シェア
◇財政 ・『日本統計年鑑』5章 財政 予算や税に関するデータは、財務省のページでなく、ここを見るのが一番よい（ただし、年鑑なので、最近年度の数字は得られない。また、連続した時系列データが長期間にわたって得られるわけでもない）。 驚くべきことに、財務省のページには、EXCELのデータはほとんどない。大部分がPDFであるため、分析には使えない。 ・日本の財政関係資料 財務省の統計データは、似たような内容のものがホームページに雑然と掲載されており、非常に使いにくい。これは、当年
・法人企業統計 最近時点の統計（ｐｄｆ）。 ・法人企業統計調査 長期時系列データ メニュー方式（DB方式）の長期時系列データ。 現在直接にリンクを貼れないようになってしまったので、上記財政金融統計月報から開く。 使い方は、本ページの末尾参照。 ・法人企業統計調査 年次データ 現在直接にリンクを貼れないようになってしまったので、上記財政金融統計月報から開く。 ・財政金融統計月報ダウンロード 法人企業統計のデータには、ここの「法人企業統計月報特集」を
◆貿易統計 輸出入額の推移 統計分析では、ある程度の期間にわたる時系列データを用いることが多い。その目的には、ここにあるデータが便利。 このセクションにあるファイルの見方 ・以前は、つぎの方法で、エクセルデータがダウンロードできた。 1.マウスの右クリックで現われる「名前を付けてページを保存」を選択。 2.「ファイルの種類」を「すべてのファイル」にして保存。 3.保存したファイルを開く。 ・最近は、この方法が機能しないので、次の方法をとる。 １．1．必要な部
◆人口 ◆GDP統計 ◆為替レート、株価、物価 ◆景気動向関連データ ◆貿易・国際収支 ◆産業・企業 ◆労働、賃金、家計 ◆財政 ◆税 ◆社会保障一般 ◆公的年金 ◆医療保険、介護保険 ◆国債 ◆金融 ◆白書、調査レポート ◆経済関連エッセイのウエブサイト ◆e-Gov法令検索 ◆仮想通貨・電子マネーのデータ ◆データベース形式統計サイトの使い方 ◆経済分析のためのデータサイト活用法 ウエブで経済の統計データを調べたい時、検索エンジンでは適切な対象を
◆GDP統計 ・四半期別GDP速報 最新のデータを知りたいときには、ここにある表から選ぶ。 実質季節調整系列を見ることが多い。 ◆為替レート、株価、物価 ・為替レート（ドル・円レート） Yahoo!ファイナンスのホームページ。 当日のデータの他、過去の期間のチャートが見られる。また、時系列データも得られる ・ドル円レートと実質実効為替レート指数 これは、日銀、時系列統計データ検索サイトのトップページだが、上にある「為替」を選択し、「データ表示」を選択すると、
◆人口 ・人口の長期時系列データ 人口というのは最も基本的な統計データだが、検索エンジンで「人口」と検索しても、どこを見たらよいか分からないだろう。 e-Statには人口の統計があるらしいと分かるが、長期の人口統計がどこにあるか、分からない。探し出しても、いくつかの期間に分かれていて、使いにくい。 私が探した限りでは、『日本統計年鑑』にあるこのデータ集が最も使いやすい。ただし、昔は長期に連続した表だったが、いまでは1920年で２つの表に分かれてしまっていて、やや使いにく
１．メタキーワード ああああ ：メタインデックスページ いいい ： アイディア農場 ううう ：記録 えええ ： 写真 おおお ： リンク集 mmma ： 連載原稿 mmmb ：雑誌原稿 ２．キーワード リンクリンクリンク 作業作業作業 音楽音楽音楽 インデックスページ ＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿ 【説明】 １．Googleドキュメントのシステムで、当該ページのどこかに、上記キーワードのいずれかを
＊＊＊＊＊を論じた文献を教えて下さい。 ＊＊＊＊＊を論じた文献を教えて下さい. アメリカの大学や調査機関による分析。 ＊＊＊＊＊という意見を述べたウエブや新聞記事を教えてください。 ＊＊＊＊＊＊を分析した文献を示してください。アメリカの大学や研究機関などによる最新のもの。 メタ・ナビゲーション
回帰分析は、昔から用いられてきたデータ分析の手法だ。説明変数xと、被説明変数yの間に、一次の関係 y＝ax＋bがあると仮定し、x、yの観測値から最小二乗法を用いて係数a、bを求める。重回帰分析では、説明変数として複数の変数を用いる。 最近では、SNSなどのデータを用いて、個人のプロファイリングを行なうことが試みられている。 プロファイリングとは、ある人がどのような特性をもっているかを推測することである。例えば、性別、人種など。また、趣味や嗜好など、さらには思想なども推
パタン認識とは、写真に写っているのがミカンなのかリンゴなのかを認識したり、男か女かを区別したり、手書き文字を認識したりすることである。 それを、データを用いた機械学習で行なう。 ニューラルネットワークはパタン認識の手法だが、それ以外にも手法がある。 暫く前までは、サポートベクターマシン(Support Vector Machine: SVM)が、パターン認識 の最強力の手法だと考えられていた。 この方法では、データを分析して、いくつかのグループに分けることによってパ
ディープラーニングで最終的に構築されたニューラルネットワークがなぜ正しいのか、人間には理解できない。 AIの思考過程が、ブラックボックスになっているのだ。モデルはわからないが、とにかく正しい答えを出している。 これまでも、回帰分析で当てはまりのよい直線を見出しても、なぜそのようなパラメータの組み合わせが最適なのかは説明できなかった。それと同じことである。 回帰分析の場合には、「因果関係を示すモデルがなければ、いくら相関が良くても無意味だ」と言われていた。と
日本銀行は7月31日の金融政策決定会合で、金利上昇を容認するとの決定を行なった。 今回の決定を一言で言えば、「金融政策は、方向性を失って漂流を始めた」ということだ。 「日銀は金融緩和から密かに脱出中」で述べたように、国債購入については、すでに緩和路線から脱却している。今回の決定では、それを「弾力的に行なう」と表現したに過ぎない。 また、物価目標については、今年1月に達成時期を明記しないことにしたので、事実上目的から外されていた。今回、物価上昇率見通しを引き下げたが
