8.2 【例1】少子高齢化の可視化

e-Statのデータを用いて、少子高齢化の推移を可視化してみます。キーワード「人口」で検索して、「社会・人口統計体系」→「都道府県データ」→「年度次」と辿り「Ａ　人口・世帯」の「API」をクリックするとデータのIDが0000010101であることが分かります。

メタデータを取得してデータの概要を確認します。

metainfo_result <- estat_getMetaInfo(appId, "0000010101")   
names(metainfo_result)

## [1] "tab"    "cat01"  "area"   "time"   ".names"

head(metainfo_result$cat01)

## # A tibble: 6 x 4
##   `@code` `@name`                  `@level` `@unit`
##   <chr>   <chr>                    <chr>    <chr>  
## 1 A1101   A1101_総人口             1        人     
## 2 A110101 A110101_総人口（男）     1        人     
## 3 A110102 A110102_総人口（女）     1        人     
## 4 A1102   A1102_日本人人口         1        人     
## 5 A110201 A110201_日本人人口（男） 1        人     
## 6 A110202 A110202_日本人人口（女） 1        人

metainfo_result$cat01 %>% 
  filter(`@code` >= "A1301", `@code` <= "A1303")

## # A tibble: 7 x 4
##   `@code` `@name`                    `@level` `@unit`
##   <chr>   <chr>                      <chr>    <chr>  
## 1 A1301   A1301_15歳未満人口         1        人     
## 2 A130101 A130101_15歳未満人口（男） 1        人     
## 3 A130102 A130102_15歳未満人口（女） 1        人     
## 4 A1302   A1302_15～64歳人口         1        人     
## 5 A130201 A130201_15～64歳人口（男） 1        人     
## 6 A130202 A130202_15～64歳人口（女） 1        人     
## 7 A1303   A1303_65歳以上人口         1        人

metainfo_result$area

## # A tibble: 48 x 3
##    `@code` `@name` `@level`
##    <chr>   <chr>   <chr>   
##  1 00000   全国    1       
##  2 01000   北海道  2       
##  3 02000   青森県  2       
##  4 03000   岩手県  2       
##  5 04000   宮城県  2       
##  6 05000   秋田県  2       
##  7 06000   山形県  2       
##  8 07000   福島県  2       
##  9 08000   茨城県  2       
## 10 09000   栃木県  2       
## # ... with 38 more rows

以上の情報から、以下のようにデータを取得します。cdCat01From = "A1301"とcdCat01To = "A1303"によって、「15歳未満」から「65歳以上」の集計カテゴリを取得するようにしています。cdArea = "00000"は「全国」を指定しています。

population <- estat_getStatsData(
  appId, "0000010101", cdCat01From = "A1301",
  cdCat01To = "A1303", cdArea = "00000"
)

## Fetching record 1-315... (total: 315 records)

このデータから、積み上げ縦棒グラフを作成します。

population %>% 
  filter(str_length(cat01_code) == 5) %>% 
  ggplot(aes(調査年, value, fill = `Ａ　人口・世帯`)) +
  geom_bar(stat = "identity")

見栄えを以下のように修正します。

年齢区分の表示「A1301_１５歳未満人口」→「15歳未満」
調査年の表示：切れのいい数字のみ（日付型に変換）
人口の目盛：指数表示→千人単位の通常表示
テーマ：minimal
y軸ラベルの設定：「value」→「人口[千人]」

population %>% 
  filter(str_length(cat01_code) == 5) %>% 
  separate(`Ａ　人口・世帯`, c("code", "年齢区分"), sep = "_") %>% 
  mutate(code = order(code, decreasing = TRUE)) %>% 
  mutate(年齢区分 = stringi::stri_trans_nfkc(年齢区分)) %>% 
  mutate(年齢区分 = str_remove(年齢区分, "人口")) %>% 
  mutate(年齢区分 = fct_reorder(年齢区分, code)) %>% 
  mutate(調査年 = str_remove(調査年, "年度")) %>% 
  mutate(調査年 = lubridate::ymd(調査年, truncated = 2)) %>% 
  mutate(value = value / 1000) %>% 
  ggplot(aes(調査年, value, fill = 年齢区分)) +
  geom_bar(stat = "identity", alpha = 0.8) +
  theme_minimal(base_size = 16) +
  theme(legend.position = "bottom") +
  scale_y_continuous(name = "人口[千人]", labels = scales::comma)

続いて、65歳以上の人口と15歳未満の人口の比を取った「老年化指数」を計算し、折れ線グラフで指数の推移を可視化してみます。

population %>% 
  filter(str_length(cat01_code) == 5) %>% 
  select(-`Ａ　人口・世帯`) %>% 
  pivot_wider(names_from = cat01_code, values_from = value) %>% 
  mutate(老年化指数 = A1303 / A1301) %>% 
  mutate(調査年 = str_remove(調査年, "年度")) %>% 
  mutate(調査年 = lubridate::ymd(調査年, truncated = 2)) %>% 
  ggplot(aes(調査年, 老年化指数)) +
  geom_area(alpha = 0.6) +
  geom_point(size = 2) +
  geom_line(size = 1) +
  theme_minimal(base_size = 16) +
  labs(title = "老年化指数の推移",
       caption = "出典：都道府県・市区町村のすがた（社会・人口統計体系）")