宙畑 Sorabatake

衛星データ

e-Statで公開されているありとあらゆる統計データの中から夜間光と相関のあるデータを探してみた

以前、夜間光データと土地価格に相関があるかを調査した記事を公開しました。結果は、夜間光と土地価格に相関はありそうだが、それぞれの変化率には相関がなさそうというものでした。せっかくならもっとたくさんのデータとの相関を調査してみようということで、e-Stat(政府統計の総合窓口)で公開されている400種類以上のありとあらゆるデータとの相関を調査し、正の相関と負の相関のある統計データをそれぞれランキングで発表します!

衛星から夜の地球を観測したデータは「夜間光データ」と呼ばれています。

以前、夜間光データと土地価格に相関があるかを調査した記事(https://sorabatake.jp/27232/)を公開しました。結果は、夜間光と土地価格に相関はありそうだが、それぞれの変化率には相関がなさそうというものでした。

せっかくならもっとたくさんのデータとの相関を調査してみようということで、e-Stat(政府統計の総合窓口)で公開されているありとあらゆるデータとの相関を調査してみることにしました。

400種類以上の統計データと夜間光との相関係数を算出し、正の相関と負の相関のある統計データをそれぞれランキングで発表したいと思います! 

扱うデータについて

前回の記事同様、夜間光データはGoogle Earth Engine(GEE)で公開されているVIIRS(※1)を用います。

※1 アメリカの衛星であるSuomi-NPPに搭載されているVisible/Infrared Imager and Radiometer Suite(VIIRS)

夜間光と相関を調査する統計データはe-Statから取得します。
e-Statは日本の統計が閲覧できる政府統計のポータルサイトです。(https://www.e-stat.go.jp/)各省庁が公表する統計データがまとまっており、検索したり地図上に表示できたりします。

今回は以下のページから取得できる、都道府県別の統計データを対象に相関を調査します。
https://www.e-stat.go.jp/regional-statistics/ssdsview/prefectures

A:人口・世帯、B:自然環境、C:経済基盤、D:行政基盤、E:教育、F:労働、G:文化・スポーツ、H:居住、I:健康・医療、J:福祉・社会保障、K:安全、と幅広いデータを取得することができます。

ここから2019年のデータを可能な限り取得し、2019年の夜間光データの平均値と相関を調査していきます。

事前の準備として、上記のページから統計データのcsvをダウンロードしておきます。
25個ずつしかデータが選択できないため、下の写真のように複数のcsvをダウンロードし、フォルダにまとめておきます。
※e-StatのデータはAPI経由でもダウンロード可能です。
https://www.e-stat.go.jp/developer

夜間光テーブルの作成

それではまずは都道府県ごとに夜間光の平均値を求めてみます。

まずは必要なライブラリをインポートします。

import numpy as np
import pandas as pd
import warnings
import json
import glob
from scipy import stats
warnings.filterwarnings('ignore')

# reminder that if you are installing libraries in a Google Colab instance you will be prompted to restart your kernal

try:
   import geemap, ee
   import seaborn as sns
   import matplotlib.pyplot as plt
   import geopandas as gpd
   from matplotlib import cm

except ModuleNotFoundError:
   if 'google.colab' in str(get_ipython()):
       print("package not found, installing w/ pip in Google Colab...")
       !pip install geemap seaborn matplotlib
       !pip install geopandas
   else:
       print("package not found, installing w/ conda...")
       !conda install mamba -c conda-forge -y
       !mamba install geemap -c conda-forge -y
       !conda install seaborn matplotlib -y
   import geemap, ee
   import seaborn as sns
   import matplotlib.pyplot as plt
   import geopandas as gpd
   from matplotlib import cm

次に、GEEの認証とモジュールのインポートを行います。
GEE認証を実行すると認証に必要なURLが表示されるので、URLへアクセスしてGoogleアカウントを指定し、表示された認証コードをGoogle Colabのボックスへコピペしてください。

try:
        ee.Initialize()
except Exception as e:
        ee.Authenticate()
        ee.Initialize()

都道府県ごとのポリゴンデータを取得します。
GADM(https://gadm.org/download_country_v3.html)からファイルをダウンロードして、 GeoPandasで読み込みます。ここで後にgeometryを取得しやすくするために、読み込んだGeoPandasのテーブルをjson形式に変換したものも作成しておきます。

prefectures_shp_path = 'shpファイルのパスに変更してください'
jpnShp = gpd.read_file(prefectures_shp_path, crs='EPSG:4326')
df = json.loads(jpnShp.to_json())
jpnShp.plot()

日本のポリゴンデータを取得することができました。

取得したポリゴンデータから、都道府県名のリストを取得します。

pres = jpnShp['NL_NAME_1'].unique()
print(pres)

無事都道府県のリストを取得できています。

今回扱う夜間光データであるVIIRSの月間コンポジット(月間で集約してノイズが除去されたもの)のImageCollectionを取得します。今回は2019年度の統計データとの相関係数を調査するため、夜間光データの期間も2019年4月1日から2020年3月31日までを指定します。

viirs = ee.ImageCollection("NOAA/VIIRS/DNB/MONTHLY_V1/VCMSLCFG").filterDate("2019-04-01", "2020-03-31").select('avg_rad').median()

都道府県ごとのgeometryを取得する関数を定義します。
引数で都道府県名を与えることで、先ほど作成したjson形式のデータからGEEのgeometryを作成し、返します。

def get_prefectures_geo(prefecture):
 features = [f for f in df['features'] if f['properties']['NL_NAME_1']==prefecture]
 return ee.Geometry.MultiPolygon(features[0]['geometry']['coordinates'])

夜間光データのテーブルを作成します。
ループで都道府県ごとの夜間光データの平均値を取得し、夜間光データテーブル(df_nl)に格納します。

cols_nl = ['pres', '2019-NL']
df_nl = pd.DataFrame(index=[], columns=cols_nl)

for i in range(len(pres)):
 aoi = get_prefectures_geo(pres[i])
 mean = ee.Number(viirs.reduceRegion(reducer=ee.Reducer.mean(), geometry=aoi, scale=450).get('avg_rad')).getInfo()
 df_nl = df_nl.append(pd.Series([pres[i], mean],index=df_nl.columns), ignore_index=True)

print(df_nl)

夜間光テーブル(df_nl)が作成できました。

統計データのテーブルの作成

先ほどe-Statからダウンロードしておいたデータのテーブルを作成します。csvを順々にダウンロードしていき、統計データのカラムのみを抽出してpandasのテーブル(df)のカラムに加えていきます。

folder_path = 'csvをまとめておいたフォルダパスに変更してください'

path = sorted(glob.glob(folder_path + "/*.csv"))

for i in range(len(path)):
   if i == 0:
       try:
           df =  pd.read_csv(path[i], encoding="CP932").drop(columns=["調査年","/項目"])
       except UnicodeDecodeError:
           df =  pd.read_csv(path[i], encoding="UTF8").drop(columns=["調査年","/項目"])
      
   else:
       try:
           df_app = pd.read_csv(path[i], encoding="CP932").drop(columns=["調査年","/項目"])
       except UnicodeDecodeError:
           df_app = pd.read_csv(path[i], encoding="UTF8").drop(columns=["調査年","/項目"])

       df = pd.merge(df, df_app, on='地域', how='inner')

このように都道府県ごとの統計データをもったテーブルが作成されます。

相関調査・ランキング発表

先ほど作成した夜間光テーブルと統計データテーブルを結合します。

# 表の結合
df_merge = pd.merge(df_nl, df, left_on='pres', right_on='地域', how='inner').drop(columns=['地域'])

夜間光と統計データの相関係数を算出し、相関係数が大きい順にソートして、csvで出力します。

# 相関マトリクス
df_merge.corr()

# 相関マトリクスを配列格納
df_rslt = df_merge.corr()

# 夜間光と相関係数が大きい順にソート
df_rslt_sort = df_rslt.sort_values('2019-NL', ascending=False)

# 夜間光以外の列を削除
df_rslt_sort_value = df_rslt_sort['2019-NL']

# CSV出力
df_rslt_sort_value.to_csv('出力するファイルパスに変更してください')

出力したCSVから相関係数が正のデータと相関係数が負のデータのランキングをそれぞれ発表します。

相関係数は一般的に0.7以上であれば強い正の相関、-0.7以下であれば強い負の相関と言われているため、その範囲に該当するデータ内でランキングをお見せしたいと思います。

※今回は因果関係を調査したわけではなく、あくまで夜間光と相関がありそうなデータを探索してみただけのため、教育や医療分野など夜間光と関係性がなさそうなデータもあります。

まずは表1に正の相関のあるデータのランキングを示します。相関係数が0.7以上のデータは57種類ありました。1,2位は人口密度、3,4,5,6位は医療関係、7,8,9位は教育関係になっています。

人口が多ければ人口密度も高くなり、医療機関も多く必要になり、学校もたくさん必要になります。10位以降を見てもわかる通り、消防署、郵便局、公園など人口が多い場所に必要な施設の数との強い相関が見られます。

夜間光の平均値が高い場所は、栄えている都道府県であり人口が多いことから、これらのデータとの強い相関が見られていると思われます。

人口と直接関係がなさそうなデータとしては、26位の民営賃貸住宅の家賃、32位の国内銀行預金残高、39位のきまって支給する現金給与月額等の個人のお金関係や、46位の財政力指数と言った行政レベルの経済指標などが目立ちます。夜間光の平均値が高い場所は、個人の所得や貯金額、行政レベルの経済指標が高い傾向にあることがわかります。

表1 夜間光データと正の相関のあるデータTOP57

順位 統計データ 相関係数
1 総面積1km2当たり人口密度【人】 0.9933
2 可住地面積1km2当たり人口密度【人】 0.9773
3 薬局数(可住地面積100km2当たり)【所】 0.9763
4 歯科診療所数(可住地面積100km2当たり)【施設】 0.9727
5 一般診療所数(可住地面積100km2当たり)【施設】 0.9663
6 医薬品販売業数(可住地面積100km2当たり)【所】 0.9649
7 高等学校数(可住地面積100km2当たり)【校】 0.9592
8 中学校数(可住地面積100km2当たり)【校】 0.9554
9 小学校数(可住地面積100km2当たり)【校】 0.9531
10 評価総地積割合(宅地)【%】 0.9451
11 男性パートタイム労働者数(~2019)【人】 0.9355
12 一般病院数(可住地面積100km2当たり)【施設】 0.9257
13 消防署数(可住地面積100km2当たり)【署】 0.9250
14 近隣公園数(可住地面積100km2当たり)【所】 0.9066
15 総人口(男)【万人】 0.9044
16 総人口【万人】 0.9041
17 全国総人口に占める人口割合【%】 0.9040
18 総人口(女)【万人】 0.9033
19 女性パートタイム労働者数(~2019)【人】 0.9007
20 都市公園数(可住地面積100km2当たり)【所】 0.8962
21 郵便局数(可住地面積100km2当たり)【局】 0.8856
22 街区公園数(可住地面積100km2当たり)【所】 0.8856
23 交通事故発生件数(道路実延長千km当たり)【件】 0.8795
24 立体横断施設数(道路実延長千km当たり)【所】 0.8684
25 電力需要量【Mwh】 0.8681
26 民営賃貸住宅の家賃(1か月3.3m2当たり)【円】 0.8567
27 国税徴収決定済額(人口1人当たり)【千円】 0.8436
28 高等学校新規卒業者の求人倍率【倍】 0.8423
29 ガソリン販売量【KL】 0.8310
30 人口1人当たり住民税(都道府県・市町村財政合計)【千円】 0.8282
31 転入超過率(日本人移動者)【%】 0.8145
32 国内銀行預金残高(人口1人当たり)【万円】 0.8086
33 課税対象所得(納税義務者1人当たり)【千円】 0.8036
34 自主財源の割合(都道府県財政)【%】 0.7999
35 道路実延長(総面積1km2当たり)【km】 0.7909
36 転入超過率【%】 0.7872
37 主要道路実延長(総面積1km2当たり)【km】 0.7804
38 社会増減率【‰】 0.7771
39 きまって支給する現金給与月額(女)(~2019)【千円】 0.7701
40 地方税割合(都道府県財政)【%】 0.7698
41 財政力指数(都道府県財政)【‐】 0.7684
42 携帯電話契約数(人口千人当たり)【契約】 0.7655
43 婚姻率(人口千人当たり)【‐】 0.7635
44 女性パートタイムの給与(1時間当たり)(~2019)【円】 0.7614
45 着工居住用建築物工事費予定額(床面積1m2当たり)【千円】 0.7609
46 消費者物価地域差指数(住居)【‐】 0.7596
47 民間生命保険保有契約件数(人口千人当たり)【件】 0.7581
48 15~64歳人口割合【%】 0.7518
49 一般旅券発行件数(人口千人当たり)【件】 0.7446
50 客室稼働率【%】 0.7432
51 きまって支給する現金給与月額(男)(~2019)【千円】 0.7431
52 負債現在高(二人以上の世帯)(1世帯当たり)【千円】 0.7395
53 警察費割合(都道府県財政)【%】 0.7250
54 転入率(日本人移動者)【%】 0.7218
55 雇用保険基本手当平均支給額【千円】 0.7208
56 1人当たり県民所得(平成23年基準)【千円】 0.7127
57 転入率【%】 0.7113

次に表2に負の相関のあるデータのランキングを示します。相関係数が-0.7以下のデータは4種類ありました。

1位の従属人口指数は、生産年齢人口(15~64歳人口)に対する年少人口(15歳未満人口)と老年人口(65歳以上人口)の割合です。つまりこの従属人口指数が夜間光と負の相関があるということは、夜暗い都道府県ほど生産年齢人口に対して年少・老年人口が多い(高齢化が進んでいる)ということを示唆しています。

2位の人口10万人あたりの民生委員(児童委員)数とはそれぞれ以下のような方々です。

・民生委員
 厚生労働大臣から委嘱され、それぞれの地域において、常に住民の立場に立って相談に応じ、必要な援助を行い、社会福祉の増進に努める方々であり、「児童委員」も兼ねている。

・児童委員
 地域の子どもたちが元気に安心して暮らせるように、子どもたちを見守り、子育ての不安や妊娠中の心配ごとなどの相談・支援等を行う。

夜間光との関係は不明ですが、夜明るいほど委員数が少ないという傾向がありました。

3位は地方交付税割合です。地方交付税とは、「地方公共団体間の財源の不均衡を調整し、どの地域に住む国民にも一定の行政サービスを提供できるよう財源を保証するため、国から地方公共団体に交付される資金」のことです。

つまり地方交付税割合が高いということは、その都道府県の財源は国からの交付金の割合が高いということになり、都道府県自体の財政が低い水準であるということです。

よって夜間光と負の相関があるということは、夜暗い地域ほど地方交付税割合が高い、すなわち財政が低い水準であるということです。夜間光は経済指標と相関があると言われており、その通りの結果になっていることがわかります。

4位は着工新設持ち家比率です。夜暗い地域ほど新しく戸建てを建てた人の割合が高いということです。地方は家を建てる土地があり、都心はマンション等の集合住宅が多いことから、これもイメージ通りの結果になっているのではないでしょうか。

表2 夜間光データと負の相関のあるデータ

1 従属人口指数【‐】 -0.7204
2 民生委員(児童委員)数(人口10万人当たり)【人】 -0.7113
3 地方交付税割合(都道府県財政)【%】 -0.7018
4 着工新設持ち家比率【%】 -0.7010

まとめ

夜間光とe-Statで公開されているありとあらゆる統計データについて相関を調査してみました。

今回は都道府県レベルを対象に相関調査を行いましたが、市区町村レベルで調査を行えばより詳細な調査を行うことができます。また、対象の統計データをe-Statに絞りましたが、その他政府以外が公開しているような統計データと比較してみると、また新たな発見がありそうです。

最近はe-Statのように気軽に統計データをダウンロードすることができるようになりました。今回は夜間光データを扱いましたが、その他の衛星データを使って統計データとの関係を調査してみても良さそうです。みなさんも衛星データと相関のある面白いデータを探ってみてはいかがでしょうか。

コラム:擬似相関に注意

ここまで夜間光と相関のある統計データをみてきましたが、医療関係や教育関係など夜の明るさと因果関係があるのか疑わしい項目が多く見られます。それらの項目を見ると、人口との相関がありそうです。そこで、それぞれの統計データの人口との相関係数も算出し、夜間光との相関係数との関係を確認してみます。

# 総人口と相関が強い順にソート
df_rslt_sort_population = df_rslt.sort_values('#A011000_総人口【万人】', ascending=False)

# 総人口以外の列を削除
df_rslt_sort_population = df_rslt_sort_population['#A011000_総人口【万人】']

# CSV出力
df_rslt_sort_population.to_csv('出力するファイルパス')

出力したcsvから夜間光との相関係数、人口との相関係数の散布図を作成しました。
夜間光との相関係数が高いものは、人口との相関係数も高くなっていることがわかります。つまり、人口との見かけ上の相関(※)となっていると思われます。

2つのデータに相関関係があっても、因果関係があるとは限らないということには注意しておきましょう。

宙畑メモ:見かけ上の相関(疑似相関)
疑似相関とは、二つの事象の間に相関が見られるが、因果関係は存在しない状態のこと。両者とも共通の原因の結果である場合などに生じる。
https://e-words.jp/w/%E7%96%91%E4%BC%BC%E7%9B%B8%E9%96%A2.html