Queria
0Fork

有効求人倍率の都道府県データで拠点ごとの採用難易度を読む

複数の拠点で人を採用する企業にとって、「その地域でそもそも採用できるのか」は出店や拠点新設の判断を左右します。同じ求人を出しても、応募が集まりやすい地域と、何ヶ月かけても充足しない地域があります。この採用環境の地域差を測る基本指標が有効求人倍率です。ハローワークに登録された求職者1人あたり何件の求人があるかを表し、1を超えると求人が求職者を上回る「人手不足(売り手市場)」を意味します。

この記事では、厚生労働省の一般職業紹介状況(職業安定業務統計)をもとにした e-Stat 社会・人口統計体系の都道府県別労働データ(f_pref_labor)を使い、有効求人倍率の地域差と推移を読み解きます。労働の指標は同じテーブルに数百種類が収録されており、ここでは有効求人倍率(F310301)を使います。値はパートタイムを含む年度平均で、収録は2015年度から2024年度までの10年分です。

この倍率は、求人を受け付けたハローワークの所在地で集計されています(受理地別)。本社が全国の勤務地の求人をまとめて出すと、その求人は本社のある県に数えられます。厚生労働省は求人票の就業地で集計した値も同じ統計から公表しており、勤務地ベースで見るとランキングの顔ぶれは変わります。この記事の数字はすべて受理地別です。

全国の有効求人倍率の推移

まず、拠点戦略の前提として、全国の採用環境がどう動いてきたかを確認します。

全国の有効求人倍率は2015年度の1.23倍から上昇し、2018年度に収録期間中の最高となる1.62倍に達しました。2019年度には1.55倍とすでに下がり始めており、翌2020年度に1.10倍まで落ちます。回復局面に入って2022年度に1.31倍まで戻したものの、以降は1.29倍、1.25倍と緩やかに低下しています。点線で示した1.0倍を全期間で上回っており、全国で見れば一貫して求人が求職者を上回る状態が続いています。ただし全国値はあくまで平均であり、採用の現場で効くのは地域ごとの水準です。

都道府県別の有効求人倍率(2024年度)

2024年度の有効求人倍率を全47都道府県で比較します。上位10・中間・下位10を色分けして示します。

最も高いのは東京都の1.76倍、次いで福井県の1.73倍です。上位10には石川県(1.53倍)・岐阜県(1.52倍)・新潟県(1.46倍)が入り、香川県(1.46倍)・山口県(1.45倍)・岡山県(1.44倍)・広島県(1.43倍)・島根県(1.42倍)と中国四国の県が続きます。北陸で残る富山県は1.39倍で11位と、上位10のすぐ外側です。一方で下位は神奈川県(0.91倍)・沖縄県(0.98倍)・千葉県(0.99倍)・北海道(0.99倍)で、兵庫県(1.00倍)・滋賀県(1.01倍)・埼玉県(1.04倍)も1倍近辺に並びます。最上位の東京都と最下位の神奈川県では約1.9倍の開きがあります。ただし東京都の高さは、全国の勤務地の求人が本社のある東京都で受理される分を含んでいる点に注意が必要です。

地図で見る採用難易度の地域パターン

ランキングを地図に重ねると、倍率が高い地域の分布が見えてきます。

最も濃いのは東京都ですが、面積が小さく地図では目立ちません。広く濃く塗られるのは北陸の福井県・石川県・新潟県と岐阜県、中国地方の山口県・岡山県・広島県・島根県、そして香川県です。薄いのは下位10県で、首都圏の周辺県(神奈川県・千葉県・埼玉県)、北海道・沖縄県・青森県・高知県、近畿の兵庫県・滋賀県、東海の静岡県です。地図の上では薄い県はどれも同じ「採用しやすそうな地域」に見えますが、成り立ちは異なります。

1倍前後の県は2種類ある

同じ統計には、その県のハローワークで職を得た人が何件で、うち何件が他県での就職だったかも収録されています。就職件数(F3105)に対する他県への就職件数(F310603)の割合を出すと、県境をまたぐ就職がどれくらいあるかが分かります。2024年度の全国の値は次のとおりです。

全国では就職の13.1%が他県での就職です。下位10県について同じ割合を出し、この全国平均の上下で色分けします。

倍率が1倍前後で並ぶ10県は、この割合できれいに分かれます。埼玉県は32.9%、千葉県は32.0%、神奈川県は29.7%と、ハローワーク経由の就職の3割が他県での就職です。兵庫県18.8%・滋賀県17.7%も全国平均を上回ります。これに対し北海道4.9%・沖縄県7.1%・青森県8.0%・高知県8.1%・静岡県10.6%は、いずれも全国平均を下回ります。最も低い北海道は全国平均の4割に届きません。

つまり首都圏の周辺県と近畿の周辺県では、求職者の相当数が県外で職を得ています。その県の求人倍率が低いのは、県内に働き口が足りないというより、求人が隣県で受理され、就職も隣県で起きているためです。ここに拠点を置く企業が向き合う競争相手は、県内の求人ではなく都心の求人になります。一方の北海道や沖縄県では就職はほぼ県内で完結しており、1倍を割る値はその県の中の需給がそのまま緩いことを表します。同じ0.9〜1.0倍でも、採用計画に与える意味は逆です。

なお、就職件数と他県への就職件数はパートタイムと新規学卒者を除く一般の値で、パートタイムを含む有効求人倍率とは対象範囲が違います。割合の水準そのものではなく、県ごとの大小の比較として読んでください。

地域差は一時的か、構造的か

年度によって順位が入れ替わるなら拠点戦略には使いにくいですが、地域差が安定しているなら判断材料になります。対照的な4都県の推移を比較します。

4都県とも収録期間中のピークは2018年度です。底の年は分かれ、福井県は2020年度の1.57倍、沖縄県は2020年度の0.72倍、東京都は2021年度の1.22倍、神奈川県は2020年度と2021年度に並んだ0.80倍が最低でした。ピークから底までの下げ幅は東京都0.91ポイント、福井県0.53ポイント、沖縄県0.46ポイント、神奈川県0.40ポイントで、東京都だけが突出して大きく振れています。福井県は最も落ちた年でも1.5倍を割らず、神奈川県と沖縄県はコロナ下で1.0倍を大きく下回りました。

順位の入れ替わりは限られています。各年度の47都道府県の順位を2024年度の順位と突き合わせた相関は次のとおりです。

9年前の2015年度でも0.74、直近の2023年度では0.97です。景気で水準は上下しますが、どの県が相対的に採用しにくいかという序列は年度をまたいで安定しています。

賃金水準とは連動しない採用難易度

採用が難しい地域は賃金も高い、と考えがちですが、データはそうした関係を示しません。横軸に2024年度の有効求人倍率、縦軸に賃金構造基本統計調査による2024年の所定内給与額(男性一般労働者、F620217)を取り、47都道府県を散布図にしました。倍率は年度平均、給与は2024年6月の1か月分で、時点の取り方が異なる指標を同じ図に置いています。点線は47都道府県の中央値(有効求人倍率1.26倍、所定内給与額326.0千円)です。

有効求人倍率と所定内給与額の相関係数は0.09で、両者にはほとんど関係がありません。右下の領域には福井県(1.73倍・317.0千円)や岐阜県(1.52倍・321.1千円)など、採用は難しいのに賃金は中央値以下という県が並びます。逆に左上には神奈川県(0.91倍・387.9千円)や千葉県(0.99倍・352.4千円)など、賃金は高いが求人倍率は低い県が位置します。この2県は他県への就職が3割の県でもあるので、賃金の高さは都心の相場を映していると読むのが自然です。東京都(1.76倍・440.8千円)だけは右上に離れています。採用のしやすさと人件費の高さは別の軸であり、拠点ごとに分けて評価する必要があります。

拠点戦略への活かし方

  • 候補地の倍率を見る前に、他県への就職の割合を確認する: 3割に届く埼玉県・千葉県・神奈川県では、県内の倍率はその県で働く求人の需給を表していない
  • 人件費と採用難易度を分けて評価する: 賃金が低い地域でも採用が難しい場合があり、両者を別々に見て出店地を比較する
  • 勤務地ベースで見たいときは就業地別の値を当たる: 本記事で使ったのは受理地別で、厚生労働省は同じ統計から就業地別の都道府県別倍率も公表している

データの出典

本記事は e-Stat 社会・人口統計体系 の都道府県別労働データ(f_pref_labor)を2026年8月22日時点で集計しています。有効求人倍率・就職件数・他県への就職件数の出どころは厚生労働省の一般職業紹介状況(職業安定業務統計)で、いずれも年度の値です。散布図の所定内給与額は賃金構造基本統計調査による2024年6月分の値で、男性一般労働者を対象としています。各指標の定義は e-Stat の項目定義 F 労働によります。

採用環境の地域差が一時的なのか構造的なのか、低い倍率が需給の緩みなのか県境をまたぐ通勤の裏返しなのかは、単年・単一地域の数字では見分けられません。同じテーブルの複数の指標を、10年分と47都道府県で並べて初めて分かります。こうした分析の土台になるデータを、Queriaは整えた形で公開しています。e-Statをはじめとする官公庁のオープンデータについて、列名・単位・文字コードを揃え、テーブルやカラムの意味をメタデータとして添えてあります。データを集めて加工する手間をかけずに、本記事で使った都道府県別の労働統計テーブルから、自社の拠点候補地の倍率・他県就職の割合・賃金水準を確かめられます。統計の整備に時間を取られず、どこで・どう採用するかという判断そのものに集中できます。

Dig deeper with an AI agent

Connect Queria to Claude or ChatGPT, or use Claude Code or Codex, and paste the prompt below. It also works from your phone or browser.

For example, you could explore “就職件数(F3105)に占める他県への就職件数(F310603)の割合を47都道府県すべてで出して、有効求人倍率(F310301)の順位と並べて比べて”.

Using Queria's open data, analyze the following: 就職件数(F3105)に占める他県への就職件数(F310603)の割合を47都道府県すべてで出して、有効求人倍率(F310301)の順位と並べて比べて
Reference (this report): https://queria.io/showcase/job-opening-ratio-gap.md
Connect with the Queria connector (https://queria.io/mcp) or the Queria CLI (uvx queria). Run uvx queria --help and uvx queria docs list to learn the CLI.
Start in a terminal (CLI)
claude "Using Queria's open data, analyze the following: 就職件数(F3105)に占める他県への就職件数(F310603)の割合を47都道府県すべてで出して、有効求人倍率(F310301)の順位と並べて比べて
Reference (this report): https://queria.io/showcase/job-opening-ratio-gap.md
Connect with the Queria connector (https://queria.io/mcp) or the Queria CLI (uvx queria). Run uvx queria --help and uvx queria docs list to learn the CLI."