OECDパッケージを使ってRで日本の労働生産性のグラフを描く
なんかこれ↓が話題のようなので、とりあえず元データをふわっと探してみました。
図表1には「（資料）文部科学統計要覧、鉱工業指数、国民経済計算」と書かれている。「国民経済計算」というのはこれらしい：
けどなんか探し方がよくわからないので、こういう経済指数的なやつはたぶんOECDにある？と思ってググったらありました。
たぶんRのパッケージもあるでしょ、と思ってググったらこれもありました。
OECDパッケージでデータを取得
とりあえずインストール。
install.packages("OECD")
あとの使い方はREADME通りです。まず、get_datasets()でデータセットを探します。たぶん「productivity」とかで検索すれば引っかかるでしょう。
library(OECD) # データセットを探す dataset_list <- get_datasets() search_dataset("productivity", data = dataset_list) #> id #> 150 PDYGTH #> 156 LEVEL #> 219 MFP #> 390 ULC_EEQ #> 443 PDBI #> 972 PDB_LV #> 973 PDB_GR #> 974 PDBI_I4 #> 1137 EAMFP #> title #> 150 Labour productivity growth in the total economy #> 156 Labour productivity levels in the total economy #> 219 Multi-factor Productivity #> 390 Unit labour costs and labour productivity (employment based), Total economy #> 443 Productivity by industry (ISIC Rev.3) #> 972 Level of GDP per capita and productivity #> 973 Growth in GDP per capita, productivity and ULC #> 974 Productivity and ULC by main economic activity (ISIC Rev.4) #> 1137 Environmentally Adjusted Multifactor Productivity
よくわかりませんが、Labour productivity growth in the total economyというのがそれっぽいです。このメタデータを取得して絞り込み方を考えます。
dstruc <- get_data_structure("PDYGTH") dstruc$VAR_DESC #> id description #> 1 VAR Variable #> 2 COU Country #> 3 TIME Time #> 4 OBS_VALUE Observation Value #> 5 TIME_FORMAT Time Format #> 6 OBS_STATUS Observation Status
VARはデータの項目です。これもよくわかりませんが、GDP per hour worked index 2005=100というのが求めてるものっぽいです（例の記事のグラフとは基準年が違うのに注意）。
あと、日本のデータだけでいいのでCOUはJPNに絞り込みましょう。
dstruc$VAR #> id #> 1 GDPK #> 2 GDPI #> 3 HRSA #> 4 EMPT #> 5 HRST #> 6 HRSI #> 7 PDYK #> 8 PDYI #> 9 GDPG #> 10 GCGR #> 11 HRSG #> 12 HCGR #> 13 PDYG #> 14 PCGR #> 15 GPOP #> 16 GPOG #> 17 GOGR #> 18 PDTE #> 19 PDEG #> 20 PEGR #> 21 PDTH #> 22 HRPO #> 23 HROG #> 24 HRGR #> label #> 1 Gross Domestic Product, constant prices #> 2 Gross Domestic Product index 2005=100 #> 3 Average hours worked per person engaged #> 4 Total employment (number of persons engaged) #> 5 Hours worked for total employment #> 6 Hours worked, index 2005=100 #> 7 GDP per hour worked, national currency, constant prices #> 8 GDP per hour worked index 2005=100 #> 9 Real GDP, annual growth, in percent #> 10 Real GDP, annual compounded growth rate #> 11 Hours worked, annual growth rate, in percent #> 12 Hours worked, annual compounded growth rate, in percent #> 13 Real GDP per hour worked, annual growth rate, in percent #> 14 Real GDP per hour worked, annual compounded growth rate #> 15 GDP per Capita, US dollar, constant prices, 2005 PPPs #> 16 Real GDP per capita, annual growth rate, in percent #> 17 Real GDP per capita, annual compounded growth rate, in percent #> 18 GDP per person employed, US dollar, constant prices, 2005 PPPs #> 19 Real GDP per person employed, annual growth rate, in percent #> 20 Real GDP per person employed, annual compounded growth rate, in percent #> 21 GDP per hour worked, US dollar, constant prices, 2005 PPPs #> 22 Hours worked per capita #> 23 Hours worked per capita, annual growth rate, in percent #> 24 Hours worked per capita, annual compounded growth rate, in percent
データを取得します。絞り込み方はよくわからないんですが、filter引数に、list(1つ目の変数の絞り込み, 2つ目の変数の絞り込み, ...)という感じで条件を渡すみたいです。
df <- get_dataset(dataset = "PDYGTH", filter = list("PDYI", "JPN")) df #> VAR COU TIME obsValue #> 1 PDYI JPN 1970 32.6 #> 2 PDYI JPN 1971 34.0 #> 3 PDYI JPN 1972 36.8 #> 4 PDYI JPN 1973 39.4 #> 5 PDYI JPN 1974 40.2 #> 6 PDYI JPN 1975 42.1 #> 7 PDYI JPN 1976 43.1 #> 8 PDYI JPN 1977 44.4 #> 9 PDYI JPN 1978 46.4 #> 10 PDYI JPN 1979 48.4 #> 11 PDYI JPN 1980 49.6 #> 12 PDYI JPN 1981 51.6 #> 13 PDYI JPN 1982 53.0 #> 14 PDYI JPN 1983 54.0 #> 15 PDYI JPN 1984 55.9 #> 16 PDYI JPN 1985 59.5 #> 17 PDYI JPN 1986 60.8 #> 18 PDYI JPN 1987 63.0 #> 19 PDYI JPN 1988 66.9 #> 20 PDYI JPN 1989 70.2 #> 21 PDYI JPN 1990 74.3 #> 22 PDYI JPN 1991 76.5 #> 23 PDYI JPN 1992 77.5 #> 24 PDYI JPN 1993 79.8 #> 25 PDYI JPN 1994 80.7 #> 26 PDYI JPN 1995 82.6 #> 27 PDYI JPN 1996 84.4 #> 28 PDYI JPN 1997 86.3 #> 29 PDYI JPN 1998 86.7 #> 30 PDYI JPN 1999 89.3 #> 31 PDYI JPN 2000 91.3 #> 32 PDYI JPN 2001 92.9 #> 33 PDYI JPN 2002 94.9 #> 34 PDYI JPN 2003 96.4 #> 35 PDYI JPN 2004 98.8 #> 36 PDYI JPN 2005 100.0 #> 37 PDYI JPN 2006 100.7 #> 38 PDYI JPN 2007 102.4 #> 39 PDYI JPN 2008 102.6 #> 40 PDYI JPN 2009 101.7 #> 41 PDYI JPN 2010 105.8 #> 42 PDYI JPN 2011 105.7 #> 43 PDYI JPN 2012 107.0
TIMEは文字列型になっているので整数型に変換しておきます。
df$TIME <- as.integer(df$TIME)
グラフ
とりあえずグラフを描くとこんな感じです。
library(ggplot2) p <- ggplot(df, aes(TIME, obsValue)) + geom_line() + theme_minimal() p
例の記事とグラフの範囲を合わせるとこんな感じ。グラフの形状を見る感じこのデータであってそう？
p + xlim(1995, NA) + ylim(75, 225) #> Warning: Removed 25 rows containing missing values (geom_path).
最後
あとはe-Statとか世の中に転がるデータからもっとニュース性の高い疑似相関を見つけるだけ...。楽しみですね（他力本願）。
