📊 データ分析（GPT-4.1による）
**分析結果:**
1. **時系列推移とトレンド:**
– 総合WEIスコアは、観測された期間内で初めはやや上下するものの、全体的には上昇傾向にあり、特に2025年7月6日以降で急激な増加が見られます。この上昇は、社会的な要因や政策変更に起因している可能性があります。
– 個人WEI平均は、全体的に安定していますが、7月6日から8日にかけて上昇傾向が見られ、特に健康状態と心理的ストレスが重要な要因として影響しています。
– 社会WEI平均は、個人に比べて変動が大きく、特に社会的持続可能性や公正さが7月6日以降に大きく増加しています。
2. **異常値の検出:**
– 2025年7月6日における総合WEIスコアの急上昇（0.59から0.85）と社会WEI平均の急上昇（0.59から0.90）は、政策の発表や社会的出来事が影響したと推測されます。
– 7月7日と8日にかけての高スコア（0.84以上）は、ポジティブな社会的変革があった可能性を示唆しています。
3. **季節性・トレンド・残差:**
– STL分解を行った場合、長期的なトレンドとしてWEIスコアが上昇しつつあることが確認され、特定の週や月に季節的な変化が見られる可能性があります。残差部分は、短期的な外部要因による一時的な変動を示していると考えられます。
4. **項目間の相関:**
– 相関分析により、個人と社会のWEIの間には高い相関があることが示唆され、個人の幸福度や心理的健康と社会的不公平や持続可能性の改善が相互に影響を及ぼしている可能性があります。
5. **データ分布:**
– 箱ひげ図から、いくつかのWEI詳細項目において外れ値が確認でき、特に7月6日における個人WEIと社会WEIの急増は著しく、労働政策の変化などが背景にある可能性があります。
6. **主要な構成要素 (PCA):**
– PCA分析では、主要な構成要素（PC1）が全体の変動の78%を説明しており、これはおそらく社会的持続可能性や公正さの向上が主要な要因であることを示唆しています。PC2の寄与は低いため、他の要因の影響は軽微であることがわかります。
**総括:**
2025年7月初週の社会的および個人的な幸福指数の上昇は、重要な政策介入または社会的イベントに起因する可能性が高いです。WEIスコアの変動は、個人の健康と社会の持続可能性、公正さの改善に強く関連しています。したがって、今後の施策においては、これらの要素に対する総合的な取り組みが、WEIスコアの向上に寄与する可能性が高いでしょう。
総合WEI 時系列散布図（静的）
AIによるグラフ画像分析・直感的AI:
このグラフは、政治カテゴリにおける総合WEIスコアの時系列データを示しています。以下に視覚的特徴と洞察を示します。
1. **トレンド**:
– 実績データ（青）は、概ね0.7〜0.9の範囲にあり、若干の上昇傾向が見られます。
– 前年のデータ（緑）は、最近の実績データと異なり、より分散されていますが、特に2026年初めから半年後にかけて顕著な上昇が確認できます。
2. **外れ値や急激な変動**:
– 実績データ中に異常値（黒丸の青）がいくつかあり、一部のスコアが予測された範囲を超えています。
– 緑の前年データには、全体的に広がりがあるものの、特に目立った外れ値は見られません。
3. **各プロットや要素の意味**:
– 青い点は実績のWEIスコアを示し、緑の点は前年実績を表しています。
– 灰色の帯は、予測の不確かさ範囲を示しており、予測AIによるスコアがその範囲内に収まっているかどうかを確認できます。
– 紫色の線はランダムフォレストによる回帰予測で、トレンドラインとして作用しています。
4. **複数の時系列データの関係性**:
– 青と緑の点の違いから、年間を通じたスコアの変動パターンに注目でき、季節的な変動や特定のイベントによる影響を示唆します。
5. **相関関係や分布の特徴**:
– 実績データと前年データの分布は重なる部分が多いですが、特定の時期に偏りがあり、それが何らかの政治的要因によるものである可能性があります。
6. **直感的に感じられることとビジネス・社会への影響**:
– WEIスコアが安定または上昇している場合は、政治的状況が安定してきていると感じるかもしれません。
– 企業は、予測された安定または成長の期間を戦略的に活用し、新たな市場参入や投資を計画することで利益を上げられる可能性があります。
– 社会的には、WEIスコアの上昇は一般的に国や地域の政治情勢の好転を示しているため、予測モデルが信頼できる場合、それに基づく政策立案や社会福祉の強化に寄与する可能性があります。
このグラフからは、過去から現在にかけてのWEIスコアの変動を把握し、未来の予測を通じて政治やビジネスに関するインサイトを得ることが可能です。
個人WEI平均 時系列散布図（静的）
AIによるグラフ画像分析・直感的AI:
以下にこのグラフから得られる洞察を示します。
1. **トレンド**
– 左半分（2025年7月から9月ごろ）は、実績AIによるスコアが0.8から0.9付近に集中しており、全体的に安定しています。
– 右半分（2026年6月以降）は、前年（比較AI）のスコアが0.6から0.9の範囲に散らばっていますが、やや増加傾向が見られます。
2. **外れ値や急激な変動**
– 左側に異常値が若干見られますが、全体の傾向に大きな影響は与えていません。
– 2025年8月ごろにおける線形回帰の予測がスコア1.0に急激に上昇しており、この予測が極端な変動を示しています。
3. **各プロットや要素**
– **実績（青のプロット）**は、一貫して0.8–0.9の範囲を維持しています。
– **前年（緑のプロット）**は、不規則ですが徐々に増加する兆候があります。
– **予測（紫の線）**は複数のアルゴリズムにより行われており、ランダムフォレスト回帰と決定木回帰での見解が続いて示されています。
4. **複数の時系列データの関係性**
– 実績と前年のデータが共通して示す情報が限られており、前年データの変動が来年の予測を複雑にしています。
5. **相関関係や分布の特徴**
– 現在の実績データと予測データ、前年データに大きな相関性は見られず、むしろ各データ間の予測手法ごとの違いが観察できます。
6. **人間が直感的に感じることと影響**
– このグラフは、政治的なスコアがある一定の安定性を持ちながらも、将来の予測では不確実性が増していることを示しています。
– ビジネスや社会への影響として、政治的安定性が一時的に予測されつつも、長期的には予測の不確実性が影響し得ることが考えられます。このため、リスク管理が必要です。
全体として、このグラフは未来の政治的状況を計画する際に、過去の安定性と予測の不確実性のバランスを取ることの重要性を強調しています。
社会WEI平均 時系列散布図（静的）
AIによるグラフ画像分析・直感的AI:
### グラフの視覚的特徴と洞察
1. **トレンド**
– 初期の期間（2025年7月から2025年9月）にかけて、実績のデータポイントは比較的一定で横ばいですが、少しばらつきがあります。
– グラフの後半、特に2026年6月から7月にかけては、前年のデータが一カ所に集中しています。
2. **外れ値や急激な変動**
– 初期のデータには、異常値が見られ、スコアが他のデータポイントから際立っています。このような異常値は、重要なイベントやデータの誤差を示唆している可能性があります。
3. **各プロットや要素の意味**
– 青の実績データは、実際の社会WEIスコアを示しています。
– 黒い丸で囲まれた点は、異常値を示しています。
– 紫、ピンク、灰色のラインはそれぞれ異なる予測手法（線形回帰、決定木回帰、ランダムフォレスト回帰）による予測を示しており、データの将来的な変動の予測がされていることがわかります。
4. **複数の時系列データの関係性**
– 実績と予測の比較により、将来的なスコアの変動を予測することが目的だと考えられます。特に、異なる予測手法がほぼ同じスコアを示しているため、安定した予測がなされていると考えられます。
5. **相関関係や分布の特徴**
– 実績データの前半はばらつきがありますが、特定の期間では比較的安定しています。前年データの分布から見ると、同じ期間で比較しても分布が異なるため、年間の変動が新たな変化を示している可能性があります。
6. **ビジネスや社会への影響に関する洞察**
– 異常値の部分は、法律や政策の突然の変更、社会的な出来事が影響している可能性があります。また、将来の予測が安定しているため、ビジネスや政策決定においてある程度の信頼を持って対策を講じることができるでしょう。
– グラフ全体として、予測の正確性を高めるために、異常値の原因を詳細に分析することが重要です。
個人WEI（経済的余裕） 時系列散布図（静的）
AIによるグラフ画像分析・直感的AI:
## グラフ分析と洞察
1. **トレンド**
– グラフの左側では、青い点（実績）が1点ずつ並んでいますが、それほど明確なトレンドは見られません。全体的には0.8付近で安定しています。
– 右側においては、緑の点で示された前年データが強調されており、これも一定の範囲内に収まっています。
2. **外れ値や急激な変動**
– 黒い丸で囲まれた異常値がいくつか見受けられますが、それらを無視するとデータは比較的安定しています。
3. **各プロットや要素の意味**
– 青い点は実績値であり、実際の経済的余裕を示しています。
– 紫色の線で描かれた「予測（線形回帰）」や「予測（ランダムフォレスト回帰）」などが異なるモデルによる予測を示しています。
– グレーの範囲は予測の不確かさを示しており、3σの範囲内での変動が予測されています。
4. **複数の時系列データの関係性**
– 実績値と予測値の間には、少しの乖離はあるものの、大幅な違いはありません。
5. **相関関係や分布の特徴**
– 実績値と予測値の間にはある程度の一致が見られますが、特に際立った相関関係は認識されません。
6. **人間が直感的に感じることと社会への影響**
– 見た目には実績値がある範囲で安定しているため、直感的には経済的余裕に大きな変化がないと感じられるでしょう。
– 社会的には、予測値が安定していることから、経済政策に関する信頼感が持続している可能性があります。しかし、異常値の存在は一部の不安定要素を示している可能性があり、注意が必要です。リスク管理の観点から、こうした異常値の原因を特定し、対策を講じることが重要です。
個人WEI（健康状態） 時系列散布図（静的）
AIによるグラフ画像分析・直感的AI:
以下にグラフから得られる洞察を述べます。
1. **トレンド**
– データは初期と後半に集中しています。初期には実績値があり、後半には前年比と予測があります。
– 中央の期間はデータがなく、不連続です。
2. **外れ値や急激な変動**
– 始めの頃にいくつかの異常値と推測される大きな丸のプロットがありますが、その後、データは安定する傾向があります。
3. **各プロットや要素の意味**
– 青い点は実績値、緑の点は前年比、紫、ピンク、青の線は異なる予測手法によるものを表しています。
– 異常値は実績データの中で特に強調されています。
4. **複数の時系列データの関係性**
– 実績と予測データの間には対になったセットがあり、異なる期間に基づき以前のデータが使用されています。
5. **相関関係や分布の特徴**
– 実績データは比較的高いスコア（0.8付近）を維持していますが、その後の予測データはやや低いスコアが予想されています。
6. **直感的な感覚とビジネスや社会への影響**
– 初期の実績が高水準であることから、健康状態が当初は良好であったと理解できます。中盤にデータがないため、その間の分析は慎重にする必要がありますが、後半にはやや減少する予測が示されています。
– データの不連続さは、政策や市場の変化に影響を及ぼす可能性があります。政策決定者は、安定性を確保し予測される将来の変化に備えて、継続的に評価と調整が必要です。データが分散していることは、適切な施策や対応を行うための鍵となります。
個人WEI（心理的ストレス） 時系列散布図（静的）
AIによるグラフ画像分析・直感的AI:
このグラフを分析するにあたって、以下の点に注目します。
1. **トレンド**:
– グラフの左側に実績データが集中し、高めのWEIスコアが見られますが、それ以降のデータが存在せず、急激な減少も示されていません。
– 開始時点から少しの間、スコアには小さい上昇がありますが、その後新たなデータポイントは表示されていません。
– 右側ではアイコンが重なっている様子が確認できるため、その期間には類似した値が頻出した可能性があります。
2. **外れ値や急激な変動**:
– 序盤では異常値としてマークされている点がありますが、それ以外に大きな変動は少なく、安定しています。
3. **各プロットや要素**:
– 青色のプロットは実績データを表しています。
– 異常値には丸で強調されています。
– ピンク色の線はランダムフォレスト回帰による予測を示していますが、見えている範囲では大きなトレンドがありません。
4. **複数の時系列データ間の関係性**:
– 異なる予測方法によるデータが見られるが、視覚的には線形回帰の予測が強く示されている箇所が少なく、重要なトレンドを形成していないように見えます。
5. **相関関係や分布の特徴**:
– 測定されたデータポイントは限られているように見え、一定の期間で高めのWEIスコアが繰り返されているように見えます。
6. **直感的な洞察及び社会への影響**:
– WEIスコアの高まりは、個人の心理的ストレスが一定期間高かったことを示します。この場合、特定の出来事や変化がそのストレスレベルを引き起こしている可能性があります。
– 時間が経過するにつれて新たなデータが増えてくれば継続的に観察する必要があり、政治的状況や社会的要因に関しても注目が必要です。データが更新されていない部分については、さらなる分析や観測が求められます。
全体として、継続的で安定したスコアの測定がなされていないため、データが増えることにより解釈がさらに明快になる可能性があります。
個人WEI（自由度と自治） 時系列散布図（静的）
AIによるグラフ画像分析・直感的AI:
このグラフは、個人の自由度や自治を示すWEIスコアの時系列散布図です。以下にグラフの特徴と洞察を示します。
1. **トレンド**:
– 初期段階（2025年7月頃）には、WEIスコアが0.8付近で比較的安定しています。
– 中盤（2025年12月頃）に向かってスコアはわずかに上昇し、その後、予測モデルによるさらなる上昇が示唆されています。
2. **外れ値や急激な変動**:
– 初期段階で異常値とされるデータポイントがいくつか見受けられます（黒い円で示されています）。
– この異常値は実績の周囲に密集し、測定のバラツキや一時的な変動を表している可能性があります。
3. **プロットや要素の意味**:
– 実績値は青い点で表され、予測は赤い×で示されます。
– 灰色の帯は予測の不確かさを示し、スコア変動の許容範囲を示唆しています。
– 緑の点は前年のデータであり、過去との比較を可能としています。
4. **複数の時系列データの関係性**:
– 実績と予測値が緊密に関連しており、予測モデルが実績の動向をよく反映していることが伺えます。
5. **相関関係や分布の特徴**:
– データは基本的に0.6から1.0の間に分布し、WEIスコアが高めの範囲にあることを示しています。
– 数種の予測モデル（線形回帰、決定木、ランダムフォレスト）が互いに類似したパターンを描いています。
6. **直感的な洞察と影響**:
– WEIスコアが高く、安定していることは、個人の自由度や自治が強く保たれていることを示唆します。
– 政治的にも肯定的な評価が得られ、社会の安定性や市民の満足度が高い可能性があります。
– ビジネスや市民への影響として、政府や団体が個人の自由の維持にコミットメントしていることが信用の向上につながり、さらなる経済活動の活発化が期待できます。
社会WEI（公平性・公正さ） 時系列散布図（静的）
AIによるグラフ画像分析・直感的AI:
### グラフの視覚的特徴と洞察
1. **トレンド**
– **実績（青色）**: 初期には0.4から0.8の範囲で推移しており、多少の変動はあるものの上昇傾向が見られます。ただし、表示されている期間の終盤にはデータがありません。
– **前年（薄緑色）**: 0.3付近から開始し、全体的にゆるやかな上昇トレンドを示しています。
– **予測（紫とピンク）**: 様々なモデルでの予測が表示されており、いずれも高いスコアで推移する予測を出しており、やや異なる傾向を示していますが、おおむね0.8以上の範囲内に収束しています。
2. **外れ値や急激な変動**
– 外れ値と考えられる点は、初期の0.4付近のスコアで囲まれた黒い丸のプロットです。この外れ値は、全体のトレンドから大きく離れた値として認識されています。
3. **各プロットや要素の意味**
– **青色の実績プロット**: 過去の実際のデータを示しています。
– **赤色の×印の予測値**: 現在の時点での予測値です。
– **異常値**: 実績データとしては珍しい値で、特別な事象があった可能性があります。
4. **複数の時系列データの関係性**
– 各モデルの予測値は、過去の実績を参考にしており、総じて高いスコアを維持することが期待されています。
5. **相関関係や分布の特徴**
– スコアは比較的狭い範囲に収まっており、高いスコアを維持する傾向があります。予測値も一貫して高く、モデル間での予測値の差はあまり大きくありません。
6. **直感的な洞察と影響**
– このような高いスコアの維持は、政治における社会の公平性や公正さが安定していることを示唆します。
– ビジネスや社会への影響としては、安定した政治基盤が示唆されるため、投資や経済活動における信頼感が期待されます。また、予測が安定して同様の高いスコアが得られていることから、将来に対する安心感も与える可能性があります。
この分析を通じて、人々は政治的および社会的な環境が整っていることを直感的に感じ取り、安心してビジネスや社会活動を行うことができるでしょう。
社会WEI（持続可能性と自治性） 時系列散布図（静的）
AIによるグラフ画像分析・直感的AI:
### グラフの洞察
1. **トレンド**
– 初期のデータ（2025年7月）には実績（青の点）が高い値で推移しています。
– その後、データ列の間にギャップがありますが、将来の予測値として2026年6月頃に新しいデータが現れ、やや低下しています。
2. **外れ値や急激な変動**
– 初期のデータにおいて、異常値（黒の円）がいくつか見られますが、明らかな急激な変動は観察されません。
3. **各プロットや要素の意味**
– 青の点は実績値を示しています。
– 赤の「X」は予測を示し、いくつかの異常な値を示しています。
– 緑の薄い点は前年との比較データです。
– 予測の不確かさは灰色の範囲で示されています。
– 異なる予測手法（線形回帰、決定木、ランダムフォレスト）により、紫、マゼンタの直線と範囲で予測が示されています。
4. **複数の時系列データの関係性**
– 初期の実績データと異常値、多様な予測データの関係性が見られます。特に予測手法の中で、ランダムフォレスト回帰が予測値に近いところを示していると考えられます。
5. **相関関係や分布の特徴**
– 実績データは高い値で安定しており、予測データはそれに対して若干分散し、将来的にやや低くなっています。
6. **人間が直感的に感じるであろうこと、ビジネスや社会への影響**
– 初期の高い実績値は達成度やパフォーマンスが非常に良好であることを示しますが、予測により将来的な改善の必要が考えられます。
– 社会WEIスコアが高ければ、持続可能性と自治性が高いと理解され、政治と関わる組織やプロジェクトの長期的成功に寄与する可能性があります。
– 未来の予測値の減少は、政策変更や外部要因による影響も考えられ、さらなる調整や戦略の見直しが必要かもしれません。
社会WEI（社会基盤・教育機会） 時系列散布図（静的）
AIによるグラフ画像分析・直感的AI:
### グラフ分析
1. **トレンド**
– グラフは2つの異なる時期でデータがプロットされています。最初の時期（2025年7月頃）に多くの「実績（実績AI）」データ（青色）が集中しており、若干の上昇トレンドが見受けられます。それに加えて、いくつかの予測ライン（線形回帰、決定木回帰、ランダムフォレスト回帰）が表示されています。
– 2番目の時期（2026年7月頃）には過去のデータ（前年度、緑色）だけがプロットされ、明確なトレンドとしては示されていません。
2. **外れ値や急激な変動**
– 最初の時期において、いくつかのデータ点が「異常値」として識別されています（黒い円）。これにより、データの中に明らかに他と異なる変動があったことが示されます。
3. **プロットや要素**
– 青い点は「実績」を示し、赤い×印は「予測」を示しています。各予測手法が別々の色の線で示され、異常値は黒い円で示されています。また、灰色の領域は予測の不確かさを示しています。
4. **複数の時系列データの関係性**
– 実績データと前年データの間の相関が考えられます。前年のデータが次年度の実績にどの程度影響を与えるかの分析が可能です。
5. **相関関係や分布の特徴**
– 実績と予測の間に主要な傾向がありますが、異常値の存在がこれを複雑にしています。予測手法ごとの差異も目立ちます。
6. **直感的なインサイトと社会への影響**
– 初期の実績データに対して異常値が多いことは、社会基盤や教育機会に関して予期しない変動や問題が発生している可能性を示唆します。
– ビジネスや政策決定者にとって、これらの異常値を無視せず、その背後にある原因を理解することが重要です。効率的な施策を打ち出すために、適切なデータ解釈と対策が求められます。
このグラフからは、特に異常値や予測の不確かさを見逃さず、予見能力を高めるためのさらなる解析が必要だという示唆があります。
社会WEI（共生・多様性・自由の保障） 時系列散布図（静的）
AIによるグラフ画像分析・直感的AI:
以下に、グラフの視覚的な特徴とそこから得られる洞察をまとめます：
1. **トレンド**
– 初期のデータは横ばいの傾向を示していますが、長期的には明確なトレンドは見られません。
– 図の右側では緑色のプロットが多数見られ、何らかの変化が始まっている可能性があります。
2. **外れ値や急激な変動**
– 異常値が黒い円で示され、一部のデータ点に重なっています。これらは通常の範囲から外れたデータである可能性があります。
– 初期の段階で実測値と予測値の間に若干のずれが見られます。
3. **各プロットや要素の意味**
– 青いプロットは実測値、赤い×は予測値を示しています。
– 線は異なる回帰モデル（線形回帰、決定木、ランダムフォレスト）による予測を示しており、全体的な予測範囲の幅を示している灰色の帯も見られます。
4. **複数の時系列データの関係性**
– 初期に見られる複数のモデル予測は実測値と比較して、大幅な乖離はありません。
– 時間が経つにつれて、異なるモデルの差が明確になりつつあるかもしれません。
5. **相関関係や分布の特徴**
– 特段の相関関係は視覚的には明らかではありません。
– 密集した箇所は、データポイントが集中しているため、変動の可能性が低い部分であると考えられます。
6. **人間が直感的に感じるであろうことと社会への影響**
– 初期の安定した実績データは安心感を与える一方で、社会の共生や多様性に関連した新しい課題が発生する兆候も見られるかもしれません。
– 特に、異常値が何を意味するのか、データの性能やその背景にある要因の分析が進むことでより深い理解が得られます。
– 政策立案者にとっては、予測モデルの違いが意思決定に重要なインプットとして活用される可能性があります。
総合WEI 時系列散布図（インタラクティブ）
このグラフはインタラクティブであり、マウス操作で詳細なデータを確認できます。
個人WEI平均 時系列散布図（インタラクティブ）
このグラフはインタラクティブであり、マウス操作で詳細なデータを確認できます。
社会WEI平均 時系列散布図（インタラクティブ）
このグラフはインタラクティブであり、マウス操作で詳細なデータを確認できます。
総合WEI 時系列ヒートマップ
AIによるグラフ画像分析・直感的AI:
この総合WEIスコア時系列ヒートマップから読み取れることについて分析します。
### 1. トレンド
– 日付が進むにつれ、ヒートマップの色が濃い紫から緑、黄色へと変わっている部分が見られ、全体的にスコアが上昇傾向にある。
### 2. 外れ値や急激な変動
– 7月6日から7日にかけて急激に色が変わっており、時間帯によるスコアの大幅な増加が認められます。特に明るい黄色は強い変動を示す可能性がある。
### 3. 各プロットや要素の示す意味
– 濃い紫は低スコア（0.650未満）、緑は中間のスコア、黄色は高スコア（0.825以上）を示しています。
– 一日の中でも特定の時間にスコアが大きく変わることが可視化されている。
### 4. 複数の時系列データの関係性
– 各時間帯のスコアの変化は、一日の流れによって連続性があり、特定の時間でのピークが見られることで、一日の中で特に注目した時間帯が存在することが示唆されている。
### 5. 相関関係や分布の特徴
– 時間帯が違っても日によって似たようなスコアの上昇があるため、同時期の外的要因（イベントや施策など）が影響を与えている可能性がある。
### 6. 直感的な洞察および社会への影響
– グラフからは、特定の時間や日付で政治的活動や発表が行われ、社会的な関心がピークに達している可能性が考えられます。
– ビジネスにおいては、特定の時間帯に合わせて活動を集中させるなどの戦略を考えることが可能です。
– 社会的な側面としては、政策の人気度や意識の変化を理解することで、将来の政治活動や公共政策への対応を検討するデータとして利用できるかもしれません。
個人WEI平均 時系列ヒートマップ
AIによるグラフ画像分析・直感的AI:
### グラフ分析と洞察
1. **トレンド**
– 時系列ヒートマップで、縦軸が時間帯（時）、横軸が日付を示しています。
– 色の変化を通じて、値の変化を視覚化できます。
– 360日間という期間でのデータですが、表示されているのは数日間のみです。したがって、長期間のトレンドは観測できません。
2. **外れ値や急激な変動**
– 7月7日に、多くの時間帯で色が明るい緑や黄色に変わっています。この日は特に高いスコアを示しています。
– 他の日に比べて強い変動があるため、特異なイベントがあった可能性があります。
3. **各プロットや要素の意味**
– 色が濃いほど低いスコア、明るいほど高いスコアを示しています。
– 特に7日の21時以降、顕著な高スコアを示しており、何らかの重要な出来事が影響を与えた可能性があります。
4. **複数の時系列データの関係性**
– 同じ日の異なる時間帯でのスコア変動を見ることで、日内の変動パターンが理解できます。
– 7月7日には特に高スコアが集中しており、この日の特定の出来事が影響を及ぼしている可能性が高いです。
5. **相関関係や分布の特徴**
– 色の分布を通じて、ある日付、時間帯での活動や関心の変動が示唆されています。
– 特に7月6日から7日にかけてのスコア上昇に注目できます。
6. **直感的洞察と社会的影響**
– 人間は、特定の日（7月7日）の高スコアから、重要な政治イベントやニュースがあったと推測するでしょう。
– 重要なイベントがあった際の日内変動を、社会的反応や世論の動向として理解することができます。
– このようなヒートマップは、特定の出来事の影響を時間ごとに把握するのに有効です。
全体として、このヒートマップは短期間の変動分析に適しており、特に異常値や特定のイベントの影響を視覚化するのに役立ちます。
社会WEI平均 時系列ヒートマップ
AIによるグラフ画像分析・直感的AI:
グラフ分析と直感的な洞察：
1. **トレンド**:
– 全体の色の変化を見ると、特定の期間において数値が高め（黄色系）または低め（紫系）に変動しています。
2. **外れ値や急激な変動**:
– 7月6日と7月7日に、色が急に明るい緑から黄色に変わっており、急激な上昇を示しています。
3. **要素が示す意味**:
– 色の濃淡はその期間の「社会WEI平均スコア」の高さを示しています。黄色に近づくほどスコアは高く、紫に近づくほどスコアは低いことを意味します。
4. **複数の時系列データの関係性**:
– 各時間帯におけるスコアの変動を示しており、特定の日付と時間に関連した変動が視覚化されています。
5. **相関関係や分布の特徴**:
– 短期間でのスコアの急上昇が確認でき、特定のイベントや要因がこの変動を引き起こした可能性があります。
6. **直感的な洞察と影響**:
– 突然のスコアの上昇は政策変更や大きな政治的イベントが発生した兆候かもしれません。社会やビジネスにおいては、こうした変動は市民の行動や意識の変化を反映し、政策立案者やビジネスリーダーにとって重要なインサイトとなります。
全WEI項目 相関ヒートマップ
AIによるグラフ画像分析・直感的AI:
この相関ヒートマップは、WEI（政治的幸福指標）の各要素間の関係を示しています。以下の分析をまとめました。
1. **トレンド**:
– 全体的に相関係数が高い部分が多く、WEI項目間には強い関係があることを示唆しています。
– 個々の要素では、個人WEI（経済的余裕）と他の多くの要素との相関が比較的低く、多様性が見えます。
2. **外れ値や急激な変動**:
– 「個人WEI（健康状態）」と「社会WEI（共生・多様性・自由の保障）」の間の相関（0.34）は他に比べて低く、特異点として注目されます。
3. **各プロットや要素の意味**:
– 濃い赤色は高い正の相関を示し、濃い青色は低い正の相関または負の相関を示します。
– 「総合WEI」と「個人WEI平均」「社会WEI平均」が高い相関（0.96、0.98）を持ち、総合的な幸福度が個人および社会の両面から強く影響を受けることを示しています。
4. **時系列データの関係性**:
– ヒートマップ自体には時系列データは直接表現されていませんが、360日間のデータということである程度の一貫性や変化を反映している可能性があります。
5. **相関関係や分布の特徴**:
– 多くの要素間で強い正の相関が見られる中、「個人WEI（健康状態）」が比較的独自の動きを示しており、これが他の幸福要素と独立した影響を受けている可能性を示唆します。
6. **人間の直感と社会への影響**:
– 人々は複数のWEI要素が相互に影響し合っていることを直感的に理解できます。特に健康や心理的ストレスが他の要素よりも独立性がある点は、健康が他の要因から独立して大事であるという認識を補強します。
– 公平性と公正さに関する要素が強く関連しているため、これらの強化が幸福度全体に良い影響を与える可能性があります。
この分析は、幸福度の向上には多角的なアプローチが必要であり、特に健康や心理的要素を他の要素と統合することが重要であることを示唆しています。
WEIスコア分布比較（箱ひげ図）
AIによるグラフ画像分析・直感的AI:
以下に、グラフから得られる洞察をまとめます。
1. **トレンド**
– 各箱ひげ図の中央の線（中央値）が位置する場所から、異なるWEIタイプごとのスコアのトレンドを確認できます。特定の上昇や下降トレンドはこのグラフからは直接分からないが、一部のカテゴリは高い中央値（例：社会WEI（共生））が見られます。
2. **外れ値や急激な変動**
– 一部のWEIタイプ（例：個人WEI（心理的ストレス））に外れ値が見られます。これらは他のデータポイントと大きく離れており、特定の時期や事象に関連した急激な変動を示唆する可能性があります。
3. **各プロットや要素の意味**
– 箱（四分位範囲）はデータの中央値と四分位数を示し、変動の範囲とデータの分布を示します。色の違いは視覚的に異なるWEIタイプを際立たせ、各カテゴリ間の比較を容易にしています。
4. **複数の時系列データの関係性**
– 直接的な時系列データは示されていないが、各WEIスコアの分布は過去360日間の集合データとなっており、比較を通じて相対的な変動を把握できます。
5. **相関関係や分布の特徴**
– 一部の箱ひげ図は他よりも広範にわたる分布を示しており、これは特定のWEIスコアでの変動が大きい可能性を示します（例：社会WEI（持続可能性と自治生））。
6. **直感的な印象と社会・ビジネスへの影響**
– 高い中央値を持つ分布は、一般的に良好な状況やポジティブな評価を示します。特に「社会WEI（共生、多様性、自由の保障）」など、多くの人が望ましいと感じるカテゴリーで高いスコアが観察される場合、社会的な安定や包括性が評価されていると考えられます。
– ビジネスや政策立案者は、これらのスコアの分布を参考にすることで、改善が必要な領域を特定しやすくなり、それに基づいた対策を講じることが可能です。
WEI構成要素 主成分分析（PCA）
AIによるグラフ画像分析・直感的AI:
このグラフは、政治カテゴリにおけるWEI構成要素の主成分分析（PCA）を示しています。以下に視覚的な特徴と洞察を提供します。
1. **トレンド**:
– 全体的に明確な上昇または下降のトレンドは見られません。データポイントは比較的均等に散らばっています。
– 第1主成分では横に広がりがあり、第2主成分では若干の上下の変動が見受けられます。
2. **外れ値や急激な変動**:
– 明確な外れ値は特に目立ちません。ただし、右上と左端に離散的なポイントがいくつか集まっています。
3. **各プロットや要素**:
– 点の位置はデータの分散を示しており、第1主成分（寄与率0.78）が重要であることを示唆しています。
– 第2主成分の寄与率は0.06と低く、主に第1主成分がデータの説明に重要です。
4. **複数の時系列データの関係性**:
– 時系列データの関係性自体はこのプロットから直接は示されていませんが、データの分布から、一部の期間に関連する要素が第1主成分で大きく影響している可能性があります。
5. **相関関係や分布の特徴**:
– 第1主成分と第2主成分の間で見られるのは、やや正の相関です。
– データ分布の広がりが第1主成分で大きく、こちらが全体の変動性の主要な部分を占めていると言えます。
6. **直感や影響**:
– 人間が直感的に感じるのは、第1主成分がこのデータセットで支配的な要素であることです。そのため、政治環境の要因や現象が特定の軸に沿って大きく動いていることを示唆している可能性があります。
– この分析は、政治状況の変化が特定の要素に非常に依存していることを示しているかもしれません。これは政策決定やリーダーシップの重要性を表し、社会やビジネスの戦略に影響を与える可能性があります。
本分析には、実績AI・予測AI・比較AI（前年比較）、説明可能AI（xAI/3σ誤差）に加え、線形回帰、決定木回帰、ランダムフォレスト回帰の**複数の機械学習モデルによる予測**を統合し、社会の変化を多角的に可視化しています。また、時系列データの詳細な傾向を捉えるための**異常検知**と**季節性分解（STL）**、さらに多変量データの構造を明らかにするための**主成分分析（PCA）**も導入しました。
各モデルの予測が実績とどのように異なるか、そしてどのモデルが最も高い精度で未来を予測しているかをご確認ください。表示されているデータ点やラベルに注目することで、より深い分析が可能です。インタラクティブグラフでは、直接操作して詳細な情報にアクセスできます。