  |
はてなキーワード:人口統計とは
日本では長年「少子化対策」が政治課題の中核に据えられ、はてなの男性は「中年非モテ男性の（年下女性との）恋愛を国や自治体が無償や格安で支援するべき」という主張をここ15年ほど繰り返してきた。
しかし、出生数の減少そのものも重要だが、それ以上に「次世代が社会で機能しない／自立できない割合が増えること」は、長期的に見て社会資本と財政の双方にとって致命的なインパクトを与えうる。
実際、近年は不登校や療育（発達支援）を必要とする子どもの増加、若年無業者の高止まりが目立つ。
文部科学省の令和5年度調査では、小中高の不登校児童生徒数が過去最多を更新しており、小中学校で約34.6万人、高校で約6.9万人と報告。長期欠席・不登校の生徒数はここ数年で明確に増加。不登校は単に「学校に来ない」問題に留まらず、学習の遅れ・社会経験の欠落へと連鎖し、将来の就労や社会参加の困難を生むなど長期にわたる悪影響へと繋がっていくリスクが高い。
厚生労働省や関係機関の集計では、児童発達支援・放課後等デイサービスの利用者数・費用額が年々大幅に増加しており、平成24年度以降で数倍（児童発達支援は約5.7倍、放課後等デイはさらに大きな伸び）というデータが示されている。療育ニーズの増加は、単に行政予算の問題であるだけでなく、家族の就労・生活設計に直接影響する。療育の必要な子が増えれば、介護的な育児負担が長期化し、親（特に母親）がフルタイムでの労働を続けられなくなるケースが増える。
多数の疫学研究が、父親年齢が上がるほど子の自閉症スペクトラム障害リスクが上昇することを示している。代表例として、Reichenbergら（JAMA Psychiatry,2006）や大規模レジストリ解析を含む報告（Sandinら, 2016）は、父親の高齢化と子供のASDリスクの関連を示し、Sandinらは母親年齢や他の共変量を調整した解析でも独立した父親年齢の影響が確認されたとしている。疫学的には父親年齢の上昇がASDリスク増加と関連するという強いエビデンスがある。
メカニズムとしては、父親年齢上昇に伴う精子由来の新生突然変異（de novo mutations）増加や、社会選択（高齢で父親になる人の子供に特異な遺伝的背景がある可能性）などが仮説として挙げられる。Sandinらのような大規模研究は、母親年齢を統計的に調整しても父親年齢の独立効果が残ることを示しており、母親年齢を影響を除去した有効なソースに該当。
障害児・療育を要する子どもを抱える保護者に関する厚生労働省の調査では、「仕事と子育ての両立に困っている」との回答が多く、就労継続が難しいとの実態が示されている。共働きでやりくりしていた家庭でも、子どもに特別な支援が必要になると片方（多くは母親）が離職・短時間就労を選ばざるをえない事例が頻出。子供の送り迎えのために仕事を辞めるよう療育施設から直接言われたり、また辞めない限り子供の支援サービスにアクセスするのが不可能な状況であったという声も報告されている。
もともと「片働きでは家計が成り立たないから共働きで子どもを作る」という家計設計が一般化している時代に、療育ニーズの増加で親が仕事を続けられない事態が広がれば、家計・キャリア・出生意欲のすべてに負の影響を与える。
若年無業者は、若年者が減少している社会でありながらも高止まりの状態が続いている（例：15–34歳で50万人台程度の長期高止まりの推移など）。労働需要が不景気により落ち若年人口のボリュームがあって人余り状態であった氷河期とは状況が全く違い、団塊世代が引退して人手が不足して売り手市場であるのにもかかわらず、「能力的な理由でどこでも働けない若年者」の問題が現在の日本の問題である。若年層の就労不能・無業化が増えることは、納税者が減るだけでなく、生活保護・医療・福祉などの公的支援需要を増やすため、政府財政にとって大きな負担となる。
さらに内閣府や財務省の将来見通し・財政資料は、人口減少・高齢化が進む中で社会保障給付が増大し、現役世代の負担が重くなることを繰り返し示している。もし「働けない・納税できない次世代」の割合が上がれば、税や社会保険料を健常な労働世代からさらに徴収せざるをえず、長期的な税負担の増加と経済成長の停滞を招く。少子化に加え、次世代の「就労能力・自立度」が低下することは、単なる人口統計の問題を超え、財政持続性と社会の生産性にとって直接的な脅威である。
少子化対策は往々にして結婚と挙児を望むが機会が得られない35歳以上の男性の目線で語られがちだが、「出産適齢期に入る前の若年層（高校生・大学生）」に対するライフプラン教育や健常児をもうける能力と年齢の関係に関する情報提供、キャリア形成と家族計画を両立できる制度整備の方が長期的に見て効果が高い。これまでライフプラン教育は女子中高生のみに限定されて行われたことでTwitter上での「女性差別」という炎上が繰り返されてきたが、むしろ無知や危機感の欠如といった点で問題の程度が酷いのは男性のほうであり、40歳など手遅れな年齢になって親の介護危機をきっかけとして婚活を開始しがちな旧世代の無知な男性を反面教師として、現在の男子高校生に対して「25歳までに同年代の相手を決め、27歳までに第一子をもうける」といった人生設計に向けた緊張感を持ってもらうことこそ肝要である。35歳以上の男女への結婚促進は別に、国のためにならない。若さをすでに失った人は、勘違いをするべきではない。
女性が高齢になることにより不妊、流産、ダウン症といったリスクが上がることは知られているが、男性側が35歳以上であることによってASDが増えるというのは2000年以降に研究され始めた内容であり、知識が広がっていない。無知による晩婚、ASD児増加、不登校、若年無業、8050問題へと流れてしまう家庭が増えないことを祈るばかりである。
柳沢厚労相「なかなか今の女性は一生の間にたくさん子どもを産んでくれない。人口統計学では、女性は１５～５０歳が出産する年齢で、その数を勘定すると大体分かる。ほかからは生まれようがない。産む機械と言ってはなんだが、装置の数が決まったとなると、機械と言っては申し訳ないが、機械と言ってごめんなさいね、あとは産む役目の人が１人頭で頑張ってもらうしかない。
この発言に真っ向から反対したのが我らが高市早苗だったんだよね。
高市早苗・内閣府特命担当相「率直に言うと、機械や装置という言葉は不適切だと思う」「私自身、過去に病気をして、子供を授かりにくい、というより授かれない。私は機械なら不良品かな、ということになる。同じ事情を抱える人、健康でも授かれない人もいる。女性が頑張っても少子化はなくならない」
Ferguson＆Hartley（2020）は、ポルノ消費と性的攻撃性・性犯罪との関連性を調べた59件の論文をメタ分析する研究を行っている。
（中略）
その結果、次のように結論している。
「一人でも暴力事件を起こしたら」という言説は、表現規制を訴える文脈でよく見る。しかし、この言説は、次の点で問題がある。
たとえば、自分の知る限りでは、次の作品が犯罪の言い訳として使われていた。
犯罪者は、自分の責任を回避するために言い訳をすることが犯罪心理学では知られている。なので、犯罪者がある作品に影響を受けたと証言したとしても、言い訳の可能性が非常に高い。
たとえば、「現実の犯罪に影響を与えてしまった映画」に取り上げられている「ナチュラル・ボーン・キラーズ」は監督や制作会社が訴えられているが、責任は犯罪者にあるとして訴えは退けられている。
【解説】物議を醸した『ナチュラル・ボーン・キラーズ』のクレージーな内幕を暴く！｜CINEMORE（シネモア）
1994年に『NBK』が公開されるや、案の定、物議を醸すことになった。映画宣伝にひと役買うはずのメディアは、映画のメディア批判に対して腹を立てる。評論家には「騒々しい映画」とのレッテルを貼られる。さらに悪いことに、公開後にはミッキー＆マロリーを真似た模倣犯が現実の世界に出現。ストーン監督とワーナーは連続殺人を誘発したとして、訴訟に巻き込まれる。むろん映画に罪はない。2001年、米最高裁は訴えを棄却する。
AVとかポルノ、暴力的なコンテンツって「刺激が強いから悪い」っていう単純な話じゃなくて、
実際、ポルノの見すぎで前頭前野や扁桃体の働きに変化が出るって研究も出てるし、
ポルノ依存や暴力的コンテンツの摂取が多い人ほど「他人の痛み」に対して鈍感になっていく傾向が見られるらしい。
で、それが積み重なっていくとどうなるか。
少なくとも犯罪心理学上は、ポルノの普及と性犯罪は逆相関関係（ポルノが増えるほど性犯罪が減る）があることが知られている。また、暴力的なポルノと性犯罪との関係は、「ごく弱い」相関がある「かも」しれないが、因果関係を示すには不十分と結論付けたメタ分析がある。
Ferguson＆Hartley（2020）は、ポルノ消費と性的攻撃性・性犯罪との関連性を調べた59件の論文をメタ分析する研究を行っている。
（中略）
その結果、次のように結論している。
東京23区と周辺のいくつかの市で、東京選挙区での参政党の得票率がどんな要因と関係しているのか、軽い気持ちで回帰分析してみた。
変数の多重共線性とか処理はガバガバなので軽い気持ちで見てほしいんだが、ざっくりまとめると、「大学院卒業者の割合」が高い地域では得票率が低く、「役員の割合」が高い地域では逆に得票率が高い、という傾向がありそう。
使ったデータはNHKが出している投票所別の得票率。手入力なので誤りがあるかもしれない。
それに、東京都の人口統計と国勢調査（令和2年の）などから市区町村ごとの属性データをくっつけて、変数を一律で標準化したうえで回帰分析を行った。
都内の市区町村のうち、データが揃ってる27地域を対象にした（23区＋町田・八王子・調布・西東京）。
20万人以上の市しか一部のデータが見つけられなくて、そこはごめんって感じ。
まず、説明変数を11個使って線形回帰分析をしたところ、決定係数は0.83（調整済み決定係数は0.71）だった。何を使ったかは後で。
そこから影響が特に大きそうな4変数（平均年齢、大学院卒業者割合、役員の割合、情報通信業の割合）に絞って分析し直すと、決定係数は0.73（調整済み決定係数は0.68）になった。
詳しくはこれ
国勢調査は5年に1回しかなくて、最新の結果が令和2年のだった。
4つの変数の関係を見てみると、平均年齢は他の3つの変数（大学院卒、役員、情報通信業）と負の相関を持っていた（相関係数 < -0.69）。一方、大学院卒業者の割合・役員の割合・情報通信業の割合は互いに中程度以上の正の相関（相関係数> 0.5）を持っており、特に大学院卒と役員の間の相関係数は0.75と大きかった（いずれもピアソン相関）。
ただし、回帰係数を見ると、興味深い違いがある。大学院卒業者の割合、平均年齢、情報通信業の割合はいずれも負の係数を持っていて、これらが高いと参政党の得票率は下がる傾向がある。一方で、役員の割合は正の係数を持っていた。
| 市区町村 | 参政党得票率（NHK） | 予測値_参政党得票率 | 平均年齢（令和7年1月） | 大学院卒業者割合（令和2年国勢調査） | 役員の割合（令和2年国勢調査） | 情報通信業の割合（令和2年国勢調査） |
| 千代田区 | 9.4 | 9.6 | 42.69 | 0.088 | 0.162 | 0.115 |
| 中央区 | 9.8 | 9.3 | 42.17 | 0.075 | 0.126 | 0.135 |
| 港区 | 10.1 | 10.4 | 43.48 | 0.065 | 0.171 | 0.131 |
| 新宿区 | 9.4 | 9.5 | 44.08 | 0.052 | 0.097 | 0.129 |
| 文京区 | 7.4 | 7.6 | 43.35 | 0.097 | 0.098 | 0.118 |
| 台東区 | 10 | 10.1 | 45.59 | 0.041 | 0.109 | 0.112 |
| 墨田区 | 10.1 | 9.8 | 44.88 | 0.035 | 0.073 | 0.115 |
| 江東区 | 9 | 9.4 | 44.82 | 0.041 | 0.069 | 0.12 |
| 品川区 | 9 | 8.6 | 44.34 | 0.056 | 0.077 | 0.143 |
| 目黒区 | 9 | 9.4 | 44.88 | 0.05 | 0.109 | 0.137 |
| 大田区 | 9.9 | 9.5 | 45.67 | 0.039 | 0.069 | 0.105 |
| 世田谷区 | 9.9 | 9.4 | 45.19 | 0.047 | 0.097 | 0.128 |
| 渋谷区 | 10 | 9.7 | 44.8 | 0.054 | 0.142 | 0.152 |
| 中野区 | 9.5 | 9.3 | 44.57 | 0.038 | 0.072 | 0.141 |
| 杉並区 | 8.5 | 8.9 | 45.23 | 0.047 | 0.076 | 0.136 |
| 豊島区 | 9.6 | 9.5 | 44.05 | 0.044 | 0.081 | 0.132 |
| 北区 | 9.2 | 9.4 | 45.74 | 0.036 | 0.058 | 0.107 |
| 荒川区 | 9.4 | 9.9 | 46.23 | 0.032 | 0.071 | 0.096 |
| 板橋区 | 9.9 | 10.0 | 45.73 | 0.027 | 0.059 | 0.099 |
| 練馬区 | 10.3 | 9.6 | 45.5 | 0.034 | 0.068 | 0.113 |
| 足立区 | 10.5 | 10.7 | 46.74 | 0.017 | 0.063 | 0.073 |
| 葛飾区 | 10 | 10.4 | 46.52 | 0.02 | 0.061 | 0.083 |
| 江戸川区 | 11 | 10.7 | 45.09 | 0.021 | 0.062 | 0.085 |
| 八王子市 | 10.1 | 9.7 | 48.31 | 0.029 | 0.054 | 0.054 |
| 町田市 | 10 | 9.5 | 48.16 | 0.031 | 0.058 | 0.068 |
| 調布市 | 8.6 | 9.4 | 45.66 | 0.035 | 0.06 | 0.113 |
| 西東京市 | 9.1 | 9.5 | 46.9 | 0.028 | 0.055 | 0.102 |
雑なモデルなので話半分でね。
OLS Regression Results ==============================================================================Dep. Variable: y R-squared: 0.730Model:OLS Adj. R-squared: 0.680Method: Least Squares F-statistic: 14.84Date: Mon, 21 Jul2025 Prob (F-statistic): 5.09e-06Time: 07:21:02Log-Likelihood: -20.653No. Observations: 27AIC: 51.31Df Residuals: 22BIC: 57.78DfModel: 4 Covariance Type: nonrobust ============================================================================== coefstd err tP>|t| [0.025 0.975]------------------------------------------------------------------------------const 1.277e-15 0.111 1.15e-14 1.000 -0.230 0.230x1 -0.5743 0.230 -2.493 0.021 -1.052 -0.096x2 -1.3278 0.204 -6.512 0.000 -1.751 -0.905x3 0.8670 0.174 4.973 0.000 0.505 1.229x4 -0.5382 0.169 -3.184 0.004 -0.889 -0.188==============================================================================Omnibus: 2.233 Durbin-Watson: 2.170Prob(Omnibus): 0.327 Jarque-Bera (JB): 1.169Skew: -0.035 Prob(JB): 0.557Kurtosis: 1.983 Cond. No. 4.48==============================================================================
| 変数 | 回帰係数 |
| 平均年齢（令和7年1月） | -0.78 |
| 1世帯あたり人口 | -0.31 |
| 男性率（令和7年1月） | 0.07 |
| 外国人比率（令和7年1月） | -0.07 |
| 5年間外国人割合変化 | 0.27 |
| 犯罪認知割合 | -0.05 |
| 大学院卒業者/全卒業者（令和2年国勢調査） | -1.77 |
| 不詳者/全卒業者（令和2年国勢調査） | -0.51 |
| 従業上の地位：役員の割合 | 1.39 |
| 従業上の地位：自営業主の割合 | 0.09 |
| 産業区分：情報通信業の割合 | -0.53 |
| 地域 | 参政党得票率（NHK） | 予測値_参政党得票率 | 平均年齢（令和7年1月） | 1世帯あたり人口 | 男性率（令和7年1月） | 外国人比率（令和7年1月） | 5年間外国人割合変化（令和2年から7年） | 犯罪認知割合（令和6年件数/令和7年人口） | 大学院卒業者/全卒業者（令和2年国勢調査） | 不詳者/全卒業者（令和2年国勢調査） | 従業上の地位：役員の割合（令和2年国勢調査） | 従業上の地位：自営業主の割合（令和2年国勢調査） | 産業区分：情報通信業の割合（令和2年国勢調査） |
| 千代田区 | 9.4 | 9.5 | 42.69 | 1.75 | 0.50 | 0.06 | 1.22 | 0.04 | 0.09 | 0.36 | 0.16 | 0.09 | 0.12 |
| 中央区 | 9.8 | 9.8 | 42.17 | 1.76 | 0.48 | 0.07 | 1.33 | 0.01 | 0.08 | 0.28 | 0.13 | 0.08 | 0.14 |
| 港区 | 10.1 | 10.0 | 43.48 | 1.74 | 0.47 | 0.08 | 1.08 | 0.01 | 0.07 | 0.42 | 0.17 | 0.10 | 0.13 |
| 新宿区 | 9.4 | 9.0 | 44.08 | 1.52 | 0.50 | 0.14 | 1.12 | 0.02 | 0.05 | 0.39 | 0.10 | 0.09 | 0.13 |
| 文京区 | 7.4 | 7.5 | 43.35 | 1.80 | 0.48 | 0.07 | 1.32 | 0.01 | 0.10 | 0.25 | 0.10 | 0.08 | 0.12 |
| 台東区 | 10.0 | 10.3 | 45.59 | 1.58 | 0.51 | 0.09 | 1.21 | 0.01 | 0.04 | 0.36 | 0.11 | 0.09 | 0.11 |
| 墨田区 | 10.1 | 10.1 | 44.88 | 1.69 | 0.49 | 0.06 | 1.25 | 0.01 | 0.04 | 0.28 | 0.07 | 0.07 | 0.12 |
| 江東区 | 9.0 | 9.2 | 44.82 | 1.84 | 0.49 | 0.07 | 1.23 | 0.01 | 0.04 | 0.27 | 0.07 | 0.06 | 0.12 |
| 品川区 | 9.0 | 8.6 | 44.34 | 1.73 | 0.49 | 0.04 | 1.19 | 0.01 | 0.06 | 0.24 | 0.08 | 0.07 | 0.14 |
| 目黒区 | 9.0 | 9.3 | 44.88 | 1.74 | 0.47 | 0.04 | 1.19 | 0.01 | 0.05 | 0.35 | 0.11 | 0.10 | 0.14 |
| 大田区 | 9.9 | 9.7 | 45.67 | 1.77 | 0.50 | 0.04 | 1.26 | 0.01 | 0.04 | 0.23 | 0.07 | 0.07 | 0.11 |
| 世田谷区 | 9.9 | 9.3 | 45.19 | 1.84 | 0.47 | 0.03 | 1.22 | 0.01 | 0.05 | 0.30 | 0.10 | 0.10 | 0.13 |
| 渋谷区 | 10.0 | 9.9 | 44.80 | 1.61 | 0.48 | 0.06 | 1.12 | 0.02 | 0.05 | 0.34 | 0.14 | 0.12 | 0.15 |
| 中野区 | 9.5 | 9.5 | 44.57 | 1.57 | 0.51 | 0.07 | 1.20 | 0.01 | 0.04 | 0.33 | 0.07 | 0.09 | 0.14 |
| 杉並区 | 8.5 | 8.9 | 45.23 | 1.73 | 0.48 | 0.04 | 1.19 | 0.00 | 0.05 | 0.26 | 0.08 | 0.09 | 0.14 |
| 豊島区 | 9.6 | 9.5 | 44.05 | 1.57 | 0.50 | 0.12 | 1.21 | 0.01 | 0.04 | 0.34 | 0.08 | 0.09 | 0.13 |
| 北区 | 9.2 | 9.2 | 45.74 | 1.71 | 0.50 | 0.09 | 1.31 | 0.01 | 0.04 | 0.31 | 0.06 | 0.07 | 0.11 |
| 荒川区 | 9.4 | 9.6 | 46.23 | 1.77 | 0.50 | 0.11 | 1.19 | 0.01 | 0.03 | 0.29 | 0.07 | 0.08 | 0.10 |
| 板橋区 | 9.9 | 10.0 | 45.73 | 1.73 | 0.49 | 0.07 | 1.29 | 0.01 | 0.03 | 0.30 | 0.06 | 0.07 | 0.10 |
| 練馬区 | 10.3 | 9.6 | 45.50 | 1.89 | 0.48 | 0.04 | 1.22 | 0.01 | 0.03 | 0.25 | 0.07 | 0.08 | 0.11 |
| 足立区 | 10.5 | 10.6 | 46.74 | 1.84 | 0.50 | 0.06 | 1.28 | 0.01 | 0.02 | 0.31 | 0.06 | 0.08 | 0.07 |
| 葛飾区 | 10.0 | 10.5 | 46.52 | 1.86 | 0.50 | 0.06 | 1.27 | 0.01 | 0.02 | 0.27 | 0.06 | 0.08 | 0.08 |
| 江戸川区 | 11.0 | 10.8 | 45.09 | 1.93 | 0.50 | 0.07 | 1.27 | 0.01 | 0.02 | 0.26 | 0.06 | 0.07 | 0.09 |
| 八王子市 | 10.1 | 9.7 | 48.31 | 1.96 | 0.50 | 0.03 | 1.28 | 0.01 | 0.03 | 0.21 | 0.05 | 0.07 | 0.05 |
| 町田市 | 10.0 | 10.0 | 48.16 | 2.06 | 0.49 | 0.02 | 1.44 | 0.01 | 0.03 | 0.17 | 0.06 | 0.08 | 0.07 |
| 調布市 | 8.6 | 9.1 | 45.66 | 1.92 | 0.49 | 0.02 | 1.14 | 0.01 | 0.04 | 0.23 | 0.06 | 0.08 | 0.11 |
| 西東京市 | 9.1 | 9.2 | 46.90 | 2.00 | 0.49 | 0.03 | 1.15 | 0.01 | 0.03 | 0.20 | 0.06 | 0.08 | 0.10 |
OLS Regression Results ==============================================================================Dep. Variable: y R-squared: 0.833Model:OLS Adj. R-squared: 0.711Method: Least Squares F-statistic: 6.803Date: Mon, 21 Jul2025 Prob (F-statistic): 0.000472Time: 06:53:14Log-Likelihood: -14.148No. Observations: 27AIC: 52.30Df Residuals: 15BIC: 67.85DfModel:11 Covariance Type: nonrobust ============================================================================== coefstd err tP>|t| [0.025 0.975]------------------------------------------------------------------------------const -5.405e-15 0.106 -5.12e-14 1.000 -0.225 0.225x1 -0.7820 0.361 -2.165 0.047 -1.552 -0.012x2 -0.3056 0.355 -0.860 0.403 -1.063 0.452x3 0.0671 0.270 0.248 0.807 -0.509 0.643x4 -0.0737 0.213 -0.346 0.734 -0.527 0.379x5 0.2652 0.168 1.579 0.135 -0.093 0.623x6 -0.0534 0.246 -0.217 0.831 -0.578 0.472x7 -1.7650 0.293 -6.018 0.000 -2.390 -1.140x8 -0.5147 0.379 -1.358 0.195 -1.322 0.293x9 1.3916 0.348 3.994 0.001 0.649
まず、中国を腐すようなYoutubeチャンネルって沢山あるし結構伸びてるという事実がある
なにげに2000年代よりも反中韓のネット民は多いのかもしれない
こういうチャンネル、たまに面白がってみていたんだけど（大抵くだらなくて途中でと止めるが）
いくつか見てみよう
・塩・醤油が語る人口の嘘 14億人→実は5億人 統計隠蔽の闇、世界が暴露
・【衝撃】中国の人口“5億人説”が現実に！？統計隠蔽と失業地獄の裏側【ゆっくり解説】
・【ゆっくり解説】6億人が消える中国！光はどこ行った…死者と失踪者しかいない地獄国家に。
・【ゆっくり解説】中国人口14億人もいない！？実際が5億人…！統計隠蔽でとんでもない事実が発覚。
・北京・上海・広州・深センの人々はどこへ行ったのか？中国7〜8億人しか残っていない？
コメント欄は皆信じているようだ
うける
んで、何でこんなの流行ってるんだ？と思ったら、まさかの出所は中国だった
なんなら「元から少なかった」ではなく「最近◯億人消えた」と思ってる人が多いようだった
草
ChatGPTとClaudeで経緯を調べてもらった
１．2023年、ハッキングによる人口統計情報から「10億人しかいないかも」と言い出す
Newsweekというデマメディアが拡散している（厳密には学者が言ってるのはほんとうだからデマではない論法）
https://www.newsweekjapan.jp/stories/world/2023/03/post-101105_1.php?utm_source=chatgpt.com
お前らの反応もおもろい
２．2024年、塩・電力・SIM 解約数など根拠が脆弱な代替指標を “AI で再計算した” と称し、「実人口 8～9億→7億→5億」と次々に数字を下げて動画化
３．2024年、中国の景気の冷え込みにより、町から人が消え、「今までいた人はどこへいったんだ！？」となった
４．少子化により総人口が減る中で、「本当はもっと少ないのでは」という憶測が広まる
５．2024〜2025年、日本のゴシップメディアやYoutuberへの輸出
人口ってなかなか数えられないし、体感の範疇を超えているからね
たとえば「実は日本の人口は8000万人」と言われても即時の反論は難しいと思う
個人的には、10億人くらいなら「言ったもんがちじゃん」と思ったけど、5億人はさすがに「ちょっとは考えろ」と思った
色んな統計の辻褄が3倍規模で合わなくなってくる、それを誰にもバレずにやりきるのは至難の業だ
ChatGPTやClaudeにどう反論できるか聞いてみた
ChatGPT
・携帯電話解約数（COVID期に2000万件減→「死者2000万！」と飛躍）
・塩・セメント・夜間光量などマクロ統計を人口に直結させる無理筋ロジック
・国連2100年予測（「2100年に7億」を“今の人口”と誤読）。
・新版住民身分証の累計 14 億件超（累計発行は旧版分も含め16 億超）
・モバイル契約 18.1 億回線、10億人なら平均1.8回線になってしまう
・電力消費量、10億人なら1人当たり9.8 MWh（ドイツ並み）
・小学生 1億 0754 万人だが、10億人なら子どもの割合が高くなってしまう
・穀物生産 706Mtでなお大豆・トウモロコシを輸入してるが、10億人なら余るはず
・VIIRS 光量は 2013–2024 年で右肩上がり
Claude
・中国では人民代表大会の代表選出や党員数などの政治参加の規模が公開されています。共産党員だけで約1億人、全国人民代表大会の選挙には数億人が参加する仕組みになっており、10億人では政治システム自体が成り立ちません。
・大学受験（高考）の受験者数は毎年1000万人を超えています。また小中学校の在籍者数も公開されており、これらの数字から逆算すると10億人では年齢構成が極端に偏ることになってしまいます。
・世界銀行、IMF、国連などの国際機関も中国の人口統計を独自に分析・推計しており、これらがすべて14億人前後の数字を出しています。中国政府だけでなく、複数の国際機関も同時に騙されているという前提が必要になります。
まあそりゃそうなんだよね
ていうか、「実は少なかった」はまだしも「5億人くらい消えた（コロナで死んだ）」って言ってるやつら大丈夫かよ
おもろい
日本の少子化はいくつか地域特性もあって以下のような研究結果が示唆されているので掻い摘んで紹介。出生率の高い九州の内容が多め。
具体的な変化として、子の数を抑える→家族形成の年齢を後ろにする→「高学歴・良い職場・良いパートナーの獲得」を目指す。
これによって都市では先行して、「生涯未婚、無子、1 子」が増えた。一方、地方でも同様な傾向が生じ、都市への若者の流出が生じている。
2020年に東北地域の早婚が解消したことで、「九州は若年既婚者の出生率が高い」点が残り、九州の出生率が高い値となっている。
東北地域の早婚の解消は女性がいなくなり男性の結婚が難しくなっていることが挙げられている。
これが生じる違いとして、以下が挙げられている。
東北地域…「長男規範（家を継ぎ、親と同居し、親の面倒をみる役割を長男が担うべきとする考え）」→男性が多くなり、女性は地域から逃げていく。3世代同居率も高い。
九州地域…「女性に親の扶養や介護を期待」→女性が多くなる。しかしながら同居ではなく近居傾向が強い。(近居の複数の子が親の面倒を見る形？)。3世代同居率は低め。(子が多いならそうなるか？)
・大学進学を機に東京へと進出する女性が増えているが、自地域と東京の間に地方中核都市が少ない「東北地方」「北関東地方」「甲信越地方」でその傾向が顕著。結婚年齢になっても地域へは戻らない。
一方、西日本から東京への進出は小規模にとどまっている。この違いが東日本と西日本での出生率の差を生じさせている。
出典について指摘があったので追記 19:50
どれもネットから拾ったので発表された年は正確ではないかもしれない。
Permalink |記事への反応(12) | 10:45
この投稿を行った人が実在する確率をフェルミ推定で考える際、次の要素を考慮します。
1. **投稿内容の詳細性**
投稿は非常に具体的であり、登場人物のプロフィールや背景、関係性、発言などが丁寧に描写されています。このような具体的な投稿を作成するには、少なくとも創作か実話に基づいている必要があります。
匿名性のあるインターネット掲示板では、多くの人が日常の悩みや経験を共有しています。この投稿も典型的な相談内容として分類できます。
日本の人口や、同じような境遇の人（27歳、工学系、年収500万以下の男性）が存在する確率を考えると、類似する背景を持つ人物は現実に存在する可能性が高いです。
---
###フェルミ推定で考える手順
---
###確率の例え
したがって、この投稿をした人が実在する確率はかなり高いものの、特定の背景やエピソードを持つ人としての希少性を考慮すると、「ある海辺の砂浜で特定の小石を探し当てる確率」に近いかもしれません。砂浜全体を日本の人口に見立て、その中に埋もれる小石の1つとして、この投稿者をイメージすることができます。
Thought about身長と年収の相関 for 5 seconds
以下は、人の身長と年収、さらには役職上昇との相関について研究した有名な論文の一例と、その概要です。
参考論文：
Judge, T. A., & Cable, D. M. (2004). "The Effect of Physical HeightonWorkplace Success and Income: PreliminaryTest of a TheoreticalModel." Journal of Applied Psychology, 89(3), 428–441.
URL（DOI）：https://doi.org/10.1037/0021-9010.89.3.428
研究の要点：
研究では、身長が高い人ほど平均してより高い収入を得やすく、組織内でより高い役職やリーダーシップポジションに就く傾向があることが示唆されている。
高身長であることは無意識的に知的、有能、または自信に満ちているといった好印象を周囲に与える可能性がある。このため、人事評価や昇進判断の際に有利に働く場合が考えられる。
多様な職業および人口統計学的データに基づいた分析の結果、身長と収入・役職には統計的に有意な関連があることが確認されている。
他の要因との関連：
この効果は完全には身長単独で説明されるわけではなく、教育水準、家族背景、性格特性など他の要因も加味する必要があるが、それらをコントロールしても身長の影響はなお有意であった。
論文は、「身長→セルフエフィカシー・対人関係スキル→職務評価→収入」というような理論モデルを示し、身長が様々な心理・社会的要因を通してキャリア上の成果に影響を及ぼす可能性を論じている。
人口統計から1995年～2023年で各々の都道府県でどれくらい人口が変動したかランキング付け。
日本全体だとこの間の人口変動は-1%。2022年までだと-3%だったので1年で2%増えた。
1位 東京都 男女総合 19.6% 男性17.3%(1位) 女性 22.0%(1位)
2位 沖縄県 男女総合 15.3% 男性 15.7%(2位) 女性 14.8%(3位)
3位 神奈川県 男女総合11.9% 男性 8.7%(4位) 女性 15.2%(2位)
4位 滋賀県 男女総合9.3% 男性9.4%(3位) 女性9.2%(7位)
5位 愛知県 男女総合 8.9% 男性 8.3%(5位) 女性9.4%(6位)
6位 埼玉県 男女総合 8.5% 男性 6.5%(6位) 女性10.5%(4位)
7位 千葉県 男女総合 7.9% 男性 6.0%(7位) 女性9.9%(5位)
8位 福岡県 男女総合 3.4% 男性 2.5%(8位) 女性 4.2%(8位)
9位 大阪府 男女総合 -0.4% 男性 -3.0%(10位) 女性 2.1%(9位)
10位 兵庫県 男女総合 -0.6% 男性 -2.3%(9位) 女性 1.0%(10位)
1位 秋田県 男女総合 -24.7% 男性 -25.3%(1位) 女性 -24.2%(1位)
2位 青森県 男女総合 -20.1% 男性 -20.6％(2位) 女性 -19.4%(2位)
3位 高知県 男女総合 -18.5% 男性 -17.7％(6位) 女性 -18.7%(4位)
4位 山形県 男女総合 -18.4% 男性 -18.0％(4位) 女性 -18.8%(3位)
5位 岩手県 男女総合 -18.1% 男性 -17.6％(7位) 女性 -18.4%(5位)
6位 長崎県 男女総合 -18.0% 男性 -17.7％(5位) 女性 -18.1%(7位)
7位 和歌山県 男女総合 -17.4% 男性 -18.1％(3位) 女性 -16.9%(10位)
8位 福島県 男女総合 -17.2% 男性 -16.2％(8位) 女性 -18.1%(6位)
9位 山口県 男女総合 -16.6% 男性 -16.1％(10位) 女性 -17.0%(8位)
10位 徳島県 男女総合 -16.5% 男性 -16.2％(9位) 女性 -16.9%(9位)
傾向
・大阪は男性が減って女性が増えている点で特殊、和歌山も男性の減りに対して女性の減り方が小さい。
男性が流出するような要因が大阪和歌山にはあったのかもしれない。その分滋賀の男性が増えているようにも見える。
その他雑感
・東北地域の状況から考えると、東日本と西日本出身では地方を語るときに噛み合わないのではないだろうか。私は西日本の地方住みなのでそう感じることが多い。
https://anond.hatelabo.jp/20241213195210
12/24追記 この話題で参考になるんじゃないかとリンクを貼る
↑12/14追記の誤記 お詫びに地域エリア毎のデータも載せる
1位 沖縄 男女総合 15.3% 男性 15.7%(1位) 女性 14.8%(2位) 男女差 0.9%
2位 南関東 男女総合 13.3% 男性10.9％(2位) 女性 15.8%(1位) 男女差 -4.7%
3位 東海 男女総合 1.0% 男性 0.9％(3位) 女性 1.0%(3位) 男女差 -0.1%
4位 近畿 男女総合 -1.8% 男性 -3.7％(4位) 女性 0.0%(4位) 男女差 -3.7%
5位 北関東 男女総合 -5.9% 男性 -5.7％(5位) 女性 -6.2%(5位) 男女差 0.5%
6位 九州 男女総合 -6.4% 男性 -6.5％(6位) 女性 -6.4%(6位) 男女差 0.1%
7位 中国 男女総合 -9.1% 男性 -8.8％(7位) 女性 -9.3%(8位) 男女差 0.5%
8位 北海道 男女総合 -10.5% 男性 -12.1％(9位) 女性 -9.0%(7位) 男女差 -3.1%
9位 北陸 男女総合 -11.2% 男性 -10.9％(8位) 女性 -11.6%(9位) 男女差 0.7%
10位 四国 男女総合 -14.5% 男性 -13.9％(10位) 女性 -14.9%(10位) 男女差 1.0%
11位 東北 男女総合 -15.4% 男性 -15.3％(11位) 女性 -15.4%(11位) 男女差 0.1%
南関東＞近畿＞北海道＞|女性流入の壁|＞（東海＞九州＞東北）＞|女性流出の壁|＞北関東＞中国＞北陸＞沖縄＞四国
東海・九州・東北では人口変動に性差は小さく、人口変動には性差以外の要因が大きそう。
私はこの夏、アメリカの46の州に旅行しました。トランプが勝った理由はここにあります。
フランク-S-周著
エゼキエル-A-ウェルズ著
エゼキエルA.ウェルズ'27環境科学のダブルコンセントレイターです&アンプ;エリオットハウスの工学と経済学. 彼は昨年の夏、彼のYouTubeシリーズ「Crossroads America」のインタビューを行ってアメリカの46州に旅行しました。”
3日前
民主党の選挙の損失の後の週、告発は党内のあらゆる方向で飛んだ。一部の人は、ジョー・バイデン大統領が以前にレースから脱落することを利己的に拒否したことを非難しています。 いくつかは、主要な人口統計を提供し、国のための明確なビジョンを伝えるために失敗したためにハリスキャンペーンを非難します。 そして、人種差別と性差別が有権者をトランプに向かわせたと主張して、アメリカ人を非難する人もいます。
これらの要因は確かに存在しますが、私たちは絵の大きな部分を逃しています。
夏の間、私は米国の46の州に旅行し、全国の人生のスライスを強調するYouTubeシリーズを作成しました。 私の3ヶ月近くの遠征からの会話の中で、私はインフレが完全にバイデンのせいであると確信していた共和党員と、企業利益と普遍的な医療への欲求に不満を抱いているにもかかわらず、より穏健な候補者を望んでいた民主党と話しました。 すべての候補者の支持者から、私は衝撃的な量の誤報を聞きました。
SwingstateTrumpの有権者からの何百時間ものインタビュー映像を調べた後、他の要因が選挙の結果に影響を与えたのと同じくらい、民主主義に亀裂を引き起こした私たちの崩壊しつつあるメディアの風景が最も責任があると確信しています。
戦後、ニュースは三つの主要なチャネルによって支配され、公平性の教義のために、各局は同じ話を報告し、各問題の複数の側面をカバーしました。視聴者は、主にニュースアンカーの性格に対する好みに基づいて、どのチャンネルを視聴したかを選択しました。 もちろん、このモデルには問題がありましたが、一日の終わりには、アメリカ人が共有セットで働いていたことを意味しました
各都道府県の「大学数(国立・私立・公立の合算)」で「各都道府県の10～14歳人口(2022年人口統計)」を割った値。
※調査の次の年齢階層が15～19歳で進路等でばらつくことから10～14歳の値を使用。あくまでも各地域の子どもの人口の目安。
人/校、この数字が小さいほど子どもは地元を離れずに大学に通うことができる。
逆に大きい場合は子どもの数に対して地元に大学数が少なく、大学に通うには他の都道府県に出ていく必要がある。
結果を見ると近隣の都道府県に吸収されている印象。
01京都 3059 （34）
02石川 3500 （14）
03東京 3625 （144）
04新潟 4045 （22）
05岡山 4556 （18）
07山梨 4714 （7）
08秋田 4857 （7）
09北海道 5378 （37）
14福井 5667 （6）
15広島 6000 （21）
16山形 6143 （7）
18愛知 6615 （52）
19福岡 6686 （35）
21兵庫 6800 （35）
22宮城 6857 （14）
25長崎 7250 （8）
26滋賀 7556 （9）
27和歌山 7600 （5）
32熊本 9000 （9）
35千葉 9704 （27）
36大分 9800 （5）
46島根 14500 （2）
47佐賀 19500 （2）
1位と最下位で子どもの数に対して6倍ほど大学数に差があるので、
大学を通じた社会の底上げというならこの差を小さくする必要があるんじゃないか。
正直に言うと、ソーシャルメディアへの投稿は、ブランドを構築し、オーディエンスとエンゲージメントを拡大したいすべての企業や個人にとって無視できない、デジタルランドスケープの重要な部分です。ソーシャルメディアマネージャーとしての新人でも、経験豊富な人でも、ソーシャルメディアに投稿する内容と場所のニュアンスを理解することで、オンラインプレゼンスに大きな違いが生まれます。
ソーシャルメディアへの投稿は、単にコンテンツを送信するだけでなく、オーディエンスとのつながりを作ることです。一貫性のあるコンテンツ投稿は、Web 上でアクティブな状態を維持し、オーディエンスのエンゲージメントを高め、すべてのアカウントから高いパフォーマンスを引き出すために役立ちます。
ブランド認知度の強化 -継続的に投稿していれば、すでにあなたから聞いたことのある人々の心にあなたのブランドが残ります。
オーディエンスエンゲージメント: より多くのいいね、共有、コメントにつながるインタラクティブなコンテンツは、相互作用も生みます。
トラフィック生成: 優れたソーシャルメディア戦略は、Webサイトや仮想ストアに多くのトラフィックをもたらすことができます。
SEO のメリット:ソーシャルプロフィールは、現在および将来にわたってSEO のメリットをもたらすライブリンクスレッドです。
ソーシャルメディアへの投稿: あらゆるソーシャルメディアに投稿する次のヒントに従うことで、読者を説得できるだけでなく、ランキングを上げることができます。人々が何を言おうと、ソーシャルメディアはトラフィックを促進します。
1.オーディエンスを知る
誰に話しかけているのかを考え、同じ言葉を話します。宿題をします。オーディエンスの人口統計、お気に入り、および問題点をターゲットにします。オーディエンスとその問題点に訴えるコンテンツを作成します。
コンテンツカレンダーを使用すると、投稿を事前にスケジュールして整理できます。投稿時間のスケジュールを立てると、エンゲージメントを政治的に保つことができます。Trello、Googleカレンダー、特定のソーシャルメディア管理ソフトウェアなどのツールを使用して、これらを合理化します。
画像と動画は、より多くの注目を集め、より良いエンゲージメントを得るための簡単な方法です。ポイント 2 のメッセージとオーディエンスに相関する最高のビジュアル (つまり高品質) を選択してください。Canva や AdobeSpark などのツールを使用すると、美しいグラフィックを簡単に作成できます。
プロのヒント:インフォグラフィック、ミーム、GIF で味付けしましょう。オーディエンスの関心を引き付けましょう!
ハッシュタグを使用する投稿者ハッシュタグを使用すると、投稿が見つけやすくなります。業界でトレンドになっているハッシュタグや関連ハッシュタグを調べて、リーチを拡大するために活用してください。Hashtagify や RiteTag などのツールをチェックして、コンテンツに最適なハッシュタグを見つけてください。
ヒント:ブランドハッシュタグは、ユーザー生成コンテンツとブランドのコミュニティ構築を促進します。
タンゴを踊るには時間がかかります。ソーシャルメディアはこの古い格言に従っているようです。コメントに返信し、質問を投げかけ、会話を開始してください。これにより、関係が確立されるだけでなく、アルゴリズム内での投稿の可視性も高まります。
ヒント:ライブセッション、Q&A、アンケートを実施して、すぐにエンゲージメントを高めます。
6.分析と調整
インサイトの観点からソーシャルメディアのパフォーマンスを常にチェックし、何がうまくいっていないかを判断します。プラットフォームに搭載されている分析ツールから選択するか、Hootsuite や Buffer などのサードパーティツールを使用して、エンゲージメント率、コンバージョンなどの重要な指標を監視します。
ポイント:コンテンツタイプを A/Bテストして、どのコンテンツがオーディエンスに受け入れられるかを調べます。
7.トレンドを常に把握する
ソーシャルメディアのトレンドは急速に変化します。トレンドを把握して戦略を修正します。最新情報を把握する —業界のブログ、ウェビナー、ソーシャルメディアのグループを常に把握します。
簡単なプロのヒント:コンテンツにトレンドのトピックや課題を取り入れます。
Bufferhttps://buffer.com/、Hootsuitehttps://www.hootsuite.com/、FlySocialfly-social.com などのツールを使用すると、投稿をスケジュールして、寝ている間にページが継続的に投稿されるようにすることができます。
投稿やコンサートのパフォーマンスを測定する分析ツールです。Google Analytics、Sprout Social、HubSpot などのツールを使って高度な洞察を得ることも、深い理解を得るための理想的な方法です。
Canva、AdobeSpark、Lumen5 を使用して、アクティビティフィードから注目を集める、非常に魅力的なビジュアルや目を引くビデオを作成します。
SocialBee と Sprinklr は、複数のプラットフォームにわたって単一のダッシュボードからコメント、メッセージ、メンションを監視できる 2つのツールです。
全体として、ソーシャルメディア投稿を完璧にするプロセスには、戦略的な計画とリアルタイムの創造性、そして適切なツールへのアクセスが組み合わされています。本物のつながりとエンゲージメントを促進し、マーケティング目標の達成に役立つ投稿を作成する方法は人によって異なりますが、投稿先を深く掘り下げ、コンテンツをより適切に整理し、より多くのビジュアルを使用し、トレンドを理解することが役立ちます。ソーシャルメディアを活用しましょう。
単純に増えた減ったから違うとか言うんじゃなくて、そこから影響度を計算して考えてみてくれ。
そしてその2002年から今まで、35歳未婚率の推移確認した？約15％が約33％になってるんだぞ。
影響が大きくて優先度が高いとは言えないだろ。
https://www.ipss.go.jp/syoushika/tohkei/Popular/Popular2024.asp?chap=0
2000年から、2020年まで、25歳～45歳までの未婚率は約1割増加しているが、これがもし未婚率が2000年並に保たれていつつ、既婚女性の生涯出産数が1.9に減少したと計算すると、未婚率の増加による子どもの数への影響が推定でき、これがおおよそ300万人になる。
一方で、2000年の既婚女性の生涯の子どもの数、2.23から1.9への減少率0.33を、現在の45歳以下の既婚女性の年齢をかけると、既婚女性の生涯の子どもの数の減少による影響を推定でき、およそ220万人になる。
計算はいずれも既婚女性の数は統計値を使っているので、人口減少の影響は加味されている。もちろんこの計算は色々な部分をすっ飛ばしているため正確な形ではないが、結論は変わらない。
https://news.yahoo.co.jp/expert/articles/16ec62ee8524944af0039b0d1a40b24aed942535
「結婚できた夫婦の子ども数は増えている」のに全体の出生数が減り続けているワケ
子のいる世帯の平均子ども数
就業構造基本調査をもとに、「夫婦と子世帯（＝一人以上の子を産んだ世帯）」だけに限って、年齢別の平均子ども数を、最新の2022年と15年前の2007年とで比較したものが以下である。
むしろ15年前より2022年の方が子どもの数は増えているのだ。
これは「結婚ができた夫婦というのは、15年前よりも一世帯当たり子どもは多く産んでいる」ということになる。言い換えれば、出生数が減っているのはそのまま婚姻数が減っているからだと言える。
2007年と2022年の出生数と婚姻数の増減を比較すれば明らかである。
私は著書「統計データはおもしろい！ -相関図でわかる経済・文化・世相・社会情勢のウラ側- 」（2010年10月技術評論社刊）の中で、この図録を含む上記３つの図録にもとづき、「少子化は公的支出で防げるか？」という表題の１章を構成したが、「政治の奇跡」へ向けての具体策として以下のように提言した。
「私は、究極の普通選挙として、選挙権を未成年にも与え、親にその代理投票権を許すという新制度について真面目に検討してもよいのではとさえ思っています。世界史上はじめてこうした制度をつくるとしたら、高齢化のスピードが最もはやく、高齢化に伴う社会保障制度のゆがみが最も深刻な日本においてではないでしょうか。」（p.121）
これは、一般には、なかなか受け入れがたい考えかなと思っていたら、同じことを考えている人は、予想以上に多いようだ。
経済学者の大竹文雄氏は2008年10月20日（月）発売の『週刊東洋経済 』に「子供の数だけ親に投票権を」というコラムを掲載している。
大竹文雄氏のブログでは、他にも同じ提案をしている例として「北海道大学大学院文学研究科の金子勇教授がお書きになった『少子化する高齢化社会』（NHKブックス、2006年2月刊）の148ページから149ページに記述があります。そこには、2004年4月に富士通総研の鳴戸道郎会長が「少子化コンファランス」でこのような提案をされたと記載されています。」とある。
さらに、東京新聞では、「ゼロ歳児から選挙権を」という見出しで、スウェーデンで「赤ちゃんを含めた将来世代に選挙権を広げよと提唱し、」同国で反響を引き起こしたイエーテボリ大学のボー・ロースタイン教授へのインタビュー記事（2011年2月20日）を掲載している。
「昨年9月、スウェーデンの総選挙では与野党は年金所得への減税について優遇策を競い合った。高齢化した有権者層の受けを狙った、投票を金で買うような行為によって政策をゆがめた」「いっそゼロ歳児から全国民が選挙権を獲得すれば、スウェーデンの政党は新たに誕生した約200万人の有権者の獲得を目指すことになる。この大きな一撃は政策の優先順位を必然的に変える。もちろん選挙関連法の改革が必要で、実際には保護者が子どもの代弁者として投票する仕組みが考えられるだろう
－夢物語では。
もともとは10年ほど前にスウェーデンの小児科医らの協会が考えたアイデアだった。彼等は経済的困窮に陥った子供たちを多く見る立場なので発想できたのだろう。私は当初『とんでもない考えだ』と否定的にとらえたが、学者としての調査で過去30年間、西欧社会で子供の貧困や精神的不適応が驚くほど拡大したことを実感しており、人的資源（子供）に投資しない政治、社会をもはや見逃せなくなった」
こうした投票制度は「ドメイン投票制度」としても知られているようだ。
親権者に子供の数だけ投票権を与えることで、間接的に未成年者にも投票権を与えようというアイディアは、「ドメイン投票方式」と呼ばれ、人口統計学者のポール・ドメイン（Paul Demeny）によって1986年に考案されたとされる。「ドイツでは2003年にドメイン投票方式を導入について議会で議論されたが、実現には至らなかった。そして2008年に再び議論されている。なお、ドイツではドメイン投票方式は子供投票権（Kinderwahlrecht）の名で知られている。」（ウィキペディア「ドメイン投票方式」2013.4.30）
提唱者のドメイン教授を招いた「ドメイン投票制度」についての討論会が2011年3月に催されている（NIRA該当サイト）。ここで、ドメイン教授は、ドイツ議会での議論のほか、シンガポールのリー・クワンユー元首相が同様の提案を口にしたこと、またハンガリーの新憲法草案として「子どもをもつ母親に１票を付加給付」という考え方が示されたことを紹介している。
例えば麻生
日本政府は日露戦争で戦費を海外から借金したが英米銀行団、ジェイコブへの完済は１９８６年。
大戦を経て８０年、どれだけ時間がかかっても返した、これが信用だ、日本凄い
こーゆー談話や言説はよく見る
日本人は愚直で誠実で勤勉で真面目だと
うん、ウソです
そりゃ払うわ
一つは軍票
日本は戦前戦中に正貨流出を抑制するため莫大な軍票を発行し外地における支払いに充てた。
記録に残るものだけでざっくりと国家予算２５年分も乱発したわけだが、これ一円も償還してません。
日本政府の建前としては、戦後賠償でまとめて払う、払った、なんだが。
当時の国家予算が１兆円でもっとも額の大きいフィリピンに対して１９００億円
ちなみに、日清戦争では日本は１万人の戦死者を出して、その賠償請求として中国（清）から国家予算４．５年分の賠償をもぎ取った
搾取してボロ儲け。
ところが日本以外の先進国では第一次世界大戦以降に雲行きが変わった。
有色人種は犬猫と同じ、動物に人権を付与する必要はない、という旧来のロジックはもはや維持不可能だった。混血児もガンガン産まれてるし。
植民地の住民にも人権を付与しなければならない、社会インフラを整備し教育を施し。
イギリスは２０世紀初頭から植民地を切り始めた、勝手に独立せぇ、連邦に残りたけりゃ残してやるが国家運営は自分たちで好きにしろ。中東は続々離脱
アメリカも同じ、フィリピンから大量の人や廉価な農作物がアメリカ本土を侵食し始めた。
同じ国内という建前だから関税やら人の移動への制限はかけられない。
たまらん、つーことで、１９３４年にフィリピンを切ることにした、アメリカ議会でフィリピン独立法成立、大統領署名。
フィリピン（独立）政府がフィリピン憲法発行したらその１０年後に国家独立、延長は無し、というもの。
翌年１９３５年にフィリピン準備政府はフィリピンコモンウェルス（憲法）発行、州政府発足、１０年後に国家独立確定。
この州政府の独立性はアメリカ合衆国の「州」よりも高い自治権が設定されている。
争いが嫌いなフィリピン人、フィリピン政府は国防の方針を中立化と定めた。
軍事力に国家リソースを割く余裕が無い後発国はこの選択しか無い。
現在も英連邦に所属するカナダのカナダ軍の統帥権（カナダ軍最高司令官）はイギリス国王なんだが、
当時のフィリピンの国際収支を見てもアメリカの傀儡、搾取の痕跡はゼロです。
ってところに１９４１年、皇軍は「可愛そうなフィリピンを救ってあげる、大東亜」で軍事侵攻
抵抗する軍事力が無いフィリピン政府は秒で「OpenCity」（非武装都市宣言）の無条件白旗。
当時フィリピンの人口は３０００万人、殺しに殺して１１１万人を殺し
（米軍の砲撃によるものだと言うアホがいるが、日本が軍事侵攻しなけりゃ米軍はフィリピンを砲撃しねぇわバカと先に答えておく）
日本は二年間フィリピンを傀儡したが、フィリピンの人口統計はこの二年間だけ見事に欠落している、資料が残ってない、誰が燃やしちゃったんだろね。
日清戦争は１万人で４．５年分
日清戦争の戦後賠償では、中国の「払えない、待ってくれと、勘弁して」の訴えに軍艦を横付けして脅した
日本の学校ではイギリスが中国人をアヘン漬けにして滅亡させた、とミスリードを誘う教育をしている。
第二次世界大戦の賠償交渉で日本は「わいら焼け野原、みてこれ、空爆されてなにも残ってない」
当時は衛星写真など無い、地上からの撮影、空撮しかなく選別切り取りが容易。
うん、ウソ
米軍はすでに制空権取ってるから低高度からの精密爆撃ができた。
釜石の高炉は古いものだけ破壊され最新の高炉は戦後すぐに復旧している。
これは経済、工業統計でも明らかで日本の工業力は戦争で３－４割しか毀損していない。
ちなみに日本が戦後に工業統計や戦時被害を公式に集計し発表したのは賠償の７割を占めるフィリピンとの講和条約締結後の昭和３１年から。
アメリカ政府の意図は早期に復興させてうまい汁を吸う気だったからね、案の定
アメリカは戦後利権を独り占めするために焼け野原の写真を世界にばらまいた。
日本は四季があって水道水が飲めて天皇が統治して国民は清廉潔白高潔
うん、ウソです
二季しかなく、水道水は放射能とPFASで汚染され天皇は戦争責任を負わずに居座り国民は居直り
なんか反論ある？ｗ
俺が「schizoposting(以下糖質投稿)」と呼ばれる文化に惹かれたのは、陰謀論的な投稿を信じて投稿するときに生じる一種の混沌とした論理を認識したときだ
糖質投稿は、患者や医師が「ワードサラダ」、パラノイア、無秩序な思考として知っている症状に関連して「統合失調症」という用語を借りて、精神状態を模倣するSNS投稿のパターンを説明するサブカルである
これは世界中で人気があり、Facebookグループ「schizophrenic order of the piss ofdawn」には現在50 万人以上のフォロワーがいる
この投稿行為は、Redditや4chanなどで始まり、ユーザーが自分の投稿を通じて、軽度の感情を示唆するミームや会話を投稿することで、実際に統合失調症であるかどうかについてオンラインの仲間から疑問を投げかけていたらしい
陰謀、劇的な結論、そしてほとんど読めない単語のサラダを好んでいる
投稿の多くは銃乱射事件（統合失調症と誤って結び付けられている）に関するジョークや、視聴者から笑いを誘う品位を傷つけるミームについて詳述している
最初は無害に見えるかもしれない
これらのグループは、人々が犯罪化や検閲を受けることなく、奇妙で曖昧な行動や思考を探求できる安全な場所を提供しているという考えに共感できる
しかしそれは重要な点を提起している「糖質投稿は根本的に受け入れられているのか、そして神経発散的な癖を称賛しているのか？それとも、病気の症状であると主張することが、精神異常行動についての知識に悪影響を及ぼしている可能性はあるのか?」
大衆文化は、精神疾患には特定の有益な、そしておそらく望ましい性格特性が伴うと信じ込ませてくる
なぜなら、それらは思いやりや忍耐の特性を「教えてくれる」からだ
精神疾患とポジティブな性格特性が結びついているため、業界全体が精神疾患と創造性の関連性の分析に注力している
つまり、病気がなければ、創造的な天才は存在しないだろうということである
しかし、その考えは、私たちが行動を病気として分類する理由そのものの本質を損なうことになる
医師が古典的に「障害」と定義するものについて、精神疾患として定義されるためには、その症状が罹患者の日常生活に重大な障害や苦痛を引き起こす必要がある
実際、患者が人生を十分に楽しむためには、この障害に伴う認知障害に対処するための的を絞ったプログラムが必要であり、多くの科学者や臨床医が開発に時間を費やす
努力にもかかわらず、統合失調症の研究者が模倣しようとしている認知的な欠陥のせいで、ホームレス、労働力からの孤立、または失職などの苦悩から精神病患者を更生させることができる状況には、望んでいるほど近づいていない
反精神医学運動は、実際に苦しんでいる人々からこの区別を奪い、適応戦略や風変わりな性格特性の形として症状を流用することは、伝統的な定義では声をあげることができない人々のグループを消去することに寄与している
統合失調投稿の場合、明確に考えたり、一貫した文章を作ったりしないという特性が称賛され、「オンライン」な人々に特有のユーモアブランドが奨励されている
そのユーモアは風刺として分類されることもあるが、実際には、文化があまりにもとんでもないものになってしまい、陰謀を信じたり統合失調症のように見えることが一部の人々が選んだ道であるとからかっていることがある
病気の実例となることを選択することは、ユーザーが気づいているかどうかにかかわらず、障害に対するある種の倒錯した嗜好を示しており、真の精神疾患患者の場合、患者は統合失調症のポスターとまったく同じ症状を回避しようと最善を尽くしているように見えるだろう
表現の自由が称賛される社会において、文化がアイデアの意味を探求し、あいまいな人口統計を日常の語彙に組み込んでいるのを見るのは素晴らしいことだ
しかし、糖質投稿という行為は不正確に使用されている可能性があり、ハロウィーンで老人の仮装をしたり、同じ休日にネイティブアメリカンやブラックフェイスの衣装を着たりすることに近いかもしれない
つまり、これらの流用の対象者は明確な生計を立てている（しかし、ほとんどの場合、生計手段が欠如している）が、大衆文化によってさらに誤解されている
糖質投稿は、表面的には楽しくて無害なことのように見えるかもしれないが、実際には退行の兆候であり、精神異常者になること、または「正気を失う」ことが何を意味するのかを実際には理解していない可能性があり、その結果、苦しみをさらに孤立させることになる
産む機械は全文で見ても、言いたいことはわからんでもないが機械とか装置とかいう単語をチョイスするのが悪手すぎるわ
機械や装置という言葉自体に悪い意味があるわけではないので言葉狩りと言われるのもな
https://nedwlt.exblog.jp/5546576/
「今の女性が子供を一生の間にたくさん、あの、大体、この人口統計学ではですね、女性は15歳から50歳までが、まあ出産をしてくださる年齢なんですが、15歳から50歳の人の数を勘定すると、もう大体分かるわけですね。それ以外産まれようがない。急激に男が産むことはできないわけですから。特に今度我々が考えている2030年ということになりますと、その2030年に、例えば、まあ二十歳になる人を考えるとですね、今いくつ、もう7、8歳になっていなきゃいけないということなんです。生まれちゃってるんですよ、もう。30年のときに二十歳で頑張って産むぞってやってくれる人は。そういうことで、あとはじゃあ、産む機械っちゃあなんだけど、装置がもう数が決まっちゃったと。機械の数・装置の数っちゃあなんだかもしれないけれども、そういう決まっちゃったということになると、後は一つの、ま、装置って言ってごめんなさいね。別に、この産む役目の人が一人頭で頑張ってもらうしかないんですよね、みなさん」
