最終プレゼンテーション 「合併率と都道府県格差の 関係について」 ２００６年１月２４日（火） ２００２３５９ 秦 数正 最終プレゼンテーション 　　「合併率と都道府県格差の　　関係について」 ２００６年１月２４日（火） ２００２３５９ 秦　数正

回帰分析のねらい 平成の大合併では、市町村の合併は全国一律的に行われてきたわけではなく、合併の進捗度合いには、地域でバラツキがみられる。 ↓ 平成の大合併では、市町村の合併は全国一律的に行われてきたわけではなく、合併の進捗度合いには、地域でバラツキがみられる。　　 　　　　　　　　　　　　　　　↓　　　　　　　　　　　　　　　　 市町村の合併には、合併をするのにあたり、何か決め手となる要因があるのだろうか。　 　　　　　　　　　そこで　　↓ 合併に最も影響を及ぼす要因を統計的分析に基づいて探ってみる

回帰分析までの準備 推定式：合併率＝α＋β１（人口密度）＋β２（高齢化比率）＋・・・＋βｎ（・・・） 被説明変数： 合併率（％） 被説明変数：　合併率（％） 説明変数：人口密度、高齢化比率、完全失業率、公債費負担比率、財政力指数、歳入額、成長力指数（消費指数）、経常収支比率、第３次産業比率　など総数２９要因

分析方法 変数増加法とは 既存の重回帰式に、新たな変数を追加しては、評価していく方法 ①１要因で回帰分析を行う 　　既存の重回帰式に、新たな変数を追加しては、評価していく方法 ①１要因で回帰分析を行う　 　　→効く要因と効かない要因を区別し、この段階で効かない要因を捨てる。 ②効く要因にもう一つ効く要因を加えて、分析する 　　→２つともＴ値が高い回帰式を残す。 ③２つともＴ値が高い回帰式に、もう一つ効く要因を加えていく・・・

分析結果（１） 係数の符号が正ならば、その要因は合併率に対してプラスの影響を与えていると判断。 係数の符号が負ならば、その要因は合併率に対してマイナスの影響を与えていると判断。

分析結果（２） 要因１ 要因２ 決定係数 モデル１－１ 人口密度 -0.403 (-3.53) 高齢化比率 0.238 (2.13) 0.443 モデル１－２ -0.502 (-3.99) 完全失業率 -0.267 (-2.12) モデル２－１ -0.390 (-3.29) 財政力指数 -0.430 (-3.63) 0.416

要因数を３つにすると、すべてのモデルで３要因共にＴ値が有意に達することがなかった。 ２要因の分析結果の中に、最適なモデルがあると判断できる。 分析結果（３） 要因数を３つにすると、すべてのモデルで３要因共にＴ値が有意に達することがなかった。 ↓ 落とした方が良い変数が現われている。 ２要因の分析結果の中に、最適なモデルがあると判断できる。 要因１ 要因２ 要因３ モデル１－１－１ 人口密度 -0.429 (-3.18) 高齢化比率 0.202 (1.40) 完全失業率 -0.189 (-1.39) モデル１－１－２ -0.409 (-2.67) 0.274 (2.05) 経常収支比率 -0.114 (-0.82) モデル１－２－１ -0.436 (-3.27) -0.224 (-1.75) 成長力指数（消費） -0.180 (-1.38) モデル２－１－１ -0.338 (-2.70) 財政力指数 -0.363 (-2.80) -0.170 (-1.23)

モデル１－１が、統計的にも経済的見解においても、最も最適なモデルであると判断することができる。 分析結果（２）～再び～ 要因１ 要因２ 決定係数 モデル１－１ 人口密度 -0.403 (-3.53) 高齢化比率 0.238 (2.13) 0.443 モデル１－２ -0.502 (-3.99) 完全失業率 -0.267 (-2.12) モデル２－１ -0.390 (-3.29) 財政力指数 -0.430 (-3.63) 0.416 モデル１－１が、統計的にも経済的見解においても、最も最適なモデルであると判断することができる。

分析結果のまとめ 推計式：合併率＝8.356 －0.470（人口密度） +0.283（高齢化比率） 推計式：合併率＝8.356　　　　　　　　　　　　　　　　　　　　　　　　－0.470（人口密度）　　　　　　　　　　　　　　　　+0.283（高齢化比率） 市町村の合併に最も大きな影響を与えている要因は、「人口密度」である。 市町村の合併では、合併に対して、プラスの効果よりマイナスの効果の方が、強く働いている。

人口密度の効果（１） 市町村が合併をしない理由 ①合併意志があるのだが、それを阻む要因がある。 　　①合併意志があるのだが、それを阻む要因がある。 　　②最初から合併する気がない（合併する必要がない）。 　　　　　　　　　　　　　　↓　　　　　　　　　　　　　　　人口密度は、①と②のどちらの方向に効果が働いているのだろうか。　　

いくつかの県を例にして 広島県の場合（合併率：７３．３％） →合併によって、人口密度の減少率は小さいが、大幅な人口増加は期待できない。 　→合併によって、人口密度の減少率は小さいが、大幅な人口増加は期待できない。　　　　　　　　　　　　　 愛媛県の場合（合併率：７１．４％） 　→合併によって、人口密度の減少率は大きい反面、人口の増加が期待できる。　　　　　　　　　　　　　　　　 埼玉県の場合（合併率：２２．８％） 　→合併によって、人口密度の減少率は小さく、また人口の増加も期待できる。

つまり、人口密度は②の方向に効果が働いているということになる。 人口密度の効果（２） つまり、人口密度は②の方向に効果が働いているということになる。 　　人口要因から合併をみると、合併率の低い埼玉県の方が、高合併率の広島県や愛媛県より、合併環境が良い。 　　　　　　　　　　　　　　↓　　　　　　　　　　　　　　　にもかかわらず、埼玉県では合併が進んでいない。 　　　　　　　　　　　　　　↓　　　　　　　　　　　　　　　埼玉県では、他の地域と比べて合併をする必要がない、と判断することができる。