28か国のDHSデータを用いた教師あり機械学習解析によるサブサハラアフリカの家庭の調理燃料選択の予測

家庭の調理方法が重要な理由

サブサハラアフリカ全域で、多くの家庭は今も薪、木炭、作物残渣などを燃やした煙の多い炉で調理をしています。この日常的な習慣は大きな影響を及ぼします：人々の肺に害を与え、気候変動に寄与し、収入や電力といった基礎的サービスへのアクセスの格差を反映します。ここで要約する研究は極めて実践的な問いを投げかけます：世帯の収入、学歴、電力へのアクセス、居住地などが分かっているとき、その世帯がクリーンな燃料で調理するか汚染性の高い燃料を使うかを信頼できる形で予測できるか？もし予測できるなら、数億人規模の人々により安全な調理手段を広めるために何が示唆されるか？

28か国の日常生活を俯瞰する

研究者たちは2015年から2024年に実施されたサブサハラアフリカの28か国の詳細な世帯調査に基づき、43万世帯以上を分析しました。これらの調査は、多くの質問のなかに「主にどの燃料を調理に使うか」を含みます。研究チームは、電気、液化石油ガス（LPG）、天然ガス、バイオガスを「クリーン」な選択肢としてグループ化し、灯油、石炭、木炭、薪、作物残渣、家畜の糞などを「非クリーン」と分類しました。さらに、世帯主の年齢や性別、家族構成、幼児の数、学歴、富の指標、電気の有無、ラジオやテレビの所有の有無といった情報も含めています。これらの詳細は、家族の暮らし方、働き方、情報やサービスへのアクセスの全体像を描き出します。

燃料パターンを見抜くコンピュータの教育

従来の統計では捉えにくい複雑なパターンを明らかにするため、著者らは教師あり機械学習の複数手法を用いました。決定木、ランダムフォレスト、人工ニューラルネットワーク、および強力なブースティング法であるXGBoostを含む7つの異なるモデルを、データの80%で学習させ、残りの20%でテストしました。クリーン燃料を使う家庭が汚染性燃料を使う家庭よりはるかに少なかったため、学習時にデータのバランスをとり、モデルが多数派を単に予測するだけにならないよう工夫しました。モデルの評価は、正答率、クリーン燃料利用者の識別能力、クリーンと非クリーンの区別の明瞭さに基づきました。その結果、XGBoostが最も優れ、燃料種別をおおむね5回に4回ほど正しく予測し、両者を区別する能力が非常に高いことが示されました。

クリーンな調理に最も影響する要因

良好な予測は有用ですが、政策立案者は何がその予測を駆動しているかも知る必要があります。ブラックボックスを開くために、チームはSHAPという手法を用い、各要因がモデルをクリーン燃料側あるいは非クリーン燃料側にどれだけ押しやるかを示しました。最も強い影響を持ったのは電気の有無でした。電気がない家庭は、特に貧しい場合に煙の多い燃料に頼る可能性がはるかに高くなります。都市部在住であること、より高い学歴、テレビの所有もクリーン調理の強いシグナルでした。テレビ所有はしばしば収入の高さや情報アクセスの良さと結びつきます。ラジオ所有、家族の規模、幼児の数、調理場所（屋内、別の小屋、屋外）も影響を与えましたが、その影響は比較的小さめでした。

地域内での不均等な進展

都市化や電力網の拡大が進む一方で、28か国全体の84%の世帯が依然として非クリーン燃料で調理していることが研究は示します。ブルンジ、マダガスカル、シエラレオネ、マラウイ、リベリア、ギニアなどでは、95%以上の世帯が伝統的なバイオマスに依存しています。南アフリカやガボンなどごく一部の国を除き、多くの国でクリーン燃料が多数派ではありません。国内でも同じ分断が見られます：裕福で都市に住み教育水準の高い電気のある家庭ほどLPGや電気調理に移行している一方で、貧しい農村部の世帯は薪を拾ったり木炭を買い続けています。こうした傾向は、進展が可能であることを示す一方で、それが不均等であり、経済、インフラ、情報に強く結びついていることを示しています。

人々と政策にとっての意味

専門家でない読者にとっての主要なメッセージは明快です：どの地域のどのコミュニティが有害な調理煙にさらされやすいか、そしてその理由をデータに基づいて特定する手段が得られたということです。本研究は、信頼できて手頃な電力の拡大、都市と農村の格差の縮小、教育の改善、世帯収入の向上が、調理のクリーン化にとって中心的であることを示しています。精度の高い予測ツールを用いれば、政府や支援団体は電化事業、燃料補助、啓発キャンペーンを、最も必要とする世帯に対してより的確に展開できます。簡潔に言えば、この研究は散在する調査結果を実際的な地図に変え、何百万という家族が煙立つ炉からより安全でクリーンな台所へと移る手助けをする道筋を示しています。

引用: Demoze, L., Asnake, A.A., Gebrehana, A.K. et al. Predicting household cooking fuel choice in sub-Saharan Africa using supervised machine learning analysis of DHS data from 28 countries. Sci Rep 16, 14208 (2026). https://doi.org/10.1038/s41598-026-44937-z

キーワード: クリーン調理, 家庭用エネルギー, サブサハラアフリカ, 機械学習, 電力アクセス