regional | Carlos Mendez

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。

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。

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。

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。

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。

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

regional | Carlos Mendez

geometrics

🗺️ 探索

🧮 分析

📚 学習

ブラウザでアプリを試す

機能の概要

付属のケーススタディ

インストール

ひと目で

基盤

謝辞

Indonesia514

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

💾 データセット

🐍 クイックスタート

📜 引用方法

APA形式

BibTeX形式

ライセンス

🤝 貢献方法

比較因果メトリクス（Comparative Causal Metrics）

比較因果メトリクスへようこそ！（開発中）

章構成

関連プロジェクト

GeoDevelopment ダッシュボード

DS4Bolivia

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

🖥️ インタラクティブな地理空間ダッシュボード

🐍 クラウド上の計算ノートブック

💾 空間的に明示的なデータセット

📜 引用方法

APA形式

BibTeX形式

🚀 独自のデータセットを構築する

例1：属性データの統合

例2：空間データと属性データの統合

データソース

🤝 貢献方法

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

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

基礎統計学と計量経済学

経済成長と開発

探索的データ分析

因果推論

機械学習

空間計量経済学

ベイズ計量経済学

特徴量エンジニアリングと地理計算