📊 データ分析（GPT-4.1による）
### WEIスコアデータの分析
1. **時系列推移**
– **総合WEIスコア**: 総合WEIスコアは、明らかに上昇トレンドを示しています。特に2025-07-06から2025-07-12の間でスコアが急上昇し、0.85に達しています。
– **個人WEI平均と社会WEI平均**: 個人WEI平均はやや安定しており、徐々に上昇する傾向があります。一方、社会WEI平均はより顕著に上昇しており、2025-07-06以降は特に高い値を示しています。
2. **異常値**
– 異常値が多数報告されていますが、特に2025-07-06は総合WEI、個人WEI平均、社会WEI平均のすべてのカテゴリで高い異常値を示しています。この日は、社会イベントやポジティブなニュースが影響を与えた可能性があります。
3. **季節性・トレンド・残差 (STL分解)**
– **トレンド**: 長期的なトレンドとして、WEIスコアは全体として上昇基調にあります。個人と社会の要素がともに上昇しており、これが総合的なスコアの向上に寄与していると考えられます。
– **季節性**: 短期的な波動が存在する可能性がありますが、主な変動は外部の一時的な要因によるものと推測されます。
– **残差**: 残差はほとんどなく、データの多くはトレンドや季節性で説明可能と見られます。
4. **項目間の相関**
– **相関ヒートマップ**からは、個人WEIのサブ項目（経済的余裕、健康状態、心理的ストレスなど）が、特に社会WEIの項目（持続可能性、共生・多様性など）と強い正の相関を示しています。これは、個人の幸福度が社会的要因と密接に関連していることを示唆します。
5. **データ分布**
– **箱ひげ図**から、個人WEIと社会WEIのばらつきが類似しています。中でも、「経済的余裕」「持続可能性」が非常に安定しており、外れ値が少ないことが確認できます。
6. **主要な構成要素 (PCA)**
– **PC1**が0.71の寄与率を持っており、主に社会WEI項目が寄与している可能性があります。これは、社会的要因がWEIスコアの主要な変動要因であることを示しています。**PC2**の寄与率は0.09と小さいため、個人の要因はそれほど強く影響しないと考えられます。
### 総括
この分析から、社会的な変数がWEIスコアに大きく影響していることが浮かび上がっています。特に、2025-07-06のような日には、社会的な出来事や政策の発表などが、個人と社会の両面での幸福感を大きく押し上げていると推測されます。異常値の多くが短期的であることから、個人の幸福度には一時的な外部要因が大きく影響することも示唆されます。
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、30日間の国際カテゴリにおける総合WEIスコアの推移を示しています。以下に、視覚的な特徴と得られる洞察を提供します。
1. トレンド:
– 初期の実績（青い点）はやや上昇トレンドを示し、一定の期間後は横ばいになる様子が見受けられます。
– 予測（緑、紫、ピンクの線）は、異なる回帰モデルによるもので、それぞれ微妙な上昇傾向を予想していますが、大きな変動はありません。
2. 外れ値や急激な変動:
– 実績データにはいくつか異常値（黒い円で囲まれた点）が存在し、これは予測のモデルに対する不確実性を示唆します。
– 異常値の範囲はグレーの背景で示されています。
3. 各プロットや要素の意味:
– 青い点: 実績のWEIスコア。
– 赤い×印: 予測されたWEIスコア。
– 異常値は黒い円で表示され、グレーの範囲で予測の不確かさが視覚化されています。
– 線 (緑、紫、ピンク) は異なるモデルでの予測を表し、それぞれ異なるアプローチ（線形回帰、決定木回帰、ランダムフォレスト回帰）での予測を示しています。
4. 複数の時系列データの関係性:
– 実績データは各モデルによる予測と比較されており、モデル間の差異や精度を評価することが可能です。
5. 相関関係や分布の特徴:
– 実績と予測の間にはやや一貫した相関があり、すべてのモデルが比較的狭い範囲で予測していることが分かります。
6. 人間の直感およびビジネスや社会への影響:
– 実績のデータと予測が安定しているため、短期間での大幅な変動は期待されない状況です。これは、ビジネス戦略の安定化に寄与し、不確実性を減少させます。
– 一方で、異常値が散見されることは、モデルの予測精度向上のための更なるデータ解析やモデル改善の必要性を示しています。
– 予測の違いから、予測手法の選択が重要であることを示唆しています。特に、どのモデルがより現実に即した結果を提供できるかの判断が求められます。
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:
このグラフは、国際カテゴリーにおける個人のWEI（ウェイト・エクスペリアンス指数）の平均スコアを示しています。以下に分析を示します。
1. **トレンド**:
– 実績（青のプロット）はほぼ横ばいであり、0.6から0.8の範囲内で安定しています。
– ランダムフォレスト回帰の予測（紫色の線）は、期間の後半で上昇しています。
– 線形回帰（水色）が安定しており、増減がないことを示しています。
2. **外れ値や急激な変動**:
– 白黒の縁取りのデータポイントは外れ値として表示されていますが、これらの変動が全体のトレンドに与える影響は限定的です。
3. **要素の意味**:
– 青い点は実績を示しており、密度が高い領域が一部見られます。
– 灰色の領域は予測の不確かさの範囲を示しており、実際のデータがこの範囲内にほぼ収まっています。
4. **複数の時系列データの関係性**:
– 線形回帰とランダムフォレストによる予測が表示されていますが、後者が動的に変化するのに対し、前者は安定しています。
5. **相関関係や分布の特徴**:
– 全体的にWEIスコアの分布は狭い範囲に集中しており、極端な値は少ないです。
6. **直感的な洞察と影響**:
– 実績の安定性は現在の取り組みが堅実であることを示唆していますが、予測からは異なる可能性が示されており、新たな戦略や施策を検討する必要があるかもしれません。
– ビジネスや国際環境での課題をクリアするため、新たなアプローチや変革が求められる場面も考えられます。
この分析から、現在の戦略の維持と新たな機会の探索の両立が重要であると言えるでしょう。
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:
### グラフの分析
1. **トレンド**:
– 実績データ（青いプロット）は、期間の開始時に比較的低め（0.4〜0.7）から始まり、その後上昇し、安定したパターンを示しています。
– その後、予測（異なる色の線）も、ほぼ横ばいで高いスコアを維持しています。
2. **外れ値や急激な変動**:
– 異常値がいくつか0.6付近に点在しているのが見られます。これらは実績データの中で特異的な振る舞いを示しているポイントです。
3. **各プロットや要素の意味**:
– 灰色のエリアは予測の不確かさ範囲を示しており、実績値がこの範囲内に収まっていることが多いです。
– 予測は異なる手法（線形回帰、決定木回帰、ランダムフォレスト回帰）で表現され、それぞれが僅かに異なる結果を示していますが、全体としては整合性があります。
4. **時系列データの関係性**:
– 実績データと予測データの差は大きくなく、予測が比較的正確であることを示唆しています。
5. **相関関係や分布の特徴**:
– 実績データと予測データの間のズレが小さいため、各予測手法のパフォーマンスが高いことが示されています。
6. **直感的な洞察とビジネス・社会への影響**:
– このグラフから、人々はWEIスコアが時間と共に安定性を増していることに安心感を覚えるでしょう。
– 社会的またはビジネス的に重要なのは、今後の予測の一貫性です。企業や政策立案者は、この安定的なトレンドをもとに戦略を立てることができます。
– 異常値は注意が必要で、これらの変動が特定のイベントや政策の変動によって引き起こされているのか評価が必要です。
全体として、このグラフはWEIスコアが今後も安定したパフォーマンスを維持することを示唆しており、これは多くの関係者にとって良いニュースです。
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:
### グラフの分析と洞察
1. **トレンド**
– 実績のデータは、期間中ほぼ横ばいのトレンドを示しています。ただし、終盤の予測データに入ると、線形回帰予測とランダムフォレスト回帰の二つに分かれ、特にランダムフォレスト回帰では増加傾向があります。
2. **外れ値や急激な変動**
– 幾つかのデータ点が外れ値として検出されていますが、全体的なスコアの範囲内に収まっています。
3. **各プロットや要素**
– 青い点が実績データ、グレーの範囲が予測の不確かさ範囲を示しています。
– 予測ラインは、線形回帰、決定木回帰、ランダムフォレスト回帰の三つの異なる方法で表示されており、それぞれ異なる傾向や予測を示しています。
4. **複数の時系列データの関係性**
– 実績データは安定している一方、予測方法によっては新たなトレンドを示唆しています。このことは、今後の経済的余裕（WEI）スコアが変動する可能性を示しています。
5. **相関関係や分布の特徴**
– 実績データの分布は比較的狭い範囲に収まっており、安定したWEIスコアを示しています。しかし、予測データは増加の兆候を示す方法もあるため、将来的な変動が予測されます。
6. **直感的な洞察とビジネス/社会への影響**
– この期間中の個人の経済的余裕は安定しているようですが、今後は増加の可能性が予測されています。これは、経済政策や市場の変化により、個人消費の増加や投資活動の活発化につながる可能性があります。この予測が正確であるならば、企業は将来的な拡張や新規事業の展開に対して積極的な準備を考慮する必要があります。
全体的に、このデータからは現在の安定と将来的な変化の可能性が読み取れます。今後のデータの変動を予測することで、より良い経済計画を立てることができるでしょう。
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:
以下の点について分析します。
1. **トレンド**:
– グラフの左側にある実績データ（青いプロット）は、おおむね一定の範囲内で変動しています。時間が経つにつれてWEIスコアが安定しています。
– 右側の予測データ（赤い×）は、わずかに上昇する傾向があります。異なる回帰手法での予測（緑、青、ピンクの線）は、おおよそ一致しており、軽度の上昇傾向を示しています。
2. **外れ値や急激な変動**:
– 幾つかのデータポイントが異常値として囲まれています。これらは、一般的な範囲から外れていることを示していますが、明確なパターンは見られません。
– 急激な変動はあまり見受けられず、データは比較的一定に推移しています。
3. **プロットや要素の意味**:
– 青のプロットは実績AIによる実測データで、赤の×はAIによる予測値を示しています。
– 灰色のエリアは予測の不確かさを示し、この範囲内でデータが動く可能性があることを意味します。
4. **複数の時系列データの関係性**:
– 実績データと予測データにはわずかに違いがありますが、将来的には一致して動く可能性があります。
5. **相関関係や分布の特徴**:
– WEIスコアは0.6から0.8の範囲にっています。分布は比較的狭く、安定しています。
6. **人間が直感的に感じるであろうこと、および影響の洞察**:
– 直感的に、このデータは健康状態が安定していることを示しており、大きな変動が起こることはないと考えられます。
– ビジネスや社会への影響としては、安定した健康指標により、予測の信頼性が高く、戦略的計画を立てやすい状況が予想されます。
全体的に、一定の範囲で安定した健康状態が見られ、予測も楽観的な見通しを示しています。この背景には、健康施策や医療アクセスの向上があるのかもしれません。
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:
### グラフ分析と洞察
1. **トレンド**
– 実績（青いプロット）はほぼ一定の水準を維持しており、全体として横ばい傾向が見られます。
– ランダムフォレスト回帰（紫）は予測において明確な上昇傾向を示しています。
2. **外れ値や急激な変動**
– 外れ値は黒い円で囲まれた地点として示されており、評価期間の初期に多く見られますが、後半にはあまり見られません。
3. **各プロットや要素**
– **実績（青いプロット）**: 心理的ストレスが一定範囲内にあることを示しています。
– **予測の不確かさ範囲（灰色の領域）**: 予測の信頼区間を示し、範囲内に実績値が収まっていることが多いです。
– **予測方法**: 線形回帰、水色の決定木回帰、紫のランダムフォレスト回帰と異なる手法が使われ、それぞれ異なる結果を示しています。
4. **複数の時系列データの関係性**
– 線形回帰と決定木回帰の予測は比較的一定で、ランダムフォレスト回帰の予測と異なった挙動を示しています。ランダムフォレストはトレンドをより多く捉えている可能性があります。
5. **相関関係や分布の特徴**
– 実績値の分布は狭く、外れ値を除けば、中心付近の範囲に密集しています。
6. **直感的洞察と社会的影響**
– このグラフからは、現在の心理的ストレスが安定しているが、将来的には増加の可能性が示されています。これは社会的安定性に影響を与え、一部の予測手法の差異がどのようにビジネスや政策に反映されるかが課題となります。特にランダムフォレストの予測に基づく方針の見直しが必要かもしれません。そのため、個人や組織は将来のストレス増加に備えることが重要です。
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:
以下のポイントに焦点を当てて分析を行います。
1. **トレンド**:
– 実績（青点）のトレンドは、最初の期間で上昇しています。ただし、最終的に安定した状態に近づいている示唆があります。
– 線形回帰（緑線）は安定した予測をしています。
– 決定木回帰（青線）とランダムフォレスト回帰（紫線）は、将来のスコアが高まると予測しています。
2. **外れ値や急激な変動**:
– グラフ上の明確な外れ値（黒円）は見られません。
– 実績データは、グラフの中央部分でややばらついているが、大きな変動はありません。
3. **各プロットや要素の意味**:
– 各プロットは個人のWEIスコア（自由度と自治）を表しています。
– 青い点は実績データ、赤い「×」は予測データを示しています。
– 灰色の陰影部分は、予測の不確かさ範囲を示しています。
4. **複数の時系列データの関係性**:
– 実績データと予測データの間に、時系列的な一致は見られますが、将来的には予測手法によってスコアが異なる方向に進む可能性があります。
5. **相関関係や分布の特徴**:
– 実績データは、特定の期間中に安定した分布を示していますが、予測データとの相関は強いです。
6. **直感的な人間の感覚とビジネス・社会への影響**:
– 人々はこの期間中、個人の自由度と自治が改善されていると感じるかもしれません。
– 社会的には、ポジティブな変化や安定的な傾向を期待することができます。
– ビジネス的には、予測が安定していることからリスク管理面での安心感が得られるでしょう。
全体として、このグラフは個人の自由度と自治のスコアが改善または安定している様子を示しており、将来の見通しも比較的明るいといえます。
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:
1. **トレンド**:
– 実績データは約0.6から0.8の間で横ばいが続いており、トレンドとしては安定しています。
2. **外れ値や急激な変動**:
– 実績データの一部に異常値がありますが、それはグラフ上で強調されているため、全体に対する影響は少ないようです。
3. **各プロットや要素の意味**:
– 青い点は実績を表し、予測モデルの結果はベージュの不確かさ範囲とともに3つの線で示されています（線形回帰、決定木回帰、ランダムフォレスト回帰）。
– 各予測モデルの結果は比較的一貫しており、実績を少し上回る値を示しています。
4. **複数の時系列データの関係性**:
– 予測モデル間でのスコアの相関が高く、一貫したトレンドを示しています。
– ランダムフォレスト回帰が他のモデルより若干高めのスコアを予測していることが特徴です。
5. **相関関係や分布の特徴**:
– 実績データと予測データのスコアは高い相関を持ち、予測が比較的正確であることを示唆しています。
6. **直感的な洞察およびビジネスや社会への影響**:
– このグラフから、人々は社会的公平性・公正さの評価が安定していると感じるでしょう。
– 長期的な安定性は、ビジネス・社会政策において信頼を醸成し、安定した計画の基盤となる可能性があります。
– 異常値の存在は注意を要する点として留意する必要がありますが、全体的な影響は少ない可能性があります。
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:
### グラフ分析と洞察
1. **トレンド**
– 実績のプロット（青色）は主に横ばいで、スコアが比較的一定です。
– 予測のライン（緑、青、紫）は全体としてゆるやかな上昇トレンドを示しています。
2. **外れ値や急激な変動**
– 一部のプロットは黒い丸で囲まれており、これが外れ値を示しています。
– 外れ値は持続可能性や自治性のスコアから大きく外れている地点を示唆し、注意が必要です。
3. **各プロットや要素の意味**
– 青い点は実績値を示し、実績範囲内を密集してプロットされています。
– 赤いバツや異なる予測モデル（線形回帰、決定木回帰、ランダムフォレスト回帰）のラインは、将来のトレンド予測を示しています。
4. **複数の時系列データの関係性**
– 実績と予測は全体として一致しており、予測モデルが実データに基づく信頼性を持っている可能性があります。
5. **相関関係や分布の特徴**
– 予測モデル間の逸脱は小さく、全体的には予測モデルが近似しており、数値の変動が少ないです。
6. **直感的な洞察と影響**
– 安定した実績スコアと緩やかな上昇トレンドからは、持続可能性と自治性が将来的に改善する兆候を示しています。
– ビジネスや社会において、安定的なスコアと上昇トレンドはポジティブな要因であり、長期的な持続可能性に対する信頼を強化できます。
このグラフから、持続可能性と自治性の評価において、現状が安定している一方で、将来的な改善に向けた期待があると考えられます。ビジネスにおいてはこの傾向を活用し、持続可能性に対する投資や政策の強化を検討する価値があります。
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:
### 視覚的な特徴と洞察
1. **トレンド**
– 実績のデータはほぼ横ばいですが、日にちが進むにつれてわずかに上昇しています。
– 予測データに関しては、線形回帰と決定木回帰は横ばいですが、ランダムフォレスト回帰はやや成長を示しています。
2. **外れ値や急激な変動**
– 実績データ内に外れ値が表示されています（黒い円で囲まれた青い点）。
– 外れ値はデータ全体の中で異常な変動を示し、何か特定の出来事が影響を与えた可能性があります。
3. **各プロットや要素の意味**
– 青い点が実績データを示し、赤い×は予測データを示します。
– グレーの領域は予測の不確かさの範囲を示し、予測モデルによる信頼性を示唆しています。
4. **複数の時系列データの関係性**
– 実績データに対し、予測モデルは多少異なる軌跡を描いています。特に、ランダムフォレストは少し高い予測値を示しています。
5. **相関関係や分布の特徴**
– 実績データの値は0.7から0.9の範囲で比較的密に分布しています。
– 実績と予測の違いは、予測モデルの特性や実績データの外れ値の影響を反映しています。
6. **直感的な洞察とビジネス・社会への影響**
– 直感的には、社会基盤や教育機会のスコアが概ね安定していることが伺えますが、外れ値により不安定性が完全になくなっていないことも示されています。
– 予測の違いは、異なるモデルの特徴を示しており、短期的な改善の予測はランダムフォレストが示唆しています。
– ビジネスや政策決定において、予測の不確かさを考慮しつつ、より高いスコアの維持や向上を目指すことが期待されます。特に外れ値の原因分析が重要と考えられます。
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:
1. **トレンド**
– 実績のデータポイントは、主に特定の範囲内で安定しています。大きな上昇や下降のトレンドは見られません。
– 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）は、8月初旬以降に微妙な変化を示していますが、全体的には安定しています。
2. **外れ値や急激な変動**
– いくつかのデータポイントが異常値として強調されています（黒い円で囲まれた部分）。それらは他のデータポイントから逸脱しています。
3. **各プロットや要素の意味**
– **青色のプロット**: 実績値を示しています。データは0.6から1.0の間に分布。
– **Xマーク**: 予測値を示しています。
– **灰色の範囲**: 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**
– 複数の予測モデルが使用されており、それぞれが微妙に異なる予測を示していますが、大きな乖離はありません。
5. **相関関係や分布の特徴**
– 実績データには多様性があり、特に約0.8の付近での密集度が高いです。予測と実績の間に強い関係性はないように見えますが、一部の予測は実績に追随しています。
6. **直感的な洞察と社会的影響**
– このグラフからは、社会WEIのスコアが異常値付近で変動しているため、評価方法や基準を再検討する必要があるかもしれません。
– ビジネスや社会システムにおいては、スコアの安定性を維持しつつ多様性と自由を守る取り組みが求められています。
このグラフは、社会的なパフォーマンスを評価し、改善の機会を見つける上で有用です。トレンドの安定性とポテンシャルの外れ値解消が鍵となるでしょう。
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:
このヒートマップについて、以下の点を分析します。
1. トレンド:
– 色の変化を見ると、時間とともにデータに上昇傾向があることがわかります。最初の数日間は濃い青や紫色が多く、時間経過とともに緑色や黄色に変化しています。
2. 外れ値や急激な変動:
– 最初の方のデータに濃い紫色の外れた値が見られ、その後、明るい緑や黄色への急激な変動があります。
3. 各プロットや要素（色、密度）:
– 色のグラデーションは値の変動を視覚的に示しており、右側のカラーバーはスコアを正確に示しています。色が濃いほどスコアが低く、明るいほどスコアが高いことを示しています。
4. 複数の時系列データの関係性:
– 複数の時間帯のスコアが視覚的に比較されており、特に15時や19時が注目されます。どちらも時間とともに明るい色への変化が見られます。
5. 相関関係や分布の特徴:
– 全体として、時間帯ごとのスコアが日数を追って上昇する傾向が見られます。同じ時間帯でも日によって違いがありますが、全体的に上がるパターンがあります。
6. 人間が直感的に感じることとその影響:
– 一般的に、人間は色の変化を直感的に「改善」または「進化」として理解します。ビジネスや社会において、一定期間内でのスコアの上昇は、効率の向上やポジティブな変化を示している可能性があります。例えば、業績の改善や新たな戦略の効果が出始めているといった解釈ができます。
全体として、このヒートマップは、30日間におけるスコアの上昇を視覚的に表現しており、ビジネスや政策の成功指標として有用な視点を提供しています。
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:
以下は、提供されたヒートマップの分析です。
1. **トレンド**:
– 全体的に色が濃い紫から緑、黄色へと変化している箇所があります。特定の行（またはカテゴリー）でWEI平均スコアが上昇していることを示しています。
2. **外れ値や急激な変動**:
– 7月6日と7月11日に特に明るい色（黄色）が出現しており、これは急激なスコアの上昇を示唆しています。この期間に何か特別なイベントや要因があった可能性があります。
3. **各プロットや要素の意味**:
– 色の濃淡はWEI平均スコアの大きさを示しています。濃い紫は低スコア、黄色は高スコアを示しています。各ブロックの大きさと位置は、各日時クロスでのスコアの変化を示します。
4. **複数の時系列データの関係性**:
– 異なる日のスコアの間で、特定の行でのスコアの傾向が均一のように見えますが、特定の日付での変動があります。他の行（または別カテゴリー）ではそれとは異なる傾向や変動があります。
5. **相関関係や分布の特徴**:
– 各時刻のスコア変動から、特定の時間帯でのスコアが一致する傾向があるか検討する必要がありますが、ヒートマップは全体の傾向と極端値をよく示しています。
6. **直感的な洞察と影響**:
– ユーザーは、特定の日時でWEI平均スコアが急上昇していることを直感的に察知し、原因を探る動機付けになります。ビジネスにおいては、このようなパターンが顧客の行動や市場の変化を示唆するかもしれません。また、期中変動の理由を深掘りすることで改善や最適化の機会を見出すことが可能です。社会的にも、これらの変動が重要なイベントに関連しているかどうかを検討することが重要です。
このヒートマップは、WEI平均スコアの動態を詳細に追うのに有用で、特定の時間や日付での特徴的な挙動を明らかにする役割を果たします。
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:
1. **トレンド**
– グラフ全体には、特定の時間帯に高いスコアが頻出し、日によって増減する傾向が見られます。
– 日付が進むにつれて、特定の時間帯（例えば7:00-8:00と16:00-17:00）でスコアが緩やかに上昇し、より明るい色に変化しています。
2. **外れ値や急激な変動**
– 7月6日に16時のスコアが特に高く、そこから急上昇しています。この日は他の日と比べて異常な明るさを示し、注目に値します。
3. **各プロットや要素の意味**
– 色濃度はスコアの高さを示し、明るい色（黄色に近い）が高スコア、暗い色（紫に近い）が低スコアを示しています。
– 日付ごとに、特定の時間帯にスコアの変動があるため、時間帯別の影響を考慮することが重要です。
4. **複数の時系列データの関係性**
– 同じ時間帯に高いスコアが集中する日があるため、特定の要因が特定の日や時間に作用している可能性があります。
5. **相関関係や分布の特徴**
– 16時付近で何らかの要因により、スコアが連続的に高い傾向を示しています。この時間帯における活動やイベントがスコアを押し上げている可能性があります。
6. **直感的な洞察と影響**
– 直感的には、日常の特定の時間帯に何らかの積極的な活動やポリシーの実施が行われていると感じられます。それがWEIスコアの向上に寄与しているかもしれません。
– 社会やビジネスにおいては、この特定の時間帯での活動を強化することが、全体の評価を向上させる戦略として考慮されるかもしれません。
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:
### ヒートマップ分析
#### 1. トレンド
– このヒートマップは相関関係を示しているため、30日間での直接的なトレンド（上昇、下降）を見るものではありません。しかし、色の濃淡が相関の程度を示し、赤色が強いほど高い正の相関を示しています。
#### 2. 外れ値や急激な変動
– 外れ値というより、低い相関値が特定の項目間に存在します。例えば、「個人WEI（経済的余裕）」と「社会WEI（公平性・公正さ）」における相関は0.39と低めです。
#### 3. 各プロットや要素
– 色は相関の強さを示しており、赤は高相関、青は低相関を示します。
– 赤色が多く見られるのは、「総合WEI」と他の項目との相関です。例えば、「個人WEI平均」との相関が0.93と非常に高いです。
#### 4. 複数の時系列データの関係性
– 時系列としては個別データの相関を見ているため、時間経過に伴う傾向を直接示すものではありませんが、項目同士の関係性がわかります。
#### 5. 相関関係や分布の特徴
– 非常に強い正の相関が多く見られ、特に「総合WEI」と「社会WEI（持続可能性と自治性）」の相関が0.92と非常に高い点が注目です。
– また、「個人WEI（自由度と自治）」と「社会WEI（持続可能性と自治性）」の相関も0.83と高く、個人と社会の自由度・自治が関連している可能性があります。
#### 6. 直感的な洞察とその影響
– ビジネスや社会への影響として、個人のウェルビーイングが社会全体の持続可能性や多様性とも深く関連していることが示されています。
– 投資や政策決定においては、個人と社会の両面での持続性を考慮することが重要であると示唆されます。このような高い相関は、政策や企業活動が個人の幸福度に与える影響を理解する上で重要です。
このヒートマップは、国際的な幸福度に関する項目間の強い関係性を簡潔に伝えるビジュアルツールです。それぞれの相関関係を理解することで、どのような領域に注力すべきかが示唆されます。
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:
### グラフ分析と洞察
この箱ひげ図は「WEIスコア分布比較」を示しており、30日間のデータを対象にしています。このグラフから以下の特徴と洞察を得ることができます。
1. **トレンド**
– グラフ全体として、特定のトレンド（上昇、下降、周期性）は顕著には見られませんが、各「WEIタイプ」でのスコアの安定性や変動性が示唆されています。
2. **外れ値や急激な変動**
– 各「WEIタイプ」の中に外れ値が存在しています。特に「個人WEI（自由度と自治生）」や「社会WEI（公正性・公正さ）」などでは外れ値が多く見られます。これは、特定のカテゴリにおいて一部のデータが大きく異なることを示しています。
3. **各プロットや要素の意味**
– 箱ひげ図の箱部分はデータの四分位範囲（IQR）を示し、中央の線は中央値を表しています。ひげの長さは通常1.5IQRで外れ値が示されています。
– 色の違いは様々なカテゴリ（「WEIタイプ」）を示し、視覚的区別を容易にしています。
4. **複数の時系列データの関係性**
– 各「WEIタイプ」は異なる指標を表しており、直接的な時系列の関係性はありません。ただし、同じ期間内のデータであるため、同時期にどのカテゴリが特に変動しているかは比較可能です。
5. **相関関係や分布の特徴**
– 「社会WEI（生態系整備・対策機会）」や「社会WEI（共生・多様性・自由の尊重）」は比較的高い中央値と狭いIQRを持ち、安定した高評価を示しています。
– 一方、「個人WEI（心理的ストレス）」は中央値が低く、不安定な傾向があります。
6. **直感的な印象と社会的影響**
– 人間が直感的に感じるのは、一部のカテゴリでは非常にスコアが安定している一方、他は大きく変動するということです。これは、特定の社会問題や個人の幸福度が国際的に大きな差異をもたらす可能性を示唆しています。
– ビジネスや社会に対する影響としては、政策決定者が特定のカテゴリでの外れ値や変動を考慮することで改善の余地を見出す可能性があります。特に「個人WEI（心理的ストレス）」のようなカテゴリが改善されれば、人々の生活の質が向上するかもしれません。
このグラフは、各「WEIタイプ」のパフォーマンスを詳細に分析し、特定の政策改善のヒントを得るのに役立ちます。
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:
このグラフでは、WEIの構成要素に対して主成分分析（PCA）が行われており、30日間分のデータが可視化されています。主成分1と主成分2にプロットされています。以下のポイントについて分析します。
1. トレンド:
– 明確なトレンドは見受けられませんが、プロットは主成分1軸のプラスとマイナス方向に広がっています。これはデータが主成分1に沿って多様に分布していることを示唆しています。
2. 外れ値や急激な変動:
– 主成分1がプラスの方向に約0.2以上の位置にあるプロットは、他のプロットからやや離れており、外れ値の可能性があります。
3. 各プロットや要素の意味:
– 各点は、分析された要素の組み合わせを表しており、主成分1（71%の寄与率）はデータ全体の分散の大部分を説明しています。主成分2は約9%の寄与率で、補完的な情報を提供します。
4. 時系列データの関係性:
– このグラフのプロットは、時系列というよりも要素の分布を示しており、それぞれの観察がどの程度主成分によって説明されるかを示しています。
5. 相関関係や分布の特徴:
– プロットが全体的に二つの主成分にまたがって広がっているため、それらが多次元の要素をコンパクトに表現できていることが伺えます。主成分1と2の相関は強くなさそうです。
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:
– データが広範囲に分散していることから、分析対象が多様であると感じられます。ビジネスや社会的な意味では、特定の要素やイベントが他と異なる特徴を持つ時に、それらを可視化する手助けをしています。
– 主成分1が主要な変動源であるため、その変数がこのデータセットにおける最重要因子である可能性があります。ビジネスにおいては、この要因を理解・管理することで、意思決定の質を向上させることができるでしょう。
全体として、PCAを用いることで、複雑な多次元データを二次元で視覚的に捉えやすくした良い例です。直感的な把握を助けると同時に、新たな洞察を提供す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。