ・ファミリア：有意な影響なし。
若年男性%：大きな空間スケールゆえに、より多くの地域で有意。
人口密度と母子家庭：小スケールで異質な影響。

📌 残差クラスターのマッピング

切片のマッピング（MGWR）：説明されないクラスター を明らかにします。
中央ブラジル：正の残差 → 観測されない構造的要因か？
南部・中東部：負の残差。

🧩 結論

MGWRは微妙な空間的洞察を提供します。
暴力の決定要因における異質性を確認します。
地域に応じた、対象を絞った政策介入の必要性を示唆します。
残差の暴力クラスターについては、さらなる調査が必要です。

リモートセンシングデータによるベトナムのサブナショナルGDPの予測：機械学習アプローチ

Thu, 20 Mar 2025 00:00:00 +0000

🤖 AIポッドキャストによる要約

QuaRCS-lab · Vietnam Subnational GDP Prediction Using Remote Sensing and Machine Learning

🛰️ はじめに・背景

課題：2010年以前のベトナムにおけるサブナショナルGDPデータの不足
必要性：経済開発分析のための長期データ
解決策：リモートセンシングと機械学習を用いてGDPを予測する

🌌 利用したデータ源

公式GDPデータ（2010〜2020年）
夜間光（NTL）：ハーモナイズドDMSPおよびVIIRS-likeのデータセット
農地データ（ESA）
気候データ：気温と降水量（CRU）

🧠 機械学習アプローチ

比較した6つのアルゴリズム：
- 人工ニューラルネットワーク（ANN）
- ランダムフォレスト（RF）
- サポートベクターマシン（SVM）
- k近傍法（KNN）
- リッジ回帰
- 勾配ブースティング（XGBoost）

🔦 主要な知見

予測は異なる夜間光データセットの間で一貫していた
最終モデルにはリッジ回帰を採用
重要な特徴量：気温と農地が夜間光よりも影響力が大きい

🌍 応用と意義

1992〜2009年のGDPデータを作成
地域経済動向の詳細な長期分析を可能にする
政策担当者と研究者が地域格差と成長に取り組むのを支援する

⚠️ 限界

リモートセンシングの計測・較正における不一致
公式GDPベンチマークへの依存
機械学習の手法の解釈可能性の課題

🚀 今後の研究の方向性

追加のリモートセンシングデータセットの探索
より広範な社会経済指標の推定
より大規模なデータセットによるモデルの改善

🎯 結論

機械学習＋リモートセンシングは、サブナショナルなデータの空白に効果的に対処する
新しいデータセットは、根拠に基づいた経済政策の意思決定を支援する
他の開発途上国にも応用可能な手法となりうる

DMSP-like夜間光の地域動態 1992-2019

Fri, 14 Mar 2025 00:00:00 +0000

VIIRS-like夜間光の地域動態 1992-2023

Fri, 14 Mar 2025 00:00:00 +0000

光度ベースGDPの地域動態 1992-2019

Fri, 14 Mar 2025 00:00:00 +0000

中国の省間における調和化された光量と経済活動：横断面の差異、地域別時系列、そして格差のダイナミクス

Thu, 19 Dec 2024 00:00:00 +0000

AIポッドキャスト（NotebookLMで作成）

cmg777 · Harmonized luminosity and economic activity across provinces in China: cross-sectional differences, regional time series, and inequality dynamics

宇宙から地域の発展をモニタリングする

Wed, 13 Nov 2024 10:10:00 +0000

スライド by Carlos Mendez

国際的・学際的セミナー：カンボジアにおける持続可能な開発のモニタリングに向けた衛星データと社会経済データの統合

Tue, 17 Sep 2024 00:00:00 +0000

宇宙から経済発展をモニタリングする

Wed, 04 Sep 2024 10:10:00 +0000

スライド by Carlos Mendez

宇宙から経済活動を探る

Tue, 27 Aug 2024 10:10:00 +0000

スライド by Carlos Mendez

計算ノートブックにはこちらからアクセスできます。

夜間光と経済活動

Mon, 26 Aug 2024 10:10:00 +0000

スライド by Carlos Mendez

2段階DiDによる異質な処置効果

Mon, 29 Jul 2024 00:00:00 +0000

データの乏しい国における地域開発のモニタリング

Tue, 14 May 2024 16:00:00 +0000

データの乏しい国における開発のモニタリング：カルロス・メンデス

宇宙から経済活動を探る：衛星夜間光を処理・分析するためのPythonノートブック

Wed, 17 Apr 2024 00:00:00 +0000

計算ノートブックにはこちらからアクセスできます。

AI動画（Invideo AIで作成）

スライド（Canva PROで作成）

スライド：カルロス・メンデス

AIポッドキャスト（NotebookLMで作成）

cmg777 · Mendez 2024 Exploring economic activity from outer space

より高品質な夜間光はサブナショナル地域にわたる産業別GDPを予測できるか：トルコの州における都市部と農村部の光度

Sun, 07 Apr 2024 00:00:00 +0000

夜間光の時空間動態：VIIRS-annualデータ

Mon, 01 Apr 2024 00:00:00 +0000

夜間光の時空間動態：VIIRS-likeデータ

Mon, 01 Apr 2024 00:00:00 +0000

夜間光の時空間動態：DMSP-likeデータ

Fri, 01 Mar 2024 00:00:00 +0000

夜間光の時空間動態：DMSP拡張データ

Fri, 01 Mar 2024 00:00:00 +0000

夜間光の時空間動態：DMSP補正済みデータ

Fri, 01 Mar 2024 00:00:00 +0000

探索的空間データ分析（ESDA）

Fri, 01 Mar 2024 00:00:00 +0000

空間的異質性を調べる

Sat, 23 Dec 2023 00:00:00 +0000

カンボジアにおける多次元貧困のマッピング

Fri, 15 Dec 2023 16:00:00 +0000

空間的連結構造（W）の構築とエクスポート

Sat, 02 Dec 2023 00:00:00 +0000

Stataによるクロスセクション空間回帰：コロンバスの近隣地区における犯罪

Fri, 01 Dec 2023 00:00:00 +0000

Stataによる空間パネル回帰：米国各州のタバコ需要

Fri, 01 Dec 2023 00:00:00 +0000

インドネシアにおける地域別失業のダイナミクス：時系列的持続性、空間的依存性、共通要因

Fri, 24 Nov 2023 00:00:00 +0000

地域版オークンの法則と内生性：インドネシアの地区からの証拠

Thu, 12 Oct 2023 00:00:00 +0000

空間ソローモデルを通して見た地域の光量

Mon, 09 Oct 2023 08:45:00 +0000

地方レベルの人間開発のモニタリング

Sun, 24 Sep 2023 00:00:00 +0000

収束クラブ

Sun, 03 Sep 2023 00:00:00 +0000

段階的導入のDiD（例1）

Sun, 03 Sep 2023 00:00:00 +0000

段階的導入のDiD

Sat, 02 Sep 2023 00:00:00 +0000

地域オークン法則、内生性、および異質性効果

Tue, 29 Aug 2023 10:10:00 +0000

宇宙から経済活動を探る

Mon, 28 Aug 2023 10:10:00 +0000

スライド：カルロス・メンデス

計算ノートブックはこちらからアクセスできます。

空間的格差の動態

Sun, 27 Aug 2023 00:00:00 +0000

地域の持続可能な発展のモニタリング

Sat, 26 Aug 2023 00:00:00 +0000

Solow成長モデルとその収束予測

Sat, 29 Jul 2023 00:00:00 +0000

CO2税の因果効果

Sat, 01 Apr 2023 00:00:00 +0000

ジャワにおける地域の光量と経済活動

Sat, 08 Oct 2022 08:45:00 +0000

トルコにおける地域所得収束とその規定要因

Tue, 23 Aug 2022 10:10:00 +0000

開発における地理空間的変動

Fri, 19 Aug 2022 14:45:00 +0000

フィリピンにおける地域不平等クラブ

Mon, 01 Aug 2022 10:10:00 +0000

ヨーロッパでは就学が学習を意味しない：クラブ収束の視点から

Thu, 16 Jun 2022 00:00:00 +0000

インタラクティブな図

EU諸国における就学のダイナミクス。

EU諸国における学習のダイナミクス。

学習成果の収束クラブ。

EU諸国における一人当たり所得のダイナミクス。

インドネシアの地区にわたる社会的・経済的収束：空間計量経済学的アプローチ

Sat, 09 Apr 2022 00:00:00 +0000

タイにおける地域収束と空間的依存性：グローバルおよびローカルな評価

Thu, 03 Mar 2022 00:00:00 +0000

南米のサブナショナル地域における経済的・社会的格差：空間的収束アプローチ

Tue, 04 Jan 2022 00:00:00 +0000

ハイライト

当初は貧しかった地域は、当初豊かだった地域に追いついているのでしょうか。

はい、追いついています。ただし、地域の異質性は依然として重要です。

収束過程における空間的依存性の役割は、どのように研究できるのでしょうか。

収束過程は、どの程度まで空間的に異質なのでしょうか。

サマリースライド

日本における産業別生産性収束、投入産出構造、ネットワーク・コミュニティ

Sat, 30 Oct 2021 00:00:00 +0000

インドネシアにおける州レベルの所得収束クラブ：識別と条件づけ要因

Sun, 19 Sep 2021 00:00:00 +0000

ボリビアにおける人的資本の制約、空間的依存性、地域区分：空間クラスタリング・アプローチ

Thu, 05 Aug 2021 00:00:00 +0000

インドネシアにおけるCOVID-19パンデミック下の地域経済成長収束と空間的成長スピルオーバー

Thu, 01 Jul 2021 00:00:00 +0000

インドネシアにおける地域格差と異質的収束

Fri, 28 May 2021 17:30:00 +0000

インドネシアにおける地域格差と異質的収束

Fri, 28 May 2021 10:10:00 +0000

地域間所得格差、分布的収束、空間的効果：インドネシアの地域からの証拠 2010〜2017年

Wed, 20 Jan 2021 00:00:00 +0000

インドネシアにおける地域間所得格差と収束クラブ：地区レベルの新たな証拠

Mon, 11 Jan 2021 00:00:00 +0000

ASEANのサブナショナル地域間における地域収束と空間的依存性

Sun, 13 Dec 2020 16:10:00 +0000

私に学術指導教員になってほしいとお考えの方へ……

Sun, 13 Dec 2020 00:00:00 +0000

アフリカにおける国レベルおよびサブナショナルの不平等

Sun, 06 Dec 2020 00:00:00 +0000

インドネシアの県間における人間開発格差と収束

Sat, 28 Nov 2020 13:00:00 +0000

インドネシアにおける地域所得格差と収束クラブ

Fri, 20 Nov 2020 11:10:00 +0000

労働生産性とその近接的要因における収束クラブ：先進国および開発途上国からの証拠

Tue, 17 Nov 2020 00:00:00 +0000

南米のサブナショナル地域間における経済的・社会的格差

Sun, 15 Nov 2020 11:10:00 +0000

地域所得格差、分布的収束、および空間的効果

Sat, 14 Nov 2020 11:10:00 +0000

産業発展と地域収束の双方を促進する：地域包摂的な産業政策に向けて

Tue, 01 Sep 2020 00:00:00 +0000

ASEANのサブナショナル地域にまたがる地域収束と空間的依存：衛星夜間光データからの証拠

Mon, 17 Aug 2020 00:00:00 +0000

地域収束、空間スケール、空間的依存性：コロンビアの殺人および傷害からの証拠

Mon, 17 Aug 2020 00:00:00 +0000

インドネシアにおける地域の生産性、資本蓄積、効率性の格差：クラブ収束アプローチ

Sun, 16 Aug 2020 00:00:00 +0000

ラテンアメリカにおける生産性格差と収束クラブ

Tue, 28 Jul 2020 11:10:00 +0000

パネルディスカッション

Sun, 08 Mar 2020 09:00:00 +0000

各国間の労働生産性、資本蓄積、集計的効率性：古くからの論争への新たな証拠

Tue, 25 Feb 2020 00:00:00 +0000

地域の効率性収束と効率性クラスター：インドネシアの州1990〜2010年からの証拠

Tue, 28 Jan 2020 00:00:00 +0000

インドネシアにおける地域生産性、資本蓄積、効率の格差：収束クラブ・アプローチ

Sat, 23 Nov 2019 09:00:00 +0000

ラテンアメリカにおける生産性格差と収束クラブ

Sat, 16 Nov 2019 11:10:00 +0000

産業連関効率と地域収束クラスター

Sat, 14 Sep 2019 10:45:00 +0000

世界的収束の欠如と各国にまたがる複数の厚生クラブの形成：教師なし機械学習によるアプローチ

Wed, 17 Jul 2019 00:00:00 +0000

地域効率の分散、収束、および効率クラスター

Sun, 16 Jun 2019 14:40:00 +0000

産業生産性の乖離と投入産出ネットワーク構造：日本1973〜2012年からの証拠

Fri, 31 May 2019 00:00:00 +0000

Our World in Data

Mon, 01 Apr 2019 00:00:00 +0000

基本的なDiD

Mon, 01 Apr 2019 00:00:00 +0000

空間データサイエンス入門

Mon, 01 Apr 2019 00:00:00 +0000

限界予測を使う

Mon, 01 Apr 2019 00:00:00 +0000

日本における環境効率と地域収束クラスター

Mon, 18 Mar 2019 12:30:00 +0000

分布動態によるTFP推定値の比較：ブラジルの軽工業企業からの証拠

Fri, 01 Mar 2019 00:00:00 +0000

スライド

Tue, 05 Feb 2019 00:00:00 +0000

Wowchemy で Markdown を使ってスライドを作成する

Wowchemy | ドキュメント

機能

Markdown で効率的にスライドを書けます
3-in-1：スライドの作成・発表・公開ができます
発表者ノートに対応しています
モバイル対応のスライド

操作

次へ：Right Arrow または Space
前へ：Left Arrow
最初：Home
最後：End
概要：Esc
発表者ノート：S
全画面：F
ズーム：Alt + Click
PDF エクスポート：E

コードハイライト

インラインコード：variable

コードブロック：

porridge = "blueberry"
if porridge == "blueberry":
print("Eating...")

数式

インライン数式：$x + y = z$

ブロック数式：

$$ f\left( x \right) = ;\frac{{2\left( {x + 4} \right)\left( {x - 4} \right)}}{{\left( {x + 4} \right)\left( {x + 1} \right)}} $$

フラグメント

コンテンツを少しずつ表示します

{{% fragment %}} One {{% /fragment %}}
{{% fragment %}} **Two** {{% /fragment %}}
{{% fragment %}} Three {{% /fragment %}}

Space を押して再生してください！

1つ目 **2つ目** 3つ目

フラグメントは2つの任意パラメータを受け取れます：

class：カスタムスタイルを使用します（カスタム CSS での定義が必要です）
weight：フラグメントが表示される順序を設定します

発表者ノート

プレゼンテーションに発表者ノートを追加します

{{% speaker_note %}}
- Only the speaker can read these notes
- Press `S` key to view
{{% /speaker_note %}}

S キーを押すと発表者ノートを表示できます！

テーマ

black：黒い背景、白い文字、青いリンク（デフォルト）
white：白い背景、黒い文字、青いリンク
league：灰色の背景、白い文字、青いリンク
beige：ベージュの背景、濃い文字、茶色のリンク
sky：青い背景、細い濃色の文字、青いリンク

night：黒い背景、太い白い文字、オレンジのリンク
serif：カプチーノ色の背景、灰色の文字、茶色のリンク
simple：白い背景、黒い文字、青いリンク
solarized：クリーム色の背景、濃い緑の文字、青いリンク

カスタムスライド

スライドのスタイルと背景をカスタマイズします

{{< slide background-image="/media/boards.jpg" >}}
{{< slide background-color="#0000FF" >}}
{{< slide class="my-style" >}}

カスタム CSS の例

見出しを濃紺（navy）にしてみましょう。

assets/css/reveal_custom.css を作成し、次を記述します：

.reveal section h1,
.reveal section h2,
.reveal section h3 {
color: navy;
}

質問はありますか？

質問する

ドキュメント

人間開発の分布動態について：ボリビアの大都市圏からの証拠

Sat, 01 Dec 2018 00:00:00 +0000

人間開発の分布動学について

Fri, 23 Nov 2018 09:00:00 +0000

人間開発におけるベータ収束、シグマ収束、分布収束は存在するか：ボリビアの大都市圏からの証拠

Tue, 06 Nov 2018 00:00:00 +0000

ボリビアにおける投資制約と生産性サイクル

Thu, 01 Nov 2018 00:00:00 +0000

ボリビアにおける異質な成長と地域的な（非）収束：分布動態アプローチ

Fri, 01 Dec 2017 00:00:00 +0000

世界の生産性分布：戦後期における収束と乖離のパターン

Sun, 01 Nov 2015 00:00:00 +0000

ラテンアメリカにおける乖離的かつ不平等な発展：原因と政策的課題

Thu, 01 Oct 2015 00:00:00 +0000

集計的生産性、構造変化、資源配分の歪みに関する論考

Mon, 27 Jul 2015 00:00:00 +0000

ラテンアメリカと東アジアの開発格差について：厚生、効率性、資源配分の歪み

Tue, 03 Feb 2015 00:00:00 +0000

修了生

Mon, 01 Jan 0001 00:00:00 +0000