Standard Block Comparison Method (標準ブロック比較法)

"数字のマジック"から解き放たれ、行政施策の真の実効性を測るための定量的監査フレームワーク

A Quantitative Framework for Detecting Budgetary Distortion and Evaluating Administrative Effectiveness.

📖 概要 (Overview)

行政や巨大企業が発表する「累計〇〇人」「予算〇〇億円」といったマクロな数字は、往々にして実態（ROI）を隠蔽するために利用されます。 本プロジェクトでは、これらの数字を「基礎自治体（Standard Block）」という最小単位に正規化し、その施策が社会インフラとして機能しているか、あるいは単なる「統計的誤差」に過ぎないのかを数学的に判定する手法「標準ブロック比較法 (SBCM)」を提供します。

このリポジトリは、SBCMの理論に基づく計算ツール、および行政決算データを解析して「予算の歪み」を検出するPythonライブラリを含みます。

🚀 インストール (Installation)

Pythonパッケージとして公開されています。以下のコマンドでインストール可能です。

pip install standard-block-auditor

(※ パッケージ名を変更して登録した場合は、その名前に置き換えてください)

⚡ クイックスタート (Quick Start)

インストール後、ターミナルから直接コマンドを実行できます。

1. 単発の成果数値を検証する (sbcm-calc)

行政が発表した「利用者数」や「予算」が、全国規模で見たときにどの程度の影響力を持つか計算します。

# 例: "利用者3,000人" (ターゲット: 全人口) の場合
sbcm-calc --value 3000 --target_ratio 1.0

# 例: "予算100億円" の場合
sbcm-calc --value 10000000000

2. 決算書の歪みを検知する (sbcm-audit)

決算書データを読み込み、「予算は巨額だが、普及していない事業（第4象限）」を自動検出します。

1. example_data.csv のようなCSVを用意します（AIプロンプト等で作成）。
2. 以下のコマンドを実行します。

# 自治体の人口を指定して実行 (例: 柏市 43.5万人)
sbcm-audit example_data.csv --pop 435000

実行後、分析結果(distortion_analysis_result.csv)と可視化グラフ(distortion_matrix.png)が出力されます。

3. 統計的妥当性を検証する (sbcm-verify)

「ターゲット比率の推計が甘いのでは？」という批判に対し、モンテカルロ・シミュレーションを行って結果の堅牢性を証明します。

# 例: 3,000人、ターゲット比率15% (±3%の誤差を想定)
sbcm-verify --value 3000 --target_ratio 0.15 --ratio_sd 0.03

---

📐 理論 (Methodology)

実効性インパクト ($I$)

施策の到達度を測る指標です。

$$ I = \frac{V}{B} $$

ここで、標準ブロック ($B$) は日本の人口動態と統治機構に基づき以下のように定義されます。

$$ B = \frac{P \times R}{N} $$

• $P$: 日本の総人口 (1.24億人)
• $N$: 基礎自治体数 (1,718)
• $R$: ターゲット属性比率
• $B \approx 72,176 \times R$ (人)

判定基準 (The Verdict)

インパクト値 ($I$)	判定	意味 (Benchmark)
$I < 1.0$	誤差レベル	論外。標準的な1自治体すらカバーできていない。
$1.0 \le I < 17$	局所的	実験段階。まだ「アーリーアダプター」にも届いていない。
$172 \le I < 859$	基礎インフラ	水道・電気のような社会基盤になりつつある。
$I \ge 859$	社会OS	過半数が利用。なくてはならない社会の前提。

---

📊 予算ポートフォリオ分析 (Budget Portfolio Analysis)

「標準ブロック比較法」を拡張し、「投じられた税金（Budget）」と「得られた成果（Coverage）」のバランスを可視化します。

予算歪み指数 ($D_{index}$)

$$ D_{index} = \frac{I_{budget}}{I_{coverage}} $$

この指数に基づき、全事業を4つの象限に分類します。

象限	状態	判定
第1象限 (High Cost / High Reach)	インフラ	適正。金はかかるが全員使う（ゴミ収集、道路）。
第2象限 (Low Cost / High Reach)	イノベーション	優秀。低予算で広まるDX施策など。
第4象限 (High Cost / Low Reach)	【歪み (Distortion)】	要監査。巨額の税金が一部にしか届いていない（ハコモノ、利権）。

---

📂 ディレクトリ構成 (Structure)

Standard-Block-Comparison-Method/
├── sbcm/                  # Pythonパッケージ本体 (Source Code)
│   ├── __init__.py
│   ├── block_calculator.py
│   ├── budget_distortion_analyzer.py
│   ├── sensitivity_analysis.py
│   ├── config.py          # 共通定数定義 (人口、自治体数など)
│   └── visualizer.py      # グラフ描画モジュール
│
├── prompts/               # AI監査官プロンプト (Prompt Engineering)
├── reports/               # ケーススタディ・論文素材
├── example_data.csv       # サンプルデータ
├── google_sheets_script.js # Googleスプレッドシート用スクリプト
├── pyproject.toml         # パッケージ設定
└── README.md              # 本ドキュメント

📝 ライセンス (License)

本プロジェクトは MIT License の下で公開されています。 誰でも自由に行政データの検証・監査に利用できます。

---

Author

Melnus (GitHub: Melnus)

📝 Citation

If you use SBCM in your research or auditing, please cite the following paper:

Koyama, H. (2025). Proposal for the Standard Block Comparison Method (SBCM) in the Quantitative Evaluation of Administrative Measures. Zenodo. https://doi.org/10.5281/zenodo.17762960