""" 教育用再現コード: 2024年 統計データ分析コンペティション 総務大臣賞（高校生） ================================================================= 論文タイトル：食の外部化における地域特性 著者：佐々木万悠子（雙葉高等学校） 【分析概要】 データ：政府統計の総合窓口 SSDSE-B-2026（社会・人口統計体系 都道府県データ） 家計調査（二人以上の世帯）、人口、旅館営業施設数、延べ宿泊者数 等 Step1. 相関行列ヒートマップ（食料費・教養娯楽費・被服費割合と人口・高齢化率） Step2. 散布図：高齢化率 vs 食料費割合（47都道府県・回帰直線付き） Step3. 箱ひげ図：都市規模別（地方・中規模・都市）の食料費・教養娯楽費割合比較 Step4. 時系列：食料費割合・教養娯楽費割合の推移（2012〜2023年、全国平均） Key findings: - 高齢化率が高い道府県ほど教養娯楽費割合が低い（r=−0.503） - コロナ禍（2020〜21年）で食料費割合が上昇し、教養娯楽費割合が急減 - 都市部の教養娯楽費割合は地方より高い（外食・娯楽志向） - 食料費割合は都市規模による差が小さいが、教養娯楽費に顕著な地域差 【データサイエンス学習ポイント】 1. 家計消費支出を分母とした構成比データの活用 2. 相関係数の解釈：因果ではなく関連の強さ（多重共線性・構成比制約に注意） 3. 高齢化率・ホテル密度など社会変化指標の代理変数としての意義 4. コロナ禍（2020〜21年）が消費行動に与えた構造変化の可視化 5. 都市規模別グループ比較（箱ひげ図）による地域差の定量的評価 【データ】SSDSE-B-2026.csv（実公的データ） 出典：政府統計の総合窓口（e-Stat）/ 統計数理研究所 SSDSE ================================================================= """ # ============================================================ # 【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/2024_H1_daijin.py # ============================================================ import pandas as pd import matplotlib matplotlib.use('Agg') import matplotlib.pyplot as plt import matplotlib.patches as mpatches 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 DATA_PATH = 'data/raw/SSDSE-B-2026.csv' FIG_DIR = 'html/figures' os.makedirs(FIG_DIR, exist_ok=True) # ================================================================ # ■ Step 0. データ読み込み（SSDSE-B-2026） # ================================================================ print("=" * 65) print("■ データ読み込み（SSDSE-B-2026 実公的データ）") print("=" * 65) df_raw = pd.read_csv(DATA_PATH, encoding='cp932', header=1) # 都道府県レベル行のみ抽出（地域コード = R + 5桁数字） df_b = df_raw[df_raw['地域コード'].str.match(r'^R\d{5}$', na=False)].copy() df_b = df_b.reset_index(drop=True) # 必要列を数値変換 numeric_cols = [ '年度', '総人口', '65歳以上人口', '合計特殊出生率', '消費支出（二人以上の世帯）', '食料費（二人以上の世帯）', '教養娯楽費（二人以上の世帯）', '被服及び履物費（二人以上の世帯）', 'その他の消費支出（二人以上の世帯）', '旅館営業施設数（ホテルを含む）', '延べ宿泊者数', ] for col in numeric_cols: df_b[col] = pd.to_numeric(df_b[col], errors='coerce') print(f"読み込み完了: {len(df_b)} 行（{df_b['年度'].nunique()}年 × {df_b['地域コード'].nunique()}都道府県）") print(f"対象年度: {sorted(df_b['年度'].unique())}") # ================================================================ # ■ Step 1. 派生変数の計算 # ================================================================ # 比率変数の構築（構成比 = 各費目 / 消費支出） df_b['food_ratio'] = df_b['食料費（二人以上の世帯）'] / df_b['消費支出（二人以上の世帯）'] df_b['leisure_ratio'] = df_b['教養娯楽費（二人以上の世帯）'] / df_b['消費支出（二人以上の世帯）'] df_b['clothing_ratio'] = df_b['被服及び履物費（二人以上の世帯）'] / df_b['消費支出（二人以上の世帯）'] df_b['other_ratio'] = df_b['その他の消費支出（二人以上の世帯）'] / df_b['消費支出（二人以上の世帯）'] # ホテル密度（施設数 / 人口 × 10,000） df_b['hotel_per_pop'] = df_b['旅館営業施設数（ホテルを含む）'] / df_b['総人口'] * 10000 # 高齢化率 df_b['aging_rate'] = df_b['65歳以上人口'] / df_b['総人口'] # 2023年断面データ（最新年で都道府県比較） df_2023 = df_b[df_b['年度'] == 2023].copy().reset_index(drop=True) print(f"\n2023年断面データ: {len(df_2023)} 都道府県") print("\n記述統計（主要変数・2023年）:") desc_cols = ['food_ratio', 'leisure_ratio', 'clothing_ratio', 'hotel_per_pop', 'aging_rate'] print(df_2023[desc_cols].describe().round(4)) # ================================================================ # ■ 相関分析 # ================================================================ print("\n" + "=" * 65) print("■ 相関分析（2023年 47都道府県）") print("=" * 65) corr_cols = ['food_ratio', 'leisure_ratio', 'clothing_ratio', 'hotel_per_pop', 'aging_rate', '合計特殊出生率'] corr_labels = ['食料費\n割合', '教養娯楽\n費割合', '被服費\n割合', 'ホテル\n密度', '高齢化率', '合計特殊\n出生率'] corr_mat = df_2023[corr_cols].corr() print("\n相関行列（2023年）:") print(corr_mat.round(3)) r_aging_food, p_aging_food = stats.pearsonr(df_2023['aging_rate'], df_2023['food_ratio']) r_aging_leis, p_aging_leis = stats.pearsonr(df_2023['aging_rate'], df_2023['leisure_ratio']) print(f"\n高齢化率 × 食料費割合: r={r_aging_food:.3f}, p={p_aging_food:.4f}") print(f"高齢化率 × 教養娯楽費割合: r={r_aging_leis:.3f}, p={p_aging_leis:.4f}") # 都市規模グループ分類（人口三分位） pop_q33 = df_2023['総人口'].quantile(1/3) pop_q67 = df_2023['総人口'].quantile(2/3) df_2023['urban_group'] = pd.cut( df_2023['総人口'], bins=[0, pop_q33, pop_q67, float('inf')], labels=['地方（人口少）', '中規模', '都市（人口多）'], include_lowest=True ) print("\n都市規模グループ別平均（2023年）:") grp_stats = df_2023.groupby('urban_group', observed=True)[['food_ratio', 'leisure_ratio', 'aging_rate']].mean() print(grp_stats.round(4)) # ================================================================ # ■ 図の生成（4枚） # ================================================================ print("\n" + "=" * 65) print("■ 図の生成（4枚）") print("=" * 65) # ─── 図1: 相関行列ヒートマップ ────────────────────────────────── print("図1: 相関行列ヒートマップを作成中...") fig1, axes1 = plt.subplots(1, 2, figsize=(14, 6)) fig1.suptitle('家計消費費目割合と地域変数の相関分析（2023年 47都道府県）', fontsize=13, fontweight='bold') # 左: ヒートマップ ax1a = axes1[0] mat = corr_mat.values im = ax1a.imshow(mat, cmap='RdBu_r', vmin=-1, vmax=1, aspect='auto') plt.colorbar(im, ax=ax1a, shrink=0.8, label='Pearson r') ax1a.set_xticks(range(len(corr_cols))) ax1a.set_yticks(range(len(corr_cols))) ax1a.set_xticklabels(corr_labels, fontsize=9) ax1a.set_yticklabels(corr_labels, fontsize=9) for i in range(len(corr_cols)): for j in range(len(corr_cols)): v = mat[i, j] ax1a.text(j, i, f'{v:.2f}', ha='center', va='center', fontsize=9, color='white' if abs(v) > 0.6 else 'black', fontweight='bold') ax1a.set_title('相関行列（消費費目割合 × 地域変数）', fontsize=10, fontweight='bold') # 右: 教養娯楽費割合との相関棒グラフ ax1b = axes1[1] target_vars = ['food_ratio', 'clothing_ratio', 'hotel_per_pop', 'aging_rate', '合計特殊出生率'] target_labels2 = ['食料費割合', '被服費割合', 'ホテル密度\n（施設/万人）', '高齢化率', '合計特殊出生率'] corr_vals = [df_2023['leisure_ratio'].corr(df_2023[v]) for v in target_vars] bar_cols = ['#E53935' if v < 0 else '#1565C0' for v in corr_vals] sorted_idx = sorted(range(len(corr_vals)), key=lambda i: corr_vals[i]) ax1b.barh( range(len(target_vars)), [corr_vals[i] for i in sorted_idx], color=[bar_cols[i] for i in sorted_idx], alpha=0.85, edgecolor='white' ) ax1b.set_yticks(range(len(target_vars))) ax1b.set_yticklabels([target_labels2[i] for i in sorted_idx], fontsize=10) ax1b.axvline(0, color='black', linewidth=1.0) ax1b.set_xlabel('Pearson 相関係数（教養娯楽費割合との相関）', fontsize=10) ax1b.set_title('教養娯楽費割合との相関係数\n（高齢化率との強い負の相関）', fontsize=10, fontweight='bold') ax1b.grid(axis='x', alpha=0.3) for i, idx in enumerate(sorted_idx): v = corr_vals[idx] r_val, p_val = stats.pearsonr(df_2023['leisure_ratio'], df_2023[target_vars[idx]]) sig = '***' if p_val < 0.001 else '**' if p_val < 0.01 else '*' if p_val < 0.05 else '' if sig: offset = 0.02 if v > 0 else -0.02 ha = 'left' if v > 0 else 'right' ax1b.text(v + offset, i, sig, va='center', ha=ha, fontsize=10, fontweight='bold') plt.tight_layout() fig1.savefig(os.path.join(FIG_DIR, '2024_H1_fig1_corr.png'), bbox_inches='tight', dpi=150) plt.close(fig1) print(" → 2024_H1_fig1_corr.png 保存完了") # ─── 図2: 高齢化率 vs 食料費割合 散布図 ────────────────────────── print("図2: 散布図（高齢化率 vs 食料費割合）を作成中...") fig2, axes2 = plt.subplots(1, 2, figsize=(14, 6)) fig2.suptitle('高齢化率と家計消費費目割合の関係（2023年 47都道府県）', fontsize=13, fontweight='bold') # 左: 高齢化率 vs 食料費割合 ax2a = axes2[0] group_colors_map = {'地方（人口少）': '#1565C0', '中規模': '#43A047', '都市（人口多）': '#E65100'} colors2 = [group_colors_map.get(str(g), '#888888') for g in df_2023['urban_group']] ax2a.scatter(df_2023['aging_rate'] * 100, df_2023['food_ratio'] * 100, c=colors2, s=80, alpha=0.85, edgecolors='white', linewidth=0.5, zorder=3) # 回帰直線 x2a = df_2023['aging_rate'].values y2a = df_2023['food_ratio'].values sl2a, ic2a, rv2a, pv2a, _ = stats.linregress(x2a, y2a) x2a_line = [x2a.min(), x2a.max()] y2a_line = [ic2a + sl2a * x for x in x2a_line] ax2a.plot([v * 100 for v in x2a_line], [v * 100 for v in y2a_line], '--', color='#333333', linewidth=2, label=f'回帰直線 r={rv2a:.3f}{"*" if pv2a < 0.05 else ""}') # 注目都道府県ラベル highlight2 = ['秋田県', '東京都', '神奈川県', '愛媛県', '沖縄県'] for _, row in df_2023[df_2023['都道府県'].isin(highlight2)].iterrows(): ax2a.annotate(row['都道府県'], (row['aging_rate'] * 100, row['food_ratio'] * 100), fontsize=8.5, fontweight='bold', color='#333333', xytext=(5, 4), textcoords='offset points') ax2a.set_xlabel('高齢化率（65歳以上人口 / 総人口 × 100, %）', fontsize=10) ax2a.set_ylabel('食料費割合（食料費 / 消費支出 × 100, %）', fontsize=10) ax2a.set_title('高齢化率 vs 食料費割合\n（r={:.3f}, p={:.4f}）'.format(rv2a, pv2a), fontsize=10, fontweight='bold') patches2a = [mpatches.Patch(color=c, alpha=0.85, label=g) for g, c in group_colors_map.items()] ax2a.legend(handles=patches2a + [plt.Line2D([0],[0], color='#333333', linestyle='--', label=f'回帰直線 r={rv2a:.3f}')], fontsize=8.5) ax2a.grid(True, alpha=0.3) # 右: 高齢化率 vs 教養娯楽費割合 ax2b = axes2[1] ax2b.scatter(df_2023['aging_rate'] * 100, df_2023['leisure_ratio'] * 100, c=colors2, s=80, alpha=0.85, edgecolors='white', linewidth=0.5, zorder=3) x2b = df_2023['aging_rate'].values y2b = df_2023['leisure_ratio'].values sl2b, ic2b, rv2b, pv2b, _ = stats.linregress(x2b, y2b) x2b_line = [x2b.min(), x2b.max()] y2b_line = [ic2b + sl2b * x for x in x2b_line] ax2b.plot([v * 100 for v in x2b_line], [v * 100 for v in y2b_line], '--', color='#333333', linewidth=2, label=f'回帰直線 r={rv2b:.3f}') highlight2b = ['秋田県', '神奈川県', '東京都', '長崎県', '沖縄県'] for _, row in df_2023[df_2023['都道府県'].isin(highlight2b)].iterrows(): ax2b.annotate(row['都道府県'], (row['aging_rate'] * 100, row['leisure_ratio'] * 100), fontsize=8.5, fontweight='bold', color='#333333', xytext=(5, 4), textcoords='offset points') ax2b.set_xlabel('高齢化率（65歳以上人口 / 総人口 × 100, %）', fontsize=10) ax2b.set_ylabel('教養娯楽費割合（教養娯楽費 / 消費支出 × 100, %）', fontsize=10) ax2b.set_title('高齢化率 vs 教養娯楽費割合\n（r={:.3f}, p={:.4f}）'.format(rv2b, pv2b), fontsize=10, fontweight='bold') ax2b.legend(handles=patches2a + [plt.Line2D([0],[0], color='#333333', linestyle='--', label=f'回帰直線 r={rv2b:.3f}')], fontsize=8.5) ax2b.grid(True, alpha=0.3) plt.tight_layout() fig2.savefig(os.path.join(FIG_DIR, '2024_H1_fig2_scatter.png'), bbox_inches='tight', dpi=150) plt.close(fig2) print(" → 2024_H1_fig2_scatter.png 保存完了") # ─── 図3: 都市規模別の箱ひげ図 ────────────────────────────────── print("図3: 都市規模別の箱ひげ図を作成中...") GROUP_ORDER = ['地方（人口少）', '中規模', '都市（人口多）'] GROUP_COLORS = {'地方（人口少）': '#1565C0', '中規模': '#43A047', '都市（人口多）': '#E65100'} fig3, axes3 = plt.subplots(1, 2, figsize=(14, 6)) fig3.suptitle('都市規模グループ別 消費費目割合の分布比較（2023年 47都道府県）', fontsize=13, fontweight='bold') def boxplot_group(ax, target_col, ylabel, title): data_by_group = [ df_2023[df_2023['urban_group'] == g][target_col].dropna().values * 100 for g in GROUP_ORDER ] bp = ax.boxplot(data_by_group, patch_artist=True, notch=False, medianprops=dict(color='white', linewidth=2.5), whiskerprops=dict(linewidth=1.5), capprops=dict(linewidth=1.5)) for patch, g in zip(bp['boxes'], GROUP_ORDER): patch.set_facecolor(GROUP_COLORS[g]) patch.set_alpha(0.8) ax.set_xticklabels(GROUP_ORDER, fontsize=10) ax.set_ylabel(ylabel, fontsize=10) ax.set_title(title, fontsize=10, fontweight='bold') ax.grid(axis='y', alpha=0.3) # 個別データ点（ジッター代わりに等間隔描画） for k, (g, data) in enumerate(zip(GROUP_ORDER, data_by_group)): n = len(data) xs = [k + 1 + (i - n/2) * 0.03 for i in range(n)] ax.scatter(xs, data, color=GROUP_COLORS[g], s=30, alpha=0.6, edgecolors='white', linewidth=0.4, zorder=4) # 平均値マーク for k, data in enumerate(data_by_group): if len(data) > 0: ax.scatter(k + 1, data.mean(), marker='D', color='gold', s=60, zorder=5, edgecolors='#333', linewidth=0.8) boxplot_group(axes3[0], 'food_ratio', '食料費割合（食料費 / 消費支出 × 100, %）', '都市規模グループ別 食料費割合の分布\n（◆=平均値、箱内白線=中央値）') boxplot_group(axes3[1], 'leisure_ratio', '教養娯楽費割合（教養娯楽費 / 消費支出 × 100, %）', '都市規模グループ別 教養娯楽費割合の分布\n（都市部で高い外食・娯楽志向）') # 統計量を出力 print("\n都市規模グループ別 記述統計（%換算）:") for col, name in [('food_ratio', '食料費割合'), ('leisure_ratio', '教養娯楽費割合')]: print(f"\n {name}:") for g in GROUP_ORDER: vals = df_2023[df_2023['urban_group'] == g][col].dropna() * 100 print(f" {g}: mean={vals.mean():.2f}%, median={vals.median():.2f}%, n={len(vals)}") plt.tight_layout() fig3.savefig(os.path.join(FIG_DIR, '2024_H1_fig3_type.png'), bbox_inches='tight', dpi=150) plt.close(fig3) print(" → 2024_H1_fig3_type.png 保存完了") # ─── 図4: 時系列トレンド（2012〜2023年） ────────────────────────── print("図4: 時系列トレンドを作成中...") # 年別全国平均の算出 yearly_avg = df_b.groupby('年度')[['food_ratio', 'leisure_ratio', 'clothing_ratio']].mean() years_ts = yearly_avg.index.tolist() # 都市規模別の時系列：最新年(2023)の都市規模分類を全年に適用 urban_group_map = dict(zip(df_2023['都道府県'], df_2023['urban_group'])) df_b['urban_group_fixed'] = df_b['都道府県'].map(urban_group_map) yearly_urban = df_b.groupby(['年度', 'urban_group_fixed'], observed=True)[ ['food_ratio', 'leisure_ratio'] ].mean().reset_index() fig4, axes4 = plt.subplots(1, 2, figsize=(14, 6)) fig4.suptitle('食料費・教養娯楽費割合の推移（2012〜2023年）', fontsize=13, fontweight='bold') # 左: 全国平均の食料費・教養娯楽費・被服費割合 ax4a = axes4[0] ax4a.plot(years_ts, yearly_avg['food_ratio'] * 100, 'o-', color='#E53935', linewidth=2.5, markersize=7, label='食料費割合（内食志向）') ax4a.plot(years_ts, yearly_avg['leisure_ratio'] * 100, 's-', color='#1565C0', linewidth=2.5, markersize=7, label='教養娯楽費割合（外食・娯楽）') ax4a.plot(years_ts, yearly_avg['clothing_ratio'] * 100, '^-', color='#43A047', linewidth=2.0, markersize=6, label='被服費割合') ax4a.axvspan(2020, 2021.5, alpha=0.12, color='gray') ax4a.axvline(2020, color='gray', linestyle='--', linewidth=1.5, label='COVID-19 拡大（2020年）') ax4a.set_xlabel('年度', fontsize=11) ax4a.set_ylabel('割合（費目 / 消費支出 × 100, %）', fontsize=10) ax4a.set_title('全国平均：消費費目割合の推移\n（コロナ禍で食料費↑、教養娯楽費↓）', fontsize=10, fontweight='bold') ax4a.legend(fontsize=9) ax4a.grid(True, alpha=0.3) ax4a.set_xticks(years_ts) ax4a.set_xticklabels([str(y) for y in years_ts], rotation=45, fontsize=8) # 2019→2020の変化をアノテーション food_2019 = yearly_avg.loc[2019, 'food_ratio'] * 100 food_2020 = yearly_avg.loc[2020, 'food_ratio'] * 100 leis_2019 = yearly_avg.loc[2019, 'leisure_ratio'] * 100 leis_2020 = yearly_avg.loc[2020, 'leisure_ratio'] * 100 ax4a.annotate(f'食料費\n+{food_2020 - food_2019:.1f}%pt', xy=(2020, food_2020), xytext=(2020.3, food_2020 + 0.5), fontsize=8, color='#E53935', arrowprops=dict(arrowstyle='->', color='#E53935')) ax4a.annotate(f'教養娯楽費\n{leis_2020 - leis_2019:+.1f}%pt', xy=(2020, leis_2020), xytext=(2018.5, leis_2020 - 0.5), fontsize=8, color='#1565C0', arrowprops=dict(arrowstyle='->', color='#1565C0')) # 右: 都市規模別の教養娯楽費割合の推移 ax4b = axes4[1] style_map = { '地方（人口少）': ('-', '#1565C0', 'o', '地方（人口少）'), '中規模': ('--', '#43A047', 's', '中規模'), '都市（人口多）': ('-', '#E65100', '^', '都市（人口多）'), } for grp, (ls, col, mk, lbl) in style_map.items(): grp_data = yearly_urban[yearly_urban['urban_group_fixed'] == grp].sort_values('年度') ax4b.plot(grp_data['年度'], grp_data['leisure_ratio'] * 100, linestyle=ls, color=col, marker=mk, markersize=6, linewidth=2.0, label=lbl, alpha=0.9) ax4b.axvspan(2020, 2021.5, alpha=0.12, color='gray') ax4b.axvline(2020, color='gray', linestyle='--', linewidth=1.5, label='COVID-19 拡大') ax4b.set_xlabel('年度', fontsize=11) ax4b.set_ylabel('教養娯楽費割合（%）', fontsize=10) ax4b.set_title('都市規模別 教養娯楽費割合の推移\n（都市部でコロナ前後の変化が大きい）', fontsize=10, fontweight='bold') ax4b.legend(fontsize=9) ax4b.grid(True, alpha=0.3) ax4b.set_xticks(years_ts) ax4b.set_xticklabels([str(y) for y in years_ts], rotation=45, fontsize=8) plt.tight_layout() fig4.savefig(os.path.join(FIG_DIR, '2024_H1_fig4_trend.png'), bbox_inches='tight', dpi=150) plt.close(fig4) print(" → 2024_H1_fig4_trend.png 保存完了") print("\n" + "=" * 65) print("全図の生成完了（4枚）") print("=" * 65) print(f"\n保存先: {FIG_DIR}") print(" 2024_H1_fig1_corr.png - 相関行列と教養娯楽費割合との相関係数") print(" 2024_H1_fig2_scatter.png - 高齢化率 vs 食料費・教養娯楽費割合 散布図") print(" 2024_H1_fig3_type.png - 都市規模グループ別 費目割合の箱ひげ図") print(" 2024_H1_fig4_trend.png - 食料費・教養娯楽費割合の時系列推移") print(f"\nデータ出典: SSDSE-B-2026（政府統計の総合窓口 e-Stat / 統計数理研究所）")