🦁

Qiita記事"Python × 公開経済データで学ぶ マクロ経済学 入門（４）：各国の政府支出はどう変わった？2000年以降の

に公開
Python
ChatGPT
マクロ経済学
idea

記事の要約と詳しい解説（噛み砕き版）

いい記事ですね — マクロ指標を wbdata で取ってきて「2000年以降の各国の政府支出／財政の動き」を見よう、という内容です。記事名・著者・公開日などのメタ情報と目的は本文に明示されています。(Qiita)

1) この記事の目的（ざっくり）

  • World Bank の公開データを Python (wbdata + pandas) で取得し、各国の GDP 構成要素（民間消費・投資・政府支出・輸出入・GDP）を整理して、政府支出や債務などのマクロ政策の変化を時系列で読み解く。(Qiita)

2) コードの基本（データ取得／整形の流れ）

  • 基本関数 get_gdp_and_related_data(country_code="JP", start_year=1975, end_year=2024) を定義し、wbdata.get_dataframe() で以下の指標を年次（freq="Y"）で取得している：
    NE.CON.PRVT.CD（民間消費）, NE.GDI.TOTL.CD（投資）, NE.CON.GOVT.CD（政府支出）, NE.EXP.GNFS.CD（輸出）, NE.IMP.GNFS.CD（輸入）, NY.GDP.MKTP.CD（名目GDP）など。
  • 取得後は reset_index() → date を Year に変換 → 年でソート、という整形をして DataFrame として返す流れ。基本実装がまず示されています。(Qiita)

3) 追加・強化された指標（記事が推奨する拡張）

記事は「財政や雇用・為替の議論をするならこれも入れたほうが良い」という観点で、以下のような指標を追加する強化版 indicators を示しています（World Bank コード付き）：

  • 失業率：SL.UEM.TOTL.ZS
  • CPI（インフレ率）：FP.CPI.TOTL.ZG
  • 政府債務 (% of GDP)：GC.DOD.TOTL.GD.ZS
  • 財政収支 (% of GDP)：GC.BAL.CASH.GD.ZS（基礎的・財政バランス系）
  • 実質成長率：NY.GDP.MKTP.KD.ZG、為替（対USD）：PA.NUS.FCRF、外貨準備高：FI.RES.TOTL.CD、経常収支（%GDP）：BN.CAB.XOKA.GD.ZS、人口：SP.POP.TOTL、労働参加率：SL.TLF.CACT.ZS 等。
    これにより「財政の持続可能性」「失業とインフレ（フィリップス曲線）」「純輸出と為替の連動性」といったテーマの議論が可能になります。(Qiita)

4) 実運用上の工夫（エラー処理・統合）

  • 各指標を個別に wbdata.get_dataframe({code:name}, ...) で取得して all_data に格納 → pd.concat で横方向に結合、Year に基づく groupby で整理、という「指標ごとに失敗しても残りは取得する」実装になっています（API の欠損や一時エラー対策）。
  • 実行ログとして「取れなかった指標はコンソールに出力」しておき、国リストは成功した国のみ dfs に格納する運用が推奨されています。(Qiita)

5) 記事が示す代表的な分析例（コード例付き）

記事は具体的な分析案とコードスニペットをいくつか示しています。代表的なものを要約します：

  • 政府債務の時系列比較（国ごとに Gov_Debt_to_GDP をプロットして比較）。（サンプル matplotlib コードあり）(Qiita)
  • フィリップス曲線的分析：Unemployment_Rate と Inflation_Rate の散布図で失業とインフレの関係を見る（seaborn.scatterplot の例）。(Qiita)
  • 純輸出と為替の同時表示：純輸出（Exports - Imports）と為替（Exchange_Rate_to_USD）を二軸プロットで比較する例（twinx() を使ったコード）。(Qiita)
  • 構成比の積み上げグラフ：GDP に対する消費・投資・政府支出の割合を積み上げ棒グラフで可視化し、国ごとの構造を比較する、など。(Qiita)

6) 実際の出力例 — 「政府債務（%GDP）」の3期平均比較 と記事の解釈

記事中で実行した出力（各国の Gov_Debt_to_GDP を「〜2000 / 2001〜2010 / 2011〜」で平均した結果）は次の通りでした（主要数値のみ抜粋）：

  • JP: 約 63 → 131 → 197（%）
  • US: 約 43 → 61 → 103（%）
  • GB: 約 63 → 99 → 156（%）
  • KR: 約 8.5 → （欠損） → 41（%）
  • AU: 約 20 → 24 → 51（%）
  • DE, CN, AR：データ欠損や利用不能の期間あり。(Qiita)

記事の解釈ポイント（要旨）

  • 日本：2000年代以降、財政赤字拡大や景気対策、社会保障費増加で比率が大きく上昇し、2011年以降は GDP の約2倍近くに到達している。(Qiita)
  • 米国：2008年以降の金融危機（および後続の景気刺激策）、さらに COVID-19 対応で負債比率が上昇。(Qiita)
  • 英国：同様に 2008 年以降に債務が増加、パンデミック対応も影響。(Qiita)
  • 韓国／オーストラリア：以前は比較的低水準だったが近年上昇傾向（それでも先進国平均よりは低め）。(Qiita)

（上は記事の出力とその解釈を要約したものです。実数・欠損の扱いは記事内の出力そのままに基づきます。）(Qiita)

7) 注意点・データの限界

  • World Bank のデータカバレッジの関係で国・指標によって欠損が出る（記事では英国の NE.CON.PRVT.CD が取得できなかった例がある）。その場合は「別指標から近似」したり（例：Consumption ≒ GDP - Investment - Gov_Spending + (Imports - Exports)）代替する手法が提案されています。(Qiita)
  • 中国やアルゼンチンなどは特定指標が未報告・未取得のケースがあり、政策解釈には注意（ローカル会計ルールや地方債などの非公表項目が存在する場合がある）。(Qiita)

8) 記事の締め（次のステップ提案）

  • どのテーマを深掘りするか決めてコード化（可視化ノートブック化）する／国ごとのレポートを自動生成するボットを作る、などの発展案が提示されています。実務的には「欠損補完→時系列分解→回帰やイベントスタディ（例：2008年、2020年のショック）」といった流れが考えられます。(Qiita)

もしご希望なら、次をすぐ作ります（どれか選んでください）：

  1. 上記の get_gdp_and_related_data 強化版を Jupyter ノートブック形式で整備（実行可能なコード）
  2. 特定国（例：日本・米国）について「政府支出比率」「債務比率」「インフレと失業」の 1 ページ分析レポート（図 + 解釈）を作るコード
  3. 欠損の多い指標の補完手順（代替式・補完ロジック）を実装するコード例

どれにしますか？あるいは「この記事のどの部分をもっと詳しく（コードや図で）解説してほしいか」を教えてください。

Discussion