Co-evolution of human and technology
都道府県別の熱中症搬送人員数の予測と実際をEXCELの組み合わせグラフで描くでは独立変数として日最高気温，日平均水蒸気圧，65歳以上人口，人口密度を投入し都道府県別の熱中症搬送人員数を予測した．以前の記事ではe-Statからの社会疫学的指標を加えて熱中症搬送人員数を分析した．社会疫学的指標としては日最高気温，日平均水蒸気圧，都道府県人口に加えて過去30日間の平均気温，エアコン保有台数，年間収入のジニ係数，光熱・水道費，実収入，第1次産業就業者比率，第2次産業就業者比率，都市公園数，都市緑化割合，自然公園割合，自然公園数，生活保護被保護人員である．
今回は社会疫学的指標を独立変数として加えた熱中症搬送人員数の予測と実際を示す．
以前の記事では都道府県人口の対数をオフセット項として一般化線形回帰分析を行った．実際のところ，年代別の搬送人員としては65歳以上の高齢者が圧倒的に多い．そのため，東京など労働人口の多いところでは予測性能が悪化する可能性がある．今回はオフセット項の都道府県人口を3区分に分け，65歳以上人口の対数をオフセット項として採用してみたところ予測性能が改善したと思われたので記事とした．
色の知覚(1)太陽光では，新エネルギー・産業技術総合開発機構の日射データが巨大すぎてインポートできなかった．データをある程度絞り込むことで何とかならないか，試行錯誤した結果を報告する．
色彩に関してはこれまで先人の膨大な研究の積み重ねがある．その一端を紹介し，色の物理的性質から生理的反応への橋渡しについて考察する．
今回は太陽光について調べた．データベースは主に National Renewable Energy Laboratory から取った．日本国内にも太陽光についてのデータベースは気象庁や新エネルギー・産業技術総合開発機構がデータを公開している．