若者の投票率はなぜ低下したのか
都道府県別・年代別投票率パネルデータ（2000-2020）分析

import os
import numpy as np
import pandas as pd
import matplotlib
matplotlib.use('Agg')
import matplotlib.pyplot as plt
from matplotlib.patches import Patch

plt.rcParams['font.family'] = 'Hiragino Sans'
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['figure.dpi'] = 150

FIG_DIR = 'html/figures'
DATA_B  = 'data/raw/SSDSE-B-2026.csv'
os.makedirs(FIG_DIR, exist_ok=True)

NOTE = '報告値の可視化（再計算ではない）'   # 図1〜図3 共通の注記

# ── 原論文の報告値（PDFから転記） ───────────────────────────────────────────────
# 表2-(a) 被説明変数（年代別投票率）の代表値＝overall平均（単位：％）
AGE_LABELS = ['20-24', '25-29', '30-34', '35-39', '40-44',
              '45-49', '50-54', '55-59', '60-64', '65-69']
TURNOUT_MEAN = [34.64, 40.73, 47.30, 53.07, 57.93,
                62.28, 66.29, 69.29, 73.20, 75.73]

# 図1（原論文）参院選における有権者／投票者の年代別構成比（％、本文より）
#   60歳以上の構成比と 39歳以下の構成比が 2001→2019 でどう動いたか
COMPOSITION = {
    '有権者・60歳以上': (32.4, 41.3),
    '投票者・60歳以上': (38.4, 48.8),
    '投票者・39歳以下': (22.0, 18.5),
}

# 表3（原論文）20-24歳の投票率に有意だった説明変数の回帰係数と有意水準
#   ※標準誤差は原論文 表3 を参照。ここでは点推定値と有意記号のみを可視化する。
YOUNG_COEF = [
    ('有効求人数／若年層人口(%)', -0.119, '***'),
    ('人口1人あたり公債残高(千円)',  0.069, '*'),
    ('知事任期(期)',               -0.512, '*'),
]

# ══════════════════════════════════════════════════════════════════════════════
# 図1：年代別投票率（表2-(a)の代表値／報告値の可視化）
# ══════════════════════════════════════════════════════════════════════════════
fig, ax = plt.subplots(figsize=(9, 5))
colors = plt.cm.RdYlGn(np.linspace(0.15, 0.85, len(AGE_LABELS)))
bars = ax.bar(AGE_LABELS, TURNOUT_MEAN, color=colors, edgecolor='white')
for b, v in zip(bars, TURNOUT_MEAN):
    ax.text(b.get_x() + b.get_width() / 2, v + 0.6, f'{v:.1f}',
            ha='center', va='bottom', fontsize=9)
gap = TURNOUT_MEAN[-1] - TURNOUT_MEAN[0]
ax.annotate(f'老若差 {gap:.1f} ポイント',
            xy=(0, TURNOUT_MEAN[0]), xytext=(1.5, 20),
            fontsize=11, color='#B71C1C',
            arrowprops=dict(arrowstyle='->', color='#B71C1C'))
ax.set_ylabel('年代別投票率の代表値（％）', fontsize=12)
ax.set_xlabel('年代（歳）', fontsize=12)
ax.set_ylim(0, 85)
ax.set_title('年代別投票率の代表値（35都道府県・過去14回の国政選挙）',
             fontsize=13, fontweight='bold')
ax.text(0.99, 0.02, NOTE, transform=ax.transAxes, ha='right', va='bottom',
        fontsize=9, color='#888',
        bbox=dict(boxstyle='round,pad=0.3', facecolor='#FFF9C4', edgecolor='#F9A825'))
ax.grid(axis='y', alpha=0.3)
plt.tight_layout()
fig.savefig(os.path.join(FIG_DIR, '2020_U5_2_fig1.png'), bbox_inches='tight')
plt.close()
print("図1 保存完了（年代別投票率・報告値）")

# ══════════════════════════════════════════════════════════════════════════════
# 図2：有権者／投票者構成比の変化 2001→2019（原論文 図1 の報告値）
# ══════════════════════════════════════════════════════════════════════════════
fig, ax = plt.subplots(figsize=(9, 5))
labels = list(COMPOSITION.keys())
v2001 = [COMPOSITION[k][0] for k in labels]
v2019 = [COMPOSITION[k][1] for k in labels]
x = np.arange(len(labels))
w = 0.38
b1 = ax.bar(x - w / 2, v2001, w, label='2001年参院選', color='#90A4AE')
b2 = ax.bar(x + w / 2, v2019, w, label='2019年参院選', color='#C62828')
for bars in (b1, b2):
    for b in bars:
        ax.text(b.get_x() + b.get_width() / 2, b.get_height() + 0.4,
                f'{b.get_height():.1f}%', ha='center', va='bottom', fontsize=9)
ax.set_xticks(x)
ax.set_xticklabels(labels, fontsize=11)
ax.set_ylabel('構成比（％）', fontsize=12)
ax.set_ylim(0, 60)
ax.set_title('参院選の年代別構成比の変化：進む「投票者の高齢化」',
             fontsize=13, fontweight='bold')
ax.legend(fontsize=11)
ax.text(0.99, 0.97, NOTE, transform=ax.transAxes, ha='right', va='top',
        fontsize=9, color='#888',
        bbox=dict(boxstyle='round,pad=0.3', facecolor='#FFF9C4', edgecolor='#F9A825'))
ax.grid(axis='y', alpha=0.3)
plt.tight_layout()
fig.savefig(os.path.join(FIG_DIR, '2020_U5_2_fig2.png'), bbox_inches='tight')
plt.close()
print("図2 保存完了（構成比の変化・報告値）")

# ══════════════════════════════════════════════════════════════════════════════
# 図3：20-24歳の投票率に有意だった回帰係数（原論文 表3・報告値の可視化）
# ══════════════════════════════════════════════════════════════════════════════
fig, ax = plt.subplots(figsize=(9, 4.2))
names  = [c[0] for c in YOUNG_COEF]
coefs  = [c[1] for c in YOUNG_COEF]
sigs   = [c[2] for c in YOUNG_COEF]
bcolors = ['#1565C0' if c >= 0 else '#C62828' for c in coefs]
ypos = np.arange(len(names))
ax.barh(ypos, coefs, color=bcolors, edgecolor='white')
ax.axvline(0, color='black', linewidth=1.1)
for y, c, s in zip(ypos, coefs, sigs):
    ax.text(c + (0.02 if c >= 0 else -0.02), y, f'{c:+.3f} {s}',
            va='center', ha='left' if c >= 0 else 'right', fontsize=11,
            color='#1565C0' if c >= 0 else '#C62828')
ax.set_yticks(ypos)
ax.set_yticklabels(names, fontsize=11)
ax.set_xlim(-0.75, 0.35)
ax.set_xlabel('回帰係数（ランダム効果モデル・20-24歳列）', fontsize=12)
ax.set_title('若者（20-24歳）の投票率に有意だった要因　*** p<0.01, * p<0.1',
             fontsize=12, fontweight='bold')
ax.text(0.02, 0.05,
        NOTE + '　標準誤差は原論文 表3 参照',
        transform=ax.transAxes, ha='left', va='bottom',
        fontsize=9, color='#888',
        bbox=dict(boxstyle='round,pad=0.3', facecolor='#FFF9C4', edgecolor='#F9A825'))
ax.grid(axis='x', alpha=0.3)
plt.tight_layout()
fig.savefig(os.path.join(FIG_DIR, '2020_U5_2_fig3.png'), bbox_inches='tight')
plt.close()
print("図3 保存完了（若者の有意係数・報告値）")

# ══════════════════════════════════════════════════════════════════════════════
# 図4：都道府県別 高齢化率（SSDSE-B から実再現）＝「有権者の高齢化」の背景
#   高齢化率 = 65歳以上人口 / 総人口 × 100（原論文の説明変数「高齢化率」の定義）
#   ※原論文は SSDSE-2020B を使用。ここでは最新の SSDSE-B-2026 で再計算した参考値。
# ══════════════════════════════════════════════════════════════════════════════
df = pd.read_csv(DATA_B, encoding='cp932', header=1)
df = df[df['地域コード'].astype(str).str.match(r'^R\d{5}', na=False)].copy()
df['年度'] = df['年度'].astype(int)

latest = df['年度'].max()
d = df[df['年度'] == latest].copy()
d['高齢化率'] = d['65歳以上人口'] / d['総人口'] * 100
d = d.sort_values('高齢化率').reset_index(drop=True)
nat_mean = d['高齢化率'].mean()

print("=" * 60)
print(f"SSDSE-B 実再現：都道府県別 高齢化率（{latest}年、n={len(d)}）")
print("=" * 60)
print(f"全国平均 高齢化率 : {nat_mean:.2f}%")
print(f"最低（最も若い） : {d.iloc[0]['都道府県']} {d.iloc[0]['高齢化率']:.2f}%")
print(f"最高（最も高齢） : {d.iloc[-1]['都道府県']} {d.iloc[-1]['高齢化率']:.2f}%")

fig, ax = plt.subplots(figsize=(9, 11))
bar_colors = ['#C62828' if v >= nat_mean else '#1565C0' for v in d['高齢化率']]
ax.barh(d['都道府県'], d['高齢化率'], color=bar_colors, edgecolor='white', linewidth=0.4)
ax.axvline(nat_mean, color='#333', linestyle='--', linewidth=1.4,
           label=f'全国平均 {nat_mean:.1f}%')
ax.set_xlabel('高齢化率（65歳以上人口 ÷ 総人口, ％）', fontsize=12)
ax.set_title(f'都道府県別 高齢化率（{latest}年・SSDSE-B から実再現）',
             fontsize=13, fontweight='bold')
ax.legend(handles=[
    Patch(facecolor='#C62828', label='全国平均以上'),
    Patch(facecolor='#1565C0', label='全国平均未満'),
    Patch(facecolor='none', edgecolor='#333', label=f'全国平均 {nat_mean:.1f}%'),
], loc='lower right', fontsize=10)
ax.text(0.99, 0.02, 'SSDSE-B-2026 から実再現（再計算）',
        transform=ax.transAxes, ha='right', va='bottom',
        fontsize=9, color='#2E7D32',
        bbox=dict(boxstyle='round,pad=0.3', facecolor='#E8F5E9', edgecolor='#2E7D32'))
ax.grid(axis='x', alpha=0.3)
ax.margins(y=0.01)
plt.tight_layout()
fig.savefig(os.path.join(FIG_DIR, '2020_U5_2_fig4.png'), bbox_inches='tight')
plt.close()
print("図4 保存完了（高齢化率・SSDSE-B 実再現）")

# ── 報告値サマリー（HTML用・すべて原論文の報告値／図4のみ実再現） ─────────────
print()
print("=" * 60)
print("原論文の報告値サマリー（表2-(a)・表3）")
print("=" * 60)
print(f"年代別投票率（代表値）: 20-24歳 {TURNOUT_MEAN[0]:.2f}% → 65-69歳 {TURNOUT_MEAN[-1]:.2f}%")
print(f"老若差（65-69歳 − 20-24歳）: {TURNOUT_MEAN[-1] - TURNOUT_MEAN[0]:.2f} ポイント")
print(f"投票者60歳以上の構成比 : 2001年 {COMPOSITION['投票者・60歳以上'][0]}% → 2019年 {COMPOSITION['投票者・60歳以上'][1]}%")
print(f"投票者39歳以下の構成比 : 2001年 {COMPOSITION['投票者・39歳以下'][0]}% → 2019年 {COMPOSITION['投票者・39歳以下'][1]}%")
print("20-24歳に有意だった説明変数（表3）:")
for name, c, s in YOUNG_COEF:
    print(f"  {name}: 係数 {c:+.3f} {s}")
print("多重共線性（VIF）: 全説明変数で 5 未満（原論文報告）")
print()
print("全図生成完了")