Bing Image Creator から生成：Photographic Flower Field
このポストは、上のポストの続きです。
前回のポストでは、年によってtotalの入職者数に統計的な違いは無いことがわかりました。
今回は、分析の観点を変えて、若年層の入職者数の割合と老年層の入職者数の割合を調べてみます。
まず、はmutate()関数でyoungとelderという名前で変数を作ります。
u19が19歳以下の入職者数、a20_24は20歳から24歳の入職者の数です。
a60_64は60歳から64歳の入職者数、o65は65歳以上の入職者の数です。
それぞれの平均値をgender別にみてみます。
youngのほうは、女性は0.160で、男性は0.165とそれほど違いはありませんが、
elderのほうは、女性は0.0911で、男性は0.182と男性が女性の2倍です。
arrange()関数でそれぞれの値の大きいところ、小さいところをみてみます。
石川県、宮崎県、福井県、佐賀県、高知県、沖縄県、長野県が顔をだしました。
youngの比率が高いところはどこでしょうか？
熊本県、沖縄県、宮崎県、奈良県、京都府、岐阜県、岡山県、広島県の名前があがりました。宮崎県と沖縄県は比率が小さいほうでも顔を出していましたね。
次は、elderの上位の都道府県、下位の都道府県をみてみましょう。
鳥取県、京都府、大分県、奈良県、茨城県、鹿児島県、栃木県、沖縄県が出てきました。そして、注目は全て女性ということです。女性で60歳以上で入職するのは少ないのですね。
反対にelderの大きなところはどこでしょうか？
山口県、和歌山県、香川県、京都府、岩手県、長野県、佐賀県が顔を出しました。和歌山県が4回も顔を出しています。そして、女性は、2015年の和歌山県だけです。
男性、女性別のヒストグラムを描いてみましょう。
youngは男女差は大きくないですね。
elderのほうは、女性のほうが分布が左によっていることがわかります。
今回は以上です。
次回は
です。
初めから読むには、
です。
