日本の育児休業、北欧よりいいのに全然利用されてません
こんにちは、少子化研究者の茂木良平です。南デンマーク大学というところで、少子化を専門に研究しています。
少子化について日々研究しているものの、実際の「少子化課題」改善にはアプローチできていないことに研究者としての課題を感じ、少子化の現状についてデータや論文を用いて紹介しています。
少子化に関する記事は、以下のマガジン(無料です)にまとめていますので、ご覧になってください。フォローもお願いします!
今回は、日本の育児休業制度についてまとめていきます。
どういう制度?
育児休業とは、育児・介護休業法という法律に定められた、子どもを養育するための休業のこと¹⁾。
育休と略されるので、育児休暇²⁾と間違われることがありますが(実は数年前は私も間違えてました)、「育児休業」です。
日本の育休制度は、他の先進国と比べても非常に優遇されており、特に男性育休の長さは福祉政策の整っている北欧と比べても長いです。
ただし、問題は取得している人の少なさです、、
どのくらいの人が取得しているか
公になっている3つのデータで育休取得割合をみてみます。
女性の育休取得割合は、2000年代後半以降、約85%をキープしており、ほとんどの女性は育休を取得しています。
一方、男性は2010年代半ばまでは微増にとどまり、2020年に入るまで一桁で推移していました。2021年には14%の男性が育休を取得しています。総じて増加はしているものの、女性とは反対にほとんどの男性は育休を取得していないことがわかります。
図1でみた厚生労働省「雇用均等基本調査」の結果に比べて、男女ともにとても高い値になっています。特に男性の育休取得割合は約2倍の値(2021年時)。
これは、調査の特徴にも書いたように、調査対象が経団連に提携している企業ということでかなり選択されたことによると思います。育休が取りやすい雰囲気があるなど育休に対してより先進的な大企業ではどうなっているかな、という目的で結果をみるのがいいでしょう。
図3は、調査時点で第一子が3歳以上の女性と男性の育児休業割合を示したものです。
左パネルは、調査時点で第一子が3歳以上のすべての女性をもとに計算し、右パネルは、調査時点で第一子が3歳以上の女性のうち正規雇用を継続している人のみをもとに計算したのものです。
まず左パネルの女性の値からみてみます。すると、図1でみた値と比べて半分くらい少ないことがわかります。これはなぜでしょうか?これは図1は育休を利用できる人のうち何割が利用したかを表していたのに対し、図3では育休がそもそも利用できない人(非正規や自営業、無職)も含まれていることが一因です。
現に右パネルでは、図1や図2と同じような値になっています。
図1や2と図3の右パネルの比較からわかることは、育休を取得したくてもできない状態の人がまだ半数以上いることです。現状の育休制度ではカバーできていない、非正規、自営業、そして無職の女性の育休制度をどうするかは今後検討していく必要がありそうです。
男性の値はどうでしょうか?X軸が第一子出生年になっており、図1や2の年次とは異なるので、比較は難しいですが、図1、2に比べてかなり低い値になっています。
1点気になるのは、妻が正規雇用の男性の方が育休取得率が高いことです。社会経済的地位と育休取得の関係についてはまた別記事で触れたいと思います。
どのくらいの期間取得しているか
女性の育休取得期間は、年を経るにしたがって延びています。5カ月以下の割合は2015年には12%だったのが、2021年には5%まで低下しています。どの年も最も多い期間は、10‐11カ月と12‐17カ月で、2021年には64%を占めています。
一方、男性の育休取得期間は女性のとは全く異なり、6カ月以上取得している人の割合は2021年でもわずかに6%となっています。4日以下の割合は2015年には最大の57%だったのが、年を経るごとに減少してはいますが、2021年でも25%を占めています。5‐13日も含めると、2021年でも半分以上となり、半分以上の人が2週間も育休を取得していないことになります。
例えば北欧は一般的に福祉政策が充実しているイメージがありますが、日本の男性はその北欧よりも長い育休期間を取れるわけです。それなのに、まったく享受できていないことがわかります。
まとめ
日本の育児休業制度は、男性女性問わず子どもが1歳になるまで取得できる。特に男性の育休は、他の先進国に比べても優遇された制度。
育休取得率を把握するデータは主に3つあり、それぞれ異なる特徴がある。
厚生労働省「雇用均等基本調査」の事業所調査によると、2021年に育休取得ができる人のうち、85%の女性、14%の男性が育休を取得した。
女性の育休取得期間は10‐11カ月と12‐17カ月で64%を占め、一方男性は、2週間以内が半数以上。
この記事をちょっとでも面白いと思ってくれた方は下にある「スキ」ボタン、SNSでのシェアよろしくお願いします。ご質問はこの記事へのコメント、もしくはtwitterまでお気軽にご連絡ください(全部は返信できませんが、次回の記事の参考にさせていただきます)。また記事執筆やインタビューの依頼はメールアドレスrymo[at]sdu.dkまでお願いします。
日本とデンマークの育休事情を比較した記事はこちら👇
本記事のグラフに使ったコードです~
library(tidyverse)
library(ggrepel)
Mycol <- c("#08306B", "#238B45", "#FD8D3C", "#D4B9DA", "#FFEDA0")
# koyou-kintou-kikai
koyou_rate <- data.frame(
year = c(1996, 1999, 2002, 2004, 2005, 2007:2021),
f_rate = c(49.1, 56.4, 64, 70.6, 72.3, 89.7, 90.6, 85.6, 83.7, 87.8, 83.6, 83,
86.6, 81.5, 81.8, 83.2, 82.2, 83, 81.6, 85.1),
m_rate = c(0.12, 0.42, 0.33, 0.56, 0.5, 1.56, 1.23, 1.72, 1.38, 2.63, 1.89, 2.03,
2.3, 2.65, 3.16, 5.14, 6.16, 7.48, 12.65, 13.97)
)
koyou_dur <- data.frame(
dur = c("-4日", "5-13日", "14-30日", "1-2カ月", "3-5カ月", "6-7カ月",
"8-9カ月", "10-11カ月", "12-17カ月", "18-23カ月", "24-35カ月", "36カ月-"),
f2015 = c(0.8, 0.3, 0.6, 2.2, 7.8, 10.2, 12.7, 31.1, 27.6, 4, 2, 0.6),
f2018 = c(0.5, 0.3, 0.1, 2.8, 7, 8.8, 10.9, 31.3, 29.8, 4.8, 3.3, 0.5),
f2021 = c(0.5, 0, 0.1, 0.8, 3.5, 6.4, 8.7, 30, 34, 11.1, 4.5, 0.6),
m2015 = c(56.9, 17.8, 8.4, 12.1, 1.6, 0.2, 0.7, 0.1, 2, 0, 0, 0),
m2018 = c(36.3, 35.1, 9.6, 11.9, 3, 0.9, 0.4, 0.9, 1.7, 0, 0.1, 0),
m2021 = c(25, 26.5, 13.2, 24.5, 5.1, 1.9, 1.1, 1.4, 0.9, 0, 0.2, 0)
)
koyou_rate %>%
gather(key = sex, value = rate, -year) %>%
mutate(sex = ifelse(sex == "f_rate", "女性", "男性")) %>%
ggplot(aes(x = year, y = rate, group = sex, colour = sex, label = rate)) +
geom_line(size = 1.2) +
geom_point(size = 3) +
geom_text_repel(nudge_y = 5, show_guide = F) +
ylim(0, 100) +
scale_colour_manual(values = c(Mycol[3], Mycol[2])) +
labs(x = "年次", y = "育児休業取得割合",
caption = "データソース:厚生労働省「雇用均等基本調査」. 作成者:茂木良平") +
theme_minimal(base_family = "HiraKakuPro-W3") +
theme(legend.title = element_blank(),
legend.position = "top",
legend.text = element_text(size = 12),
legend.box = "vertical",
strip.text.x = element_text(size = 12),
axis.text = element_text(size = 12),
axis.title = element_text(size = 15),
panel.spacing = unit(2, "lines"))
koyou_dur <- koyou_dur %>%
gather(key = var, value = prop, -dur) %>%
mutate(sex = str_sub(var, 1, 1),
sex = ifelse(sex == "f", "女性", "男性"),
year = str_sub(var, -4, -1),
year = factor(year, levels = c("2021", "2018", "2015"))) %>%
select(-var)
koyou_dur %>%
filter(sex == "女性") %>%
mutate(dur_cate = case_when(dur %in% c("-4日", "5-13日", "14-30日", "1-2カ月", "3-5カ月") ~ "-5カ月",
dur %in% c("18-23カ月", "24-35カ月", "36カ月-") ~ "18カ月-",
T ~ dur),
dur_cate = factor(dur_cate, levels = c("-5カ月", "6-7カ月", "8-9カ月", "10-11カ月",
"12-17カ月", "18カ月-"))) %>%
group_by(sex, year, dur_cate) %>%
summarise(prop = sum(prop)) %>%
ggplot(aes(x = year, y = prop, fill = dur_cate, label = prop)) +
geom_bar(position = position_fill(reverse = T), stat = "identity") +
geom_text(size = 4, position = position_fill(reverse = T, vjust = 0.5)) +
coord_flip() +
labs(x = "年次", y = "女性の育休取得期間の割合",
caption = "データソース:厚生労働省「雇用均等基本調査」. 作成者:茂木良平") +
scale_fill_manual(values = c("grey", Mycol)) +
theme_minimal(base_family = "HiraKakuPro-W3") +
theme(legend.title = element_blank(),
legend.position = "top",
legend.text = element_text(size = 12),
legend.box = "vertical",
strip.text.x = element_text(size = 12),
axis.text = element_text(size = 12),
axis.title = element_text(size = 15),
panel.spacing = unit(2, "lines"))
koyou_dur %>%
filter(sex == "男性") %>%
mutate(dur_cate = ifelse(dur %in% c("6-7カ月", "8-9カ月", "10-11カ月",
"12-17カ月", "18-23カ月", "24-35カ月", "36カ月-"), "6カ月-", dur),
dur_cate = factor(dur_cate, levels = c("-4日", "5-13日", "14-30日",
"1-2カ月", "3-5カ月", "6カ月-"))) %>%
group_by(sex, year, dur_cate) %>%
summarise(prop = sum(prop)) %>%
ggplot(aes(x = year, y = prop, fill = dur_cate, label = prop)) +
geom_bar(position = position_fill(reverse = T), stat = "identity") +
geom_text(size = 4, position = position_fill(reverse = T, vjust = 0.5)) +
coord_flip() +
labs(x = "年次", y = "男性の育休取得期間の割合",
caption = "データソース:厚生労働省「雇用均等基本調査」. 作成者:茂木良平") +
scale_fill_manual(values = c(Mycol, "grey")) +
theme_minimal(base_family = "HiraKakuPro-W3") +
theme(legend.title = element_blank(),
legend.position = "top",
legend.text = element_text(size = 12),
legend.box = "vertical",
strip.text.x = element_text(size = 12),
axis.text = element_text(size = 12),
axis.title = element_text(size = 15),
panel.spacing = unit(2, "lines"))
ggplot(aes(x = year, y = prop, fill = dur)) +
facet_wrap(~ sex) +
geom_bar(position = "fill", stat = "identity") +
coord_flip() +
labs(x = "年次", y = "育児休業取得割合",
caption = "データソース:厚生労働省「雇用均等基本調査」. 作成者:茂木良平") +
theme_minimal(base_family = "HiraKakuPro-W3") +
theme(legend.title = element_blank(),
legend.position = "top",
legend.text = element_text(size = 12),
legend.box = "vertical",
strip.text.x = element_text(size = 12),
axis.text = element_text(size = 12),
axis.title = element_text(size = 15),
panel.spacing = unit(2, "lines"))
# JNFS
jnfs_rate <- data.frame(
year = c("1985-1989", "1990-1994", "1995-1999", "2000-2004", "2005-2009",
"2010-2014", "2015-2018"),
f_rate_all = c(6, 9, 12.6, 17.5, 24.1, 34.8, 43),
m_rate_all = c(NA, NA, 0.2, 0.3, 0.8, 0.9, 3.7),
f_rate_ful = c(34.1, 50.3, 67, 79.5, 85.9, 88.2, 92.6),
m_rate_ful = c(NA, NA, 0.9, 0.7, 1.7, 1.7, 6.3)
)
jnfs_rate %>%
gather(key = key, value = value, -year) %>%
mutate(sex = str_sub(key, 1, 1),
sex = ifelse(sex == "m", "男性", "女性"),
var = str_sub(key, -3, -1),
var = ifelse(var == "all", "総合", "妻が正規雇用"),
var = factor(var, levels = c("総合", "妻が正規雇用"))) %>%
select(-key) %>%
ggplot(aes(x = year, y = value, group = sex, colour = sex, label = value)) +
facet_wrap(~ var) +
geom_line(size = 1.2) +
geom_point(size = 3) +
geom_text(nudge_y = 5, show_guide = F) +
ylim(0, 100) +
scale_colour_manual(values = c(Mycol[3], Mycol[2])) +
labs(x = "第一子出生年", y = "育児休業取得割合",
caption = "データソース:社人研「出生動向基本調査16回」. 作成者:茂木良平") +
theme_minimal(base_family = "HiraKakuPro-W3") +
theme(legend.title = element_blank(),
legend.position = "top",
legend.text = element_text(size = 12),
legend.box = "vertical",
strip.text.x = element_text(size = 12),
axis.text = element_text(size = 12),
axis.title = element_text(size = 15),
axis.text.x = element_text(angle = 90, vjust = 0.5, hjust = 1),
panel.spacing = unit(2, "lines"))
# Keidanren: https://www.keidanren.or.jp/policy/2023/040.pdf
kei_rate <- data.frame(
year = 2018:2022,
m_kei_rate = c(14, 18.8, 23.7, 29.3, 47.5),
m_kei_comp = c(168, 185, 186, 194, 198),
f_kei_rate = c(91.9, 92.6, 95.4, 95.3, 96.4),
f_kei_comp = c(190, 191, 195, 194, 199)
)
kei_m_dur <- data.frame(
m_dur = c("5日未満", "5日~2週間", "2週間~1カ月", "1カ月~3カ月", "3カ月~6カ月"),
m_all = c(9.3, 12.8, 18, 49.4, 10.5),
m_s5001 = c(1.9, 7.7, 15.4, 69.2, 5.8),
m_s3001 = c(6.7, 13.3, 16.7, 46.7, 16.7),
m_s1001 = c(6.5, 17.4, 19.6, 45.7, 10.9),
m_s501 = c(5.9, 23.5, 17.6, 29.4, 23.5),
m_s301 = c(21.4, 7.1, 28.6, 35.7, 7.1),
m_s300 = c(46.2, 7.7, 15.4, 30.8, NA)
)
kei_rate %>%
gather(key = key, value = value, -year) %>%
mutate(sex = str_sub(key, 1, 1),
sex = ifelse(sex == "m", "男性", "女性"),
var = str_sub(key, -4, -1)) %>%
select(-key) %>%
spread(key = var, value = value) %>%
ggplot(aes(x = year, y = rate, group = sex, colour = sex, label = rate)) +
geom_line(size = 1.2) +
geom_point(size = 3) +
geom_text(nudge_y = -5, show_guide = F) +
ylim(0, 100) +
scale_colour_manual(values = c(Mycol[3], Mycol[2])) +
labs(x = "年次", y = "育児休業取得割合",
caption = "データソース:経団連「『男性の家事・育児』に関するアンケ―ト調査」. 作成者:茂木良平") +
theme_minimal(base_family = "HiraKakuPro-W3") +
theme(legend.title = element_blank(),
legend.position = "top",
legend.text = element_text(size = 12),
legend.box = "vertical",
strip.text.x = element_text(size = 12),
axis.text = element_text(size = 12),
axis.title = element_text(size = 15),
panel.spacing = unit(2, "lines"))
サポートしていただいたお金は、研究費に使わせていただきます!