二乗平均平方根誤差とは英語では Root Mean Squared Error (RMSE) と書く．真値と予測値との乖離（誤差）を二乗し，その平均値をとり，その平方根を求めた値のことである．非負の値を取り，0に近いほど優れたモデルであることを示唆する．
今回使用するのはe-Statからの社会疫学的指標を加えて熱中症搬送人員数を分析するで使用したデータベースである．先の記事では回帰モデルを評価する指標が必要との認識であった．
社会疫学的指標を考慮した都道府県別の熱中症搬送人員数の予測と実際
都道府県別の熱中症搬送人員数の予測と実際をEXCELの組み合わせグラフで描くでは独立変数として日最高気温，日平均水蒸気圧，65歳以上人口，人口密度を投入し都道府県別の熱中症搬送人員数を予測した．以前の記事ではe-Statからの社会疫学的指標を加えて熱中症搬送人員数を分析した．社会疫学的指標としては日最高気温，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である．
今回は社会疫学的指標を独立変数として加えた熱中症搬送人員数の予測と実際を示す．
2019年の熱中症搬送人員数の予測と実際をEXCELの組み合わせグラフで描く
これまでの記事で日最高気温と平均水蒸気圧，各都道府県65歳以上人口および月から熱中症の搬送人員数を予測する回帰式の回帰係数を推定してきた．
今回はその回帰式を元に実際のデータと比較してみたい．対象は2019年の47都道府県とする．
2045年の医療需給を概観する
前回の記事（国土数値情報の二次医療圏テーブルの文字化けを解決する，医療機関テーブルに二次医療圏コードを追加する）では医療圏テーブル，医療機関テーブルを整備した．今回は人口動態予測を元に2045年の医療需給を予測する．
経度・緯度からPointジオメトリをSQL Serverで生成する
eStatから国勢調査の小地域の境界データをダウンロードしSQL Serverにアップロードするではポリゴンを含むデータを SQL Server にアップロードするまでの記事を記した．今回はそのテーブル内に記録された経度，緯度から Point ジオメトリを生成する．第 6 章 空間データをインポートする (Beginning Spatial with SQL Server 2008)に倣っている．
第 6 章 空間データをインポートする (Beginning Spatial with SQL Server 2008)
多くの空間アプリケーションがカスタム定義の空間機能を組み合わせている．例えば顧客セットの局在と，広く受け入れられた表現の空間データ，地球上の汎用性のある特徴，例えば国や州の境界線，世界の主要都市の局在および主要な道路や鉄道の経路などである．この情報は自分自身で作成するよりも，多くの代替可能な資源が存在しており，そこから普通に使うための空間データを取得して空間アプリケーションに搭載できる．
本章では，そこから一般公開された空間情報を取得できる資源，そこでそのデータが普通に提供されるフォーマットおよびその情報を SQL Server にインポートするのに使える技術を紹介しよう．
“第 6 章 空間データをインポートする (Beginning Spatial with SQL Server 2008)” の続きを読む