体力が基礎学力に与える影響について

df = pd.read_csv(DATA_B, encoding='cp932', header=1)
df['年度'] = df['年度'].astype(int)
d = df[df['年度'] == 2021].copy()   # 令和3年度（体力調査と同年）

region = {
    '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',
}
rc = {'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'}
d['地域'] = d['都道府県'].map(region)

# =====================================================================
# 原論文 3.3 と 図6 は「離婚件数」で沖縄県が外れ値だと指摘している。
# 離婚件数は SSDSE-B に収録されているので、実データで外れ値を確認する。
d['離婚率_千人'] = d['離婚件数'] / d['総人口'] * 1000
s = d[['都道府県', '離婚率_千人', '地域']].dropna().sort_values('離婚率_千人',
                                                              ascending=False)
z = (s['離婚率_千人'] - s['離婚率_千人'].mean()) / s['離婚率_千人'].std()
s = s.assign(z=z.values)
print('=== [5] 実再現：離婚件数（人口千あたり）の分布と外れ値（SSDSE-B 2021）===')
print(f'  平均={s["離婚率_千人"].mean():.3f}  標準偏差={s["離婚率_千人"].std():.3f}  N={len(s)}')
print('  上位5県:')
print(s.head(5)[['都道府県', '離婚率_千人', 'z']].to_string(index=False))
okinawa = s[s['都道府県'] == '沖縄県'].iloc[0]
print(f'  → 沖縄県: 離婚率={okinawa["離婚率_千人"]:.3f}（全国1位, z={okinawa["z"]:.2f}）'
      '。原論文が図6で指摘した外れ値を実データで確認')

fig, ax = plt.subplots(figsize=(9, 5))
ax.hist(s['離婚率_千人'], bins=16, color=BLUE, alpha=0.75, edgecolor='white')
ax.axvline(okinawa['離婚率_千人'], color=RED, lw=2, ls='--')
ax.text(okinawa['離婚率_千人'], ax.get_ylim()[1] * 0.9,
        f'  沖縄県 {okinawa["離婚率_千人"]:.2f}\n  （外れ値・z={okinawa["z"]:.1f}）',
        color=RED, fontsize=10, fontweight='bold', va='top')
ax.set_xlabel('離婚件数（人口千人あたり）', fontsize=11)
ax.set_ylabel('都道府県の数', fontsize=11)
ax.set_title('図5：離婚件数（人口千あたり）の都道府県分布【SSDSE-B 2021・実再現】\n'
             '原論文 図6 の「沖縄県が外れ値」を実データで確認（家庭環境因子の入力変数）',
             fontsize=12, fontweight='bold')
ax.grid(axis='y', alpha=0.3)
plt.tight_layout()
plt.savefig(os.path.join(FIG_DIR, '2022_H1_fig5_repro_rikon.png'), dpi=150,
            bbox_inches='tight')
plt.close()

# =====================================================================
# 原論文は「教員1人あたり児童数/生徒数」を行政支援・学習環境因子の入力変数に用いた。
# SSDSE-B の学校統計から実際に計算し、都道府県のばらつきを確認する。
d['小学校_教員あたり児童数'] = d['小学校児童数'] / d['小学校教員数']
d['中学校_教員あたり生徒数'] = d['中学校生徒数'] / d['中学校教員数']
t = d[['都道府県', '小学校_教員あたり児童数', '中学校_教員あたり生徒数', '地域']].dropna()
print('=== [6] 実再現：教員1人あたり児童・生徒数（SSDSE-B 2021）===')
for col, lab in [('小学校_教員あたり児童数', '小学校'), ('中学校_教員あたり生徒数', '中学校')]:
    top = t.sort_values(col, ascending=False).iloc[0]
    bot = t.sort_values(col).iloc[0]
    print(f'  {lab}: 平均={t[col].mean():.2f}人  最多={top["都道府県"]}({top[col]:.2f}) '
          f' 最少={bot["都道府県"]}({bot[col]:.2f})')
print('  → 教員配置（少人数教育の手厚さ）に都道府県差。原論文はこれらを'
      '「行政支援／学習環境」因子として集約した')

fig, ax = plt.subplots(figsize=(9, 5.5))
for reg, g in t.groupby('地域'):
    ax.scatter(g['小学校_教員あたり児童数'], g['中学校_教員あたり生徒数'],
               color=rc.get(reg, GRAY), s=70, alpha=0.85, label=reg)
for _, r in t.iterrows():
    ax.annotate(r['都道府県'][:2],
                (r['小学校_教員あたり児童数'], r['中学校_教員あたり生徒数']),
                fontsize=7, alpha=0.7, xytext=(3, 3), textcoords='offset points')
ax.set_xlabel('小学校 教員1人あたり児童数（人）', fontsize=11)
ax.set_ylabel('中学校 教員1人あたり生徒数（人）', fontsize=11)
ax.set_title('図6：教員1人あたり児童・生徒数【SSDSE-B 2021・実再現】\n'
             '原論文が行政支援／学習環境因子の入力に用いた変数を実データで可視化',
             fontsize=12, fontweight='bold')
ax.legend(fontsize=8, ncol=2)
ax.grid(alpha=0.3)
plt.tight_layout()
plt.savefig(os.path.join(FIG_DIR, '2022_H1_fig6_repro_teacher.png'), dpi=150,
            bbox_inches='tight')
plt.close()