JP2018101201A - 施策導入効果予測装置、施策導入効果予測プログラム及び施策導入効果予測方法 - Google Patents

施策導入効果予測装置、施策導入効果予測プログラム及び施策導入効果予測方法 Download PDF

Info

Publication number
JP2018101201A
JP2018101201A JP2016245532A JP2016245532A JP2018101201A JP 2018101201 A JP2018101201 A JP 2018101201A JP 2016245532 A JP2016245532 A JP 2016245532A JP 2016245532 A JP2016245532 A JP 2016245532A JP 2018101201 A JP2018101201 A JP 2018101201A
Authority
JP
Japan
Prior art keywords
data
measure
variable
time series
series data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2016245532A
Other languages
English (en)
Other versions
JP6870312B2 (ja
Inventor
中澤　克仁
Katsuto Nakazawa
克仁 中澤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP2016245532A priority Critical patent/JP6870312B2/ja
Priority to EP17207393.4A priority patent/EP3336778A1/en
Priority to US15/841,856 priority patent/US10761494B2/en
Publication of JP2018101201A publication Critical patent/JP2018101201A/ja
Application granted granted Critical
Publication of JP6870312B2 publication Critical patent/JP6870312B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2477—Temporal data queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/043—Distributed expert systems; Blackboards
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Abstract

【課題】 施策導入の効果を予測する際の予測精度を向上させる。【解決手段】 施策導入効果予測装置は、目的変数の時系列データから算出される階差データと説明変数の時系列データから算出される階差データとに基づいて算定モデルを算出するモデル算出部と、施策導入する場合の前記説明変数の変化量を、前記算定モデルに入力することで、前記目的変数の変化量を算出する変化量算出部と、施策導入しない場合の前記目的変数の予測値に、前記目的変数の変化量を加算することで、施策導入する場合の前記目的変数の予測値を算出する予測値算出部とを有する。【選択図】図４

Description

本発明は、施策導入効果予測装置、施策導入効果予測プログラム及び施策導入効果予測方法に関する。
市区町村等の自治体においては、各種社会問題（例えば、人口減少、少子高齢化等）に対する有効な施策を立案することが求められる。施策の立案においては、経験則に頼ることなく、施策を導入した際の効果を定量的に検証することが必要であり、従来より、シミュレーションによる将来予測が検討されている。
シミュレーションによる将来予測において、目的変数（施策導入の効果を示す変数）と説明変数（目的変数との関係性が高い変数）の時系列データを回帰分析し、モデルを算出することは有効な予測方法の１つである。例えば、時系列の人口データを目的変数、時系列の婚姻件数データ等を説明変数として回帰分析を行い、算出したモデルに、施策導入した場合の説明変数の期待値（施策導入した場合の婚姻件数データの期待値）を入力する。これにより、当該予測方法によれば、将来予測として、目的変数（人口データ）の予測値を算出し、施策導入の効果を定量的に把握することができる。
特開２０１３−６１６９８号公報 特開２００５−３３２３５０号公報
しかしながら、上記のような回帰分析に基づいて算出するモデルの場合、互いに相関の高い説明変数が含まれていると、多重共線性の影響により目的変数の予測値が安定せず、適切な予測値が算出できないといった問題がある。また、モデルの算出に際しては過去の時系列データが用いられるため、当該モデルには、施策導入したことによる社会構造の変化が反映されておらず、算出する目的変数の予測値が実際の値と乖離してしまうといった問題がある。
一つの側面では、施策導入の効果を予測する際の予測精度を向上させることを目的としている。
一態様によれば、施策導入効果予測装置は、
目的変数の時系列データから算出される階差データと説明変数の時系列データから算出される階差データとに基づいて算定モデルを算出するモデル算出部と、
施策導入する場合の前記説明変数の変化量を、前記算定モデルに入力することで、前記目的変数の変化量を算出する変化量算出部と、
施策導入しない場合の前記目的変数の予測値に、前記目的変数の変化量を加算することで、施策導入する場合の前記目的変数の予測値を算出する予測値算出部とを有する。
施策導入の効果を予測する際の予測精度を向上させることができる。
施策導入効果予測システムのシステム構成の一例を示す図である。 時系列データ格納装置に格納される時系列データの一例を示す図である。 サーバ装置のハードウェア構成の一例を示す図である。 サーバ装置の機能構成の一例を示す図である。 ＵＩ提供部により提供されるシミュレーションアプリが実行されることで、端末に表示される表示画面の一例を示す図である。 第１の実施形態におけるモデル算出部の処理の具体例を示す図である。 第１の実施形態におけるＢＡＵ算出部の処理の具体例を示す図である。 第１の実施形態における効果算出部の処理の具体例を示す図である。 第１の実施形態における変化量算出部及び予測値算出部の処理の具体例を示す図である。 シミュレーション結果出力部によりシミュレーション結果が送信されることで、端末に表示される表示画面の一例を示す図である。 施策導入効果シミュレーション処理のフローチャートである。 第２の実施形態におけるモデル算出部の処理の具体例を示す図である。 第２の実施形態における効果算出部の処理の具体例を示す図である。 第２の実施形態における変化量算出部及び予測値算出部の処理の具体例を示す図である。
以下、各実施形態について添付の図面を参照しながら説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複した説明を省く。
［第１の実施形態］
＜施策導入効果予測システムのシステム構成＞
はじめに、施策導入効果予測システムのシステム構成について説明する。図１は、施策導入効果予測システムのシステム構成の一例を示す図である。
図１に示すように、施策導入効果予測システム１００は、端末１１０、サーバ装置１２０、時系列データ格納装置１３０を有する。施策導入効果予測システム１００に含まれる各装置は、ネットワーク１４０を介して相互に接続されている。
端末１１０は、例えば、自治体に設置され、施策立案の業務を行うユーザが利用する。端末１１０には、Ｗｅｂブラウザがインストールされており、ネットワーク１４０を介して当該Ｗｅｂブラウザがサーバ装置１２０にアクセスすることで、シミュレーションアプリのダウンロード要求を行う。シミュレーションアプリとは、サーバ装置１２０が提供する、施策導入効果予測サービスを利用するためのアプリケーションである。
端末１１０は、ダウンロード要求に応じてサーバ装置１２０より送信されたシミュレーションアプリを介して、時系列データ格納装置１３０にアクセスし、シミュレーション対象となる自治体が管理している各種時系列データを取得する。施策立案の業務を行うユーザは、端末１１０が取得した時系列データに基づいて、施策内容を決定する。
具体的には、ユーザは、地方自治体名を入力するとともに、目的変数名（施策導入の効果を示す変数名（例えば"人口"））と、説明変数名（目的変数との関係性が高い変数名（例えば、"婚姻件数"））とを選択し、シミュレーションアプリに入力する。また、ユーザは、施策導入した場合の説明変数の期待値（施策導入した場合の婚姻件数データの期待値）をシミュレーションアプリに入力する。
端末１１０は、シミュレーションアプリを介して、ユーザにより入力された施策内容を含むシミュレーション要求をサーバ装置１２０に送信し、施策要求導入効果シミュレーション処理の実行を要求する。なお、シミュレーション要求に含まれる施策内容には、ユーザにより入力された、地方自治体名、目的変数名、説明変数名、施策導入した場合の説明変数の期待値、等が含まれる。
更に、端末１１０は、施策導入効果シミュレーション処理の実行に伴ってサーバ装置１２０より送信されたシミュレーション結果を受信し、表示する。
サーバ装置１２０は、施策導入効果予測装置の一例である。サーバ装置１２０には、施策導入効果予測プログラムがインストールされている。サーバ装置１２０は、当該施策導入効果予測プログラムを実行することで、施策導入効果予測部１２１として機能する。
施策導入効果予測部１２１は、端末１１０からのダウンロード要求に応じて、端末１１０にシミュレーションアプリを送信する。また、施策導入効果予測部１２１は、端末１１０からのシミュレーション要求に応じて、施策導入効果シミュレーション処理を実行し、シミュレーション結果を端末１１０に送信する。
なお、施策導入効果予測部１２１は、施策導入効果シミュレーション処理を実行することで算出されるＢＡＵ（Business As Usual）データ（詳細は後述）を、ＢＡＵデータ格納部１２２に格納する。
時系列データ格納装置１３０は、自治体ごとに管理している各種時系列データ（"地方自治体の時系列データ"と称す）を格納する。また、時系列データ格納装置１３０は、各自治体（例えば、全国約１７００の市区町村）が管理している各種時系列データを全国規模で集計した各種時系列データ（"全国の時系列データ"と称す）を格納する。
＜時系列データの説明＞
図２は、時系列データ格納装置に格納される時系列データの一例を示す図である。このうち、図２（ａ）は、地方自治体の時系列データの一例である。図２（ａ）の例は、地方自治体名＝"ａａａ"の地方自治体の時系列データ２１０であることを示している。
地方自治体の時系列データ２１０には、情報の項目として、"年"、"人口"、"婚姻件数"等が含まれる。"年"には、地方自治体名＝"ａａａ"の地方自治体において、各データが集計された年が記録される。"人口"には、地方自治体名＝"ａａａ"の地方自治体において集計された各年の人口データが記録される。"婚姻件数"には、地方自治体＝"ａａａ"の地方自治体において集計された各年の婚姻件数データが記録される。
図２（ａ）の例は、地方自治体名＝"ａａａ"の地方自治体の２０００年における人口が１８６５８８人で、その年の婚姻件数が１０３３件であったことを示している。以下、地方自治体の時系列データ２１０には、２０１３年までの人口、婚姻件数がそれぞれ記録されているものとする（第１の実施形態では、現在時点を、２０１３年であるとして説明する）。
なお、図２（ａ）に示す地方自治体の時系列データ２１０の情報の項目は一例であり、他の情報の項目が含まれていてもよい。
図２（ｂ）は、全国の時系列データの一例である。図２（ｂ）に示すように、全国の時系列データ２２０に含まれる情報の項目は、地方自治体の時系列データ２１０に含まれる情報の項目と同じである。したがって、ここでは全国の時系列データ２２０についての詳細な説明は省略する。
＜施策導入効果予測システムに含まれる各装置のハードウェア構成＞
次に、施策導入効果予測システム１００に含まれる各装置（端末１１０〜時系列データ格納装置１３０）のハードウェア構成について説明する。なお、施策導入効果予測システム１００に含まれる各装置のハードウェア構成は概ね同じであるため、ここでは、サーバ装置１２０のハードウェア構成について説明する。
図３は、サーバ装置のハードウェア構成の一例を示す図である。図３に示すように、サーバ装置１２０は、ＣＰＵ（Central Processing Unit）３０１、ＲＯＭ（Read Only Memory）３０２、ＲＡＭ（Random Access Memory）３０３を有する。ＣＰＵ３０１、ＲＯＭ３０２、ＲＡＭ３０３は、いわゆるコンピュータを形成する。
また、サーバ装置１２０は、補助記憶装置３０４、表示装置３０５、操作装置３０６、Ｉ／Ｆ（Interface）装置３０７、ドライブ装置３０８を有する。なお、サーバ装置１２０の各部は、バス３０９を介して相互に接続されている。
ＣＰＵ３０１は、補助記憶装置３０４にインストールされている各種プログラム（例えば、施策導入効果予測プログラム等）を実行するデバイスである。ＲＯＭ３０２は、不揮発性メモリである。ＲＯＭ３０２は、補助記憶装置３０４にインストールされている各種プログラムをＣＰＵ３０１が実行するために必要な各種プログラム、データ等を格納する主記憶デバイスとして機能する。具体的には、ＲＯＭ３０２はＢＩＯＳ（Basic Input/Output System）やＥＦＩ（Extensible Firmware Interface）等のブートプログラム等を格納する。
ＲＡＭ３０３は、ＤＲＡＭ（Dynamic Random Access Memory）やＳＲＡＭ（Static Random Access Memory）等の揮発性メモリである。ＲＡＭ３０３は、補助記憶装置３０４にインストールされている各種プログラムがＣＰＵ３０１によって実行される際に展開される、作業領域を提供する主記憶デバイスとして機能する。
補助記憶装置３０４は、各種プログラムや、各種プログラムが実行されることで生成される情報、ならびに各種プログラムが実行される際に用いられる情報を格納する補助記憶デバイスである。ＢＡＵデータ格納部１２２は、補助記憶装置３０４において実現される。
表示装置３０５は、サーバ装置１２０の内部状態等を表示する表示デバイスである。操作装置３０６は、サーバ装置１２０の管理者がサーバ装置１２０に対して各種指示を入力するための入力デバイスである。
Ｉ／Ｆ装置３０７は、ネットワーク１４０に接続し、端末１１０、時系列データ格納装置１３０と通信を行うための通信デバイスである。
ドライブ装置３０８は記録媒体３１０をセットするためのデバイスである。ここでいう記録媒体３１０には、ＣＤ−ＲＯＭ、フレキシブルディスク、光磁気ディスク等のように情報を光学的、電気的あるいは磁気的に記録する媒体が含まれる。また、記録媒体３１０には、ＲＯＭ、フラッシュメモリ等のように情報を電気的に記録する半導体メモリ等が含まれていてもよい。
なお、補助記憶装置３０４に格納される各種プログラムは、例えば、配布された記録媒体３１０がドライブ装置３０８にセットされ、該記録媒体３１０に記録された各種プログラムがドライブ装置３０８により読み出されることでインストールされる。
＜サーバ装置の機能構成＞
次に、サーバ装置１２０の機能構成について説明する。図４は、サーバ装置の機能構成の一例を示す図である。
図４に示すように、サーバ装置１２０の施策導入効果予測部１２１は、ＵＩ提供部４０１、シミュレーション要求受付部４０２、モデル算出部４０３、ＢＡＵ算出部４０４を有する。また、サーバ装置１２０の施策導入効果予測部１２１は、効果算出部４０５、変化量算出部４０６、予測値算出部４０７、シミュレーション結果出力部４０８を有する。
ＵＩ提供部４０１は、端末１１０からのダウンロード要求に応じて、シミュレーションアプリを端末１１０に送信する。
シミュレーション要求受付部４０２は、シミュレーションアプリを端末１１０に送信したことに応じて、端末１１０から送信されるシミュレーション要求を受け付ける。また、シミュレーション要求受付部４０２は、シミュレーション要求に含まれる、地方自治体名、目的変数名、説明変数名を特定し、モデル算出部４０３に通知する。また、シミュレーション要求受付部４０２は、シミュレーション要求に含まれる、施策導入した場合の説明変数の期待値を効果算出部４０５に通知する。
モデル算出部４０３は、通知された目的変数名及び説明変数名に応じた全国の時系列データを、時系列データ格納装置１３０より取得し、取得した全国の時系列データの階差データを算出する。階差データとは、時系列データの各年とその翌年との差分（変化量）を算出したデータである。モデル算出部４０３は、算出した階差データに基づいて、目的変数と説明変数との相関を分析し、目的変数と説明変数との間に＋（プラス）の相関があるのか、−（マイナス）の相関があるのかを判定する。
また、モデル算出部４０３は、通知された地方自治体名、目的変数名及び説明変数名に応じた地方自治体の時系列データを、時系列データ格納装置１３０より取得するともに、取得した地方自治体の時系列データを、ＢＡＵ算出部４０４に通知する。
また、モデル算出部４０３は、取得した地方自治体の時系列データから階差データを算出し、相関について判定した判定結果に応じた階差データを抽出して、算定モデルを算出する。なお、モデル算出部４０３は、＋の相関があると判定した場合には、階差データのうち、階差同符号データを抽出することで算定モデルを算出し、−の相関があると判定した場合には、階差異符号データを抽出することで算定モデルを算出する。
このように、モデル算出部４０３は、目的変数の時系列データから算出された階差データと、説明変数の時系列データから算出された階差データとに基づいて算定モデルを算出する。これにより、モデル算出部４０３は、説明変数の変化量と目的変数の変化量との関係を示す算定モデルを算出することができる。
ＢＡＵ算出部４０４は、モデル算出部４０３より通知された地方自治体の時系列データを回帰分析する。また、ＢＡＵ算出部４０４は、回帰分析の結果に基づいて、将来の説明変数の予測値と目的変数の予測値とを算出する。このとき算出される説明変数の予測値は、施策導入しなかった場合の説明変数の予測値であり、以下では、ＢＡＵデータ（説明変数）と称する。また、このとき算出される目的変数の予測値は、施策導入しなかった場合の目的変数の予測値であり、以下では、ＢＡＵデータ（目的変数）と称する。ＢＡＵデータ（説明変数）及びＢＡＵデータ（目的変数）はいずれも、過去の時系列データを回帰分析することで得られるデータの一例である。
効果算出部４０５は、施策導入した場合の説明変数の期待値と、ＢＡＵデータ（説明変数）との差分（説明変数の変化量）を効果データとして算出する。上述したとおり、ＢＡＵデータ（説明変数）は、施策導入しなかった場合の説明変数の予測値であることから、施策導入した場合の説明変数の期待値との差分である効果データは、施策導入したことによる社会構造の変化を表しているといえる。
変化量算出部４０６は、モデル算出部４０３により算出された算定モデルに、効果算出部４０５により算出された効果データを入力することで、施策導入した場合の目的変数の変化量を算出する。
予測値算出部４０７は、ＢＡＵ算出部４０４により算出されたＢＡＵデータ（目的変数）に、変化量算出部４０６により算出された目的変数の変化量を加算することで、施策導入した場合の目的変数の予測値を算出する。
このように、予測値算出部４０７は、説明変数の効果データに基づいて算出した目的変数の変化量を、ＢＡＵデータ（目的変数）に加算することで、目的変数の予測値を算出する。このため、施策導入したことによる社会構造の変化（効果データ）が反映された予測値を算出することができ、目的変数の予測値が実際の値と乖離してしまうといった事態を回避することができる。また、従来のように、施策導入した場合の説明変数の期待値を回帰モデルに直接入力して目的変数の予測値を算出するわけではないため、多重共線性の影響で目的変数の予測値が安定しないといった事態を回避することができる。
つまり、予測値算出部４０７により目的変数の予測値を算出することで、予測精度を向上させることができる。
シミュレーション結果出力部４０８は、予測値算出部４０７により算出された、施策導入した場合の目的変数の予測値を含むシミュレーション結果を、端末１１０に送信する。
＜サーバ装置の施策導入効果予測部に含まれる各部の処理の具体例＞
次に、サーバ装置１２０の施策導入効果予測部１２１に含まれる各部の処理の具体例について説明する。
（１）ＵＩ提供部の処理の具体例
図５は、ＵＩ提供部により提供されるシミュレーションアプリが実行されることで、端末に表示される表示画面の一例を示す図である。
図５に示すように、ＵＩ提供部４０１により提供されるシミュレーションアプリが実行されることで、端末１１０に表示される表示画面５００には、メニューボタン５１０が含まれる。
ユーザは、メニューボタン５１０を選択することで、地方自治体名、目的変数名、説明変数名を入力する。図５の例は、地方自治体名＝ａａａ、目的変数名＝人口、説明変数名＝婚姻件数が入力された場合を示している。
地方自治体名、目的変数名、説明変数名が入力されることで、シミュレーションアプリは、時系列データ格納装置１３０から、対応する地方自治体の時系列データ５２１、５３１を読み出し、目的変数表示欄５２０、説明変数表示欄５３０にそれぞれグラフ表示する。
なお、シミュレーションアプリは、地方自治体の時系列データ５２１、５３１を回帰分析することで、ＢＡＵデータ（目的変数）５２２、ＢＡＵデータ（説明変数）５３２を算出してもよい。この場合、シミュレーションアプリは、算出したＢＡＵデータ（目的変数）５２２、ＢＡＵデータ（説明変数）５３２を、目的変数表示欄５２０、説明変数表示欄５３０にそれぞれグラフ表示する。
また、シミュレーションアプリは、データ値表示欄５４０に、ＢＡＵデータ（目的変数）５２２のデータ値、ＢＡＵデータ（説明変数）５３２のデータ値をそれぞれ表示する。
データ値表示欄５４０には、更に、施策導入した場合の説明変数の期待値をユーザが入力するための入力欄が設けられている。図５の場合、施策導入した場合の各年の説明変数の期待値は、ケース１〜ケース３のタブ５４１〜５４３のいずれかを選択することで、最大で３種類入力することができる。
表示画面５００には、更に、シミュレーション要求ボタン５５０が含まれる。ユーザによりシミュレーション要求ボタン５５０が押圧されることで、シミュレーションアプリは、施策内容（地方自治体名、目的変数名、説明変数名、施策導入した場合の説明変数の期待値）を含むシミュレーション要求を、サーバ装置１２０に送信する。
このように、ユーザは、端末１１０の表示画面５００を介して施策内容を入力するだけで、簡単にシミュレーション要求を行うことができる。
（２）モデル算出部の処理の具体例
図６は、第１の実施形態におけるモデル算出部の処理の具体例を示す図である。図６において、地方自治体の時系列データ６１０は、シミュレーション要求に含まれる地方自治体名、目的変数名及び説明変数名に応じて、モデル算出部４０３が、時系列データ格納装置１３０より取得した地方自治体の時系列データである。図６の例は、シミュレーション要求に、地方自治体名＝"ａａａ"、目的変数名＝"人口"、説明変数名＝"婚姻件数"が含まれていたことを示している。また、図６の例は、時系列データ格納装置１３０には、地方自治体名＝"ａａａ"の人口データ及び婚姻件数データとして、２０００年から２０１３年までの各年のデータが格納されていたことを示している。
このように、シミュレーション要求に含まれる施策内容に応じた時系列データを取得することで、サーバ装置１２０は、施策内容に応じた施策導入効果シミュレーション処理を実行することができる。
モデル算出部４０３は、取得した地方自治体の時系列データ６１０から、階差データ６２０を算出する。図６の例は、地方自治体の時系列データ６１０の２００１年の人口データと２０００年の人口データとの差分を算出し、算出結果（"−６５７"）を年＝"２００１−２０００"に対応付けて記録したことを示している。また、図６の例は、地方自治体の時系列データ６１０の２００１年の婚姻件数データと２０００年の婚姻件数データとの差分を算出し、算出結果（"−４８"）を年＝"２００１−２０００"に対応付けて記録したことを示している。
地方自治体の時系列データ６１０によれば、２０００年から２００１年にかけて、人口データ、婚姻件数データともに減っているため、年＝"２００１−２０００"に対応付けて記録された階差データは、いずれもマイナスの値となっている。このように、人口データの階差データの符号と婚姻件数データの階差データの符号とが同じ場合（ともにプラス、または、ともにマイナスの場合）、モデル算出部４０３は、当該階差データを、階差同符号データと判定する。
また、図６の例は、地方自治体の時系列データ６１０の２００２年の人口データと２００１年の人口データとの差分を算出し、算出結果（"−７１４"）を年＝"２００２−２００１"に対応付けて記録したことを示している。また、図６の例は、地方自治体の時系列データ６１０の２００２年の婚姻件数データと２００１年の婚姻件数データとの差分を算出し、算出結果（"１２"）を年＝"２００２−２００１"に対応付けて記録したことを示している。
地方自治体の時系列データ６１０によれば、２００１年から２００２年にかけて、人口データは減っているため、マイナスの値となっているが、婚姻件数データは増えているため、プラスの値となっている。このように、人口データの階差データの符号と婚姻件数データの階差データの符号とが異なる場合（一方がプラスで他方がマイナスの場合）、モデル算出部４０３は、当該階差データを階差異符号データと判定する。
モデル算出部４０３は、年＝"２００１−２０００"〜"２０１３−２０１２"それぞれについて階差データを算出し、それぞれの階差データが階差同符号データに該当するか、階差異符号データに該当するかを判定する。
また、図６において、全国の時系列データ６３０は、目的変数名＝"人口"、説明変数名＝"婚姻件数"についての全国の時系列データである。モデル算出部４０３は、全国の時系列データ６３０についても、階差データを算出し、人口データと婚姻件数データとの相関を分析する。これにより、モデル算出部４０３は、人口データと婚姻件数データとの間に、＋（プラス）の相関があるのか、−（マイナス）の相関があるのかを判定する。
モデル算出部４０３は、＋の相関があると判定した場合、階差データ６２０に含まれる各階差データのうち、階差同符号データを抽出し、算定モデル６４０を算出する。また、モデル算出部４０３は、−の相関があると判定した場合、階差データ６２０に含まれる各階差データのうち、階差異符号データを抽出し、算定モデル６５０を算出する。
（３）ＢＡＵ算出部の処理の具体例
図７は、第１の実施形態におけるＢＡＵ算出部の処理の具体例を示す図である。上述したように、ＢＡＵ算出部４０４は、ＢＡＵデータ（説明変数）及びＢＡＵデータ（目的変数）を算出し、図７に示すように、ＢＡＵデータ格納部１２２の回帰分析結果データ７００に格納する。
具体的には、ＢＡＵ算出部４０４は、モデル算出部４０３より通知された地方自治体の時系列データを回帰分析することで、ＢＡＵデータ（目的変数）と、ＢＡＵデータ（説明変数）とを算出する。また、ＢＡＵ算出部４０４は、算出したＢＡＵデータ（目的変数）と、ＢＡＵデータ（説明変数）とを、それぞれ、回帰分析結果データ７００の"ＢＡＵデータ（目的変数）"の項目及び"ＢＡＵデータ（説明変数）"の項目に格納する。
（４）効果算出部の処理の具体例
図８は、第１の実施形態における効果算出部の処理の具体例を示す図である。図８において、横軸は、"年"を表し、縦軸は、"婚姻件数"を表している。
また、図８において、２０００年から２０１３年までの婚姻件数データ８１０は、地方自治体の時系列データ６１０の年＝２０００年〜２０１３年の各年に対応付けられた婚姻件数データをグラフ化したものである。
一方、図８において、２０１３年以降の婚姻件数データ８２０は、施策導入した場合の説明変数（婚姻件数データ）の期待値を示している。上述したとおり、施策導入した場合の説明変数（婚姻件数データ）の期待値は、端末１１０より送信されるシミュレーション要求に含まれている。
効果算出部４０５は、シミュレーション要求に含まれている、施策導入した場合の婚姻件数データの期待値を取得し、２０１３年〜２０５０年までの婚姻件数データ８２０として、グラフ化する。
一方、効果算出部４０５は、２０００年から２０１３年までの婚姻件数データ８１０を回帰分析することで得た、２０１３年〜２０５０年までのＢＡＵデータ（説明変数）８３０を、回帰分析結果データ７００より読み出し、グラフ化する。ＢＡＵデータ（説明変数）８３０は、施策導入しなかった場合の婚姻件数データの予測値である。
効果算出部４０５は、婚姻件数データ８２０とＢＡＵデータ（説明変数）８３０との各年における差分を算出し、効果データ８４０を求める。
つまり、効果データ８４０は、施策導入した場合の婚姻件数データの期待値と、施策導入しなかった場合の婚姻件数データとの各年の差分であり、施策導入したことに伴う説明変数の変化量に他ならない。
（５）変化量算出部及び予測値算出部の処理の具体例
図９は、第１の実施形態における変化量算出部及び予測値算出部の処理の具体例を示す図である。図９において、横軸は、"年"を表し、縦軸は、"人口"を表している。
また、図９において、２０００年から２０１３年までの人口データ９１０は、地方自治体の時系列データ６１０の年＝２０００年〜２０１３年の各年に対応付けられた人口データをグラフ化したものである。
変化量算出部４０６は、効果算出部４０５において求めた各年の効果データ８４０を、モデル算出部４０３において算出された算定モデル（算定モデル６４０または６５０のいずれか一方）に入力する。これにより、変化量算出部４０６は、２０１３年〜２０５０年までの各年の、効果データ８４０に応じた人口データの変化量９４０を算出する。
また、変化量算出部４０６は、２０００年から２０１３年までの人口データ９１０を回帰分析することで得た、２０１３年〜２０５０年までのＢＡＵデータ（目的変数）９３０を、回帰分析結果データ７００より読み出し、グラフ化する。ＢＡＵデータ（目的変数）９３０は、施策導入しなかった場合の人口データの予測値である。
予測値算出部４０７は、ＢＡＵデータ（目的変数）９３０に人口データの変化量９４０を加算することで、施策導入した場合の人口データの予測値（人口データ９２０）を算出する。
つまり、施策導入した場合の人口データの予測値は、施策導入しなかった場合の人口データの予測値と、人口データの変化量との各年の和算値である。
シミュレーション結果出力部４０８は、シミュレーション結果として、２０１３年から２０５０年までの目的変数の予測値（人口データ９２０）を端末１１０に送信する。
（６）シミュレーション結果出力部の処理の具体例
図１０は、シミュレーション結果出力部によりシミュレーション結果が送信されることで、端末に表示される表示画面の一例を示す図である。
図１０に示すように、表示画面１０００には、シミュレーション結果を出力するための出力欄として、目的変数表示欄５２０、説明変数表示欄５３０、データ値表示欄５４０が含まれる。
目的変数表示欄５２０には、シミュレーション結果出力部４０８により送信された目的変数の予測値（人口データ９２０）がグラフ表示される。また、説明変数表示欄５３０には、シミュレーション要求に含めて送信した、施策導入した場合の説明変数の期待値１０３２がグラフ表示される。更に、データ値表示欄５４０には、シミュレーション要求に含めて送信した、施策導入した場合の説明変数の期待値（図１０の例は、ケース１のタブ５４１が選択されることで、ユーザにより入力された説明変数の期待値）が表示される。
このように、端末１１０の表示画面１０００にシミュレーション結果が表示されることで、ユーザは、施策導入の効果を定量的に把握することができる。
＜施策導入効果シミュレーション処理の流れ＞
次に、サーバ装置１２０の施策導入効果予測部１２１により実行される施策導入効果シミュレーション処理の流れについて説明する。図１１は、施策導入効果シミュレーション処理のフローチャートである。
ステップＳ１１０１において、ＵＩ提供部４０１は、端末１１０より、シミュレーションアプリのダウンロード要求を受信したか否かを判定する。ステップＳ１１０１において、ダウンロード要求を受信していないと判定した場合には（ステップＳ１１０１においてＮｏの場合には）、ダウンロード要求を受信するまで待機する。
一方、ステップＳ１１０１において、ダウンロード要求を受信したと判定した場合には（ステップＳ１１０１においてＹｅｓの場合には）、ステップＳ１１０２に進む。
ステップＳ１１０２において、ＵＩ提供部４０１は、要求元の端末１１０に、シミュレーションアプリを送信する。
ステップＳ１１０３において、シミュレーション要求受付部４０２は、シミュレーションアプリを起動した端末１１０から、シミュレーション要求を受信したか否かを判定する。ステップＳ１１０３において、シミュレーション要求を受信していないと判定した場合には（ステップＳ１１０３においてＮｏの場合には）、シミュレーション要求を受信するまで待機する。
一方、ステップＳ１１０３において、シミュレーション要求を受信したと判定した場合には（ステップＳ１１０３においてＹｅｓの場合には）、ステップＳ１１０４に進む。
ステップＳ１１０４において、シミュレーション要求受付部４０２は、端末１１０より送信されたシミュレーション要求を受け付ける。
ステップＳ１１０５において、シミュレーション要求受付部４０２は、シミュレーション要求に含まれる施策内容（地方自治体名、目的変数名、説明変数名、施策導入した場合の説明変数の期待値）を取得する。
ステップＳ１１０６において、モデル算出部４０３は、シミュレーション要求受付部４０２が取得した、地方自治体名、目的変数名、説明変数名に応じた地方自治体の時系列データを、時系列データ格納装置１３０から取得する。また、モデル算出部４０３は、取得した時系列データから階差データを算出し、階差同符号データか階差異符号データかの判定を行う。
ステップＳ１１０７において、モデル算出部４０３は、シミュレーション要求受付部４０２が取得した、目的変数名、説明変数名に応じた全国の時系列データを、時系列データ格納装置１３０から取得し、階差データを算出する。また、モデル算出部４０３は、全国の時系列データから算出した階差データが、目的変数と説明変数との間に＋（プラス）の相関があるのか、−（マイナス）の相関があるのかを判定する。
ステップＳ１１０８において、モデル算出部４０３は、算定モデルを算出する。具体的には、モデル算出部４０３は、ステップＳ１１０７において＋（プラス）の相関があると判定した場合には、地方自治体の時系列データから算出した階差データから、階差同符号データを抽出し、算定モデルを算出する。一方、ステップＳ１１０７において−（マイナス）の相関があると判定した場合には、モデル算出部４０３は、地方自治体の時系列データから算出した階差データから、階差異符号データを抽出し、算定モデルを算出する。
ステップＳ１１０９において、ＢＡＵ算出部４０４は、地方自治体の時系列データのうち、説明変数の時系列データについて、回帰分析を行い、ＢＡＵデータ（説明変数）を算出する。
ステップＳ１１１０において、効果算出部４０５は、シミュレーション要求に含まれる、施策導入した場合の説明変数の期待値と、ステップＳ１１０９において算出したＢＡＵデータ（説明変数）との差分を算出することで、効果データを算出する。
ステップＳ１１１１において、ＢＡＵ算出部４０４は、地方自治体の時系列データのうち、目的変数の時系列データについて、回帰分析を行い、ＢＡＵデータ（目的変数）を算出する。
ステップＳ１１１２において、変化量算出部４０６は、ステップＳ１１１０において算出した効果データを、ステップＳ１１０８において算出した算定モデルに入力することで、施策導入した場合の目的変数の変化量を算出する。
ステップＳ１１１３において、変化量算出部４０６は、ステップＳ１１１１において算出したＢＡＵデータ（目的変数）に、ステップＳ１１１２において算出した目的変数の変化量を加算することで、施策導入した場合の目的変数の予測値を算出する。
ステップＳ１１１４において、シミュレーション結果出力部４０８は、シミュレーション結果として、目的変数の予測値を端末１１０に送信する。
ステップＳ１１１５において、ＵＩ提供部４０１は、施策導入効果シミュレーション処理を終了するか否かを判定する。例えば、端末１１０との通信が継続している場合には、ステップＳ１１１５において、施策導入効果シミュレーション処理を終了しないと判定し（ステップＳ１１１５においてＮｏ）、ステップＳ１１０３に戻る。
一方、端末１１０との通信が切断した場合には、ステップＳ１１１５において、施策導入効果シミュレーション処理を終了すると判定し（ステップＳ１１１５においてＹｅｓ）、施策導入効果シミュレーション処理を終了する。
以上の説明から明らかなように、第１の実施形態におけるサーバ装置１２０は、モデル算出部が、目的変数の時系列データから算出される階差データと、説明変数の時系列データから算出される階差データとに基づいて算定モデルを算出する。
これにより、モデル算出部は、説明変数の変化量と目的変数の変化量との関係を示す算定モデルを算出することができる。
また、第１の実施形態におけるサーバ装置１２０は、施策導入した場合の説明変数の期待値に応じて算出された効果データを、変化量算出部が、算定モデルに入力することで目的変数の変化量を算出する。また、予測値算出部が、目的変数の変化量をＢＡＵデータ（目的変数）に加算することで、目的変数の予測値を算出する。
これにより、サーバ装置１２０では、目的変数の予測値として、施策導入したことに伴う社会構造の変化（効果データ）を反映させた予測値を算出することができ、算出する目的変数の予測値が実際の値と乖離してしまうといった事態を回避することができる。また、従来のように、施策導入した場合の説明変数の期待値を回帰モデルに直接入力して目的変数の予測値を算出するわけではないため、多重共線性の影響で目的変数の予測値が安定しないといった事態を回避することができる。
この結果、第１の実施形態におけるサーバ装置によれば、施策導入の効果を予測する際の予測精度を向上させることができる。
［第２の実施形態］
上記第１の実施形態では、現在時点（２０１３年）までの時系列データを用いて、目的変数の予測値を算出する場合について説明した。これに対して、第２の実施形態では、現在時点（２０１３年）までの時系列データを用いて、目的変数の予測値の算出と、算出した目的変数の予測値の予測精度の検証とを行う場合について説明する。
具体的には、転入者数を増加させる施策（例えば、土地開発による住宅地増設）を実際に導入することで、人口が増加した自治体の時系列データを用いる。
この場合、施策を実際に導入した年（ここでは、２００６年とする）を、施策導入効果シミュレーション処理の際の現在時点とする。そして、施策導入効果シミュレーション処理の際の現在時点（２００６年）までの説明変数の時系列データと、施策導入効果シミュレーション処理の際の現在時点（２００６年）以降の説明変数の時系列データとを用いて、目的変数の予測値を算出する。なお、施策導入効果シミュレーション処理の際の現在時点（２００６年）以降の説明変数の時系列データは、施策導入した場合の説明変数の期待値となる。
また、施策導入効果シミュレーション処理の際の現在時点（２００６年）から、実際の現在時点（２０１３年）までの目的変数の時系列データと、算出した目的変数の予測値とを対比することで、目的変数の予測値の予測精度を検証する。以下、第２の実施形態について、第１の実施形態との相違点を中心に、詳細を説明する。
（１）モデル算出部の処理の具体例
図１２は、第２の実施形態におけるモデル算出部の処理の具体例を示す図である。図１２において、地方自治体の時系列データ１２１０は、シミュレーション要求に含まれる地方自治体名、目的変数名、説明変数名に応じて、モデル算出部４０３が、時系列データ格納装置１３０より取得した地方自治体の時系列データである。図１２の例は、シミュレーション要求に、地方自治体名＝"ｂｂｂ"、目的変数名＝"人口"、説明変数名＝"転入者数"が含まれていたことを示している。また、図１２の例は、モデル算出部４０３が、地方自治体名＝"ｂｂｂ"の人口データ及び転入者数データとして、２０００年から２０１３年までの各年のデータのうち、２０００年から２００６年までの各年のデータを呼び出したことを示している。
モデル算出部４０３は、取得した地方自治体の時系列データ１２１０から、階差データ１２２０を算出する。図１２の例は、地方自治体の時系列データ１２１０の２００１年の人口データと２０００年の人口データとの差分を算出し、算出結果（"４０９"）を年＝"２００１−２０００"に対応付けて記録したことを示している。また、図１２の例は、地方自治体の時系列データ１２１０の２００１年の転入者数データと２０００年の転入者数データとの差分を算出し、算出結果（"−２２８"）を年＝"２００１−２０００"に対応付けて記録したことを示している。
地方自治体の時系列データ１２１０によれば、２０００年から２００１年にかけて、人口データは増えているため、プラスの値となっている一方で、転入者数データは減っているため、マイナスの値となっている。このため、モデル算出部４０３は、２０００年から２００１年にかけての階差データを、階差異符号データと判定する。
また、図１２の例は、地方自治体の時系列データ１２１０の２００２年の人口データと２００１年の人口データとの差分を算出し、算出結果（"４９１"）を年＝"２００２−２００１"に対応付けて記録したことを示している。また、図１２の例は、地方自治体の時系列データ１２１０の２００２年の転入者数データと２００１年の転入者数データとの差分を算出し、算出結果（"２１４"）を年＝"２００２−２００１"に対応付けて記録したことを示している。
地方自治体の時系列データ１２１０によれば、２００１年から２００２年にかけて、人口データ及び転入者数データは、ともに増えているため、いずれもプラスの値となっている。このため、モデル算出部４０３は、２００１年から２００２年にかけての階差データを、階差同符号データと判定する。
モデル算出部４０３は、年＝"２００１−２０００"〜"２００６−２００５"それぞれについて階差データを算出し、それぞれの階差データが階差同符号データに該当するか、階差異符号データに該当するかの判定を行う。
また、図１２において、全国の時系列データ１２３０は、目的変数名＝"人口"、説明変数名＝"転入者数"についての全国の時系列データである。モデル算出部４０３は、全国の時系列データ１２３０についても、階差データを算出し、人口データと転入者数データとの相関を分析する。これにより、モデル算出部４０３は、人口データと転入者数データとの間に、＋（プラス）の相関があるのか、−（マイナス）の相関があるのかを判定する。
図１２の例は、モデル算出部４０３は、＋の相関があると判定した場合を示している。このため、モデル算出部４０３は、階差データ１２２０に含まれる各階差データのうち、階差同符号データを抽出し、算定モデル１２４０を算出する（階差異符号データによる算定モデル１２５０の算出は行わない）。
（２）効果算出部の処理の具体例
図１３は、第２の実施形態における効果算出部の処理の具体例を示す図である。図１３において、横軸は、"年"を表し、縦軸は、"転入者数"を表している。
また、図１３において、２０００年から２００６年までの転入者数データ１３１０は、地方自治体の時系列データ１２１０の年＝２０００年〜２００６年の各年に対応付けられた転入者数データをグラフ化したものである。
一方、図１３において、２００６年以降の転入者数データ１３２０は、地方自治体の時系列データの２００６年〜２０１３年の各年に対応付けられた転入者数データを、施策導入した場合の説明変数（転入者数データ）の期待値として入力しグラフ化したものである。
効果算出部４０５は、２０００年から２００６年までの転入者数データ１３１０を回帰分析することで得た、２００６年〜２０１３年までのＢＡＵデータ（説明変数）１３３０を、回帰分析結果データ７００より読み出し、グラフ化する。ＢＡＵデータ（説明変数）１３３０は、施策導入しなかった場合の転入者数データの予測値である。
効果算出部４０５は、転入者数データ１３２０とＢＡＵデータ（説明変数）１３３０との各年における差分を算出し、効果データ１３４０を求める。
（３）変化量算出部及び予測値算出部の処理の具体例
図１４は、第２の実施形態における変化量算出部及び予測値算出部の処理の具体例を示す図である。図１４において、横軸は、"年"を表し、縦軸は、"人口"を表している。
また、図１４において、２０００年から２００６年までの人口データ１４１０は、地方自治体の時系列データ１２１０の年＝２０００年〜２００６年の各年に対応付けられた人口データをグラフ化したものである。
変化量算出部４０６は、効果算出部４０５において求めた各年の効果データ１３４０を、モデル算出部４０３において算出した算定モデル（算定モデル１２４０）に入力する。これにより、変化量算出部４０６は、２００６年〜２０１３年までの各年の、効果データ１３４０に応じた人口データの変化量１４４０を算出する。
また、変化量算出部４０６は、２０００年から２００６年までの人口データ１４１０を回帰分析することで得た、２００６年〜２０１３年までのＢＡＵデータ（目的変数）１４３０を、回帰分析結果データ７００より読み出し、グラフ化する。ＢＡＵデータ（目的変数）１４３０は、施策導入しなかった場合の人口データの予測値である。
予測値算出部４０７は、ＢＡＵデータ（目的変数）１４３０に人口データの変化量１４４０を加算することで、施策導入した場合の人口データの予測値（人口データ１４２０）を算出する。
ここで、人口データ１４５０は、施策導入した場合の人口データの実測値であり、地方自治体の時系列データの年＝２００６年〜２０１３の各年に対応付けられた人口データをグラフ化したものである。
人口データ１４２０（予測値）と、人口データ１４５０（実測値）とを対比することで、人口データ１４２０（予測値）の予測精度を検証することができる。図１４の例によれば、人口データ１４２０（予測値）が、人口データ１４５０（実測値）と同じような変化を示していることがわかる。したがって、サーバ装置１２０による施策導入効果シミュレーション処理は、施策導入の効果の予測において、概ね良好な予測精度を有しているということができる。
以上の説明から明らかなように、第２の実施形態におけるサーバ装置１２０は、実際に施策導入された自治体の時系列データを用いて、目的変数の予測値を算出し、目的変数の実測値と対比する。
これにより、第２の実施形態におけるサーバ装置によれば、算出した目的変数の予測値の予測精度を検証することが可能になる。
［その他の実施形態］
上記第１及び第２の実施形態では、ユーザが施策内容として地方自治体名、目的変数名、説明変数名、施策導入した場合の説明変数の期待値を入力するものとして説明したが、ユーザが入力する施策内容はこれらに限定されない。他の情報を入力してもよいし、あるいは、いずれかの施策内容（例えば、説明変数名）は、ユーザが入力するのではなく、サーバ装置１２０側で自動選択するようにしてもよい。
また、上記第１及び第２の実施形態では、施策導入効果予測システム１００が１台の端末１１０を有するものとして説明したが、施策導入効果予測システム１００が有する端末は１台に限定されず、複数の端末を有していてもよい。この場合、複数の端末は、同一の自治体に属する複数のユーザが利用してもよいし、別々の自治体に属する複数のユーザが利用してもよい。つまり、サーバ装置１２０は、各自治体ごとに個別に設置されて、各自治体の複数のユーザに対して施策導入効果予測サービスを提供してもよいし、クラウド上に配し、複数の自治体のそれぞれのユーザに対して施策導入効果予測サービスを提供してもよい。
また、上記第１及び第２の実施形態では、時系列データ格納装置１３０が、地方自治体の時系列データと、全国の時系列データとを格納するものとして説明したが、これらの時系列データは、異なる装置内に格納されていてもよい。また、時系列データ格納装置１３０が格納する時系列データは、サーバ装置１２０が格納していてもよい。
また、上記第１及び第２の実施形態では、ＢＡＵデータ（説明変数）及びＢＡＵデータ（目的変数）を、サーバ装置１２０が算出して格納するものとして説明した。しかしながら、ＢＡＵデータ（説明変数）及びＢＡＵデータ（目的変数）は、他の装置で算出されたものをサーバ装置１２０が取得するようにしてもよい。
また、上記第１及び第２の実施形態では、説明変数を１つ選択する場合について説明したが、説明変数は複数選択してもよい。
なお、開示の技術では、以下に記載する付記のような形態が考えられる。
（付記１）
目的変数の時系列データから算出される階差データと説明変数の時系列データから算出される階差データとに基づいて算定モデルを算出するモデル算出部と、
施策導入する場合の前記説明変数の変化量を、前記算定モデルに入力することで、前記目的変数の変化量を算出する変化量算出部と、
施策導入しない場合の前記目的変数の予測値に、前記目的変数の変化量を加算することで、施策導入する場合の前記目的変数の予測値を算出する予測値算出部と
を有することを特徴とする施策導入効果予測装置。
（付記２)
前記モデル算出部は、前記目的変数の時系列データから算出される階差データと前記説明変数の時系列データから算出される階差データとが正の相関を有する場合の算定モデル、または、前記目的変数の時系列データから算出される階差データと前記説明変数の時系列データから算出される階差データとが負の相関を有する場合の算定モデルのいずれかの算定モデルを算出することを特徴とする付記１に記載の施策導入効果予測装置。
（付記３）
前記モデル算出部は、
前記正の相関を有する場合、前記目的変数の時系列データから算出される階差データと、前記説明変数の時系列データから算出される階差データとが、互いに同符号となる階差データを用いて前記算定モデルを算出し、
前記負の相関を有する場合、前記目的変数の時系列データから算出される階差データと、前記説明変数の時系列データから算出される階差データとが、互いに異符号となる階差データを用いて前記算定モデルを算出することを特徴とする付記２に記載の施策導入効果予測装置。
（付記４）
施策導入する場合の前記説明変数の変化量は、
前記説明変数の時系列データを回帰分析することで得られる、施策導入しない場合の前記説明変数の予測値と、施策導入する場合の前記説明変数の期待値との差分に基づいて算出されることを特徴とする付記１乃至付記３のいずれかの付記に記載の施策導入効果予測装置。
（付記５）
施策導入しない場合の前記目的変数の予測値は、
前記目的変数の時系列データを回帰分析することで得られることを特徴とする付記１乃至付記４のいずれかの付記に記載の施策導入効果予測装置。
（付記６）
目的変数の時系列データから算出される階差データと説明変数の時系列データから算出される階差データとに基づいて算定モデルを算出し、
施策導入する場合の前記説明変数の変化量を、前記算定モデルに入力することで、前記目的変数の変化量を算出し、
施策導入しない場合の前記目的変数の予測値に、前記目的変数の変化量を加算することで、施策導入する場合の前記目的変数の予測値を算出する、
処理をコンピュータに実行させるための施策導入効果予測プログラム。
（付記７）
目的変数の時系列データから算出される階差データと説明変数の時系列データから算出される階差データとに基づいて算定モデルを算出し、
施策導入する場合の前記説明変数の変化量を、前記算定モデルに入力することで、前記目的変数の変化量を算出し、
施策導入しない場合の前記目的変数の予測値に、前記目的変数の変化量を加算することで、施策導入する場合の前記目的変数の予測値を算出する、
処理をコンピュータが実行することを特徴とする施策導入効果予測方法。
（付記８）
施策導入効果予測装置と、該施策導入効果予測装置と通信する端末と、時系列データを格納する格納装置とを有する施策導入効果予測システムであって、
前記施策導入効果予測装置は、
目的変数の時系列データから算出される階差データと説明変数の時系列データから算出される階差データとに基づいて算定モデルを算出するモデル算出部と、
施策導入する場合の前記説明変数の変化量を、前記算定モデルに入力することで、前記目的変数の変化量を算出する変化量算出部と、
施策導入しない場合の前記目的変数の予測値に、前記目的変数の変化量を加算することで、施策導入する場合の前記目的変数の予測値を算出する予測値算出部と
を有することを特徴とする施策導入効果予測システム。
（付記９）
前記端末は、
目的変数名と、前記施策導入する場合の説明変数の期待値とを前記施策導入効果予測装置に送信し、
前記施策導入効果予測装置より、前記施策導入する場合の目的変数の予測値を受信して表示することを特徴とする付記８に記載の施策導入効果予測システム。
（付記１０）
前記施策導入効果予測装置は、
前記端末より送信された、前記目的変数名に応じた時系列データを、前記格納装置より取得することを特徴とする付記９に記載の施策導入効果予測システム。
なお、上記実施形態に挙げた構成等に、その他の要素との組み合わせ等、ここで示した構成に本発明が限定されるものではない。これらの点に関しては、本発明の趣旨を逸脱しない範囲で変更することが可能であり、その応用形態に応じて適切に定めることができる。
１００ ：施策導入効果予測システム
１１０ ：端末
１２０ ：サーバ装置
１２１ ：施策導入効果予測部
１２２ ：ＢＡＵデータ格納部
１３０ ：時系列データ格納装置
２１０ ：地方自治体の時系列データ
２２０ ：全国の時系列データ
４０１ ：ＵＩ提供部
４０２ ：シミュレーション要求受付部
４０３ ：モデル算出部
４０４ ：ＢＡＵ算出部
４０５ ：効果算出部
４０６ ：変化量算出部
４０７ ：予測値算出部
４０８ ：シミュレーション結果出力部
６１０ ：地方自治体の時系列データ
６２０ ：階差データ
６３０ ：全国の時系列データ
６４０ ：算定モデル
６５０ ：算定モデル
７００ ：回帰分析結果データ
１２１０ ：地方自治体の時系列データ
１２２０ ：階差データ
１２３０ ：全国の時系列データ
１２４０ ：算定モデル

Claims (7)

  1. 目的変数の時系列データから算出される階差データと説明変数の時系列データから算出される階差データとに基づいて算定モデルを算出するモデル算出部と、
    施策導入する場合の前記説明変数の変化量を、前記算定モデルに入力することで、前記目的変数の変化量を算出する変化量算出部と、
    施策導入しない場合の前記目的変数の予測値に、前記目的変数の変化量を加算することで、施策導入する場合の前記目的変数の予測値を算出する予測値算出部と
    を有することを特徴とする施策導入効果予測装置。
  2. 前記モデル算出部は、前記目的変数の時系列データから算出される階差データと前記説明変数の時系列データから算出される階差データとが正の相関を有する場合の算定モデル、または、前記目的変数の時系列データから算出される階差データと前記説明変数の時系列データから算出される階差データとが負の相関を有する場合の算定モデルのいずれかの算定モデルを算出することを特徴とする請求項１に記載の施策導入効果予測装置。
  3. 前記モデル算出部は、
    前記正の相関を有する場合、前記目的変数の時系列データから算出される階差データと、前記説明変数の時系列データから算出される階差データとが、互いに同符号となる階差データを用いて前記算定モデルを算出し、
    前記負の相関を有する場合、前記目的変数の時系列データから算出される階差データと、前記説明変数の時系列データから算出される階差データとが、互いに異符号となる階差データを用いて前記算定モデルを算出することを特徴とする請求項２に記載の施策導入効果予測装置。
  4. 施策導入する場合の前記説明変数の変化量は、
    前記説明変数の時系列データを回帰分析することで得られる、施策導入しない場合の前記説明変数の予測値と、施策導入する場合の前記説明変数の期待値との差分に基づいて算出されることを特徴とする請求項１乃至３のいずれか１項に記載の施策導入効果予測装置。
  5. 施策導入しない場合の前記目的変数の予測値は、
    前記目的変数の時系列データを回帰分析することで得られることを特徴とする請求項１乃至４のいずれか１項に記載の施策導入効果予測装置。
  6. 目的変数の時系列データから算出される階差データと説明変数の時系列データから算出される階差データとに基づいて算定モデルを算出し、
    施策導入する場合の前記説明変数の変化量を、前記算定モデルに入力することで、前記目的変数の変化量を算出し、
    施策導入しない場合の前記目的変数の予測値に、前記目的変数の変化量を加算することで、施策導入する場合の前記目的変数の予測値を算出する、
    処理をコンピュータに実行させるための施策導入効果予測プログラム。
  7. 目的変数の時系列データから算出される階差データと説明変数の時系列データから算出される階差データとに基づいて算定モデルを算出し、
    施策導入する場合の前記説明変数の変化量を、前記算定モデルに入力することで、前記目的変数の変化量を算出し、
    施策導入しない場合の前記目的変数の予測値に、前記目的変数の変化量を加算することで、施策導入する場合の前記目的変数の予測値を算出する、
    処理をコンピュータが実行することを特徴とする施策導入効果予測方法。
JP2016245532A 2016-12-19 2016-12-19 施策導入効果予測装置、施策導入効果予測プログラム及び施策導入効果予測方法 Active JP6870312B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2016245532A JP6870312B2 (ja) 2016-12-19 2016-12-19 施策導入効果予測装置、施策導入効果予測プログラム及び施策導入効果予測方法
EP17207393.4A EP3336778A1 (en) 2016-12-19 2017-12-14 Policy introduced effect prediction apparatus, policy introduced effect prediction program, and policy introduced effect prediction method
US15/841,856 US10761494B2 (en) 2016-12-19 2017-12-14 Policy introduced effect prediction apparatus, and policy introduced effect prediction method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2016245532A JP6870312B2 (ja) 2016-12-19 2016-12-19 施策導入効果予測装置、施策導入効果予測プログラム及び施策導入効果予測方法

Publications (2)

Publication Number Publication Date
JP2018101201A true JP2018101201A (ja) 2018-06-28
JP6870312B2 JP6870312B2 (ja) 2021-05-12

Family

ID=60781549

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016245532A Active JP6870312B2 (ja) 2016-12-19 2016-12-19 施策導入効果予測装置、施策導入効果予測プログラム及び施策導入効果予測方法

Country Status (3)

Country Link
US (1) US10761494B2 (ja)
EP (1) EP3336778A1 (ja)
JP (1) JP6870312B2 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020086800A (ja) * 2018-11-21 2020-06-04 株式会社日立製作所 施策選択支援方法及びシステム

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7131393B2 (ja) * 2017-01-31 2022-09-06 日本電気株式会社 情報処理装置、情報処理方法およびプログラム
JP7028259B2 (ja) * 2018-01-22 2022-03-02 日本電気株式会社 分析装置、分析方法、及び、プログラム
CN109189826A (zh) * 2018-08-14 2019-01-11 北京新广视通科技有限公司 一种基于大数据的政务服务系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003242305A (ja) * 2002-02-19 2003-08-29 Technova:Kk 社会構造推計システム
JP2015023668A (ja) * 2013-07-18 2015-02-02 株式会社Ｎｔｔファシリティーズ 節電支援システム、及び節電支援装置
US20150213160A1 (en) * 2014-01-24 2015-07-30 Ut-Battelle, Llc Locally adaptive spatially explicit population projection system

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7904187B2 (en) * 1999-02-01 2011-03-08 Hoffberg Steven M Internet appliance system and method
EP1203311A4 (en) * 1999-03-05 2002-08-21 Manugistic Atlanta Inc TARGET PRICE SYSTEM FOR COMPETING OFFERED GOODS AND SERVICES
US8200511B2 (en) * 2001-11-28 2012-06-12 Deloitte Development Llc Method and system for determining the importance of individual variables in a statistical model
US20060069616A1 (en) * 2004-09-30 2006-03-30 David Bau Determining advertisements using user behavior information such as past navigation information
JP2005332350A (ja) 2004-05-19 2005-12-02 Think Mate Research Ltd 地方自治体における事業施策の効果性評価システム
EP2343649B1 (en) * 2008-10-30 2017-10-25 Hitachi, Ltd. Operation management apparatus of information processing system
WO2010082322A1 (ja) * 2009-01-14 2010-07-22 株式会社日立製作所 装置異常監視方法及びシステム
US8457802B1 (en) * 2009-10-23 2013-06-04 Viridity Energy, Inc. System and method for energy management
US9159042B2 (en) * 2009-10-23 2015-10-13 Viridity Energy, Inc. Facilitating revenue generation from data shifting by data centers
US9607155B2 (en) * 2010-10-29 2017-03-28 Hewlett Packard Enterprise Development Lp Method and system for analyzing an environment
JP5785830B2 (ja) 2011-09-12 2015-09-30 株式会社日立製作所 資産評価システム、及び、住民活動予測システム
US20140172678A1 (en) * 2012-12-14 2014-06-19 Craig Alan Stephens Institution simulation
US10275545B2 (en) * 2013-03-15 2019-04-30 Ventana Systems, Inc. Modeling and simulation
WO2015064713A1 (ja) 2013-10-31 2015-05-07 富士通株式会社 情報提示方法、装置、及びプログラム
US10521747B2 (en) * 2014-04-08 2019-12-31 Northrop Grumman Systems Corporation System and method for providing a scalable semantic mechanism for policy-driven assessment and effective action taking on dynamically changing data
JP6493006B2 (ja) * 2015-06-18 2019-04-03 富士通株式会社 人口推計方法、人口推計プログラム、および人口推計装置
WO2017143263A1 (en) * 2016-02-17 2017-08-24 Silverthread, Inc. Computer-implemented methods and systems for measuring, estimating, and managing economic outcomes and technical debt in software systems and projects

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003242305A (ja) * 2002-02-19 2003-08-29 Technova:Kk 社会構造推計システム
JP2015023668A (ja) * 2013-07-18 2015-02-02 株式会社Ｎｔｔファシリティーズ 節電支援システム、及び節電支援装置
US20150213160A1 (en) * 2014-01-24 2015-07-30 Ut-Battelle, Llc Locally adaptive spatially explicit population projection system

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020086800A (ja) * 2018-11-21 2020-06-04 株式会社日立製作所 施策選択支援方法及びシステム
JP7034053B2 (ja) 2018-11-21 2022-03-11 株式会社日立製作所 施策選択支援方法及びシステム

Also Published As

Publication number Publication date
US10761494B2 (en) 2020-09-01
US20180173172A1 (en) 2018-06-21
JP6870312B2 (ja) 2021-05-12
EP3336778A1 (en) 2018-06-20

Similar Documents

Publication Publication Date Title
JP6578244B2 (ja) 履歴データに基づく適合性の確度の決定
US20180232752A1 (en) Administering a digital survey over voice-capable devices
JP2019509556A (ja) ユーザー・クレジット評価方法、装置及び記憶媒体
WO2019114423A1 (zh) 对模型预测值进行融合的方法、装置和设备
WO2020199662A1 (zh) 用于推送信息的方法和装置
JP2016522475A (ja) 複数ヴァージョンをテストするための方法及びデバイス
JP6870312B2 (ja) 施策導入効果予測装置、施策導入効果予測プログラム及び施策導入効果予測方法
CN109891190B (zh) 基于衍生社交网络对个人进行地理定位
EP3230867B1 (en) Browser provided website statistics
KR101785219B1 (ko) 사물 인터넷 환경에서의 그룹 사용자를 위한 그룹 구성 정보 기반 서비스 추천 방법
JP2018077821A (ja) ユーザによって訪問される施設のカテゴリの予測モデルを生成する方法、プログラム、サーバ装置、及び処理装置
CN113268403B (zh) 时间序列的分析预测方法、装置、设备及存储介质
CN110059939A (zh) 一种风险检测方法及装置
KR20200052245A (ko) 다수의 시스템 지시자의 모니터링
JP2009265754A (ja) 情報提供装置、情報提供方法及び情報提供プログラム
KR20130012198A (ko) 사용자 친밀도 기반의 주소록 생성을 위한 시스템, 서버 장치, 단말 장치, 기록매체 및 사용자 친밀도 기반의 주소록 생성 방법
CN110582796A (zh) 使用传感器数据和分布式数据进行自适应调整
JP2017117394A (ja) 生成装置、生成方法及び生成プログラム
US20200152338A1 (en) Dynamically optimized inquiry process for intelligent health pre-diagnosis
JP2017033569A (ja) インスタントメッセージに基づいてユーザの感情および活動を収集するシステムおよび方法
WO2014020076A1 (en) A method and appararus for providing a response to a query
CN111368195B (zh) 一种模型训练方法、装置、设备及存储介质
JP2019008691A (ja) 経営支援装置、経営支援方法、及びプログラム
JP2010097285A (ja) システム分析支援プログラム、システム分析支援装置、およびシステム分析支援方法
CN114297478A (zh) 一种页面推荐方法、装置、设备以及存储介质

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190910

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200727

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20201201

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210127

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20210316

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210329

R150 Certificate of patent or registration of utility model

Ref document number: 6870312

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150