ワンオペ育児から見る離婚
偏相関分析で探る離婚の地域差とその要因

「３組に１組は離婚している！」——テレビなどでよく耳にするこの数字に、原論文はまず統計リテラシーの観点から疑問を投げかける。 この「3分の1」は、「ある一年間に結婚した数」を分母に、「結婚した年にかかわらず今まで結婚した全ての人の中で（その年に）離婚した数」を分子にして割った値である。 分母と分子で対象となる集団が食い違っているため、統計学的に正しい方法で算出したとは言い難い。 それでも「離婚」が社会の大きな話題であることは確かだ。

離婚は当事者にとって大きなストレッサーであり、人生の様々な出来事の中でもかなりストレスを感じる出来事の一つとされる（原論文はライフイベント法によるストレス度測定の研究〔夏目・村田 1993〕を引用）。 ストレスと健康の観点から考えれば、離婚はできるだけしない方がよい——では、離婚を減らすには何が効くのか。

着眼点は「離婚率には地域差がある」という事実（原論文 図1 の都道府県別離婚率地図）。 離婚率の高い（低い）地域には何か共通する特徴があるのかもしれない。 この地域差から、離婚に影響する因子を探れるのではないか——これが本研究の出発点である。

SSDSE（教育用標準データセット） 偏相関分析 相関分析 ヒストグラム 総務大臣賞

データと変数：SSDSE＋公的統計

使用データの概要（原論文 表1）

原論文は、独立行政法人統計センターが公開する SSDSE（教育用標準データセット）を軸に、 SSDSEに収録されていない変数（待機児童数・育休等取得数・意識調査）を各府省の公的統計から自分たちで集めて組み合わせた。 分析単位は47都道府県である。出典欄の「*」は SSDSE のデータを用いたことを示す（原論文の表記に従う）。

自分たちで定義した指標（原論文 表2）

まず離婚率（離婚件数／総人口×1000）の地域差を確認する。原論文の図1は都道府県別離婚率の地図（コロプレス図）だが、 ここでは同じ指標をランキング形式の横棒グラフで再現した（SSDSE-B-2026・2017年データから作成）。

図1：都道府県別 離婚率（離婚件数／総人口×1000、2017年）。原論文 図1「都道府県ごとの離婚率」（地図）の再表現として、SSDSE-B-2026 の実データから作成。 破線は全国平均（1.63）。赤は本文で外れ値として登場する道府県（沖縄・大阪・北海道）。

離婚した夫婦はどんな夫婦か（原論文 図2〜4：ヒストグラム）

原論文は仮説を立てる前に、人口動態調査（2016）のデータで「どんな夫婦が・いつ離婚しているか」を3枚のヒストグラム（原論文 図2〜4）で確認している。 これらの図は原論文が人口動態調査の集計から作成したもので、本ページでは要点を示す（グラフは原論文を参照）。

本研究の手法上の最大の特徴は、県単位の分析につきまとう罠を偏相関分析で処理したことである。 審査会でも「人口を統制するために偏相関分析という高校の履修範囲を超えた統計的方法を用いたことは特筆される」と評価された。

偏相関係数：第三の変数の影響を「引き算」する

偏相関係数は、2変数 x・y それぞれから第三の変数 z（ここでは総人口）で説明できる部分を取り除いた上で、残りどうしの相関を測る。 相関係数3つから次の式で計算できる。

もう一つの等価な見方が残差を使う方法である。x を z に回帰したときの残差（＝総人口では説明できない x の部分）と、 y を z に回帰したときの残差を求め、残差どうしの相関を取ると偏相関係数に一致する。 原論文の散布図（図5〜11）の軸が「離婚件数の残差」「核家族世帯数の残差」となっているのはこのためだ。

外れ値（東京・大阪・北海道・沖縄）の扱い

47点しかないデータでは、分布から大きく離れた外れ値が1〜2点あるだけで係数が大きく動く。 原論文は散布図を必ず目視し、東京・大阪（待機児童）、北海道・東京・大阪（育休）、沖縄（意識調査）が 他の46都道府県の分布とかけ離れていることを確認した上で、「除外前の係数」と「除外後の係数」の両方を報告している。

原論文は「（総人口の影響を除いた）離婚件数と○○には相関がある」という形の仮説を順に検証していく。 以下の偏相関係数はすべて原論文の報告値である。

※ 判定の「予想と逆」は分析の失敗ではない。原論文はそのたびに「なぜ予想と違ったのか」を考察し、次の仮説につなげている。

仮説1-1・1-2：家族の形と離婚

「大家族なら嫁姑問題などのトラブルで離婚が増えるのでは」という予想（仮説1-1）に対し、結果は−0.39 の弱い負の相関（原論文 図5）。 原論文の考察：大家族世帯の多くを占める三世代同居では、親に子どもの面倒を見てもらえるなど助け合いができ、 夫婦間の（特に子育て関係の）トラブルがむしろ減るのではないか。介護を考えると簡単に離婚しにくい事情もありうる。

逆に核家族（仮説1-2）は、子育てを助けてくれる人が近くにいない。内閣府も「核家族化や都市化の進展等による家庭の養育力の低下」 「かつては家族や近隣から得られていた知恵や支援が得られにくいという育児の孤立」を指摘している（原論文が少子化社会白書を引用）。 結果は＋0.36 の弱い正の相関（原論文 図6）で、仮説を支持した。

仮説2-1：待機児童数と離婚（本ページで実データ再現）

子育てがしにくくなる要因として「子どもを保育園に入れられないこと」＝待機児童数に注目する。 この分析は現行の SSDSE-B-2026 でも変数が揃うため、実データで再現した（離婚件数・総人口＝2017年、待機児童数＝2016年）。

図2：離婚件数×待機児童数の残差プロット（47都道府県、総人口の影響を除く）。原論文 図7 の再現（SSDSE-B-2026から作成）。 偏相関係数は −0.03 で、原論文の報告値（−0.03）と一致。東京・大阪が他の45道府県の分布から大きく離れている。

図3：東京・大阪を除いた45都道府県での再計算（原論文 図8 の再現）。再現値は ＋0.44、原論文の報告値は ＋0.36。 使用した統計の収録年・改定の違いで数値はやや異なるが、「外れ値を除くと弱い正の相関が現れる」という結論は一致する。

全47都道府県では偏相関はほぼゼロ（−0.03）だが、散布図を見ると東京・大阪だけが極端に離れている。 この2都府を除いて計算し直すと弱い正の相関となり、「待機児童が多い（＝子育てがしにくい）地域ほど、人口の割に離婚が多い」 という仮説を支持する形となった。係数だけ見て「無相関」と結論せず、散布図を確認したことで拾えた発見である。

仮説2-2・2-3：育休と女性就業——予想外の結果が「ワンオペ育児」仮説を生む

「育休が取りやすい地域は子育てしやすく、離婚が減る」という予想（仮説2-2）に対し、外れ値（北海道・東京・大阪）を除くと＋0.28 の弱い正の相関（原論文 図9・10）。 予想と逆である。原論文の再解釈：育休の取りやすい地域は女性が働きやすく経済的に自立しやすい社会であり、 離婚時の経済的負担を心配する必要が減るため、むしろ離婚のハードルが下がるのではないか。 さらに仮説2-3「女性就業者数と離婚件数」も予想（正）に反して−0.36 の弱い負の相関（原論文 図11）。 この2つの「予想外」の説明が、次章のワンオペ育児仮説につながっていく。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15

import numpy as np
import pandas as pd

# SSDSE-B（都道府県×年度のパネルデータ）を読み込む
df = pd.read_csv('data/raw/SSDSE-B-2026.csv', encoding='cp932', header=1)
df = df[df['地域コード'].astype(str).str.match(r'^R\d{5}')].copy()
df['年度'] = df['年度'].astype(int)

# 原論文に合わせる：離婚件数・総人口=2017年、待機児童数=2016年
d17 = df[df['年度'] == 2017].set_index('都道府県')
d16 = df[df['年度'] == 2016].set_index('都道府県')
m = pd.DataFrame({'離婚件数': d17['離婚件数'],
                  '総人口':   d17['総人口'],
                  '待機児童数': d16['保育所等利用待機児童数']})
print(f"都道府県数: {len(m)}")

都道府県数: 47

16
17
18
19
20
21
22
23
24

def partial_corr(x, y, z):
    """総人口 z の影響を取り除いた x と y の偏相関係数"""
    rxy = np.corrcoef(x, y)[0, 1]
    rxz = np.corrcoef(x, z)[0, 1]
    ryz = np.corrcoef(y, z)[0, 1]
    return (rxy - rxz * ryz) / np.sqrt((1 - rxz**2) * (1 - ryz**2))

r_all = partial_corr(m['離婚件数'], m['待機児童数'], m['総人口'])
print(f"偏相関係数（47都道府県）: {r_all:.2f}")

偏相関係数（47都道府県）: -0.03

25
26
27
28

# 散布図（図2）で分布から大きく外れていた東京・大阪を除いて再計算
m2 = m.drop(['東京都', '大阪府'])
r_ex = partial_corr(m2['離婚件数'], m2['待機児童数'], m2['総人口'])
print(f"偏相関係数（東京・大阪を除く45都道府県）: {r_ex:.2f}")

偏相関係数（東京・大阪を除く45都道府県）: 0.44

仮説2-2の「予想外の正の相関」を再考するところから、本研究の核心に入る。 「育休が取りやすい→子育てしやすい→離婚が減る」という前提が違っていたのではないか。つまり育児休暇そのものが夫婦のトラブルの原因になりうるのではないか。

ただし「ワンオペ育児をしている家庭の数」という統計は存在せず、算出も難しい。そこで原論文は、内閣府男女共同参画局の意識調査を代理指標に使い、 離婚率（離婚件数／総人口×1000）との相関を調べた。以下も原論文の報告値である。

どちらの設問でも、散布図（原論文 図12・14）で沖縄県だけが他の46都道府県の分布から大きく外れていた。 沖縄を除いて計算し直すと（原論文 図13・15）、いずれも＋0.43 の正の相関。 「夫は仕事・妻は家庭」と考える男性が多い地域ほど離婚率が高い——仮説を支持する結果となった。

図4：原論文が報告した偏相関係数の一覧（負＝赤、正＝緑）。本図は原論文の報告値をそのまま可視化したもので、再計算ではない。 待機児童・育休・意識調査は外れ値除外後の値。意識調査2件は離婚率（人口千対）との相関。

なぜ沖縄は外れ値になるのか——除外して終わりにしない

原論文は沖縄を除外した理由の考察まで踏み込む。沖縄は全国でも平均収入が特に少ない県であり（賃金構造基本統計調査）、 平均収入が少ないほど妻が離婚を考えたことのある割合が上がり喧嘩も増える、また「家の最終権限は妻にある」と答える割合も高くなる（夫婦の幸福度調査）。 つまり沖縄では、男性の意識（ワンオペ育児）よりも収入の少なさが離婚に影響しているのではないか、という解釈である。 外れ値は「捨てるデータ」ではなく「別のメカニズムが働いている可能性を教えてくれるデータ」だ、という好例になっている。

まとめと提言

主要な発見（いずれも原論文の報告値・解釈）

1. 家族の形：総人口を統制すると、離婚件数は大家族世帯数と負（−0.39）、核家族世帯数と正（＋0.36）の弱い相関。 核家族では育児で頼れる人が少なく孤立しやすいため、大家族よりワンオペ育児に陥りやすい。
2. 子育て環境：待機児童数とは外れ値（東京・大阪）を除くと正（＋0.36）。育休等取得数とも外れ値を除くと正（＋0.28）—— 取得者の大半が女性である現状では、育休がかえって育児の負担を妻に偏らせる可能性がある。
3. 性別役割意識：「夫は仕事・妻は家庭」「母親は外で働かない方がよい」と考える男性の割合は、沖縄を除くといずれも離婚率と正の相関（＋0.43）。 こうした考え方はワンオペ育児を助長し、働きたいのに働けない女性を増やす。女性就業者数と離婚件数の負の相関（−0.36）とも矛盾しない。
4. 結論：以上を総合し、ワンオペ育児が離婚の一つの要因であると推測する。ただし沖縄のように、収入の少なさなど別の要因が優越する地域もある。

データ・コードのダウンロード

図1〜3は SSDSE-B-2026 の実データから計算・作図（合成データ・乱数生成なし）。 図4および本文の偏相関係数（−0.39／＋0.36／＋0.28／−0.36／＋0.43など）は原論文の報告値であり、本ページで再計算したものではない。

🐍 ブラウザで動かす — インストール不要でこの論文の分析を再現する

このページの分析は、この画面の中でそのまま実行できます。 Python をインストールする必要も、CSV をダウンロードする必要もありません。 下のセルの 「▶ ブラウザで実行」 を上から順に押すか、 「▶ 最初から全部実行」 で一気に流してください。 表示されるのは、本文の図表とまったく同じ計算の結果です （動かしているのは再現スクリプト code/2019_H1_daijin.py そのもの）。

コードは書き換えられます。「✏️ 書き換える」で数字や変数を変えて ▶ を押すと、 結果がどう変わるかをその場で確かめられます（元に戻すボタンつき）。 ページを開いた時点で裏で実行環境の準備が始まっているので、待ち時間はほとんどありません。 初回だけ実行環境の取得にインターネット接続が必要です。