コンジョイント分析の方法論的検討

コンジョイント分析の方法論的検討
ソン
宋
ジェ
財
ヒョン
泫 // 善教将大
神戸大学法学研究科博士課程後期課程
関西学院大学法学部助教
2015 年 12 月 25 日 (金)

コンジョイント分析実践における考慮点ガイドラインまとめ付録
コンジョイント分析とは
コンジョイント分析
複数の属性による組み合わせで多様なバリエーションのプロ
フィールを回答者に提示し、選択・評価してもらう実験手法
コンジョイント分析の長所 (Hainmueller et al. 2014)
1 各要因を一次元的に解釈可能
2 複数の仮説検証が可能
3 複数の要因の相対的な大きさ (比較可能)
4 SDB の除去
5 政策デザインへの応用可能性
SONG Jaehyun & ZENKYO Masahiro Political Science Loves Conjoint 2 / 25

政治学におけるコンジョイント分析の意義
1 政策パッケージの分解
政治家・政党は政策を 1 つのパッケージとして提示
→「何を」重視したのかは選択肢だけでは不明
2 争点重視度のパラドックス (付録 1. 参照)
有権者は多くの争点に対して「重要である」と答える
→ 無分散に近いため、選択と関係がないと推定
↔ 「重要でない」と答える有権者が多い争点ほど有意
3 トレードオフ問題における sweet spot の推定
経済政策として「成長 ↔ 分配」
選挙管理における「効率性 ↔ 正確性」など

用語解説
タスク (Task) 1
⇥⇤⌅⇧⌃⌥⌥⌥ ⇥⇤⌅ ⌃
⌦⌥⌥⌥⌥↵ ⌥⌥⌥⌥⌥⌥✏
⇣⌘✓◆⌥⌥✓⇣⌥⌥⌥⌥⌥⌥ ⇣
⇣⌘ ⌥⌥⌥⌫ ⇠⌥⌥⌥⌥⌥⌥⇡ ⇠
⇢⌘ ⌧ ⌧ ⌥⌥⌥⌥⌥⌘ ⇡
⇥!⌥⌥⌥"#$%⌥⌥⌥⌥⌥&'()
Q1. ⇥⇤⌅⇧⌃⌥ ⌦↵?!
✏⇣⌘✓◆  ✏⇣⌘ ◆
*+
,-../012.34
56
,738394
:;&<⇥=
,>/?@934
タスク 3
⇥⇤⌅⇧⌃⌥⌥⌥ ⇥⇤⌅ ⌃
⌦⌥⌥⌥⌥↵ ⌥⌥⌥⌥⌥⌥✏
⇣⌘✓◆⌥⌥⌥✓⇣⌥⌥⌥⌥⌥⌥⌥⇣
⇣⌘ ⌥⌥⌥ ⌫⇠⌥⌥⌥⌥⌥⌥⇡↵ ⇠
⇢⌘ ⌥⌥⌥ ⌧ ⌥⌥⌥⌥⌥⌥⌥
⇥ ⌥⌥⌥⌥!⌥⌥⌥⌥⌥⌥⌥⌥"#
Q3. ⇥⇤⌅⇧⌃⌥ ⌦↵?!
✏⇣⌘✓◆  ✏⇣⌘ ◆
タスク 2
⇥⇤⌅⇧⌃⌥⌥⌥ ⇥⇤⌅ ⌃
⌦⌥⌥⌥⌥↵ ⌥⌥⌥⌥⌥⌥
✏⇣⌘✓⌥⌥◆⌘✏⌥⌥⌥⌥⌥⌥ ✏
✏⇣ ⌥⌥⌥⌫ ⇠⌥⌥⌥⌥⌥⌥⇡⇢ ⇠
⇣ ⌧⌧⌧⌧⌧⌧⌧⌧⌧ !⌥⌥⌥⌥⇣"#$
%⇥&⌥⌥⌥⌥'⌥⌥⌥⌥⌥⌥⌥⌥'
Q2. ⇥⇤⌅⇧⌃⌥ ⌦↵?!
✏⇣⌘✓◆  ✏⇣⌘ ◆
タスク 4
⇥⇤⌅⇧⌃⌥⌥⌥ ⇥⇤⌅ ⌃
⌦⌥⌥⌥⌥↵ ⌥⌥⌥⌥⌥⌥↵
✏⇣⌘⌥⌥⌥⇣ ⌥⌥⌥⌥⌥⌥⌥⇣
✏✓⌥⌥⌥◆ ⌥⌥⌥⌥⌥⌥ 
⌫✏✓⌥⌥⌥⌥⇠⇡⌥⌥⌥⌥⌥⇢ ⌧
⇥ ⌥⌥⌥ !"⌥⌥⌥⌥⌥⌥⌥#"
Q4. ⇥⇤⌅⇧⌃⌥ ⌦↵?!
✏⇣⌘✓◆  ✏⇣⌘ ◆

利用例 (Horiuchi et al. 2015)
2014 年衆院選選択実験
仮に、次のような公約を掲げた 2 つの政党が今回の総選挙で候補者を擁立していると想定してください。あなたは、ど
ちらの政党を支持しますか。もし、どちらを支持するかはっきりと言えない場合でも、どちらか一方、あえていえば支
持する方を選んでください。
政党 1 政党 2
雇用政策年功序列を撤廃して多様な働き方を認め、正規・
労働市場の流動化を促す非正規を問わず雇用を拡大
金融財政政策大胆な金融緩和と機動的な過度の金融緩和や円安、
財政出動によるデフレ脱却公共事業のバラマキをい是正
TPP TPP への参加反対参加して積極的な自由化を推進
議員定数削減議員定数削減を実現する選挙制度調査会の答申を尊重し、
よりよい選挙制度改革に取り組む
集団的自衛権閣議決定のみに基づく行使の閣議決定のみに基づく行使の
容認には反対容認には反対
成長戦略地方産業・中小企業の農業・医療など
活性化による成長実現岩盤規制を打破
憲法改正現行憲法条文のいかなる変更にも現行憲法の基本原理を維持した上で
反対。平和憲法を守る必要な条文を追加
消費税増税期限を決めずに延期 2017 年 4 月に 10%にし、
軽減税率を導入
原発再稼動安全基準に合格すれば責任ある逃避計画など
認める厳しい条件で容認
どちらを支持するか
政党 1 政党 2

Factorial Experiment との比較
Factorial Experiment とは
複数の水準で構成される次元より成る仮想プロファイル (Vignettes) を用いた推定を行う
ことで、SDB を除去した形で因果効果を推定する方法
実践例 (林 2010) – DV: 女性の地位評価
A さんが育った家庭では、父親が事業で成功して裕福になった。
彼女は結婚した後、賃貸住宅に住んでいる。
現在 A さんは専業主婦であり、家計を担っている夫の年収は平均的である。
知り合いに法律や医療の専門家たちがいて、生活上の相談に乗ってくれる。
Factorial vs. Conjoint Experiment
共通 SDB を除去する形で独立変数の効果を推定
異なるプロファイルを見せて比較
欠点順序効果 (特に初頭効果) を完全に除去できない
認知負荷がコンジョイントよりも高い

実践における考慮点
実践における考慮点
サンプルサイズ = 回答者数 × タスク数
選択肢の数
タスクの数
時間制限
Satisﬁcer 対策

データ概要
データの概要
調査主体善教将大、宋財泫
調査期間 2015 年 11 月 11 日 ∼11 月 14 日
対象者 Yahoo! クラウードソーシングに登録している者
N 2,154 名
コンジョイント実験 1(宋) – タスク数の実験 (付録 2)
2 回、3 回、4 回
属性: 7; 水準: 3, 2, 3, 4, 3, 3, 3
コンジョイント実験 2(善教) – 選択肢の実験 (付録 3)
2 件法 – 4 件法
属性: 9; 水準: 2, 4, 4, 3, 3, 3, 2, 2, 2

分析結果の紹介
本調査の結果 (宋)
-0.1 0.1 0.2 0.3 0.4 0.5
自民感情 > 民主感情
Change in Probability(%)
(N = 961)
8% (現状維持)
5% (引き下げ)
(Base: 10% (引き上げ))
給付額の引き下げ
給付開始年齢の引き上げ
(Base: 納付額の引き上げ)
高齢者医療費保証の拡充
失業手当の拡充
出産・育児手当の拡充
(Base: 全般的な社会保障の縮小)
退職年齢の引き上げ
転職市場の活性化
(Base: 新卒採用枠の拡大)
地元よりも国の利益
(Base: 国よりも地元の利益)
現状維持
2割減
(Base: 1割減)
自民党
(Base: 民主党)
消費税
年金対策
福祉政策
雇用政策
重視する利益
議員定数
所属政党
0.079
0.113
-0.018
-0.01
0.03
0.004
0.056
0.007
0.023
-0.011
-0.053
0.039
0.457
-0.2 -0.1 0.0 0.1 0.2 0.3
自民感情 < 民主感情
(N = 526)
8% (現状維持)
5% (引き下げ)
現状維持
2割減
(Base: 1割減)
自民党
(Base: 民主党)
消費税
年金対策
福祉政策
雇用政策
重視する利益
議員定数
所属政党
0.138
0.193
0.007
-0.021
0.058
0.076
0.106
0.039
0.078
-0.068
-0.053
0.049
-0.127
-0.1 0.0 0.1 0.2 0.3
自民感情 = 民主感情
(N = 501)
8% (現状維持)
5% (引き下げ)
現状維持
2割減
(Base: 1割減)
自民党
(Base: 民主党)
消費税
年金対策
福祉政策
雇用政策
重視する利益
議員定数
所属政党
0.174
0.222
-0.003
-0.018
0.041
0.024
0.121
0.048
0.108
-0.051
-0.051
0.058
0.183

分析結果の紹介
本調査の結果 (善教) ※
-0.3 -0.2 -0.1 0.0 0.1 0.2
維新支持者
(N = 1067)
市立大学と府立大学を統廃合
(Base: 市立大学と府立大学を両方維持)
市と府の体育館を統廃合
(Base: 市と府の体育館を両方維持)
市と府の中央図書館を統廃合
(Base: 市と府の中央図書館を両方維持)
府レベルで方向性を決定
市レベルで方向性を決定
(Base: 区レベルで方向性を決定)
周辺部を中心に開発
中心部を集中的に開発
(Base: 中心部と周辺部を同程度に開発)
府がまちづくりを推進
市がまちづくりを推進
(Base: 区がまちづくりを推進)
現状維持
2割削減
1割増員
(Base: 1割削減)
現状維持
2割削減
1割増員
(Base: 1割削減)
選挙で区長を公選
(Base: 市ないし府の職員から官選)
大学
体育館
図書館
福祉や教育行政
都市計画
まちづくりの主体
自治体職員数
議会の議員定数
区長の選ばれ方
0.045
0.04
0.023
-0.002
-0.016
-0.033
-0.049
-0.063
-0.044
-0.092
0.055
-0.141
-0.119
0.07
-0.198
0.144
-0.20 -0.15 -0.10 -0.05 0.00 0.05 0.10
維新非支持者
(N = 782)
市立大学と府立大学を統廃合
(Base: 市立大学と府立大学を両方維持)
市と府の体育館を統廃合
(Base: 市と府の体育館を両方維持)
市と府の中央図書館を統廃合
(Base: 市と府の中央図書館を両方維持)
府レベルで方向性を決定
市レベルで方向性を決定
(Base: 区レベルで方向性を決定)
周辺部を中心に開発
中心部を集中的に開発
(Base: 中心部と周辺部を同程度に開発)
府がまちづくりを推進
市がまちづくりを推進
(Base: 区がまちづくりを推進)
現状維持
2割削減
1割増員
(Base: 1割削減)
現状維持
2割削減
1割増員
(Base: 1割削減)
選挙で区長を公選
(Base: 市ないし府の職員から官選)
大学
体育館
図書館
福祉や教育行政
都市計画
自治体職員数
議会の議員定数
区長の選ばれ方
-0.071
-0.012
-0.059
-0.018
0.023
-0.049
-0.047
-0.015
0.017
-0.02
-0.022
-0.086
-0.054
0.061
-0.166
0.044

サンプルサイズ
コンジョイント分析では N が大事
コンジョイント分析は一般的なサーベイ実験より大きい N
が必要
1000 1200 1400 1600 1800 2000
-0.10.00.10.20.3
Coefficients
# of Respondents
EstimatedCoefficient
1000 1200 1400 1600 1800 2000
0.0100.0150.0200.0250.030
Standard Error
# of Respondents
StandardError

ガイドライン
それで...?
タスク数、水準の数、プロフィールの数で調整
ガイドライン
nta
c > 500 (Johnson and Orme 2003)
n: 回答者の数; t: タスクの数; a: プロフィールの数; c: 水準の数の最大値
関心のある属性の水準が500回以上出現 (Orme 2010)
(しかし、500 回という基準も最低限の基準)
各グループごとに 200∼300 ケース
⇔ 属性・水準が少ないマーケティングではできるが...
⇒ シミュレーションから必要サンプルサイズを推測

シミュレーション
属性・水準 9 個、水準の最大値は 4, 8
プロフィール 2 個
⇒ 既存のガイドラインによると概ね 1000/2000 以上必要
1000 2000 3000 4000 5000
0.00.20.40.60.81.0
Max(# of levels) = 4
Respondents Task
Prob.
500
750
1000 2000 3000 4000 5000
0.00.20.40.60.81.0
Max(# of levels) = 8
Respondents Task
Prob.
500
750
注：95%の確率で全ての属性が 500 回以上出現するサンプルサイズのシミュレーション。
選択肢間において同じ水準が出現した場合、カウントしない。

選択肢の数
推定結果の比較 (1)
尺度実験
候補者 1 — 候補者 2
候補者 1 — あえていえば候補者 1・2 — 候補者 2
モデル I: 2 件法; モデル II: 4 件法; モデル 3: 4 件 →2 件法
2 件法データセット
ID タスク候補者議員定数消費税選択
1 1 1 半減 10% 1
1 1 2 1 割減 8% 0
1 2 1 2 割減 8% 0
1 2 2 現状維持 5% 1
4 件法データセット
ID タスク候補者議員定数消費税選択
1 1 1 半減 10% 0.5
1 1 2 1 割減 8% 0
1 2 1 2 割減 8% 0
1 2 2 現状維持 5% 1

選択肢の数
推定結果の比較 (2)
2 件法 4 件法 4 件法 →2 件法
属性・水準 Coef.(SE) Coef.(SE) Coef.(SE)
属性 A
水準 1 0.109 (0.014)∗∗∗ 0.077 (0.009)∗∗∗ 0.107 (0.014)∗∗∗
水準 2 0.076 (0.014)∗∗∗ 0.046 (0.009)∗∗∗ 0.066 (0.014)∗∗∗
属性 B
水準 1 -0.031 (0.011)∗∗∗ -0.019 (0.007)∗∗∗ -0.028 (0.011)∗∗∗
属性 C
水準 1 0.018 (0.013)∗∗∗ 0.004 (0.009)∗∗∗ 0.006 (0.013)∗∗∗
水準 2 -0.031 (0.014)∗∗∗ -0.013 (0.009)∗∗∗ -0.026 (0.014)∗∗∗
属性 D
水準 1 0.021 (0.011)∗∗∗ -0.005 (0.008)∗∗∗ -0.002 (0.012)∗∗∗
属性 E
水準 1 0.067 (0.016)∗∗∗ 0.025 (0.010)∗∗∗ 0.040 (0.015)∗∗∗
水準 2 0.099 (0.016)∗∗∗ 0.049 (0.011)∗∗∗ 0.073 (0.015)∗∗∗
水準 3 -0.054 (0.015)∗∗∗ -0.043 (0.010)∗∗∗ -0.069 (0.015)∗∗∗
属性 F
水準 1 0.027 (0.014)∗∗∗ -0.001 (0.010)∗∗∗ 0.009 (0.014)∗∗∗
水準 2 0.025 (0.014)∗∗∗ -0.003 (0.009)∗∗∗ 0.014 (0.014)∗∗∗
属性 G
水準 1 0.022 (0.015)∗∗∗ 0.023 (0.010)∗∗∗ 0.048 (0.016)∗∗∗
水準 2 0.054 (0.016)∗∗∗ 0.036 (0.011)∗∗∗ 0.050 (0.016)∗∗∗
水準 3 -0.062 (0.016)∗∗∗ -0.031 (0.010)∗∗∗ -0.051 (0.015)∗∗∗
属性 H
水準 1 0.006 (0.013)∗∗∗ 0.003 (0.009)∗∗∗ 0.021 (0.014)∗∗∗
水準 2 0.038 (0.014)∗∗∗ 0.024 (0.010)∗∗∗ 0.037 (0.014)∗∗∗

選択肢の数
まとめ&ガイドライン
4 件法の方が 2 件法に比べて推定値・標準誤差が小
各水準の効果量 (AMCE) にはバラつきがあるが、方向性や統
計的有意性は概ね一致
4 件法 →2 件法 ̸= 2 件法
⇒ どっちが真の値かは当然であるが、不明
ガイドライン
選択実験なら選択肢の数 = プロフィールの数で十分
(はっきり言えない場合はあえて言えばの選択をしてもらう旨の文章をいれる。)
曖昧な選択肢を入れるより、5 件・7 件法の評定の方がマシ
(むしろ、よく使われている)

タスクの数
サンプルの脱落
善教実験 (2 件法) の Task2 から 4 までのサンプル脱落
Task1 までの回答者 1041 名
Task 脱落者 (人) 累積脱落者 (人) 脱落率 (%) 累積脱落率 (%) 残り (人)
2 3 3 0.29 0.29 1038
3 6 9 0.58 0.86 1032
4 7 16 0.68 1.53 1025
⇒ 後半のタスクほど脱落者は若干 ↑
全体的な脱落率は小 (1.53%)

タスクの数
タスク数と不確実性
善教実験 (2 件法) の Task1 から 4 の係数の標準誤差
前の実験 (宋) のタスク数を無視/考慮
0.0200.0250.0300.0350.040
宋実験のタスク数を無視た場合
Task
S.E
1 2 3 4
0.0200.0250.0300.0350.040
宋実験のタスク数を考慮した場合
Task
S.E
3 4 5 6 7 8
⇒ 後半ほど標準誤差が若干大きくなるが、度合いは小

タスクの数
まとめ&ガイドライン
まとめ
後半のタスクほどサンプルの脱落が見られるが少数 (約
1.5%)
標準誤差は若干大きくなるものの度合いは小さい
ガイドライン
極端的な数のタスク数の除き、タスク数は問題にならない。

時間制限
各タスクごとの回答時間
N Min. Max. Mean SD
宋: Task1 2099 0.0 276.0 35.8 25.0
宋: Task2 2094 0.0 163.7 20.6 15.5
宋: Task3 1394 0.0 194.9 17.1 16.4
宋: Task4 696 0.0 219.6 15.6 20.5
善教: Task1(2 件法) 1035 0.0 275.7 36.4 28.9
善教: Task2(2 件法) 1036 0.0 293.1 21.3 20.2
善教: Task3(2 件法) 1029 0.0 221.1 18.5 19.4
善教: Task4(2 件法) 1024 0.0 223.6 16.6 17.5
善教: Task1(4 件法) 1042 0.0 206.3 38.8 28.5
善教: Task2(4 件法) 1039 0.8 186.3 23.7 20.3
善教: Task3(4 件法) 1030 0.8 186.4 18.8 16.2
善教: Task3(4 件法) 1027 0.0 226.4 16.4 15.6
最後のクリック時間 (秒) を基準に 0 秒未満、300 秒超過は欠損扱い

時間制限
各タスクごとの回答時間 (続)
020406080100
タスクと回答時間(宋)
Task
Time(LastClick)
1 2 3 4
020406080100
タスクと回答時間(善教-2件法)
Task
Time(LastClick)
1 2 3 4
020406080100
Task
Time(LastClick)
1 2 3 4

時間制限
各タスクごとの回答時間 (続)
0.000.050.100.150.20
タスクと回答時間(宋)
タスク
53秒以下の割合
1 2 3 4
5秒
4秒
3秒
0.000.050.100.150.20
タスク
1 2 3 4
5秒
4秒
3秒
0.000.050.100.150.20
タスク
1 2 3 4
5秒
4秒
3秒

時間制限
回答時間と Satisficer
Satisficer 識別質問が埋め込まれた別のデータを利用
⇒ Last Click を基準に 5∼3 秒でカット
上記の基準を本データへ適用: 約 5%が脱落
ただし、satisficer を除去したことのメリットは確認できず
0 5 10 15 20 25 30
-0.10.00.10.20.3
Estimates
Cutpoint(sec.)
Estimates
Task1
Task2
0 5 10 15 20 25 30
0.000.010.020.030.040.05
Std. Err.
Cutpoint(sec.)
StandardError
Task1
Task2

時間制限
ガイドライン
後半のタスクほど回答時間が短くなる →「慣れ」
回答時間が短くなっても、タスク 4 は平均 15 秒かかる
→ 意外と真面目
考察
「慣れ」の存在: 場合によって Task1-2、あるいは Task3-4
のみを使うことも可能
(Task1,2: 慎重に判断したグループ, Task3, 4: 直感的に判断したグループ)
(分割による N が小さくなることには注意を)
時間制限: Task1 は 5 秒で良いかも知れないが、Task2 以降
からは短くしていくことでストレス軽減

まとめ
まとめ
サンプルサイズ: プロフィール、水準数、タスク数から影響
タスク数: 多くしても損はない。N 確保に容易
選択肢の数: 選択問題ならプロフィールの数だけで十分
時間制限: 慣れ; Task ごとに下限値を調整
課題
モバイル回答者への配慮: スマホでは読みにくい。
シミュレーションの精緻化
政策・公約の「パッケージング」による別の効果?

付録 1. 争点重視度のパラドックス
各争点に対する重視度 (JES IV 第 7 波) (%)
かなりややあまりほとんど
争点重要重要重要重要 N
財政再建・景気対策 30.50 53.40 14.33 1.78 1633
集団的自衛権 15.17 44.26 35.64 4.93 1602
福祉・負担 31.25 57.98 10.09 0.67 1635
地球温暖化 28.73 54.21 15.29 1.78 1629
国–地方関係 16.82 52.18 28.79 2.21 1629
憲法改正 18.34 47.37 31.87 2.41 1619
年金 56.03 38.40 4.78 0.80 1633
普天間基地 10.35 38.57 42.95 8.13 1623
格差 13.39 50.93 32.88 2.80 1606

付録 1. 争点重視度のパラドックス
各政党に対する感情温度を従属変数とした場合
-4 -2 0 2 4 6
LDP
Coefficients
財政・景気
自衛権
福祉・負担
温暖化
国-地方
憲法
年金
普天間
格差
-4 -2 0 2 4 6
DPJ
Coefficients
財政・景気
自衛権
福祉・負担
温暖化
国-地方
憲法
年金
普天間
格差
⇒ 8 割以上が重要だと認識する「財政・景気」、「福祉・負担」、「地球温暖化」、「年金」
が必ずしも選択に影響を与えるわけではない。

付録 2. コンジョイントのデザイン (宋)
属性・水準
議員定数現状維持, 1 割減, 2 割減
重視する利益国よりも地元の利益, 地元よりも国の利益
雇用政策転職市場の活性化, 新卒採用枠の拡大, 退職年齢の引き上げ
福祉政策全般的な社会保障の縮小, 出産・育児手当の拡充, 高齢者医療費
保証の拡充, 失業手当の拡充
年金対策給付開始年齢の引き上げ, 納付額の引き上げ, 給付額の引き下げ
消費税 8% (現状維持), 5% (引き下げ), 10% (引き上げ)
所属政党自民党, 民主党
選択肢
候補者 A, 候補者 B, 棄権する

付録 3. コンジョイントのデザイン (善教)
属性・水準
市区町村議会の定数現状維持, 現状から 1 割削減, 現状から 2 割削減, 現状から 3
割削減
自治体職員数現状維持, 現状から 1 割削減, 現状から 2 割削減, 現状から 3 割
削減
まちづくりの主体市区町村がまちづくりを推進, 都道府県がまちづくりを推進, 国
がまちづくりを推進
都市計画まちの中心部を集中的に開発, 中心部と周辺部を同程度開発, ま
ちの周辺部を集中的に開発
医療や福祉市町村単位でサービス供給, 都道府県レベルでサービス供給, 身
近な行政区を設置し、そこでサービス供給
教育政策市町村単位で教育内容を決定, 都道府県レベルで教育内容を決定,
身近な行政区を設置し、そこで教育内容を決定
図書館運営市区町村と都道府県の図書館を両方維持, 市区町村と都道府県の
どちらかに統廃合
公営住宅市区町村と都道府県の公営住宅を両方維持, 市区町村と都道府県
の公営住宅のどちらかに統廃合
選択肢
候補者 A, (あえていえば候補者 A・B), 候補者 B

付録 3. コンジョイント分析結果 (善教)
-0.10 -0.05 0.00 0.05 0.10 0.15 0.20
橋本感情 > 平均
(N = 620)
市区町村と都道府県の公営住宅を両方維持
(Base: 市区町村と都道府県の公営住宅のどちらかに統廃合)
都道府県レベルでサービス供給
身近な行政区を設置し、そこでサービス供給
(Base: 市町村単位でサービス供給)
現状維持
現状から3割削減
(Base: 現状から1割削減)
都道府県レベルで教育内容を決定
(Base: 市町村単位で教育内容を決定)
都道府県がまちづくりを推進
市区町村がまちづくりを推進
(Base: 国がまちづくりを推進)
現状維持
市区町村と都道府県の図書館を両方維持
(Base: 市区町村と都道府県のどちらかに統廃合)
中心部と周辺部を同程度開発
まちの周辺部を集中的に開発
(Base: まちの中心部を集中的に開発)
公営住宅
医療や福祉
自治体職員数
教育政策
市区町村議会の定数
図書館運営
都市計画
-0.029
-0.033
0.02
-0.052
0.07
0.035
0.02
0.028
0.075
0.084
-0.06
0.095
0.066
0.021
0.003
-0.012
-0.10 -0.05 0.00 0.05 0.10 0.15 0.20
橋本感情 < 平均
(N = 421)
市区町村と都道府県の公営住宅を両方維持
(Base: 市区町村と都道府県の公営住宅のどちらかに統廃合)
都道府県レベルでサービス供給
身近な行政区を設置し、そこでサービス供給
(Base: 市町村単位でサービス供給)
現状維持
都道府県レベルで教育内容を決定
(Base: 市町村単位で教育内容を決定)
都道府県がまちづくりを推進
市区町村がまちづくりを推進
(Base: 国がまちづくりを推進)
現状維持
市区町村と都道府県の図書館を両方維持
(Base: 市区町村と都道府県のどちらかに統廃合)
中心部と周辺部を同程度開発
まちの周辺部を集中的に開発
(Base: まちの中心部を集中的に開発)
公営住宅
医療や福祉
自治体職員数
教育政策
市区町村議会の定数
図書館運営
都市計画
-0.034
-0.03
0.015
-0.077
0.027
0.001
0.031
0.028
0.078
0.144
-0.042
0.105
0.068
0.02
0.089
0.03

コンジョイント分析の方法論的検討

コンジョイント分析の方法論的検討

Recommended

More Related Content

What's hot

What's hot(20)

Similar to コンジョイント分析の方法論的検討

Similar to コンジョイント分析の方法論的検討(20)

More from Jaehyun Song

More from Jaehyun Song(10)

コンジョイント分析の方法論的検討