""" 教育用再現コード: 2022年 統計データ分析コンペティション 審査員奨励賞 [高校生の部] ================================================================= 論文タイトル：地域の学力差と教育環境：教員配置・教育費の影響分析 受賞：審査員奨励賞（高校生の部） 【分析概要】 データ：SSDSE-B-2026.csv（都道府県別パネルデータ, 2012〜2023年度） 対象：47都道府県 × 12年間（時系列・横断面） 学力データの代理変数として「大学進学率」を用い、教員配置充実度・ 家計教育費・高齢化率などとの関連をOLS回帰・散布図・時系列・ 地域比較で多角的に分析する。 分析の流れ Fig1. 大学進学率の地域別時系列（2012〜2023年） Fig2. 教育費 vs 大学進学率 散布図（2022年・47都道府県ラベル付き） Fig3. OLS回帰係数プロット（大学進学率の決定要因） Fig4. 教員配置充実度の地域別箱ひげ図（小学校・中学校並列） 【変数設計】 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 教員配置充実度（小）（%） = 小学校教員数 / 小学校児童数 × 100 教員配置充実度（中）（%） = 中学校教員数 / 中学校生徒数 × 100 教育費_万円 = 教育費（二人以上の世帯）/ 10000 高齢化率（%） = 65歳以上人口 / 総人口 × 100 消費支出_log = log(消費支出（二人以上の世帯）) 【データ出典】 SSDSE-B-2026.csv: 社会・人口統計体系（都道府県データ） 統計数理研究所・統計センター公表の実データ 【データサイエンス学習ポイント】 1. 学力データがない場合の代理変数（進学率の限界） 2. 教員配置指標の設計（逆数変換の意味） 3. 教育費の解釈（家計の教育投資 vs 公教育支出の違い） 4. 教育機会の均等化（地域格差縮小への政策的示唆） ================================================================= """ # ============================================================ # 【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/2022_H5_9_shorei.py # ============================================================ import numpy as np import pandas as pd import matplotlib matplotlib.use('Agg') import matplotlib.pyplot as plt from matplotlib.patches import Patch import statsmodels.api as sm from scipy import stats import warnings warnings.filterwarnings('ignore') # ────────────────────────────────────────────────────────────── # 共通設定 # ────────────────────────────────────────────────────────────── plt.rcParams['font.family'] = 'Hiragino Sans' plt.rcParams['axes.unicode_minus'] = False plt.rcParams['figure.dpi'] = 150 import os FIG_DIR = 'html/figures' DATA_B = 'data/raw/SSDSE-B-2026.csv' os.makedirs(FIG_DIR, exist_ok=True) # ================================================================ # ■ 実データ読み込み（SSDSE-B-2026: 都道府県データ） # ================================================================ df_raw = pd.read_csv(DATA_B, encoding='cp932', header=1) # 都道府県のみ（地域コードが R + 5桁数字） pref_mask = df_raw['地域コード'].str.match(r'^R\d{5}$', na=False) df_all = df_raw[pref_mask].copy().reset_index(drop=True) # 数値変換 num_cols = [ '総人口', '65歳以上人口', '小学校教員数', '小学校児童数', '中学校教員数', '中学校生徒数', '高等学校卒業者数', '高等学校卒業者のうち進学者数', '教育費（二人以上の世帯）', '消費支出（二人以上の世帯）', ] for c in num_cols: df_all[c] = pd.to_numeric(df_all[c], errors='coerce') # ── 派生変数を計算 ───────────────────────────────────────────── df_all['大学進学率'] = (df_all['高等学校卒業者のうち進学者数'] / df_all['高等学校卒業者数'] * 100) df_all['教員配置充実度_小'] = (df_all['小学校教員数'] / df_all['小学校児童数'] * 100) df_all['教員配置充実度_中'] = (df_all['中学校教員数'] / df_all['中学校生徒数'] * 100) df_all['教育費_万円'] = df_all['教育費（二人以上の世帯）'] / 10000 df_all['高齢化率'] = df_all['65歳以上人口'] / df_all['総人口'] * 100 df_all['消費支出_log'] = np.log(df_all['消費支出（二人以上の世帯）']) print("=" * 65) print(f"■ 全データ: {len(df_all)}行（47都道府県 × 12年間）") print("=" * 65) # 2022年断面 df2022 = df_all[df_all['年度'] == 2022].copy().reset_index(drop=True) print(f" 2022年データ: {len(df2022)}都道府県") # 欠損除外（2022年） key_vars = ['大学進学率', '教員配置充実度_小', '教員配置充実度_中', '教育費_万円', '高齢化率', '消費支出_log'] df2022_clean = df2022.dropna(subset=key_vars).reset_index(drop=True) N = len(df2022_clean) print(f" 欠損除外後: N={N}都道府県") print() print(df2022_clean[['都道府県'] + key_vars].describe().round(3)) # ── 地域ブロック区分（全国6ブロック）──────────────────────────── 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_order = ['北海道・東北', '関東', '中部', '近畿', '中国・四国', '九州・沖縄'] region_colors = { '北海道・東北': '#1565C0', '関東': '#C62828', '中部': '#2E7D32', '近畿': '#E65100', '中国・四国': '#6A1B9A', '九州・沖縄': '#00838F', } df_all['地域ブロック'] = df_all['都道府県'].map(region_map) df2022_clean['地域ブロック'] = df2022_clean['都道府県'].map(region_map) # ── 時系列用データ（全年度）──────────────────────────────────── df_ts = df_all.dropna(subset=['大学進学率', '地域ブロック']).copy() # ── 相関確認（2022年）──────────────────────────────────────── print("\n■ 2022年 主要変数間の相関（vs 大学進学率）") for v in ['教員配置充実度_小', '教員配置充実度_中', '教育費_万円', '高齢化率', '消費支出_log']: r, p = stats.pearsonr(df2022_clean[v], df2022_clean['大学進学率']) sig = '***' if p < 0.001 else '**' if p < 0.01 else '*' if p < 0.05 else 'n.s.' print(f" {v:<22} r={r:>7.4f} p={p:.4f} {sig}") # ================================================================ # ■ OLS回帰（大学進学率 の決定要因） # ================================================================ y_ols = df2022_clean['大学進学率'].values ols_varnames = ['教員配置充実度_小', '教員配置充実度_中', '教育費_万円', '高齢化率', '消費支出_log'] X_ols = df2022_clean[ols_varnames].values X_ols_c = sm.add_constant(X_ols) ols_model = sm.OLS(y_ols, X_ols_c).fit() print("\n■ OLS回帰結果（目的変数: 大学進学率）") print(ols_model.summary2()) coefs = ols_model.params[1:] ses = ols_model.bse[1:] pvals = ols_model.pvalues[1:] # ================================================================ # ■ 図の生成（4枚） # ================================================================ # ──────────────────────────────────────────────────────────────── # 図1: 大学進学率の地域別時系列（2012〜2023年） # ──────────────────────────────────────────────────────────────── fig1, ax1 = plt.subplots(figsize=(11, 6)) for region in region_order: df_r = (df_ts[df_ts['地域ブロック'] == region] .groupby('年度')['大学進学率'].mean().sort_index()) if len(df_r) == 0: continue ax1.plot(df_r.index, df_r.values, color=region_colors[region], linewidth=2.0, marker='o', markersize=5, label=region) # 全国平均を太破線で重ね書き df_nat = df_ts.groupby('年度')['大学進学率'].mean().sort_index() ax1.plot(df_nat.index, df_nat.values, color='black', linewidth=2.5, linestyle='--', marker='D', markersize=5, label='全国平均', zorder=10) ax1.set_xlabel('年度', fontsize=12) ax1.set_ylabel('大学進学率（%）\n[高校卒業者のうち進学者 / 卒業者 × 100]', fontsize=11) ax1.set_title('大学進学率の地域別推移（2012〜2023年）\n' '6地域ブロック平均値（SSDSE-B実データ）', fontsize=13, fontweight='bold') ax1.legend(fontsize=10, loc='upper left') ax1.grid(True, alpha=0.3) ax1.set_xticks(range(2012, 2024, 2)) plt.tight_layout() fig1_path = os.path.join(FIG_DIR, '2022_H5_9_fig1_timeseries.png') fig1.savefig(fig1_path, bbox_inches='tight', dpi=150) plt.close(fig1) print(f"\n図1保存: {os.path.basename(fig1_path)}") # ──────────────────────────────────────────────────────────────── # 図2: 教育費 vs 大学進学率 散布図（2022年・都道府県ラベル付き） # ──────────────────────────────────────────────────────────────── fig2, ax2 = plt.subplots(figsize=(12, 8)) for region in region_order: mask = df2022_clean['地域ブロック'] == region ax2.scatter(df2022_clean.loc[mask, '教育費_万円'], df2022_clean.loc[mask, '大学進学率'], color=region_colors[region], s=65, alpha=0.85, label=region, zorder=3) # 都道府県ラベル for _, row in df2022_clean.iterrows(): ax2.annotate(row['都道府県'], (row['教育費_万円'], row['大学進学率']), fontsize=7.5, alpha=0.85, xytext=(3, 3), textcoords='offset points') # 単回帰直線 x_vals = df2022_clean['教育費_万円'].values y_vals = df2022_clean['大学進学率'].values z = np.polyfit(x_vals, y_vals, 1) xs = np.linspace(x_vals.min() - 0.05, x_vals.max() + 0.05, 200) ax2.plot(xs, np.poly1d(z)(xs), color='gray', linewidth=1.8, linestyle='--', alpha=0.7, zorder=2) r2, p2 = stats.pearsonr(x_vals, y_vals) ax2.set_xlabel('教育費（万円/月）[家計の二人以上世帯]', fontsize=12) ax2.set_ylabel('大学進学率（%）', fontsize=12) ax2.set_title(f'家計教育費 vs 大学進学率（2022年・47都道府県）\n' f'Pearson r = {r2:.3f}（p = {p2:.4f}）', fontsize=13, fontweight='bold') ax2.legend(fontsize=10, loc='lower right') ax2.grid(True, alpha=0.3) plt.tight_layout() fig2_path = os.path.join(FIG_DIR, '2022_H5_9_fig2_scatter.png') fig2.savefig(fig2_path, bbox_inches='tight', dpi=150) plt.close(fig2) print(f"図2保存: {os.path.basename(fig2_path)}") # ──────────────────────────────────────────────────────────────── # 図3: OLS回帰係数プロット（大学進学率の決定要因） # ──────────────────────────────────────────────────────────────── fig3, ax3 = plt.subplots(figsize=(9, 5)) n_vars = len(ols_varnames) y_pos = np.arange(n_vars) bar_colors = ['#C62828' if p < 0.01 else '#FF8F00' if p < 0.05 else '#9E9E9E' for p in pvals] ax3.barh(y_pos, coefs, color=bar_colors, alpha=0.78, edgecolor='white', height=0.55) ax3.errorbar(coefs, y_pos, xerr=1.96 * ses, fmt='none', color='#333333', capsize=5, linewidth=1.4) ax3.axvline(0, color='gray', linestyle='--', linewidth=1.0) ax3.set_yticks(y_pos) ax3.set_yticklabels(ols_varnames, fontsize=11) ax3.set_xlabel('回帰係数（±1.96×SE）', fontsize=12) ax3.set_title(f'大学進学率（%）の決定要因 — OLS回帰係数\n' f'R² = {ols_model.rsquared:.3f}、N = {N}都道府県（2022年）', fontsize=12, fontweight='bold') ax3.invert_yaxis() ax3.grid(axis='x', alpha=0.3) legend_handles = [ Patch(color='#C62828', alpha=0.78, label='p < 0.01（高有意）'), Patch(color='#FF8F00', alpha=0.78, label='p < 0.05（有意）'), Patch(color='#9E9E9E', alpha=0.78, label='n.s.（非有意）'), ] ax3.legend(handles=legend_handles, fontsize=9, loc='lower right') for i, (c, p) in enumerate(zip(coefs, pvals)): sig = '***' if p < 0.001 else '**' if p < 0.01 else '*' if p < 0.05 else '' if sig: offset = max(abs(coefs)) * 0.03 ax3.text(c + (offset if c >= 0 else -offset), i, sig, va='center', ha='left' if c >= 0 else 'right', fontsize=10, fontweight='bold') plt.tight_layout() fig3_path = os.path.join(FIG_DIR, '2022_H5_9_fig3_coef.png') fig3.savefig(fig3_path, bbox_inches='tight', dpi=150) plt.close(fig3) print(f"図3保存: {os.path.basename(fig3_path)}") # ──────────────────────────────────────────────────────────────── # 図4: 教員配置充実度の地域別箱ひげ図（小学校・中学校並列） # ──────────────────────────────────────────────────────────────── fig4, axes4 = plt.subplots(1, 2, figsize=(13, 6), sharey=False) for ax_idx, (var, label) in enumerate( [('教員配置充実度_小', '小学校'), ('教員配置充実度_中', '中学校')]): ax = axes4[ax_idx] box_data = [] box_labels = [] for region in region_order: vals = (df2022_clean.loc[df2022_clean['地域ブロック'] == region, var] .dropna().values) box_data.append(vals) box_labels.append(f'{region}\n(n={len(vals)})') bp = ax.boxplot( box_data, patch_artist=True, notch=False, medianprops=dict(color='black', linewidth=2.0), flierprops=dict(marker='o', markersize=5, alpha=0.6), whiskerprops=dict(linewidth=1.4), capprops=dict(linewidth=1.4), ) for patch, region in zip(bp['boxes'], region_order): patch.set_facecolor(region_colors[region]) patch.set_alpha(0.65) # 全国平均線 nat_mean = df2022_clean[var].mean() ax.axhline(nat_mean, color='black', linestyle='--', linewidth=1.5, label=f'全国平均 {nat_mean:.2f}%') ax.set_xticklabels(box_labels, fontsize=8) ax.set_ylabel(f'教員配置充実度（%）\n[教員数 / 生徒数 × 100]', fontsize=11) ax.set_title(f'{label}の教員配置充実度（2022年）', fontsize=12, fontweight='bold') ax.grid(axis='y', alpha=0.3) ax.legend(fontsize=9) fig4.suptitle('地域別 教員配置充実度の分布（2022年・6地域ブロック）\n' '左: 小学校、右: 中学校（SSDSE-B実データ）', fontsize=13, fontweight='bold', y=1.01) plt.tight_layout() fig4_path = os.path.join(FIG_DIR, '2022_H5_9_fig4_boxplot.png') fig4.savefig(fig4_path, bbox_inches='tight', dpi=150) plt.close(fig4) print(f"図4保存: {os.path.basename(fig4_path)}") # ================================================================ # ■ 要約統計の出力 # ================================================================ print("\n" + "=" * 65) print("■ 分析完了サマリー") print("=" * 65) print(f" 全データ行数 : {len(df_all)}（47都道府県 × 12年間）") print(f" 2022年 N : {N}都道府県") print(f" OLS R² : {ols_model.rsquared:.4f}") print(f" OLS Adj.R² : {ols_model.rsquared_adj:.4f}") print(f" OLS F-stat p値 : {ols_model.f_pvalue:.4f}") print() print(" ── 2022年 相関係数 vs 大学進学率 ──") for v in ['教員配置充実度_小', '教員配置充実度_中', '教育費_万円', '高齢化率', '消費支出_log']: r, p = stats.pearsonr(df2022_clean[v], df2022_clean['大学進学率']) sig = '***' if p < 0.001 else '**' if p < 0.01 else '*' if p < 0.05 else 'n.s.' print(f" {v:<22} r={r:>7.4f} {sig}") print() print(" ── OLS 回帰係数（標準化なし）──") for name, c, s, p in zip(ols_varnames, coefs, ses, pvals): sig = '***' if p < 0.001 else '**' if p < 0.01 else '*' if p < 0.05 else 'n.s.' print(f" {name:<22} β={c:>8.4f} SE={s:.4f} {sig}") print() print(" 保存図:") for path in [fig1_path, fig2_path, fig3_path, fig4_path]: print(f" {os.path.basename(path)}") print() print("処理正常終了。合成データは一切使用していません。")