地域格差から見る人口移動

# 先頭列名 'SSDSE-B-2026' が年度。ラベル行 skiprows=[1] を読み飛ばす。
df = pd.read_csv(DATA_B, encoding='cp932', skiprows=[1])
d = df[df['SSDSE-B-2026'] == 2023].copy()          # 2023 年の 47 都道府県

# 使う列（コード）を数値化：A1101 総人口 / A5101 転入 / A5102 転出
#   E4601 高校卒業者数 / E4602 進学者数 / E6102 大学数
for c in ['A1101', 'A5101', 'A5102', 'E4601', 'E4602', 'E6102']:
    d[c] = pd.to_numeric(d[c], errors='coerce')

# 純移動率(‰) = (転入 - 転出) / 総人口 × 1000
d['純移動率'] = (d['A5101'] - d['A5102']) / d['A1101'] * 1000
# 高校卒業後進学率(%) = 進学者数 / 卒業者数 × 100（原論文の進学率変数に対応）
d['進学率'] = d['E4602'] / d['E4601'] * 100
d['大学数'] = d['E6102']

print("=== [0] データ概要（SSDSE-B・2023年・実再現）===")
print(f"対象年: 2023 / 都道府県数: {len(d)}")
print(f"純移動率(‰)  平均 {d['純移動率'].mean():6.3f}  最小 {d['純移動率'].min():6.3f}  最大 {d['純移動率'].max():6.3f}")
print(f"進学率(%)    平均 {d['進学率'].mean():6.2f}  最小 {d['進学率'].min():6.2f}  最大 {d['進学率'].max():6.2f}")
print(f"大学数       平均 {d['大学数'].mean():6.1f}  最小 {int(d['大学数'].min())}      最大 {int(d['大学数'].max())}")

# （原論文の県間ペア・オッズ比ではなく都道府県単位の近似。）
rank = d.sort_values('純移動率', ascending=True)
print("=== [2] 都道府県別 純移動率（2023・実再現・単位‰）===")
top = d.sort_values('純移動率', ascending=False).head(5)
bot = d.sort_values('純移動率', ascending=True).head(5)
print("流入超過 上位5:", "  ".join(f"{p}{v:+.2f}" for p, v in zip(top['Prefecture'], top['純移動率'])))
print("流出超過 下位5:", "  ".join(f"{p}{v:+.2f}" for p, v in zip(bot['Prefecture'], bot['純移動率'])))

fig, ax = plt.subplots(figsize=(8, 11))
bar_colors = ['#e05c5c' if v > 0 else '#4e9af1' for v in rank['純移動率']]
ax.barh(rank['Prefecture'], rank['純移動率'], color=bar_colors, alpha=0.85)
ax.axvline(0, color='black', linewidth=1)
ax.set_xlabel('純移動率（‰）= (転入−転出)/総人口×1000', fontsize=11)
ax.set_title('図2：都道府県別 純移動率ランキング（2023年・SSDSE-B 実再現）\n'
             '赤=流入超過, 青=流出超過', fontsize=12, fontweight='bold')
ax.grid(axis='x', alpha=0.3)
plt.tight_layout()
plt.savefig(os.path.join(FIG_DIR, '2022_U5_11_fig2_rank.png'), dpi=150, bbox_inches='tight')
plt.close()

# SSDSE-B の E4602(進学者数)/E4601(卒業者数) から実計算する。
srank = d.sort_values('進学率', ascending=True)
print("=== [3] 高校卒業後進学率（2023・実再現・単位%）===")
stop = d.sort_values('進学率', ascending=False).head(3)
sbot = d.sort_values('進学率', ascending=True).head(3)
print("進学率 高い3県:", "  ".join(f"{p}{v:.1f}" for p, v in zip(stop['Prefecture'], stop['進学率'])))
print("進学率 低い3県:", "  ".join(f"{p}{v:.1f}" for p, v in zip(sbot['Prefecture'], sbot['進学率'])))

fig, ax = plt.subplots(figsize=(8, 11))
ax.barh(srank['Prefecture'], srank['進学率'], color='#f0a500', alpha=0.85)
ax.set_xlabel('高校卒業後進学率（%）= 進学者数 / 卒業者数 × 100', fontsize=11)
ax.set_title('図3：都道府県別 高校卒業後進学率（2023年・SSDSE-B 実再現）',
             fontsize=12, fontweight='bold')
ax.grid(axis='x', alpha=0.3)
plt.tight_layout()
plt.savefig(os.path.join(FIG_DIR, '2022_U5_11_fig3_fe_coef.png'), dpi=150, bbox_inches='tight')

#   0.0018618 とは別物であり混同しない。）
r = d['大学数'].corr(d['純移動率'])
print("=== [4] 大学数と純移動率の関係（2023・実再現）===")
print(f"大学数と純移動率の相関係数 r = {r:+.3f}（本ページの再計算値。原論文の係数とは別物）")
print("→ 大学が多い都道府県ほど人口が流入する県横断的な傾向が確認できる。")

fig, ax = plt.subplots(figsize=(9, 6))
ax.scatter(d['大学数'], d['純移動率'], s=60, color='#5cb85c', alpha=0.8, edgecolor='white')
for _, row in d.iterrows():
    if row['大学数'] > 25 or abs(row['純移動率']) > 3:
        ax.annotate(row['Prefecture'], (row['大学数'], row['純移動率']),
                    fontsize=8, alpha=0.7, xytext=(3, 3), textcoords='offset points')
slope, intercept = np.polyfit(d['大学数'], d['純移動率'], 1)
xr = np.linspace(d['大学数'].min(), d['大学数'].max(), 100)
ax.plot(xr, slope * xr + intercept, 'k--', linewidth=1.4, label=f'回帰直線 (r={r:+.2f})')
ax.axhline(0, color='gray', linewidth=0.8, linestyle=':')
ax.set_xlabel('大学数（校・2023年）', fontsize=11)
ax.set_ylabel('純移動率（‰）', fontsize=11)
ax.set_title('図4：大学数と純移動率（2023年・SSDSE-B 実再現, N=47）\n'
             '大学が多い県ほど流入超過', fontsize=12, fontweight='bold')
ax.legend(fontsize=10)
ax.grid(alpha=0.3)
plt.tight_layout()
plt.savefig(os.path.join(FIG_DIR, '2022_U5_11_fig4_scatter.png'), dpi=150, bbox_inches='tight')