""" 教育用再現コード: 2020年度 統計数理賞（高校生の部） ================================================================= 論文タイトル：地域の所得格差・教育環境と学力・進学率の関係 受賞：統計数理賞（高校生の部） 【分析概要】 データ：SSDSE-B-2026（47都道府県・2022年度断面） 目的変数：大学進学率（高等学校卒業者のうち進学者数 / 高等学校卒業者数 × 100） 説明変数： - 教育費（消費支出における教育費：家庭の教育投資） - 学校数/万人（小中高合計 / 総人口 × 10000：教育施設密度） - 消費支出総額（所得水準の代理） - 総人口の対数（都市化度の代理） - 高齢化率（65歳以上人口 / 総人口 × 100） - 合計特殊出生率 【分析手法】 1. 散布図（教育費 vs 大学進学率）：地域色分け・回帰直線 2. 都道府県別大学進学率ランキング（上位・下位各10県） 3. 相関ヒートマップ（Pearson相関） 4. 重回帰分析（OLS）・標準化偏回帰係数プロット 【学習ポイント 4項目】 1. 散布図と回帰直線：2変数の線形関係の可視化 2. 重回帰分析（OLS）：statsmodelsによる推定 3. 標準化偏回帰係数：各説明変数の相対的な影響力の比較 4. 相関ヒートマップ：多変数間の関係を俯瞰する 【使用データ】 SSDSE-B-2026.csv（SSDSE: 社会・人口統計体系データセット） ※ 合成データ・乱数生成（np.random.seed等）は一切使用しない。 ================================================================= """ # ============================================================ # 【データの準備】実行前に以下のデータファイルを用意してください # # 必要ファイル: # ・SSDSE-B-2026.csv # → data/raw/SSDSE-B-2026.csv に配置 # # ダウンロード先: # https://www.nstac.go.jp/use/literacy/ssdse/ # （SSDSE-B（社会・人口統計体系 都道府県データ） の CSV をダウンロード） # # フォルダ配置（プロジェクトルートからの相対パス）: # code/ ← このスクリプトの場所 # data/raw/ ← CSV ファイルをここに配置 # html/figures/ ← 図の出力先（自動生成） # # 実行方法（ファイルを一切編集せず実行可能）: # python3 code/2020_H3_suri.py # ============================================================ import os import numpy as np import pandas as pd import matplotlib matplotlib.use('Agg') import matplotlib.pyplot as plt import matplotlib.patches as mpatches import statsmodels.api as sm from scipy import stats plt.rcParams['font.family'] = 'Hiragino Sans' plt.rcParams['axes.unicode_minus'] = False plt.rcParams['figure.dpi'] = 150 # ─── パス設定 ──────────────────────────────────────────────────────────────── FIG_DIR = 'html/figures' DATA_B = 'data/raw/SSDSE-B-2026.csv' os.makedirs(FIG_DIR, exist_ok=True) # ─── データ読み込み（47都道府県のみ） ──────────────────────────────────────── df_b = pd.read_csv(DATA_B, encoding='cp932', header=1) df_b = df_b[df_b['地域コード'].str.match(r'^R\d{5}', na=False)].copy() df_b['年度'] = df_b['年度'].astype(int) # ─── 地域マップ ────────────────────────────────────────────────────────────── region_map = { '北海道': '北海道・東北', '青森県': '北海道・東北', '岩手県': '北海道・東北', '宮城県': '北海道・東北', '秋田県': '北海道・東北', '山形県': '北海道・東北', '福島県': '北海道・東北', '茨城県': '関東', '栃木県': '関東', '群馬県': '関東', '埼玉県': '関東', '千葉県': '関東', '東京都': '関東', '神奈川県': '関東', '新潟県': '中部', '富山県': '中部', '石川県': '中部', '福井県': '中部', '山梨県': '中部', '長野県': '中部', '岐阜県': '中部', '静岡県': '中部', '愛知県': '中部', '三重県': '近畿', '滋賀県': '近畿', '京都府': '近畿', '大阪府': '近畿', '兵庫県': '近畿', '奈良県': '近畿', '和歌山県': '近畿', '鳥取県': '中国・四国', '島根県': '中国・四国', '岡山県': '中国・四国', '広島県': '中国・四国', '山口県': '中国・四国', '徳島県': '中国・四国', '香川県': '中国・四国', '愛媛県': '中国・四国', '高知県': '中国・四国', '福岡県': '九州・沖縄', '佐賀県': '九州・沖縄', '長崎県': '九州・沖縄', '熊本県': '九州・沖縄', '大分県': '九州・沖縄', '宮崎県': '九州・沖縄', '鹿児島県': '九州・沖縄', '沖縄県': '九州・沖縄' } region_colors = { '北海道・東北': '#4e9af1', '関東': '#e05c5c', '中部': '#f0a500', '近畿': '#5cb85c', '中国・四国': '#9b59b6', '九州・沖縄': '#f39c12' } region_order = ['北海道・東北', '関東', '中部', '近畿', '中国・四国', '九州・沖縄'] # ─── 2022年度断面データ抽出と変数作成 ──────────────────────────────────────── df = df_b[df_b['年度'] == 2022].copy() # 目的変数 df['大学進学率'] = df['高等学校卒業者のうち進学者数'] / df['高等学校卒業者数'] * 100 # 説明変数 df['教育費'] = df['教育費（二人以上の世帯）'] # 円/月 df['消費支出総額'] = df['消費支出（二人以上の世帯）'] # 円/月 df['高齢化率'] = df['65歳以上人口'] / df['総人口'] * 100 # % df['合計特殊出生率'] = df['合計特殊出生率'] df['学校数合計'] = df['小学校数'] + df['中学校数'] + df['高等学校数'] df['学校数_万人'] = df['学校数合計'] / df['総人口'] * 10000 # 校/万人 df['人口対数'] = np.log(df['総人口']) # 都市化の代理 # 地域ブロック付与 df['地域'] = df['都道府県'].map(region_map) # 分析用列の選択（欠損なし確認） analysis_cols = ['都道府県', '地域', '大学進学率', '教育費', '学校数_万人', '消費支出総額', '人口対数', '高齢化率', '合計特殊出生率'] df_ana = df[analysis_cols].dropna().reset_index(drop=True) print(f"分析サンプル数: {len(df_ana)} 都道府県 (2022年度)") # ─── 重回帰分析（OLS） ─────────────────────────────────────────────────────── y_col = '大学進学率' x_cols = ['教育費', '学校数_万人', '消費支出総額', '人口対数', '高齢化率', '合計特殊出生率'] Y = df_ana[y_col] X = df_ana[x_cols] X_sm = sm.add_constant(X) model = sm.OLS(Y, X_sm).fit() print("\n=== OLS 重回帰分析結果 ===") print(model.summary()) # 標準化偏回帰係数 X_std = (X - X.mean()) / X.std() Y_std = (Y - Y.mean()) / Y.std() X_std_sm = sm.add_constant(X_std) model_std = sm.OLS(Y_std, X_std_sm).fit() beta_std = model_std.params.drop('const') pval_std = model_std.pvalues.drop('const') print("\n=== 標準化偏回帰係数 ===") for v in x_cols: sig = '***' if pval_std[v] < 0.001 else ('**' if pval_std[v] < 0.01 else ('*' if pval_std[v] < 0.05 else '')) print(f" {v:12s}: β = {beta_std[v]:+.4f} p = {pval_std[v]:.4f} {sig}") print(f"\nR² = {model.rsquared:.4f}, 自由度調整済みR² = {model.rsquared_adj:.4f}") # 地域別平均進学率 region_mean = df_ana.groupby('地域')['大学進学率'].agg(['mean', 'std', 'count']).reset_index() region_mean.columns = ['地域', '平均', '標準偏差', 'n'] print("\n=== 地域別大学進学率 ===") print(region_mean.to_string(index=False)) # ─── 相関係数行列 ───────────────────────────────────────────────────────────── corr_cols = ['大学進学率', '教育費', '学校数_万人', '消費支出総額', '人口対数', '高齢化率', '合計特殊出生率'] corr_labels = ['大学\n進学率', '教育費', '学校数\n/万人', '消費\n支出', '人口\n対数', '高齢化\n率', '合計\n出生率'] corr_mat = df_ana[corr_cols].corr() print("\n=== 相関行列 ===") print(corr_mat.round(3).to_string()) # ─── 図1: 散布図（教育費 vs 大学進学率） ───────────────────────────────────── fig1, ax1 = plt.subplots(figsize=(10, 7)) for region in region_order: sub = df_ana[df_ana['地域'] == region] ax1.scatter(sub['教育費'], sub['大学進学率'], color=region_colors[region], label=region, s=70, alpha=0.85, zorder=3) for _, row in sub.iterrows(): pref_short = row['都道府県'].replace('県', '').replace('府', '').replace('都', '').replace('道', '') ax1.annotate(pref_short, xy=(row['教育費'], row['大学進学率']), xytext=(3, 3), textcoords='offset points', fontsize=7.5, color='#333333', alpha=0.9) # 回帰直線 slope, intercept, r_val, p_val, se = stats.linregress(df_ana['教育費'], df_ana['大学進学率']) x_line = np.linspace(df_ana['教育費'].min(), df_ana['教育費'].max(), 200) ax1.plot(x_line, intercept + slope * x_line, color='#333333', linewidth=1.8, linestyle='--', alpha=0.8, label=f'回帰直線 (r={r_val:.2f}, p={p_val:.3f})') ax1.set_xlabel('教育費（消費支出内, 円/月）', fontsize=13) ax1.set_ylabel('大学進学率（%）', fontsize=13) ax1.set_title('図1 教育費 vs 大学進学率（47都道府県, 2022年度）', fontsize=14, fontweight='bold') ax1.legend(loc='lower right', fontsize=9, framealpha=0.8) ax1.grid(True, alpha=0.3) ax1.tick_params(labelsize=10) fig1.tight_layout() fig1.savefig(os.path.join(FIG_DIR, '2020_H3_fig1.png'), bbox_inches='tight') plt.close(fig1) print("fig1 saved.") # ─── 図2: 都道府県別大学進学率ランキング（上位10 + 下位10） ───────────────── df_rank = df_ana.sort_values('大学進学率', ascending=False).reset_index(drop=True) top10 = df_rank.head(10) bottom10 = df_rank.tail(10).sort_values('大学進学率', ascending=True) fig2, axes = plt.subplots(1, 2, figsize=(13, 5.5)) for ax, sub_df, title_str in [ (axes[0], top10, '上位10都道府県'), (axes[1], bottom10, '下位10都道府県') ]: colors = [region_colors[r] for r in sub_df['地域']] bars = ax.barh(sub_df['都道府県'], sub_df['大学進学率'], color=colors, edgecolor='white', height=0.65) for bar, val in zip(bars, sub_df['大学進学率']): ax.text(bar.get_width() + 0.3, bar.get_y() + bar.get_height()/2, f'{val:.1f}%', va='center', fontsize=9) ax.set_xlabel('大学進学率（%）', fontsize=11) ax.set_title(title_str, fontsize=13, fontweight='bold') ax.set_xlim(0, df_ana['大学進学率'].max() * 1.12) ax.grid(axis='x', alpha=0.3) ax.tick_params(labelsize=10) # 凡例 patches = [mpatches.Patch(color=region_colors[r], label=r) for r in region_order] fig2.legend(handles=patches, loc='lower center', ncol=3, fontsize=9, bbox_to_anchor=(0.5, -0.04), framealpha=0.85) fig2.suptitle('図2 都道府県別大学進学率ランキング（2022年度）', fontsize=14, fontweight='bold', y=1.01) fig2.tight_layout() fig2.savefig(os.path.join(FIG_DIR, '2020_H3_fig2.png'), bbox_inches='tight') plt.close(fig2) print("fig2 saved.") # ─── 図3: 相関ヒートマップ ─────────────────────────────────────────────────── fig3, ax3 = plt.subplots(figsize=(8.5, 7)) n_vars = len(corr_cols) im = ax3.imshow(corr_mat.values, cmap='RdBu_r', vmin=-1, vmax=1, aspect='auto') ax3.set_xticks(range(n_vars)) ax3.set_yticks(range(n_vars)) ax3.set_xticklabels(corr_labels, fontsize=10) ax3.set_yticklabels(corr_labels, fontsize=10) for i in range(n_vars): for j in range(n_vars): val = corr_mat.values[i, j] text_color = 'white' if abs(val) > 0.6 else 'black' ax3.text(j, i, f'{val:.2f}', ha='center', va='center', fontsize=9.5, color=text_color, fontweight='bold' if abs(val) >= 0.5 else 'normal') cbar = fig3.colorbar(im, ax=ax3, fraction=0.046, pad=0.04) cbar.set_label('Pearson相関係数', fontsize=10) ax3.set_title('図3 教育・所得関連変数のPearson相関ヒートマップ（2022年度）', fontsize=13, fontweight='bold', pad=12) fig3.tight_layout() fig3.savefig(os.path.join(FIG_DIR, '2020_H3_fig3.png'), bbox_inches='tight') plt.close(fig3) print("fig3 saved.") # ─── 図4: 標準化偏回帰係数プロット ─────────────────────────────────────────── var_labels = { '教育費': '教育費\n（消費支出内）', '学校数_万人': '学校数\n/万人', '消費支出総額': '消費支出\n総額', '人口対数': '人口\n（対数）', '高齢化率': '高齢化率', '合計特殊出生率':'合計\n特殊出生率', } # 係数の絶対値で降順ソート beta_sorted = beta_std.reindex(x_cols).sort_values(key=lambda x: x.abs()) labels_sorted = [var_labels[v] for v in beta_sorted.index] pvals_sorted = pval_std.reindex(beta_sorted.index) bar_colors = ['#e05c5c' if b > 0 else '#4e9af1' for b in beta_sorted.values] edge_colors = [] for p in pvals_sorted.values: if p < 0.05: edge_colors.append('#cc0000' if True else '#00008b') else: edge_colors.append('gray') fig4, ax4 = plt.subplots(figsize=(9, 5.5)) bars4 = ax4.barh(labels_sorted, beta_sorted.values, color=bar_colors, edgecolor='white', height=0.6, alpha=0.88) # 有意性マーク for i, (bar, p, b) in enumerate(zip(bars4, pvals_sorted.values, beta_sorted.values)): sig_mark = '***' if p < 0.001 else ('**' if p < 0.01 else ('*' if p < 0.05 else '')) offset = 0.01 if b >= 0 else -0.01 ha_val = 'left' if b >= 0 else 'right' ax4.text(b + offset, bar.get_y() + bar.get_height()/2, f'{b:+.3f} {sig_mark}', va='center', ha=ha_val, fontsize=9) ax4.axvline(0, color='black', linewidth=0.8) ax4.set_xlabel('標準化偏回帰係数 (β)', fontsize=12) ax4.set_title('図4 大学進学率に対する標準化偏回帰係数\n（重回帰OLS, 2022年度, n=47）', fontsize=13, fontweight='bold') ax4.set_xlim(beta_sorted.min() * 1.35, beta_sorted.max() * 1.35) ax4.grid(axis='x', alpha=0.3) ax4.tick_params(axis='y', labelsize=10) # 凡例 pos_patch = mpatches.Patch(color='#e05c5c', label='正の効果') neg_patch = mpatches.Patch(color='#4e9af1', label='負の効果') ax4.legend(handles=[pos_patch, neg_patch], fontsize=9, loc='lower right') # R²テキスト ax4.text(0.98, 0.04, f'R²={model.rsquared:.3f}, Adj.R²={model.rsquared_adj:.3f}', transform=ax4.transAxes, ha='right', va='bottom', fontsize=9, color='#555555') ax4.text(0.98, 0.10, '* p<.05 ** p<.01 *** p<.001', transform=ax4.transAxes, ha='right', va='bottom', fontsize=8.5, color='#555555') fig4.tight_layout() fig4.savefig(os.path.join(FIG_DIR, '2020_H3_fig4.png'), bbox_inches='tight') plt.close(fig4) print("fig4 saved.") # ─── 統計サマリー出力（HTML作成用） ────────────────────────────────────────── print("\n=== HTML用統計値サマリー ===") print(f"全国平均大学進学率: {df_ana['大学進学率'].mean():.1f}%") print(f"最高: {df_rank.iloc[0]['都道府県']} {df_rank.iloc[0]['大学進学率']:.1f}%") print(f"最低: {df_rank.iloc[-1]['都道府県']} {df_rank.iloc[-1]['大学進学率']:.1f}%") print(f"標準偏差: {df_ana['大学進学率'].std():.2f}%") print(f"教育費と進学率の相関: r = {corr_mat.loc['大学進学率','教育費']:.3f}") print(f"消費支出と進学率の相関: r = {corr_mat.loc['大学進学率','消費支出総額']:.3f}") print(f"高齢化率と進学率の相関: r = {corr_mat.loc['大学進学率','高齢化率']:.3f}") print(f"人口対数と進学率の相関: r = {corr_mat.loc['大学進学率','人口対数']:.3f}") print(f"重回帰: R² = {model.rsquared:.4f}, Adj.R² = {model.rsquared_adj:.4f}") print(f"F統計量 p値: {model.f_pvalue:.4f}") print("\n地域別平均:") for _, row in region_mean.iterrows(): print(f" {row['地域']}: {row['平均']:.1f}% (SD={row['標準偏差']:.1f}, n={int(row['n'])})") # 標準化係数（上位3） beta_abs_sorted = beta_std.abs().sort_values(ascending=False) print("\n標準化係数（影響力大→小）:") for v in beta_abs_sorted.index: p = pval_std[v] sig = '***' if p < 0.001 else ('**' if p < 0.01 else ('*' if p < 0.05 else 'n.s.')) print(f" {v}: β={beta_std[v]:+.3f} ({sig})") print("\n全図の生成が完了しました。") print(f"保存先: {os.path.abspath(FIG_DIR)}")