自己紹介

青山学院大学国際政治経済学部国際経済学科のNatsutoshi Sumita と申します!
普段は演習(ゼミ)の一環、かつスキルの勉強としてPythonを日々牛歩ながらやっています
自己紹介をここに書くのも書ききれないので、また別の記事にして書く予定ですのでそっちに丸投げしますね(適当)

はじめに

1. この分析は何をしようとしているのか?

経済学は理論が先行し、それを実証しつつまた理論を修正していくというサイクルが基本的なスタイルです。
そこで、国際貿易の観点から金科玉条のように言われている理論があります。これを検証し、本当にその理論が正しいかどうかを確かめることが大目的です。

2. 分析の対象

ゼミの指導教員の中川先生のページに、生データが載っているのでこちらを参照しました。
http://www.cc.aoyama.ac.jp/~nakagawa/IntlFinClassData1a.xls

    year    NEER    REER  Export  Import     GDP 
0   1980   22.19   73.84    2938    3200  255736         NaN         NaN
1   1981   25.22   78.93    3347    3146  274300         NaN         NaN
2   1982   24.14   71.57    3443    3266  288331         NaN         NaN
3   1983   27.26   77.50    3491    3001  301312         NaN         NaN
4   1984   29.53   80.90    4033    3232  319516         NaN         NaN
5   1985   31.42   82.92    4196    3108  340475         NaN         NaN
6   1986   41.59  106.30    3529    2155  357473         NaN         NaN
7   1987   45.97  111.97    3332    2174  373792         NaN         NaN
8   1988   51.84  118.71    3394    2401  401650         NaN         NaN
9   1989   50.91  108.80    3782    2898  430045         NaN         NaN
10  1990   49.24   97.36    4146    3386  462837         NaN         NaN
11  1991   54.81  103.95    4236    3190  492669         NaN         NaN
12  1992   59.42  107.04    4301    2953  505128         NaN         NaN
13  1993   74.06  125.30    4020    2683  505368         NaN         NaN
14  1994   84.69  133.21    4050    2810  510916         NaN         NaN
15  1995   90.37  135.39    4153    3155  521614         NaN         NaN
16  1996   78.81  113.70    4473    3799  535562         NaN         NaN
17  1997   74.95  106.98    5094    4096  543545         NaN         NaN
18  1998   76.72  107.01    5065    3665  536497         NaN         NaN
19  1999   87.07  118.90    4755    3527  528070         NaN         NaN
20  2000   94.67  125.51    5165    4094  535418         NaN         NaN
21  2001   87.01  111.77    4898    4242  531654         NaN         NaN
22  2002   83.10  104.15    5211    4223  524479         NaN         NaN
23  2003   85.67  105.04    5455    4436  523969         NaN         NaN
...
39  2019   88.58   76.62    7693    7860  557911         NaN         NaN
40  2020   90.70   77.31    6840    6801  539082         NaN         NaN
41  2021   85.24   70.69    8309    8488  549379         NaN         NaN
42  2022   75.59   60.98    9817   11814  556702         NaN         NaN

このファイルには、以下の情報が含まれています。
・日本の年別の名目実効為替レート(円/米ドル):NEER
・日本の年別の実質実効為替レート(円/米ドル):REER
・輸出額(万円)
・輸入額(万円)
・GDP(万円)

この分析ではこのデータセットを使用します。なお、Pandas,Numpyで読んだ時にNaNとなってしまうデータ(7・8列目)は使用しません。

3.分析のゴール

この分析では、以下の問いに問いに解凍することをゴールとして分析していきます。
1.実質実効為替レートないしは名目実効為替レートと経常収支(貿易収支)の間における相関関係の有無を判断すること
2.1.の結果が有意であるかどうかを調べること
(注:この分析においては仮説検定の有意水準を5%と設定します。)

分析の過程

1.データフレームの読み込み

PandasとNumpyというライブラリ(カードゲームにおける拡張パックのようなもの、これら2つがないとそもそも表計算ができない)を落とします。どちらも先ほどのcsvファイルを読ませて直接使うので抜かりなく落とすように。

import pandas as pd
import numpy as np

これができたら、csvファイルを落とします。
なお、

as pd
as np

これらは、pandasやnumpyを呼び出して、コマンドを使うときに必要なのでわかりやすい名前で書いておきましょう。

x=pd.read_csv("IntlFinClassData1a.csv")

(注:csvファイルは文字として記述すること!)

2. 散布図の描画の下準備

import matplotlib as matplotlib
import matplotlib.pyplot as plt

matplotlibというライブラリをインストールします。このときに、同じくpyplotという機能を単独で落としておくと便利です。(散布図の描画をするときに使います)

3. データ整理

使用するデータを使いやすくするために加工していきます。

print(x)

で、先ほど読ませたデータ(csvファイル)を一旦表示させましょう。
入れたcsvファイルに破損などがないかを確認してください。

im=x.iloc[:,4]
ex=x.iloc[:,3]
NEER=x.iloc[:,1]
REER=x.iloc[:,2]

2.までの過程をまとめると、csvファイルを読ませて、xという変数に格納するという作業をしているだけでした。なので、このままでは後の分析でデータが使える状態にはなっていません。
そこで、輸入・輸出・経常収支・NEER・REERの5つを変数として新たに作成します。

変数名=データフレーム.iloc[行,列]

という構文で、行や列を特定して変数に格納できます。なお、: は行を指定しないという意味です。(列のみのシリーズをここでは作っています。)
さらに、シリーズ同士での演算も可能なので、生データにはなかった経常収支も、輸入を輸出で割るという形で新たな変数として作っています。

x['balance']=im/ex
print(balance)

最後に、データフレームxに経常収支の列を追加して完成です。

4.散布図の描画

いよいよ本題の分析に入ります。
相関関係を把握するために、まずは視覚的に関係をとらえます。
散布図を描画していきましょう。

plt.scatter(NEER,balance)
plt.scatter(REER,balance)

図1:NEERと経常収支の散布図

図2:REERと経常収支の散布図

NEERの方はしっちゃかめっちゃかな散布図ですが、REERははっきりとした負の相関が視覚的に見てとれます。
ただ、あくまでも視覚的(主観的)に見ているだけなので、相関係数の導出をしましょう。

5.相関係数の導出

df_corr=df_corr=x.corr()
print(df_corr)

データフレーム.corr()

で相関係数を導出することができます。その結果は以下の通りになりました。

               year      NEER      REER    Export    Import       GDP  \
year        1.000000  0.801284 -0.359833  0.925800  0.899295  0.791651   
NEER        0.801284  1.000000  0.226336  0.634056  0.547217  0.885611   
REER       -0.359833  0.226336  1.000000 -0.512636 -0.625294  0.159712   
Export      0.925800  0.634056 -0.512636  1.000000  0.961300  0.692903   
Import      0.899295  0.547217 -0.625294  0.961300  1.000000  0.564966   
GDP         0.791651  0.885611  0.159712  0.692903  0.564966  1.000000   
Unnamed: 6       NaN       NaN       NaN       NaN       NaN       NaN   
Unnamed: 7       NaN       NaN       NaN       NaN       NaN       NaN   
balance     0.633318  0.278188 -0.729497  0.657430  0.823180  0.172827   

            Unnamed: 6  Unnamed: 7   balance  
year               NaN         NaN  0.633318  
NEER               NaN         NaN  0.278188  
REER               NaN         NaN -0.729497  
Export             NaN         NaN  0.657430  
Import             NaN         NaN  0.823180  
GDP                NaN         NaN  0.172827  
Unnamed: 6         NaN         NaN       NaN  
Unnamed: 7         NaN         NaN       NaN  
balance            NaN         NaN  1.000000

少し表が汚いので、必要な部分だけを抽出して解説します。
REERと経常収支の相関係数は-0.729497と、強めの負の相関が現れていました。
しかし、NEERと経常収支の相関係数は0.27と、相関関係をみるという点では非常に弱い値しか返してくれませんでした。

したがって、「実質実効為替レートないしは名目実効為替レートと経常収支(貿易収支)の間における相関関係の有無を判断すること」という問いについての回答は、
「強めの負の相関が検出された」 ということになります。

6.仮説検定

まず、適当な思い込みから、「実効為替レートも経常収支もまあ正規分布には従ってくれるやろ」と呑気に構えて、t検定 を試してみることにしました。

plt.hist(REER,bins=20)

で、ヒストグラムを出力して、正規性のチェックを行います。この時も、pltでライブラリを呼び出しています。

俺 「キモッ」
という声が出るぐらい気持ち悪いヒストグラムが出てきてしまいました。

この結果から、t検定の使用は諦め、ノンパラメトリック(正規分布に従う前提を必要としない)分析に移行しました。

次は、カイ2乗検定 を試します。
クロス集計表を作成するので、pandasのcrosstabというコマンドを使って作成してみます。

crossbalance=pd.crosstab(REER,balance)
print(crossbalance)

この集計表はprintで出力してもしなくても構いません。

import scipy as sp
import scipy.stats
x2, p, dof, expected = sp.stats.chi2_contingency(crossbalance)
print("カイ二乗値は %(x2)s" %locals() )
print("確率は %(p)s" %locals() )
print("自由度は %(dof)s" %locals() )
print( expected )

if p < 0.05:
    print("有意な差があります")
else:
    print("有意な差がありません")

scipyというライブラリで計算を行います。最後に条件分岐で有意差の有無を表示する関数を作ってあります。
(参照:https://qiita.com/ynakayama/items/67ddb321a8ce5b07274c)

そして、その結果がこちらになります。

カイ二乗値は 1806.0
確率は 0.23799292638735034
自由度は 1764
[[0.02325581 0.02325581 0.02325581 ... 0.02325581 0.02325581 0.02325581]
 [0.02325581 0.02325581 0.02325581 ... 0.02325581 0.02325581 0.02325581]
 [0.02325581 0.02325581 0.02325581 ... 0.02325581 0.02325581 0.02325581]
 ...
 [0.02325581 0.02325581 0.02325581 ... 0.02325581 0.02325581 0.02325581]
 [0.02325581 0.02325581 0.02325581 ... 0.02325581 0.02325581 0.02325581]
 [0.02325581 0.02325581 0.02325581 ... 0.02325581 0.02325581 0.02325581]]
有意な差がありません

有意差なし!

この相関分析に有意な差は認められませんでした。

結論

まとめると、
1.実質実効為替レートないしは名目実効為替レートと経常収支(貿易収支)の間における相関関係の有無を判断すること
2.1.の結果が有意であるかどうかを調べること
(注:この分析においては仮説検定の有意水準を5%と設定します。)

という問いに対して、
1. 相関関係は認められる
2. 有意ではない
という回答が得られました!

こういった感じで、課題でおこなった分析や自分の興味のある分析を載せていこうと思います。
ご一読いただきありがとうございました!