Co-evolution of human and technology
総務省の公開しているe-Statには社会疫学的指標が多く含まれる．今回熱中症搬送人員数に様々な指標を加えて解析してみた．
説明変数として日最高気温，日平均水蒸気圧，都道府県人口に加えて過去30日間の平均気温，エアコン保有台数，年間収入のジニ係数，光熱・水道費，実収入，第1次産業就業者比率，第2次産業就業者比率，都市公園数，都市緑化割合，自然公園割合，自然公園数，生活保護被保護人員を加えた．
すべての変数が有意であったが，VIFを見ると多重共線性を疑わせる変数もあり，良いモデルとは言えない結果となった．
熱中症の搬送人員数が月平均気温と負の相関があるとの情報を得た．普段涼しい地域ほど日最高気温の上昇に弱いという意味である．普段涼しいということを表現するには過去30日間の日平均気温の平均を取ればよいだろうと判断した．こうなるとSQL Serverのウィンドウ関数の出番である．
Excelのピボットテーブルでクロス集計から統計解析まででも書いたが，統計解析の醍醐味は多変量解析にある．単変量解析では変数間の交絡の可能性が否定できず，重要なポイントを見落とすことがある．
統計の専門家ではないので完全に我流の方法であるが，多変量解析における変数選択の参考になるかと思い，記しておく．
過去に査読者とのやり取りの中で，変数選択の方法をかなり具体的に指示され，その通りにしないと通さないぞという言外の圧力を感じたことがある．
その時は違和感を感じつつもその通りにしたら通ったのだが，どうにもその違和感がずっと残っていた．いわく，単変量解析で有意になった変数のみを組み合わせて多変量解析に持ち込む，という手法だったのだが，本当にそれで良かったのだろうか？