Ameba Ownd

アプリで簡単、無料ホームページ作成

クチコミ文章の特徴から給与額を左右する要因を探る

2026.08.12 05:00

　前回は、相場よりもはるかに高い給与を得ている優秀層・成功層が投稿したクチコミ文章の特徴について概観した。今回は継続分析として、前回の問題意識をより学術的に再整理するとともに、前回注目した接続詞数などの変数に加えてカタカナ語や語彙の多様さといった視点を加え、文章特徴と賃金額との関係性について賃金関数を用いた分析を行う。


１． 関連する分析・研究の進展とその経緯

　前回の稿でも紹介したミンサー型賃金関数では、教育年数や経験年数の賃金への影響が主に確認される。さらには同関数を応用して、英語など第二言語力（Christofides and Swidinsky,2008、Lang and Siniver,2009）、職業資格(森川,2017)、自発的な社会人の学びの実施（Yokoyama et al,2019、Hara,2019）など、様々な変数の賃金への影響が分析されている。伝統的な分析では、学歴や職歴や資格といった採用選考時のレジュメにも記載される客観的な能力指標に関する賃金への影響が分析されることが多かった。

　その後多くの研究が推進される中で、一般には経歴書などに記載されず面接や応募書類の内容を主観的に評価することで把握される、抽象的な能力に関する分析も実施されるようになった。例えば、Falck et al(2021)ではITを活用した問題解決力についての賃金への影響が、Hanushek et al(2015)ではLiteracy-Skill、Numeracy-Skillの賃金への影響がPIAACデータから分析され、いずれのスキルの影響も無視できない影響があることが確認された。また、PIAACデータがOECD諸国に限定されている一方で、Nikolov et al. (2020)は南アフリカで実施された調査データを用い、Rural-Areaでは「memory」や「orientation」のようなマネジメント関連スキルが高賃金に繋がり、Urban-Areaでは「numeracy」の影響が大きいことを確認している。これら読み書き計算、分析といったいわゆる認知能力（Cognitive-Skill）だけでなく、社会性などのいわゆる非認知能力（Non-Cognitive Skill）についても分析が進み、その重要性が指摘されている（Deming,2017）。例えば、Edin et al. (2022)ではスウェーデンの徴兵データから、チームワーク、リーダーシップ等の上位者であった者ほど賃金が高い傾向が確認されている （※１）。Choi and Min(2025)は、インドネシアのデータからBig5性格特性のうち「誠実性（Conscientiousness）」が高いほど賃金が高いことを確認し、ミンサー型賃金関数においてNon-Cognitive Skillを統御しない場合には教育効果が過大評価される懸念を指摘している。

　以上の研究は特別にコストをかけて実施されたアセスメントの結果を用いて、一般には客観的な確認が難しい認知・非認知能力についても客観的得点を得て、分析が行われたものである。これに対し近年では、日常会話といった審査の目的ではないテキスト文章データから、特別なアセスメントをすることなくCognitive Skill・Non-Cognitive Skillを客観指標化し、その賃金との関係性を確認する試みも進んでいる。Deming and Kahn(2018)は求人情報に書かれたテキスト文章から、それぞれの求人においてCognitive-SkillやSocial-Skillが求められているかどうかを変数化し、スキル変数と賃金との関係性を分析している。分析の結果、どちらのスキルについても当該スキルが求められる求人ほど賃金が高いこと、当該スキルを求める求人を出している企業ほど企業業績が良いことを確認している。またShi and Lei(2021)は英国で録音された日常会話の文字おこしデータを用いた分析により、賃金の高い職に就いている者ほど語彙が多様であり、接続詞や前置詞、特に「actually」や「really」等の強調副詞を多用しているという。一方で、賃金の低い層は、1人称単数（I, my）やネガティブな感情語を多用する傾向があるという。このような研究は、近年の形態素解析などのテキスト分析技術の進歩によって、今後も増えていくことが予想される。そこで本稿では、勤務先企業に対して記述されたクチコミのテキストから、文章特徴についての各変数と給与との関係性について分析した。

（※１）米軍のArmed Forces Qualification Test(AFQT)の高スコア取得者ほど賃金が高いこともEmployer Learningの研究群で良く知られている（Altonji and Pierret,2001、Mansour,2012)。


２． 文字数、接続詞頻度と給与水準との関係性

　まずは、クチコミとして投稿された文章の「文字数」、「接続詞数/文字数」、「名詞数/文字数」の影響について確認する。これら変数はShi and Lei(2021)でも用いられているように、接続詞数は論理力の代理指標として、名詞数は抽象概念処理の能力指標として解釈する。また文字数については、献身性、誠実性、勤勉性が反映されているのではないかと考える。他者のクチコミ閲覧を急ぐために文字数を少なく投稿してしまう誘惑も働くが、その中でも文字数が多いということは、読者への配慮が感じられる。Choi and Min(2025)はBig5で誠実性と賃金との相関関係を確認したが、本稿では文字数を誠実性といった人間性の代理指標とする。分析方法は前回のようなクロス集計ではなく、賃金関数（※２） の説明変数に用いることで、投稿主の性別、年齢、職種といった個人属性の差をコントロールしたうえでの文字数や接続詞・名詞割合の差の影響を確認する （※３）。分析結果の詳細は表１に掲載し、注目する３変数のみ図１に可視化した。

　まずは図１より、クチコミ投稿された各項目の文字数の係数を見ると、「ワークライフバランス」と「退職検討理由」だけがマイナスとなり、他の項目については有意なプラスの係数となっている。当初の想定通り概ね文字数が多いほど、勤勉性や誠実性を反映しているためなのか給与が高い傾向が確認される。「退職検討理由」については、前回のクロス集計で確認された傾向と同様であり、給与の高い者ほどネガティブな発信を避けるために文字数が少なくなっている可能性がある。「ワークライフバランス」についても同様にネガティブ発信を避けている可能性が高い。というのも、後述するようにネガティブワードに関する分析では、「ワークライフバランス」項目のみネガティブワードが多いほど賃金が高い傾向が確認される。仕事の量や難易度からワークライフバランスが難しい者ほど給与も高く、クチコミ内容がネガティブになりやすいが、発信量は控えている状況があるのかもしれない。また、本分析結果は文字数が多いほど給与が高いことを示しているが、「冗長な文章ではなく豊富な情報をコンパクトにまとめる力があるほど給与も高いのでは？」という考え方もあろう。このような考え方に関しては、図４で行う「トークン数ごとの語彙の豊富さ」の分析結果から検討したい。

　次に、「接続詞数/文字数」と「名詞数/文字数」の分析結果を見る。どちらも有意なプラスの結果になる項目が多いなかで、「接続詞数/文字数」ほど結果が明確であり、より給与との相関が強いことが分かる。採用時におけるエントリーシートや面接では、発言や文章の内容から候補者の人的資本が評価されることが多いと思われる。これら分析結果は、品詞をどのように用いるかといった文章を構成する技術も、内容と共に有益な判断材料であることを示唆しているのではないだろうか。


  （※２）データ構造の制約から詳しい時間当たり賃金が計算できないため本稿の被説明変数は労働時間による変動が少ない基本給の対数値を用いている。月の残業時間も説明変数に含めてコントロールしている。また便宜的に年収を年労働時間の推計値（（40時間×4.2週＋月残業時間）×12か月）で除すことで時間当たり賃金を計算し分析に使用したところ分析結果は大きくは変わらなかった。この度のデータセットではミンサー型賃金関数で重要となる学歴に関する変数も使用できない。これに対しては、職種に関するテキスト情報から技術者といった「理系大卒に関連する専門職ダミー」、法人営業や経営企画職といった「文系大卒に多いビジネス職ダミー」、学校法人教員や行政官といった「文系大卒に関連する専門職ダミー」を作成し、説明変数に加えることで学歴の影響をコントロールしている。

（※３）Python言語による分析ツールであるSpyder内でJanomeを使用して日本語の形態素解析を行い、品詞タグに基づいて接続詞と名詞を識別した。


図１　賃金関数による文字数、接続詞数/文字数、名詞数/文字数の影響力

表1　図１の元となった賃金関数の分析結果


３． ネガティブな感情語、ポジティブな感情語と給与水準との関係性

　続いて、ポジティブワードとネガティブワードの数と給与との関係性に関する分析結果を図２より見ていく。分析モデルは先の分析と同様であり、接続詞と名詞に関する変数を「ポジティブワード数/文字数」、「ネガティブワード数/文字数」に置き換えたものである。本モデルでも、説明変数には勤務先に関する５点満点の「総合評価」を含めている。「総合評価」を統計手法で同得点に条件づけたうえで、ポジティブワードやネガティブワード数が違うことで、給与がどの程度変わるかを確認する。

　図２より「ポジティブワード数/文字数」の係数を見ると、概ねどの項目もポジティブワードが多いほど給与が高い傾向が示されている。高い給与を得る優秀層ほど職場評価が同じでもポジティブな言葉を選ぶ傾向があるものと思われる。しかし、「強み・弱み・展望」のみ相関はマイナスである。当該項目については「ネガティブワード数/文字数」の分析結果も有意なマイナスであり、優秀層ほど感情語の使用自体を避けている可能性がある。他には、「退職検討理由」の数値が非常に大きくなっていることも注目に値する。本項目に関する分析では、既に評価対象の職場を退職済となっているクチコミ投稿に分析対象を限定している。退職済の職場に対する「総合評価」が同様になるよう統計的にコントロールした場合に、退職理由にポジティブ語を多く使用していた者ほど給与も高かったという事である。良い職場であるからポジティブな発言が多いというだけでなく、ポジティブな点に着目できる人物的特徴があり、それによって給与が高くなっている側面が示唆される。

　図２より「ネガティブワード数/文字数」の係数を見ると、多くの項目で統計的に有意なマイナスとなり、ネガティブな発言が多いほど給与も低い様子が確認できる。ただし、「ワークライフバランス」項目のみ有意なプラスとなっており、高給与の者ほどワークライフバランスが保持されていない可能性が考えられる。また当然ではあるが「年収・給与制度」項目については、ネガティブワードと基本給のマイナスの関係性が大きいことが示されている。「入社理由と入社後ギャップ」、「退職検討理由」、「経営者への提言」もマイナスの絶対値は大きい。「総合評価」を統計的にコントロールしていることから、単に職場評価が低いからこれら項目へのネガティブワードが多いというだけでなく、ネガティブ語の使用頻度が多いという人物的特徴があり、それによって給与が低くなっている可能性がある （※４）。


（※４）  コントロール変数を「総合評価」から「待遇面の満足度」得点に置き換えた分析も行ったが、分析結果の傾向は変わらなかった。


図２　賃金関数による文字数、ポジティブワード数、ネガティブワード数の影響力

表２　図２の元となった賃金関数の分析結果


４． 漢字、平仮名、カタカナ頻度と給与水準との関係性

　さらに、平仮名数やカタカナ数、漢字数と基本給との関係性について確認する。漢字の知識が豊富であり能力が高いのであれば基本給も高いことを予想した分析である。また、近年の社会問題に伴う抽象概念にはカタカナ語が多く、内閣府「経済財政運営と改革の基本方針 2026（原案）」の前文（第1章の1）でも、「ポリシーミックス」、「イノベーション」、「ピープルズパワー」といったカタカナ語が目立つ。新しい社会課題のキーワードに敏感な労働者ほどカタカナ語が多く、そのような者ほど給与も高い可能性が考えられる。このように、カタカナ語も給与と相関していることを予想し、カタカナ数や平仮名数を説明変数に用いた分析も加える。分析手法はこれまでと同様であり、文字数以外の主要変数を「平仮名数/文字数」、「漢字数/文字数」、「カタカナ数/文字数」に置き換えたモデルとする。分析結果の詳細は表3に、主要な説明変数の結果を可視化したものは図３－１に掲載した。

　図３－１を見ると、概ねどの項目においてもカタカナ頻度が給与と正相関を示し、漢字と平仮名については負の相関となっている。近年注目される新たな抽象概念にはカタカナ語が多いため、先端的な情報に敏感な者ほどカタカナ数が多く、給与も高いのかもしれない。ちなみに、この度の分析で取り上げた職種別にカタカナ割合を確認すると、図３－2のとおりであり、管理職、ＩＴ専門職、ビジネス系専門職で多くなっている。クチコミ項目の中でも唯一「組織体制・企業文化」項目のみ、カタカナ割合の符号が負となっている。「組織体制・企業文化」への文章表現にカタカナが含まれないほど給与が高いということであり、伝統的な日本的大企業ほど給与が高いという説明変数に含めていない勤務先企業の規模や操業年の影響が反映されている可能性が考えられる。

　一方で、漢字数については給与との正相関が予想されたものの、分析結果は逆であった。この背景には職業別の特徴の違いがあると思われる。図３－２より漢字数割合の職種別の違いについて見ると、理系専門職（研究開発、技術）や「製造、運輸、保守関連職」といった製造関係で高くなっている一方で、管理職など給与が高いことが想定されるオフィス系職業では低くなっている。職種の違いが反映された可能性が高いが、本分析では職種ダミーを説明変数に用いてコントロールしている。なぜ漢字数が給与とマイナス相関しているかについてはさらなる分析が求められる今後の課題である。


図３－１　賃金関数によるひらがな数、カタカナ数、漢字数の影響力

表３　図３の元となった賃金関数の分析結果

図３－２　クチコミ９項目のテキストを合計したカタカナ数、漢字数の文字数割合


５． 語彙の多様性と給与水準との関係性

　最後に、クチコミ投稿文の語彙が多様である者ほど給与が高いかを確認するため、Shi and Lei (2021)で用いられた語彙の多様性指標との関係性について確認していく。このような語彙の多様指標については、かつては文章中に異なる語彙がどれほどの割合で含まれているかを示すTTR（Type-Token Ratio：延べ語数に対する異なり語数の比率）が用いられることが多かった。しかし、テキストが長くなるほど新しい単語が出現しにくくなるため、テキスト量に依存するという欠点が指摘され、現在はこれを発展させた指標を使用することが多くなっている。Shi and Lei (2021)でもテキストを1000トークンで区切り、当該単位ごとに異なる語彙がどの程度の割合で含まれるかを示すSTTR（Standard Type-Token Ratio）を用いている。本稿では、扱うクチコミ文章が1000で区切るには量が少なくほとんどのデータが欠損となってしまうことから、クチコミ9項目のテキストを合算した後に100、200、250トークンごとのTTＲをそれぞれ「STTR_100」、「STTR_200」、「STTR_250」として用いることとした。分析モデルはやはりこれまでと同様であり、主たる説明変数を100トークンごと（200トークンごと、250トークンごと）の語彙の豊富さ指標に置き換えたモデルとしている。分析結果の詳細は表4に、可視化グラフは図4に掲載している。

　図４を見ると、３種の語彙の多様性指標についても統計的に有意なプラスの値を取っており、クチコミ文章の語彙が多様であるほど給与が高いという関係性が示されている。この傾向は、英国の日常会話を分析したShi and Lei (2021)の分析結果と整合的である。文章の分量が同じであっても繰り返しなど冗長ではないほど給与が高いという事であり、同じ文量でも情報量を多く伝えることができているといった能力が反映されている可能性がある。なお、表４を見ると、本分析でも文字数は有意なプラスである。クチコミ投稿の量や質について特段のインセンティブが無い状況にありながら、それでも情報を豊富に伝えようという人間性やその巧みさが労働市場において高評価に繋がっているということである。これら傾向からも勤勉性や誠実性といったNon-Cognitive-Skillの重要性がうかがい知れる。


図４　賃金関数による語彙豊富さの影響力

表４　図４の元となった賃金関数の分析結果


６． 結論とまとめ

　本稿では前回の「年齢相場より高い給与を得ている成功者のクチコミ文章の特徴とは？」に続いて、クチコミとして投稿された文章の特徴と投稿者の給与水準との関係性について、より詳細な分析を試みた。分析の結果、明らかになった点は大きく以下の３点である。

　第一に、クチコミ投稿文章の量が多いほど高い給与であると同時に、同じ文量でもより多くの語彙で構成される文章であるほど高い給与であった。冗長ではなく、効率的に情報量を盛り込めているというCognitive Skillに加え、量や質に対する報酬がなくとも情報を多く提供する勤勉性、誠実性といったNon-Cognitive Skillも労働市場における評価に繋がるということであろう。

　第二には、同じ程度の文章量の中でも接続詞が多くなり、クチコミであっても論理構造に気を使った文章を書く者ほど給与が高くなっていた。先に指摘した語彙の多様性の重要性や先行研究で指摘されたLiteracyスキルの重要性も考慮すれば、文章の巧みさは重要な人的資本であると考えられる。「文章作成を伴う課題に対して真摯に取り組むべき」、といった学生時代によく聞く言葉が実は重要なアドバイスであったことが示された。

　第三には、勤務先の評価得点を統計的にコントロールしてもなお、クチコミ文章に含まれるポジティブな感情語が多くネガティブな感情語が少ない投稿者ほど給与が高い傾向が示された。また、そのような高い給与を得ている者ほどネガティブな情報を発信する場合には文字数が少なくなることも示された。このような傾向からは、高所得者ほどあえてネガティブな面よりもポジティブな面に注目する態度や、ネガティブな発信をする際には端的に伝えるという態度があることが示唆される。このような態度は職場のチームワークにも重要な影響を及ぼすと考えられ、ポジティブな態度であろうと努力するNon-Cognitive Skillの重要性が指摘できる。またクチコミ文章に含まれる漢字や平仮名、カタカタの頻度について分析したところ、カタカナが多いほど給与が高い傾向が示された。新しい社会課題についてはカタカナで示される抽象概念が多いことを考えると、新しい情報への敏感さといった人的資本が反映されている可能性が考えられる。しかしながら漢字数については、人的資本に応じて漢字も多くなると考えられたが、分析結果は給与とのマイナスの相関を示していた。これらカタカナ、平仮名、漢字数の分析結果については解釈が難しく、より精緻な分析が今後の課題となる。

　以上のように、クチコミ投稿の文章といった短いテキストからも、その特徴から多くの人的資本に関する情報がくみ取れるということが分かった。企業の採用においては、文章の内容に着目することが多いと思われるが、文章そのものからも有益な情報が把握でき、具体的な把握の方法について多くの示唆が得られたと思われる。他方で労働者の視点に立てば、論理的構成力や語彙の多様性といった文章の巧みさも、給与を高める重要な人的資本であるということが分かった。近年注目されるリスキリングや、業務内の文章作成において真摯に取り組むことで、当該能力を鍛えることが重要と考えられる。加えて、Non-Cognitive Skillも重要であることを示す分析結果の傾向が示された。勤勉性、誠実性、ポジティブな態度といった点も労働市場で評価され、高い給与を得る人材になるためには重要と考えられる。やっつけ仕事のような短かい文章で提出物を終えない、多様な語彙で伝わる工夫をする、ポジティブシンキングをするといった心がけを、普段の社会人生活から重視することが自らのキャリアを高めるのではないだろうか。


【参考文献】


このレポートの著者：
獨協大学　経済学部　教授　小林徹氏
独立行政法人労働政策研究・研修機構、高崎経済大学などを経て2026年4月より現職。専門は労働経済学、応用ミクロ計量経済学。


働きがい研究所所長　大澤陽樹　コメント

クチコミの文章そのものから人的資本が読み取れるという発見は、採用や組織開発の現場に新たな視点を与えてくれます。OpenWorkではクチコミ投稿が他社クチコミの閲覧条件になっており、投稿すること自体への誘因は存在しますが、文章の量や質にインセンティブが働く仕組みはありません。それでも高い給与を得ている方ほど丁寧に言葉を尽くしている傾向は、まさに「読み手への配慮」という非認知能力の表れとも読み取れ、新しい発見でした。