■軽い気持ちで東京選挙区の参政党得票率を線形回帰分析してみた

東京23区と周辺のいくつかの市で、東京選挙区での参政党の得票率がどんな要因と関係しているのか、軽い気持ちで回帰分析してみた。

変数の多重共線性とか処理はガバガバなので軽い気持ちで見てほしいんだが、ざっくりまとめると、「大学院卒業者の割合」が高い地域では得票率が低く、「役員の割合」が高い地域では逆に得票率が高い、という傾向がありそう。

使ったデータはNHKが出している投票所別の得票率。手入力なので誤りがあるかもしれない。

それに、東京都の人口統計と国勢調査（令和2年の）などから市区町村ごとの属性データをくっつけて、変数を一律で標準化したうえで回帰分析を行った。

都内の市区町村のうち、データが揃ってる27地域を対象にした（23区＋町田・八王子・調布・西東京）。

20万人以上の市しか一部のデータが見つけられなくて、そこはごめんって感じ。

ざっくり結果

まず、説明変数を11個使って線形回帰分析をしたところ、決定係数は0.83（調整済み決定係数は0.71）だった。何を使ったかは後で。

そこから影響が特に大きそうな4変数（平均年齢、大学院卒業者割合、役員の割合、情報通信業の割合）に絞って分析し直すと、決定係数は0.73（調整済み決定係数は0.68）になった。

詳しくはこれ

• 平均年齢：令和7年1月次の平均年齢
• 大学院卒業者割合：令和2年国勢調査での、全卒業者数に占める大学院卒業者の割合
• 役員の割合：令和2年国勢調査での、15歳以上の就業者に占める、従業上の地位が役員の割合
• 情報通信業の割合：令和2年国勢調査での、15歳以上の就業者に占める、産業区分が情報通信業である割合

国勢調査は5年に1回しかなくて、最新の結果が令和2年のだった。

でこの4変数を回帰係数の絶対値が大きい順に並べる。

1. 大学院卒業者の割合（-1.30）
2. 役員の割合（+0.87）
3. 平均年齢（-0.57）
4. 情報通信業の割合（-0.54）

4つの変数の関係を見てみると、平均年齢は他の3つの変数（大学院卒、役員、情報通信業）と負の相関を持っていた（相関係数 < -0.69）。一方、大学院卒業者の割合・役員の割合・情報通信業の割合は互いに中程度以上の正の相関（相関係数 > 0.5）を持っており、特に大学院卒と役員の間の相関係数は0.75と大きかった（いずれもピアソン相関）。

ただし、回帰係数を見ると、興味深い違いがある。大学院卒業者の割合、平均年齢、情報通信業の割合はいずれも負の係数を持っていて、これらが高いと参政党の得票率は下がる傾向がある。一方で、役員の割合は正の係数を持っていた。

得票率と予測値の表

感想

雑なモデルなので話半分でね。

データの中身とか、もうちょい詳しく書いとく

出典

分析に使ったデータの出典はこんな感じ。

• 人口や世帯数、平均年齢、男女別の人口割合などは、東京都の公開している人口統計（令和7年1月・令和2年1月）
  • https://www.toukei.metro.tokyo.lg.jp/juukiy/2025/jy25qf0001.pdf　表形式でも統計データが提供されてるんじゃないかな
  • https://www.toukei.metro.tokyo.lg.jp/juukiy/2020/jy20qf0001.pdf
  • https://www.toukei.metro.tokyo.lg.jp/juukiy/2025/jy25qv0500.csv

• 就業状況（大学院卒や役員、自営業主など）は、令和2年国勢調査のデータ
  • https://www.e-stat.go.jp/stat-search/files?page=1&toukei=00200521&tstat=000001136464&tclass1=000001136467

• 犯罪に関する指標は「令和6年　区市町村の町丁別、罪種別及び手口別認知件数」を使用
  • https://www.keishicho.metro.tokyo.lg.jp/about_mpd/jokyo_tokei/jokyo/ninchikensu.html

• 得票率
  • https://www.nhk.or.jp/senkyo/database/sangiin/2025/kaihyomap/

変数

使用した11個の変数はこんな感じ。

• 平均年齢（令和7年1月）：令和7年1月次の平均年齢
• 1世帯あたり人口（令和7年1月）：人口を世帯数で割った
• 男性率（令和7年1月）：男性人口を総人口で割った
• 外国人比率（令和7年1月）：外国人人口を総人口で割った
• 5年間外国人割合変化（令和2年から7年）：令和2年の外国人比率で、令和7年の外国人比率を割った
• 犯罪認知割合（令和6年件数/令和7年人口）：令和6年の犯罪認知件数を令和7年の人口で割った。もうちょいきちんとやるなら、令和6年と令和7年の人口の平均で割るみたいにしたほうがいいと思う。
• 大学院卒業者/全卒業者（令和2年国勢調査）：令和2年国勢調査での、全卒業者数に占める大学院卒業者の割合
• 不詳者/全卒業者（令和2年国勢調査）：令和2年国勢調査での、全卒業者数に占める不詳者の割合
• 従業上の地位：役員の割合（令和2年国勢調査）：令和2年国勢調査での、15歳以上の就業者に占める、従業上の地位が役員の割合
• 従業上の地位：自営業主の割合（令和2年国勢調査）：令和2年国勢調査での、15歳以上の就業者に占める、従業上の地位が自営業主の割合
• 産業区分：情報通信業の割合（令和2年国勢調査）情報通信業の割合：令和2年国勢調査での、15歳以上の就業者に占める、産業区分が情報通信業である割合

結果についてももうちょい詳しく

statsmodels.api.OLSの結果

                            OLS Regression Results                            
==============================================================================
Dep. Variable:                      y   R-squared:                       0.730
Model:                            OLS   Adj. R-squared:                  0.680
Method:                 Least Squares   F-statistic:                     14.84
Date:                Mon, 21 Jul 2025   Prob (F-statistic):           5.09e-06
Time:                        07:21:02   Log-Likelihood:                -20.653
No. Observations:                  27   AIC:                             51.31
Df Residuals:                      22   BIC:                             57.78
Df Model:                           4                                         
Covariance Type:            nonrobust                                         
==============================================================================
                 coef    std err          t      P>|t|      [0.025      0.975]
------------------------------------------------------------------------------
const       1.277e-15      0.111   1.15e-14      1.000      -0.230       0.230
x1            -0.5743      0.230     -2.493      0.021      -1.052      -0.096
x2            -1.3278      0.204     -6.512      0.000      -1.751      -0.905
x3             0.8670      0.174      4.973      0.000       0.505       1.229
x4            -0.5382      0.169     -3.184      0.004      -0.889      -0.188
==============================================================================
Omnibus:                        2.233   Durbin-Watson:                   2.170
Prob(Omnibus):                  0.327   Jarque-Bera (JB):                1.169
Skew:                          -0.035   Prob(JB):                        0.557
Kurtosis:                       1.983   Cond. No.                         4.48
==============================================================================

説明変数11個でのデータと結果

                            OLS Regression Results                          
==============================================================================
Dep. Variable:                      y   R-squared:                       0.833
Model:                            OLS   Adj. R-squared:                  0.711
Method:                 Least Squares   F-statistic:                     6.803
Date:                Mon, 21 Jul 2025   Prob (F-statistic):           0.000472
Time:                        06:53:14   Log-Likelihood:                -14.148
No. Observations:                  27   AIC:                             52.30
Df Residuals:                      15   BIC:                             67.85
Df Model:                          11                                      
Covariance Type:            nonrobust                                      
==============================================================================
                 coef    std err          t      P>|t|      [0.025      0.975]
------------------------------------------------------------------------------
const      -5.405e-15      0.106  -5.12e-14      1.000      -0.225       0.225
x1            -0.7820      0.361     -2.165      0.047      -1.552      -0.012
x2            -0.3056      0.355     -0.860      0.403      -1.063       0.452
x3             0.0671      0.270      0.248      0.807      -0.509       0.643
x4            -0.0737      0.213     -0.346      0.734      -0.527       0.379
x5             0.2652      0.168      1.579      0.135      -0.093       0.623
x6            -0.0534      0.246     -0.217      0.831      -0.578       0.472
x7            -1.7650      0.293     -6.018      0.000      -2.390      -1.140
x8            -0.5147      0.379     -1.358      0.195      -1.322       0.293
x9             1.3916      0.348      3.994      0.001       0.649 

    
      
        

      
    

  

Permalink | 記事への反応(1) | 19:19

ツイートシェア