JP6919706B2 - 情報処理方法、情報処理装置及び情報処理コンピュータプログラム - Google Patents

情報処理方法、情報処理装置及び情報処理コンピュータプログラム Download PDF

Info

Publication number
JP6919706B2
JP6919706B2 JP2019523302A JP2019523302A JP6919706B2 JP 6919706 B2 JP6919706 B2 JP 6919706B2 JP 2019523302 A JP2019523302 A JP 2019523302A JP 2019523302 A JP2019523302 A JP 2019523302A JP 6919706 B2 JP6919706 B2 JP 6919706B2
Authority
JP
Japan
Prior art keywords
index value
measure
target
difference
predetermined variable
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.)
Active
Application number
JP2019523302A
Other languages
English (en)
Other versions
JPWO2018225227A1 (ja
Inventor
中澤　克仁
克仁 中澤
塩田　哲義
哲義 塩田
崇宏 星野
崇宏 星野
勇樹 斉藤
勇樹 斉藤
敬之 戸田
敬之 戸田
優哉 松村
優哉 松村
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
Publication of JPWO2018225227A1 publication Critical patent/JPWO2018225227A1/ja
Application granted granted Critical
Publication of JP6919706B2 publication Critical patent/JP6919706B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G06Q10/067—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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

本発明は、対象に施策が適用される場合の指標値の変化量を算出する情報処理方法、情報処理装置及び情報処理コンピュータプログラムに関する。
従来、地方自治体は、地域の活性化等を図るために、新たな施策の導入を検討する場合がある（例えば、特許文献１及び２）。新たな施策を導入することには、相当の予算又は時間が伴うので、新たな施策を導入することによる地方自治体への効果が、導入前に検討されることが好ましい。
そこで、地方自治体では、新たな施策を導入することによる効果を推定するために、施策の影響が反映される指標値に関して、新たな施策の導入が適用される場合の指標値と、施策が導入されない場合の指標値との比較を行うことが試みられる。
例えば、地方自治体が新たな施策を導入することによる効果を推定する方法として、反事実仮想を用いる技術が提案されている。
図１は、従来例の反事実仮想法を説明する図である。
反事実仮想を用いる技術では、まず、新たな施策が既に導入されている地方自治体のＡ市が選択される。次に、Ａ市に対して、人口又は産業構造等が類似しており、且つ施策が導入されていない複数の類似自治体が選択される。次に、施策が既に導入されている複数の類似自治体の指標値及び指標値を目的変数とする説明変数に基づいて、施策が導入される前のＡ市のモデルとして仮想Ａ市モデルが生成される。指標値は、施策の影響が反映されて施策の効果の指標となり得る値である。指標値として、例えば、製造業就業者数が挙げられる。仮想Ａ市モデルは、例えば、傾向スコア法、マッチング法又は差分の差分析法等の公知の技術を用いて生成される。そして、仮想Ａ市モデルを用いて、施策が導入される前のＡ市の指標値を示すカーブ１００が求められる。
Ａ市において施策が開始された後の実際の指標値を示すカーブ１０１と、施策が導入されなかった場合の仮想Ａ市モデルの指標値を示すカーブ１００との差が、時間ｔ０において、Ａ市において施策が導入されたことによる効果として定量的に求められる。
特開２００７−４１７０５号公報 特開２０１５−１３２８６３号公報
上述した反事実仮想の技術によれば、既に施策が導入されている地方自治体に対して、施策が導入されなかった場合の指標値が推定される。
一方、施策が導入されていない自治体に対して、施策が仮想的に導入された場合の未来の指標値を求めて、地方自治体において施策が導入されることによる効果を算出することが望まれている。
しかし、現在の所、この要望に具体的に応え得る技術は提案されていない。
本発明は、施策が適用されていない対象に対して、施策が仮想的に適用された場合の指標値を求めて、対象において施策が適用されることによる効果を算出する、情報処理方法を提供することを課題とする。
１つの態様では、情報処理方法は、施策が既に適用されている複数の参照対象のそれぞれについて、前記施策により影響を受け、経時的に変化する所定の変数と関連づけられた、当該参照対象の指標値と、前記複数の参照対象のそれぞれについて、前記指標値及び前記所定の変数との関係に基づき算出される、前記施策が仮想的に適用されなかった場合における指標値と、の差を当該参照対象に前記施策が適用される場合の第１指標値差として算出することと、前記施策が適用されておらず、且つ、前記複数の参照対象と類似した対象に対し、前記施策が適用されなかった一定期間の前記所定の変数から推定された前記対象の前記所定の変数と、前記第１指標値差と前記所定の変数とを関係付けた関係式とを用いて、前記施策が仮想的に前記対象に適用される場合の前記対象の前記指標値と、前記施策が前記対象に対して適用されない場合の前記対象の前記指標値との差である第２指標値差を算出することと、を含む。
また、１つの態様では、情報処理装置は、施策が既に適用されている複数の参照対象のそれぞれについて、前記施策により影響を受け、経時的に変化する所定の変数と関連づけられた、当該参照対象の指標値と、前記複数の参照対象のそれぞれについて、前記指標値及び前記所定の変数との関係に基づき算出される、前記施策が仮想的に適用されなかった場合における指標値と、の差を当該参照対象に前記施策が適用される場合の第１指標値差として算出する第１指標値差算出部と、前記施策が適用されておらず、且つ、前記複数の参照対象と類似した対象に対し、前記施策が適用されなかった一定期間の前記所定の変数から推定された前記対象の前記所定の変数と、前記第１指標値差と前記所定の変数とを関係付けた関係式とを用いて、前記施策が仮想的に前記対象に適用される場合の前記対象の前記指標値と、前記施策が前記対象に対して適用されない場合の前記対象の前記指標値との差である第２指標値差を算出する第２指標値差算出部と、を有する処理部を備える。
更に、１つの態様では、情報処理コンピュータプログラムは、施策が既に適用されている複数の参照対象のそれぞれについて、前記施策により影響を受け、経時的に変化する所定の変数と関連づけられた、当該参照対象の指標値と、前記複数の参照対象のそれぞれについて、前記指標値及び前記所定の変数との関係に基づき算出される、前記施策が仮想的に適用されなかった場合における指標値と、の差を当該参照対象に前記施策が適用される場合の第１指標値差として算出することと、前記施策が適用されておらず、且つ、前記複数の参照対象と類似した対象に対し、前記施策が適用されなかった一定期間の前記所定の変数から推定された前記対象の前記所定の変数と、前記第１指標値差と前記所定の変数とを関係付けた関係式とを用いて、前記施策が仮想的に前記対象に適用される場合の前記対象の前記指標値と、前記施策が前記対象に対して適用されない場合の前記対象の前記指標値との差である第２指標値差を算出することと、をプロセッサに実行させる。
１つの側面として、施策が適用されていない対象に対して、施策が仮想的に適用された場合の指標値と施策が適用されない場合の指標値との差を求めて、対象に対する施策の有効性を判断することができる。
図１は、従来例の反事実仮想法を説明する図である。 図２は、本明細書に開示する情報処理装置の一実施形態を示す図である。 図３（Ａ）は、プロセッサを説明する図であり、図３（Ｂ）は、メモリを説明する図である。 図４は、本明細書に開示する情報処理装置により求められた施策が地方自治体に仮想的に導入された場合の効果を示す図である。 図５は、本明細書に開示する情報処理装置の動作を説明するフローチャートを示す図である。 図６は、施策が導入された第２の類似自治体のそれぞれの実際の製造業就業者数の推移を示す表を示す図である。 図７は、施策が仮想的に導入されなかった場合の第２の類似自治体のそれぞれの推定される製造業就業者数の推移を示す図である。 図８は、施策が導入されたことによる第２の類似自治体のそれぞれの製造業就業者数の変化量を示す表を示す図である。 図９は、製造業就業者数の変化量と説明変数との関係を示す線形モデルの各パラメータを示す表を示す図である。 図１０は、施策がＡ市に仮想的に導入された場合の市に製造業就業者数の変化量を示す図である。
以下、本明細書で開示する情報処理装置の好ましい一実施形態を、図を参照して説明する。但し、本発明の技術範囲はそれらの実施形態に限定されず、特許請求の範囲に記載された発明とその均等物に及ぶものである。
図２は、本明細書に開示する情報処理装置の一実施形態を示す図である。図３（Ａ）は、プロセッサを説明する図であり、図３（Ｂ）は、メモリを説明する図である。
本実施形態の情報処理装置（以下、単に装置ともいう）１０は、施策が適用されていない地方自治体等の対象に対して、施策が仮想的に適用された場合の指標値を求めて、対象において施策が適用されたことによる効果を算出する。上述したように、指標値は、施策の影響が反映されて施策の効果の指標となり得る値である。
地方自治体に適用される施策としては、例えば、企業を地方自治体へ誘致することを目的として、地方自治体内に工業団地を造成する施策等が挙げられる。
施策が適用される対象は、地方自治体に限られるものではない。例えば、対象として、医療機関により治療を受けている患者、又は企業等が挙げられる。
本明細書では、施策が適用する対象が地方自治体である場合を例として、以下に、装置１０について説明する。
図４は、本明細書に開示する情報処理装置により求められた、施策が地方自治体に仮想的に導入された場合の効果を示す図である。本明細書では、施策が地方自治体（対象）に導入されることと、施策が地方自治体（対象）に適用されることは、同じ意味である。
装置１０は、対象としてユーザから与えられた地方自治体であるＡ市に対して、施策が仮想的に導入された場合の仮想Ａ市の指標値を算出する。そして、装置１０は、施策が仮想的に導入された場合の仮想Ａ市の指標値を示すカーブ４００と、施策が導入されていないＡ市の指標値を示すカーブ４０１との差である指標値差を、時間ｔ０において、Ａ市に対して施策が適用されたことによる効果として算出する。
図２に示すように、装置１０は、プロセッサ１１と、メモリ１２と、表示装置１３と、入力インターフェース１４と、通信インターフェース１５を有する。プロセッサ１１は、処理部又は処理装置の一例である。メモリ１２は、記憶部又は記憶装置の一例である。
次に、装置１０の各ハードウェア構成要素について、以下に詳述する。
プロセッサ１１は、一つまたは複数の中央演算回路と、レジスタと、キャッシュメモリと、インターフェース等の周辺回路とを有する。プロセッサ１１は、メモリ１２に予め記憶されている所定のプログラム１２ａに従い、装置１０の各ハードウェア構成要素の制御及び各種処理を行い、処理中に生じるデータを一時的に保存するためにメモリ１２を利用する。
メモリ１２は、ランダムアクセスメモリ（ＲＡＭ）若しくはリードオンリーメモリ（ＲＯＭ）等の半導体メモリ、又は磁気ディスク若しくはフラッシュメモリ等の不揮発性メモリを有していてもよい。また、メモリ１２は、非一時的な記憶媒体１２ｄに記憶されたプログラムを、読み出し可能なドライブ（図示せず）を有していてもよい。
図３（Ｂ）に示すように、メモリ１２は、所定のプログラム１２ａと共に、地方自治体の人口又は産業構造等の情報に基づいて、地方自治体間の類似度が区分されて登録された類似団体区分表１２ｂを記憶する。また、メモリ１２は、地方自治体ごとの人口、老人福祉施設数、製造品出荷額、死亡者数、小学校児童数等が年度ごとに登録された地方自治体データ１２ｃを記憶する。なお、類似団体区分表１２ｂは、外部のサーバ（図示せず）に記憶されていて、装置１０は、図示しないネットワークを介してサーバと通信して、類似団体区分表１２ｂを参照してもよい。
表示装置１３は、プロセッサ１１に制御されて、装置１０の動作に伴う各種の情報を画面上に表示可能である。表示装置１３として、例えば、液晶ディスプレイを用いることができる。
入力インターフェース１４は、装置１０のユーザにより操作されて、操作を入力可能である。装置１０は、入力インターフェース１４として、例えばキーボード又はマウスを用いることができる。
通信インターフェース１５は、例えば、図示しないネットワークを介して、情報の送受信を行う。通信インターフェース１５は、送受信を行う通信回路及び通信線を有する。装置１０は、例えば、プログラム、類似団体区分表１２又は地方自治体データ１２ｃｂに含まれる情報を、通信インターフェース１６を用いて送受信してもよい。
図３（Ａ）に示すように、上述したプロセッサ１１は、類似対象選択部１１ａと、推定指標値算出部１１ｂと、第１指標値差算出部１１ｃと、関係算出部１１ｄと、第２指標値差算出部１１ｅを有する。
プロセッサ１１が有するこれらの各部は、例えば、プロセッサ１１上で動作するコンピュータプログラムにより実現される機能モジュールである。なお、プロセッサ１１が有するこれらの各部は、それぞれ、別個の回路として、装置１０に実装されてもよい。各部の動作については、後述する。
次に、上述した装置１０の動作を、図５に示すフローチャートを参照しながら、以下に説明する。本実施形態では、装置１０は、ユーザから与えられた地方自治体であるＡ市（対象）に対して、工業団地を造成する施策が導入された場合の製造業就業者数（指標値）の変化量（指標値差）を、施策導入の効果として算出する。
まず、ステップＳ５０１において、プロセッサ１１の類似対象選択部１１ａは、Ａ市と類似した地方自治体であり、施策が導入されていない複数の第１の類似自治体を選択する。複数の第１の類似自治体それぞれは、当該第１の類似自治体における製造業就業者数を目的変数とする説明変数が変化した時に製造業就業者数が増減する方向が、Ａ市における製造業就業者数の説明変数が変化した時にＡ市の製造業就業者数が増減する方向と同じである。説明変数は、施策が当該第１の類似自治体に適用されることにより影響を受け、経時的に変化する。製造業就業者数等の指標値は、説明変数と関連付けられており、説明変数との間に所定の関係を有し得る。
Ａ市と類似した地方自治体は、政府の統計資料である類似団体分類に基づいて、同じ分類名に区分されている地方自治体の中から選択される。類似対象選択部１１ａは、メモリ１２に記憶されている類似団体区分表１２ｂ及び地方自治体と施策導入の有無との関係が登録されている表を参照して、Ａ市と同じ分類に区分されている複数の地方自治体のうちから、工業団地を造成する施策が導入されていない地方自治体を選択する。そして、類似対象選択部１１ａは、選択された地方自治体の全てか又は選択された地方自治体の内の所定数の地方自治体を、複数の第１の類似自治体として選択する。類似対象選択部１１ａは、所定数の地方自治体を選択する場合には、例えば、人口が、Ａ市を基準として、所定の範囲内にある地方自治体を選択してもよい。または、類似対象選択部１１ａは、所定数の地方自治体を選択する場合には、１次産業、２次産業又は３次産業の割合が、Ａ市を基準として、所定の範囲内にある地方自治体を選択してもよい。
施策が導入されていない複数の第１の類似自治体の数は、次のステップにおいて算出される推定製造業就業者数に対して求められる精度に応じて適宜決定され得る。類似団体区分において、人口及び産業構造が近い地方自治体を選択する程、推定製造業就業者数の精度は向上すると考えられる。一方、類似団体区分において、人口及び産業構造が近い地方自治体を選択する程、選択される地方自治体の数は少なくなるので、回帰分析等を用いて算出される推定製造業就業者数の精度は低下する傾向にある。
次に、ステップＳ５０３において、類似対象選択部１１ａは、Ａ市と類似した地方自治体であり、施策が既に導入されている複数の第２の類似自治体（請求項１における複数の参照対象に対応する）を選択する。複数の第２の類似自治体それぞれは、当該第２の類似自治体における製造業就業者数を目的変数とする説明変数が変化した時に製造業就業者数が増減する方向が、Ａ市における製造業就業者数の説明変数が変化した時にＡ市の製造業就業者数が増減する方向と同じである。説明変数は、施策が当該第２の類似自治体に適用されることにより影響を受け、経時的に変化する。第２の類似自治体における製造業就業者数の説明変数は、通常、第１の類似自治体における製造業就業者数の説明変数と同じである。
類似対象選択部１１ａは、メモリ１２に記憶されている類似団体区分表１２ｂ及び地方自治体と施策導入の有無との関係が登録されている表を参照して、Ａ市と同じ分類名に区分されている複数の地方自治体の内から、工業団地を造成する施策が既に導入されている地方自治体を選択する。そして、類似対象選択部１１ａは、選択された地方自治体の全てか又は選択された地方自治体の内の所定数の地方自治体を、複数の第２の類似自治体（Ｂ市〜Ｆ市）として選択する。類似対象選択部１１ａは、所定数の地方自治体を選択する場合には、例えば、人口が、Ａ市を基準として、所定の範囲内にある地方自治体を選択してもよい。または、類似対象選択部１１ａは、所定数の地方自治体を選択する場合には、１次産業、２次産業又は３次産業の割合が、Ａ市を基準として、所定の範囲内にある地方自治体を選択してもよい。
図６は、施策が導入された複数の第２の類似自治体（Ｂ市〜Ｆ市）の実際の製造業就業者数の推移を示す表６００を示す図である。
表６００は、施策が導入された第２の類似自治体であるＢ市〜Ｆ市の実際の製造業就業者数と年度との関係を示している。表６００に示すＢ市〜Ｆ市の実際の製造業就業者数と年度との関係は、メモリ１２の地方自治体データ１２ｃに登録されている。表６００は、人口１００万人あたりの製造業者就業者数の割合を示す。例えば、Ｂ市の２００１年度の数値０．０８２８２３５８は、８２８２３．５８人を意味する。Ｂ市〜Ｆ市では、施策が２００９年度に導入されている。表６００は、施策が導入される前の２００１年度から、施策が導入された後の２０１２年度までの実際の製造業就業者数と年度との関係を示している。
複数の第２の類似自治体の数は、次のステップにおいて算出される推定製造業就業者数に対して求められる精度に応じて適宜決定され得る。類似団体区分において、人口及び産業構造が近い地方自治体を選択する程、推定製造業就業者数の精度は向上すると考えられる。一方、類似団体区分において、人口及び産業構造が近い地方自治体を選択する程、選択される地方自治体の数は少なくなるので、回帰分析等を用いて算出される推定製造業就業者数の精度は低下する傾向にある。
次に、Ｓ５０５において、プロセッサ１１の推定指標値算出部１１ｂは、複数の第２の類似自治体のそれぞれについて、当該第２の類似自治体に対して施策が仮想的に適用されなかった場合の製造業就業者数として推定される推定製造業就業者数を算出する。具体的には、推定指標値算出部１１ｂは、複数の第２の類似自治体（Ｂ市〜Ｆ市）のそれぞれについて、第２の類似自治体の製造業就業者数を目的変数とする説明変数を求める。そして、推定指標値算出部１１ｂは、複数の第２の類似自治体のそれぞれについて、当該第２の類似自治体の推定製造業就業者数及び説明変数の関係と、当該第２の類似自治体の説明変数とに基づいて、当該第２の類似自治体の推定製造業就業者数を算出する。
まず、推定指標値算出部１１ｂが、製造業就業者数を目的変数とする説明変数を選択する処理について説明する。そして、推定指標値算出部１１ｂが、第２の類似自治体の推定製造業就業者数を算出する処理について説明する。
まず、推定指標値算出部１１ｂは、Ａ市を含む複数の地方自治体の製造業就業者数の年度ごとの第１時系列データを、メモリ１２の地方自治体データ１２ｃから読み出す。また、推定指標値算出部１１ｂは、Ａ市を含む複数の地方自治体の製造業就業者数と因果関係を有する製造業就業者数以外の複数の指標の年度ごとの第２時系列データを、メモリ１２の地方自治体データ１２ｃから読み出す。製造業就業者数と因果関係を有する製造業就業者数以外の複数の指標は、製造業就業者数が変化すると、指標の値も変化し得る。この他の指標としては、例えば、人口、老人福祉施設数等が挙げられる。
第１時系列データは、Ａ市を含む複数の地方自治体の製造業就業者数を有する列データが、年度の順番に並べられたデータ構造を有する。
第２時系列データは、Ａ市を含む複数の地方自治体の製造業就業者数と因果関係を有する製造業就業者数以外の指標値（例えば、人口、老人福祉施設数）を有する列データが、年度の順番に並べられたデータ構造を有する。なお、第１時系列データ及び第２時系列データは、Ａ市の情報を含まなくてもよい。
そして、推定指標値算出部１１ｂは、製造業就業者数以外の複数の指標の年度ごとの第２時系列データのそれぞれについて、当該第２時系列データと、第１時系列データのうちの基準時の列データとの相関係数を算出する。基準時は、第１時系列データに含まれる年度の１つであり、任意に決定され得る。これにより、推定指標値算出部１１ｂは、製造業就業者数以外の複数の指標の年度ごとの第２時系列データのそれぞれについて、年度ごとの第１時系列データのうちの基準時の列データに対する相関係数を算出する。
相関係数を求める方法は、特に限定されないが、推定指標値算出部１１ｂは、下記式（１）を用いて、相関係数Ｒを算出した。
Figure 0006919706
ここで、ｎは、各列データが有するデータの数であり、地方自治体の数に対応する。ｘｉは、第１時系列データのうちの基準時の列データのｉ番目のデータの値である。ｙｉは、ある年度の第２時系列データのｉ番目のデータの値である。ｘａは、第１時系列データのうちの基準時の列データの平均値である。ｙａは、ある年度の第２時系列データの列データの平均値である。
そして、推定指標値算出部１１ｂは、製造業就業者数以外の複数の指標のそれぞれについて算出された年度ごとの相関係数のうち、基準年に対応する相関係数以上の相関係数を、処理の対象として選択する。
そして、推定指標値算出部１１ｂは、処理の対象として選択された相関係数を時系列に並べて、近似直線を生成する。
そして、推定指標値算出部１１ｂは、製造業就業者数以外の複数の指標のそれぞれについて、当該指標の近似直線の傾きが正か又は負であるかを調べて、当該指標の近似直線の傾きが正である指標を、製造業就業者数と因果関係が強い指標であると判断する。
そして、推定指標値算出部１１ｂは、製造業就業者数以外の複数の指標のうち、近似直線の傾きが正である指標の全てか、又は、所定の閾値以上の正の傾きを有する指標を、製造業就業者数に対する説明変数として選択する。所定の閾値として、例えば、正の傾きを有する指標の正の傾きの平均値してもよい。
推定指標値算出部１１ｂは、上述した処理に基づいて、製造業就業者数を目的変数とする説明変数として、老人福祉施設数、製造品出荷額、死亡者数及び小学校児童数を選択した。
製造業就業者数と、選択された老人福祉施設数、死亡者数及び小学校児童数とが相関が高い理由として、製造業就業者数が増加すると製造業就業者の家族も増加するので、家族に含まれる老人及び小学校児童の数が増加すると考えられる。また、製造業就業者の家族も増加すると、製造業就業者の家族で亡くなるひとの数が増加すると考えられる。
また、製造業就業者数が増加すると、製造業就業者により製造される製造品の数が増加するので、製造品出荷額も増加すると考えられる。
なお、指標値と因果関係があると考えられる変数であれば、説明変数として用いることが可能であるが、説明変数は、指標値との因果関係の程度が高いことが好ましい。そこで、本実施形態では、上述した考えに基づいて、説明変数が選択される。
そして、推定指標値算出部１１ｂは、複数の第２の類似自治体（Ｂ市〜Ｆ市）のそれぞれについて、当該第２の類似自治体の推定製造業就業者数及び説明変数の関係と、当該第２の類似自治体の説明変数とに基づいて、当該第２の類似自治体の推定製造業就業者数を算出する。第２の類似自治体の推定製造業就業者数と説明変数との関係は、例えば、傾向スコア法、マッチング法又は差分の差分析法等の公知の反事実仮想技術を用いて、複数の第１の類似自治体のそれぞれの説明変数に基づいて求められる製造業就業者数及び説明変数との関係に基づいて求められたものである。推定指標値算出部１１ｂは、公知の反事実仮想技術を用いて、複数の第１の類似自治体のそれぞれの説明変数に基づいて求められる製造業就業者数及び説明変数との関係に基づいて、第２の類似自治体の推定製造業就業者数と説明変数との関係を求めてもよい。
図７は、施策が仮想的に導入されなかった場合の第２の類似自治体のそれぞれの推定される推定製造業就業者数の推移を示す表７００を示す図である。
表７００は、施策が仮想的に導入されなかった場合の複数の第２の類似自治体であるＢ市〜Ｆ市の製造業就業者数と年度との関係を示している。Ｂ市〜Ｆ市では、施策が２００９年度に導入されているので、表７００では、施策が導入された翌年度である２０１０年度からの製造業就業者数が示されている。
次に、ステップＳ５０７において、プロセッサ１１の第１指標値差算出部１１ｃは、複数の第２の類似自治体（Ｂ市〜Ｆ市）のそれぞれについて、当該第２の類似自治体の製造業就業者数と、当該第２の類似自治体の推定製造業就業者数との差を、当該第２の類似自治体に施策が適用された場合の製造業就業者数の差として算出する。
即ち、第１指標値差算出部１１ｃは、２０１０年度から２０１２年度までのＢ市〜Ｆ市の実際の製造業就業者数のそれぞれ（図６参照）と、Ｂ市〜Ｆ市のそれぞれの推定製造業就業者数（図７参照）との差（製造業就業者数の変化量）を算出する。
図８は、施策が導入されたことによる第２の類似自治体のそれぞれの製造業就業者数の変化量を示す表８００を示す図である。
複数の第２の類似自治体（Ｂ市〜Ｆ市）のそれぞれの製造業就業者数の変化量（増加数又は減少数）は、施策が導入されたことによる第２の類似自治体のそれぞれに対する効果を示す。表８００に示すように、Ｂ市〜Ｆ市のそれぞれでは、各年度の製造業就業者数は、正の値を示しているので、施策が導入されたことにより増加している。
次に、ステップＳ５０９において、プロセッサ１１の関係算出部１１ｄは、複数の第２の類似自治体（Ｂ市〜Ｆ市）のそれぞれの製造業就業者数の変化量及び説明変数に基づいて、製造業就業者数の変化量と説明変数とを関係付ける関係式を算出する。ここで、関係算出部１１ｄは、説明変数として、ステップＳ５０５において決定された老人福祉施設数、製造品出荷額、死亡者数及び小学校児童数を用いる。
関係算出部１１ｄは、Ｂ市〜Ｆ市のそれぞれの年度ごとの老人福祉施設数、製造品出荷額、死亡者数及び小学校児童数の時系列データを、メモリ１２の地方自治体データ１２ｃから読み出す。そして、関係算出部１１ｄは、図８に示すＢ市〜Ｆ市のそれぞれの製造業就業者数の変化量の年度ごとの時系列データと、メモリ１２から読み出したＢ市〜Ｆ市のそれぞれの説明変数の時系列データとに基づいて、回帰分析を実行する。本明細書では、関係算出部１１ｄは、下記式（２）に示す線形モデルの回帰分析を実行して、図９に示す各パラメータを求めた。
αｔ＝θ１ｔＸｔ＋θ２ｔＹｔ＋θ３ｔＺｔ＋θ４ｔＷｔ＋Ｃｔ （２）
ここで、αｔは、年度ｔにおける製造業就業者数の変化量であり、Ｘｔは、年度ｔにおける老人福祉施設数であり、Ｙｔは、年度ｔにおける製造品出荷額であり、Ｚｔは、年度ｔにおける死亡者数であり、Ｗｔは、年度ｔにおける小学校児童数である。θ１ｔはＸｔの係数であり、θ２ｔはＹｔの係数であり，θ３ｔはＺｔの係数であり、θ４ｔはＷｔの係数である。Ｃｔは、年度ごとの定数である。図９は、これらの年度ごとのパラメータθ１ｔ、θ２ｔ、θ３ｔ、θ４ｔ及びＣｔの具体的な数値を示す表９００を示す図である。
次に、ステップＳ５１１において、プロセッサ１１の第２指標値差算出部１１ｅは、Ａ市の説明変数と、上記式（２）の関係とを用いて、Ａ市に施策が仮想的に適用された場合の製造業就業者数の変化量を算出する。そして、第２指標値差算出部１１ｅは、製造業就業者数の変化量と、施策が適用されていない場合のＡ市の製造業就業者数との和を、Ａ市に施策が仮想的に適用された場合の製造業就業者数として算出する。
第２指標値差算出部１１ｅは、Ａ市の過去の製造業就業者数の変化量を算出する場合には、Ａ市の実際の過去の年度ごとの説明変数を、メモリ１２の地方自治体データ１２ｃから読み出して、上記式（２）に適用する。
また、第２指標値差算出部１１ｅは、Ａ市の経時的に未来の製造業就業者数の変化量を算出する場合には、まず、施策が導入されなかった場合のＡ市の未来の説明変数を推定する。第２指標値差算出部１１ｅは、施策が導入されなかった場合のＡ市の過去から現在までの説明変数を、従来の反事実仮想法を用いて算出し、Ａ市の過去から現在までの説明変数に基づいて、Ａ市の未来の説明変数を推定することができる。そして、第２指標値差算出部１１ｅは、Ａ市の未来の説明変数と、上記式（２）の関係とを用いて、Ａ市に施策が仮想的に適用された場合の未来の製造業就業者数の変化量を算出する。
図１０は、施策がＡ市に仮想的に導入された場合のＡ市の製造業就業者数を示す図である。
カーブＣ１は、２００１年度から２０１２年度までの期間において、施策がＡ市に仮想的に導入された場合に求められたＡ市の製造業就業者数を示す。また、カーブＲは、過去の２００１年度から２０１２年度までのＡ市の実際の製造業就業者数を示すカーブＲと、装置１０が求めた、カーブＣ１とを比較して示す。
実際には、Ａ市において、工業団地を造成する施策が２００９年度から導入されており、カーブＲは、Ａ市の実際の製造業就業者数に基づいて作成された。実際のＡ市には、施策が２００９年度から導入されているが、カーブＣ１は、施策がＡ市に仮想的に導入されて求められているので、カーブＣ１は、Ａ市に対して施策が仮想的に適用された場合のＡ市の製造業就業者数を表す。
また、図１０において、カーブＣ２は、Ｂ市〜Ｆ市において施策が導入されたことによる製造業就業者数の変化量の平均値に基づいて作成された。カーブＣ３は、従来の反事実仮想法を用いて、施策がＡ市に導入されなかった場合の仮想のＡ市の製造業就業者数を求めて作成された。
カーブＣ１は、カーブＣ２よりカーブＲに近い値を示しており、Ａ市の製造業就業者数の経時的変化をより正確に求めていることが分かる。
図１０は、Ａ市の過去の製造業就業者数の経時変化を示しているが、装置１０は、Ａ市の未来の製造業就業者数を算出することも可能である。装置１０は、施策が導入されなかった場合のＡ市の未来の説明変数を、上記式（２）に代入することにより算出する。Ａ市の未来の説明変数は、装置１０が算出してもよいし、又はユーザから与えられてもよい。
上述した本実施形態の装置によれば、施策が適用されていない対象に対して、施策が仮想的に適用される場合の指標値と施策が適用されない場合の指標値との差を求めて、対象に対する施策の有効性を判断することができる。特に、対象の未来の説明変数を使用すれば、施策を導入することによる効果を推定することが可能となる。
本発明では、上述した実施形態の情報処理方法、情報処理装置及び情報処理コンピュータプログラムは、本発明の趣旨を逸脱しない限り適宜変更が可能である。
例えば、上述した実施形態では、対象は地方自治体であるが、対象は地方自治体に限定されない。例えば、対象として、医療機関により治療を受けている患者、又は企業を用いてもよい。
対象として患者を用いる場合には、患者の指標値として、血糖値等の患者の健康状態を示す数値が挙げられる。また、対象である患者と類似した類似患者としては、対象である患者と、年齢が同じ若しくは近い患者、又は、性別が同じ患者が挙げられる。
また、対象として企業を用いる場合には、企業の指標値として、例えば、売上高、経常利益等の数値が挙げられる。また、対象である企業と類似した類似企業としては、対象である企業と、従業員、資本金又は業種が同じか又は近い企業が挙げられる。
また、上述した実施形態では、装置１０が、複数の第１の類似自治体及び複数の第２の類似自治体を選択していたが、装置１０は、ユーザが選択した複数の第１の類似自治体又は／及び複数の第２の類似自治体に基づいて、図５に示すステップＳ５０５以降の処理を行ってもよい。
ここで述べられた全ての例及び条件付きの言葉は、読者が、発明者によって寄与された発明及び概念を技術を深めて理解することを助けるための教育的な目的を意図する。ここで述べられた全ての例及び条件付きの言葉は、そのような具体的に述べられた例及び条件に限定されることなく解釈されるべきである。また、明細書のそのような例示の機構は、本発明の優越性及び劣等性を示すこととは関係しない。本発明の実施形態は詳細に説明されているが、その様々な変更、置き換え又は修正が本発明の精神及び範囲を逸脱しない限り行われ得ることが理解されるべきである。
１０ 情報処理装置
１１ プロセッサ
１１ａ 類似対象選択部
１１ｂ 推定指標値算出部
１１ｃ 第１指標値算出部
１１ｄ 関係算出部
１１ｅ 第２指標値算出部
１２ メモリ
１２ａ コンピュータプログラム
１２ｂ 類似団体区分表
１２ｃ 地方自治体データ
１２ｄ 記憶媒体
１３ 表示装置
１４ 入力インターフェース
１５ 通信インターフェース

Claims (6)

  1. 施策が既に適用されている複数の参照対象のそれぞれについて、前記施策により影響を受け、経時的に変化する所定の変数と関連づけられた、当該参照対象の指標値と、前記複数の参照対象のそれぞれについて、前記指標値及び前記所定の変数との関係に基づき算出される、前記施策が仮想的に適用されなかった場合における指標値と、の差を当該参照対象に前記施策が適用される場合の第１指標値差として算出することと、
    前記施策が適用されておらず、且つ、前記複数の参照対象と類似した対象に対し、前記施策が適用されなかった一定期間の前記所定の変数から推定された前記対象の前記所定の変数と、前記第１指標値差と前記所定の変数とを関係付けた関係式とを用いて、前記施策が仮想的に前記対象に適用される場合の前記対象の前記指標値と、前記施策が前記対象に対して適用されない場合の前記対象の前記指標値との差である第２指標値差を算出することと、
    を含む処理をコンピュータが実行することを特徴とする情報処理方法。
  2. 前記複数の参照対象それぞれは、当該参照対象の前記所定の変数が変化した時に当該参照対象の前記指標値の増減する方向が、前記対象の前記所定の変数が変化した時に前記対象の前記指標値の増減する方向と同じであることを特徴とする請求項１に記載の情報処理方法。
  3. 前記関係式を算出することは、前記複数の参照対象のそれぞれの前記第１指標値差及び前記所定の変数に対して、回帰分析を用いて、前記関係式を算出することを含む処理を前記コンピュータが実行することを特徴とする請求項１又は２に記載の情報処理方法。
  4. 更に、前記第１指標値差と、前記対象に対して前記施策が適用されなかった場合の前記対象の前記指標値との和を算出することを含む処理を前記コンピュータが実行することを特徴とする請求項１〜３の何れか一項に記載の情報処理方法。
  5. 施策が既に適用されている複数の参照対象のそれぞれについて、前記施策により影響を受け、経時的に変化する所定の変数と関連づけられた、当該参照対象の指標値と、前記複数の参照対象のそれぞれについて、前記指標値及び前記所定の変数との関係に基づき算出される、前記施策が仮想的に適用されなかった場合における指標値と、の差を当該参照対象に前記施策が適用される場合の第１指標値差として算出する第１指標値差算出部と、
    前記施策が適用されておらず、且つ、前記複数の参照対象と類似した対象に対し、前記施策が適用されなかった一定期間の前記所定の変数から推定された前記対象の前記所定の変数と、前記第１指標値差と前記所定の変数とを関係付けた関係式とを用いて、前記施策が仮想的に前記対象に適用される場合の前記対象の前記指標値と、前記施策が前記対象に対して適用されない場合の前記対象の前記指標値との差である第２指標値差を算出する第２指標値差算出部と、
    を有する処理部を備える情報処理装置。
  6. 施策が既に適用されている複数の参照対象のそれぞれについて、前記施策により影響を受け、経時的に変化する所定の変数と関連づけられた、当該参照対象の指標値と、前記複数の参照対象のそれぞれについて、前記指標値及び前記所定の変数との関係に基づき算出される、前記施策が仮想的に適用されなかった場合における指標値と、の差を当該参照対象に前記施策が適用される場合の第１指標値差として算出することと、
    前記施策が適用されておらず、且つ、前記複数の参照対象と類似した対象に対し、前記施策が適用されなかった一定期間の前記所定の変数から推定された前記対象の前記所定の変数と、前記第１指標値差と前記所定の変数とを関係付けた関係式とを用いて、前記施策が仮想的に前記対象に適用される場合の前記対象の前記指標値と、前記施策が前記対象に対して適用されない場合の前記対象の前記指標値との差である第２指標値差を算出することと、
    を含む処理をプロセッサに実行させる情報処理コンピュータプログラム。
JP2019523302A 2017-06-08 2017-06-08 情報処理方法、情報処理装置及び情報処理コンピュータプログラム Active JP6919706B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2017/021386 WO2018225227A1 (ja) 2017-06-08 2017-06-08 情報処理方法、情報処理装置及び情報処理コンピュータプログラム

Publications (2)

Publication Number Publication Date
JPWO2018225227A1 JPWO2018225227A1 (ja) 2020-04-09
JP6919706B2 true JP6919706B2 (ja) 2021-08-18

Family

ID=64566152

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019523302A Active JP6919706B2 (ja) 2017-06-08 2017-06-08 情報処理方法、情報処理装置及び情報処理コンピュータプログラム

Country Status (4)

Country Link
US (1) US20200111035A1 (ja)
EP (1) EP3637359A1 (ja)
JP (1) JP6919706B2 (ja)
WO (1) WO2018225227A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020215209A1 (zh) * 2019-04-23 2020-10-29 日本电气株式会社 预测操作结果的方法、电子设备和计算机程序产品
JP7219701B2 (ja) * 2019-12-24 2023-02-08 株式会社日立製作所 評価装置および評価方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5341142A (en) * 1987-07-24 1994-08-23 Northrop Grumman Corporation Target acquisition and tracking system
JP2003167989A (ja) * 2001-12-03 2003-06-13 Hitachi Ltd 市場効率的付加価値処理システム
JP2007041705A (ja) 2005-08-01 2007-02-15 National Institute Of Advanced Industrial & Technology 事業者の温暖化対策計画策定方法
JP2010079555A (ja) * 2008-09-25 2010-04-08 Promise Co Ltd 与信判定システム及び書類改竄判定方法
JP2015132863A (ja) 2012-04-27 2015-07-23 住友林業株式会社 生産活動と生産地の保全を統合した排出権創出方法
JP6082564B2 (ja) * 2012-10-16 2017-02-15 株式会社日立製作所 データ統合分析システム
WO2015193983A1 (ja) * 2014-06-18 2015-12-23 株式会社日立製作所 画像表示システム及び画像表示方法
WO2017037768A1 (ja) * 2015-08-28 2017-03-09 株式会社日立製作所 評価システム、評価方法およびデータ解析システム
US20180247248A1 (en) * 2015-10-28 2018-08-30 Hitachi, Ltd. Measure Evaluation System and Measure Evaluation Method

Also Published As

Publication number Publication date
EP3637359A4 (en) 2020-04-15
EP3637359A1 (en) 2020-04-15
WO2018225227A1 (ja) 2018-12-13
JPWO2018225227A1 (ja) 2020-04-09
US20200111035A1 (en) 2020-04-09

Similar Documents

Publication Publication Date Title
US11501204B2 (en) Predicting a consumer selection preference based on estimated preference and environmental dependence
JP7140410B2 (ja) 予測システム、予測方法および予測プログラム
Kümmel et al. Confidence and prediction intervals for pharmacometric models
Shao Body fat percentage prediction using intelligent hybrid approaches
CN106485585A (zh) 用于等级评定的方法及系统
Breitmoser Estimation of social preferences in generalized dictator games
JP5251217B2 (ja) 販売数予測システム、販売数予測システムの動作方法および販売数予測プログラム
JP6919706B2 (ja) 情報処理方法、情報処理装置及び情報処理コンピュータプログラム
Assareh et al. Change point detection in risk adjusted control charts
Yadav et al. [Retracted] FVC‐NET: An Automated Diagnosis of Pulmonary Fibrosis Progression Prediction Using Honeycombing and Deep Learning
Li et al. Applying particle filtering in both aggregated and age-structured population compartmental models of pre-vaccination measles
JP2009112330A (ja) 特徴量候補作成装置および特徴量候補作成方法
CN109460474B (zh) 用户偏好趋势挖掘方法
Marbac et al. Model-based clustering for conditionally correlated categorical data
Lorenz et al. Inferring marginal association with paired and unpaired clustered data
JP2018194922A (ja) 広告効果推定装置、広告効果推定方法及び広告効果推定プログラム
Finch Recursive partitioning in the presence of multilevel data
EP4076153A1 (en) Aortic stenosis classification
JP2018067215A (ja) データ分析システム、その制御方法、プログラム、及び、記録媒体
Jašková et al. Compositional functional regression and isotemporal substitution analysis: Methods and application in time-use epidemiology
JP2017188025A (ja) データ分析システム、その制御方法、プログラム、及び、記録媒体
Dar et al. Statistical analysis of the COVID‐19 mortality rates with probability distributions: the case of Pakistan and Afghanistan
JP2020071523A (ja) 見積方法、課金方法、コンピュータ、及びプログラム
Lin et al. Mixed location scale hidden Markov model for the analysis of intensive longitudinal data
Yang et al. Design variable-sampling control charts using covariate information

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200127

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200127

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210209

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210412

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: 20210622

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210705

R150 Certificate of patent or registration of utility model

Ref document number: 6919706

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150