Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Data Science Report 10 - ビジネス関係人口と地域活性度に関連はあるか / DSR10

59d6ec9d4308628a6009b2ec5bc6d2d8?s=47 Sansan R&D
October 19, 2020

Data Science Report 10 - ビジネス関係人口と地域活性度に関連はあるか / DSR10

■ ビジネス関係人口と地域活性度に関連はあるか

「関係人口」は地方創生にとって重要なキーワードとなっている。しかし、関係人口の創出は本当に地域の活性化と関係があるのだろうか。本稿では名刺交換データに基づいてビジネス上の関係人口を算出し、株式会社帝国データバンクと共同で地域経済や地方財政との関連性を定量的に検討する。自治体の規模を考慮した上でパネルデータ分析を行った結果、ビジネス関係人口と仕入取引数・販売取引数・地方税歳入の間に正の関連があることが分かった。

※本誌は当社サービスで定める利用規約の許諾範囲内で匿名化したデータを統計的に利用しています。

■ Sansan R&D Twitter
https://twitter.com/SansanRandD

59d6ec9d4308628a6009b2ec5bc6d2d8?s=128

Sansan R&D

October 19, 2020
Tweet

More Decks by Sansan R&D

Other Decks in Research

Transcript

  1. ビジネス関係人口と地域活性度に関連はあるか Naoki Maejima, Tomonori Manabe R&D Department Researcher, Sansan, Inc.

    Data Science Report 10
  2. Data Science Report 01ɹ|ɹ © Sansan, Inc. ビジネス関係人口と地域活性度に関連はあるか 1 概要 1.1 はじめに

    ۙ೥ɺ ʮؔ܎ਓޱʯͱ͍͏֓೦ʹ஫໨͕ू·͍ͬͯΔɻؔ܎ਓޱͱ͸ɺ ʮҠॅͨ͠ʰఆॅਓޱʱͰ΋ͳ͘ɺ؍ޫʹདྷͨʰަྲྀ ਓޱʱͰ΋ͳ͍ɺ ஍Ҭͱଟ༷ʹؔΘΔਓʑʯ[1] Λࢦ͍ͯ͠Δɻؔ܎ਓޱ͸஍ํ૑ੜͷΩʔίϯηϓτͱ͞Ε͓ͯΓɺ ಺ֳ෎ʮ· ͪɾͻͱɾ͠͝ͱ૑ੜجຊํ਑2019ʯʹ͓͍ͯ΋ɺୈ2ظͷࢦ਑ͱͯؔ͠܎ਓޱͷ૑ग़͕ܝ͛ΒΕ͍ͯΔ[2]ɻ ؔ܎ਓޱ͸஍ҬʹࣾձతΠϯύΫτΛ༩͑Δ͜ͱ͕ظ଴͞Ε͍ͯΔ͕ɺ۩ମతͳ஍Ҭܦࡁ΍஍ํࡒ੓ͱͷؔ࿈ʹ͍ͭͯ͸ࠓ ·Ͱ࣮ূతʹݕ౼͞Εͯ͜ͳ͔ͬͨɻ͔͠͠ɺ஍ํ૑ੜʹؔΘΔ੓ࡦཱҊͷͨΊʹ͸ؔ܎ਓޱͱ஍ҬͷͲͷΑ͏ͳଆ໘͕ؔ࿈ ͢Δͷ͔Λۛຯ͢Δඞཁ͕͋Δ͜ͱ͸ɺ࿦Λ·ͨͳ͍ɻ 図1:関係人口の位置付け ग़యɿ ʮ ʰؔ܎ਓޱʱϙʔλϧαΠτʯ ʢ૯຿লʣ ʢhttp://www.soumu.go.jp/kankeijinkou/ʣΛՃ޻ͯ͠࡞੒ 2019೥ʹSansanגࣜձ͕ࣾެ։ͨ͠Ϩϙʔτʮ໊ࢗަ׵͔Β஍ҬͷϏδωεؔ܎ਓޱΛଌఆ͢Δʯ[3] Ͱ͸ɺ໊ࢗަ׵Λج ʹܭࢉͨ͠Ϗδωε্Ͱͷؔ܎ਓޱ͕ಛʹଟ͔ͬͨ஍Ҭͷಛ௃Λఆੑతʹ෼ੳ͍ͯ͠Δɻ໊ࢗަ׵͸ͦͷഎޙʹର໘తͳ઀৮ ͕૝ఆ͞ΕΔͨΊɺ୯ʹͦͷ஍Ҭʹཱͪد͚ͬͨͩͷਓ෺ΑΓ΋ؔ܎ੑ͸ڧ͍ͱߟ͑ΒΕΔɻैͬͯɺϏδωεͱ͍͏จ຺্ Ͱͷؔ܎ਓޱΛଌఆ͢Δ͜ͱʹద͍ͯ͠Δͱߟ͑ΒΕΔɻຊߘͰ͸ɺ໊ࢗަ׵σʔλ͔Βਪܭͨ͠ʮϏδωεؔ܎ਓޱʯΛج ʹɺͦΕ͕஍ํ࣏ࣗମͷܦࡁ΍ࡒ੓ͱͲͷΑ͏ͳؔ࿈͕͋Δ͔Λఆྔతʹݕ౼͢Δɻ ஍ҬͱͷؔΘΓ΁ͷ૝͍ ݱ ঢ় ͷ ஍ Ҭ ͱ ͷ ؔ Θ Γ ʢڧʣ ʢڧʣ ʢऑʣ ʢऑʣ ΑΓଟ༷ͳਓࡐ͕஍Ҭͮ͘Γʹࢀը ؔ܎ਓޱ ަྲྀਓޱ ఆॅਓޱ ΄ͱΜͲؔΘΓ͕ͳ͍ऀ ߦ͖དྷ͢Δऀʮ෩ͷਓʯ ஍Ҭ಺ʹϧʔπ͕͋Δऀ ʢۙډʣ ஍Ҭ಺ʹϧʔπ͕͋Δऀ ʢԕډʣ ԿΒ͔ͷؔΘΓ͕͋Δऀ ʢաڈͷۈ຿΍ډॅɺ଺ࡏͳͲʣ ఆॅऀ
  3. Data Science Report 02ɹ|ɹ © Sansan, Inc. 1.2 ビジネス関係人口 ·ͣʮϏδωεؔ܎ਓޱʯʹ͍ͭͯվΊͯઆ໌Λߦ͏ɻ΋ͱ΋ͱͷʮؔ܎ਓޱʯͷ֓೦͸ɺఆॅΑΓ΋؇΍͔ͳ஍Ҭ΁ͷؔ ΘΓํΛ೦಄ʹஔ͍͍ͯΔɻ͜ͷ֓೦ΛϏδωεͷྖҬʹԠ༻͢Δͷ͕ʮϏδωεؔ܎ਓޱʯͰ͋ΔɻϏδωεؔ܎ਓޱͷఆ

    ٛ͸ʮ௚઀ͦͷ஍ҬͰओۀΛӦΜͰ͍ΔΘ͚Ͱ͸ͳ͍͕ɺӦۀ׆ಈ΍ࢹ࡯ͳͲΛ௨ͯͦ͠ͷ஍Ҭͱؒ઀తʹؔΘ͍ͬͯΔϏδ ωεύʔιϯͷ਺ʯͰ͋ΔɻϏδωεྖҬͰʮఆॅʯʹ౰ͨΔͷ͸ɺͦͷ஍ҬͰैۀ͢Δ͜ͱͰ͋Ζ͏ɻͦͷ஍Ҭޏ༻ͷݯͱ ͯ͠࠷΋ॏཁͳखஈͷҰ͕ͭاۀ༠கͩͱߟ͑ΒΕɺݻఆࢿ࢈੫ͳͲΛ௨ͨ͠ࡒ੓΁ͷߩݙ΍ޏ༻ͷ૿ՃʹΑΔਓޱ૿͕ظ଴ Ͱ͖ΔɻͦͷҰํͰɺఆॅਓޱΛ૿΍͢͜ͱͱಉ͘͡θϩαϜɾήʔϜͱͳΓ͔Ͷͳ͍ͱ͍͏ࢦఠ΋͋Δ[4]ɻϏδωεؔ܎ਓ ޱΛଌఆ͢Δ͜ͱͷҙٛ͸ɺاۀ༠க΍޻৔ཱ஍΄Ͳ௚઀తͰ͸ͳ͍͕ɺ͞·͟·ͳܗଶͰͦͷ஍Ҭͱؒ઀తʹؔΘΔΑ͏ͳ Ϗδωε্ͷؔ܎ੑΛัଊ͢Δ͜ͱʹ͋Δɻ·ͨɺ ʮ·ͪɾͻͱɾ͠͝ͱ૑ੜجຊํ਑2019ʯʹ͓͍ͯ΋ɺαςϥΠτΦϑΟ ε΍αςϥΠτΩϟϯύεɺϓϩϑΣογϣφϧਓࡐࣄۀɺ෭ۀ΍݉ۀ͔ΒͷΞϓϩʔνʹॏ఺͕ஔ͔Εͨ[2]ɻ͜ͷΑ͏ͳऔ Γ૊Έͷ੒ޭ͸ɺϏδωεؔ܎ਓޱͷ૿Ճ͕ى఺ͱͳΔՄೳੑ͕͋Δɻ ຊߘͰ͸ɺ͜Ε·Ͱ͋·Γݕ౼͞Εͯ͜ͳ͔ͬͨɺ֤஍Ҭ͕औΓ݁Ϳؔ܎ੑͱͦͷ஍Ҭ׆ੑ౓ͷؔ࿈ʹ͍ͭͯఆྔతͳ෼ੳ Λߦ͏ɻؔ܎ਓޱͱ஍Ҭ׆ੑ౓ͷؔ࿈͸൒͹ࣗ໌ࢹ͞Ε͍ͯΔͷ͕ݱঢ়Ͱ͋Δ͕ɺ͜ΕΛఆྔతʹݕ౼͢Δ͜ͱ͸੓ࡦ্΋ҙ ͕ٛ͋Δ͜ͱͱߟ͑ΒΕΔɻ͔͜͜Β͸໊ࢗަ׵σʔλΛجʹͯ͠ɺ೔ຊͷࢢ۠ொଜ͕࣋ͭϏδωεؔ܎ਓޱͱ஍Ҭܦࡁ΍஍ ํࡒ੓ͷؔ࿈Λݕ౼͍ͯ͘͠ɻ 図2:ビジネス関係人口の算出方法 ౦ژ౎ D۠ Ԭࢁݝ Cࢢ େࡕ෎ BࢢB۠ Ԭࢁݝ Aଜ A村のビジネス関係人口 8人
  4. Data Science Report 03ɹ|ɹ © Sansan, Inc. 2 分析対象、分析方法 2.1 分析対象 ूܭʹ͸ɺ໊ࢗΞϓϦʮEightʯͷ໊ࢗަ׵ʹؔ͢ΔσʔλΛ༻͍Δɻ෼ੳʹ౰ͨͬͯ͸ɺEightͷσʔλʹ͍ͭͯݸਓΛಗ

    ໊Խ͠ɺ2016೥1݄1೔͔Β2018೥12݄31೔·ͰʹEightͷϢʔβʔʹΑͬͯొ࿥͞Ε໊ͨࢗͷ৘ใΛEightͷར༻ن໿Ͱ ڐ୚Λಘ͍ͯΔൣғʹ͓͍ͯ࢖༻͢Δɻ Ϗδωεؔ܎ਓޱ͸ɺ͋Δ೥ʹ͋Δࢢ۠ொଜͷ໊ࢗΛগͳ͘ͱ΋1ຕҎ্औΓࠐΜͩ͜ͱͷ͋ΔEightϢʔβʔͷ਺Λجʹ ܭࢉΛߦ͏ɻ໊ࢗަ׵͸ͦͷഎޙʹର໘తͳ઀৮͕૝ఆ͞ΕΔͨΊɺ୯ʹͦͷ஍Ҭʹཱͪد͚ͬͨͩͷਓ෺ΑΓ΋ɺؔ܎ੑ͸ ڧ͍ͱߟ͑ΒΕΔɻͳ͓EightϢʔβʔ͸Ϣʔβʔొ࿥ͷࡍʹࣗ਎ͷϓϩϑΟʔϧ໊ࢗΛొ࿥͢Δ͕ɺ͔ͦ͜Β൑ఆ͞Εͨ஍ Ҭͱ໊ࢗަ׵૬खͷ஍Ҭ͕ಉ͡৔߹͸ूܭʹؚΊ͍ͯͳ͍ɻͭ·Γɺͦͷ஍Ҭͷݸਓͱͭͳ͕͍ͬͯΔ஍Ҭ֎ͷϢʔβʔͷ਺ ͷΈΛूܭ͍ͯ͠Δɻ·ͨɺ ؔ܎Λ݁Ϳਓͷ਺͸౰વͦͷ࣏ࣗମͷن໛ʹґଘ͢ΔͨΊɺ ͦͷ೥ͷैۀһ਺ʢגࣜձࣾఇࠃσʔ λόϯΫΑΓఏڙʣͰׂͬͨʮௐ੔ࡁΈϏδωεؔ܎ਓޱʯΛຊ෼ੳʹ༻͍Δɻͳ͓੓ྩࢦఆ౎ࢢʹ͍ͭͯ͸ɺ֤ߦ੓۠ͷௐ ੔ࡁΈϏδωεؔ܎ਓޱͷ߹ܭ஋Λ༻͍Δɻ ࣍ʹɺຊߘͰݕ౼͢Δ஍ҬͷΞ΢τΧϜʹ͍ͭͯઆ໌͢Δɻσʔλ͸͍ͣΕ΋2016೥ɾ2017೥ɾ2018೥౓ܾࢉ࣌఺ͷ΋ ͷͰ͋Δɻ ·ͣ஍Ҭܦࡁͷࢦඪͱͯ͠ɺ֤࣏ࣗମʹ͓͚Δ࢓ೖऔҾ਺ͱൢചऔҾ਺Λ༻͍Δɻ͜ΕΒͷࢦඪ͸ఇࠃσʔλόϯΫ͕อ༗ ͢ΔاۀؒऔҾσʔλʢTRDʣͱɺ֤اۀͷຊࣾॴࡏ஍৘ใΛ༻͍ͯࢉग़ͨ͠஋Ͱ͋Γɺ͞Βʹͦͷ஍Ҭͷ֤೥ͷैۀһ਺Ұ ਓ౰ͨΓʹฏۉ͢Δɻͳ͓ɺ͜ͷاۀؒऔҾσʔλ͸ಉ͕ࣾ࡞੒͢Δ৴༻ௐࠪใࠂॻʢCCRʣΛجʹߏங͞Εͨ΋ͷͰɺൃ ஫ଆاۀ͔Βड஫ଆاۀ΁ͷࢿۚͷྲྀΕΛද͢ɻ ஍ํࡒ੓ʹؔ͢Δࢦඪͱͯ͠͸ʮ஍ํࡒ੓ঢ়گௐࠪʯ[5] Λجʹɺ ஍ํ࣏ࣗମʹ͓͚Δʮ஍ํ੫ʹΑΔࡀೖֹʯͱʮࡒ੓ྗࢦ਺ʯ Λ༻͍Δɻ͜ͷ৔߹ͷ஍ํ੫ͱ͸ɺ๏ਓࢢொଜ੫΍ݻఆࢿ࢈੫ΛؚΊͨ஍ํ੫ऩೖΛࢦ͢ɻ֤೥ͷਓޱҰਓ౰ͨΓʹฏۉͨ͠ ஋Λ༻͍ɺ ୯Ґ͸ઍԁͰ͋Δɻͳ͓౦ژ౎ͷಛผ۠ͷ஍ํ੫ࡀೖʹ͸ɺ ࢢ۠ொଜຽ੫ʢ๏ਓ෼ʣ ɺ ݻఆࢿ࢈੫ɺ ಛผ౔஍อ༗੫ɺ ౎ࢢܭը੫͸ؚ·Ε͍ͯͳ͍ɻҰํͷࡒ੓ྗࢦ਺ͱ͸ج४ࡒ੓ऩೖֹΛج४ࡒ੓धཁֹͰׂͬͨ஋ͷ͜ͱͰɺߴ͍΄Ͳͦͷࣗ ࣏ମͷࡒ੓͕݈શͰ͋Δ͜ͱΛࣔ͢ɻ σʔλͷܽଛʹ͍ͭͯ͸࣍ͷ௨ΓͰ͋Δɻ࢓ೖऔҾ਺ͱैۀһ਺߹ܭ͸4࣏ࣗମͰશͯͷ೥ʹ͓͍ͯܽଛ͓ͯ͠Γɺ1࣏ࣗ ମͷ2016೥ͱ2017೥͕ܽଛɻൢചऔҾ਺ʹ͍ͭͯ͸ઌड़ͷ4࣏ࣗମʹՃ͑ͯผͷ7࣏ࣗମͰશͯͷ೥ʹܽଛ͓ͯ͠Γɺ1ࣗ ࣏ମͷ2016೥͕ܽଛ͍ͯ͠Δɻ ͞Βʹɺؼؐࠔ೉۠ҬΛؚΉ෱ౡݝ಺ͷ8࣏ࣗମʹ͍ͭͯ͸ɺܦࡁ׆ಈ͕ఀࢭ͍ͯ͠Δ͜ͱͱɺैۀһ਺΋ۃΊͯ௿͍஋Λ ࣔ͢͜ͱ͔Βɺਖ਼͍͠ਪఆ͕ࠔ೉ʹͳΔͨΊɺࠓճͷ෼ੳ͔Β͸আ֎͢Δɻ ࠷ޙʹɺຊߘͰݕ౼͢Δશͯͷม਺ʹؔͯ͠ɺIQRʢinterquartile rangeʣʷ2.5ͷԼݶΑΓԼͷ஋ɺ·ͨ͸্ݶΑΓ্ͷ஋ ͸֎Ε஋ͱͯ͠আ֎ͨ͠ɻ෼ੳͰ༻͍Δࢢ۠ொଜ਺͸ɺ͜ͷॲཧΛߦͬͨޙͷ஋Ͱ͋Δɻྫͱͯ͠ɺ2018೥ʹ͓͚Δ֤ࢦ਺ ͷ༗ޮͳࢢ۠ொଜ਺ͱཁ໿౷ܭྔΛҎԼͷදʹࣔ͢ɻ 表1:各指標の要約統計量(集計年:2018年) 指数 市区町村数 平均 標準偏差 中央値 最小値 最大値 歪度 尖度 ௐ੔ࡁΈϏδωεؔ܎ਓޱ 1664 0.59 0.25 0.53 0.01 1.49 0.97 0.82 ैۀһൺ࢓ೖऔҾ਺ 1626 0.25 0.07 0.24 0.05 0.50 0.81 1.09 ैۀһൺൢചऔҾ਺ 1686 0.22 0.08 0.21 0.02 0.47 0.55 0.50 Ұਓ౰ͨΓ஍ํ੫ࡀೖ 1682 128.39 36.56 122.26 47.09 267.57 0.97 1.19 ࡒ੓ྗࢦ਺ 1732 0.51 0.28 0.45 0.06 1.74 0.72 0.19
  5. Data Science Report 04ɹ|ɹ © Sansan, Inc. 2.2 分析方法 ஍Ҭͷܦࡁతɾࡒ੓తΞ΢τΧϜʹରͯ͠͸ɺͦͷ஍Ҭ΍ͦͷ೥ʹݻ༗ͷཁҼ͕࡞༻͢Δ͸ͣͰ͋ΔɻຊߘͰ͸ɺ͜ͷΑ͏ ͳ؍ଌ͞Εͳ͍ҟ࣭ੑΛ౷੍ͯ͠΋ͳ͓ɺϏδωεؔ܎ਓޱ͕஍Ҭͷ׆ੑ౓ͱؔ࿈͢Δͷ͔Λݕ౼͢Δɻͦ͜Ͱɺ֤ࢢ۠ொଜ

    ͷ2016೥ɾ2017೥ɾ2018೥ͷ3࣌఺͔ΒͳΔύωϧσʔλΛ࡞੒͠ɺ஍Ҭͱ࣌఺ͷ؍࡯͞Εͳ͍ҟ࣭ੑΛ౷੍ͨ͠two-way ݻఆޮՌϞσϧΛ༻͍ͨɻҎԼ͕ɺຊߘͰ༻͍ΔϞσϧΛఆࣜԽͨ͠΋ͷͰ͋Δɻ ͜͜Ͱɺ i ͸͋Δࢢ۠ொଜɺt ͸࣌఺ʢ೥ʣΛද͍ͯ͠ΔɻYit ͸͋Δ೥ʹ͓͚Δࢢ۠ொଜͷ࢓ೖऔҾ਺ͳͲͷΞ΢τΧϜΛ ͍ࣔͯ͠ΔɻRELPOPit ͸͋Δ೥ʹ͓͚Δࢢ۠ொଜͷௐ੔ࡁΈϏδωεؔ܎ਓޱΛ͍ࣔͯ͠Δɻλi ͸͋Δࢢ۠ொଜʹݻ༗ͷ จԽͳͲͷ؍ଌ͞Εͳ͍ҟ࣭ੑɺ μt ͸Eightͷͦͷ೥ʹ͓͚ΔϢʔβʔશମͷར༻ঢ়گ΍ɺશࠃతͳ໊ࢗަ׵܏޲ɺͦͷଞͷ ܦࡁతͳཁҼͳͲΛࣔ͢ɻ ϵit ͸ޡ߲ࠩͰ͋Δɻβ ͸࣌ظʹࠨӈ͞Εͳ͍ཁҼͷޮՌΛऔΓআ্͍ͨͰͷϏδωεؔ܎ਓޱͱ ࣏ࣗମͷଞͷΞ΢τΧϜͱͷؔ࿈ੑΛද͍ͯ͠Δɻಠཱม਺ɾैଐม਺ͷ྆ํʹରͯ͠ɺ֤ม਺͔Β࣌఺ฏۉͱ஍ҬฏۉΛҾ ͍ͨ஋Λ༻͍ͨOLSਪఆΛߦ͍ͬͯΔɻ·ͨɺඪ४ޡࠩ͸ࢢ۠ொଜͰޡ߲͕ࠩΫϥελϦϯά͞Ε͍ͯΔ͜ͱΛԾఆͨ͠Ϋ ϥελʔϩόετඪ४ޡࠩΛ༻͍Δɻ 3 分析結果 3.1 相関関係 ද2͸ຊߘͰ༻͍Δม਺ͷؒͷ૬ؔؔ܎Λࣔͨ͠දͰ͋Δɻྫͱͯ͠2018೥ͷ΋ͷΛܝࡌͨ͠ɻ·ͨɺਤ3͸ௐ੔ࡁΈϏ δωεؔ܎ਓޱͱɺैۀһൺ࢓ೖऔҾ਺΍ैۀһൺൢചऔҾ਺ͱͷ૬ؔؔ܎Λਤࣔͨ͠΋ͷͰ͋Δɻ͜ΕΛݟΔͱɺैۀһ ൺ࢓ೖऔҾ਺͕࠷΋૬ؔ܎਺͕ߴ͍ʢr = 0.305ʣ ɻ࣍ʹɺैۀһൺൢചऔҾ਺͕΍΍ऑ͍૬ؔ܎਺Λ͍ࣔͯ͠Δʢr = 0.286ʣ ɻ Ϗδωεؔ܎ਓޱ͸ओʹاۀؒͷϏδωεͰͷग़ձ͍Λجʹ͍ͯ͠ΔͨΊɺଞͷࢦඪΑΓ΋औҾʹؔ͢Δࢦඪͱͷؔ࿈౓͕ߴ ͍ͱߟ͑ΒΕΔɻ·ͨɺ஍ํࡒ੓ʹ͍ͭͯ͸Ұਓ౰ͨΓ஍ํ੫ࡀೖʹରͯ͠ਖ਼ͷ૬͕ؔ֬ೝ͞ΕΔʢr = 0.249ʣ͕ɺࡒ੓ྗ ࢦ਺ʹରͯ͠΋ऑ͍ͳ͕Β΋ਖ਼ͷ૬͕ؔ֬ೝ͞Εͨʢr = 0.154ʣ ɻ 表2:変数間の相関係数(集計年:2018年) 調整済み ビジネス関係人口 従業員比仕入取引数 従業員比販売取引数 一人当たり 地方税歳入 財政力指数 調整済みビジネス関係人口 - - - - - 従業員比仕入取引数 0.305*** - - - - 従業員比販売取引数 0.286*** 0.647*** - - - 一人当たり地方税歳入 0.249*** -0.094*** 0.083*** - - 財政力指数 0.154*** -0.300*** 0.026 0.672*** - Note: ***p< 0.01 Yit λi μt ϵit β RELPOPit ࣜʢ1ʣ
  6. Data Science Report 05ɹ|ɹ © Sansan, Inc. 図3:ビジネス関係人口とアウトカムの相関関係 Note: ***p<0.01

    3.2 固定効果モデル ଓ͍ͯɺݻఆޮՌϞσϧͷύϥϝʔλਪఆ݁ՌΛࣔͨ͠ͷ͕ද3Ͱ͋Δɻ͜͜Ͱ͸ɺͦΕͧΕͷม਺ʹରͯ͠લड़ͨ͠֎Ε ஋ͷॲཧΛߦͬͨɻͭ·Γɺಠཱม਺Ͱ͋Δௐ੔ࡁΈϏδωεؔ܎ਓޱͱͦΕͧΕͷैଐม਺ΛϖΞϫΠζআڈ͠ɺͲͪΒ͔ ʹ֎Ε஋͕͋ΔέʔεΛআ֎ͨ͠σʔλΛ༻͍ͨɻैͬͯɺઌड़ͨ͠هड़౷ܭྔͱέʔε਺͸ඞͣ͠΋Ұக͠ͳ͍ɻ ݸʑͷύϥϝʔλʹ͍ͭͯݟ͍ͯ͘ͱɺैۀһൺ࢓ೖऔҾ਺ʢβ = 0.076, s.e. = 0.008ʣͱैۀһൺൢചऔҾ਺ʢβ = 0.058, s.e. = 0.007ʣ ɺҰਓ౰ͨΓ஍ํ੫ࡀೖʢβ = 2.285, s.e. = 1.203ʣʹରͯ͠༗ҙͳਖ਼ͷޮՌ͕֬ೝ͞ΕΔ͜ͱ͕෼͔ΔɻޮՌͷ େ͖͞ʹؔͯ͠ɺௐ੔ࡁΈϏδωεؔ܎ਓޱҰਓʹରͯ͠ɺैۀһൺ࢓ೖऔҾ਺͸0.076݅ɺैۀһൺൢചऔҾ਺͸0.058݅ɺ Ұਓ౰ͨΓ஍ํ੫ࡀೖ͸2285ԁͷޮՌΛ࣋ͭɻܶతͳؔ࿈͕͋Δͱ͍͏Θ͚Ͱ͸ͳ͍΋ͷͷɺ͜ΕΒͷΞ΢τΧϜͱϏδω εؔ܎ਓޱͷؒʹ͸ɺଞͷ࣌ෆมͷม਺ͷޮՌΛআ֎ͨ͠ޙͰ΋ͳ͓ؔ࿈͕ೝΊΒΕͨɻͳ͓ɺ͜ΕΒͷؔ࿈ͷ༗ҙੑ͸࣌఺ ʹΑͬͯޡ߲͕ࠩΫϥελϦϯά͞Ε͍ͯΔ͜ͱΛԾఆͨ͠ϞσϧͰ΋ɺมΘΒͳ͔ͬͨɻ 表3:固定効果モデルのパラメータ推定結果 従属変数 従業員比仕入取引数 従業員比販売取引数 一人当たり地方税歳入 財政力指数 ௐ੔ࡁΈϏδωεؔ܎ਓޱ 0.076*** 0.058*** 2.285* 0.003 (0.008) (0.007) (1.203) (0.003) Observations 4,846 4,955 4,903 5,032 R2 0.114 0.080 0.001 0.0002 Note: *p<0.1, **p<0.05, ***p<0.01 0.284***(N =1645) 0.274***(N =1677) 0.304***(N =1609) 0.300***(N =1644) 0.305***(N =1592) 0.286***(N =1634) 2016 2017 2018 ैۀһൺ࢓ೖऔҾ਺ ैۀһൺൢചऔҾ਺ 0.0 0.5 1.0 1.5 0.1 0.2 0.3 0.4 0.5 0.0 0.1 0.2 0.3 0.4 0.5 ௐ੔ࡁΈϏδωεؔ܎ਓޱ 0.0 0.5 1.0 1.5 0.0 0.5 1.0 1.5
  7. Data Science Report 06ɹ|ɹ © Sansan, Inc. 4 考察と結論 ͜͜·Ͱɺ ஍ҬͷϏδωεؔ܎ਓޱͱ͞·͟·ͳΞ΢τΧϜͱͷؒͷؔ࿈ੑʹ͍ͭͯఆྔతʹݕ౼Λߦ͖ͬͯͨɻ

    ຊߘʹΑͬ ͯ΋ͨΒ͞Εͨ஌ݟ͸ɺओʹ࣍ͷ2఺Ͱ͋Δɻୈ1ʹɺϏδωεؔ܎ਓޱͱऔҾ਺ͷؒʹਖ਼ͷؔ࿈ੑ͕ݟΒΕͨɻ໊ࢗަ׵͸ ৽ͨͳϏδωεͷग़ձ͍Ͱ͋Δ͕ɺ͜Ε͕஍Ҭͷैۀһ਺ͷن໛ʹൺͯ͠ଟ͍஍Ҭ͸ɺΑΓਂ͍Ϗδωεͷؔ܎ੑΛங͘Մೳ ੑ͕ߴ͍ͱ͍͏͜ͱΛ͍ࣔࠦͯ͠Δɻ͞ΒʹͦͷޮՌ͸ɺചങ૒ํ޲ͰͷϏδωεͷऔҾʹରͯ֬͠ೝ͞Εͨɻୈ2ʹɺϏδ ωεؔ܎ਓޱͱ஍ํ੫ࡀೖͷؒʹਖ਼ͷؔ࿈͕ݟΒΕͨɻ͜Ε͸ɺاۀͷҠస΍ཱ஍ɺͦͷଞͷ஍ҬʹؔΘΔܦࡁ׆ಈͷӨڹͱ ߟ͑ΒΕΔɻ͔͠͠ࡉ͔ͳ಺༁ʹ͍ͭͯ͸ࠓޙͷ͞ΒͳΔݕ౼͕ඞཁͰ͋Δɻ ҰํͰࡒ੓ྗࢦ਺ͱͷؔ࿈͸ݟΒΕͳ͔ͬͨɻ͜Ε͸ɺϏδωεؔ܎ਓޱ͸࣏ࣗମͷࡀೖͱͷؔ࿈͕͋Δ΋ͷͷɺऩೖͱࢧ ग़ͱͷόϥϯεΛվળ͢Δ΄ͲͷӨڹΛ࣋ͨͳ͍ͱ͍͏ҰఆͷݶքΛ͍ࣔͯ͠Δͱ΋͍͑Δɻຊݚڀ͸֤஍Ҭͷ࣋ͭ࣌ظతͳ ཁҼ͕ӨڹΛ༩͍͑ͯΔՄೳੑΛ൱ఆͰ͖ͳ͍ͱ͍͏ݶք΋͋Δ͕ɺϏδωεʹ͓͚Δؔ܎ਓޱͱ஍Ҭܦࡁɾ஍ํࡒ੓ͱͷؔ ࿈Λ෼ੳͨ͠وॏͳݚڀͰ͋Γɺࠓޙͷ͞ΒͳΔݕূʹ޲͚ͨࢼۚੴͱͳΔͩΖ͏ɻ ࠓޙͷݚڀํ਑ͱͯ͠͸ҎԼͷ4఺͕ߟ͑ΒΕΔɻୈ1ʹɺ౰֘஍Ҭͱؔ܎Λ࣋ͭ஍Ҭͷਓ͕EightϢʔβʔʹͳΓ΍͍͢ ܏޲͕͋Δ৔߹ɺຊߘͰ༻͍ͨϏδωεؔ܎ਓޱ͸ɺ࣮ࡍͷؔ܎ੑͷྔΑΓ΋աେධՁ͞ΕΔՄೳੑ͕͋Δɻ͜Ε͕ͲΕ΄Ͳ ݁ՌʹӨڹ͢Δͷ͔ɺ·ͨͲͷΑ͏ʹิਖ਼͢Δͷ͔ʹ͍ͭͯ͸ࠓޙͷ՝୊ͱ͍ͨ͠ɻ ୈ2ʹɺࠓճ͸3࣌఺ͰͷύωϧσʔλΛ༻͍͍ͯΔ͕ɺΑΓ௕ظతͳεύϯͰͷ෼ੳΛߦ͍ͬͯ͘͜ͱ͕ඞཁͰ͋Δɻಛ ʹఆॅਓޱͷࣾձ૿ɾࣗવ૿Λߟ͑Δ্Ͱ͸ɺத௕ظతͳؔ࿈Λݕ౼͢Δඞཁ͕͋Δͱߟ͑ΒΕΔɻ ୈ3ʹɺίϩφՒͷΑ͏ͳ࣌୅ͰͷϏδωεؔ܎ਓޱͷॏཁੑʹ͍ͭͯͷ෼ੳ͕ඞཁͰ͋Δɻର໘Ͱͷग़ձ͍͕ࠔ೉ʹͳΔ தͰɺؔ܎ਓޱͷՁ஋͸ࠓޙബΕ͍ͯ͘ͷ͔ɺͦΕͱ΋طʹؔ܎ਓޱͷ๛෋ͳ஍ҬͰ͸ෛͷӨڹΛड͚ʹ͘͘ͳΔͷ͔ɻ ୈ4ʹɺୈ3ͷ఺ʹؔ࿈ͯ͠ɺϏδωεؔ܎ਓޱ͸ΦϑϥΠϯͰͷग़ձ͍Λجʹूܭ͍ͯ͠Δ͜ͱΛ౿·͑ɺΦϯϥΠϯͰ ͷ஍Ҭͷͭͳ͕Γ͸ΦϑϥΠϯͱಉ༷ʹ஍Ҭ׆ੑ౓ͱͷؔ࿈͕͋Δ͔Ͳ͏͔ݕূ͍ͯ͘͜͠ͱ͕ඞཁͰ͋Δɻ΢Οζίϩφɾ Ξϑλʔίϩφʹ͓͚Δ৽͍͠ੜ׆༷ࣜͰ͸ϦϞʔτԽ͕ଅਐ͞Ε͍ͯ͘ͱ༧૝͞ΕΔ͕ɺͦΕ͕ͲΕ΄Ͳ஍ҬʹӨڹΛٴ΅ ͢ͷ͔Λߟ͑ͳ͚Ε͹ͳΒͳ͍ͩΖ͏ɻ 5 謝辞 ຊݚڀ͸ɺSansanגࣜձࣾͱגࣜձࣾఇࠃσʔλόϯΫͷڞಉݚڀͷ੒Ռ෺Ͱ͋Δɻؔ܎֤ҐʹվΊͯײँͷҙΛਃ্͠ ͛Δɻ 6 Reference [1] ૯຿ল,ʮϓϩδΣΫτ֓ཁʯ, ஍Ҭ΁ͷ৽͍͠ೖΓޱʮؔ܎ਓޱʯϙʔλϧαΠτ, http://www.soumu.go.jp/kankeijinkou/discription/index.htmlʢࢀর 2020/9/7ʣ [2] ಺ֳ෎,ʮ·ͪɾͻͱɾ͠͝ͱ૑ੜجຊํ਑̎̌̍̕ʹ͍ͭͯʯ, ΈΜͳͰҭͯΔ஍ҬͷνΧϥ ஍ํ૑ੜ, 2019/6/21, https://www.kantei.go.jp/jp/singi/sousei/info/pdf/r01-06-21-kihonhousin2019gaiyou.pdfʢࢀর 2020/9/7ʣ [3] લౢ௚थ΄͔,ʮDSOC Data Science Report 08 ໊ࢗަ׵͔Β஍ҬͷϏδωεؔ܎ਓޱΛଌఆ͢Δʯ, DSOC Data Science Report, 2019/11/7, https://sansan-dsoc.com/pdf/DSOC_DSR-08.pdfʢࢀর 2020/9/7ʣ [4] ኍ੉৴ݾ,ʮاۀཱ஍ͱ஍Ҭܦࡁͷ׆ੑԽ : େࡕ෎ɺ෱Ԭݝͷऔ૊ΈΛத৺ʹʯ,ʰϨϑΝϨϯεʱ, ࠃཱࠃձਤॻؗ, 2008, no. 691, pp. 53-72 [5] ૯຿ল,ʮࢢொଜผܾࢉঢ়گௐʯ, ஍ํࡒ੓ঢ়گௐࠪؔ܎ࢿྉ, https://www.soumu.go.jp/iken/kessan_jokyo_2.html ʢࢀর 2020/9/7ʣ
  8. © Sansan, Inc. 問い合わせ 2020೥10݄19೔ ൃߦ ୲౰ݚڀһ લౢ௚थ Naoki Maejima,

    ਅು༑ଇ Tomonori Manabe ˞ຊࢽ͸౰ࣾαʔϏεͰఆΊΔར༻ن໿ͷڐ୚ൣғ಺Ͱಗ໊Խͨ͠σʔλΛ౷ܭతʹར༻ͯ͠ ͍·͢ɻ ˞ຊࢽ͸৘ใఏڙͷ໨తͷΈͷͨΊʹఏڙ͞ΕΔ΋ͷͰ͢ɻ ຊࢽΛར༻͞ΕΔํ͸ɺ ͦͷ࢖༻ʹ ͍ͭͯಠࣗʹධՁ͢Δ੹೚Λෛ͏΋ͷͱ͠ɺ ໌ࣔ·ͨ͸໧ࣔΛ໰Θͣͦͷਖ਼֬ੑɺ ׬શੑɺ ༗༻ ੑ౳ͷ͍͔ͳΔอূ΋ຊࢽʹ͸൐͍·ͤΜɻ ˞ܝࡌ͞Ε͍ͯΔ৘ใ౳͸࡞੒࣌఺ͷ΋ͷͰ͢ɻ ˞ຊࢽͷҰ෦͋Δ͍͸શ෦ΛແஅͰෳ੡ɺ సࡌɺ ෳࣸ͢Δ͜ͱΛې͡·͢ɻ Data Science Report Data Science Reportࣄ຿ہ ʢSansanגࣜձࣾ ٕज़ຊ෦಺ʣ 33tech@sansan.com https://jp.corp-sansan.com/