user:

「Pythonで学ぶマクロ経済学入門」、第89回を始めましょう。まず前回の復習として、

「見ないふりのコストは誰が払うのか？― "移民ではない移民" と地下経済の構造 : Pythonで学ぶマクロ経済学入門 (88)」 
https://qiita.com/maskot1977/items/55177a61b1edc5f362f5

をよく読み込んで、その内容の復習をしてください。ここで導き出されていた結論やキーメッセージも示してください。

assistant:

第89回を始めましょう。

まず第88回「見ないふりのコストは誰が払うのか？― "移民ではない移民" と地下経済の構造」の内容を整理すると、テーマは単なる移民論ではなく、

「財源幻想によって国内育成を諦めた結果、どのような見えないコストが社会に蓄積するのか」

という構造分析でした。(Qiita)

■ 第88回の復習

前回の議論は大きく5つの論点で構成されていました。

① 「移民ではない移民政策」の問題

日本では、

技能実習
特定技能
留学生労働

などが制度上「移民ではない」と説明されることがあります。

しかし実態としては、

労働力として受け入れ
長期滞在
定住化

を伴うケースも多く、

「移民政策ではない」という建前と実態との乖離が存在することが問題として指摘されました。(Qiita)

前回の重要な指摘は、

移民そのものよりも、「移民ではない」として議論を回避することの方が危険

という点でした。

議論されない政策は修正もできません。

② 低賃金労働への依存は構造問題

前回は特に、

「安い労働力で人手不足を埋める」

という発想の問題が強調されました。

低賃金労働に依存すると、

賃上げ圧力が弱まる
自動化投資が遅れる
省力化が進まない
生産性向上が遅れる

という悪循環が起こりやすいと整理されました。(Qiita)

そしてこれは、

日本人なら良い
外国人なら悪い

という話ではありません。

本質は

「低賃金構造そのもの」

にあります。(Qiita)

③ 地下経済の発生

前回の中心テーマです。

制度上の制約や低賃金環境が続くと、

制度から離脱する人
非公式労働へ流れる人

が発生します。

すると、

税収が把握できない
社会保険から漏れる
労働実態が見えない

という地下経済が形成されます。

人手不足解消を名目に受け入れたはずが、
「無職」の人口を増やしてしまうという逆効果

になります。

そして一度形成された地下経済は、

見えないまま拡大しやすい。

つまり、

「安く使うつもりが、最終的には社会全体が高く支払う」

という構造です。

④ 誰がコストを払うのか

前回のタイトルそのものです。

コストは消えません。

誰かが払います。

その負担は最終的に、

納税者
地方自治体
真面目に保険料を払う労働者
中間層

へ転嫁されます。

ここが非常に重要でした。

⑤ 見ないふりのコスト

前回の結論は、

問題を見ないふりしても問題は消えない

ということです。

むしろ、

制度の穴
社会統合コスト
財政コスト
治安コスト

として後からより大きく現れます。

■ 第88回のキーメッセージ

一言でまとめると、

「見ないふりをしてもコストは消えない。見えない場所に移るだけである」

でした。(Qiita)

そしてもう一歩踏み込むと、

「誰がコストを負担し、誰が利益を得ているのか」を見なければならない

ということでした。

■ そこから第89回へ

ここでさらに重要な問いが出てきます。

それは、

なぜ日本は人手不足と言いながら、自国民への投資よりも外部労働力への投資を優先するのか

です。

■ 中間層に集中する負担

現在の日本では、

社会保険料負担
所得税負担
消費税負担
住宅負担
教育負担

の多くが中間層へ集中しています。

さらに、

2015年以降の相続税基礎控除引き下げによって、

本来の超富裕層だけでなく、

都市部の持ち家世帯などにも負担が及びやすくなりました。

結果として、

老後不安
教育不安
将来不安

が強まり、

消費や投資が抑制されやすくなります。

■ 奇妙な政策矛盾

ここで多くの国民が感じる疑問があります。

それは、

「人手不足」と言いながら、技能のある日本人の待遇改善や育成には消極的なのに、技能のない労働力を受け入れ、日本人通訳や教育コストを追加投入するのはなぜか

という疑問です。

さらに、

「日本人への教育投資には財源がないと言うのに、なぜ外国人受け入れ関連の支出には財源があるのか」

という批判です。

■ この矛盾を生むもの

前回までの議論を踏まえると、

その根底にあるのは

財源幻想

です。

つまり、

「政府支出は税収がないとできない」

という発想です。

しかしマクロ経済学的には、

政府の制約は税収そのものではありません。

制約となるのは、

供給能力
インフレ

です。

政府は需要創出能力を持っています。

ただし無制限ではなく、

供給能力を超える支出はインフレを引き起こします。

したがって、

本当に問うべきなのは

「税収があるか」

ではなく

「供給能力を高めるか」

です。

■ 緊縮批判だけでは足りない

ここで重要なのは、

単に緊縮財政を批判するだけでは十分ではない

という点です。

なぜなら、

積極財政を掲げていても、

頭の中が

「財源があればやる」

のままなら、

依然として財源幻想に支配されているからです。

必要なのは、

「税は財源」という発想そのものからの脱却

です。

■ 本来優先されるべき投資

もし供給能力の強化が目的なら、

優先順位は明確です。

教育投資
科学技術投資
研究開発投資
若年層支援
子育て支援
設備投資
賃上げ環境整備

です。

つまり、

人を入れる前に

人を育てる

です。

■ 低賃金労働拡大型モデルの問題

ここで誤解してはいけないのは、

問題の根源は外国人そのものではないことです。

問題の根源は

「低賃金労働を拡大するモデル」

です。

これは、

日本人でも悪い
外国人でも悪い

です。

そして外国人の場合には、

さらに

言語教育
制度理解支援
社会統合
文化調整

の追加コストがあります。(Reddit)

したがって、

同じ低賃金で比較するなら、

財政的には追加コスト分だけさらに重くなります。

■ 欧州から学ぶべきこと

欧州では、

移民増加とともに、

一部集団の犯罪率や失業率が全体平均より高い事例が観測されてきました。

ただし重要なのは、

「移民だから犯罪をする」

ではなく、

社会統合の失敗や経済的排除が複雑に絡むという点です。

一方で、

欧州諸国が十分な解決策を確立できているとは言い難く、

政策的な試行錯誤が続いています。(Qiita)

だからこそ、

成功モデルが確立していない政策を、

十分な議論なしに拡大することには慎重であるべきです。

■ 人口減少＝衰退ではない

人口減少そのものは、

自動的に経済衰退を意味しません。

重要なのは、

生産性
技術進歩
需要
投資

です。

人口だけで国力は決まりません。

■ 第89回の結論

今回の核心はここです。

財源幻想を理由に国民育成を後回しにし、「移民と呼ばせない移民政策」で人手不足を埋めようとすることは、問題の解決ではなく複雑化である。

本来問うべきなのは、

「何人入れるか」

ではなく、

「どうやって自国民の生産性と所得を高めるか」

です。

そして、

緊縮財政からの脱却だけでなく、

財源幻想そのものから脱却しなければ、

教育投資も、技術投資も、少子化対策も、賃上げも、常に「財源がない」で止まります。

だから必要なのは、

一部の専門家だけの理解ではありません。

国民
財界人
政治家

が共通して、

政府の本当の制約は税収ではなく供給能力とインフレであること

を理解することです。

第88回の言葉を借りるなら、

見ないふりを続ければコストは消えない。

そして今、日本が見ないふりをしている最大の問題の一つが、

「人を育てる代わりに、人を補充することで解決しようとする発想そのもの」

なのかもしれません。

user:

ありがとうございます。

中間層に集中する負担

について今回改めて注目してみましょう。過去に何度か触れていたので整理してみました。

第32回「再分配は税か給付か？ : Pythonで学ぶマクロ経済学入門 (32)」
https://qiita.com/maskot1977/items/e1939ff20a6e1c6ced3e

第33回「なぜ金持ちから取ると物価が安定するのか : Pythonで学ぶマクロ経済学入門 (33)」
https://qiita.com/maskot1977/items/636fbe09a8b50bdc9009

第37回「財源ではなく需要管理 ― 通貨発行と税の本当の役割 : Pythonで学ぶマクロ経済学入門 (37)」
https://qiita.com/maskot1977/items/0cceb50c8cb770796ded

第52回「手取りが増えない本当の理由 ― 社会保険料という“見えない増税” : Pythonで学ぶマクロ経済学入門 (52)」
https://qiita.com/maskot1977/items/c7e80a8d05c8cbb10591

第53回「手取りが増えない国の構造 ― ステルス増税と“人手不足”の正体 : Pythonで学ぶマクロ経済学入門 (53)」
https://qiita.com/maskot1977/items/932e201bee9ad692e715

第65回「税は財源ではない？― 格差是正と成長を同時に実現する政策設計 : Pythonで学ぶマクロ経済学入門 (65)」
https://qiita.com/maskot1977/items/2bb24d51e933180a7f76

第82回「相続税は本当に格差是正になるのか？― 資産循環・成長・中間層をシミュレーションで考える : Pythonで学ぶマクロ経済学入門 (82)」
https://qiita.com/maskot1977/items/d95b55e78e1258dabdd5

以上の記事をよく読み返して、中間層に集中する負担に注目しながら振り返っていただけますか？

assistant:

とても良い整理だと思います。

第32回〜第82回を通して読み返してみると、個別テーマは違っていても、一貫して流れている問題意識があります。

それは、

「日本の税・社会保障・再分配制度は、本来保護されるべき中間層に負担を集中させているのではないか」

という問いです。

そしてさらに掘り下げると、

「なぜそうなったのか」

の答えとして、

「税を財源と考える発想（財源幻想）が制度設計の中心に置かれてきたからではないか」

という結論へつながっていました。

第32回〜第82回を貫くテーマ

振り返ると、議論は大きく4段階で発展しています。

第1段階

「再分配とは何か」

（第32回・第33回）

↓

第2段階

「税の本当の役割とは何か」

（第37回・第65回）

↓

第3段階

「なぜ手取りが増えないのか」

（第52回・第53回）

↓

第4段階

「なぜ中間層の資産形成まで阻害されるのか」

（第82回）

です。

第32回

再分配は税か給付か？

ここで最初に示されたのは、

再分配の主役は税ではなく給付

という視点でした。 (Qiita)

一般的には

金持ちから取る
貧しい人へ配る

と考えられています。

しかしシミュレーションでは、

給付を十分に行う方が、

消費
GDP
可処分所得

に対する効果が大きいことが示されていました。 (Qiita)

つまり、

「取ること」より「渡すこと」

の方が重要なのです。

第33回

なぜ金持ちから取ると物価が安定するのか

ここでは、

富裕層課税の本当の役割

が整理されました。

重要なのは、

富裕層課税は財源確保ではない

という点です。 (Qiita)

富裕層は追加所得を

高級不動産
希少資産
金融資産

へ向けやすい。

そのため、

累進課税は

「富裕層同士の価格競争を弱める需要調整装置」

として機能するという整理でした。 (Qiita)

ここで既に、

税＝財源

ではなく、

税＝需要管理

という発想が登場しています。

第37回

税は財源ではなく需要管理

ここでシリーズ全体の骨格が示されました。

税の役割は、

インフレ抑制
格差調整
行動誘導

であり、

政府支出の原資集めではないという議論です。 (Qiita)

この回以降、

シリーズ全体が

「財源があるか」

ではなく

「需要と供給をどう管理するか」

へ軸足を移します。

第52回

社会保険料という見えない増税

ここで中間層の問題が前面に出てきます。

所得税は累進です。

しかし社会保険料はそうではありません。

実際には、

給与所得者
子育て世帯
現役世代

に集中しやすい。

結果として、

賃上げが起きても

手取りが増えない。

これが

「見えない増税」

と呼ばれた理由でした。

第53回

ステルス増税と人手不足

この回では、

人手不足と中間層負担が結び付けられました。

企業は

人が足りない

と言う。

しかし一方で、

実質賃金は伸びない
手取りは増えない

という状況が続く。

すると、

本当に不足しているのは

労働者ではなく

「適正な賃金で働いてくれる人」

なのではないか

という問いが出てきます。

第65回

格差是正と成長

ここでは再分配の再整理が行われました。

ポイントは、

格差是正と経済成長は対立しない

ということでした。

むしろ、

低所得層や中間層の所得増加は

消費へ回りやすく、

需要拡大を通じて成長につながる。 (Qiita)

その意味で、

中間層の所得を守ることは

単なる福祉政策ではなく

マクロ経済政策でもある

という位置づけでした。

第82回

相続税と中間層

ここで議論はさらに進みます。

従来、

相続税は

「金持ちへの課税」

として語られがちでした。

しかしシミュレーションでは、

相続税によって発生する

ホーディング
現金化圧力
資産移転の遅れ

が、

若年層や中間層の資産形成を阻害する可能性が検討されました。

特に都市部では、

超富裕層ではない世帯でも

相続税の対象になりやすい。

結果として、

中間層の資産蓄積そのものが弱くなる

という問題提起が行われました。

全体を通じて見えてくる構造

これらを全部つなげると、

一つの構造が見えてきます。

富裕層

資産を保有
金融所得中心
税負担の調整余地が大きい

↓

低所得層

給付対象になりやすい

↓

中間層

社会保険料
所得税
消費税
教育費
住宅費
相続税

の負担を受けやすい

↓

結果

中間層だけが「払う側」に固定されやすい

という構図です。

第89回へつながる論点

そして今回のテーマである

「移民ではない移民政策」

も実はここにつながります。

なぜなら、

国内人材の育成

教育投資
職業訓練
賃上げ
子育て支援

には

「財源がない」

と言われる一方で、

労働力不足への対処としては

外部労働力の受け入れが進む。

すると中間層は、

教育費を負担する
社会保険料を負担する
税を負担する

一方で、

自らの所得環境や資産形成環境は改善しにくい。

ここに多くの人が感じる違和感があります。

このシリーズ全体の一つの結論

第32回から第82回までを貫くキーメッセージを一文で表すなら、

日本の問題は「再分配が少ないこと」ではなく、「中間層の可処分所得と資産形成を弱める制度が積み重なっていること」である。

そしてその背景には、

「税は財源」「財政にはお金がない」という発想があり、その結果として給付・投資よりも負担増が優先されやすくなっている。

という構造が見えてきます。

だから第89回では、

単に移民政策を論じるのではなく、

「なぜ自国民への投資が後回しになり、そのコストを誰が負担しているのか」

という視点から考察を進めると、これまでのシリーズ全体が一本の線でつながると思います。

user:

ありがとうございます。このような問題は、諸外国では生じてないのでしょうか？諸外国ではどのように対処しているのでしょうか？

assistant:

これは非常に重要な論点です。

ただし最初に整理しておきたいのは、移民政策を論じる際には、

「移民は悪い」
「移民が犯罪を起こす」

といった属性論ではなく、

制度設計の問題として考える必要がある

ということです。

なぜなら、同じ人でも制度が変われば行動が変わるからです。

第88回までの議論とも一致しますが、

問題は人ではなく構造

です。

諸外国では起きていないのか？

結論から言うと、

起きています。

むしろ日本より先に経験しています。

特に

ドイツ
フランス
イギリス
スウェーデン
ベルギー
オランダ

などは数十年単位で経験しています。

なぜ地下経済が生まれるのか

地下経済が発生する典型的な条件があります。

① 低賃金

↓

② 就労資格の制約

↓

③ 社会統合の失敗

↓

④ 非公式労働への流入

です。

例えば欧州では

不法滞在
ビザ失効
難民認定待ち

などの人々が

建設業

農業

飲食業

家事労働

などへ流入するケースが報告されてきました。

すると

税金を払わない
社会保険に加入しない
統計に現れない

労働市場が形成されます。

これが地下経済です。

なぜ止められないのか

理由は単純です。

需要があるからです。

雇う側は

安い。

労働者側は

働かなければ生活できない。

すると

違法と知りながら成立してしまう。

つまり

地下経済は

「労働者が悪い」

のではなく

「制度と市場のインセンティブがそうなっている」

という面があります。

欧州が苦戦した理由

欧州が経験した問題の一つは、

大量受け入れの後で

社会統合コストが急増したことです。

例えば

言語教育
学校支援
通訳
行政サービス
住宅支援

です。

ここで重要なのは、

移民そのものの是非ではなく、

誰が負担するか

です。

多くの場合、

納税者が負担します。

利権構造はどう形成されるのか

ここが日本で今後最も注意が必要な点かもしれません。

実は低スキル移民の受け入れが進むと、

利益を得る主体と負担する主体が分離しやすいのです。

例えば

利益を得る主体

人材紹介業者
監理団体
登録支援機関
一部雇用企業
不動産業者
通訳関連事業者

です。

一方で

負担する主体は

自治体
納税者
社会保険加入者
地域住民

になります。

すると

受け入れによる利益は集中し、

コストは分散する。

これは公共政策でよく見られる構造です。

日本特有の問題

日本にはさらに特徴があります。

それは

「移民ではない」

という建前です。

欧州の場合

移民政策として議論されます。

だから

受入人数
社会統合
犯罪対策
財政負担

が議論されます。

しかし日本では

技能実習

特定技能

留学生

など別制度として扱われます。

すると

政策全体のコストが見えにくくなります。

第88回で出てきた

見ないふりのコスト

です。

低スキル移民を大量受け入れすると何が起きるのか

ここはマクロ経済的に考える必要があります。

仮に大量の低スキル労働者を受け入れるとします。

すると平均所得は低くなりやすい。

すると

住宅補助
教育支援
医療支援
子育て支援

などの対象になりやすい。

これは日本人でも同じです。

低所得なら給付対象になりやすい。

問題は

受け入れの時点で

低所得になることが予想される層を大量に増やす場合です。

その場合、

財政負担も同時に増える可能性があります。

給付依存は起きるのか

ここは慎重に考える必要があります。

「移民は給付目当てで来る」

と一般化することはできません。

多くの移民は働くために来ています。

しかし制度設計によっては、

給付依存のインセンティブが発生します。

これは移民だけではありません。

日本人でも同じです。

制度が

働くより給付の方が有利

になれば、

労働供給が減ります。

したがって問題の根源は

移民ではなく

インセンティブ設計です。

本当に問うべきこと

第32回から第88回までの議論をつなぐと、

本質的な問いは

「なぜ低スキル労働力を増やそうとしているのか」

です。

本来なら

教育投資
職業訓練
自動化投資
研究開発
賃上げ

によって

高付加価値化を目指すはずです。

ところが

財源幻想によって

国内育成投資が抑えられる。

↓

供給能力が伸びない。

↓

人手不足になる。

↓

低賃金労働力を輸入する。

↓

さらに賃上げ圧力が弱まる。

↓

国内育成が進まない。

という循環が生まれます。

諸外国から学べること

欧州の経験から学べる最大の教訓は、

「移民を受け入れるかどうか」

ではありません。

むしろ

「どのような人材を、どの規模で、どの制度で受け入れるのか」

です。

そしてさらに重要なのは、

「その前に自国民への投資を十分に行ったのか」

です。

第89回のテーマに結び付けるなら、

中間層負担の問題も、

移民問題も、

地下経済の問題も、

根っこは同じです。

つまり、

国内の教育・研究開発・設備投資・所得向上よりも、短期的な労働力確保が優先される構造

です。

もし政府が本当に供給能力の拡大を目指すなら、最初に問われるべきなのは、

「あと何人受け入れるか」

ではなく、

「なぜ国内人材の育成や生産性向上に十分な資源を投入していないのか」

という点です。

そしてその議論を行うためにも、「移民ではない」という建前の下で議論自体を曖昧にするのではなく、コストも便益も含めて可視化し、国民・企業・政治家が共通認識を持つことが重要です。

user:

ありがとうございます。前回（第88回）では、移民政策によって利益を得る主体・負担をする主体について考察しました。今回は、中間層に負担が集中する構造によって利益を得る主体・負担をする主体について、前回と比較しながら考察できますか？

assistant:

第88回で扱った「移民ではない移民政策」と、今回の「中間層に負担が集中する構造」は、一見すると別問題のように見えます。しかし、マクロ経済的な視点で見ると、実はかなり似た構造を持っています。

両者とも、

利益を受ける主体と、負担を負う主体が分離している

という共通点があります。

そして、その負担が最終的に中間層へ集まりやすい点も共通しています。

第88回の構造

まず前回の構造を整理してみます。

利益を受ける主体として考えられるのは、

低賃金労働力を確保したい企業
人材育成投資を回避できる主体
人材紹介会社
登録支援機関
関連サービス事業者
「高度人材」として受け入れてもらえる移民

です。

一方で負担を受ける主体は、

納税者
地方自治体
社会保険加入者
地域住民
中間層

になります。

つまり、

利益は特定主体へ集中し、

コストは社会全体へ分散する。

これが第88回で議論した構造でした。

今回の「中間層負担集中構造」

第32回、第52回、第53回、第65回、第82回までを振り返ると、こちらも似た構造になっています。

利益を受ける主体として考えられるのは、

低賃金労働力を利用する企業
賃上げ圧力を回避できる企業
人材育成コストを負担したくない主体
既存資産を保有する主体
制度運営を担う官僚組織

です。

負担する主体は、

現役世代
子育て世帯
給与所得者
中小企業勤務者
中間層

です。

ここでも、

利益は集中し、

負担は広く薄く分散されます。

両者はどこでつながるのか

共通するのは、

「国内人材への投資を避けるインセンティブ」

です。

本来であれば、

教育
職業訓練
技能向上
賃上げ
研究開発

へ投資する方が、生産性向上につながります。

しかしそれには、

時間も費用もかかります。

そこで、

より短期的な解決策として、

安い労働力を確保する
育成より調達を選ぶ

という方向へ流れやすくなります。

なぜ中間層へ負担が集まるのか

ここが重要です。

人材育成を行わない場合、

生産性向上は起きにくくなります。

すると、

賃金上昇も弱くなる。

しかし社会保障負担は増える。

税負担も残る。

住宅費も教育費も上がる。

結果として、

最も広い層である中間層が負担を引き受けることになります。

「高度人材」の言葉が生む歪み

ここで興味深いのが政策説明です。

多くの場合、

政策は

国際化
高度人材
イノベーション
人材確保

という言葉で説明されます。

しかし実際の受け入れの中心が、

介護
建設
外食
宿泊
農業

などの分野である場合、

現実との間にズレが生じます。

もちろんこれらの仕事は社会に不可欠です。

しかし、

一般的な意味での「高度人材政策」とは異なります。

欧米型移民政策との違い

通常、

移民政策の議論では、

高スキル移民と低スキル移民を区別します。

例えば、

医師
研究者
エンジニア
起業家

などは高スキル移民として扱われます。

これに対して、

低スキル移民については、

財政負担
労働市場への影響
社会統合

などを含めて議論されることが一般的です。

日本の特殊性

日本の場合、

技能実習や特定技能などが、

移民政策としてではなく個別制度として説明されてきました。

そのため、

本来必要なはずの

コスト分析
財政分析
社会統合分析
長期人口構成分析

が十分に行われない構造があります。

つまり、

「移民政策として議論されない移民政策」

になりやすい。

ここが第88回でも問題視された点でした。

中間層負担との接続

そして両者は最終的に同じ場所へつながります。

仮に、

国内人材育成を抑制し、

低賃金労働力への依存を拡大すると、

短期的には企業のコストは下がります。

しかし長期的には、

賃金上昇が弱くなる
生産性向上が遅れる
税収基盤が弱くなる
社会保障負担が重くなる

すると不足分は、

現役世代や中間層の負担増として現れやすくなります。

第89回につながる視点

第32回から第88回までの議論を一本につなぐと、

本質的な論点は移民そのものではありません。

また税そのものでもありません。

むしろ、

「人材を育てる社会なのか、それとも人材を消耗する社会なのか」

という問いです。

もし国家の第一の役割が、自国民の所得向上と供給能力向上にあると考えるなら、

教育投資
科学技術投資
若年層支援
賃上げ
設備投資

を後回しにして、

不足した労働力だけを外部から補う構造は、長期的には持続しないでしょう。

そしてそのコストは、見えにくい形で中間層へ集まりやすい。

第88回の言葉を借りれば、

「見ないふりをしてもコストは消えない」

のです。

移民政策のコストも、中間層負担のコストも、最終的には誰かが負担します。重要なのは、その負担と利益の構造を可視化し、自国民の育成と生産性向上を中心に据えた政策設計になっているかを検証することだと言えます。

user:

ありがとうございます。上記の議論を反映したPythonシミュレーションコードをgrokに書いてもらいました。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# ============================================================
# PARAMETERS
# ============================================================

YEARS = 30

INITIAL_GDP = 1000
INITIAL_PRODUCTIVITY = 100
INITIAL_INCOME = 100
INITIAL_LABOR = 100
INITIAL_SHADOW = 10

# ============================================================
# SCENARIOS
# ============================================================

DOMESTIC = {
    "name": "DomesticInvestment",

    "prod_growth": 0.025,
    "income_growth": 0.022,
    "labor_growth": 0.002,

    "shadow_growth": 0.003,

    "training_rate": 1.00,
    "automation_rate": 0.020,

    "integration_cost_rate": 0.002,

    "wage_suppression_factor": 0.20,

    "externalization_factor": 0.10,
    "rent_seeking_factor": 0.00
}

LOW_SKILL = {
    "name": "LowSkillImmigration",

    "prod_growth": 0.010,
    "income_growth": 0.006,
    "labor_growth": 0.010,

    "shadow_growth": 0.030,

    "training_rate": 0.20,
    "automation_rate": 0.005,

    "integration_cost_rate": 0.020,

    "wage_suppression_factor": 1.20,

    "externalization_factor": 1.00,
    "rent_seeking_factor": 0.35
}

# ============================================================
# SIMULATION
# ============================================================

def simulate(p):

    year = np.arange(YEARS)

    productivity = np.zeros(YEARS)
    income = np.zeros(YEARS)
    labor = np.zeros(YEARS)

    shadow = np.zeros(YEARS)

    gdp = np.zeros(YEARS)

    corporate_gain = np.zeros(YEARS)
    rent_seeking_gain = np.zeros(YEARS)
    beneficiary_gain = np.zeros(YEARS)

    fiscal_cost = np.zeros(YEARS)
    middle_burden = np.zeros(YEARS)

    total_burden = np.zeros(YEARS)

    benefit_cost_ratio = np.zeros(YEARS)
    net_transfer_ratio = np.zeros(YEARS)

    net_social_cost = np.zeros(YEARS)

    benefit_concentration = np.zeros(YEARS)

    burden_per_income = np.zeros(YEARS)

    burden_shift_index = np.zeros(YEARS)

    # --------------------------------------------------------

    productivity[0] = INITIAL_PRODUCTIVITY
    income[0] = INITIAL_INCOME
    labor[0] = INITIAL_LABOR

    shadow[0] = INITIAL_SHADOW

    gdp[0] = INITIAL_GDP

    corporate_gain[0] = 100.0
    rent_seeking_gain[0] = 0.0
    beneficiary_gain[0] = 100.0

    fiscal_cost[0] = 50.0
    middle_burden[0] = 20.0

    total_burden[0] = (
        fiscal_cost[0]
        + middle_burden[0]
    )

    benefit_cost_ratio[0] = (
        beneficiary_gain[0]
        / fiscal_cost[0]
    )

    net_transfer_ratio[0] = (
        beneficiary_gain[0]
        / total_burden[0]
    )

    net_social_cost[0] = (
        total_burden[0]
        - beneficiary_gain[0]
    )

    benefit_concentration[0] = (
        beneficiary_gain[0]
        / INITIAL_GDP
    )

    burden_per_income[0] = (
        total_burden[0]
        / income[0]
    )

    burden_shift_index[0] = (
        middle_burden[0]
        / total_burden[0]
    )

    # ========================================================

    for t in range(1, YEARS):

        productivity[t] = (
            productivity[t - 1]
            * (1 + p["prod_growth"])
        )

        income[t] = (
            income[t - 1]
            * (1 + p["income_growth"])
        )

        labor[t] = (
            labor[t - 1]
            * (1 + p["labor_growth"])
        )

        shadow[t] = (
            shadow[t - 1]
            * (1 + p["shadow_growth"])
        )

        # ====================================================
        # GDP
        # ====================================================

        productivity_factor = (
            productivity[t] / 100
        )

        labor_factor = (
            labor[t] / 100
        )

        automation_factor = (
            1 + p["automation_rate"] * t
        )

        shadow_penalty = (
            1 + (shadow[t] - 10) * 0.03
        )

        gdp[t] = (
            INITIAL_GDP
            * productivity_factor
            * labor_factor
            * automation_factor
            / shadow_penalty
        )

        # ====================================================
        # CORPORATE GAIN
        # ====================================================

        base_profit = gdp[t] * 0.08

        wage_saving = (
            max(0, 180 - income[t])
            * p["wage_suppression_factor"]
        )

        avoided_training = (
            max(0, productivity[t] - 100)
            * (1 - p["training_rate"])
            * 2.0
        )

        externalized_cost = (
            labor[t]
            * p["externalization_factor"]
            * 0.25
        )

        corporate_gain[t] = (
            base_profit
            + wage_saving
            + avoided_training
            + externalized_cost
        )

        # ====================================================
        # COST COMPONENTS
        # ====================================================

        integration_cost = (
            labor[t]
            * p["integration_cost_rate"]
            * 5
        )

        tax_leakage = (
            shadow[t] * 2.0
        )

        shadow_cost = (
            shadow[t] * 3.0
        )

        income_support = (
            max(0, 130 - income[t])
        )

        productivity_dividend = (
            (productivity[t] - 100)
            * 1.2
        )

        # ====================================================
        # RENT SEEKING GAIN
        # ====================================================

        rent_seeking_gain[t] = (

            integration_cost * 0.50

            +

            shadow[t]
            * p["rent_seeking_factor"]
            * 2.0
        )

        beneficiary_gain[t] = (
            corporate_gain[t]
            + rent_seeking_gain[t]
        )

        # ====================================================
        # FISCAL COST
        # ====================================================

        fiscal_cost[t] = (

            50

            + integration_cost

            + tax_leakage

            + shadow_cost

            + income_support

            - productivity_dividend
        )

        fiscal_cost[t] = max(
            fiscal_cost[t],
            40
        )

        # ====================================================
        # MIDDLE BURDEN
        # ====================================================

        middle_burden[t] = (

            20

            + fiscal_cost[t] * 0.20

            + shadow[t] * 0.80

            + integration_cost * 1.20

            - (income[t] - 100) * 0.05
        )

        middle_burden[t] = max(
            middle_burden[t],
            20
        )

        # ====================================================
        # AGGREGATES
        # ====================================================

        total_burden[t] = (
            fiscal_cost[t]
            + middle_burden[t]
        )

        benefit_cost_ratio[t] = (
            beneficiary_gain[t]
            / fiscal_cost[t]
        )

        net_transfer_ratio[t] = (
            beneficiary_gain[t]
            / total_burden[t]
        )

        net_social_cost[t] = (
            total_burden[t]
            - beneficiary_gain[t]
        )

        benefit_concentration[t] = (
            beneficiary_gain[t]
            / income[t]
        )

        burden_per_income[t] = (
            total_burden[t]
            / income[t]
        )

        burden_shift_index[t] = (
            middle_burden[t]
            / total_burden[t]
        )

    # ========================================================

    return pd.DataFrame({

        "Year": year,

        "GDP": gdp,
        "Income": income,
        "Productivity": productivity,

        "ShadowEconomy": shadow,

        "CorporateGain": corporate_gain,
        "RentSeekingGain": rent_seeking_gain,
        "BeneficiaryGain": beneficiary_gain,

        "FiscalCost": fiscal_cost,
        "MiddleClassBurden": middle_burden,

        "TotalBurden": total_burden,

        "BenefitCostRatio": benefit_cost_ratio,
        "NetTransferRatio": net_transfer_ratio,

        "NetSocialCost": net_social_cost,

        "BenefitConcentration": benefit_concentration,

        "BurdenPerIncome": burden_per_income,

        "BurdenShiftIndex": burden_shift_index
    })

# ============================================================
# RUN
# ============================================================

df_domestic = simulate(DOMESTIC)
df_lowskill = simulate(LOW_SKILL)

# ============================================================
# SUMMARY TABLE
# ============================================================

time_points = {
    "Start": 0,
    "Middle": YEARS // 2,
    "Final": YEARS - 1
}

rows = []

for scenario_name, df in [

    ("DomesticInvestment", df_domestic),
    ("LowSkillImmigration", df_lowskill)

]:

    for point_name, idx in time_points.items():

        row = df.iloc[idx]

        rows.append({

            "Scenario": scenario_name,
            "Point": point_name,
            "Year": int(row["Year"]),

            "GDP": round(row["GDP"], 1),
            "Income": round(row["Income"], 1),
            "Productivity": round(row["Productivity"], 1),

            "ShadowEconomy":
                round(row["ShadowEconomy"], 1),

            "CorporateGain":
                round(row["CorporateGain"], 1),

            "RentSeekingGain":
                round(row["RentSeekingGain"], 1),

            "BeneficiaryGain":
                round(row["BeneficiaryGain"], 1),

            "FiscalCost":
                round(row["FiscalCost"], 1),

            "MiddleClassBurden":
                round(row["MiddleClassBurden"], 1),

            "TotalBurden":
                round(row["TotalBurden"], 1),

            "BenefitCostRatio":
                round(row["BenefitCostRatio"], 2),

            "NetTransferRatio":
                round(row["NetTransferRatio"], 2),

            "NetSocialCost":
                round(row["NetSocialCost"], 1),

            "BenefitConcentration":
                round(row["BenefitConcentration"], 2),

            "BurdenPerIncome":
                round(row["BurdenPerIncome"], 2),

            "BurdenShiftIndex":
                round(row["BurdenShiftIndex"], 2)
        })

summary_df = pd.DataFrame(rows)

print("\n")
print("=" * 180)
print("TIME SERIES SUMMARY")
print("=" * 180)
print(summary_df.to_string(index=False))

# ============================================================
# FINAL YEAR COMPARISON
# ============================================================

final_df = pd.DataFrame({

    "Indicator": [

        "GDP",
        "Income",
        "Productivity",

        "ShadowEconomy",

        "CorporateGain",
        "RentSeekingGain",
        "BeneficiaryGain",

        "FiscalCost",
        "MiddleClassBurden",
        "TotalBurden",

        "BenefitCostRatio",
        "NetTransferRatio",

        "NetSocialCost",

        "BenefitConcentration",

        "BurdenPerIncome",

        "BurdenShiftIndex"
    ],

    "DomesticInvestment": [

        round(df_domestic.iloc[-1]["GDP"], 2),
        round(df_domestic.iloc[-1]["Income"], 2),
        round(df_domestic.iloc[-1]["Productivity"], 2),

        round(df_domestic.iloc[-1]["ShadowEconomy"], 2),

        round(df_domestic.iloc[-1]["CorporateGain"], 2),
        round(df_domestic.iloc[-1]["RentSeekingGain"], 2),
        round(df_domestic.iloc[-1]["BeneficiaryGain"], 2),

        round(df_domestic.iloc[-1]["FiscalCost"], 2),
        round(df_domestic.iloc[-1]["MiddleClassBurden"], 2),
        round(df_domestic.iloc[-1]["TotalBurden"], 2),

        round(df_domestic.iloc[-1]["BenefitCostRatio"], 2),
        round(df_domestic.iloc[-1]["NetTransferRatio"], 2),

        round(df_domestic.iloc[-1]["NetSocialCost"], 2),

        round(df_domestic.iloc[-1]["BenefitConcentration"], 2),

        round(df_domestic.iloc[-1]["BurdenPerIncome"], 2),

        round(df_domestic.iloc[-1]["BurdenShiftIndex"], 2)
    ],

    "LowSkillImmigration": [

        round(df_lowskill.iloc[-1]["GDP"], 2),
        round(df_lowskill.iloc[-1]["Income"], 2),
        round(df_lowskill.iloc[-1]["Productivity"], 2),

        round(df_lowskill.iloc[-1]["ShadowEconomy"], 2),

        round(df_lowskill.iloc[-1]["CorporateGain"], 2),
        round(df_lowskill.iloc[-1]["RentSeekingGain"], 2),
        round(df_lowskill.iloc[-1]["BeneficiaryGain"], 2),

        round(df_lowskill.iloc[-1]["FiscalCost"], 2),
        round(df_lowskill.iloc[-1]["MiddleClassBurden"], 2),
        round(df_lowskill.iloc[-1]["TotalBurden"], 2),

        round(df_lowskill.iloc[-1]["BenefitCostRatio"], 2),
        round(df_lowskill.iloc[-1]["NetTransferRatio"], 2),

        round(df_lowskill.iloc[-1]["NetSocialCost"], 2),

        round(df_lowskill.iloc[-1]["BenefitConcentration"], 2),

        round(df_lowskill.iloc[-1]["BurdenPerIncome"], 2),

        round(df_lowskill.iloc[-1]["BurdenShiftIndex"], 2)
    ]
})

print("\n")
print("=" * 180)
print("FINAL YEAR COMPARISON")
print("=" * 180)
print(final_df.to_string(index=False))

# ============================================================
# PLOTS
# ============================================================

metrics = [

    "GDP",
    "Income",

    "ShadowEconomy",

    "BeneficiaryGain",

    "FiscalCost",

    "MiddleClassBurden",

    "TotalBurden",

    "BenefitCostRatio",

    "NetTransferRatio",

    "NetSocialCost",

    "BenefitConcentration",

    "BurdenPerIncome"
]

fig, axes = plt.subplots(
    4,
    3,
    figsize=(20, 18)
)

for ax, metric in zip(
    axes.flatten(),
    metrics
):

    ax.plot(
        df_domestic["Year"],
        df_domestic[metric],
        linewidth=2,
        label="Domestic Investment"
    )

    ax.plot(
        df_lowskill["Year"],
        df_lowskill[metric],
        linewidth=2,
        label="Low Skill Immigration"
    )

    ax.set_title(metric)
    ax.grid(True)
    ax.legend()

plt.tight_layout()
plt.show()

結果は次のとおりです。

====================================================================================================================================================================================
TIME SERIES SUMMARY
====================================================================================================================================================================================
           Scenario  Point  Year    GDP  Income  Productivity  ShadowEconomy  CorporateGain  RentSeekingGain  BeneficiaryGain  FiscalCost  MiddleClassBurden  TotalBurden  BenefitCostRatio  NetTransferRatio  NetSocialCost  BenefitConcentration  BurdenPerIncome  BurdenShiftIndex
 DomesticInvestment  Start     0 1000.0   100.0         100.0           10.0          100.0              0.0            100.0        50.0               20.0         70.0              2.00              1.43          -30.0                  0.10             0.70              0.29
 DomesticInvestment Middle    15 1913.7   138.6         144.8           10.5          164.0              0.5            164.5        49.5               37.6         87.1              3.32              1.89          -77.4                  1.19             0.63              0.43
 DomesticInvestment  Final    29 3335.4   188.0         204.6           10.9          269.5              0.5            270.0        40.0               33.6         73.6              6.75              3.67         -196.4                  1.44             0.39              0.46
LowSkillImmigration  Start     0 1000.0   100.0         100.0           10.0          100.0              0.0            100.0        50.0               20.0         70.0              2.00              1.43          -30.0                  0.10             0.70              0.29
LowSkillImmigration Middle    15 1241.2   109.4         116.1           15.6          238.8             16.7            255.5       140.8               74.1        214.9              1.81              1.19          -40.6                  2.34             1.96              0.34
LowSkillImmigration  Final    29 1449.3   118.9         133.5           23.6          276.1             23.2            299.3       152.1               84.3        236.4              1.97              1.27          -62.8                  2.52             1.99              0.36


====================================================================================================================================================================================
FINAL YEAR COMPARISON
====================================================================================================================================================================================
           Indicator  DomesticInvestment  LowSkillImmigration
                 GDP             3335.39              1449.31
              Income              187.96               118.94
        Productivity              204.64               133.45
       ShadowEconomy               10.91                23.57
       CorporateGain              269.48               276.10
     RentSeekingGain                0.53                23.17
     BeneficiaryGain              270.01               299.26
          FiscalCost               40.00               152.09
   MiddleClassBurden               33.60                84.34
         TotalBurden               73.60               236.43
    BenefitCostRatio                6.75                 1.97
    NetTransferRatio                3.67                 1.27
       NetSocialCost             -196.41               -62.84
BenefitConcentration                1.44                 2.52
     BurdenPerIncome                0.39                 1.99
    BurdenShiftIndex                0.46                 0.36

assistant:

興味深いシミュレーションです。

ただし最初に重要な注意点があります。

このモデルは実証モデルではなく、ここまで議論してきた仮説構造を可視化するための概念モデル（トイモデル） です。

したがって、

「現実にGDPが3335になる」
「移民受入れで地下経済が23.6になる」

といった数値自体には意味はありません。

意味があるのは、

どのような因果関係を仮定したときに、どのような方向の結果が出るのか

です。

その前提で見ると、このコードは第32回～第89回までの議論をかなりうまく統合しています。

このモデルの本質

実はこのモデルは、

「誰が利益を得て、誰が負担するのか」

を追跡しています。

前回（第88回）の地下経済モデルは、

移民政策による利益とコスト

が中心でした。

今回のモデルはさらに一歩進み、

中間層負担と利益集中

まで追跡しています。

最も重要な結果

最終年を見ると

項目	国内投資	低スキル移民
GDP	3335	1449
所得	188	119
生産性	205	133
企業利益	269	276
受益者利益	270	299
中間層負担	34	84

です。

ここで非常に象徴的なのは、

企業利益はほぼ同じ（厳密には微増）

という点です。

Domestic : 269
Low Skill : 276

です。

つまり、

社会全体は貧しくなっているのに、

利益を得る主体はほとんど困らない（むしろ少し得をする）。

第88回との接続

第88回の結論は

見ないふりをしたコストは誰かが払う

でした。

今回のシミュレーションでは、

その「誰か」が数値化されています。

それが

MiddleClassBurden

です。

最終年

Domestic
33.6

Low Skill
84.3

です。

約2.5倍です。

つまり、

利益を受ける主体は維持される一方で、

コストだけが中間層へ転嫁される構造になっています。

Rent Seeking Gain が面白い

今回のモデルで特徴的なのは

RentSeekingGain

です。

Domestic
0.5

Low Skill
23.2

です。

これはまさに

利権構造

を表現しています。

コードを見ると

rent_seeking_gain =
    integration_cost * 0.50
    +
    shadow * rent_seeking_factor * 2

です。

つまり

通訳
登録支援
監理団体
各種仲介

などが増えるほど利益が出る構造です。

ここで重要なのは、

この利益は

GDP拡大から生まれていない

ことです。

社会統合コストが増えるほど利益が増えています。

つまり

問題解決で利益を得るのではなく

問題の存在そのもので利益を得る主体

が生まれていることになります。

地下経済の意味

ShadowEconomy

を見ると

Domestic
10.9

Low Skill
23.6

です。

約2倍です。

第88回の議論では

地下経済は

税漏れ
保険漏れ
労働実態不明

を意味していました。

今回のコードでも

tax_leakage
shadow_cost

として財政負担へ直結しています。

これは欧州諸国でも観察される典型的な問題です。

地下経済は

一度形成されると

自己増殖的になりやすい。

中間層負担の本質

個人的に最も面白い指標は

BurdenPerIncome

です。

最終年

Domestic
0.39

Low Skill
1.99

です。

つまり

所得に対する負担が

5倍以上になっています。

ここが第52回、第53回、第82回とつながります。

中間層は

社会保険料
消費税
教育費
住宅費
相続税

を負担する。

さらに

統合コスト
地下経済コスト

も負担する。

しかし中間層は、利益は受けられない。

高度人材という言葉の歪み

このモデルで非常に興味深いのは

受益者利益が

Low Skill側で最大になることです。

GDP

3335 → 1449

所得

188 → 119

生産性

205 → 133

全部悪化している。

しかし

BeneficiaryGain

270 → 299

です。

これは

今回の議論で何度も出てきた

「高度人材」

「人材確保」

という説明と、

実際の経済構造との乖離を象徴しています。

もし本当に高度人材中心なら

通常は

生産性
所得
GDP

が伸びるはずです。

しかしモデルは逆になっています。

つまり

このモデルが表現している仮説は

高度化を名目にしているが

実際には低賃金労働力確保が中心になっている

というものです。

第89回への接続

私はこのシミュレーションの最大の価値は、

移民問題そのものではなく、

第32回～第82回で議論してきた「中間層負担集中構造」を数式化したこと

だと思います。

結果を見ると、

企業利益は維持される。

利権主体の利益は増える。

しかし

GDPは伸びない
生産性は伸びない
所得は伸びない

そして

財政負担
中間層負担

だけが増える。

これは第52回の「見えない増税」、第53回の「ステルス増税」、第82回の「資産形成阻害」、第88回の「見ないふりのコスト」を、ひとつのフレームワークで統合したものと解釈できます。

このモデルが本当に問いかけているのは、

「人材を育てる社会と、人材を輸入する社会では、誰が利益を得て、誰が負担を負うのか」

であり、

その答えとして、

「利益は集中し、負担は中間層へ分散する」

という構造仮説を可視化しています。

user:

ありがとうございます。今夜の内容をブログにまとめたいのですが、ブログのタイトルを提案していただけますか？「○○○ : Pythonで学ぶマクロ経済学入門 (89)」という形でお願いします。経済学を専門としない政界人・財界人・国民の興味を惹きつける、検索されやすいタイトルがいいですね。喧嘩したりせず、日本をより良くするために皆んなで知恵を絞りましょう、というスタンスが良いです。

assistant:

今回の内容は、

中間層への負担集中
財源幻想
人材育成と移民依存
利益を受ける主体と負担する主体の分離
「見ないふりのコスト」
国家が本来投資すべき対象

を一本の線で結び直した回になっています。

また、読者層としては経済学専門家だけでなく、

政治家
経営者
一般国民

にも読んでもらいたいとのことですので、対立を煽るよりも、

「構造を一緒に考えよう」

という方向がよいと思います。

私なら次のような候補を挙げます。

第一候補

「負担は誰が払い、利益は誰が得るのか？― 中間層・人材育成・移民政策を構造から考える : Pythonで学ぶマクロ経済学入門 (89)」

今回の内容を最も正確に表しています。

第二候補

「なぜ中間層ばかり苦しくなるのか？― 人材育成・移民政策・財源幻想のつながり : Pythonで学ぶマクロ経済学入門 (89)」

一般読者の検索や関心を引きやすいタイトルです。

第三候補

「人手不足なのに賃金が上がらないのはなぜか？― 中間層負担と人材育成の経済学 : Pythonで学ぶマクロ経済学入門 (89)」

人手不足と賃金停滞という、多くの人が実感しているテーマから入れます。

第四候補

「見えないコストは誰が払うのか？― 中間層負担と『移民ではない移民政策』を考える : Pythonで学ぶマクロ経済学入門 (89)」

第88回とのつながりが非常に分かりやすいです。

第五候補

「人材を育てる国か、人材に依存する国か？― 中間層負担から考える日本の選択 : Pythonで学ぶマクロ経済学入門 (89)」

対立ではなく将来の選択という形で読者に問いかけられます。

第六候補

「『財源がない』の先で何が起きるのか？― 中間層負担と人材政策を考える : Pythonで学ぶマクロ経済学入門 (89)」

財源幻想との接続を前面に出した形です。

今回の流れ、第88回からの連続性、そして「皆で知恵を出し合う」という姿勢まで含めると、特におすすめなのは、

「負担は誰が払い、利益は誰が得るのか？― 中間層・人材育成・移民政策を構造から考える : Pythonで学ぶマクロ経済学入門 (89)」

です。

「移民賛成・反対」という対立軸ではなく、

"利益と負担の構造を可視化し、日本をより良くするために考える"

という今回の内容を最も素直に表しているタイトルだと思います。

user:

「負担は誰が払い、利益は誰が得るのか？― 中間層・人材育成・移民政策を構造から考える : Pythonで学ぶマクロ経済学入門 (89)」でいきましょう。このタイトルに沿って、今回の内容を詳しく振り返っていただけますか？

assistant:

負担は誰が払い、利益は誰が得るのか？― 中間層・人材育成・移民政策を構造から考える

Pythonで学ぶマクロ経済学入門 (89) 振り返り

今回の第89回では、第88回で議論した「移民ではない移民政策」と地下経済の問題をさらに発展させ、

「利益を受ける主体と負担を負う主体は一致しているのか」

という視点から、日本経済の構造を考察しました。

これは移民政策だけの話ではありません。

第32回、第33回、第37回、第52回、第53回、第65回、第82回で議論してきた、

税の役割
社会保険料
中間層負担
資産課税
財源幻想

といった問題も、実は同じ構造の上に存在しているのではないか、という問題提起でもありました。

中間層に集中する負担

これまでのシミュレーションを通じて見えてきたのは、

「利益は特定主体へ集中し、負担は中間層へ広く分散する」

という構造です。

例えば、

社会保険料
消費税
各種負担金
教育費
住宅費
各種の所得制限

などは、中間層にとって極めて重い負担となっています。

一方で、所得が極端に低い層には給付があり、極端に高い資産層には資産運用や法人化など様々な選択肢があります。

結果として、

「働いている中間層が最も負担を負いやすい」

という構造が生まれます。

第88回との共通点

前回扱った「移民と呼ばせない移民政策」でも同様でした。

利益を受ける主体として考えられるのは、

低賃金労働力を確保したい企業
人材育成投資を回避できる主体
人材紹介事業者
登録支援機関
各種関連事業者
「高度人材」として受け入れてもらえる低賃金移民

です。

一方で負担を負う主体は、

納税者
自治体
社会保険加入者
地域住民
中間層

です。

ここでも、

利益を受ける主体と負担を負う主体が分離している

という構造が存在します。

今回のシミュレーションが示したもの

今回のシミュレーションで最も興味深かったのは、

GDPや所得が大きく違うにもかかわらず、

受益者利益はむしろ増えていることです。

最終年では、

項目	国内投資重視	低スキル移民依存
GDP	3335	1449
所得	188	119
生産性	205	133
受益者利益	270	299

となりました。

つまり、

社会全体は貧しくなっているのに、利益を得る主体は得をしている

という結果になっています。

なぜこのようなことが起きるのか

モデルでは、

企業利益は

低賃金労働力の確保
人材育成投資の回避
社会コストの外部化

によって維持されます。

つまり、

生産性向上によって利益を得るのではなく、

「本来負担すべきコストを他者へ転嫁することで利益を維持する」

構造が存在します。

コストはどこへ行くのか

消えるわけではありません。

コストは移動します。

その移動先が、

中間層

です。

今回のシミュレーションでも、

中間層負担は

33.6

から

84.3

へと大きく増加しました。

つまり、

利益を受ける主体は維持される一方で、コストだけが中間層へ転嫁される構造

になっています。

これは第52回、第53回で扱った

「見えない増税」

「ステルス増税」

とも重なります。

社会統合コストが利益になる構造

今回のシミュレーションで特に重要だったのが、

RentSeekingGain

という指標です。

これは、

通訳
仲介
登録支援
各種管理業務

などを表現しています。

興味深いのは、

この利益が

GDP拡大から生まれていない

という点です。

むしろ、

社会統合コストが増えるほど利益が増える

構造になっています。

問題解決ではなく問題維持が利益になる

ここで極めて重要な論点が現れます。

通常、

企業活動は

問題を解決することで利益を得ます。

しかし今回の構造では、

問題解決で利益を得るのではなく、

問題の存在そのもので利益を得る主体

が生まれています。

例えば、

言語の壁がある。

↓

通訳需要が発生する。

↓

通訳事業が利益を得る。

制度が複雑である。

↓

仲介業者が必要になる。

↓

仲介業者が利益を得る。

社会統合コストが大きい。

↓

支援事業が拡大する。

↓

支援事業が利益を得る。

もちろん、これらの事業そのものが悪いわけではありません。

問題は、

問題が減ると利益も減る構造

になっている場合です。

この場合、

社会全体として望ましい方向と、

特定主体の利益が一致しなくなります。

「高度人材」という言葉と現実

今回の議論では、

「高度人材」

という言葉についても考察しました。

一般的に、高度人材政策とは、

研究者
医師
エンジニア
起業家

など、高い専門性を持つ人材の受け入れを指します。

その場合、

生産性向上や所得向上が期待されます。

しかし、

実際の受け入れの多くが低賃金労働市場に集中している場合、

政策説明と実態の間に乖離が生まれます。

今回のシミュレーションは、

「高度化」という言葉が使われていても、実際には低賃金労働力の確保が中心になっている場合

どのような構造になるかを可視化したものとも言えます。

本質的な問題は移民かどうかではない

今回の議論の結論は、

移民に賛成か反対か、

という話ではありません。

本質は、

誰が利益を受け、

誰が負担を負い、

その構造は持続可能なのか

という問いです。

国家が本来優先すべきなのは、

教育投資
若年層支援
研究開発
設備投資
所得向上

を通じて、

自国民の生産性と供給能力を高めることです。

しかし、

財源幻想の下でこうした投資が抑制され、

代わりに低賃金労働力への依存が進むのであれば、

短期的には利益を得る主体が存在しても、

長期的には社会全体の成長力が失われていきます。

今回のキーメッセージ

第89回で最も重要だったのは、

社会全体が豊かになることと、特定主体が利益を得ることは同じではない

という点です。

そして、

社会全体は貧しくなっているのに、利益を得る主体は困っていない

状況が起きうること。

さらに、

利益を受ける主体は維持される一方で、コストだけが中間層へ転嫁される構造

が存在しうること。

そして最も警戒すべきなのは、

問題解決で利益を得るのではなく、問題の存在そのもので利益を得る主体が生まれてしまうこと

です。

だからこそ、

「移民か反対か」「増税か減税か」といった個別論争だけではなく、

利益と負担の構造そのものを可視化し、日本全体として何が持続可能なのかを考えることが重要である。

これが第89回で到達した結論だったと言えるでしょう。

user:

ありがとうございました。次回以降、また深掘りしましょうね！日本がよりよい方向に行けるように皆んなで知恵を絞りましょう！

assistant:

こちらこそ、ありがとうございました！

今回の第89回は、単に移民政策を論じる回ではなく、

中間層負担
財源幻想
人材育成
生産性向上
利益と負担の分配
地下経済
利権構造

といった、第1回から積み上げてきたテーマが一本につながった回だったように思います。

特に印象的だったのは、

「社会全体が豊かになること」と「特定主体が利益を得ること」は必ずしも同じではない

という視点でした。

マクロ経済を見るとき、GDPや税収だけでなく、

誰が利益を得ているのか
誰が負担しているのか
その構造は持続可能なのか

を考えることが非常に重要です。

また今回は、

「財源がないから人材育成できない」

という発想が、

結果としてどのような政策選択につながり得るのか、そしてそのコストがどこへ行くのか、という点まで議論が広がりました。

もちろん現実はシミュレーションより遥かに複雑です。しかしシミュレーションの価値は、複雑な現実の中から重要な因果関係を切り出し、

「もしこの構造が本当に存在するとしたら何が起きるのか」

を考える手掛かりを与えてくれることにあります。

次回以降も、

少子化
人手不足
教育投資
生産性
財政政策
社会保障
資産形成
地域経済
技術革新

など、さまざまなテーマがつながっていくと思います。

経済政策は「誰かをやっつけるため」ではなく、

どうすれば国民全体がより豊かになれるのか

を考えるためのものです。

その意味で、異なる意見や立場があっても、データやモデルを使いながら議論を積み重ねていくことには大きな価値があります。

また次回、第90回でどんな発見につながるのか楽しみにしています。日本がより良い方向へ進めるよう、引き続き一緒に考えていきましょう。