JP2017157109A - 推定装置、推定方法および推定プログラム - Google Patents

Abstract

【課題】課題となる指標と因果性のある指標を推定すること。【解決手段】推定装置１００は、複数の指標の時系列データと、課題指標の時系列データとを基にして、課題指標の時系列データに対する指標の時系列データの相関係数をそれぞれ算出する。推定装置１００は、相関係数の時系列変化の特徴と、相関係数の大きさとを基にして、課題指標と因果性のある指標を、複数の指標から推定する。【選択図】図１

Description

本発明は推定装置等に関する。

近年、日本における将来的な人口減少や少子高齢化は大きな社会問題となっている。地方自治体は、これらの問題を考慮した最適な財政運営を行うことが望ましい。今後、地方自治体が継続的に住民満足度の高い行政サービスを提供するためには、課題を解決するための有効な施策立案と、施策を導入した場合の効果検証を行った上で、最適な施策を選択することが望ましい。

ここで、課題となる指標について因果性のある指標を抽出できれば、その因果性のある指標に対する施策を展開することで、効果的な成果が期待できる。例えば、課題となる指標を「総人口」とし、因果性のある指標を「出生数」とすれば、子育て支援策を展開することで、総人口の増加が見込まれる。従来手法では、ユーザの経験則等に基づいて、因果性のある指標を抽出することが一般的である。

特開２０１２−１６０１４３号公報 特開２００８−２３４０９４号公報 特開２００４−０７８７８０号公報

しかしながら、上述した従来技術では、課題となる指標と因果性のある指標を推定することができないという問題がある。

現在の社会は多種多様な指標が存在するため、従来手法のように、ユーザの経験則等に基づいて、課題となる指標と因果性のある指標を抽出することは難しい。

１つの側面では、本発明は、課題となる指標と因果性のある指標を推定することができる推定装置、推定方法および推定プログラムを提供することを目的とする。

第１の態様では、推定装置は、算出部と、推定部とを有する。算出部は、複数の第１指標の第１時系列データと、第２指標の第２時系列データとを基にして、第２時系列データに対する第１時系列データの相関係数をそれぞれ算出する。推定部は、相関係数の時系列変化の特徴と、相関係数の大きさとを基にして、第２指標と因果性のある指標を、複数の第１指標から推定する。

課題となる指標と因果性のある指標を推定することができる。

図１は、本実施例に係る推定装置の構成を示す機能ブロック図である。 図２は、時系列指標データベースのデータ構造の一例を示す図である。 図３は、時系列データのデータ構造の一例を示す図である。 図４は、因果指標ネットワークデータのデータ構造の一例を示す図である。 図５は、算出部の処理を説明するための図である。 図６は、推定部が因果性指標を推定する処理を説明するための図である。 図７は、予測部の処理を説明するための図である。 図８は、因果指標ネットワークのその他の例を示す図である。 図９は、本実施例に係る推定装置の処理手順を示すフローチャートである。 図１０は、人口を予測する場合に用いた指標の一例を示す図である。 図１１は、指標選定方法の異なる回帰分析での予測結果と実績値との比較結果を示す図である。 図１２は、推定プログラムを実行するコンピュータの一例を示す図である。

以下に、本願の開示する推定装置、推定方法および推定プログラムの実施例を図面に基づいて詳細に説明する。なお、この実施例によりこの発明が限定されるものではない。

図１は、本実施例に係る推定装置の構成を示す機能ブロック図である。図１に示すように、この推定装置１００は、通信部１１０と、入力部１２０と、表示部１３０と、記憶部１４０と、制御部１５０とを有する。

通信部１１０は、ネットワークを介して外部装置と通信を実行する処理部である。通信部１１０は、通信装置に対応する。

入力部１２０は、推定装置１００に各種の情報を入力するための入力装置である。入力部１２０は、キーボードやマウス、タッチパネル等に対応する。

表示部１３０は、制御部１５０から出力される情報を表示する表示装置である。表示部１３０は、液晶ディスプレイやタッチパネル等に対応する。

記憶部１４０は、時系列指標データベース１４１、因果指標ネットワークデータ１４２を有する。記憶部１４０は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）、フラッシュメモリ（Flash Memory）などの半導体メモリ素子や、ＨＤＤ（Hard Disk Drive）などの記憶装置に対応する。

時系列指標データベース１４１は、複数の指標と、指標に対する時系列データとを対応付けて保持する。図２は、時系列指標データベースのデータ構造の一例を示す図である。図２に示すように、この時系列指標データベース１４１は、指標内容と、時系列データとを対応付ける。指標内容は、指標の内容を示すものである。時系列データは、該当する指標の時系列データであり、例えば、値と日時とを対応付ける。

図３は、時系列データのデータ構造の一例を示す。図３に示す時系列データ１４１ａは、人口の時系列データである。時系列データ１４１ａは、各市区町村と、各年の人口とを対応付ける。例えば、「２０００年」の「沖縄県石垣市」の人口は「４４３１４」人なる旨の情報が、時系列データ１４１ａに含まれている。図３に示す時系列データ１４１ａに含まれる年および市区町村は一例である。

因果指標ネットワークデータ１４２は、課題となる指標と、この課題となる指標と因果性のある指標とを対応付けた情報を保持する。図４は、因果指標ネットワークデータのデータ構造の一例を示す図である。図４に示すように、この因果指標ネットワークデータ１４２は、課題指標と、時系列データと、因果指標とを対応付ける。課題指標は、課題となる指標の内容を示すものである。時系列データは、課題指標に対応する指標の時系列データである。因果指標は、課題となる指標について因果性のある指標の内容を示すものである。

例えば、課題指標「人口」に対する因果指標は「出生数、指標ＣＡ、指標ＣＢ、指標ＣＣ、指標ＣＤ、指標ＢＡ、指標ＢＢ、指標ＢＣ、指標Ｄ」である旨の情報が、因果指標ネットワークデータ１４２に登録されている。

制御部１５０は、受付部１５１、算出部１５２、推定部１５３、予測部１５４を有する。制御部１５０は、ＡＳＩＣ（Application Specific Integrated Circuit）や、ＦＰＧＡ（Field Programmable Gate Array）などの集積装置に対応する。また、制御部１５０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等の電子回路に対応する。

受付部１５１は、課題となる指標を受け付ける処理部である。以下の説明では、課題となる指標を、適宜、課題指標と表記する。受付部１５１は、課題指標の情報を、算出部１５２に出力する。

例えば、ユーザは、入力部１２０を操作して、指標の選択要求を入力すると、受付部１５１は、時系列指標データベース１４１を参照して、複数の指標内容を、表示部１３０に表示させる。ユーザは、表示部１３０に表示された複数の指標内容を参照し、入力部１２０を操作して、複数の指標内容から、課題指標を選択する。例えば、受付部１５１は、指標内容「人口」の選択を受け付けると、指標内容「人口」を、課題指標として受け付ける。

算出部１５２は、課題指標の時系列データと、時系列指標データベース１４１の各時系列データとの相関係数を算出する処理部である。算出部１５２は、算出した相関係数に関する情報を、推定部１５３に出力する。以下において、算出部１５２の処理の一例について説明する。

算出部１５２は、課題指標の時系列データを、時系列指標データベース１４１から取得する。また、算出部１５２は、課題指標以外の１つの指標内容の時系列データを、時系列指標データベース１４１から取得する。算出部１５２は、課題指標の時系列データと、課題指標以外の１つの指標内容の時系列データとの相関係数を算出する。

ここでは一例として、課題指標の時系列データを、図３に示した人口の時系列データ１４１ａとする。課題指標以外の１つの指標内容を「出生数」とし、この出生数の時系列データを、図５に示す時系列データ１４１ｂとする。図５は、算出部の処理を説明するための図である。算出部１５２は、時系列データ１４１ａの基準年の列データと、時系列データ１４１ｂの各年の列データとを比較して、基準年に対する各年の相関係数を算出する。基準年は、ユーザが予め設定しておいても良い。

算出部１５２は、基準年に対応する列データを、時系列データ１４１ａから取得する。また、算出部１５２は、ある年に対応する列データを、時系列データ１４１ｂから取得する。算出部１５２は、取得した各列データの相関係数を算出する。

例えば、基準年を「２００５年」とすると、算出部１５２は、図３に示すように、時系列データ１４１ａの「２００５年」の列データ１０ａを取得する。また、算出部１５２は、図５に示すように、時系列データ１４１ｂの「２０００年」の列データ１０ｂを取得する。算出部１５２は、列データ１０ａと、列データ１０ｂとの相関係数２０ｂを算出する。算出部１５２は、相関係数２０ｂを、相関係数データ１４５ｂの該当する「２０００年」の位置に登録する。算出部１５２は、時系列データ１４１ｂに含まれる、残りの「２００１〜２０１３年」の各列データについて、上記処理を繰り返し実行することで、相関係数データ１４５ｂを算出する。

ここで、算出部１５２は、どのような処理内容によって相関係数を算出しても良いが、例えば、式（１）を用いて、相関係数を算出する。式（１）において、ｎは、列データのレコード数に対応する。ｘ_ｉは、課題指標の列データのｉ番目のレコードの値である。ｙ_ｉは、課題指標以外の１つの指標内容の列データのｉ番目のレコードの値である。ｘバーは、課題指標の列データの平均値である。ｙバーは、課題指標以外の１つの指標内容の列データの平均値である。

算出部１５２は、課題指標以外の１つの指標内容を選択して、相関係数データを算出する処理を繰り返し実行することで、課題指標と、各指標内容との相関係数データをそれぞれ算出する。算出部１５２は、課題指標と、各指標内容との相関係数データを、推定部１５３に出力する。

推定部１５３は、課題指標と各指標内容との相関係数データの時系列変化の特徴と、相関係数の大きさとを基にして、課題指標と因果性のある指標を推定する処理部である。以下の説明では、適宜、課題指標と因果性のある指標を、因果指標と表記する。

推定部１５３は、相関係数データに含まれる各年の相関係数のうち、基準年に対応する相関係数を特定し、基準年の相関係数が閾値以上となる相関係数データを、処理対象として特定する。

続いて、推定部１５３は、基準年の相関係数が閾値以上となる相関係数データの時系列変化の特徴を基にして、この相関係数データに対応する指標内容が、因果性指標であるか否かを推定する。図６は、推定部が因果性指標を推定する処理を説明するための図である。

図６のグラフ３０Ａおよび３０Ｂの横軸は年を示し、縦軸は相関係数を示す。線分３１ａ，３１ｂはそれぞれ、ある相関係数データの近似直線を示す。推定部１５３は、線分３１ａのように、傾き係数値が正の係数値を取る場合には、線分３１ａに対応する指標内容を、因果性指標として推定する。一方、推定部１５３は、線分３１ｂのように、傾き係数値が負の係数値を取る場合には、線分３１ｂに対応する指標内容を、因果性指標として推定しない。

推定部１５３は、各指標内容の相関係数データについて、上記処理を繰り返し実行することで、課題指標と因果性のある因果指標を推定する。推定部１５３は、課題指標と、課題指標の時系列データと、因果指標とを対応付けた情報を、因果指標ネットワークデータ１４２に登録する。

例えば、推定部１５３が因果指標ネットワークデータ１４２に登録する課題指標の時系列データは、時系列指標データベース１４１に登録されている時系列データをそのまま登録する。課題指標の時系列データは、後述する予測部１５４によって将来予測され、更新される。また、推定部１５３は、課題指標と因果性のある因果指標を、表示部１３０に表示させても良い。

予測部１５４は、課題指標の時系列データを目的変数とし、因果指標の時系列データを説明変数として、回帰分析を実行し、課題指標の時系列データの将来予測を実行する処理部である。予測部１５４は、将来予測した課題指標の時系列データによって、因果指標ネットワークデータ１４２の時系列データを更新する。

例えば、予測部１５４は、式（２）を用いて、回帰分析を実行する。式（２）において、ｙは、課題指標の値に対応する。ｘ_１，ｘ_２，ｘ_３は、課題指標に対する１，２，３番目の因果指標の時系列データの近似式に対応する変数である。ここでは説明の便宜上、因果指標が３つの場合の回帰式を示すが、３つ以上の因果指標が存在する場合には、因果指標に対応する近似式の変数ｘが式（２）に追加される。予測部１５４は、各年において、式（２）の左側の値と、右の値とが限りなく等しくなるような定数ａ，ｂ，ｃ，Ｄの最適値を探索する。

ｙ＝ａｘ_１＋ｂｘ_２＋ｃｘ_３＋Ｄ・・・（２）

予測部１５４は、式（２）のａ，ｂ，ｃ，Ｄの最適値を求めた後に、求めた最適値を用いて、課題指標の将来予測を行う。例えば、予測部１５４は、課題指標「人口」について、式（２）の定数の最適値を求めた後に、人口の将来予測を行う。図３に示すように、課題指標「人口」の時系列データ１４１ａが、２０１３年までしか存在しない場合には、予測部１５４は、式（２）に基づき、２０１４年以降の値を将来予測する。

ここで、予測部１５４は、上記のように、受付部１５１が受け付けた課題指標と、この課題指標に対応する因果性指標を基にして、課題指標の将来予測を実行した後に、かかる課題指標を、因果指標とする他の課題指標を選択する。予測部１５４は、選択した課題指標と、選択した課題指標に対応する因果指標とを基にして、上記処理と同様に分析を実行する。予測部１５４は、課題指標の将来予測した時系列データが収束するまで、上記処理を繰り返し実行する。

図７は、予測部の処理を説明するための図である。例えば、ユーザに選択された課題指標を「人口」とし、課題指標「人口」と因果性のある因果指標を「出生数、指標ＢＡ、指標ＢＢ、指標ＢＣ、指標ＣＡ、指標ＣＢ、指標ＣＣ、指標ＣＤ、指標Ｄ」とする。予測部１５４は、因果指標「出生数、指標ＢＡ、指標ＢＢ、指標ＢＣ、指標ＣＡ、指標ＣＢ、指標ＣＣ、指標ＣＤ」の時系列データを用いて回帰分析を実行し、課題指標「人口」の将来予測を行う。

続いて、予測部１５４は、課題指標「人口」を因果指標とする「交通事故数」を課題指標として選択する。予測部１５４は、課題指標「交通事故数」の因果指標「人口、指標ＡＡ、指標ＡＢ、指標ＢＡ、指標ＢＢ、指標ＢＣ」の時系列データを用いて回帰分析を実行し、課題指標「交通事故数」の将来予測を行う。

続いて、予測部１５４は、課題指標「交通事故数」を因果指標とする「指標Ｄ」を課題指標として選択する。予測部１５４は、課題指標「指標Ｄ」の因果指標「交通事故数、指標、その他の指標」の時系列データを用いて回帰分析を実行し、課題指標「指標Ｄ」の将来予測を行う。ここで、指標Ｄの将来予測が行われ、時系列データが更新されると、予測部１５４は、この指標Ｄを因果指標に含む課題指標「人口」の将来予測を再度実行する。

ここで、指標Ｄの将来予測が行われ、時系列データが更新されると、予測部１５４は、この指標Ｄを因果指標に含む課題指標「人口」の将来予測を再度実行する。予測部１５４は、課題指標の時系列データが収束するまで、上記処理を繰り返し実行する。ここでは説明の便宜上、課題指標と、因果指標との関係を図７に示したが、課題指標と因果指標との関係を示す因果指標ネットワークは、図７のものに限定されず、例えば、図８のような関係であってもよい。図８は、因果指標ネットワークのその他の例を示す図である。

次に、本実施例に係る推定装置１００の処理手順の一例について説明する。図９は、本実施例に係る推定装置の処理手順を示すフローチャートである。図９に示すように、推定装置１００の受付部１５１は、課題指標を受け付ける（ステップＳ１０１）。推定装置１００の算出部１５２は、時系列指標データベース１４１から、課題指標の時系列データと他の指標の時系列データとを取得する（ステップＳ１０２）。

推定装置１００の推定部１５３は、課題指標の時系列データと、他の時系列データとを基にして相関分析を実行する（ステップＳ１０３）。推定部１５３は、相関分析の結果を基にして、課題指標と因果性のある因果指標を選択する（ステップＳ１０４）。

推定部１５３は、課題指標の情報と、因果指標の情報とを対応付けて、因果指標ネットワークデータ１４２に登録する（ステップＳ１０５）。推定装置１００の予測部１５４は、因果指標の時系列データを説明変数、課題指標の時系列データを目的変数として回帰分析を実行し、課題指標の将来予測を実行する（ステップＳ１０６）。

予測部１５４は、将来予測の結果により、因果指標ネットワークデータ１４２を更新する（ステップＳ１０７）。予測部１５４は、他の指標を、課題指標として選択する（ステップＳ１０８）。予測部１５４は、因果指標の時系列データを説明変数、課題指標の時系列データを目的変数として回帰分析を実行し、課題指標の将来予測を実行する（ステップＳ１０９）。

予測部１５４は、将来予測が収束していない場合には（ステップＳ１１０，Ｎｏ）、ステップＳ１０７に移行する。予測部１５４は、将来予測が収束した場合には（ステップＳ１１０，Ｙｅｓ）、予測結果を生成する（ステップＳ１１１）。予測部１５４は、予測結果を出力する（ステップＳ１１２）。

次に、本実施例に係る推定装置１００の効果について説明する。推定装置１００は、複数の指標群の時系列データと課題指標の時系列データとの時系列の相関係数をそれぞれ算出し、相関係数の時系列変化の特徴と、相関係数の大きさとを基にして、因果指標を推定する。このため、課題指標と因果性のある因果指標を適切に推定することができる。

推定装置１００は、課題指標の時系列データと、他の指標の時系列データとの相関係数に基づいて、因果指標であるか否かを判定する処理を繰り返し実行し、判定結果に基づいて、課題指標の情報と因果指標の情報とを因果指標ネットワークデータ１４２に登録する。このため、課題指標と因果性のある指標を網羅的に検出することができる。

推定装置１００は、因果指標の時系列データを説明変数とし、課題指標の時系列データを目的変数として、回帰分析を実行し、課題指標の将来の時系列データを予測する。また、推定装置１００は、課題指標の将来の時系列データが収束するまで、上記処理を繰り返し実行する。このため、課題指標の将来のデータを正確に予測することができる。

次に、本実施例に係る推定装置１００の予測結果の一例について説明する。ここでは、対象とする指標を図１０に示す８３種類の指標とし、人口を予測した場合の結果について説明する。図１０は、人口を予測する場合に用いた指標の一例を示す図である。

推定装置１００の算出部１５２は、図１０の８３指標について、人口の２００６年を基準年として、２０００年〜２０１３年の相関係数データを算出し、推定装置１００の推定部１５３が、人口の因果指標を推定した。

推定装置１００の予測部１５４は、推定部１５３が推定した因果指標を説明変数、人口を目的変数として、１９９０〜１９９９年の過去実績データで回帰式を作成し、下記の異なる第１〜第３の方法で指標を選定して回帰分析を実施して、２０００〜２０１３年の実績値と比較した。図１１は、指標選定方法の異なる回帰分析での予測結果と実績値との比較結果を示す図である。

図１１において、横軸は年を示し、縦軸は人口を示す。線分４０は、人口の実測値を示すものである。線分４１は、下記に示す第１の方法で、人口を将来予測した結果を示すものである。線分４２は、下記に示す第２の方法で、人口を将来予測した結果を示すものである。線分４３は、下記に示す第３の方法で、人口を将来予測した結果を示すものである。

第１の方法は、相関係数データを用いず、経験則等を頼りに、人口と相関係数が高いと思われる９指標を選定して、一度の回帰分析を行い、人口の将来予測を行う方法である。選定した９指標を、出生数、転入数、転出数、婚姻件数、離婚件数、課税対象所得、幼稚園数、医師数、保育所数とする。

第２の方法は、相関係数データを用いて、推定部１５３の推定処理を実行することで、因果指標を推定し、一度の回帰分析を行い、人口の将来予測を行う方法である。推定した４指標を、出生数、転入数、婚姻件数、課税対象所得とする。

第３の方法は、相関係数データを用いて、推定部１５３の推定処理を実行することで、因果指標を推定し、更に、予測部１５４によって、将来予測が収束するまで、将来予測を実行して、人口の将来予測を行う方法である。

図１１に示すように、２０００年〜２０１３年の実績値の線分４０と、各方法による線分４１〜４３とを比較すると、線分４０と線分４１との相対誤差が１３．１％／年となる。線分４０と線分４２との相対誤差が８．１％／年となる。線分４０と線分４３との相対誤差が２．１％／年となる。このため、本実施例に係る推定装置１００が、従来技術等と比較して、人口を正確に予測することがわかる。また、課題指標に対する因果指標として、出生数、転入数、婚姻件数、課税対象所得が適切に選択でき、これらの指標の向上を図る施策の立案・実行により、課題指標の改善が期待できることが示唆された。

上記のように、本発明によれば、課題指標に対して因果関係のある指標を簡易的に見つけ出すことができ、そこに向けた実現性が高く、効果的な施策を立案することができる。また、回帰分析等による将来予測の精度も高まることから、施策を実行した際の効果が明確になり、施策導入の判断が容易になる。

次に、上記実施例に示した推定装置１００と同様の機能を実現する推定プログラムを実行するコンピュータの一例について説明する。図１２は、推定プログラムを実行するコンピュータの一例を示す図である。

図１２に示すように、コンピュータ２００は、各種演算処理を実行するＣＰＵ２０１と、ユーザからのデータの入力を受け付ける入力装置２０２と、ディスプレイ２０３とを有する。また、コンピュータ２００は、記憶媒体からプログラム等を読み取る読み取り装置２０４と、ネットワークを介して他のコンピュータとの間でデータの授受を行うインターフェース装置２０５とを有する。また、コンピュータ２００は、各種情報を一時記憶するＲＡＭ２０６と、ハードディスク装置２０７とを有する。そして、各装置２０１〜２０７は、バス２０８に接続される。

ハードディスク装置２０７は、算出プログラム２０７ａ、推定プログラム２０７ｂ、予測プログラム２０７ｃを有する。ＣＰＵ２０１は、算出プログラム２０７ａ、推定プログラム２０７ｂ、予測プログラム２０７ｃを読み出してＲＡＭ２０６に展開する。

算出プログラム２０７ａは、算出プロセス２０６ａとして機能する。推定プログラム２０７ｂは、推定プロセス２０６ｂとして機能する。予測プログラム２０７ｃは、予測プロセス２０６ｃとして機能する。

算出プロセス２０６ａの処理は、算出部１５２の処理に対応する。推定プロセス２０６ｂの処理は推定部１５３の処理に対応する。予測プロセス２０６ｃの処理は、予測部１５４の処理に対応する。

なお、算出プログラム２０７ａ、推定プログラム２０７ｂ、予測プログラム２０７ｃについては、必ずしも最初からハードディスク装置２０７に記憶させておかなくても良い。例えば、コンピュータ２００に挿入されるフレキシブルディスク（ＦＤ）、ＣＤ−ＲＯＭ、ＤＶＤディスク、光磁気ディスク、ＩＣカードなどの「可搬用の物理媒体」に各プログラムを記憶させておく。そして、コンピュータ２００が各プログラム２０７ａ〜２０７ｃを読み出して実行するようにしてもよい。

以上の各実施例を含む実施形態に関し、さらに以下の付記を開示する。

（付記１）複数の第１指標の第１時系列データと、第２指標の第２時系列データとを基にして、前記第２時系列データに対する前記第１時系列データの相関係数をそれぞれ算出する算出部と、
前記相関係数の時系列変化の特徴と、前記相関係数の大きさとを基にして、前記第２指標と因果性のある指標を、前記複数の第１指標から推定する推定部と
を有することを特徴とする推定装置。

（付記２）前記推定部によって推定された第１指標の第１時系列データを説明変数とし、前記第２指標の第２時系列データを目的変数として、回帰分析を実行し、前記第２指標の将来の第２時系列データを予測する予測部を更に有することを特徴とする付記１に記載の推定装置。

（付記３）前記推定部は、前記第２指標毎に、前記第２指標の第２時系列データと、前記第２指標と因果性のある第１指標の第１時系列データとを対応付けた因果ネットワークデータを生成し、前記第２指標と因果性のある第１指標を推定する度に、前記因果ネットワークデータを更新することを特徴とする付記２に記載の推定装置。

（付記４）前記予測部は、前記因果ネットワークデータを基にして、前記第２指標と、前記第２指標と因果性のある第１指標とを選択し、第１指標の第１時系列データを説明変数とし、前記第２指標の第２時系列データを目的変数として、回帰分析を実行し、前記第２指標の将来の第２時系列データを予測して前記因果ネットワークデータを更新する処理を、前記第２指標の第２時系列データの値が収束するまで繰り返し実行することを特徴とする付記３に記載の推定装置。

（付記５）コンピュータが実行する推定方法であって、
複数の第１指標の第１時系列データと、第２指標の第２時系列データとを基にして、前記第２時系列データに対する前記第１時系列データの相関係数をそれぞれ算出し、
前記相関係数の時系列変化の特徴と、前記相関係数の大きさとを基にして、前記第２指標と因果性のある指標を、前記複数の第１指標から推定する
処理を実行することを特徴とする推定方法。

（付記６）推定した第１指標の第１時系列データを説明変数とし、前記第２指標の第２時系列データを目的変数として、回帰分析を実行し、前記第２指標の将来の第２時系列データを予測する処理を更に実行することを特徴とする付記５に記載の推定方法。

（付記７）前記第２指標毎に、前記第２指標の第２時系列データと、前記第２指標と因果性のある第１指標の第１時系列データとを対応付けた因果ネットワークデータを生成し、前記第２指標と因果性のある第１指標を推定する度に、前記因果ネットワークデータを更新する処理を更に実行することを特徴とする付記６に記載の推定方法。

（付記８）前記予測する処理は、前記因果ネットワークデータを基にして、前記第２指標と、前記第２指標と因果性のある第１指標とを選択し、第１指標の第１時系列データを説明変数とし、前記第２指標の第２時系列データを目的変数として、回帰分析を実行し、前記第２指標の将来の第２時系列データを予測して前記因果ネットワークデータを更新する処理を、前記第２指標の第２時系列データの値が収束するまで繰り返し実行することを特徴とする付記７に記載の推定方法。

（付記９）コンピュータに、
複数の第１指標の第１時系列データと、第２指標の第２時系列データとを基にして、前記第２時系列データに対する前記第１時系列データの相関係数をそれぞれ算出し、
前記相関係数の時系列変化の特徴と、前記相関係数の大きさとを基にして、前記第２指標と因果性のある指標を、前記複数の第１指標から推定する
処理を実行させることを特徴とする推定プログラム。

（付記１０）推定した第１指標の第１時系列データを説明変数とし、前記第２指標の第２時系列データを目的変数として、回帰分析を実行し、前記第２指標の将来の第２時系列データを予測する処理を更にコンピュータに実行させることを特徴とする付記９に記載の推定プログラム。

（付記１１）前記第２指標毎に、前記第２指標の第２時系列データと、前記第２指標と因果性のある第１指標の第１時系列データとを対応付けた因果ネットワークデータを生成し、前記第２指標と因果性のある第１指標を推定する度に、前記因果ネットワークデータを更新する処理を更にコンピュータに実行させることを特徴とする付記１０に記載の推定プログラム。

（付記１２）前記予測する処理は、前記因果ネットワークデータを基にして、前記第２指標と、前記第２指標と因果性のある第１指標とを選択し、第１指標の第１時系列データを説明変数とし、前記第２指標の第２時系列データを目的変数として、回帰分析を実行し、前記第２指標の将来の第２時系列データを予測して前記因果ネットワークデータを更新する処理を、前記第２指標の第２時系列データの値が収束するまで繰り返し実行することを特徴とする付記１１に記載の推定プログラム。

１００ 推定装置
１５０ 制御部
１５１ 受付部
１５２ 算出部
１５３ 推定部
１５４ 予測部

Claims (6)

1. 複数の第１指標の第１時系列データと、第２指標の第２時系列データとを基にして、前記第２時系列データに対する前記第１時系列データの相関係数をそれぞれ算出する算出部と、
   前記相関係数の時系列変化の特徴と、前記相関係数の大きさとを基にして、前記第２指標と因果性のある指標を、前記複数の第１指標から推定する推定部と
   を有することを特徴とする推定装置。
2. 前記推定部によって推定された第１指標の第１時系列データを説明変数とし、前記第２指標の第２時系列データを目的変数として、回帰分析を実行し、前記第２指標の将来の第２時系列データを予測する予測部を更に有することを特徴とする請求項１に記載の推定装置。
3. 前記推定部は、前記第２指標毎に、前記第２指標の第２時系列データと、前記第２指標と因果性のある第１指標の第１時系列データとを対応付けた因果ネットワークデータを生成し、前記第２指標と因果性のある第１指標を推定する度に、前記因果ネットワークデータを更新することを特徴とする請求項２に記載の推定装置。
4. 前記予測部は、前記因果ネットワークデータを基にして、前記第２指標と、前記第２指標と因果性のある第１指標とを選択し、第１指標の第１時系列データを説明変数とし、前記第２指標の第２時系列データを目的変数として、回帰分析を実行し、前記第２指標の将来の第２時系列データを予測して前記因果ネットワークデータを更新する処理を、前記第２指標の第２時系列データの値が収束するまで繰り返し実行することを特徴とする請求項３に記載の推定装置。
5. コンピュータが実行する推定方法であって、
   複数の第１指標の第１時系列データと、第２指標の第２時系列データとを基にして、前記第２時系列データに対する前記第１時系列データの相関係数をそれぞれ算出し、
   前記相関係数の時系列変化の特徴と、前記相関係数の大きさとを基にして、前記第２指標と因果性のある指標を、前記複数の第１指標から推定する
   処理を実行することを特徴とする推定方法。
6. コンピュータに、
   複数の第１指標の第１時系列データと、第２指標の第２時系列データとを基にして、前記第２時系列データに対する前記第１時系列データの相関係数をそれぞれ算出し、
   前記相関係数の時系列変化の特徴と、前記相関係数の大きさとを基にして、前記第２指標と因果性のある指標を、前記複数の第１指標から推定する
   処理を実行させることを特徴とする推定プログラム。

Images