【Word】離婚率怎么算的?

常看到這樣的新聞標題:


看到這樣的新聞,除了感慨婚姻的脆弱和人性的強之外,還在想“離婚率”這個數據是如何得出的?
統計某年結婚的人數之后有多少離婚?
統計當前一共有多少人結婚,多少人離婚?
統計當前離婚的總人數在全體人口比例?
...

現在的離婚率怎么算的?

我們先看看離婚率的定義(Wikipedia):

離婚率(英文:divorce demography),指離婚的比率,可用于衡量和評價某個國家或地區的婚姻穩定和幸福程度。
粗離婚率(crude divorce rate)是指年度離婚數與總人口之比。通常以千分率表示。而
細離婚率(fine divorce rate)是指年度離婚數與已婚婦女人口之比,這排除了不到婚齡的年輕女性人口。

第一次看到這個數據我是懵的,因為婚內人數占總人數肯定不到100%,如果新聞里的離婚率是指“粗離婚率”,那么50%意味著一年內,北京市一半以上的夫妻離婚,這顯然不可能。然后發現了離婚結婚比這個概念,就是某一年離婚的人數/結婚的人數,注意,這個數據不做為國家統計局的指標(我們后面再談原因)。

先看看各個國家之間的差異(抱歉,只找到了2010年左右的數據):

國家 粗離婚率 離婚結婚比 年份
匈牙利 2.4 67 2010
美國 3.6 53 2011
日本 2.0 36 2010
中國 2.0 22 2010
越南 0.2 4 2007

上圖可以看出一些相關性,發達國家的離婚結婚比要高一些(發達的國家/地區,某一年離婚人數與結婚人數的比值較大),另外,日本與中國同樣是2.0‰的粗離婚率,可以看出中國人選擇結婚的比例更高(相同人數,中國人愿意結婚的更多)。

再看看近五年全國與北京市的數據:

北京婚姻服務--數據來自國家統計局
全國婚姻服務--數組來自國家統計局

以上就是現在使用的各個指標以及計算方式。

我們想知道的,是哪個離婚率?

說起離婚率,我們直觀上最想知道的是
“從概率上講,現在結婚有多大的可能性離婚?”
再翻譯一下:
近幾年(最好是今年,最好是當前城市)結婚的這些人,有多少人最終會離婚?

從邏輯上我們就知道這個結果是無法獲得的,因為現在無法知道以后的事情,即使事后統計,也無法知道那些最終離婚的人會在第幾年選擇離婚,1年?5年或10年。。。于是我們必須改變做出妥協,尋找盡可能接近的數據。

粗結婚率?

我現在告訴你北京市2017年的粗離婚率是3.71(每一千個人中會有3.71個人離婚)估計你沒有任何感覺,然后你知道這個數字會升高,變成4‰你還是沒有感覺。
這個數據不是你想要的。

離婚結婚比?

我現在告訴你北京市2017年的離婚結婚比是53%(有100人結婚,那么就有53人離婚)
你可能會說:已經很明顯了,現在結婚的人大概53%的可能會離婚。

且慢,這個數據沒有它看起來這么直觀,因為他們并不是同一群人,這里的離婚的人與結婚的人沒有什么聯系(除了少數在同一年貢獻了兩者數據的人~)。

  1. 結婚的是什么人?
    用北京市的數據舉例:
    • 初婚(第一次登記結婚)17.93萬人,占比59%,這些人以25~35歲的適婚年齡居多,是之前十幾年“攢”下來決定在這一年結婚的人,初婚人群的平均年齡應該低于再婚和離婚群體(由于沒有具體數據,這里只是一個定性的邏輯判斷)。
    • 再婚(非第一次登記結婚)12.36萬人,占比41%,再婚人群的平均年齡應該與離婚人群大致相同(由于沒有具體數據,這里只是一個定性的邏輯判斷)。
  2. 離婚的是什么人?
    • 離婚8.06萬對(16.12萬人),這一群人是過去幾年、十幾年甚至更久的時間“攢”下來決定這一年離婚的人,離婚人群的平均年齡應該大于初婚人群,與再婚人群大致相同(由于沒有具體數據,這里只是一個定性的邏輯判斷)。

離婚結婚比,只能用來粗略地參考,而且這個數據真實的意義很奇怪,這可能也是國家統計局沒有記錄該數據的原因。結婚的人里,對于初婚的人群,這個群體的真實離婚率要大于當前的離婚結婚比(如北京2017年的53%,同時我們假設年輕人的離婚率更高);再婚人群可參考當前的結婚離婚比。

補充一下,整體概率是事后統計的結果,與創業類似,不是所有人創業的成功率都是5%,也不是每一個婚姻最后都會以整體的概率走向解體,個體間的差異巨大。

限購不是重要因素

中國的離婚率逐年增高是一個事實,一線城市更加明顯。有一些人和媒體認為很多人離婚是為了買房,他們認為房產的限購政策是導致一線城市高離婚率的重要因素。一定有人為了買房離婚,至于占比我們查看一下統計數據:

我們看一下2018年北京和上海成交商品房的業主婚姻狀況(數據來自貝殼研究院)。

北京
上海

經過計算,離異的購房者在當年的離婚人群占比只有百分之幾,況且這些人并不都是為了買房而離異,也不全是在今年才離婚,所以因為買房而離婚的人群在離婚群體中占比不會超過1%,限購政策對于高離婚率的貢獻很小,同時也能看出限購政策的漏洞并沒有被濫用。

最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 230,622評論 6 544
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 99,716評論 3 429
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 178,746評論 0 383
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,991評論 1 318
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 72,706評論 6 413
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 56,036評論 1 329
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 44,029評論 3 450
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 43,203評論 0 290
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 49,725評論 1 336
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 41,451評論 3 361
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 43,677評論 1 374
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 39,161評論 5 365
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,857評論 3 351
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 35,266評論 0 28
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 36,606評論 1 295
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 52,407評論 3 400
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 48,643評論 2 380