第８章 パネルデータ（２時点）に親しむ
分析結果の解釈については、書籍をご参照ください。以下はWindows10、R version 4.2.1で実行しています。
データを読み込むにあたって、作業場所の指定とそこにデータが置いてあることが前提になります。 R本体を操作している場合は、「ファイル」→「ディレクトリの変更」でデータの置いてある場所を指定するのが簡単です。 RStudioを操作している場合は、例えばデスクトップの「R」という名前のフォルダにデータがあるとすると
setwd("C:/Users/ユーザー名/Desktop/R")を最初に実行するのがよいでしょう。ユーザー名は各自異なるので注意です。
使用するデータを読み込み、表示します。なお、R version 4.1以前で読み込む際には
data1 <- read.csv("ファイル名.csv", fileEncoding = "UTF-8-BOM")のように、エンコードのオプションを指定する必要があります。version 4.2以降では必要ありませんので、以下ではオプションを指定していません。
表８－１ ワイド形式のパネルデータ
data2 <- read.csv("ch8_wide.csv")
data2## pref flp80 tfr80 flp00 tfr00
## 1 北海道 47.1 1.64 57.4 1.23
## 2 青森 53.5 1.85 61.2 1.47
## 3 岩手 59.2 1.95 63.4 1.56
## 4 宮城 53.3 1.86 59.2 1.39
## 5 秋田 59.1 1.79 64.6 1.45
## 6 山形 67.0 1.93 68.2 1.62
## 7 福島 60.1 1.99 62.4 1.65
## 8 茨城 50.7 1.87 56.8 1.47
## 9 栃木 54.9 1.86 59.5 1.48
## 10 群馬 53.7 1.81 59.2 1.51
## 11 埼玉 44.5 1.73 54.9 1.30
## 12 千葉 43.9 1.74 55.3 1.30
## 13 東京 49.4 1.44 57.6 1.07
## 14 神奈川 41.9 1.70 54.2 1.28
## 15 新潟 63.5 1.88 65.4 1.51
## 16 富山 62.4 1.77 66.7 1.45
## 17 石川 61.8 1.87 65.5 1.45
## 18 福井 66.3 1.93 66.4 1.60
## 19 山梨 54.2 1.76 58.9 1.51
## 20 長野 61.1 1.89 62.8 1.59
## 21 岐阜 56.0 1.80 60.7 1.47
## 22 静岡 54.8 1.80 61.1 1.47
## 23 愛知 51.0 1.81 58.2 1.44
## 24 三重 52.0 1.82 59.4 1.48
## 25 滋賀 51.8 1.96 57.1 1.53
## 26 京都 47.9 1.67 55.3 1.28
## 27 大阪 44.1 1.67 53.6 1.31
## 28 兵庫 43.2 1.76 53.4 1.38
## 29 奈良 39.1 1.70 50.3 1.30
## 30 和歌山 46.2 1.80 54.7 1.45
## 31 鳥取 62.6 1.93 65.6 1.62
## 32 島根 61.9 2.01 65.5 1.65
## 33 岡山 52.2 1.86 58.7 1.51
## 34 広島 49.8 1.84 58.2 1.41
## 35 山口 48.9 1.79 58.6 1.47
## 36 徳島 54.5 1.76 58.0 1.45
## 37 香川 54.7 1.82 60.7 1.53
## 38 愛媛 50.5 1.79 57.8 1.45
## 39 高知 57.8 1.64 63.6 1.45
## 40 福岡 48.2 1.74 57.6 1.36
## 41 佐賀 59.0 1.93 62.7 1.67
## 42 長崎 50.7 1.87 59.6 1.57
## 43 熊本 57.5 1.83 62.4 1.56
## 44 大分 51.6 1.82 59.6 1.51
## 45 宮崎 57.7 1.93 62.9 1.62
## 46 鹿児島 50.8 1.95 58.7 1.58
## 47 沖縄 46.4 2.38 56.5 1.82女性労働力率（flp）、合計特殊出生率（tfr）となっています。
表８－２ ロング形式のパネルデータ
data1 <- read.csv("ch8_long.csv")
data1## pref flp tfr year
## 1 北海道 47.1 1.64 1980
## 2 青森 53.5 1.85 1980
## 3 岩手 59.2 1.95 1980
## 4 宮城 53.3 1.86 1980
## 5 秋田 59.1 1.79 1980
## 6 山形 67.0 1.93 1980
## 7 福島 60.1 1.99 1980
## 8 茨城 50.7 1.87 1980
## 9 栃木 54.9 1.86 1980
## 10 群馬 53.7 1.81 1980
## 11 埼玉 44.5 1.73 1980
## 12 千葉 43.9 1.74 1980
## 13 東京 49.4 1.44 1980
## 14 神奈川 41.9 1.70 1980
## 15 新潟 63.5 1.88 1980
## 16 富山 62.4 1.77 1980
## 17 石川 61.8 1.87 1980
## 18 福井 66.3 1.93 1980
## 19 山梨 54.2 1.76 1980
## 20 長野 61.1 1.89 1980
## 21 岐阜 56.0 1.80 1980
## 22 静岡 54.8 1.80 1980
## 23 愛知 51.0 1.81 1980
## 24 三重 52.0 1.82 1980
## 25 滋賀 51.8 1.96 1980
## 26 京都 47.9 1.67 1980
## 27 大阪 44.1 1.67 1980
## 28 兵庫 43.2 1.76 1980
## 29 奈良 39.1 1.70 1980
## 30 和歌山 46.2 1.80 1980
## 31 鳥取 62.6 1.93 1980
## 32 島根 61.9 2.01 1980
## 33 岡山 52.2 1.86 1980
## 34 広島 49.8 1.84 1980
## 35 山口 48.9 1.79 1980
## 36 徳島 54.5 1.76 1980
## 37 香川 54.7 1.82 1980
## 38 愛媛 50.5 1.79 1980
## 39 高知 57.8 1.64 1980
## 40 福岡 48.2 1.74 1980
## 41 佐賀 59.0 1.93 1980
## 42 長崎 50.7 1.87 1980
## 43 熊本 57.5 1.83 1980
## 44 大分 51.6 1.82 1980
## 45 宮崎 57.7 1.93 1980
## 46 鹿児島 50.8 1.95 1980
## 47 沖縄 46.4 2.38 1980
## 48 北海道 57.4 1.23 2000
## 49 青森 61.2 1.47 2000
## 50 岩手 63.4 1.56 2000
## 51 宮城 59.2 1.39 2000
## 52 秋田 64.6 1.45 2000
## 53 山形 68.2 1.62 2000
## 54 福島 62.4 1.65 2000
## 55 茨城 56.8 1.47 2000
## 56 栃木 59.5 1.48 2000
## 57 群馬 59.2 1.51 2000
## 58 埼玉 54.9 1.30 2000
## 59 千葉 55.3 1.30 2000
## 60 東京 57.6 1.07 2000
## 61 神奈川 54.2 1.28 2000
## 62 新潟 65.4 1.51 2000
## 63 富山 66.7 1.45 2000
## 64 石川 65.5 1.45 2000
## 65 福井 66.4 1.60 2000
## 66 山梨 58.9 1.51 2000
## 67 長野 62.8 1.59 2000
## 68 岐阜 60.7 1.47 2000
## 69 静岡 61.1 1.47 2000
## 70 愛知 58.2 1.44 2000
## 71 三重 59.4 1.48 2000
## 72 滋賀 57.1 1.53 2000
## 73 京都 55.3 1.28 2000
## 74 大阪 53.6 1.31 2000
## 75 兵庫 53.4 1.38 2000
## 76 奈良 50.3 1.30 2000
## 77 和歌山 54.7 1.45 2000
## 78 鳥取 65.6 1.62 2000
## 79 島根 65.5 1.65 2000
## 80 岡山 58.7 1.51 2000
## 81 広島 58.2 1.41 2000
## 82 山口 58.6 1.47 2000
## 83 徳島 58.0 1.45 2000
## 84 香川 60.7 1.53 2000
## 85 愛媛 57.8 1.45 2000
## 86 高知 63.6 1.45 2000
## 87 福岡 57.6 1.36 2000
## 88 佐賀 62.7 1.67 2000
## 89 長崎 59.6 1.57 2000
## 90 熊本 62.4 1.56 2000
## 91 大分 59.6 1.51 2000
## 92 宮崎 62.9 1.62 2000
## 93 鹿児島 58.7 1.58 2000
## 94 沖縄 56.5 1.82 2000本章で使用するパッケージを読み込みますが、パッケージはインストールしておく必要があります。 以下のようにコマンドでインストールするか、RやRStudioからクリックでインストールすることもできます。
install.packages(“stargazer”, dependencies = TRUE)パッケージの機能が使えるように読み込みます。
library(ggplot2)
library(stargazer)##
## Please cite as:## Hlavac, Marek (2022). stargazer: Well-Formatted Regression and Summary Statistics Tables.## R package version 5.2.3. https://CRAN.R-project.org/package=stargazer年ごとに異なるマーカーで散布図を示すために、データ年の変数（year）を因子（as.factor）として保存します。 2000年ダミー（y2000）を作成し、整数として（as.integer）として保存します。
data1$year <- as.factor(data1$year)
data1$y2000 <- as.integer(data1$year==2000)
data1## pref flp tfr year y2000
## 1 北海道 47.1 1.64 1980 0
## 2 青森 53.5 1.85 1980 0
## 3 岩手 59.2 1.95 1980 0
## 4 宮城 53.3 1.86 1980 0
## 5 秋田 59.1 1.79 1980 0
## 6 山形 67.0 1.93 1980 0
## 7 福島 60.1 1.99 1980 0
## 8 茨城 50.7 1.87 1980 0
## 9 栃木 54.9 1.86 1980 0
## 10 群馬 53.7 1.81 1980 0
## 11 埼玉 44.5 1.73 1980 0
## 12 千葉 43.9 1.74 1980 0
## 13 東京 49.4 1.44 1980 0
## 14 神奈川 41.9 1.70 1980 0
## 15 新潟 63.5 1.88 1980 0
## 16 富山 62.4 1.77 1980 0
## 17 石川 61.8 1.87 1980 0
## 18 福井 66.3 1.93 1980 0
## 19 山梨 54.2 1.76 1980 0
## 20 長野 61.1 1.89 1980 0
## 21 岐阜 56.0 1.80 1980 0
## 22 静岡 54.8 1.80 1980 0
## 23 愛知 51.0 1.81 1980 0
## 24 三重 52.0 1.82 1980 0
## 25 滋賀 51.8 1.96 1980 0
## 26 京都 47.9 1.67 1980 0
## 27 大阪 44.1 1.67 1980 0
## 28 兵庫 43.2 1.76 1980 0
## 29 奈良 39.1 1.70 1980 0
## 30 和歌山 46.2 1.80 1980 0
## 31 鳥取 62.6 1.93 1980 0
## 32 島根 61.9 2.01 1980 0
## 33 岡山 52.2 1.86 1980 0
## 34 広島 49.8 1.84 1980 0
## 35 山口 48.9 1.79 1980 0
## 36 徳島 54.5 1.76 1980 0
## 37 香川 54.7 1.82 1980 0
## 38 愛媛 50.5 1.79 1980 0
## 39 高知 57.8 1.64 1980 0
## 40 福岡 48.2 1.74 1980 0
## 41 佐賀 59.0 1.93 1980 0
## 42 長崎 50.7 1.87 1980 0
## 43 熊本 57.5 1.83 1980 0
## 44 大分 51.6 1.82 1980 0
## 45 宮崎 57.7 1.93 1980 0
## 46 鹿児島 50.8 1.95 1980 0
## 47 沖縄 46.4 2.38 1980 0
## 48 北海道 57.4 1.23 2000 1
## 49 青森 61.2 1.47 2000 1
## 50 岩手 63.4 1.56 2000 1
## 51 宮城 59.2 1.39 2000 1
## 52 秋田 64.6 1.45 2000 1
## 53 山形 68.2 1.62 2000 1
## 54 福島 62.4 1.65 2000 1
## 55 茨城 56.8 1.47 2000 1
## 56 栃木 59.5 1.48 2000 1
## 57 群馬 59.2 1.51 2000 1
## 58 埼玉 54.9 1.30 2000 1
## 59 千葉 55.3 1.30 2000 1
## 60 東京 57.6 1.07 2000 1
## 61 神奈川 54.2 1.28 2000 1
## 62 新潟 65.4 1.51 2000 1
## 63 富山 66.7 1.45 2000 1
## 64 石川 65.5 1.45 2000 1
## 65 福井 66.4 1.60 2000 1
## 66 山梨 58.9 1.51 2000 1
## 67 長野 62.8 1.59 2000 1
## 68 岐阜 60.7 1.47 2000 1
## 69 静岡 61.1 1.47 2000 1
## 70 愛知 58.2 1.44 2000 1
## 71 三重 59.4 1.48 2000 1
## 72 滋賀 57.1 1.53 2000 1
## 73 京都 55.3 1.28 2000 1
## 74 大阪 53.6 1.31 2000 1
## 75 兵庫 53.4 1.38 2000 1
## 76 奈良 50.3 1.30 2000 1
## 77 和歌山 54.7 1.45 2000 1
## 78 鳥取 65.6 1.62 2000 1
## 79 島根 65.5 1.65 2000 1
## 80 岡山 58.7 1.51 2000 1
## 81 広島 58.2 1.41 2000 1
## 82 山口 58.6 1.47 2000 1
## 83 徳島 58.0 1.45 2000 1
## 84 香川 60.7 1.53 2000 1
## 85 愛媛 57.8 1.45 2000 1
## 86 高知 63.6 1.45 2000 1
## 87 福岡 57.6 1.36 2000 1
## 88 佐賀 62.7 1.67 2000 1
## 89 長崎 59.6 1.57 2000 1
## 90 熊本 62.4 1.56 2000 1
## 91 大分 59.6 1.51 2000 1
## 92 宮崎 62.9 1.62 2000 1
## 93 鹿児島 58.7 1.58 2000 1
## 94 沖縄 56.5 1.82 2000 1図８－１ 女性労働力率と合計特殊出生率の散布図
ggplot(data1,aes(x=flp,y=tfr, shape=year))+geom_point()+xlab("女性労働力率(%)")+ylab("合計特殊出生率")+labs(shape="データ年")+
theme_classic()+scale_shape_manual(values = c(16,2))
（8.1）式を年ごと、そして２年まとめて推定します。
reg80 <- lm(tfr~flp, data=data1, subset = year == 1980)
reg00 <- lm(tfr~flp, data=data1, subset = year == 2000)
regall <- lm(tfr~flp, data=data1)
summary(reg80)##
## Call:
## lm(formula = tfr ~ flp, data = data1, subset = year == 1980)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.35969 -0.04207 -0.00130 0.03597 0.60208
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1.441211 0.151941 9.485 2.65e-12 ***
## flp 0.007257 0.002826 2.568 0.0136 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.127 on 45 degrees of freedom
## Multiple R-squared: 0.1278, Adjusted R-squared: 0.1085
## F-statistic: 6.596 on 1 and 45 DF, p-value: 0.01361summary(reg00)##
## Call:
## lm(formula = tfr ~ flp, data = data1, subset = year == 2000)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.36307 -0.06874 0.01230 0.05237 0.40698
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 0.383186 0.247764 1.547 0.129
## flp 0.018227 0.004135 4.408 6.4e-05 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.1125 on 45 degrees of freedom
## Multiple R-squared: 0.3016, Adjusted R-squared: 0.2861
## F-statistic: 19.43 on 1 and 45 DF, p-value: 6.403e-05summary(regall)##
## Call:
## lm(formula = tfr ~ flp, data = data1)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.57379 -0.14973 0.00014 0.15644 0.65976
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 2.036980 0.204913 9.941 3.04e-16 ***
## flp -0.006826 0.003599 -1.897 0.061 .
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.2198 on 92 degrees of freedom
## Multiple R-squared: 0.03762, Adjusted R-squared: 0.02716
## F-statistic: 3.597 on 1 and 92 DF, p-value: 0.06103表８－４ 女性労働力率が合計特殊出生率に与える影響
stargazer(reg80, reg00, regall, type="text", digits = 4, keep.stat = c("n","rsq"))##
## ==========================================
## Dependent variable:
## -----------------------------
## tfr
## (1) (2) (3)
## ------------------------------------------
## flp 0.0073** 0.0182*** -0.0068*
## (0.0028) (0.0041) (0.0036)
##
## Constant 1.4412*** 0.3832 2.0370***
## (0.1519) (0.2478) (0.2049)
##
## ------------------------------------------
## Observations 47 47 94
## R2 0.1278 0.3016 0.0376
## ==========================================
## Note: *p<0.1; **p<0.05; ***p<0.01図８－２ パネルデータと各年データの回帰直線
ggplot(data1,aes(x=flp,y=tfr, shape=year))+geom_point()+xlab("女性労働力率(%)")+ylab("合計特殊出生率")+labs(shape="データ年")+
theme_classic()+geom_abline(aes(intercept = reg80$coefficients[[1]],slope = reg80$coefficients[[2]],linetype="line1"))+
geom_abline(aes(intercept = reg00$coefficients[[1]],slope = reg00$coefficients[[2]],linetype="line2"))+
geom_abline(aes(intercept = regall$coefficients[[1]],slope = regall$coefficients[[2]],linetype="line3"))+scale_shape_manual(values = c(16,2))+
scale_linetype(name="回帰",labels=c(line1="1980",line2="2000",line3="パネル"))
（8.2）式、（8.3）式を推定します。
regall1 <- lm(tfr~flp+y2000, data=data1)
regall2 <- lm(tfr~flp*y2000, data=data1)
summary(regall1)##
## Call:
## lm(formula = tfr ~ flp + y2000, data = data1)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.38065 -0.05443 0.00558 0.04808 0.62259
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1.284262 0.125478 10.235 < 2e-16 ***
## flp 0.010197 0.002327 4.382 3.15e-05 ***
## y2000 -0.420968 0.029315 -14.360 < 2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.1223 on 91 degrees of freedom
## Multiple R-squared: 0.7053, Adjusted R-squared: 0.6989
## F-statistic: 108.9 on 2 and 91 DF, p-value: < 2.2e-16summary(regall2)##
## Call:
## lm(formula = tfr ~ flp * y2000, data = data1)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.36307 -0.04952 0.00347 0.04610 0.60208
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1.441211 0.143511 10.043 2.33e-16 ***
## flp 0.007257 0.002669 2.719 0.007855 **
## y2000 -1.058025 0.300712 -3.518 0.000683 ***
## flp:y2000 0.010971 0.005155 2.128 0.036049 *
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.12 on 90 degrees of freedom
## Multiple R-squared: 0.7195, Adjusted R-squared: 0.7101
## F-statistic: 76.94 on 3 and 90 DF, p-value: < 2.2e-16表８－５ 定数項ダミーと係数ダミーを利用した回帰
stargazer(regall1, regall2, type="text", digits = 4, omit.stat = c("ser","f"))##
## =========================================
## Dependent variable:
## ----------------------------
## tfr
## (1) (2)
## -----------------------------------------
## flp 0.0102*** 0.0073***
## (0.0023) (0.0027)
##
## y2000 -0.4210*** -1.0580***
## (0.0293) (0.3007)
##
## flp:y2000 0.0110**
## (0.0052)
##
## Constant 1.2843*** 1.4412***
## (0.1255) (0.1435)
##
## -----------------------------------------
## Observations 94 94
## R2 0.7053 0.7195
## Adjusted R2 0.6989 0.7101
## =========================================
## Note: *p<0.1; **p<0.05; ***p<0.01図８－３ 交差項なしと交差項ありの回帰直線
ggplot(data1,aes(x=flp,y=tfr, shape=year))+geom_point()+xlab("女性労働力率(%)")+ylab("合計特殊出生率")+labs(shape="データ年")+theme_classic()+
geom_abline(aes(intercept = regall1$coefficients[[1]],slope = regall1$coefficients[[2]],linetype="line1"))+
geom_abline(aes(intercept = regall1$coefficients[[1]]+regall1$coefficients[[3]],slope = regall1$coefficients[[2]],linetype="line1"))+
geom_abline(aes(intercept = regall2$coefficients[[1]],slope = regall2$coefficients[[2]],linetype="line2"))+
geom_abline(aes(intercept = regall2$coefficients[[1]]+regall2$coefficients[[3]],slope = regall2$coefficients[[2]]+regall2$coefficients[[4]],linetype="line2"))+
scale_shape_manual(values = c(16,2))+ scale_linetype(name="回帰",labels=c(line1="交差項なし",line2="交差項あり"))
差分データを作成します。
data2$dflp <- data2$flp00 - data2$flp80
data2$dtfr <- data2$tfr00 - data2$tfr80表８－６ ワイド形式のデータから差分データを作成
data2## pref flp80 tfr80 flp00 tfr00 dflp dtfr
## 1 北海道 47.1 1.64 57.4 1.23 10.3 -0.41
## 2 青森 53.5 1.85 61.2 1.47 7.7 -0.38
## 3 岩手 59.2 1.95 63.4 1.56 4.2 -0.39
## 4 宮城 53.3 1.86 59.2 1.39 5.9 -0.47
## 5 秋田 59.1 1.79 64.6 1.45 5.5 -0.34
## 6 山形 67.0 1.93 68.2 1.62 1.2 -0.31
## 7 福島 60.1 1.99 62.4 1.65 2.3 -0.34
## 8 茨城 50.7 1.87 56.8 1.47 6.1 -0.40
## 9 栃木 54.9 1.86 59.5 1.48 4.6 -0.38
## 10 群馬 53.7 1.81 59.2 1.51 5.5 -0.30
## 11 埼玉 44.5 1.73 54.9 1.30 10.4 -0.43
## 12 千葉 43.9 1.74 55.3 1.30 11.4 -0.44
## 13 東京 49.4 1.44 57.6 1.07 8.2 -0.37
## 14 神奈川 41.9 1.70 54.2 1.28 12.3 -0.42
## 15 新潟 63.5 1.88 65.4 1.51 1.9 -0.37
## 16 富山 62.4 1.77 66.7 1.45 4.3 -0.32
## 17 石川 61.8 1.87 65.5 1.45 3.7 -0.42
## 18 福井 66.3 1.93 66.4 1.60 0.1 -0.33
## 19 山梨 54.2 1.76 58.9 1.51 4.7 -0.25
## 20 長野 61.1 1.89 62.8 1.59 1.7 -0.30
## 21 岐阜 56.0 1.80 60.7 1.47 4.7 -0.33
## 22 静岡 54.8 1.80 61.1 1.47 6.3 -0.33
## 23 愛知 51.0 1.81 58.2 1.44 7.2 -0.37
## 24 三重 52.0 1.82 59.4 1.48 7.4 -0.34
## 25 滋賀 51.8 1.96 57.1 1.53 5.3 -0.43
## 26 京都 47.9 1.67 55.3 1.28 7.4 -0.39
## 27 大阪 44.1 1.67 53.6 1.31 9.5 -0.36
## 28 兵庫 43.2 1.76 53.4 1.38 10.2 -0.38
## 29 奈良 39.1 1.70 50.3 1.30 11.2 -0.40
## 30 和歌山 46.2 1.80 54.7 1.45 8.5 -0.35
## 31 鳥取 62.6 1.93 65.6 1.62 3.0 -0.31
## 32 島根 61.9 2.01 65.5 1.65 3.6 -0.36
## 33 岡山 52.2 1.86 58.7 1.51 6.5 -0.35
## 34 広島 49.8 1.84 58.2 1.41 8.4 -0.43
## 35 山口 48.9 1.79 58.6 1.47 9.7 -0.32
## 36 徳島 54.5 1.76 58.0 1.45 3.5 -0.31
## 37 香川 54.7 1.82 60.7 1.53 6.0 -0.29
## 38 愛媛 50.5 1.79 57.8 1.45 7.3 -0.34
## 39 高知 57.8 1.64 63.6 1.45 5.8 -0.19
## 40 福岡 48.2 1.74 57.6 1.36 9.4 -0.38
## 41 佐賀 59.0 1.93 62.7 1.67 3.7 -0.26
## 42 長崎 50.7 1.87 59.6 1.57 8.9 -0.30
## 43 熊本 57.5 1.83 62.4 1.56 4.9 -0.27
## 44 大分 51.6 1.82 59.6 1.51 8.0 -0.31
## 45 宮崎 57.7 1.93 62.9 1.62 5.2 -0.31
## 46 鹿児島 50.8 1.95 58.7 1.58 7.9 -0.37
## 47 沖縄 46.4 2.38 56.5 1.82 10.1 -0.56（8.6）式、（8.7）式を推定します。
dreg1 <- lm(dtfr~dflp, data=data2)
dreg2 <- lm(dtfr~0+dflp, data=data2)
summary(dreg1)##
## Call:
## lm(formula = dtfr ~ dflp, data = data2)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.169062 -0.033373 0.004209 0.025076 0.159600
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) -0.293842 0.020324 -14.46 < 2e-16 ***
## dflp -0.009613 0.002887 -3.33 0.00174 **
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.05727 on 45 degrees of freedom
## Multiple R-squared: 0.1977, Adjusted R-squared: 0.1798
## F-statistic: 11.09 on 1 and 45 DF, p-value: 0.001742summary(dreg2)##
## Call:
## lm(formula = dtfr ~ 0 + dflp, data = data2)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.32523 -0.15194 -0.03643 0.06046 0.16632
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## dflp -0.047668 0.002789 -17.09 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.1346 on 46 degrees of freedom
## Multiple R-squared: 0.864, Adjusted R-squared: 0.861
## F-statistic: 292.1 on 1 and 46 DF, p-value: < 2.2e-16表８－７ 差分データを使った回帰の結果
stargazer(dreg2, dreg1, type="text", digits = 4, keep.stat = c("n","rsq"))##
## =========================================
## Dependent variable:
## ----------------------------
## dtfr
## (1) (2)
## -----------------------------------------
## dflp -0.0477*** -0.0096***
## (0.0028) (0.0029)
##
## Constant -0.2938***
## (0.0203)
##
## -----------------------------------------
## Observations 47 47
## R2 0.8640 0.1977
## =========================================
## Note: *p<0.1; **p<0.05; ***p<0.01図８－６ ∆女性労働力率と∆合計特殊出生率の散布図にトレンド項の有無別回帰直線を追加
ggplot(data2,aes(x=dflp,y=dtfr))+geom_point()+xlab("女性労働力率(%)の差分")+ylab("合計特殊出生率の差分")+theme_classic()+geom_abline(aes(intercept = dreg1$coefficients[[1]],slope = dreg1$coefficients[[2]],linetype="line1"))+
geom_abline(aes(intercept = 0,slope = dreg2$coefficients[[1]],linetype="line2"))+
scale_linetype(name="回帰",labels=c(line1="トレンド項あり",line2="トレンド項なし"))