今日和。
自宅で Jupyter Notebook (Python + R + Julia) + SQLite の環境を整えました。
そこで、前回の分析をさらに簡便に、全体から要素を選んで実施できるようにしました。実際には R で自己/相互相関関数に掛けてみましたが、どうにも分かりにくいのです。個人的に理由は判然としています。『時間発展(dynamics)』の概念がないからです。
そこで馬鈴薯先生のお手伝いでつくった自家製ツールと連携させてみました。
時間発展をともなう『相関解析システム』です。
この『相関解析システム』はそもそも音(e.g. 音楽や音響)を分析するために開発された『音の顕微鏡』なのですが、ふたつの異なる動的な信号列のあいだで自己もしくは相互相関関数がどのように推移しているか、について定量的に解析することができます。
どうも、この、ズレ時間の増加に従って変化するグラフの形状から察するに、やはり後半(1990 年頃)から、両者の相関度合いが顕著になっているように見えます。中央の尾根の色が深紅の高さ(相関値 ≒ 1.0)にまで達しているからです。此処から、わたしは労働生産性と生産年齢人口は 1990 年頃から強く相関している、と推測しています。
今回の試行錯誤で、全体の処理(必要な要素をピック・アップしての組合せ総当たり戦)のバッチ・スクリプト化の目途が立ちました。他の手法でもなにができそうなのかを含めて、さらに試行錯誤を深めていきます。
自宅で Jupyter Notebook (Python + R + Julia) + SQLite の環境を整えました。
そこで、前回の分析をさらに簡便に、全体から要素を選んで実施できるようにしました。実際には R で自己/相互相関関数に掛けてみましたが、どうにも分かりにくいのです。個人的に理由は判然としています。『時間発展(dynamics)』の概念がないからです。
そこで馬鈴薯先生のお手伝いでつくった自家製ツールと連携させてみました。
時間発展をともなう『相関解析システム』です。
グラデーションしているグラフが上段中から右方向へと順番に並んでいます(Figure 6. ⇒ 1.)。
これらが、労働生産性(SP.POP.1564.TO.ZS)と生産年齢人口(NY.GDP.PCAP.CD)の、時間発展をともなう相互相関関数による解析です。ただし、ズレ時間 tau(解析に使う周期の範囲)が「1 年、5 年、10 年、15 年、20 年、25 年」と左上から右下へと変化しています(赤丸参照)。この『相関解析システム』はそもそも音(e.g. 音楽や音響)を分析するために開発された『音の顕微鏡』なのですが、ふたつの異なる動的な信号列のあいだで自己もしくは相互相関関数がどのように推移しているか、について定量的に解析することができます。
どうも、この、ズレ時間の増加に従って変化するグラフの形状から察するに、やはり後半(1990 年頃)から、両者の相関度合いが顕著になっているように見えます。中央の尾根の色が深紅の高さ(相関値 ≒ 1.0)にまで達しているからです。此処から、わたしは労働生産性と生産年齢人口は 1990 年頃から強く相関している、と推測しています。
今回の試行錯誤で、全体の処理(必要な要素をピック・アップしての組合せ総当たり戦)のバッチ・スクリプト化の目途が立ちました。他の手法でもなにができそうなのかを含めて、さらに試行錯誤を深めていきます。
コメント
コメントを投稿