Upload
fumiya-uchikoshi
View
93
Download
0
Embed Size (px)
Citation preview
現代日本における結婚の変容―家族の集団的戦略に着目して―
12 月 24 日打越文弥
1
全体の流れ
2
問題設定
3 章までの結論と4章の問い
データと方法
分析結果
議論
家族の多様化論
意識・形態の両面で変化する家族「個人化する家族」(目黒)
「任意制家族」(野々山)
共通性:家族をどの規範に従うかではなく, どの家族を「選択」するかという見方
3
自由と包摂アプローチ
家族の変化を「危機」や「逸脱」として捉えるのではなく,「多様化」と「選択」に言い換えることで、非典型
的な家族を包摂する方法(久保田 2009 )
4
家族社会学の政策志向性
「対等なジェンダー関係は,個人レベルのそれを支える社
会制度が整備されて初めて社会システムとなる…近代福祉
国家の成立が夫婦とその子供で成り立つ家族を親族組織か
ら独立させる仕組みであったとすれば,個人化する家族を
システムとして成立させるためには,家族単位ではなく個
人を単位とするサポート・システムが必須となる . 」
(目黒依子 1999: 15 )
5
家族集団の合理性?
• 家族を集団として自明視することへの疑問(久保田 2009 )
• 集団としての利益を実現するために戦略的に行動する家族という理論視
角(田渕 2012 )6
本研究の問い
• 家族形成が個人の意志によって選択されるようになるという主張(「家族の個人化」論)は経験的に見て妥当なのか?
• それとも、家族が集団としての利益を 実現するために戦略的に行動しているのか?
→ 現代日本の配偶者選択を事例に検討7
全体の流れ
8
問題設定
3 章までの結論と4章の問い
データと方法
分析結果
議論
論文の構成第 1 章 日本における配偶者選択の歴史と認識第 2 章 配偶者選択に関する先行研究の整理と 分析の方針第 3 章 戦後日本における配偶者選択の個人化第 4 章 なお残る直系家族制第 5 章 現代日本における配偶者選択の変容
9
論文の構成第 1 章 日本における配偶者選択の歴史と認識第 2 章 配偶者選択に関する先行研究の整理と 分析の方針第 3 章 戦後日本における配偶者選択の個人化第 4 章 なお残る直系家族制第 5 章 現代日本における配偶者選択の変容
10
第 3 章の結論
• 親の顕在的な影響力→減少• 親の潜在的な影響力→まだ残る
男性にとって結婚は地位維持としての機能を持つ?女性において、親の影響は教育程度の低い男性との結婚の反対として機能する?
→ 家族社会学の「選択する家族」への理論的批判→ と結婚を通じた家族戦略(田渕 : 2012 )の可能性
11
第 4 章の問い
1. 結婚による学歴の結婚パターンは世代間で連鎖するか
2. 世代間の学歴同類婚には男女差があるか
3. 世代間の学歴同類婚には出生コーホート間で差があるか
12
全体の流れ
13
問題設定
3 章までの結論と4章の問い
データと方法
分析結果
議論
14
使用するデータ• 社会階層と社会移動全国調査( SSM 調査)の 1995
年及び 2005 年データを使用• 対象: 95 年と 05 年の両方で重なる 1945 年から 74
年の間に生まれた男女 4854 人• 使用変数:本人学歴、配偶者学歴、本人父親学歴、
本人母親学歴、本人出生コーホート( 45-54, 55-64, 65-74 年の 3 分類)• 学歴分類は , 「中学卒業」を旧制尋常小学校,旧制高等小学校,新制中学校 , 「高
校卒業」を旧制中学校・高等女学校,旧制実業学校,旧制師範学校,新制高校,「短大・高専卒業」を旧制高校・旧制専門学校・高等師範学校,新制短大・高専,「大学卒業」を旧制大学・旧制大学院,新制大学,新制大学院とした上で、中学卒業を「低学歴」、高校卒業を「中学歴」、短大・高専及び大学卒業を「高学歴」とした。
15
記述統計(パーセント)
性別 本人コーホート
男性 46.64
45-54 年コーホート 33.75
女性 53.36
55-64 年コーホート 38.1565-74 年コーホート 28.1
本人学歴 父親学歴低学歴 17.92 低学歴 64.38中学歴 55.87 中学歴 22.08高学歴 26.21 高学歴 13.54
配偶者学歴 母親学歴低学歴 19.39 低学歴 64.46中学歴 53.19 中学歴 31.71高学歴 27.42 高学歴 3.83
N 4854
方法:ログリニアモデル
• 変数間の関係を仮定した上で χ2乗検定のように期待度数を算出し、ある自由度のもとでの独立性の検定を行い、モデルが棄却されるかを見る。
• 連関を仮定するパラメータを増やすと自由度が少なくなるため、節約的かつ複雑なモデルを作る。
16
父親母親
本人 配偶者
世代1
世代2
② ①
③
④
⑤
男女共通のモデル
18
3 の 4乗= 81
パターン 父親低 父親中 父親高
配偶者
低配偶者
中配偶者
高配偶者
低配偶者
中配偶者
高配偶者
低配偶者
中配偶者
高
母親低
本人低 1 1 1 0 0 0 0 0 0
本人中 0 0 0 2 2 2 0 0 0
本人高 0 0 0 0 0 0 3 3 3
母親中
本人低 1 1 1 0 0 0 0 0 0
本人中 0 0 0 2 2 2 0 0 0
本人高 0 0 0 0 0 0 3 3 3
母親高
本人低 1 1 1 0 0 0 0 0 0
本人中 0 0 0 2 2 2 0 0 0
本人高 0 0 0 0 0 0 3 3 3
①本人ー父親の学歴連鎖のデザイン行列
19
3 の 4乗= 81
パターン 父親低 父親中 父親高
配偶者
低配偶者
中配偶者
高配偶者
低配偶者
中配偶者
高配偶者
低配偶者
中配偶者
高
母親低
本人低 1 1 1 1 1 1 1 1 1
本人中 0 0 0 0 0 0 0 0 0
本人高 0 0 0 0 0 0 0 0 0
母親中
本人低 0 0 0 0 0 0 0 0 0
本人中 2 2 2 2 2 2 2 2 2
本人高 0 0 0 0 0 0 0 0 0
母親高
本人低 0 0 0 0 0 0 0 0 0
本人中 0 0 0 0 0 0 0 0 0
本人高 3 3 3 3 3 3 3 3 3
②本人ー母親の学歴連鎖のデザイン行列
20
3 の 4乗= 81
パターン 父親低 父親中 父親高
配偶者
低配偶者
中配偶者
高配偶者
低配偶者
中配偶者
高配偶者
低配偶者
中配偶者
高
母親低
本人低 1 0 0 1 0 0 1 0 0
本人中 0 2 0 0 2 0 0 2 0
本人高 0 0 3 0 0 3 0 0 3
母親中
本人低 1 0 0 1 0 0 1 0 0
本人中 0 2 0 0 2 0 0 2 0
本人高 0 0 3 0 0 3 0 0 3
母親高
本人低 1 0 0 1 0 0 1 0 0
本人中 0 2 0 0 2 0 0 2 0
本人高 0 0 3 0 0 3 0 0 3
③子世代同類婚のデザイン行列
21
3 の 4乗= 81
パターン 父親低 父親中 父親高
配偶者
低配偶者
中配偶者
高配偶者
低配偶者
中配偶者
高配偶者
低配偶者
中配偶者
高
母親低
本人低 1 1 1 0 0 0 0 0 0
本人中 1 1 1 0 0 0 0 0 0
本人高 1 1 1 0 0 0 0 0 0
母親中
本人低 0 0 0 2 2 2 0 0 0
本人中 0 0 0 2 2 2 0 0 0
本人高 0 0 0 2 2 2 0 0 0
母親高
本人低 0 0 0 0 0 0 3 3 3
本人中 0 0 0 0 0 0 3 3 3
本人高 0 0 0 0 0 0 3 3 3
④親世代同類婚のデザイン行列
22
3 の 4乗= 81
パターン 父親低 父親中 父親高
配偶者
低配偶者
中配偶者
高配偶者
低配偶者
中配偶者
高配偶者
低配偶者
中配偶者
高
母親低
本人低 1 0 0 0 0 0 0 0 0
本人中 0 0 0 0 0 0 0 0 0
本人高 0 0 0 0 0 0 0 0 0
母親中
本人低 0 0 0 0 0 0 0 0 0
本人中 0 0 0 0 2 0 0 0 0
本人高 0 0 0 0 0 0 0 0 0
母親高
本人低 0 0 0 0 0 0 0 0 0
本人中 0 0 0 0 0 0 0 0 0
本人高 0 0 0 0 0 0 0 0 3
⑤親世代−子世代同類婚連鎖のデザイン行列
父親母親
本人 配偶者
世代1
世代2
② ①
③
④
⑤
本人父親と母親の学歴の配偶者の学歴との関連は、① ⑤までを含め−たモデルが適合的にならなかった場合に検討する。
全体の流れ
24
問題設定
3 章までの結論と4章の問い
データと方法
分析結果
議論
25
分析結果(男性) df
L2統計量 P値 AIC
1 準独立モデル
r + s + f + m + c + r.c + s.c + f.c +
m.c21
62448.5
00.00
0 13.0
1
2 学歴世代連鎖モデル 1 + r.f + r.m21
01858.2
00.00
0 10.6
3
3 子世代同類婚モデル2 + pc1 + pc2 +
pc320
71106.7
00.00
0 7.56
4 二世代同類婚モデル3 + pp1 + pp2 +
pp320
4 245.780.02
4 4.04
5
二世代同類婚連鎖モデル
4 + (pc1 + pc2 + pc3)(pp1 + pp2 +
pp3)20
1 232.200.06
5 4.01
6
コーホート別二世代同類婚連鎖モデル
1 + r.f.c + r.m.c + pc1.c + pc2 .c + pc3.c + pp1.c + pp2.c + pp3.c + (pc1.c + pc2.c + pc3.c)(pp1.c + pp2.c + pp3.c)
171 198.75
0.072
4.12
7 (参考)
二世代同類婚連鎖+ 父親 - 配偶者モデル 5 + s.f
198 210.39
0.260 3.94
8 (参考)
二世代同類婚連鎖+ 母親 - 配偶者モデル 5 + s.m
198 208.87
0.284 3.94
9 (参考)
二世代同類婚連鎖+ 両親 - 配偶者モデル 5 + s.f + s.m
195
202.489
0.342 3.94
分析結果(女性) df L2統計量 P値 AIC
1 準独立モデルr + s + f + m + c + r.c + s.c + f.c + m.c 216 2736.59 0.000
14.31
2 学歴世代連鎖モデル 1 + r.f + r.m 210 2061.53 0.000 11.5
8
3 子世代同類婚モデル 2 + pc1 + pc2 + pc3 207 1246.83 0.000 8.26
4 二世代同類婚モデル 3 + pp1 + pp2 + pp3 204 302.87 0.000 4.40
5
二世代同類婚連鎖モデル
4 + (pc1 + pc2 + pc3)(pp1 + pp2 + pp3) 201 287.97 0.000 4.36
6
二世代同類婚連鎖+ 父親 - 配偶者モデル 5 + s.f 198 201.92 0.409 4.03
7
二世代同類婚連鎖+ 母親 - 配偶者モデル 5 + s.m 198 225.95 0.084 4.13
8
二世代同類婚連鎖+ 両親 - 配偶者モデル 5 + s.f + s.m 195 186.92 0.648 3.99
9コーホート別二世代同類婚連鎖 + 両親 -配偶者モデル
1 + r.f.c + r.m.c + s.f.c + s.m.c + pc1.c + pc2 .c + pc3.c + pp1.c + pp2.c + pp3.c + (pc1.c + pc2.c +
pc3.c)(pp1.c + pp2.c + pp3.c)
153 147.65 0.607
4.18
モデル比較
• 男性• 5 vs 6: L2二乗値 33.45 (df = 30, P = 0.303)
• 女性• 6 vs 8: L2二乗値 14.999 (df = 3, P = 0.002)• 8 vs 9: L2二乗値 39.278 (df = 42, P = 0.591)
28
採択されるモデル男性 二世代同類婚連鎖モデルFijklm = ττiRτjSτkFτlMτmCτikRFτilRMτimRCτkmFCτlmMCτij(1) τkl(2) τijkl(1)(2)
女性 二世代同類婚 + 両親 - 配偶者モデルFijklm = ττiRτjSτkFτlMτmCτikRFτilRMτimRCτkmFCτlmMCτij(1) τkl(2) τijkl(1)(2) τjkSF τjlSM
R: 本人 S: 配偶者 F: 父親 M: 母親 C: コーホート
(1) 本人と配偶者の対角セルに学歴ごとに異なるパラメータを与えるデザイン行列
(2) 父親と母親の対角セルに学歴ごとに異なるパラメータを与えるデザイン行列
29
デザイン行列によるパラメータ (5%水準で有意なもののみ)男性 女性
本人 - 父親 本人 - 父親低学歴 0.686 低学歴 0.683中学歴 -0.484 中学歴 -0.678高学歴 1.374 高学歴 1.007
本人 - 母親 本人 - 母親低学歴 1.002 低学歴 1.184中学歴 -0.860 中学歴 -0.511
本人−配偶者 本人−配偶者低学歴 2.222 低学歴 2.015中学歴 -0.515 中学歴 -0.494高学歴 2.362 高学歴 2.196
父親−母親 父親−母親低学歴 3.066 低学歴 2.888高学歴 1.704 高学歴 1.844
本人−配偶者 配偶者−父親父親−母親 低学歴 0.564 低学歴 0.433
高学歴 0.752 中学歴 -0.339高学歴 0.925
配偶者−母親低学歴 0.508中学歴 -0.474
女性において採択されたモデルを男性に当てはめてパラメータを比較
男性 女性本人 - 父親 本人 - 父親
低学歴 0.631 低学歴 0.683中学歴 -0.445 中学歴 -0.678高学歴 1.218 高学歴 1.007
本人 - 母親 本人 - 母親低学歴 0.866 低学歴 1.184中学歴 -0.745 中学歴 -0.511
配偶者−父親 配偶者−父親低学歴 0.433中学歴 -0.339
高学歴 0.386 高学歴 0.925
配偶者−母親 配偶者−母親低学歴 0.542 低学歴 0.508中学歴 -0.362 中学歴 -0.474
全体の流れ
31
問題設定
3 章までの結論と4章の問い
データと方法
分析結果
議論
家族集団の合理性?
• 家族を集団として自明視することへの疑問(久保田 2009 )
• 集団としての利益を実現するために戦略的に行動する家族という理論視
角(田渕 2012 )32
33
結婚を支えていた集団的なシステムが衰退すると、配偶者選択はますます 個人の選択に委ねられるのか?
↓
本研究は否定的な立場
直系家族の潜在的影響力
親の結婚への影響力が配偶者学歴と関連
世代間で高学歴・低学歴の同類婚が連鎖
34
「家族は個人によって選択される」のか?
本研究の知見• 戦後直後に比べて,結婚に対して親が介入す
る余地は小さくなっている.
• しかし,配偶者選択に対する親の潜在的な 影響力は見逃せない.
• 個人が自らの意志で家族を選択するといっても,親子関係の中に強く規定される.
35
インプリケーション
個人化と並行する世帯間格差の拡大(橘木・迫田 2013 )
↓
家族の適応戦略の社会分化
理念的な意味で個人の選択性を重視するだけではなく,異なる社会的特徴を持つ個人や家族がどのよう
な戦略的な選択をしているかを明らかにする必要
36
参考文献• 久保田裕之 , 2009, 「『家族の多様化論』再考―家族概念の分節化を通じて―」 『家族社会学研究』 21(1), 78-90.
• 橘木俊詔・迫田さやか, 2013 ,『夫婦格差社会―二極化する結婚のかたち―』,中公新書.
• 田渕六郎, 2012 ,「少子高齢化の中の家族と世代間関係―家族戦略論の視点から―」,『家族社会学研究』24(1), 37-49.
• 目黒依子 , 1999, 「総論 日本の家族の「近代性」」目黒依子・渡辺 秀樹編著 , 『講座社会学 家族』東京大学出版会 1-19.
37
38
謝辞
二次分析に当たり、東京大学社会科学研究所附属社会調査・データアーカイブ研究センター SSJ データアーカイブから「 1995 年 SSM 調査, 1995 」「 2005 年 SSM 日本調査, 2005 」( 2005SSM
研究会データ管理委員会)の個票データの提供を受けました。データの使用許可をくださった諸機関に感謝申し上げます。
39
方法:ログリニアモデル多重クロス表における離散変数間の関係のパターンを見る方
法
三重クロスを用いた例配偶者学歴 低学歴 中学歴 高学歴 合計35-44 年生まれ
本人学歴
低学歴 1281 96 5 1382 コーホート 中学歴 115 180 5 300
高学歴 39 121 28 188 45-54 年生まれ 低学歴 1228 182 6 1416 コーホート 中学歴 116 326 4 446
高学歴 29 169 63 261 55-64 年生まれ 低学歴 680 132 6 818 コーホート 中学歴 127 383 12 522 高学歴 23 186 85 294
3638 1775 214 5627
40
方法:ログリニアモデル多重クロス表における離散変数間の関係のパターンを見る方
法
三重クロスを用いた例
学歴同士が関係しているかも
配偶者学歴 低学歴 中学歴 高学歴 合計35-44 年生まれ
本人学歴
低学歴 1281 96 5 1382 コーホート 中学歴 115 180 5 300
高学歴 39 121 28 188 45-54 年生まれ 低学歴 1228 182 6 1416 コーホート 中学歴 116 326 4 446
高学歴 29 169 63 261 55-64 年生まれ 低学歴 680 132 6 818 コーホート 中学歴 127 383 12 522 高学歴 23 186 85 294
3638 1775 214 5627
分布はコーホート間で異なるかも
41
方法:ログリニアモデル
3 変数の連関のパターン1. 3 変数独立モデル [ 本人学歴 ] [ 配偶者学歴 ] [ コーホート ]
2. 1 変数独立モデル [ 本人学歴・配偶者学歴 ] [ コーホート ]
3. 条件付き独立モデル [ 本人学歴・コーホート ] [ 配偶者学歴・コーホート ]
4. 均一連関モデル [ 本人学歴・配偶者学歴 ] [ 本人学歴・コーホート ]
[ 配偶者学歴・コーホート ]
5. 飽和モデル [ 本人学歴・配偶者学歴・コーホート ]
方法:ログリニアモデル
• 変数間の関係を仮定した上で χ2乗検定のように期待度数を算出し、ある自由度のもとでの独立性の検定を行い、モデルが棄却されるかを見る。
• 連関を仮定するパラメータを増やすと自由度が少なくなるため、 parsimonious (節約的)かつ複雑なモデルを作る。
42
43
方法:デザイン行列
結婚パターンには同じ学歴同士の結合が顕著
対角セルのみをパラメータとすれば、個々の学歴同士の関連を単に仮定するよりも自由度が減らない節約的なモデルを作れる
配偶者学歴 低学歴 中学歴 高学歴 合計35-44 年生まれ
本人学歴
低学歴 1281 96 5 1382 コーホート 中学歴 115 180 5 300
高学歴 39 121 28 188 45-54 年生まれ 低学歴 1228 182 6 1416 コーホート 中学歴 116 326 4 446
高学歴 29 169 63 261 55-64 年生まれ 低学歴 680 132 6 818 コーホート 中学歴 127 383 12 522 高学歴 23 186 85 294
3638 1775 214 5627
44
方法:デザイン行列• 対角セルの学歴同士の結合
のみをパラメータとする行列
• 対角セルの学歴同士の結合のみをパラメータとするが、その効果は各学歴間で異なるとする行列
低学歴 中学歴 高学歴低学歴 1 0 0 中学歴 0 1 0 高学歴 0 0 1 低学歴 1 0 0 中学歴 0 1 0 高学歴 0 0 1 低学歴 1 0 0 中学歴 0 1 0 高学歴 0 0 1
低学歴 中学歴 高学歴低学歴 1 0 0 中学歴 0 2 0 高学歴 0 0 3 低学歴 1 0 0 中学歴 0 2 0 高学歴 0 0 3 低学歴 1 0 0 中学歴 0 2 0 高学歴 0 0 3
ログリニアモデルは仮説に従った柔軟なモデリングが可能