""" 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 [大学生・一般の部] ================================================================= 論文タイトル：住宅価格の格差と影響を与える要因：空間パネルモデルに基づく研究 受賞区分：審査員奨励賞（大学生・一般の部） ID: 2022_U5_16 【分析概要】 データ：SSDSE-B-2026.csv（都道府県パネルデータ） 47都道府県 × 12年（2012〜2023年） 目的変数：標準価格（平均価格）（住宅地） Step1. 住宅地価格の時系列推移（都市圏 vs 地方） Step2. 2022年 47都道府県の住宅地価格ランキング Step3. OLS・Ridge・Lasso による説明変数の係数比較 Step4. 総人口 vs 住宅地価格の散布図（地域カラー） 【説明変数】 総人口, 月間有効求人数（一般）, 月間有効求職者数（一般）, 消費支出（二人以上の世帯）, 65歳以上人口, 大学学生数, 着工新設住宅戸数, 標準価格（平均価格）（商業地） 【手法】 OLS（重回帰）, Ridge（alpha=1.0）, Lasso（alpha=0.01） いずれも StandardScaler で標準化後に推定 【データ出典】 SSDSE-B-2026.csv: 社会・人口統計体系（都道府県データ） 統計センターより公表の実データ 【データサイエンス学習ポイント】 1. パネルデータの構造（N×T 型）と OLS との違い 2. Ridge・Lasso 正則化による係数の収縮効果 3. 空間的集積（都市圏高 / 地方低）の可視化 4. 標準化係数を使ったモデル間比較 ================================================================= """ # ============================================================ # 【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_U5_16_shorei.py # ============================================================ import numpy as np import pandas as pd import matplotlib matplotlib.use('Agg') import matplotlib.pyplot as plt import statsmodels.api as sm from sklearn.linear_model import Ridge, Lasso from sklearn.preprocessing import StandardScaler from sklearn.pipeline import Pipeline 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: 都道府県パネルデータ） # ================================================================ 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() print("=" * 60) print(f"■ 読み込み完了: {len(df_b)}行 × {df_b.shape[1]}列") print(f" 年度: {sorted(df_b['年度'].unique())}") print(f" 都道府県数: {df_b['都道府県'].nunique()}") print("=" * 60) # ── 使用列 ───────────────────────────────────────────────────── TARGET = '標準価格（平均価格）（住宅地）' FEATURES = [ '総人口', '月間有効求人数（一般）', '月間有効求職者数（一般）', '消費支出（二人以上の世帯）', '65歳以上人口', '大学学生数', '着工新設住宅戸数', '標準価格（平均価格）（商業地）', ] FEATURE_LABELS = [ '総人口', '有効求人数', '有効求職者数', '消費支出', '65歳以上人口', '大学学生数', '着工新設住宅戸数', '商業地価格', ] # 数値変換 for c in [TARGET] + FEATURES: df_b[c] = pd.to_numeric(df_b[c], errors='coerce') # 欠損除外 df_clean = df_b.dropna(subset=[TARGET] + FEATURES).copy() print(f"欠損除外後: {len(df_clean)}行") # 2022年断面データ df_2022 = df_b[df_b['年度'] == 2022].copy() df_2022 = df_2022.dropna(subset=[TARGET] + FEATURES).reset_index(drop=True) print(f"2022年データ: N={len(df_2022)}") # ── 地域区分（大都市圏 / 地方） ───────────────────────────────── URBAN = ['東京都', '神奈川県', '埼玉県', '千葉県', '大阪府', '京都府', '愛知県', '兵庫県'] def region_label(pref): if pref == '東京都': return '東京都' elif pref in URBAN: return '主要都市圏' else: return '地方' df_2022['地域区分'] = df_2022['都道府県'].apply(region_label) # 地域区分カラーマップ REGION_COLOR = {'東京都': '#C62828', '主要都市圏': '#1565C0', '地方': '#43A047'} # ── 時系列用: 代表都道府県の選択 ──────────────────────────────── # 都市圏: 東京都, 大阪府, 愛知県 地方: 北海道, 宮城県, 福岡県, 鹿児島県 PREF_TS = { '東京都': ('#C62828', '-', 'D'), '大阪府': ('#E65100', '--', 's'), '愛知県': ('#FF8F00', ':', '^'), '北海道': ('#1565C0', '-', 'o'), '宮城県': ('#0277BD', '--', 'v'), '福岡県': ('#1B5E20', ':', 'P'), '鹿児島県': ('#6A1B9A', '-.', 'X'), } # ================================================================ # ■ Step3. OLS / Ridge / Lasso 係数推定（2022年断面） # ================================================================ y_2022 = df_2022[TARGET].values X_2022 = df_2022[FEATURES].values # OLS（標準化あり → 標準化係数） scaler = StandardScaler() X_scaled = scaler.fit_transform(X_2022) ols_model = sm.OLS(y_2022, sm.add_constant(X_scaled)).fit() ols_coefs = np.array(ols_model.params[1:]) # Ridge (alpha=1.0, random_state=42) ridge = Ridge(alpha=1.0, random_state=42) ridge.fit(X_scaled, y_2022) ridge_coefs = ridge.coef_ # Lasso (alpha=0.01, random_state=42) lasso = Lasso(alpha=0.01, random_state=42, max_iter=10000) lasso.fit(X_scaled, y_2022) lasso_coefs = lasso.coef_ print("\n" + "=" * 60) print("■ OLS / Ridge / Lasso 係数比較（標準化後）") print("=" * 60) print(f"{'変数':<20} {'OLS':>12} {'Ridge':>12} {'Lasso':>12}") print("-" * 60) for name, o, r, la in zip(FEATURE_LABELS, ols_coefs, ridge_coefs, lasso_coefs): print(f"{name:<20} {o:>12.1f} {r:>12.1f} {la:>12.1f}") print(f"\nOLS R² = {ols_model.rsquared:.4f}") print(ols_model.summary2()) # ================================================================ # ■ 図の生成（4枚） # ================================================================ # ──────────────────────────────────────────────────────────────── # 図1: 住宅地価格の時系列（代表都道府県） # ──────────────────────────────────────────────────────────────── fig1, ax1 = plt.subplots(figsize=(10, 6)) years = sorted(df_clean['年度'].unique()) for pref, (color, ls, marker) in PREF_TS.items(): ts = df_clean[df_clean['都道府県'] == pref].sort_values('年度') ax1.plot(ts['年度'], ts[TARGET] / 1000, color=color, linestyle=ls, marker=marker, markersize=5, linewidth=1.8, label=pref) ax1.set_xlabel('年度', fontsize=12) ax1.set_ylabel('住宅地 標準価格（千円/㎡）', fontsize=12) ax1.set_title('住宅地価格の時系列推移（2012〜2023年）\n都市圏と地方の格差', fontsize=13, fontweight='bold') ax1.legend(loc='upper left', fontsize=9, ncol=2, framealpha=0.9) ax1.set_xticks(years) ax1.set_xticklabels([str(y) for y in years], rotation=45, ha='right', fontsize=9) ax1.grid(True, alpha=0.3) ax1.yaxis.set_major_formatter( matplotlib.ticker.FuncFormatter(lambda x, _: f'{x:,.0f}') ) # 都市 / 地方 の区分ラベル ax1.annotate('都市圏', xy=(2023, df_clean[(df_clean['都道府県']=='東京都') & (df_clean['年度']==2023)][TARGET].values[0] / 1000), xytext=(2021.5, 360), fontsize=10, color='#C62828', arrowprops=dict(arrowstyle='->', color='#C62828', lw=1.2)) ax1.annotate('地方', xy=(2023, df_clean[(df_clean['都道府県']=='鹿児島県') & (df_clean['年度']==2023)][TARGET].values[0] / 1000), xytext=(2021.0, 60), fontsize=10, color='#6A1B9A', arrowprops=dict(arrowstyle='->', color='#6A1B9A', lw=1.2)) plt.tight_layout() fig1.savefig(os.path.join(FIG_DIR, '2022_U5_16_fig1_ts.png'), bbox_inches='tight', dpi=150) plt.close(fig1) print("\n図1保存: 2022_U5_16_fig1_ts.png") # ──────────────────────────────────────────────────────────────── # 図2: 47都道府県の住宅地価格ランキング横棒グラフ（2022年） # ──────────────────────────────────────────────────────────────── df_rank = df_2022[['都道府県', TARGET, '地域区分']].sort_values(TARGET).reset_index(drop=True) fig2, ax2 = plt.subplots(figsize=(9, 13)) colors2 = [REGION_COLOR[r] for r in df_rank['地域区分']] bars = ax2.barh( range(len(df_rank)), df_rank[TARGET] / 1000, color=colors2, alpha=0.82, edgecolor='white', height=0.75 ) ax2.set_yticks(range(len(df_rank))) ax2.set_yticklabels(df_rank['都道府県'], fontsize=9) ax2.set_xlabel('住宅地 標準価格（千円/㎡）', fontsize=11) ax2.set_title('47都道府県 住宅地価格ランキング（2022年）\nSSDSE-B 実データ', fontsize=12, fontweight='bold') # 東京都に値ラベル top_val = df_rank[TARGET].max() / 1000 ax2.text(top_val + 2, len(df_rank) - 1, f'{top_val:,.0f}', va='center', fontsize=8, color='#C62828', fontweight='bold') ax2.axvline(df_2022[TARGET].mean() / 1000, color='gray', linestyle='--', linewidth=1.2, label=f'全国平均={df_2022[TARGET].mean()/1000:.0f}千円/㎡') ax2.legend(fontsize=9, loc='lower right') ax2.grid(axis='x', alpha=0.3) from matplotlib.patches import Patch legend_handles = [ Patch(color=REGION_COLOR['東京都'], alpha=0.82, label='東京都'), Patch(color=REGION_COLOR['主要都市圏'], alpha=0.82, label='主要都市圏'), Patch(color=REGION_COLOR['地方'], alpha=0.82, label='地方'), ] ax2.legend(handles=legend_handles + [ plt.Line2D([0], [0], color='gray', linestyle='--', label=f'全国平均={df_2022[TARGET].mean()/1000:.0f}千円/㎡') ], fontsize=9, loc='lower right') plt.tight_layout() fig2.savefig(os.path.join(FIG_DIR, '2022_U5_16_fig2_rank.png'), bbox_inches='tight', dpi=150) plt.close(fig2) print("図2保存: 2022_U5_16_fig2_rank.png") # ──────────────────────────────────────────────────────────────── # 図3: OLS vs Ridge vs Lasso 係数比較（標準化係数） # ──────────────────────────────────────────────────────────────── n_feat = len(FEATURE_LABELS) x_pos = np.arange(n_feat) width = 0.25 fig3, ax3 = plt.subplots(figsize=(12, 6)) bars_ols = ax3.bar(x_pos - width, ols_coefs / 1000, width, label='OLS', color='#1565C0', alpha=0.80, edgecolor='white') bars_ridge = ax3.bar(x_pos, ridge_coefs / 1000, width, label='Ridge (α=1.0)', color='#2E7D32', alpha=0.80, edgecolor='white') bars_lasso = ax3.bar(x_pos + width, lasso_coefs / 1000, width, label='Lasso (α=0.01)', color='#E65100', alpha=0.80, edgecolor='white') ax3.axhline(0, color='gray', linewidth=0.8, linestyle='--') ax3.set_xticks(x_pos) ax3.set_xticklabels(FEATURE_LABELS, rotation=30, ha='right', fontsize=10) ax3.set_ylabel('標準化係数（×10³ 円/㎡ 単位）', fontsize=11) ax3.set_title('OLS・Ridge・Lasso の係数比較（2022年断面, 標準化後）\n' '正則化による係数の収縮効果', fontsize=12, fontweight='bold') ax3.legend(fontsize=10) ax3.grid(axis='y', alpha=0.3) # Lasso でゼロになった変数にマーク for i, (lc, name) in enumerate(zip(lasso_coefs, FEATURE_LABELS)): if abs(lc) < 1e-6: ax3.text(i + width, 0.5, 'Lasso=0', ha='center', va='bottom', fontsize=7.5, color='#E65100', rotation=0) plt.tight_layout() fig3.savefig(os.path.join(FIG_DIR, '2022_U5_16_fig3_model.png'), bbox_inches='tight', dpi=150) plt.close(fig3) print("図3保存: 2022_U5_16_fig3_model.png") # ──────────────────────────────────────────────────────────────── # 図4: 総人口 vs 住宅地価格 散布図（地域カラー） # ──────────────────────────────────────────────────────────────── fig4, ax4 = plt.subplots(figsize=(9, 7)) for region, color in REGION_COLOR.items(): sub = df_2022[df_2022['地域区分'] == region] ax4.scatter(sub['総人口'] / 1e6, sub[TARGET] / 1000, c=color, s=60, alpha=0.85, label=region, zorder=3) # 都道府県名ラベル（東京・大阪・秋田など主要県） for _, row in sub.iterrows(): if row[TARGET] > 100000 or row['都道府県'] in ['秋田県', '青森県', '鳥取県', '北海道', '大阪府']: ax4.annotate(row['都道府県'], xy=(row['総人口']/1e6, row[TARGET]/1000), xytext=(3, 3), textcoords='offset points', fontsize=7.5, color=color) # 回帰直線（全体） x4 = df_2022['総人口'].values / 1e6 y4 = df_2022[TARGET].values / 1000 z4 = np.polyfit(x4, y4, 1) xs4 = np.linspace(x4.min(), x4.max(), 200) ax4.plot(xs4, np.poly1d(z4)(xs4), 'k--', linewidth=1.2, alpha=0.6, label='回帰直線（全体）') r4, p4 = stats.pearsonr(x4, y4) ax4.set_xlabel('総人口（百万人）', fontsize=12) ax4.set_ylabel('住宅地 標準価格（千円/㎡）', fontsize=12) ax4.set_title(f'総人口と住宅地価格の関係（2022年）\n' f'r = {r4:.3f} (p = {p4:.4f}) N=47都道府県', fontsize=12, fontweight='bold') ax4.legend(fontsize=10, loc='upper left') ax4.grid(True, alpha=0.3) plt.tight_layout() fig4.savefig(os.path.join(FIG_DIR, '2022_U5_16_fig4_scatter.png'), bbox_inches='tight', dpi=150) plt.close(fig4) print("図4保存: 2022_U5_16_fig4_scatter.png") print("\n" + "=" * 60) print("■ 全図の生成完了（4枚）") print(" 2022_U5_16_fig1_ts.png : 住宅地価格 時系列") print(" 2022_U5_16_fig2_rank.png : 47都道府県 価格ランキング") print(" 2022_U5_16_fig3_model.png : OLS vs Ridge vs Lasso 係数比較") print(" 2022_U5_16_fig4_scatter.png: 総人口 vs 住宅地価格 散布図") print("=" * 60)