最終更新: 2021/04/25
準備
使用package
suppressMessages(library(readxl)) suppressMessages(library(dplyr)) suppressMessages(library(data.table)) suppressMessages(library(kableExtra)) suppressMessages(library(curl)) suppressMessages(library(tidyverse)) suppressMessages(library(plotly))
data loading
94行と168変数
addr="https://raw.githubusercontent.com/luka3117/ClassData/master/Wakayama/DataFormat.csv" d<-read_csv(url(addr),skip=1, locale = readr::locale(encoding = "CP932")) d<-d[-95,] d<-d %>% rename(key=X1) d %>% dim()
## [1] 94 168
## # A tibble: 6 x 168 ## key pref.id sex pref.E pref.A pref.J `\u4eba\u53e3_201… 受療率_入院_悪性新生物_201… ## <dbl> <dbl> <chr> <chr> <chr> <chr> <dbl> <dbl> ## 1 1 1 M Hokkai… Hkk 北海道 249 152 ## 2 2 2 M Aomori Amr 青森 59 128 ## 3 3 3 M Iwate Iwt 岩手 60 100 ## 4 4 4 M Miyagi Myg 宮城 113 75 ## 5 5 5 M Akita Akt 秋田 46 136 ## 6 6 6 M Yamaga… Ymgt 山形 53 112 ## # … with 160 more variables: 受療率_入院_心疾患_2017 <dbl>, ## # 受療率_入院_脳血管疾患_2017 <dbl>, 受療率_外来_悪性新生物_2017 <dbl>, ## # 受療率_外来_心疾患_2017 <dbl>, 受療率_外来_脳血管疾患_2017 <dbl>, ## # 病院数_2019 <dbl>, 診療所数_2019 <dbl>, がん治療認定医数_2020 <dbl>, ## # 循環器専門医数_2020 <dbl>, 内視鏡専門医数_2020 <dbl>, ## # 75歳未満調整死亡率_悪性新生物_2018 <dbl>, 書籍購入代金_2019 <dbl>, ## # 平均寿命_2015 <dbl>, 健康寿命_2016 <dbl>, ## # 75歳未満調整死亡率_悪政新生物_2019 <dbl>, 年齢調整死亡率_心疾患_2015 <dbl>, ## # 年齢調整死亡率_脳血管疾患_2015 <dbl>, 60歳以上人口_2015 <dbl>, ## # 学習率_2016 <dbl>, 読書率_2016 <dbl>, 人口・世帯_年少人口割合2020 <dbl>, ## # 人口・世帯_老年人口割合2020 <dbl>, 人口・世帯_生産年齢人口割合2020 <dbl>, ## # 人口・世帯_粗死亡率2020 <dbl>, 人口・世帯_共働き世帯割合2020 <dbl>, ## # 自然環境_年平均気温 <dbl>, 自然環境_年平均相対湿度 <dbl>, ## # 自然環境_降水量（年間） <dbl>, 自然環境_雪日数（年間） <dbl>, ## # 経済基盤_県民所得 <dbl>, 行政基盤_財政力指数 <dbl>, ## # 行政基盤_収支比率 <dbl>, 行政基盤_生活保護費割合（県財政） <dbl>, ## # 行政基盤_教育費割合（県財政） <dbl>, ## # 教育_最終学歴が大学・大学院卒の者の割合 <dbl>, ## # 労働_１次産業就業者比率 <dbl>, 労働_２次産業就業者比率 <dbl>, ## # 労働_３次産業就業者比率 <dbl>, 労働_完全失業率 <dbl>, ## # 文化・スポーツ_図書館数（人口100万人当たり） <dbl>, ## # 健康・医療_一般診療所数(可住地面積100k㎡当たり) <dbl>, ## # 文化・スポーツ_スポーツの行動者率 <dbl>, ## # 文化・スポーツ_旅行・行楽行動者率 <dbl>, 居住_持ち家比率 <dbl>, ## # 居住_一戸建住宅比率 <dbl>, 居住_上水道給水人口比率 <dbl>, ## # 居住_下水道普及比率 <dbl>, 文化・スポーツ_ボランティア活動行動者率 <dbl>, ## # 居住_都市公園面積（人口１人当たり） <dbl>, ## # 居住_都市公園数(可住地面積100k㎡当たり) <dbl>, ## # 健康・医療_一般病院数(可住地面積100k㎡当たり) <dbl>, ## # 居住_主要道路舗装率 <dbl>, 居住_市町村舗装率 <dbl>, ## # 健康・医療_一般歯科診療所数（人口10万人当たり） <dbl>, ## # 健康・医療_医療施設に従事する医師数（人口10万人当たり） <dbl>, ## # 健康・医療_保健師数（人口10万人当たり） <dbl>, ## # 安全_交通事故発生件数（人口10万人当たり） <dbl>, ## # 家計_実収入（一世帯当たり１か月） <dbl>, ## # 家計_消費支出（一世帯当たり１か月） <dbl>, ## # 家計_教育費割合（対消費支出） <dbl>, ## # 家計_教養娯楽費割合（対消費支出） <dbl>, 家計_貯蓄現在高 <dbl>, ## # 家計_スマートフォン所有数量（千世帯当たり） <dbl>, ## # 家計_パソコン所有数量（千世帯当たり） <dbl>, ## # 家計_自動車所有数量（千世帯当たり） <dbl>, ## # 家計_タブレット端末所有数量（千世帯当たり） <dbl>, ## # 人口・世帯_高齢単身者世帯の割合 <dbl>, スポーツ総行動率 <dbl>, ## # スポーツ総行動率-器具を使ったトレーニング <dbl>, ## # スポーツ行動率−ウォーキング <dbl>, ## # 旅行・行楽−旅行・行楽・観光総行動率 <dbl>, 旅行・行楽−旅行率 <dbl>, ## # 旅行・行楽−行楽率 <dbl>, 旅行・行楽−観光率 <dbl>, ## # ボランティア総行動率−総数 <dbl>, ## # ボランティア総行動率−まちづくり活動 <dbl>, ## # ボランティア総行動率−国際協力活動 <dbl>, ## # ボランティア総行動率−健康や医療サービスに関係した活動 <dbl>, ## # ボランティア総行動率−高齢者を対象とした活動 <dbl>, ## # ボランティア総行動率−障害者を対象とした活動 <dbl>, ## # ボランティア総行動率−子供を対象とした活動 <dbl>, ## # 趣味・娯楽−趣味娯楽総行動率 <dbl>, ## # 趣味・娯楽−園芸・庭いじり・ガーデニング <dbl>, ## # 趣味・娯楽−スポーツ観覧 <dbl>, 趣味・娯楽−読書 <dbl>, ## # 自己啓発・訓練−学習・自己啓発・訓練率 <dbl>, ## # 自己啓発・訓練−芸術・文化 <dbl>, 自己啓発・訓練−英語 <dbl>, ## # 自己啓発・訓練−英語以外の外国語 <dbl>, ## # 自己啓発・訓練−パソコンなどの情報処理 <dbl>, ## # ボランティア活動−安全な生活のための活動 <dbl>, ## # ボランティア活動−自然や環境の活動 <dbl>, ボランティア活動−災害活動 <dbl>, ## # 高血圧疾患_入院2017年 <dbl>, 高血圧疾患_外来2017年 <dbl>, ## # 糖尿病_入院2017年 <dbl>, 糖尿病_外来2017年 <dbl>, ## # 脳血管疾患_年齢調整死亡率2015 <dbl>, ## # 悪性新生物(胃)_年齢調整死亡率2015 <dbl>, ## # 悪性新生物(大腸)_年齢調整死亡率2015 <dbl>, …
ヘルスケアーデータ
addr="https://raw.githubusercontent.com/luka3117/ClassData/master/Wakayama/DataFormat3(HealthCare).csv" d_health_care<-read_csv(url(addr),skip=1, locale = readr::locale(encoding = "CP932"))%>% rename(key=X1) %>% select(1:5,7) %>% filter(!is.na(関係団体会員数)) d_health_care
## # A tibble: 22 x 6 ## key pref.id pref.E pref.A pref.J 関係団体会員数 ## <dbl> <dbl> <chr> <chr> <chr> <dbl> ## 1 1 1 Hokkaido Hkk 北海道 126 ## 2 2 2 Aomori Amr 青森 14 ## 3 5 5 Akita Akt 秋田 46 ## 4 9 9 Tochigi Tch 栃木 202 ## 5 10 10 Gunma Gnm 群馬 13 ## 6 11 11 Saitama Stm 埼玉 3 ## 7 14 14 Kanagawa Kng 神奈川 827 ## 8 16 16 Toyama Tym 富山 38 ## 9 17 17 Ishikawa Ish 石川 24 ## 10 18 18 Fukui Fuk 福井 101 ## # … with 12 more rows
変数名変更
JpnEng<-"https://raw.githubusercontent.com/luka3117/ClassData/master/Wakayama/JpnEng.csv" JpnEng<-read_csv(url(JpnEng)) JpnEng %>% head()
## # A tibble: 6 x 3 ## id var_name_Jpn var_name_Eng ## <dbl> <chr> <chr> ## 1 1 key key ## 2 2 pref.id pref.id ## 3 3 sex sex ## 4 4 pref.E pref.E ## 5 5 pref.A pref.A ## 6 6 pref.J pref.J
寿命データ
寿命データの説明
平均寿命_2015
出典：平成27年都道府県別生命表の概況 取得元：以下のリンク
詳細説明： 「都道府県別にみた平均寿命の推移」をダウンロード
男性の平均寿命は「表5-1 平均寿命の推移（男）」より「平成27年」のものを、女性の平均寿命は「表5-2 平均寿命の推移（女）」より「平成27年」のものを取得
健康寿命_2016
出典：厚生労働科学研究 健康寿命のページ
「都道府県別健康寿命（2010～2016年）」をダウンロード
男性の健康寿命はシート「付表1-1」より「I列」の2016年の推定値を、女性の健康寿命はシート「付表1-2」より「日常生活に制限のない期間の平均」を取得
国民生活基礎調査は熊本地震により2016年の熊本県の健康情報を調査していないが、熊本県の2016年健康寿命のデータに熊本県の3年次の平均を下式による、2016年の仮定に基づく推定値を用いて算定
- (熊本県の2016年の仮定に基づく推定値)＝(熊本県の2013年の推定値)×(全国の2016年の推定値)/(全国の2013年の推定値)
データ確認
(前処理)変数名を英語に変換 :data名d
d %>% dim()
## [1] 94 168
d %>% head()
## # A tibble: 6 x 168 ## key pref.id sex pref.E pref.A pref.J `\u4eba\u53e3_201… 受療率_入院_悪性新生物_201… ## <dbl> <dbl> <chr> <chr> <chr> <chr> <dbl> <dbl> ## 1 1 1 M Hokkai… Hkk 北海道 249 152 ## 2 2 2 M Aomori Amr 青森 59 128 ## 3 3 3 M Iwate Iwt 岩手 60 100 ## 4 4 4 M Miyagi Myg 宮城 113 75 ## 5 5 5 M Akita Akt 秋田 46 136 ## 6 6 6 M Yamaga… Ymgt 山形 53 112 ## # … with 160 more variables: 受療率_入院_心疾患_2017 <dbl>, ## # 受療率_入院_脳血管疾患_2017 <dbl>, 受療率_外来_悪性新生物_2017 <dbl>, ## # 受療率_外来_心疾患_2017 <dbl>, 受療率_外来_脳血管疾患_2017 <dbl>, ## # 病院数_2019 <dbl>, 診療所数_2019 <dbl>, がん治療認定医数_2020 <dbl>, ## # 循環器専門医数_2020 <dbl>, 内視鏡専門医数_2020 <dbl>, ## # 75歳未満調整死亡率_悪性新生物_2018 <dbl>, 書籍購入代金_2019 <dbl>, ## # 平均寿命_2015 <dbl>, 健康寿命_2016 <dbl>, ## # 75歳未満調整死亡率_悪政新生物_2019 <dbl>, 年齢調整死亡率_心疾患_2015 <dbl>, ## # 年齢調整死亡率_脳血管疾患_2015 <dbl>, 60歳以上人口_2015 <dbl>, ## # 学習率_2016 <dbl>, 読書率_2016 <dbl>, 人口・世帯_年少人口割合2020 <dbl>, ## # 人口・世帯_老年人口割合2020 <dbl>, 人口・世帯_生産年齢人口割合2020 <dbl>, ## # 人口・世帯_粗死亡率2020 <dbl>, 人口・世帯_共働き世帯割合2020 <dbl>, ## # 自然環境_年平均気温 <dbl>, 自然環境_年平均相対湿度 <dbl>, ## # 自然環境_降水量（年間） <dbl>, 自然環境_雪日数（年間） <dbl>, ## # 経済基盤_県民所得 <dbl>, 行政基盤_財政力指数 <dbl>, ## # 行政基盤_収支比率 <dbl>, 行政基盤_生活保護費割合（県財政） <dbl>, ## # 行政基盤_教育費割合（県財政） <dbl>, ## # 教育_最終学歴が大学・大学院卒の者の割合 <dbl>, ## # 労働_１次産業就業者比率 <dbl>, 労働_２次産業就業者比率 <dbl>, ## # 労働_３次産業就業者比率 <dbl>, 労働_完全失業率 <dbl>, ## # 文化・スポーツ_図書館数（人口100万人当たり） <dbl>, ## # 健康・医療_一般診療所数(可住地面積100k㎡当たり) <dbl>, ## # 文化・スポーツ_スポーツの行動者率 <dbl>, ## # 文化・スポーツ_旅行・行楽行動者率 <dbl>, 居住_持ち家比率 <dbl>, ## # 居住_一戸建住宅比率 <dbl>, 居住_上水道給水人口比率 <dbl>, ## # 居住_下水道普及比率 <dbl>, 文化・スポーツ_ボランティア活動行動者率 <dbl>, ## # 居住_都市公園面積（人口１人当たり） <dbl>, ## # 居住_都市公園数(可住地面積100k㎡当たり) <dbl>, ## # 健康・医療_一般病院数(可住地面積100k㎡当たり) <dbl>, ## # 居住_主要道路舗装率 <dbl>, 居住_市町村舗装率 <dbl>, ## # 健康・医療_一般歯科診療所数（人口10万人当たり） <dbl>, ## # 健康・医療_医療施設に従事する医師数（人口10万人当たり） <dbl>, ## # 健康・医療_保健師数（人口10万人当たり） <dbl>, ## # 安全_交通事故発生件数（人口10万人当たり） <dbl>, ## # 家計_実収入（一世帯当たり１か月） <dbl>, ## # 家計_消費支出（一世帯当たり１か月） <dbl>, ## # 家計_教育費割合（対消費支出） <dbl>, ## # 家計_教養娯楽費割合（対消費支出） <dbl>, 家計_貯蓄現在高 <dbl>, ## # 家計_スマートフォン所有数量（千世帯当たり） <dbl>, ## # 家計_パソコン所有数量（千世帯当たり） <dbl>, ## # 家計_自動車所有数量（千世帯当たり） <dbl>, ## # 家計_タブレット端末所有数量（千世帯当たり） <dbl>, ## # 人口・世帯_高齢単身者世帯の割合 <dbl>, スポーツ総行動率 <dbl>, ## # スポーツ総行動率-器具を使ったトレーニング <dbl>, ## # スポーツ行動率−ウォーキング <dbl>, ## # 旅行・行楽−旅行・行楽・観光総行動率 <dbl>, 旅行・行楽−旅行率 <dbl>, ## # 旅行・行楽−行楽率 <dbl>, 旅行・行楽−観光率 <dbl>, ## # ボランティア総行動率−総数 <dbl>, ## # ボランティア総行動率−まちづくり活動 <dbl>, ## # ボランティア総行動率−国際協力活動 <dbl>, ## # ボランティア総行動率−健康や医療サービスに関係した活動 <dbl>, ## # ボランティア総行動率−高齢者を対象とした活動 <dbl>, ## # ボランティア総行動率−障害者を対象とした活動 <dbl>, ## # ボランティア総行動率−子供を対象とした活動 <dbl>, ## # 趣味・娯楽−趣味娯楽総行動率 <dbl>, ## # 趣味・娯楽−園芸・庭いじり・ガーデニング <dbl>, ## # 趣味・娯楽−スポーツ観覧 <dbl>, 趣味・娯楽−読書 <dbl>, ## # 自己啓発・訓練−学習・自己啓発・訓練率 <dbl>, ## # 自己啓発・訓練−芸術・文化 <dbl>, 自己啓発・訓練−英語 <dbl>, ## # 自己啓発・訓練−英語以外の外国語 <dbl>, ## # 自己啓発・訓練−パソコンなどの情報処理 <dbl>, ## # ボランティア活動−安全な生活のための活動 <dbl>, ## # ボランティア活動−自然や環境の活動 <dbl>, ボランティア活動−災害活動 <dbl>, ## # 高血圧疾患_入院2017年 <dbl>, 高血圧疾患_外来2017年 <dbl>, ## # 糖尿病_入院2017年 <dbl>, 糖尿病_外来2017年 <dbl>, ## # 脳血管疾患_年齢調整死亡率2015 <dbl>, ## # 悪性新生物(胃)_年齢調整死亡率2015 <dbl>, ## # 悪性新生物(大腸)_年齢調整死亡率2015 <dbl>, …
d %>% colnames()
## [1] "key" ## [2] "pref.id" ## [3] "sex" ## [4] "pref.E" ## [5] "pref.A" ## [6] "pref.J" ## [7] "\u4eba\u53e3_2018(\u5358\u4f4d：\u4e07\u4eba)" ## [8] "\u53d7\u7642\u7387_\u5165\u9662_\u60aa\u6027\u65b0\u751f\u7269_2017" ## [9] "\u53d7\u7642\u7387_\u5165\u9662_\u5fc3\u75be\u60a3_2017" ## [10] "\u53d7\u7642\u7387_\u5165\u9662_\u8133\u8840\u7ba1\u75be\u60a3_2017" ## [11] "\u53d7\u7642\u7387_\u5916\u6765_\u60aa\u6027\u65b0\u751f\u7269_2017" ## [12] "\u53d7\u7642\u7387_\u5916\u6765_\u5fc3\u75be\u60a3_2017" ## [13] "\u53d7\u7642\u7387_\u5916\u6765_\u8133\u8840\u7ba1\u75be\u60a3_2017" ## [14] "\u75c5\u9662\u6570_2019" ## [15] "\u8a3a\u7642\u6240\u6570_2019" ## [16] "がん\u6cbb\u7642\u8a8d\u5b9a\u533b\u6570_2020" ## [17] "\u5faa\u74b0\u5668\u5c02\u9580\u533b\u6570_2020" ## [18] "\u5185\u8996\u93e1\u5c02\u9580\u533b\u6570_2020" ## [19] "75\u6b73\u672a\u6e80\u8abf\u6574\u6b7b\u4ea1\u7387_\u60aa\u6027\u65b0\u751f\u7269_2018" ## [20] "\u66f8\u7c4d\u8cfc\u5165\u4ee3\u91d1_2019" ## [21] "\u5e73\u5747\u5bff\u547d_2015" ## [22] "\u5065\u5eb7\u5bff\u547d_2016" ## [23] "75\u6b73\u672a\u6e80\u8abf\u6574\u6b7b\u4ea1\u7387_\u60aa\u653f\u65b0\u751f\u7269_2019" ## [24] "\u5e74\u9f62\u8abf\u6574\u6b7b\u4ea1\u7387_\u5fc3\u75be\u60a3_2015" ## [25] "\u5e74\u9f62\u8abf\u6574\u6b7b\u4ea1\u7387_\u8133\u8840\u7ba1\u75be\u60a3_2015" ## [26] "60\u6b73\u4ee5\u4e0a\u4eba\u53e3_2015" ## [27] "\u5b66\u7fd2\u7387_2016" ## [28] "\u8aad\u66f8\u7387_2016" ## [29] "\u4eba\u53e3・\u4e16\u5e2f_\u5e74\u5c11\u4eba\u53e3\u5272\u54082020" ## [30] "\u4eba\u53e3・\u4e16\u5e2f_\u8001\u5e74\u4eba\u53e3\u5272\u54082020" ## [31] "\u4eba\u53e3・\u4e16\u5e2f_\u751f\u7523\u5e74\u9f62\u4eba\u53e3\u5272\u54082020" ## [32] "\u4eba\u53e3・\u4e16\u5e2f_\u7c97\u6b7b\u4ea1\u73872020" ## [33] "\u4eba\u53e3・\u4e16\u5e2f_\u5171\u50cdき\u4e16\u5e2f\u5272\u54082020" ## [34] "\u81ea\u7136\u74b0\u5883_\u5e74\u5e73\u5747\u6c17\u6e29" ## [35] "\u81ea\u7136\u74b0\u5883_\u5e74\u5e73\u5747\u76f8\u5bfe\u6e7f\u5ea6" ## [36] "\u81ea\u7136\u74b0\u5883_\u964d\u6c34\u91cf（\u5e74\u9593）" ## [37] "\u81ea\u7136\u74b0\u5883_\u96ea\u65e5\u6570（\u5e74\u9593）" ## [38] "\u7d4c\u6e08\u57fa\u76e4_\u770c\u6c11\u6240\u5f97" ## [39] "\u884c\u653f\u57fa\u76e4_\u8ca1\u653f\u529b\u6307\u6570" ## [40] "\u884c\u653f\u57fa\u76e4_\u53ce\u652f\u6bd4\u7387" ## [41] "\u884c\u653f\u57fa\u76e4_\u751f\u6d3b\u4fdd\u8b77\u8cbb\u5272\u5408（\u770c\u8ca1\u653f）" ## [42] "\u884c\u653f\u57fa\u76e4_\u6559\u80b2\u8cbb\u5272\u5408（\u770c\u8ca1\u653f）" ## [43] "\u6559\u80b2_\u6700\u7d42\u5b66\u6b74が\u5927\u5b66・\u5927\u5b66\u9662\u5352の\u8005の\u5272\u5408" ## [44] "\u52b4\u50cd_１\u6b21\u7523\u696d\u5c31\u696d\u8005\u6bd4\u7387" ## [45] "\u52b4\u50cd_２\u6b21\u7523\u696d\u5c31\u696d\u8005\u6bd4\u7387" ## [46] "\u52b4\u50cd_３\u6b21\u7523\u696d\u5c31\u696d\u8005\u6bd4\u7387" ## [47] "\u52b4\u50cd_\u5b8c\u5168\u5931\u696d\u7387" ## [48] "\u6587\u5316・スポーツ_\u56f3\u66f8\u9928\u6570（\u4eba\u53e3100\u4e07\u4eba\u5f53たり）" ## [49] "\u5065\u5eb7・\u533b\u7642_\u4e00\u822c\u8a3a\u7642\u6240\u6570(\u53ef\u4f4f\u5730\u9762\u7a4d100k\u33a1\u5f53たり)" ## [50] "\u6587\u5316・スポーツ_スポーツの\u884c\u52d5\u8005\u7387" ## [51] "\u6587\u5316・スポーツ_\u65c5\u884c・\u884c\u697d\u884c\u52d5\u8005\u7387" ## [52] "\u5c45\u4f4f_\u6301ち\u5bb6\u6bd4\u7387" ## [53] "\u5c45\u4f4f_\u4e00\u6238\u5efa\u4f4f\u5b85\u6bd4\u7387" ## [54] "\u5c45\u4f4f_\u4e0a\u6c34\u9053\u7d66\u6c34\u4eba\u53e3\u6bd4\u7387" ## [55] "\u5c45\u4f4f_\u4e0b\u6c34\u9053\u666e\u53ca\u6bd4\u7387" ## [56] "\u6587\u5316・スポーツ_ボランティア\u6d3b\u52d5\u884c\u52d5\u8005\u7387" ## [57] "\u5c45\u4f4f_\u90fd\u5e02\u516c\u5712\u9762\u7a4d（\u4eba\u53e3１\u4eba\u5f53たり）" ## [58] "\u5c45\u4f4f_\u90fd\u5e02\u516c\u5712\u6570(\u53ef\u4f4f\u5730\u9762\u7a4d100k\u33a1\u5f53たり)" ## [59] "\u5065\u5eb7・\u533b\u7642_\u4e00\u822c\u75c5\u9662\u6570(\u53ef\u4f4f\u5730\u9762\u7a4d100k\u33a1\u5f53たり)" ## [60] "\u5c45\u4f4f_\u4e3b\u8981\u9053\u8def\u8217\u88c5\u7387" ## [61] "\u5c45\u4f4f_\u5e02\u753a\u6751\u8217\u88c5\u7387" ## [62] "\u5065\u5eb7・\u533b\u7642_\u4e00\u822c\u6b6f\u79d1\u8a3a\u7642\u6240\u6570（\u4eba\u53e310\u4e07\u4eba\u5f53たり）" ## [63] "\u5065\u5eb7・\u533b\u7642_\u533b\u7642\u65bd\u8a2dに\u5f93\u4e8bする\u533b\u5e2b\u6570（\u4eba\u53e310\u4e07\u4eba\u5f53たり）" ## [64] "\u5065\u5eb7・\u533b\u7642_\u4fdd\u5065\u5e2b\u6570（\u4eba\u53e310\u4e07\u4eba\u5f53たり）" ## [65] "\u5b89\u5168_\u4ea4\u901a\u4e8b\u6545\u767a\u751f\u4ef6\u6570（\u4eba\u53e310\u4e07\u4eba\u5f53たり）" ## [66] "\u5bb6\u8a08_\u5b9f\u53ce\u5165（\u4e00\u4e16\u5e2f\u5f53たり１か\u6708）" ## [67] "\u5bb6\u8a08_\u6d88\u8cbb\u652f\u51fa（\u4e00\u4e16\u5e2f\u5f53たり１か\u6708）" ## [68] "\u5bb6\u8a08_\u6559\u80b2\u8cbb\u5272\u5408（\u5bfe\u6d88\u8cbb\u652f\u51fa）" ## [69] "\u5bb6\u8a08_\u6559\u990a\u5a2f\u697d\u8cbb\u5272\u5408（\u5bfe\u6d88\u8cbb\u652f\u51fa）" ## [70] "\u5bb6\u8a08_\u8caf\u84c4\u73fe\u5728\u9ad8" ## [71] "\u5bb6\u8a08_スマートフォン\u6240\u6709\u6570\u91cf（\u5343\u4e16\u5e2f\u5f53たり）" ## [72] "\u5bb6\u8a08_パソコン\u6240\u6709\u6570\u91cf（\u5343\u4e16\u5e2f\u5f53たり）" ## [73] "\u5bb6\u8a08_\u81ea\u52d5\u8eca\u6240\u6709\u6570\u91cf（\u5343\u4e16\u5e2f\u5f53たり）" ## [74] "\u5bb6\u8a08_タブレット\u7aef\u672b\u6240\u6709\u6570\u91cf（\u5343\u4e16\u5e2f\u5f53たり）" ## [75] "\u4eba\u53e3・\u4e16\u5e2f_\u9ad8\u9f62\u5358\u8eab\u8005\u4e16\u5e2fの\u5272\u5408" ## [76] "スポーツ\u7dcf\u884c\u52d5\u7387" ## [77] "スポーツ\u7dcf\u884c\u52d5\u7387-\u5668\u5177を\u4f7fったトレーニング" ## [78] "スポーツ\u884c\u52d5\u7387−ウォーキング" ## [79] "\u65c5\u884c・\u884c\u697d−\u65c5\u884c・\u884c\u697d・\u89b3\u5149\u7dcf\u884c\u52d5\u7387" ## [80] "\u65c5\u884c・\u884c\u697d−\u65c5\u884c\u7387" ## [81] "\u65c5\u884c・\u884c\u697d−\u884c\u697d\u7387" ## [82] "\u65c5\u884c・\u884c\u697d−\u89b3\u5149\u7387" ## [83] "ボランティア\u7dcf\u884c\u52d5\u7387−\u7dcf\u6570" ## [84] "ボランティア\u7dcf\u884c\u52d5\u7387−まちづくり\u6d3b\u52d5" ## [85] "ボランティア\u7dcf\u884c\u52d5\u7387−\u56fd\u969b\u5354\u529b\u6d3b\u52d5" ## [86] "ボランティア\u7dcf\u884c\u52d5\u7387−\u5065\u5eb7や\u533b\u7642サービスに\u95a2\u4fc2した\u6d3b\u52d5" ## [87] "ボランティア\u7dcf\u884c\u52d5\u7387−\u9ad8\u9f62\u8005を\u5bfe\u8c61とした\u6d3b\u52d5" ## [88] "ボランティア\u7dcf\u884c\u52d5\u7387−\u969c\u5bb3\u8005を\u5bfe\u8c61とした\u6d3b\u52d5" ## [89] "ボランティア\u7dcf\u884c\u52d5\u7387−\u5b50\u4f9bを\u5bfe\u8c61とした\u6d3b\u52d5" ## [90] "\u8da3\u5473・\u5a2f\u697d−\u8da3\u5473\u5a2f\u697d\u7dcf\u884c\u52d5\u7387" ## [91] "\u8da3\u5473・\u5a2f\u697d−\u5712\u82b8・\u5eadいじり・ガーデニング" ## [92] "\u8da3\u5473・\u5a2f\u697d−スポーツ\u89b3\u89a7" ## [93] "\u8da3\u5473・\u5a2f\u697d−\u8aad\u66f8" ## [94] "\u81ea\u5df1\u5553\u767a・\u8a13\u7df4−\u5b66\u7fd2・\u81ea\u5df1\u5553\u767a・\u8a13\u7df4\u7387" ## [95] "\u81ea\u5df1\u5553\u767a・\u8a13\u7df4−\u82b8\u8853・\u6587\u5316" ## [96] "\u81ea\u5df1\u5553\u767a・\u8a13\u7df4−\u82f1\u8a9e" ## [97] "\u81ea\u5df1\u5553\u767a・\u8a13\u7df4−\u82f1\u8a9e\u4ee5\u5916の\u5916\u56fd\u8a9e" ## [98] "\u81ea\u5df1\u5553\u767a・\u8a13\u7df4−パソコンなどの\u60c5\u5831\u51e6\u7406" ## [99] "ボランティア\u6d3b\u52d5−\u5b89\u5168な\u751f\u6d3bのための\u6d3b\u52d5" ## [100] "ボランティア\u6d3b\u52d5−\u81ea\u7136や\u74b0\u5883の\u6d3b\u52d5" ## [101] "ボランティア\u6d3b\u52d5−\u707d\u5bb3\u6d3b\u52d5" ## [102] "\u9ad8\u8840\u5727\u75be\u60a3_\u5165\u96622017\u5e74" ## [103] "\u9ad8\u8840\u5727\u75be\u60a3_\u5916\u67652017\u5e74" ## [104] "\u7cd6\u5c3f\u75c5_\u5165\u96622017\u5e74" ## [105] "\u7cd6\u5c3f\u75c5_\u5916\u67652017\u5e74" ## [106] "\u8133\u8840\u7ba1\u75be\u60a3_\u5e74\u9f62\u8abf\u6574\u6b7b\u4ea1\u73872015" ## [107] "\u60aa\u6027\u65b0\u751f\u7269(\u80c3)_\u5e74\u9f62\u8abf\u6574\u6b7b\u4ea1\u73872015" ## [108] "\u60aa\u6027\u65b0\u751f\u7269(\u5927\u8178)_\u5e74\u9f62\u8abf\u6574\u6b7b\u4ea1\u73872015" ## [109] "\u60aa\u6027\u65b0\u751f\u7269(\u809d\u53caび\u809d\u5185\u80c6\u7ba1)_\u5e74\u9f62\u8abf\u6574\u6b7b\u4ea1\u73872015" ## [110] "\u60aa\u6027\u65b0\u751f\u7269(\u6c17\u7ba1、\u6c17\u7ba1\u652f\u53caび\u80ba)_\u5e74\u9f62\u8abf\u6574\u6b7b\u4ea1\u73872015" ## [111] "\u60aa\u6027\u65b0\u751f\u7269(\u4e73\u623f)_\u5e74\u9f62\u8abf\u6574\u6b7b\u4ea1\u73872015" ## [112] "\u60aa\u6027\u65b0\u751f\u7269(\u5b50\u5bae)_\u5e74\u9f62\u8abf\u6574\u6b7b\u4ea1\u73872015" ## [113] "\u5fc3\u75be\u60a3_\u5e74\u9f62\u8abf\u6574\u6b7b\u4ea1\u73872015" ## [114] "\u80ba\u708e_\u5e74\u9f62\u8abf\u6574\u6b7b\u4ea1\u73872015" ## [115] "\u6025\u6027\u5fc3\u7b4b\u6897\u585e_\u5e74\u9f62\u8abf\u6574\u6b7b\u4ea1\u73872015" ## [116] "\u8840\u5727を\u4e0bげる\u85acの\u4f7f\u7528_\u56de\u7b54・はい(40〜74\u6b73)2017" ## [117] "インシュリン\u6ce8\u5c04、\u8840\u7cd6を\u4e0bげる\u85acの\u4f7f\u7528_\u56de\u7b54・はい(40〜74\u6b73)2017" ## [118] "コレステロールを\u4e0bげる\u85acの\u4f7f\u7528_\u56de\u7b54・はい(40〜74\u6b73)2017" ## [119] "\u5c31\u5bdd\u524dの2\u6642\u9593\u4ee5\u5185に\u5915\u98df_\u56de\u7b54・はい(40〜74\u6b73)2017" ## [120] "\u65e5\u5e38\u751f\u6d3bにおいて\u6b69\u884c\u7b49の\u8eab\u4f53\u6d3b\u52d5(1\u65e51\u6642\u9593\u4ee5\u4e0a\u5b9f\u65bd)_\u56de\u7b54・はい(40〜74\u6b73)2017" ## [121] "\u8efdく\u6c57をかく\u904b\u52d5\u90312\u56de_\u56de\u7b54・はい(40〜74\u6b73)2017" ## [122] "\u55ab\u7159\u7387(\u8a08100\u672c\u4ee5\u4e0a,6ヵ\u6708\u4ee5\u4e0a&\u76f4\u8fd11ヵ\u6708)_\u56de\u7b54・はい(40〜74\u6b73)2017" ## [123] "20\u6b73に\u6bd4べて10kg\u4f53\u91cd\u5897\u52a0.\u56de\u7b54_はい(40〜74\u6b73)2017" ## [124] "\u6b69く\u901f\u5ea6が\u901fい(\u540c\u5e74\u9f62と\u6bd4\u8f03).\u56de\u7b54_はい(40〜74\u6b73)2017" ## [125] "\u98f2\u9152\u65e51\u65e5\u5f53たり2\u5408\u4ee5\u4e0a\u98f2む\u5272\u5408(\u983b\u5ea6)_\u56de\u7b54・はい(40〜74\u6b73)2017" ## [126] "\u6bce\u65e5\u9152を\u98f2む\u5272\u5408(\u983b\u5ea6)_\u56de\u7b54・はい(40〜74\u6b73)2017" ## [127] "\u7761\u7720\u4f11\u990aが\u5341\u5206とれている.\u56de\u7b54_はい(40〜74\u6b73)2017" ## [128] "\u671d\u98dfを\u629cくことが\u90313\u56deある.\u56de\u7b54_はい(40〜74\u6b73)2017" ## [129] "\u5915\u98df\u5f8cに\u9593\u98dfすることが\u90313\u56deある.\u56de\u7b54_はい(40〜74\u6b73)2017" ## [130] "\u8089\u985e_2020" ## [131] "\u9b5a\u4ecb\u985e_2020" ## [132] "\u725b\u4e73_2020" ## [133] "\u4e73\u88fd\u54c1_2020" ## [134] "\u5375_2020" ## [135] "\u5927\u8c46_2020" ## [136] "\u4e00\u5b9aのバリアフリー\u5316\u7387_2018" ## [137] "\u9ad8\u5ea6のバリアフリー\u5316\u7387_2018" ## [138] "バリアフリー_\u624bすりがある2018" ## [139] "バリアフリー_\u5eca\u4e0bなどが\u8ecaいすで\u901a\u884c\u53ef\u80fdな\u5e452018" ## [140] "バリアフリー_\u6bb5\u5deeのない\u5c4b\u51852018" ## [141] "\u7dcf\u5b9f\u52b4\u50cd\u6642\u9593_2019" ## [142] "\u73fe\u91d1\u7d66\u4e0e\u7dcf\u984d_2019" ## [143] "\u751f\u9bae\u8089(\u4e16\u5e2f\u6570\u6d88\u8cbb\u652f\u51fa)_2018" ## [144] "\u751f\u9bae\u8089(\u4e16\u5e2f\u6570\u6d88\u8cbb\u652f\u51fa)_2019" ## [145] "\u751f\u9bae\u8089(\u4e16\u5e2f\u6570\u6d88\u8cbb\u652f\u51fa)_2020" ## [146] "\u751f\u9bae\u8089\u5e73\u5747_\u4e16\u5e2f\u6570\u6d88\u8cbb\u652f\u51fa(2018〜2020）" ## [147] "\u83d3\u5b50\u985e(\u4e16\u5e2f\u6570\u6d88\u8cbb\u652f\u51fa)_2018" ## [148] "\u83d3\u5b50\u985e(\u4e16\u5e2f\u6570\u6d88\u8cbb\u652f\u51fa)_2019" ## [149] "\u83d3\u5b50\u985e(\u4e16\u5e2f\u6570\u6d88\u8cbb\u652f\u51fa)_2020" ## [150] "\u83d3\u5b50\u985e\u5e73\u5747_\u4e16\u5e2f\u6570\u6d88\u8cbb\u652f\u51fa(2018〜2020）" ## [151] "\u679c\u7269(\u4e16\u5e2f\u6570\u6d88\u8cbb\u652f\u51fa)_2018" ## [152] "\u679c\u7269(\u4e16\u5e2f\u6570\u6d88\u8cbb\u652f\u51fa)_2019" ## [153] "\u679c\u7269(\u4e16\u5e2f\u6570\u6d88\u8cbb\u652f\u51fa)_2020" ## [154] "\u679c\u7269\u5e73\u5747_\u4e16\u5e2f\u6570\u6d88\u8cbb\u652f\u51fa(2018〜2020）" ## [155] "\u5168\u56fd\u5b66\u529b・\u5b66\u7fd2\u72b6\u6cc1(\u516c\u7acb\u5b66\u6821\u6570)(\u4e2d\u5b66\u6821)_2019" ## [156] "\u5168\u56fd\u5b66\u529b・\u5b66\u7fd2\u72b6\u6cc1(\u516c\u7acb\u5b66\u6821\u6570)(\u5c0f\u5b66\u751f)_2019" ## [157] "う\u8755\u5916\u6765\u7dcf\u6570_2017" ## [158] "\u6b6f\u5468\u75be\u60a3(\u6b6f\u8089\u708e)\u5916\u6765\u7dcf\u6570_2017" ## [159] "\u9aa8の\u5bc6\u5ea6\u969c\u5bb3_2017" ## [160] "\u9aa8\u6298_2017" ## [161] "\u6b6fの\u88dcてつ_2017" ## [162] "アルツハイマー\u7b49(\u8133\u8840\u7ba1\u75be\u60a3)_2017" ## [163] "ジニ\u4fc2\u6570\u7dcf\u4e16\u5e2f_2014" ## [164] "\u53ce\u5165ジニ\u4fc2\u6570\u52e4\u52b4\u4e16\u5e2f_2014" ## [165] "\u91ce\u83dc\u6442\u53d6\u91cf_2016(20\u6b73\u4ee5\u4e0a\u5e73\u5747\u5024(g/\u65e5)" ## [166] "\u98df\u5869\u6442\u53d6\u91cf_2016(20\u6b73\u4ee5\u4e0a\u5e73\u5747\u5024(g/\u65e5)" ## [167] "BMI\u5e73\u5747\u5024_2016(\u7537\u602720〜69\u6b73)(\u5973\u602740〜69\u6b73)(\u5358\u4f4dKg/\u33a1)" ## [168] "\u6b69\u6570_2016(20\u6b73\u4ee5\u4e0a\u5e73\u5747\u5024(\u6b69/\u65e5)"
colnames(d)<-JpnEng$var_name_Eng
JpnEng %>% .[5:168, ]
## # A tibble: 164 x 3 ## id var_name_Jpn var_name_Eng ## <dbl> <chr> <chr> ## 1 5 pref.A pref.A ## 2 6 pref.J pref.J ## 3 7 人口 pop ## 4 8 受療率_入院_悪性新生物_2017… Treatment_rate_Hospitalization_Malignant_neo… ## 5 9 受療率_入院_心疾患_2017 Medical_treatment_rate_hospitalization_heart… ## 6 10 受療率_入院_脳血管疾患_2017… Treatment_rate_Hospitalization_Cerebrovascul… ## 7 11 受療率_外来_悪性新生物_2017… Treatment_rate_Outpatient_Malignant_neoplasm… ## 8 12 受療率_外来_心疾患_2017 Treatment_rate_outpatient_heart_dz_2017 ## 9 13 受療率_外来_脳血管疾患_2017… Treatment_rate_Outpatient_Cerebrovascular_dz… ## 10 14 病院数_2019 Num_of_hospitals_2019 ## # … with 154 more rows
男女区別のないデータ：d_common
d_common data
d_common<-d[, sapply(d[48,], is.na)] d_common<-d_common[1:47, ] d_common<-d %>% select(1:6) %>% .[1:47,] %>% bind_cols(d_common) d_common %>% DT::datatable()
d_common data
d_common%>% head()
## # A tibble: 6 x 104 ## key pref.id sex pref.E pref.A pref.J Treatment_rate_Ho… Medical_treatmen… ## <dbl> <dbl> <chr> <chr> <chr> <chr> <dbl> <dbl> ## 1 1 1 M Hokkai… Hkk 北海道 152 97 ## 2 2 2 M Aomori Amr 青森 128 43 ## 3 3 3 M Iwate Iwt 岩手 100 49 ## 4 4 4 M Miyagi Myg 宮城 75 41 ## 5 5 5 M Akita Akt 秋田 136 49 ## 6 6 6 M Yamaga… Ymgt 山形 112 51 ## # … with 96 more variables: ## # Treatment_rate_Hospitalization_Cerebrovascular_dz_2017 <dbl>, ## # Treatment_rate_Outpatient_Malignant_neoplasm_2017 <dbl>, ## # Treatment_rate_outpatient_heart_dz_2017 <dbl>, ## # Treatment_rate_Outpatient_Cerebrovascular_dz_2017 <dbl>, ## # Num_of_hospitals_2019 <dbl>, Num_of_clinics_2019 <dbl>, ## # Num_of_certified_cancer_doctors_2020 <dbl>, ## # Num_of_cardiologists_2020 <dbl>, Num_of_endoscopists_2020 <dbl>, ## # Book_purchase_price_2019 <dbl>, pop_Young_pop_Ratio_2020 <dbl>, ## # pop_oldElderly_pop_Ratio_2020 <dbl>, pop_Working_Age_pop_Ratio_2020 <dbl>, ## # pop_Rough_Mortality_2020 <dbl>, ## # pop_Double_income_household_ratio_2020 <dbl>, ## # Natural_environment_annual_avg_temperature <dbl>, ## # Natural_environment_annual_avg_relative_humidity <dbl>, ## # Natural_environment_annual_rain <dbl>, ## # Natural_environment_annual_Num_of_snow_days <dbl>, ## # Economic_pref_income <dbl>, Admin_base_Financial_strength_index <dbl>, ## # Admin_base_balance_ratio <dbl>, ## # Admin_infrastructure_living_protection_cost_ratio_(prefectural_finance) <dbl>, ## # Admin_infrastructure_Edu_cost_ratio_(prefectural_finance) <dbl>, ## # Edu_Ptc_of_university_graduate_students_with_a_final_academic_background <dbl>, ## # Labor_primary_industry_emp_ratio <dbl>, ## # Labor_secondary_industry_emp_ratio <dbl>, ## # Labor_tertiary_industry_emp_ratio <dbl>, Labor_Unemp_rate <dbl>, ## # Num_of_libraries <dbl>, Num_of_general_clinics <dbl>, ## # Sports_Participant_Rate <dbl>, Travel_Rate <dbl>, ## # Residence_owner_ratio <dbl>, Residence_house_ratio <dbl>, ## # Residence_water_supply_pop_ratio <dbl>, Residence_sewerage_ratio <dbl>, ## # Volunteer_Activity_Participant_Rate <dbl>, ## # Residential_city_park_area_(per_pop) <dbl>, ## # Residence_Num_of_city_parks <dbl>, HM_Num_of_general_hospitals <dbl>, ## # Residence_road_pavement_rate <dbl>, Residence_simachi_pavement_rate <dbl>, ## # HM_Num_of_general_dental_clinics_per_100k_pop <dbl>, ## # HM_Num_of_doctors_engaged_in_medical_facilities_per_100k_pop <dbl>, ## # HM_Num_of_public_health_nurses_per_100k_pop <dbl>, ## # Safety_Num_of_traffic_accidents_per_100k_pop <dbl>, ## # Household_actual_income <dbl>, Household_consumption_expenditure <dbl>, ## # Household_Edu_cost_ratio <dbl>, ## # Household_Liberal_Arts_and_Entertainment_Expenditure_Ratio <dbl>, ## # Household_Savings <dbl>, Household_Smartphone_ownership_quantity <dbl>, ## # Household_PC_ownership_quantity <dbl>, ## # Household_Car_ownership_quantity <dbl>, ## # Household_Tablet_terminal_Ownership_quantity <dbl>, ## # pop_Household_Ratio_of_elderly_single_person_households <dbl>, ## # Hypertension_Hospitalization_2014 <dbl>, ## # Hypertension_Outpatient_2014 <dbl>, Diabetes_hospitalization_2014 <dbl>, ## # Diabetes_Outpatient_2014 <dbl>, Meat_2014 <dbl>, Seafood_2014 <dbl>, ## # Milk_2014 <dbl>, Dairy_2014 <dbl>, Egg_2014 <dbl>, Soybean_2014 <dbl>, ## # Usual_barrier_free_handrails_2013 <dbl>, ## # Usual_barrier_free_no_steps_2013 <dbl>, ## # High_barrier_free_handrails_2013 <dbl>, ## # High_barrier_free_no_steps_2013 <dbl>, ## # High_barrier_free_wheelchairs_pass_Width <dbl>, ## # Total_working_hours_2016 <dbl>, Total_salary_2016 <dbl>, ## # Fish_meat_consumption_2014 <dbl>, Fish_meat_consumption_2015 <dbl>, ## # Fish_meat_consumption_2016 <dbl>, ## # Fish_meat_consumption_avg_2014_2016 <dbl>, ## # Confectionery_consumption_2014 <dbl>, Confectionery_consumption_2015 <dbl>, ## # Confectionery_consumption_2016 <dbl>, ## # Confectionery_consumption_avg_2014_2016 <dbl>, ## # Fruits_consumption_2014 <dbl>, Fruits_consumption_2015 <dbl>, ## # Fruits_consumption_2016 <dbl>, Fruit_consumption_avg_2014_2016 <dbl>, ## # Academic_ability_middle_school_2015 <dbl>, ## # Academic_ability_elementary_school_2015 <dbl>, ## # Total_Num_of_caries_2014 <dbl>, Total_Num_of_periodontal_2014 <dbl>, ## # Bone_density_disorder_2014 <dbl>, Fracture_2014 <dbl>, ## # Tooth_supplement_2014 <dbl>, Alzheimer_dz_2014 <dbl>, ## # Gini_coeff_2014 <dbl>, Income_Gini_Coeff_Working_Household_2014 <dbl>
d_common data 変数名(小分類)
健康/疾患
- Trt_rate_Hospitalization_Malignant_neoplasm_2017
- Trt_rate_hospitalization_heart_dz_2017
- Trt_rate_Hospitalization_Cerebrovascular_dz_2017
- Trt_rate_Outpatient_Malignant_neoplasm_2017
- Trt_rate_outpatient_heart_dz_2017
- Trt_rate_Outpatient_Cerebrovascular_dz_2017
医療施設
- Num_of_hospitals_2019
- Num_of_clinics_2019
- Num_of_general_clinics
- HM_Num_of_general_hospitals
- HM_Num_of_general_dental_clinics_per_100k_pop
- HM_Num_of_doctors_engaged_in_medical_facilities_per_100k_pop
- HM_Num_of_public_health_nurses_per_100k_pop
医療従事者
- Num_of_certified_cancer_doctors_2020
- Num_of_cardiologists_2020
- Num_of_endoscopists_2020
文化
- Book_purchase_price_2019
- Num_of_libraries
- Sports_Participant_Rate
- Travel_Rate1
- Volunteer_Activity_Participant_Rate
人口
- pop_Young_pop_Ratio_2020
- pop_oldElderly_pop_Ratio_2020
- pop_Working_Age_pop_Ratio_2020
- pop_Rough_Mortality_2020
- pop_Double_income_household_ratio_2020
自然環境
- Natural_environment_annual_avg_temperature
- Natural_environment_annual_avg_relative_humidity
- Natural_environment_annual_rain
- Natural_environment_annual_Num_of_snow_days
経済
- Economic_pref_income
- Admin_base_Financial_strength_index
- Admin_base_balance_ratio
- Admin_infrastructure_living_protection_cost_ratio_(prefectural_finance)
- Admin_infrastructure_Edu_cost_ratio_(prefectural_finance)
- Gini_coeff_2014
- Income_Gini_Coeff_Working_Household_2014
教育
- Edu_Ptc_of_university_graduate_students_with_a_final_academic_background
- Academic_ability_middle_school_2015
- Academic_ability_elementary_school_2015
労働
- Labor_primary_industry_emp_ratio
- Labor_secondary_industry_emp_ratio
- Labor_tertiary_industry_emp_ratio
- Labor_Unemp_rate
- Total_working_hours_2016
- Total_salary_2016
住居
- Residence_owner_ratio
- Residence_house_ratio
- Residence_water_supply_pop_ratio
- Residence_sewerage_ratio
- Residential_city_park_area_(per_pop)
- Residence_road_pavement_rate
- Residence_simachi_pavement_rate
- Safety_Num_of_traffic_accidents_per_100k_pop
- Residence_Num_of_city_parks
家計経済
- Household_actual_income
- Household_consumption_expenditure
- Household_Edu_cost_ratio
- Household_Liberal_Arts_and_Entertainment_Expenditure_Ratio
- Household_Savings
- Household_Smartphone_ownership_quantity
- Household_PC_ownership_quantity
- Household_Car_ownership_quantity
- Household_Tablet_terminal_Ownership_quantity
- pop_Household_Ratio_of_elderly_single_person_households
疾患
- Hypertension_Hospitalization_2014
- Hypertension_Outpatient_2014
- Diabetes_hospitalization_2014
- Diabetes_Outpatient_2014
- Total_Num_of_caries_2014
- Total_Num_of_periodontal_2014
- Bone_density_disorder_2014
- Fracture_2014
- Tooth_supplement_2014
- Alzheimer_dz_2014
食
- Meat_2014
- Seafood_2014
- Milk_2014
- Dairy_2014
- Egg_2014
- Soybean_2014
住居施設
- Usual_barrier_free_handrails_2013
- Usual_barrier_free_no_steps_2013
- High_barrier_free_handrails_2013
- High_barrier_free_no_steps_2013
- High_barrier_free_wheelchairs_pass_Width
食消費
- Fish_meat_consumption_2014
- Fish_meat_consumption_2015
- Fish_meat_consumption_2016
- Fish_meat_consumption_avg_2014_2016
- Confectionery_consumption_2014
- Confectionery_consumption_2015
- Confectionery_consumption_2016
- Confectionery_consumption_avg_2014_2016
- Fruits_consumption_2014
- Fruits_consumption_2015
- Fruits_consumption_2016
- Fruit_consumption_avg_2014_2016
男女区別のあるデータ d_mf,d_m,d_f
男女区別のあるデータ前処理
name <- function(x) {
!is.na(x)
}
d_mf<-d[, sapply(d[48,], name)]
d_mf %>% DT::datatable()
d_m<-d_mf %>% filter(sex=="M") d_f<-d_mf %>% filter(sex=="F")
男性データd_m
d_m %>% head()
## # A tibble: 6 x 70 ## key pref.id sex pref.E pref.A pref.J pop Mortality_Malignant_N… LE_2015 ## <dbl> <dbl> <chr> <chr> <chr> <chr> <dbl> <dbl> <dbl> ## 1 1 1 M Hokkai… Hkk 北海道 249 99.8 80.3 ## 2 2 2 M Aomori Amr 青森 59 118. 78.7 ## 3 3 3 M Iwate Iwt 岩手 60 96.5 79.9 ## 4 4 4 M Miyagi Myg 宮城 113 85.1 81.0 ## 5 5 5 M Akita Akt 秋田 46 102. 79.5 ## 6 6 6 M Yamaga… Ymgt 山形 53 87 80.5 ## # … with 61 more variables: HLE_2016 <dbl>, ## # Under_75_Adjusted_Mortality_Evil_Neoplasms_2019 <dbl>, ## # mortality_heart_dz_2015 <dbl>, mortality_cerebrovascular_dz_2015 <dbl>, ## # pop_over_60_2015 <dbl>, Learn_rate_2016 <dbl>, Read_rate_2016 <dbl>, ## # Sports_Activity_rate <dbl>, ## # Sports_Activity_Rate_Training_with_Equipment <dbl>, ## # Sports_Activity_rate_walking <dbl>, ## # Travel_Traveling_Tourism_Activity_Rate <dbl>, Travel_Rate <dbl>, ## # Traveling_rate <dbl>, Tourism_Rate <dbl>, ## # Volunteer_Activity_Rate_total <dbl>, Volunteer_town_development <dbl>, ## # Volunteer_International_Cooperation <dbl>, ## # Volunteer_health_and_medical <dbl>, Volunteer_for_the_Elderly <dbl>, ## # Volunteer_for_Persons_with_Disabilities <dbl>, ## # Volunteer_for_Children <dbl>, Hobbies_Total <dbl>, Hobbies_Gardening <dbl>, ## # Hobbies_Sports_View <dbl>, Hobbies_Read <dbl>, Self_development_rate <dbl>, ## # Self_development_art_culture <dbl>, Self_development_Eng <dbl>, ## # Self_development_languages_other_than_English <dbl>, ## # Self_development_PC_etc <dbl>, Volunteer_for_Life_Safe <dbl>, ## # Volunteer_environmental_activities <dbl>, ## # Volunteer_disaster_activities <dbl>, Cerebrovascular_mortality_2015 <dbl>, ## # Malignant_neoplasm_(stomach)_mortality_rate_2015 <dbl>, ## # Malignant_neoplasm_(intestine)_mortality_rate_2015 <dbl>, ## # Malignant_neoplasm_(liver)_mortality_rate_2015 <dbl>, ## # Malignant_neoplasm_(lungs)_mortality_2015 <dbl>, ## # Malignant_neoplasm_(breast)_mortality_rate_2015 <dbl>, ## # Malignant_neoplasm_(uterus)_mortality_rate_2015 <dbl>, ## # Heart_dz_mortality_2015 <dbl>, Pneumonia_mortality_2015 <dbl>, ## # Acute_myocardial_infarction_mortality_2015 <dbl>, ## # Use_blood_pressure_binary_2014 <dbl>, Use_Insulin_binary_2014 <dbl>, ## # Use_Cholesterol_binary_2014 <dbl>, ## # Eat_within_2_hours_before_sleep_binary_2014 <dbl>, ## # Physical_activity_walking_binary_2014 <dbl>, ## # Sweat_exercise_twice_a_week_binary_2014 <dbl>, ## # Smoking_over_100_binary_2014 <dbl>, ## # Gain_10kg_Wt_compared_to_20yr_binary_2014 <dbl>, ## # Fast_Walking_compared_to_the_same_age_binary_2014 <dbl>, ## # Drinking_2_or_more_per_day_binary_2014 <dbl>, ## # Drinking_everyday_binary_2014 <dbl>, Enough_sleep_binary_2014 <dbl>, ## # Skip_breakfast_three_times_a_week_binary_2014 <dbl>, ## # Snacks_three_times_a_week_after_dinner_binary_2014 <dbl>, ## # Vegetable_intake_2012 <dbl>, Salt_intake_2012 <dbl>, BMI_2012 <dbl>, ## # Num_Steps_2012_per_day <dbl>
女性データd_f
d_f %>% head()
## # A tibble: 6 x 70 ## key pref.id sex pref.E pref.A pref.J pop Mortality_Malignant_N… LE_2015 ## <dbl> <dbl> <chr> <chr> <chr> <chr> <dbl> <dbl> <dbl> ## 1 48 1 F Hokkai… Hkk 北海道 280 66.1 86.8 ## 2 49 2 F Aomori Amr 青森 67 66.9 85.9 ## 3 50 3 F Iwate Iwt 岩手 64 60.8 86.4 ## 4 51 4 F Miyagi Myg 宮城 118 57.4 87.2 ## 5 52 5 F Akita Akt 秋田 52 60.5 86.4 ## 6 53 6 F Yamaga… Ymgt 山形 57 54.3 87.0 ## # … with 61 more variables: HLE_2016 <dbl>, ## # Under_75_Adjusted_Mortality_Evil_Neoplasms_2019 <dbl>, ## # mortality_heart_dz_2015 <dbl>, mortality_cerebrovascular_dz_2015 <dbl>, ## # pop_over_60_2015 <dbl>, Learn_rate_2016 <dbl>, Read_rate_2016 <dbl>, ## # Sports_Activity_rate <dbl>, ## # Sports_Activity_Rate_Training_with_Equipment <dbl>, ## # Sports_Activity_rate_walking <dbl>, ## # Travel_Traveling_Tourism_Activity_Rate <dbl>, Travel_Rate <dbl>, ## # Traveling_rate <dbl>, Tourism_Rate <dbl>, ## # Volunteer_Activity_Rate_total <dbl>, Volunteer_town_development <dbl>, ## # Volunteer_International_Cooperation <dbl>, ## # Volunteer_health_and_medical <dbl>, Volunteer_for_the_Elderly <dbl>, ## # Volunteer_for_Persons_with_Disabilities <dbl>, ## # Volunteer_for_Children <dbl>, Hobbies_Total <dbl>, Hobbies_Gardening <dbl>, ## # Hobbies_Sports_View <dbl>, Hobbies_Read <dbl>, Self_development_rate <dbl>, ## # Self_development_art_culture <dbl>, Self_development_Eng <dbl>, ## # Self_development_languages_other_than_English <dbl>, ## # Self_development_PC_etc <dbl>, Volunteer_for_Life_Safe <dbl>, ## # Volunteer_environmental_activities <dbl>, ## # Volunteer_disaster_activities <dbl>, Cerebrovascular_mortality_2015 <dbl>, ## # Malignant_neoplasm_(stomach)_mortality_rate_2015 <dbl>, ## # Malignant_neoplasm_(intestine)_mortality_rate_2015 <dbl>, ## # Malignant_neoplasm_(liver)_mortality_rate_2015 <dbl>, ## # Malignant_neoplasm_(lungs)_mortality_2015 <dbl>, ## # Malignant_neoplasm_(breast)_mortality_rate_2015 <dbl>, ## # Malignant_neoplasm_(uterus)_mortality_rate_2015 <dbl>, ## # Heart_dz_mortality_2015 <dbl>, Pneumonia_mortality_2015 <dbl>, ## # Acute_myocardial_infarction_mortality_2015 <dbl>, ## # Use_blood_pressure_binary_2014 <dbl>, Use_Insulin_binary_2014 <dbl>, ## # Use_Cholesterol_binary_2014 <dbl>, ## # Eat_within_2_hours_before_sleep_binary_2014 <dbl>, ## # Physical_activity_walking_binary_2014 <dbl>, ## # Sweat_exercise_twice_a_week_binary_2014 <dbl>, ## # Smoking_over_100_binary_2014 <dbl>, ## # Gain_10kg_Wt_compared_to_20yr_binary_2014 <dbl>, ## # Fast_Walking_compared_to_the_same_age_binary_2014 <dbl>, ## # Drinking_2_or_more_per_day_binary_2014 <dbl>, ## # Drinking_everyday_binary_2014 <dbl>, Enough_sleep_binary_2014 <dbl>, ## # Skip_breakfast_three_times_a_week_binary_2014 <dbl>, ## # Snacks_three_times_a_week_after_dinner_binary_2014 <dbl>, ## # Vegetable_intake_2012 <dbl>, Salt_intake_2012 <dbl>, BMI_2012 <dbl>, ## # Num_Steps_2012_per_day <dbl>
寿命(目的変数)の都道府県の順位確認
男性の平均寿命と健康寿命の差
女性の平均寿命と健康寿命の差
男性の平均寿命
男性の健康寿命
d_m %>% select(HLE_2016) %>% bind_cols(Wakayama::pref["pref.J"]) %>% dplyr::arrange(HLE_2016) %>% mutate(rank=row_number()) %>%DT::datatable()
女性の平均寿命
d_f %>% select(LE_2015) %>% bind_cols(Wakayama::pref["pref.J"]) %>% dplyr::arrange(LE_2015) %>% mutate(rank=row_number()) %>%DT::datatable()
女性の健康寿命
d_f %>% select(HLE_2016) %>% bind_cols(Wakayama::pref["pref.J"]) %>% dplyr::arrange(HLE_2016) %>% mutate(rank=row_number()) %>%DT::datatable()
d_common dataの説明変数の順位確認及び正規性検定
d_common dataの和歌山県の順位確認
d_common %>% dplyr::select_if(is.numeric) %>% sapply(rank) %>% tbl_df() %>% mutate(key=row_number()) %>% dplyr::filter(key==30) %>% t() %>% as.data.frame() %>% DT::datatable()
## Warning: `tbl_df()` was deprecated in dplyr 1.0.0. ## Please use `tibble::as_tibble()` instead.
d_common dataの連続データ分布確認1
d_common dataの連続データ分布確認2
6.4 d_common dataの連続データの正規性検定
- shapiro 検定
d_common data連続データの正規性を満たさない変数
- 変数変換を必要とする変数：47個の変数
令和2年度の分析のまとめ
- データの収集
- 寿命データに関する和歌山県の位置を確認
- 収集データの確認作業
- 男性の平均寿命は低い順で4位
- 女性の平均寿命は低い順で7位
- 男性の健康寿命は低い順で4位
- 女性の健康寿命は低い順で10位
- 幾つかの変数について追加で前処理が必要であることを確認
- 収集したデータ項目の中では正規性を満たさない変数 -受療率 入院 心疾患 2017, -受療率 入院 脳血管疾患2017
- 47項目以上
- 収集したデータ項目の中では正規性を満たさない変数 -受療率 入院 心疾患 2017, -受療率 入院 脳血管疾患2017
令和3年度の研究の計画
- 変数変換が必要とする変数の探索
- データの次元を縮約し,寿命との関連を分析