大学進学率の地域格差
地理的異質性と集積効果のパネル分析

df_b['大学進学率'] = df_b['高等学校卒業者のうち進学者数'] / df_b['高等学校卒業者数'].replace(0, np.nan) * 100
df_b['高齢化率'] = df_b['65歳以上人口'] / df_b['総人口'] * 100
df_b['消費支出_log'] = np.log(df_b['消費支出（二人以上の世帯）'].clip(lower=1))
df_b['教育費_千円'] = df_b['教育費（二人以上の世帯）'] / 1000
df_b['総人口_千人'] = df_b['総人口'] / 1000

# 地域区分
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',
}
df_b['地域'] = df_b['都道府県'].map(region_map)
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',
}

fig, ax = plt.subplots(figsize=(10, 5))
yearly = df_b.groupby(['年度', '地域'])['大学進学率'].mean().reset_index()
for reg, grp in yearly.groupby('地域'):
    ax.plot(grp['年度'], grp['大学進学率'], marker='o', markersize=4,
            label=reg, color=region_colors.get(reg, 'gray'))
ax.set_xlabel('年度', fontsize=12)
ax.set_ylabel('大学進学率（%）', fontsize=12)
ax.set_title('地域別 大学進学率の推移（2012〜2023年）', fontsize=14, fontweight='bold')
ax.legend(fontsize=9)
ax.grid(alpha=0.3)
plt.tight_layout()
plt.savefig(os.path.join(FIG_DIR, '2022_U5_10_fig1_ts.png'), dpi=150, bbox_inches='tight')
plt.close()
print("Fig1 saved")

df_2022 = df_b[df_b['年度'] == 2022].copy()
df_sorted = df_2022.sort_values('大学進学率', ascending=True).dropna(subset=['大学進学率'])
fig, ax = plt.subplots(figsize=(8, 12))
colors = [region_colors.get(df_sorted[df_sorted['都道府県'] == pref]['地域'].values[0], 'gray')
          if pref in df_sorted['都道府県'].values else 'gray'
          for pref in df_sorted['都道府県']]
bars = ax.barh(df_sorted['都道府県'], df_sorted['大学進学率'], color=colors, alpha=0.8)
ax.set_xlabel('大学進学率（%）', fontsize=12)
ax.set_title('都道府県別 大学進学率ランキング（2022年）', fontsize=13, fontweight='bold')
ax.axvline(df_2022['大学進学率'].mean(), color='red', linestyle='--', linewidth=1.5,
           label=f'全国平均: {df_2022["大学進学率"].mean():.1f}%')
ax.legend(fontsize=10)
ax.grid(axis='x', alpha=0.3)
plt.tight_layout()
plt.savefig(os.path.join(FIG_DIR, '2022_U5_10_fig2_rank.png'), dpi=150, bbox_inches='tight')
plt.close()
print("Fig2 saved")

xvars = ['大学数', '高齢化率', '消費支出_log', '教育費_千円']
df_reg = df_2022[['大学進学率'] + xvars].dropna()
X = sm.add_constant(df_reg[xvars])
res = sm.OLS(df_reg['大学進学率'], X).fit()

# VIF計算
vif_df = pd.DataFrame({
    '変数': xvars,
    'VIF': [variance_inflation_factor(df_reg[xvars].values, i) for i in range(len(xvars))]
})
print(vif_df)
print(res.summary())

coefs = res.params.drop('const')
ses = res.bse.drop('const')
pvals = res.pvalues.drop('const')

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))
# 係数プロット
colors_c = ['#e05c5c' if p < 0.05 else '#888888' for p in pvals]
ax1.barh(range(len(coefs)), coefs, xerr=1.96 * ses, color=colors_c, alpha=0.8,
         error_kw={'elinewidth': 1.5, 'capsize': 4})
ax1.set_yticks(range(len(coefs)))
ax1.set_yticklabels(coefs.index, fontsize=10)
ax1.axvline(0, color='black', linewidth=0.8)
ax1.set_xlabel('回帰係数', fontsize=12)
ax1.set_title(f'OLS回帰係数（R²={res.rsquared:.3f}）\n（赤=p<0.05）', fontsize=12, fontweight='bold')
ax1.grid(axis='x', alpha=0.3)
# VIFテーブル
ax2.axis('off')
tdata = [[v, f'{vf:.2f}'] for v, vf in zip(vif_df['変数'], vif_df['VIF'])]
table = ax2.table(cellText=tdata, colLabels=['変数', 'VIF'],
                  cellLoc='center', loc='center', bbox=[0.1, 0.2, 0.8, 0.6])
table.auto_set_font_size(False)
table.set_fontsize(10)
ax2.set_title('分散拡大要因（VIF）\nVIF > 10 は多重共線性の懸念', fontsize=12, fontweight='bold')
plt.tight_layout()
plt.savefig(os.path.join(FIG_DIR, '2022_U5_10_fig3_ols.png'), dpi=150, bbox_inches='tight')
plt.close()
print("Fig3 saved")

import numpy as np
import pandas as pd
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
import matplotlib.ticker as mticker
from scipy.cluster.hierarchy import dendrogram, linkage, fcluster
from scipy.spatial.distance import pdist
from sklearn.preprocessing import StandardScaler
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor
import warnings
warnings.filterwarnings('ignore')

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)

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)
df_b = df_b.sort_values(['都道府県', '年度']).reset_index(drop=True)

cluster_vars = ['大学進学率', '高齢化率', '消費支出_log', '教育費_千円']
df_clust = df_2022[['都道府県'] + cluster_vars].dropna().set_index('都道府県')
scaler = StandardScaler()
X_scaled = scaler.fit_transform(df_clust)
Z = linkage(X_scaled, method='ward')

fig, ax = plt.subplots(figsize=(12, 6))
dendrogram(Z, labels=df_clust.index.tolist(), ax=ax,
           color_threshold=Z[-3, 2], leaf_rotation=90, leaf_font_size=8)
ax.set_title('Ward法クラスタリング：大学進学率・高齢化・消費水準（2022年）', fontsize=13, fontweight='bold')
ax.set_xlabel('都道府県', fontsize=11)
ax.set_ylabel('距離（Ward法）', fontsize=11)
ax.grid(axis='y', alpha=0.3)
plt.tight_layout()
plt.savefig(os.path.join(FIG_DIR, '2022_U5_10_fig4_cluster.png'), dpi=150, bbox_inches='tight')
plt.close()
print("Fig4 saved")
print("All figures saved!")