📊 statistics

Modelling and Projecting Urban Population Growth in Somalia (1960–2050): A Comparative Analysis of Time Series Models

本研究は、1960年から2024年までの歴史的データを利用して6つの時系列モデルを比較し、ソマリアの都市人口を予測しており、TBATSおよびARIMAが堅牢な予測ツールであることを特定した上で、都市人口が2050年までに2,220万人に倍増以上となることを予測し、それによって積極的な都市計画の緊急性を強調している。

原著者： Eng.ahmed Abdirahmaan Ibrahim

公開日 2026-08-11

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Eng.ahmed Abdirahmaan Ibrahim

原論文は CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

適切な日記を一度もつけたことがない都市の天気を予測しようとしている場面を想像してみてください。そこでは雨が多く降り、時には洪水が起き、風向きも激しく変化しますが、なぜ、いつそのようなことが起きたのかという明確な記録はありません。これが、ソマリアのような場所における「人口予測」の課題です。これは、特定の地域に将来どれほどの人が住むことになるのかを推測しようとする科学の一分野です。これを行うために、科学者たちは「時系列モデル」という、いわば数学的な水晶玉のようなものを使用します。彼らは、過去の数字の長い列（例えば、毎年の人口数）を見て、その中にパターン、つまり「リズム」を見出し、その線が次にどこへ向かおうとしているのかを探ります。モデルには、点を結んで直線を描くような単純なものもあれば、突然の跳ね上がりや緩やかな上昇、奇妙なねじれを考慮して、データのビートに合わせて踊ることを学習するロボットのような複雑なものもあります。なぜこれが重要なのでしょうか？都市は未来のエンジンだからです。そこにどれだけの人が住むことになるのかを知らなければ、十分な数の学校、病院、あるいは水道管を建設することができません。予測を誤れば混沌を招き、予測が正しければ、より良い生活を築くチャンスが得られるのです。

では、データの世界において少しミステリアスな存在であった特定の国、ソマリアの物語にズームアップしてみましょう。エンジニアのアフメド・アブディラマン・イブラヒム氏は、「ソマリアの都市人口はどのくらいの速さで成長しており、2050年にはどこに到達しているのか？」という問いに取り組むことにしました。彼は単に勘で予測したわけではありません。彼は、1960年から2024年まで、都市人口を追跡した膨大な数字の歴史書を集めました。それは、都市人口がわずか508,138人だった時から始まり、10,382,351人へと爆発的に増加した現在に至るまでの、65年分のデータです。

問題は、このデータが滑らかで穏やかな丘ではなかったことです。それはジェットコースターのようでした。数値は「非定常」でした。これは、トレンドの変化があまりに速いため、単に直線を引き通すことができないという、専門的な言い方です。成長は加速していました。これを修正するために、研究者は「二次階差」と呼ばれる手法を用いて、数学的な「チューニング」を行う必要がありました。これを車の運転に例えてみましょう。もし、あなたが毎秒アクセルを強く踏み込んでいるとしたら、あなたの速度は上がっているだけでなく、その「加速度」自体も上がっています。数学は、その曲線を理解するために、この追加のスピードの層を考慮しなければなりませんでした。

データの準備が整うと、研究者はどの「予測ロボット」が最も上手く未来を予測できるかを見るために、6つの異なるロボットを投入しました。これらのロボットの名前は、ARIMA、ETS、BATS、TBATS、Theta、そしてARFIMAです。テストのために、研究者は最後の26年分（1999年から2024年まで）のデータを隠し、ロボットにその期間に何が起きたのかを推測させました。勝者は？ TBATSとBATSモデルでした。これらは最も正確で、平均誤差は約10.54%でした。ARIMAモデルは長期的な視点において僅差で2位に入り、エラー率は14.62%でした。ThetaやARFIMAのような他のモデルは苦戦し、大きな差（それぞれ40%以上、60%以上）で外してしまいました。これは、ソマリアの人口成長が、これらのより単純なツールでは扱うにはあまりに荒々しく複雑であることを示唆しています。

では、勝利したロボットは何を語っているのでしょうか？結果は驚くべきものです。この研究は、ソマリアが「メトロポリタン革命（都市化革命）」の真っ只中にあることを示唆しています。2030年までに、都市人口はおよそ1,310万人に達すると予測されています。しかし、本当の衝撃は長期的な視点にあります。2050年までに、都市人口は再び倍増し、約2,220万人に達すると予想されています。これは現在の数字から113.8%の増加です。

論文は、これは石に刻まれた保証された事実ではなく、利用可能な最高の数学的ツールに基づいた強力な投影であることを慎重に注記しています。データは、成長が減速しているのではなく、むしろ加速していることを示唆しています。これは、都市は最終的に平坦な高原のように成長が止まり、横ばいになるという古い理論に反するものです。代わりに、ソマリアのデータは、まだブレーキをかけていないロケットのような姿を見せています。研究者は、これは単に人々が仕事のために都市へ移動している（「プル（引き寄せ）」要因）からだけではなく、干ばつや土地の劣化といった農村部の厳しい状況（「プッシュ（押し出し）」要因）もあるためだと主張しています。

教訓は明白です。現在のトレンドが続くならば、ソマリアの都市は半世紀の終わりまでに、現在よりも2倍の人口を抱えることになります。論文は、もし適切な計画がなければ、この急速な拡大が過密状態や、コンクリートが熱を持つ「都市熱島現象（ヒートアイランド現象）」のような環境ストレスにつながる可能性があると指摘しています。しかし、もし指導者たちがこれらの数字を利用して、インフラやサービスを事前に計画することができれば、この大規模な成長は国の未来のための強力なエンジンとなり得るのです。数学は、列車が速いスピードで動いていると言っています。問題は、その線路が準備できているかどうかです。

技術要約：ソマリアにおける都市人口成長のモデリングと投影（1960–2050）

問題提起
ソマリアにおける都市化は、環境的圧力、移動、および構造的変化によって駆動される決定的な人口統計学的転換を象徴しているが、数十年にわたる内戦による歴史的なデータの断片化により、強固で長期的な予測が欠如している。世界の都市化の傾向は十分に文書化されている一方で、ソマリアの文脈は特有の課題を提示している。すなわち、初期の都市化と高い乳幼児死亡率が、逆説的に長期的な発展を阻害する「運命の逆転」である。20世紀半ば以来、所得、出生率、および死亡率に関する継続的な縦断的データが欠如していることが、正確な政策立案や資源配分を妨げてきた。本研究は、1960年から2024年までのソマリアの都市人口の歴史的軌跡をモデル化し、比較的な時系列モデルを用いて2050年までの成長を投影することで、このギャップに対処するものである。

方法論
本研究は、「Our World in Data」から取得した65件の年次観測値（1960–2024）を含む単変量時系列データを用い、構造化された比較分析フレームワークを採用している。手法は以下の段階を経て進行する：

データの前処理と診断： 生の都市人口シリーズ（ $Y_t$ ）に対し、拡張ディッキー・フラー（ADF）検定およびフィリップス・ペロン（PP）検定を用いて定常性をテストした。初期のシリーズは非定常（p値 = 0.99）であったため、定常性を達成するために2次の階差（ $d=2$ ）を必要とした。
モデルの特定： 以下の6つの異なる予測モデルを評価した：
- ARIMA（自己回帰和分移動平均）： 全シリーズに対してはARIMA(0,2,2)、訓練データに対してはドリフト付きのARIMA(4,1,1)を適用。
- ETS（指数平滑状態空間モデル）： 乗法的誤差、加法的トレンド、および季節性なし（M,A,N）で構成。
- BATSおよびTBATS： 複雑な非線形性を扱うために、Box-Cox変換、ARMA、トレンド、および季節成分を利用。
- Theta： 分解ベースの予測手法。
- ARFIMA（自己回regressive分数階差移動平均）： 長期記憶効果を捉えるために設計。
モデルの選択と検証： モデルは赤池情報量基準（AIC）およびベイズ情報量基準（BIC）に基づいて選択された。適合性は、残差の独立性を確保してホワイトノイズであることを確認するために、リュング・ボックス検定を用いて検証された。
性能評価： データセットは訓練セットと26年間のテストセット（1999–2024）に分割された。性能は、RMSE、MAE、MAPE、および対称MAPE（sMAPE）を用いて測定された。

主な結果

記述統計： 都市人口は1960年の508,138人から2024年には10,382,351人に増加した。分布は正の歪度（歪度 = 1.23）を示しており、これは近年における急速な加速を示唆している。
モデルの性能：
- 最高精度： TBATS/BATSモデルがテストセットにおいて最も高い精度を示し、MAPE 10.54%、sMAPE 0.115を達成した。
- 投影のための最適な全体適合： 長期投影には**ARIMA(0,2,2)**モデルが選定され、MAPE 14.62%を記録した。このモデルは診断チェック（Ljung-Box p値 = 0.4027）を正常に通過し、残差が独立していることを示した。
- 低性能モデル： ARFIMAおよびThetaモデルは著しく劣った性能を示し、それぞれMAPE 60.23%および40.10%となった。本研究はこの失敗の原因として、数十年にわたる内戦や確率的なショックによる構造的変化および高いボラティリティを、これらのモデルが考慮できなかったことを挙げている。
投影（2025–2050）： ARIMA(0,2,2)モデルに基づく予測：
- 2025年：約1,085万人
- 2030年：約1,312万人
- 2050年：約2,221万人（95%信頼区間：[1,386万, 3,055万]）
- これは、今後25年間で約113.8%の増加を表している。

意義と貢献
本論文は、文献および政策環境に対して以下の具体的な貢献を主張している：

データのギャップの解消： 本研究は、歴史的にデータが乏しく、あるいは信頼性が低い脆弱な国家（アフリカの角における重要な研究ギャップ）に対し、稀有な縦断的視点（1960–2024）を提供している。
方法論的ベンチマーク： BATS/TBATSおよびARIMAがこの特定の文脈において最も堅牢なツールであることを特定することで、本研究は、ボラティリティの高いデータを持つ紛争の影響を受けた国家で研究を行う研究者に方法論的なベンチマークを提示している。
理論的検証： 本研究の結果は、資源の集中が農村部の貧困にもかかわらず都市部への移動を駆動し続けていることを示し、**都市バイアス理論（Urban Bias Theory）を検証している。しかし、結果は標準的な人口転換理論（Demographic Transition Theory）**からの逸脱も示唆している。すなわち、安定的な「S字曲線」に従うのではなく、ソマリアは工業的な「プル要因（誘引要因）」ではなく、「プッシュ要因（押し出し要因）」（自然災害、土地劣化）によって「早すぎる都市化」を経験している。
政策的含意： 本研究は、積極的な都市計画の必要性を強調している。介入が行われない場合、予測される113%の人口増は、社会的不安、インフォーマルな居住区、および環境悪化（特に都市熱島現象）を悪化させると論じている。著者は、政策立担者が都市を、牧畜生活から移行する人口を吸収できる「レジリエントなハブ」として扱う必要があると結論付けており、都市化が不安定化の源ではなく持続可能な成長の触媒となるよう、これらの統計的投影を国家開発戦略に組み込むべきであるとしている。

限界
著者は、本研究が単変量的な性質に限定されており、モデルが出生率、乳幼児死亡率、またはGDP成長率といった外生変数（exogenous variables）を明示的に組み込んでいないことを謙虚に認めている。さらに、国レベルのデータへの依存は、重要な地域内の多様性を覆い隠している可能性がある。今後の研究では、多変量「ハイブリッド」アプローチの探索や、機械学習および地理情報システム（GIS）の統合が示唆されている。

関連論文