🎨 直感で掴む — パネルデータの正体

パネルデータは クロスセクション（横断面）と時系列の合体 です。 例として SSDSE-B-2026 で 北海道・東京都・大阪府 という個体 ($i$) を 2015 年・2018 年・2021 年 という時点 ($t$) で観測すれば、 個体 3 × 時点 3 = 9 観測のミニパネルになります。 横の比較（地域差）と縦の比較（時間変化）を 同時に 行えるため、 「東京の出生率が下がったのは年代の影響か、それとも東京固有の事情か」を分離できる点が最大の魅力です。

比喩としては 同じ生徒の身長を毎年測る のがパネルデータ、 毎年違うクラスの平均身長 はクロスセクション（pooled cross-section）、 同一クラスの平均だけを毎年 取るのが時系列です。 個体識別子 (Code/Prefecture) と時点識別子 (Year) を確実に保持することが、 後の固定効果・ランダム効果モデルの前提になります。

📐 定義・数式

パネル回帰の最も一般的な構造は二元誤差成分モデルです。

ここで $y_{it}$ は個体 $i$ ・時点 $t$ の被説明変数、 $\mu_i$ は個体固有効果、 $\lambda_t$ は時点固有効果。 SSDSE-B-2026 ならば $i$ は 47 都道府県、 $t$ は調査年で、 $y$ を出生率、 $x$ を婚姻率・所得・保育サービスとすれば「地域要因 ($\mu_i$) と全国共通の景気要因 ($\lambda_t$) を吸収した純粋な政策効果 ($\beta$)」が推定できます。

🔬 数式を言葉で読み解く — 記号 → 意味

推定の際は、 個体固有効果 $\mu_i$ を 固定として扱うか（FE）、 ランダム変量として扱うか（RE） でモデルが分かれます。 Hausman 検定で選択するのが定番です。

🌐 関連手法・派生

• 固定効果モデル（FE）：個体ダミーで $\mu_i$ を消去。 時間不変の交絡を完全に除去できる強力な手法。
• ランダム効果モデル（RE）：$\mu_i$ を確率変数として扱う。 仮定が満たされれば FE より効率的。
• 差の差分析（DID）：パネル構造を活用した因果推論の代表格。
• 時系列分析：$T$ が大きく $N=1$ の極限。
• クロスセクション：$T=1$ の極限。 SSDSE-B-2026 の単年版もこれに該当。

📖 包括的解説 — この概念を完全マスター

📍 学習の3ステップ

1. 定義を理解する：この概念は何か？ 数式や条件を確認
2. 具体例を見る：実データ（SSDSE 等）で計算してみる
3. 応用する：自分のデータに適用、 結果を解釈

🔧 Python実装パターン

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16

# 基本パターン
import pandas as pd
import numpy as np
from scipy import stats
import matplotlib.pyplot as plt
import seaborn as sns

# データ読み込み
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932')

# 基本統計量
df.describe()

# 可視化
sns.pairplot(df[['食料費', '教育費', '住居費']])
plt.show()

📚 統計概念マップでの位置

このページの上にある3つの概念マップ（関係マップ、 包含マップ、 ツリーマップ）でこの概念の位置づけが視覚的に分かります。 関連手法を辿って学習を進めましょう。

🎯 SSDSE-B-2026 で挑戦

統計データ活用コンペティションのSSDSE-B-2026データは、 47都道府県の社会経済データ。 この概念を使って以下のような分析ができます：

• 地域別の特徴抽出
• 家計支出パターンの解析
• 人口動態と社会経済指標の関連
• 気候要因の影響評価

💡 よく使うコマンド集

🚧 一般的な落とし穴と対策

• 外れ値の影響：散布図・ 箱ひげ図で確認、 ロバスト手法も検討
• サンプルサイズ不足：power analysis で事前に確認
• 仮定の違反：正規性、 独立性、 等分散性をチェック
• 多重比較問題：補正（Bonferroni、 FDR）を適用
• p-hacking：事前登録（pre-registration）で防ぐ
• 因果と相関の混同：観察データから因果結論を出さない

📊 結果報告の標準フォーマット

• 点推定：得られた値
• 不確実性：信頼区間または標準誤差
• サンプルサイズ：n を明記
• 効果量：実質的な意義
• p値：統計的有意性
• 仮定の確認：診断プロット

🌐 関連分野での応用

• マーケティング：A/Bテスト、 顧客分析
• 医療：臨床試験、 疫学研究
• 金融：リスク管理、 ポートフォリオ
• 製造：品質管理、 工程最適化
• 公共政策：効果評価、 計画立案
• 研究：仮説検証、 探索的解析

🎓 さらに学ぶための文献

• Wasserman "All of Statistics"
• Hastie, Tibshirani & Friedman "The Elements of Statistical Learning"
• Gelman & Hill "Data Analysis Using Regression"
• VanderPlas "Python Data Science Handbook"

🔗 統計用語ネットワーク

この概念は、 他の多くの統計概念と密接に関連しています。 ジャストインタイム型学習では、 必要に応じて関連用語へジャンプしながら全体像を構築します。

主要な関連概念のグループ

学習順序の推奨

1. 記述統計（平均、 分散、 標準偏差）
2. 可視化（ヒストグラム、 散布図）
3. 確率分布（正規分布）
4. 推測統計（標準誤差、 信頼区間、 p値）
5. 仮説検定（t検定、 χ²検定）
6. 相関と回帰（単回帰、 重回帰）
7. 多変量解析（PCA、 クラスタリング）
8. 機械学習（決定木、 RF、 NN）
9. 時系列・因果推論（応用）

📝 実践練習 — SSDSE-B-2026 で挑戦

初級課題

1. 東北6県の家計食料費の基本統計量を計算
2. 食料費のヒストグラムを描く
3. 食料費と教育費の散布図を描く
4. 都道府県を「東日本/西日本」に分け、 平均を比較

中級課題

1. 家計支出 5項目で相関行列を作成、 ヒートマップ可視化
2. 食料費 → 教育費の単回帰を実行、 残差分析
3. 家計5項目で PCA を実施、 バイプロット表示
4. k-means (k=3) で都道府県をクラスタリング、 解釈

上級課題

1. 地域別の家計パターンに有意差があるか ANOVA で検定
2. 重回帰で教育費を予測、 多重共線性を VIF で確認
3. Ridge/LASSO で正則化、 CV で α を最適化
4. 階層クラスタリングと Ward 法で都道府県を分類、 デンドログラム作成

📚 統計学習の総合ガイド

🎯 学習目標

このページの概念をマスターすることで、 以下のスキルが身につきます：

• 定義と公式を正確に理解
• 適切な使用場面を判断
• Python で実装し、 結果を可視化
• 仮定の確認と診断
• 結果の解釈と報告
• 限界と注意点の理解
• 関連手法との使い分け

📊 SSDSE-B-2026 データの構造

このコンペの主要データセット（SSDSE-B-2026）の構造：

• 47都道府県 × 過去複数年（パネル形式）
• 112列の社会経済指標
• 人口、 出生、 死亡、 婚姻、 経済、 教育、 環境、 家計など多次元
• 政府統計を統合した信頼性の高いデータ

🔍 主要な変数群

💡 ジャストインタイム型学習

このガイドは「必要なときに必要な知識」を提供する設計：

• 論文中の用語をクリック → 該当の用語解説へジャンプ（ポップアップ）
• 概念マップで関連用語を辿る
• 包含マップで体系を把握
• ツリーマップで全体を俯瞰
• Python コードをコピーして実行
• SSDSE データで実際に試す

🛠️ Python データサイエンス環境

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22

# 必須ライブラリのインストール
pip install pandas numpy scipy statsmodels scikit-learn matplotlib seaborn

# 標準的なインポート
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from scipy import stats
from sklearn.preprocessing import StandardScaler
from sklearn.model_selection import train_test_split
from sklearn.metrics import r2_score, mean_squared_error

# 日本語表示の設定（matplotlib）
plt.rcParams['font.family'] = 'Hiragino Sans'
plt.rcParams['axes.unicode_minus'] = False

# データ読み込み（SSDSE は cp932 エンコーディング）
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932')
print(df.shape)
print(df.head())
print(df.describe())

🌟 効果的なEDAテンプレート

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

def quick_eda(df, target=None):
    """探索的データ分析の基本テンプレート"""
    print(f"Shape: {df.shape}")
    print(f"\nColumn types:\n{df.dtypes}")
    print(f"\nMissing values:\n{df.isnull().sum()}")
    print(f"\nBasic stats:\n{df.describe()}")

    # 数値列の可視化
    numeric_cols = df.select_dtypes(include=[np.number]).columns
    df[numeric_cols].hist(bins=20, figsize=(15, 10))
    plt.tight_layout()
    plt.show()

    # 相関ヒートマップ
    if len(numeric_cols) > 1:
        plt.figure(figsize=(12, 10))
        sns.heatmap(df[numeric_cols].corr(), annot=True, fmt='.2f',
                    cmap='RdBu_r', center=0)
        plt.show()

    # ターゲットがあれば散布図行列
    if target and target in df.columns:
        sns.pairplot(df[numeric_cols[:5]], hue=target if df[target].dtype == 'O' else None)
        plt.show()

📈 報告書テンプレート

分析結果を報告する際の標準的な構成：

1. 背景・目的：なぜこの分析が必要か
2. データ：出所、 サンプルサイズ、 期間
3. 方法：使用した統計手法、 仮定
4. 結果：図表、 統計量、 検定結果
5. 解釈：結果が何を意味するか
6. 限界：分析の制約
7. 結論：要点まとめ、 今後の課題

🗺️ 統計手法選択フローチャート

Q1: 何を知りたい？

• 記述したい → 平均、 分散、 ヒストグラム
• 比較したい → t検定、 ANOVA、 χ²検定
• 関係を見たい → 相関、 回帰
• 予測したい → 回帰、 機械学習
• 分類したい → ロジスティック回帰、 SVM、 RF
• グループ分けしたい → クラスタリング
• 次元を減らしたい → PCA、 因子分析
• 因果関係を知りたい → RCT、 IV、 DiD、 PSM

Q2: データの種類は？

• 連続値 → t検定、 ANOVA、 線形回帰
• カテゴリ → χ²検定、 ロジスティック回帰
• 順序 → ノンパラ検定、 順位回帰
• カウント → ポアソン回帰、 負の二項回帰
• 時系列 → ARIMA、 VAR、 状態空間
• パネル → 固定効果、 ランダム効果

Q3: サンプルサイズは？

• n < 30：ノンパラ、 ベイズ、 ブートストラップ
• 30 ≤ n < 200：古典的検定、 単純な回帰
• n ≥ 200：複雑なモデル、 機械学習
• n ≥ 10000：深層学習も可能

Q4: 仮定は？

• 正規性：満たす → パラメトリック / 満たさない → ノンパラ
• 独立性：必須 / 違反 → クラスター調整、 時系列モデル
• 等分散性：満たす → OLS / 違反 → WLS、 ロバスト

📏 効果量の参照表

p値だけでなく効果量も併記するのが現代統計の標準。 主要な指標と Cohen の解釈基準：

🚀 実務応用の深掘り

典型的なプロジェクトの流れ

1. 問題理解：ステークホルダーとの対話、 KGI/KPI 設定
2. データ収集：内部DB、 公的データ（SSDSE等）、 API
3. EDA：データの全体像把握、 異常検出
4. 仮説立案：ドメイン知識からの仮説
5. モデリング：シンプルから複雑へ段階的に
6. 検証：CV、 ホールドアウト、 A/Bテスト
7. 解釈：可視化、 SHAP、 部分依存プロット
8. 展開：本番デプロイ、 監視

ベストプラクティス

• シンプルなモデルから始める（線形回帰、 単純ルール）
• 必ずベースラインと比較
• 過学習を防ぐ（CV、 正則化、 早期停止）
• 解釈可能性を重視
• 再現可能なコード・ノートブック
• バージョン管理（Git）と環境管理（venv, conda）
• ドキュメント化を怠らない

論文・コンペでよく使う言い回し

統計データ活用コンペでのコツ

• SSDSE データの構造を理解し、 適切なテーブルを選ぶ
• 地域別・年度別の比較で時空間的視点を入れる
• 1つの分析で多角的に切り口を変える
• 仮説と発見の両方を持つ
• ストーリーラインを明確に
• 図表を1枚1枚作り込む
• 政策提言や実務的意義に繋げる

🗺️ 概念マップ — 3つの視点で体系を理解する

パネルデータ がデータサイエンスの体系の中でどこに位置するかを、 3つの異なる視点で可視化します。 同じ情報でも見方を変えると気付きが変わります。

📍 体系階層のパス

🌐 体系階層に未登録

① 🔗 関係マップ — 「他の手法とどう繋がっているか」

中心の概念から放射状に、 前提・兄弟・発展形・応用先などの関係性を矢印で結びます。 横の繋がりを見るのに最適。 ノードをドラッグ、 ホイールでズーム、 クリックで遷移。

② ⭕ 包含マップ — 「どのカテゴリに含まれているか」

大きな円が小さな円を包含する Circle Packing 図。 「パネルデータ」は緑色でハイライト。

• カテゴリ円をクリック：その内部にズームイン
• 白背景クリック：1階層戻る
• 用語円をクリック：詳細ページへ遷移
• マウスホバー：階層パス表示

③ 🌳 ツリーマップ — 「面積で見るボリューム比較」

長方形を入れ子に分割した Treemap 図。 各分野の規模感を面積で比較。 「パネルデータ」は緑色でハイライト。

• カテゴリ矩形をクリック：その内部にドリルダウン
• パンくず（上のリンク）クリック：その階層に戻る
• 用語矩形をクリック：詳細ページへ遷移
• マウスホバー：階層パスと値を表示

🎯 3つのマップの使い分け

💡 ジャストインタイム学習のヒント：3つの視点を行き来することで、 概念を多角的に理解できます。 包含マップやツリーマップはズーム/ドリルダウンで大分類から細部まで探索できます。

🔖 キーワード索引（補強・追加分）

パネルデータ 関連の補強キーワード。 クリックで該当箇所へ：

🧮 SSDSE-B 実値計算例（47都道府県データ）

47 都道府県 × 複数年のパネル構造を持つ SSDSE-B を擬似パネル化し、 固定効果モデルを推定する完全再現例。

① 計算コード

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21

import pandas as pd, numpy as np
import statsmodels.api as sm
from linearmodels.panel import PanelOLS, RandomEffects, compare

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='utf-8', skiprows=1)
df['pref_id'] = range(len(df))      # 47 都道府県
# 擬似的に 3 年分パネルを作成（教材用）
panel = pd.concat([
    df.assign(year=2020, log_income=np.log(df['一人当たり県民所得'])),
    df.assign(year=2021, log_income=np.log(df['一人当たり県民所得']*1.02)),
    df.assign(year=2022, log_income=np.log(df['一人当たり県民所得']*1.04)),
]).set_index(['pref_id', 'year'])

# 固定効果モデル（県内変動のみ使用）
fe = PanelOLS(panel['持ち家比率'],
              sm.add_constant(panel[['log_income', '高齢化率', '人口密度']]),
              entity_effects=True).fit(cov_type='clustered', cluster_entity=True)
# 変量効果モデル（県間変動も使用、 仮定が満たされれば効率的）
re = RandomEffects(panel['持ち家比率'],
                   sm.add_constant(panel[['log_income', '高齢化率', '人口密度']])).fit()
print(compare({'FE': fe, 'RE': re}))

② 期待出力

👉 値は SSDSE-B-2026 の典型値。 同じ手順で他都道府県・他変数にも適用可能。

⚠️ 落とし穴（拡張版・各 100 文字以上）

🐍 Python 実装バリエーション（scikit-learn / scipy / Optuna）

A. scikit-learn による実装

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

from sklearn.linear_model import LinearRegression
# Within変換を手動実装（教育用）
panel_df = df.set_index(['pref_id', 'year'])
y = panel_df['持ち家比率']
X = panel_df[['log_income', '高齢化率']]
# 個体内平均からの偏差
y_w = y - y.groupby(level='pref_id').transform('mean')
X_w = X - X.groupby(level='pref_id').transform('mean')
m = LinearRegression(fit_intercept=False).fit(X_w, y_w)
print('FE係数（手動Within）:', dict(zip(X.columns, m.coef_)))

B. scipy / statsmodels による実装

1
2
3
4
5
6
7
8
9

from scipy import stats
# Hausman 検定の核心：β_FE - β_RE の分散
# ここでは標準誤差で z 検定（簡易版）
beta_fe, se_fe = 12.4, 2.1
beta_re, se_re = 8.6, 1.4
z = (beta_fe - beta_re) / np.sqrt(se_fe**2 - se_re**2 + 1e-9)
p = 2 * (1 - stats.norm.cdf(abs(z)))
print(f'Hausman z = {z:.2f}, p = {p:.4f}')
print('p < 0.05 なら FE を採用、 そうでなければ RE で良い')

C. Optuna でハイパラ・選択最適化

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

import optuna
from linearmodels.panel import PanelOLS

def objective(trial):
    # 時間効果の有無、 ラグ次数を選ぶ
    use_time = trial.suggest_categorical('time_effects', [True, False])
    lag = trial.suggest_int('lag', 0, 2)
    # 簡易実装：BIC で評価
    if lag > 0:
        panel_with_lag = panel.assign(lag1=panel.groupby(level='pref_id')['持ち家比率'].shift(lag))
        panel_with_lag = panel_with_lag.dropna()
        X_cols = ['log_income', '高齢化率', 'lag1']
        m = PanelOLS(panel_with_lag['持ち家比率'],
                     sm.add_constant(panel_with_lag[X_cols]),
                     entity_effects=True, time_effects=use_time).fit()
    else:
        m = PanelOLS(panel['持ち家比率'],
                     sm.add_constant(panel[['log_income', '高齢化率']]),
                     entity_effects=True, time_effects=use_time).fit()
    return -2 * m.loglik + np.log(len(panel)) * (len(m.params) + 1)

study = optuna.create_study(direction='minimize')
study.optimize(objective, n_trials=20)
print('Best:', study.best_params, 'BIC:', study.best_value)

D. ライブラリ早見表

🔗 関連用語（前提・並列・発展）

📚 関連グループ教材 — パネルデータを体系で理解する

パネルデータ（panel data）は単なる「時系列 × 個体」の積ではありません。「個体間異質性をどう処理するか」という根本問題に向き合うための道具立て一式を扱うグループ教材として学ぶのが効率的です。

このページから飛べる主要グループ教材

• 処置群・対照群 グループ教材 — 差分の差（DID）・ 平行トレンド仮定・ 二元固定効果モデルなど、 パネル因果推論の中心テーマを扱います。
• 時系列グループ教材 — 単一個体の時系列との違い、 短い T と大きい N の漸近、 ホールドアウト設計の作り方を学べます。
• 対照群 グループ教材 — パネルにおける「比較群の選び方」と合成統制法（Synthetic Control）の入り口。

SSDSE-B-2026 におけるパネル分析の流れ（推奨）

1. 縦長/横広データを読み、 都道府県 × 年度の long-format に整形する。
2. 記述統計（EDA）で県内変動（within）と県間変動（between）の比率を眺める。
3. 固定効果モデルで県固有の時不変要因を除去する。
4. 変量効果モデルとHausman 検定でモデル選択。
5. DIDで政策効果のパネル因果推論へ進む。

到達目標

• 「県固有の事情」をモデルでどう吸収するかを言語化できる。
• SSDSE-B-2026 の N=47 ・ T=複数年のような「短い T」での漸近性質を意識できる。
• パネル → DID → 合成統制法という因果推論の階段を上れる。

🧮 SSDSE-B-2026 拡張ハンズオン — 県内変動 vs 県間変動

パネル分析の最大の価値は「個体内の変動だけ」を取り出して回帰できる点にあります。 SSDSE-B-2026 を使い、 一人当たり県民所得の分散を県間（between）と県内（within）に分解します。

🎯 学習目的

「都道府県間のばらつき」と「都道府県内の年次変動」のどちらが大きいかを定量化し、 固定効果モデルが何を捨てるかを理解する。

📥 入力

SSDSE-B-2026 を「都道府県 × 年度」のパネルとして整形したもの。

📤 出力

between 分散 / within 分散の数値と比率。

💬 解説

SSDSE-B-2026 のような社会経済指標は通常、 「東京と沖縄の差」のような between 分散が支配的です。 固定効果モデルはこれを切り捨てて、 「同じ県の中での年次変動だけ」で係数を識別します。

🐍 分散分解スクリプト

import pandas as pd
import numpy as np

df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='utf-8-sig')
# 仮にパネル化（実データに複数年度がある前提）
# df['Year'] と df['Prefecture'] の long-format を用意

y = df['Per_capita_income']
overall = y.mean()
between = df.groupby('Prefecture')['Per_capita_income'].mean()
within = df['Per_capita_income'] - df.groupby('Prefecture')['Per_capita_income'].transform('mean')

var_total   = y.var()
var_between = (between - overall).pow(2).mean()
var_within  = within.var()
print(f'total   = {var_total:.0f}')
print(f'between = {var_between:.0f} ({100*var_between/var_total:.1f}%)')
print(f'within  = {var_within:.0f}  ({100*var_within/var_total:.1f}%)')

読み解きの観点

• between 比率が 80% を超えるなら、 固定効果モデルは情報の大半を捨てる。 そのトレードオフを意識する。
• within の比率が小さい列で固定効果回帰を行うと、 標準誤差が大きくなり係数の有意性が落ちやすい。
• 「県の平均値だけ」で説明できる関係（クロスセクション）と「年次変動」が表す関係は、 別物として解釈する習慣をつける。

❓ よくある質問 — パネル分析の実務判断 10 問

Q1. パネルとは「縦と横」のどちら向きのデータ？

同じ個体（行）を時間（列方向に展開）で複数回観測したデータ。 ただし分析する際はlong-format（個体 ID、 時点、 値 の 3 列）に展開するのが標準。

Q2. 短い T で固定効果は安定するか

T が 2-3 程度では individual fixed effects は推定誤差が大きい。 N が大きければ実用上問題ない（Nickell バイアスは N に依らない）。

Q3. なぜ固定効果と DID が同じか

DID は「個体固定効果 + 時間固定効果 + 処置ダミー」の二元固定効果モデルと数学的に同値。 二期間ならば差分が one-way fixed effects と等価。

Q4. クラスタロバスト標準誤差は必須か

パネルでは個体内の系列相関が必ず存在するため、 通常の SE は過小評価される。 個体クラスタロバスト SE が標準。

Q5. パネルでの不均衡（unbalanced）対応

個体ごとに観測期間が異なるパネルは linearmodels.PanelOLS で自動対応。 ただし脱落理由が処置と相関する場合は IPW が必要。

Q6. 動学パネルの落とし穴

被説明変数のラグを右辺に入れると Nickell バイアス。 GMM（Arellano-Bond ・ Blundell-Bond）で対処。

Q7. 個体数 47 で十分か

パネルは「N × T = 観測数」なので、 T が 10 もあれば 47 × 10 = 470 で十分。 ただし個体ダミーの数に注意。

Q8. 何年分あれば「パネル」と呼べるか

2 期間以上で形式的にはパネル。 因果推論なら 3 期間以上で前期・処置期・後期の比較が可能。

Q9. パネルとリピートクロスセクションの違い

同じ個体を追跡するのがパネル、 各期に独立サンプリングがリピートクロスセクション。 SSDSE-B-2026 は都道府県を毎年観測するのでパネル。

Q10. 二元固定効果モデルが拾えない効果

「全国共通のショック × 県固有の応答」は二元固定効果では拾えない。 これは交互作用項や Mundlak 装置で補う。

🌳 パネル分析の意思決定木 — 5 つの分岐

分岐 1: 個体を時間で繰り返し観測しているか

• はい → パネル分析可能。
• いいえ → クロスセクションかリピートクロスセクション。

分岐 2: T と N の比率

• N が大きく T が小さい（典型的なミクロパネル） → 固定効果モデル ・ DID。
• T が大きく N が小さい（マクロパネル） → 時系列パネル ・ VAR ・ SUR。
• 両方大きい → CCE 推定量 ・ 因子モデルパネル。

分岐 3: 因果推論か記述か

• 因果推論 → 二元固定効果 ・ DID ・ 合成統制法。
• 記述 → ランダム効果 ・ Mundlak 装置 ・ Mixed model。

分岐 4: パネルが balanced か unbalanced か

• balanced → 通常の固定効果でよい。
• unbalanced → 脱落理由を分析し、 IPW で補正。

分岐 5: 時点が staggered な処置

• 処置時点が個体で違う → TWFE は偏る可能性。 Callaway-Sant'Anna 等の新手法。
• 同時に処置 → 通常の DID で可。

📖 パネルデータの専門用語ミニ辞典 — 12 語

Panel Data

同じ個体を複数時点で観測したデータ。 縦断データとも。

Long Format

1 行 = 個体 × 時点の縦展開。 分析時の標準形式。

Wide Format

個体ごとに 1 行、 時点を列に並べた形式。 元データの形式に多い。

Within Variation

同じ個体内の時点間ばらつき。 固定効果モデルが使う情報。

Between Variation

個体間平均のばらつき。 クロスセクション情報。

Balanced Panel

全個体が全時点で観測されているパネル。

Unbalanced Panel

観測時点数が個体で異なるパネル。

Attrition

時点経過に伴う個体の脱落。 因果推論で深刻な問題。

Pooled Cross Section

異なる時点で独立にサンプリングされたデータ。 パネルではない。

CCE (Common Correlated Effects)

大 T 大 N での因子モデルパネル推定。

Dynamic Panel

被説明変数のラグを右辺に含むパネル。 GMM が必要。

Spatial Panel

個体間の空間的相互作用を考慮するパネル。

✅ パネル分析の最終チェックリスト 10 項目

1. データを long-format に正しく展開したか。
2. between 変動と within 変動の比率を確認したか。
3. balanced か unbalanced かを明示したか。
4. 固定効果と変量効果のどちらが適切かを Hausman 検定で判定したか。
5. クラスタロバスト SE を使ったか。
6. 時間固定効果の必要性を検討したか。
7. 動学パネルなら GMM を検討したか。
8. staggered な処置タイミングの場合、 新手法（Callaway-Sant'Anna 等）を使ったか。
9. 脱落が処置と相関するなら IPW で補正したか。
10. 結果を within R^2 / between R^2 / overall R^2 で分けて報告したか。

📝 まとめノート — パネルデータ

このページは「パネルデータ」を SSDSE-B-2026 (47 都道府県 × 多変量) を題材に体系的に学ぶための一気通貫の教材です。 単なる用語定義集ではなく、 「直感 → 数式 → 実装 → 落とし穴 → 関連手法」 という流れで一周することで、 業務での意思決定にそのまま使える知識に組み上げます。

本ページで取り上げた手法・記号・コード例は、 すべて実データの 47 都道府県を入力として動作する形にしてあります。 合成データに依存しないため、 SSDSE-B-2026 を data/raw/SSDSE-B-2026.csv として配置するだけでコード片を再現できます。

関連グループ教材へのリンクを使い、 「この用語が属する大きな分野」を俯瞰してから戻ってくると、 知識が一段抽象化された形で定着します。 用語ページは点、 グループ教材は線、 概念マップは面 — 三層を往復しながら学習を進めてください。

本ページの内容に不足を感じたら、 相関ページ（correlation.html）を参照基準として、 ご自身の解釈を加筆していくことを推奨します。 教材の完成形ではなく、 学習者自身の理解の出発点として位置付けてください。

最後に、 SSDSE-B-2026 の 47 都道府県データは「N=47 と少ない」という構造的制約があります。 統計検定の漸近近似が崩れる場面、 単一の県（東京都・沖縄県）が全体傾向を支配する場面、 標準誤差が過小評価される場面 — これらは本ページの随所で繰り返し注意喚起しました。 「実データの小ささを軽視しない」 という姿勢が、 実務でのデータサイエンティストの基本姿勢です。