男性は「男らしく生きること」で幸せを失っている?
男女の幸福度の差はどこから来るのかについての、日本(九州大学)の最新研究。
世界168カ国・191万人のギャラップ世界調査データ(2009〜2022年)を、機械学習で分析頂いています😊
世界的に見ると、女性の方が男性より幸福度が少し高い(10点満点で0.1点差)。
でも、女性の方が社会的・経済的には不利なことも多いのに、なぜ?
これは「女性の幸福のパラドックス」と呼ばれる謎。
(ちなみに、ちょっと前までは世界的には男性の方が幸福度高い、だったんですが逆転してますね。
ただ日本は昔から、世界の流れに反して女性の方が幸福度高い傾向でした。)
この研究では、男女の幸福度の差を2つに分解しました。
①個人の条件:労働市場での地位や所得格差など。
→持っているもの(収入・健康・仕事など)の違いによる差
②社会のルール:男は稼ぐべきというプレッシャー、男は感情を出さない、など
→同じものを持っていても、幸福につながる「変換のされ方」の違いによる差
結果がおもしろくて、
①個人の条件で見ると、実は男性の方が幸福度が高くなるはず。
(条件だけ見れば男性有利な社会が多い)
ところが②社会のルールで見ると、
「男性として生きる」仕組みの下では、同じ条件でも幸福度が低くなる。
つまり、男らしさの規範(強くあれ、弱音を吐くな、稼ぎ頭であれ…)のようなものが、条件面の有利さを打ち消して、男性の幸福度を下げている可能性がある、と。
しかもこの②の差は、2009年から2022年にかけてどんどん広がっている。
社会の変化の中で、従来の男性役割がしんどくなってきているのかもしれません。
(①個人の条件はあまり変わっていない。)
つまり、世界では、①は男性の方が優位だけど、②のマイナスがのしかかってきて、
トータルだと、女性の方が幸せ。
ちなみに日本は世界的に見ると例外的で、
①個人の条件も女性の方がプラスに出る数少ない国のひとつ(香港・韓国・シンガポールなども同様)。
東アジアは少し違うパターンで、①も②も女性が優位に出るみたい。
ちなみに①個人の条件は、稼ぎだけでなく、収入や健康、雇用や結婚、ストレスなどの複合指標です。
男女どちらが得か、という話ではなく、
「女性だから」「男性だから」という役割の縛りが、男女両方の幸せを削っている。
性別役割がゆるやかで、生き方を選べる社会が、みんなの幸福度を上げる。
ということでしょうか。
「男は泣くな」も「女は家庭に」も、手放した方がみんな幸せになれそうですね。
ま、あと男女差は確かにあるがかなり小さいので、そこに目を向けるよりも幸福度が上がる取り組みを一つでもするのがオススメですね😊
Decomposing the gender gap in subjective well-being: evidence from a machine learning-based switching framework
主観的ウェルビーイングの男女差を分解する:機械学習ベースのスイッチング・フレームワークによる証拠
Jie Mi, Chao Li, Alexander Keeley, Jiaxu Zhang, Shunsuke Managi(九州大学、日本)
Humanities and Social Sciences Communications, 2026/10/29
https://doi.org/10.1057/s41599-026-09543-4
機械学習で解明する主観的幸福度のジェンダーギャップ構造 表層的な女性優位の幸福度 168ヵ国 191万人の 調査データ ESTEM 解析 属性同一なら男性が優位 女性体制 モデル 共通モデルでは男性の予測値が高い。 男性体制 モデル 評価モデルによる実効・反実仮想値の比較 女性体制予測値:5.569 男性体制予測値:5.645 体制間差分 (処置効果): +0.185 (女性体制で上昇) 女性体制予測値:5.384 男性体制予測値:5.466 体制間差分 (処置効果): +0.178 (女性体制で上昇) 属性間差分 (基本異質性): 女性グループ差分:-0.075 男性グループ差分:-0.082 ←差分はマイナス 男性体制が同性の幸福度を下げる。 格差の経時変化と主要影響因子 体制格差は年々拡大傾向 2009年 → 現在 所得と25~30歳で 所得影響が消失。 所得×年齢が大きく寄与 性別役割分担力の 緩和が必要 役割プレッシャーの 緩和が必要 ©Clarion Notebook 幸福度のジェンダー格差:AIが解き明かす 「女性の幸福度パラドックス」の真実 Base Heterogeneity (Personal conditions & Resources) Regime-Specific Returns (Societal Rules & Expectations) 直感に反する定説の裏側にある 「構造的な真実」を、190万人のデータと 機械学習(ESTEM)から解き明かす。 Jie Mi, Chao Li, Alexander Keeley, Jiaxu Zhang, Shunsuke Managi | 2025年 Based on: Decomposing the gender gap in subjective well-being Grosus Notebook 世界的な主張!「女性の幸福度パラドックス」 女性は社会・経済的な不利を抱えているにもかかわらず、平均して男性よりも幸福度が高い 客観的な不平等 +0.103 女性:5.569 男性:5.466 なぜ、客観的な不平等の下で、主観的な幸福度は逆転するのか? Grunias Notebooks 世界的な定説!女性の幸福度パラドックス これまでの調査は、異なる2つの要因を「平均値」の中でごちゃ混ぜにしていた 従来の平均値比較 新しいつのレンズ 社会からの評価(ルール) 持っているカード(条件) 生物学的な違い(ホルモンや感情表現)ではなく、 社会構造の中に隠された2つの異なる要因を 完全に切り離して分析する。 Genius Notebook 世界的な金融!女性の幸福度パラドックス 190万人規模のビッグデータと機械学習が、複雑な社会構造の 解明を可能にした 1,911,212人 観測データ 168ヵ国 グローバルカレッジ 14年間 2009-2022年 最新の機械学習アルゴリズム(XGBoost)と 「外生スイッチング治療効果モデル(ESTEM)」 を組み合わせ、反実仮想シミュレーションによって 幸福度の差を分解。 Gernaus Notebooks 幸福度の格差は「個人の持ち物」と「社会の評価体制」 という2つのレンズで分解できる 個人の条件 収入、健康、年齢、家族構成など、 各々が持っている客観的なリソースの違い 社会のルール 同じ条件を持っていても、世別という 社会規範(例えば「ゆかしさ」)によって幸福に どう変換されるかの違い 主観的幸福度(SWB) 幸福度は「何を持っているか」だけでなく、 「それが社会でどう扱われるか」の掛け算で決まる。 Genesis Notebook 「条件の違い」と「ルールの違い」を分けることで、 見えなかった格差の正体が浮き彫りになる 個人の条件 社会のルール 定義 リソースの分配 (誰が何を持っているか) リソースへの評価 (同じ持ち物がどう扱われるか) 論文内の概念 ベース不均一性 (Base Heterogeneity) レジーム特有のリターン (Treatment Effect) 具体例 労働市場での地位、所得格差、 健康状態、雇用形態 「男は稼ぐべき」というプレッシャー、 感情表現の許容度、役割期待 幸福度への影響 個人の生活水準や安定の物理的な 基盤となる 社会からの同調圧力や隣外感を通じて、 心理的負担を増減させる Gemma's Notebook 同じ社会ルールを適用すれば、 実は「男性の方が幸福度が高い」 「個人の条件」だけを見ると、男性有利 「男性特有の社会ルール」が幸福度を大きく削る 最終結果:女性の方がわずかに幸福(+0.103) 真実1:もし男女が「全く同じ社会ルール」で 評価されたと仮定すると、持っている条件の差 により、男性の方が幸福度は高くなる。 真実2:しかし、「男性モードの社会」に置か れると、男性に課せられるプレッシャーによって幸福度が劇的に低下する。 男性側の社会ルール(Male Regime)が、 個人の幸福を大きく削り取っている理由 「稼ぎ手」としての重圧 伝統的な「男性が稼ぐべき」という規範への固執。役割を果たさせないと場合の失業や離別リスクへの強い恐怖。 役割逃脱への強い非難 性別役割期待から外れた行動をとった際、社会的成功や幸福感を 否定される強い同調圧力。 感情の抑圧とタフさ 弱音を吐くことや感情の表出に対する 社会的な不寛容。常に強くなければならないというプレッシャー。 これらの社会的評価体制が、同じ収入や健康状態であっても、 男性の幸福感への変換率を著しく下げている。 Genious Notebook 個人の条件による差は横ばいだが、 「社会ルールの格差」は年々広がり続けている 0.15 0.10 0.05 0.00 -0.05 -0.10 -0.15 -0.20 Effects 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 Year 社会ルールによる格差の拡大 個人の条件による差は不変 解釈 現代の価値観(ジェンダー 平等やテクノロジーの進歩) が変化する中で、旧来の 「伝統的な男性の役割」 との間に生じる摩擦(役割 の衝み)が、ますます大き くなっている可能性を示唆。 Genders Notebook 「男性のルールが幸福を削る」現象は世界共通だが、 紛争地域など一部で例外が見られる グローバルトレンド:168ヵ国の大 半において、「男性側のルールで 評価されると幸福度が下がる」と いう構造は共通している。 例外地域:サハラ以南のアフリカ など一部の国では例外が見られる。 長期的な政治的不安定さや紛争が ある地域では、社会的な「役割」 プレッシャーとは異なる次元(生 存の安定など)が幸福度を支配し ていると考えられる。 ©Gapminder Notebook 経済的余裕は「プレッシャー」を緩和し、20代後半に社会の重圧はピークに達する A 収入(Income)の影響 高 端 は り の プ レ ッ シ ャ ー は 低 高プレッシャー 低プ
動画解説はこちら😊
https://youtu.be/Us5KtkQ90XY
本研究のウェルビーイング小話はこちら😊
はぴテク相談室:「男は弱音を吐くな」って、誰が決めたんだろう?
https://archive.happytech.co.jp/posts/2026-11-08-1794069601/
【研究背景】
■ この研究の立ち位置:「女性の幸福パラドックス」はなぜ解けないのか
Mi, Li, Keeley, Zhang & Managi (2026) の研究は、主観的幸福度(SWB:自分の人生をどう評価しているか、という本人の自己申告)の男女差を、「人々の特性の分布の違い」と「同じ特性が幸福度に結びつく仕方の違い」とに統計的に分解しようとしたものです。その前提として、これまで何が分かっていて、何が分かっていなかったのかを順に整理します。
■ 1. 幸福度が「測るべきもの」になってきた
▼ 政策目標としての well-being
▼ なぜ経済や政策にも関係するのか
■ 2. 幸福度を左右する要因として、すでに分かっていること
論文は、SWB が個人レベルの特性から社会・制度環境まで、複数の階層の要因によって形づくられるとする既存研究を整理しています(Diener et al. 2018; MacKerron 2012)。
▼ 個人レベルの要因
▼ 社会・制度レベルの要因
■ 3. 「性別」という説明しきれない残差
▼ 統制変数としての性別ダミー
▼ 残差の解釈をめぐる対立
論文は、この残差をどう解釈するかについて見解が分かれていることを示しています。
▼ 二つの理論的レンズ
論文はこの対立を、相補的な二つの視点に整理しています。
■ 4. 「女性の幸福パラドックス」とその説明の候補
▼ 現象そのもの
▼ 説明① ジェンダー化された社会的役割と感情表出
▼ 説明② 女性の不利を示唆する生物学的・心理学的知見
▼ 説明③ 仕事・家庭・社会環境
▼ 結局、何が足りなかったのか
■ 5. 方法論の背景:切替モデルと機械学習
▼ 外生的切替処置効果モデル(ESTEM)
▼ 機械学習の導入
■ 6. データの背景:Gallup World Poll と Cantril ladder
■ 7. まとめ:先行研究から本研究への橋渡し
【研究内容】
■ この研究が取り組んだ問い
▼ 2つの成分とは
▼ 3つの目的
■ 使ったデータ
▼ 変数
■ 分析の方法
▼ 外生的スイッチング処置効果モデル(ESTEM)
▼ 機械学習(XGBoost)の導入
▼ 個人レベルの処置効果の変動を説明する分析
■ 結果
▼ 記述的な男女差
▼ モデルの予測性能
表2 10エポック×10分割によるXGBoostの予測性能(Table 2)
← 表は横にスライドできます →
男性用・女性用それぞれのモデルを自分の群(事実的)と相手の群(反事実的)に当てはめたときの予測精度です。線形モデル(約33%)より高く、ばらつきも小さいことが分かります。
注:各行は学習:テスト=9:1で計算した100個のテストR²の要約。各観測は同じ性別のモデルで10回、他方の性別のモデルで100回予測される。
Miら(2026)のTable 2の数値をもとに、はぴテックが作成。出典:Mi et al. (2026). Humanities and Social Sciences Communications. https://doi.org/10.1057/s41599-026-09543-4
図2 従来の線形モデルに比べ、機械学習(XGBoost)はデータの説明力(R²)が男女いずれでも4ポイント前後高い。分解の成分は予測値から計算されるため、この改善が結果の信頼性を支える。
Miら(2026)の本文「Exogenous switching treatment effect model」節の線形モデルR²、およびTable 2(事実的予測の平均テストR²)の数値をもとに、はぴテックが作図。出典:Mi et al. (2026). Humanities and Social Sciences Communications. https://doi.org/10.1057/s41599-026-09543-4
▼ 全体の分解結果
表1 男女別レジームによる事実的・反事実的予測と分解結果(Table 3)
← 表は横にスライドできます →
同じ人々を女性用・男性用どちらの予測ルールで評価するかによる予測SWBの違い(処置効果)と、同じルールのもとでの男女差(ベース異質性効果)をまとめた表です。
注:値はキャントリルの梯子(0〜10)の予測SWB。TE=女性レジームでの予測−男性レジームでの予測。BHE=同じレジームでの女性の予測−男性の予測。***p < 0.1%。
Miら(2026)のTable 3の数値をもとに、はぴテックが作成。出典:Mi et al. (2026). Humanities and Social Sciences Communications. https://doi.org/10.1057/s41599-026-09543-4
図1 男女差は逆方向の2成分に分かれる。男性用ルールで評価すると予測が約0.18点低くなる一方(正の処置効果)、同じルールで比べると男性の方が約0.08点高く予測される(負のベース異質性効果)。
Miら(2026)のTable 3(Treatment and base heterogeneity effects)および本文「Overall base heterogeneity and treatment effects」の数値をもとに、はぴテックが作図。出典:Mi et al. (2026). Humanities and Social Sciences Communications. https://doi.org/10.1057/s41599-026-09543-4
▼ 時間的変化
▼ 国別の違い
▼ 処置効果の大きさに関連する要因(SHAP分析)
図3 個人ごとの処置効果の大きさを説明する変数の寄与。世帯所得の寄与が最も大きく(負:所得が高いほど差が小さい)、食料不足、婚姻状況、楽しみ、年齢が続く。
Miら(2026)のTable 4(Mean contributions of variables to treatment effects of gender、値は10³倍にスケール)の数値をもとに、はぴテックが作図。出典:Mi et al. (2026). Humanities and Social Sciences Communications. https://doi.org/10.1057/s41599-026-09543-4
■ 考察
▼ 「女性の幸福パラドックス」をどう捉え直すか
▼ 時間とともに処置効果が増大することについて
▼ SHAP結果の解釈
▼ 政策的な示唆
▼ 方法論的な貢献
■ 限界と今後の課題
■ 結論