定义与适用范围

本页集中说明报告中用到的概念和数字“怎么算（定义）”以及“包括到哪里（适用范围）”。每个条目分为“定义”“范围内”“范围外（处理方式）”“对解读的影响”四部分。新增概念或改变口径时，先改本页，再更新分析。

具体计算步骤见“方法与数据说明”，全部来源见“引用附录”。

条目一览

• 毕业年度与grad_year
• 就职率
  • 就业率（以求职者为分母）
  • 就业率（以毕业生为分母）
  • 内定率
• 本科生与研究生
• 学部级与学科级数据
• 行业分类与映射
• 行业占比的分母
• 专业领域：兽医学
• 主要就职企业名单
• 未公开人数的就职企业
• 企业招聘人数
• 岗位名称与配属决定时机
• 起薪（初任給）
• 推算年收入
• 由就职企业推算的行业构成
• 资格职业的年收入
• 入社第3年与第5年
• 职级与职业阶梯
• 3年内离职率
• 专业对口度
• 企业侧验证
• 分性别数据的范围
• 分性别年收入推算
• 女性管理职比例
• 男女工资差异
• 男性育儿假休假率
• 职种别工资
• 担任职务者比例（晋升指标）
• 有价证券报告书的平均年薪
• 企业公布的模型年收入
• 待遇排名的编制方法
• 数值标签
• 数据不足
• 付费刊物与口碑网站的使用范围
• 本期不覆盖的范围

毕业年度与grad_year

• 定义：明治大学资料中的「N年度」（日本学年，4月开始）包含N年9月毕业和N+1年3月毕业两批（例如「2025年度（2025年9月・2026年3月）卒業者」）[S1600]。本报告把它记为 grad_year＝N+1，并写成“N+1年3月毕业”。例如「2025年度」即2026年3月毕业（grad_year 2026）[S1000][S1604]。企业所说的「25卒」指2025年3月毕业、2025年4月入职，对应 grad_year 2025。
• 范围内：分析和推算使用最新的2026年3月毕业（2025年度）；2025年3月毕业（2024年度）和2024年3月毕业（2023年度）只作趋势参考[S1005][S1009]。9月毕业生与同一年度的3月毕业生合并计算，例如农学部2024年度毕业生573人＝3月毕业561人＋9月毕业12人[S1602][S1607]。全国统计的「令和7年度调查」对应令和8年（2026年）3月毕业[S0011]。公务员考试按“2025年度考试合格者＝2026年4月录用（26卒）”对应[S3000]。
• 范围外（处理方式）：学校没有单独公布9月毕业生的就业数据，因此不单独处理。2024年3月以前毕业的数据不使用。
• 对解读的影响：把「2025年度」读成2025年3月毕业，会错开一年。另外，2024年度学科别就职率PDF上印的是“2024年5月1日現在”；本报告按年度判断，将其作为2025年3月毕业的数据（可能是印刷错误）[S1004]。

就职率

本报告按分母的不同，把各大学公布的就职率分成三种记录。网站和报告中分别显示为“就业率（以求职者为分母）”“就业率（以毕业生为分母）”“内定率”，不会在同一张表、同一张图或同一句话里混用比较。同一学部的数值也会因定义不同而相差很大。例如日本大学体育科学部同时公布了「就職希望者に対する就職率 100.00%」和「卒業者に対する就職率 86.40%」[S5018]。“就业率（以毕业生为分母）”有两种分母，因此在数值旁标注“分母：毕业生−升学者”或“分母：全体毕业生”加以区分。

就业率（以求职者为分母）

• 定义：就职者÷就职希望者（就职者＋仍在求职的人）。明治大学的公布值采用这一定义。「就職率」是“就職希望者”（希望就业的人）中“就職者”（已就业者）所占的比例，即调查时点的就职者数÷就职希望者数。“就職者”采用文部科学省「学校基本調査」的定义，是“无固定期限雇用者”“自营业”“继续或回到原职”“有固定期限雇用者中合同期一年以上且全职者”的合计；“就職希望者”是“就職者”与“仍在求职中”的合计。2026年3月毕业的调查时点为2026年5月1日[S1000]。前两年的资料也有相同注记[S1004][S1008]。
• 范围内：明治大学按学科（单学科的学部也按学部）原样显示公布的就职率[S1000]。日本大学各学部自行公布的「就職希望者に対する就職率」（国际关系学部[S5016]、生物资源科学部[S6324]、艺术学部[S6321]、体育科学部[S5018]等）也归入此类。生产工学部的就职率在资料中没有写明定义，但与用就职人数和就职希望人数计算的结果一致，因此归入此类[S5993]。文理学部全学部的数值（「今春卒業者の就職率」）也没有写明分子分母，作为学部公布值归入此类[S5330]。全国数据来自文部科学省・厚生劳动省「大学等卒業者の就職状況調査」中大学（本科）的就职率，是4月1日时点的抽样调查，对象为包括国立21所、公立3所、私立38所大学在内的112所学校、6,250人[S0011]。
• 范围外（处理方式）：读研者和不打算就业的人不进入分母。明治大学只公布学科别就职率[S1000]，本报告也不自行计算多学科学部或全校的就职率。
• 对解读的影响：分母是“希望就业者”而不是全体毕业生，所以数值接近100%。例如法学部2026年3月毕业生852人中，就业721人（约85%），读研55人[S1001]；而公布的就职率是98.1%[S1000]。看整体去向时，请把毕业人数、就业人数、升学人数放在一起看。由于有“去向不明”等人，就业、升学等人数相加并不等于毕业人数[S1202]。明治的数字（5月1日、全数）与全国数字（4月1日、抽样）时点和方法都不同，不能严格比较。日本大学文理学部全学部的数值没有写明定义[S5330]，与其他以求职者为分母的数值不能严格比较。

就业率（以毕业生为分母）

• 定义：以毕业生为基础的分母计算的就业率，分母有以下两种。
  • 毕业生−升学者（标注“分母：毕业生−升学者”）：日本大学全校统一公布的就职率（依据文部科学省「学校基本調査」）为“（就职者＋升学者中已就业者）÷（毕业生−研究生院等升学者−进入外国学校者＋升学者中已就业者）”[S5000][S5663]。明治大学的分性别数值是用大学门户的分性别人数按“就职者÷（毕业生−升学者−进入专修学校・外国学校等者）”计算的（例：理工学部男性370÷（813−403−1）＝90.5%）[S9001]。
  • 全体毕业生（标注“分母：全体毕业生”）：医学部、齿学部、松户齿学部、药学部的数值是用公布的毕业人数和就职人数计算的“就职者÷毕业生”[S6654][S6656][S6657][S6660]。医学部、齿学部、松户齿学部的就职者只包括临床研修医（含预定者）[S6656][S6658]。芝浦工业大学的分性别数值也是用大学门户的分性别人数计算的“就职者÷毕业生”（例：工学部男性45.4%）[S9141]。
• 范围内：日本大学按学科的就职率（全校统一公式，2024–2026年3月毕业）[S5000][S5334][S5663][S6323]，以及医、齿、松户齿、药学部的学部数值[S6654][S6656][S6657][S6658][S6660]。分性别方面，为明治大学（毕业生−升学者）[S9001]、芝浦工业大学（全体毕业生）[S9141]、日本大学医・齿・松户齿学部（全体毕业生）[S9294][S9295][S9296]2026年3月毕业的数值。
• 范围外（处理方式）：不与以求职者为分母的数值或内定率放在同一张表或图中。全校统一公式的分母扣除了研究生院等升学者，而医、齿、药学部的数值以全部毕业生为分母。日本大学全校的就职率没有记录，因为大学门户（大学ポートレート）的数字混有研究生毕业生。
• 对解读的影响：不打算就业的人和去向未定的人也在分母里，所以数值低于以求职者为分母的就业率。全校统一公式的资料也注明“与学部主页等的『就職者／就職希望者』数值不同”[S5334]。医、齿学部的数值是进入临床研修的人的比例，国家考试未通过的人等不计入就职者。例如医学部2026年3月毕业生为临床研修医100人÷毕业生119人＝84.0%[S6658]。以“全体毕业生”为分母的数值，读研的人越多就越低。芝浦工业大学一半毕业生读研[S2000]，其分性别“全体毕业生”数值（工学部男性45.4%[S9141]）不能与明治大学“毕业生−升学者”的数值（理工学部男性90.5%[S9001]）比较。

内定率

• 定义：芝浦工业大学公布的「就職内定率」，即就职者÷（就职者＋就职未定者）[S2500]。读研者以及留学、研究生（旁听）、升学准备、专门学校、未报告等“其他”不进入分母[S2500]。
• 范围内：芝浦工业大学按学科以及学部、全校（本科生）的数值，2024–2026年3月毕业[S2000][S2001][S2002][S2500][S2501][S2502]。
• 范围外（处理方式）：先进国际课程2026年3月毕业的分母为0，未记录[S2000]。包含研究生的全校就职内定率不是本科生的数值，未使用[S2000]。不与另外两种就业率放在同一张表或图中。
• 对解读的影响：分母是“就职者＋未定者”，所以接近100%（全校2026年3月毕业为99.8%）[S2000]。用就职者除以“就职者＋尚未确定者”，思路与以求职者为分母相同，但资料没有写明调查时点，而且从分母中剔除的“其他”包括留学、升学准备、未报告等，对象的界定由各校自定[S2000]。因此作为与以求职者为分母不同的指标处理，不并排比较。芝浦工业大学有50.0%的毕业生升入研究生院[S2000]，只看内定率无法了解本科毕业生的整体去向，请结合读研率一起看。

本科生与研究生

• 定义：本报告中的就职企业人数、行业构成、推算年收入，原则上以本科毕业生（学士）为对象。例外是无法分开研究生的以下3种数据，按原样使用并加以标注：芝浦工业大学前30家企业（全校，本科生＋研究生）及由此推算的行业构成和年收入[S2000]，日本大学全校的行业构成（含研究生毕业者）[S5002]，日本大学工学部按学科的行业构成（本科与研究生混在）[S5997]。理科3个学部（理工、农、综合数理）的“主要就职企业”表包含研究生，研究生人数是“内数”（已含在合计中）[S1406][S1606]。因此每家企业的人数按“合计−研究生（硕士）−研究生（博士）”换算为本科生人数[S1406][S1606]。文科学部的“主要就职企业30家”与研究科（研究生院）的表分开公布，直接使用学部人数[S1003]。
• 范围内：本科毕业生的就业人数、按行业人数、主要就职企业人数。读研人数和读研率（升学者÷毕业生）作为本科生去向的一种显示。例如理工学部2026年3月毕业生980人中，就业443人，升学495人[S1402]。
• 范围外（处理方式）：不单独处理研究生毕业后的就业和收入。换算后本科生为0人的企业从名单中删除[S1606]。全校“主要就职企业50家”（含研究科）[S1003]只在企业侧验证页作为参考列显示，不参与计算。
• 对解读的影响：理科约一半的人读研[S1402]，所以本科就业只是理科毕业生去向的一部分。有些岗位以研究生学历为报名条件（例如花王研究职面向硕士、博士毕业预定者等[S0716]），这类路径在本报告的数字中体现不出来。另外，理科名单的排序是按含研究生的“合计”决定的，与只算本科生的排序不一致。

学部级与学科级数据

• 定义：“学部级”指整个学部（相当于学院）的数字，“学科级”指各学科（相当于专业/系）的数字。每个学科都标明是使用学科本身的数字，还是用学部数字代替。
• 范围内：以学科为单位公布的有：所有学科的就职率[S1000]；文科学科的行业构成（整数百分比的条形图）[S1203]；理科3个学部按学科的毕业人数、就业人数、按行业人数、升学人数[S1402][S1605]；理科学科的“主要就职企业20家”[S1406][S1606]。
• 范围外（处理方式）：法学部（法律学科）和商学部（商学科）是一个学部只有一个学科，直接使用学部数字，学科卡片上显示“未公开学科数据（显示学部层级数据）”。文科的主要就职企业只按学部公布，因此没有文科各学科的就职企业名单[S1003]；文科学科的毕业人数、就业人数也未公布。文学部等学科内部还分“専攻”（方向）时，学校的公布只到学科一级[S1203]，没有按专攻的数字。不会把学部数字拆分到学科。
• 对解读的影响：学科卡片显示学部数字时，看不出学科之间的差别。文科学科的行业构成是整数百分比，2%以下等较小的类别有的没有转录[S1206]，合计不到100%。推算年收入和专业对口度计算时，会按显示出来的类别合计重新归一，相当于把被省略的部分按比例分给了其他类别。

行业分类与映射

• 定义：把学校公布的行业（日本标准产业分类的大类）换成本报告的行业代码[S1001][S1402][S1605]。

• 范围内：原始行业名称和人数保留在每一行数据中。像日本大学那样公布到制造业中分类时，把中分类归入本报告的制造业细分类。「鉄鋼業，非鉄金属・金属製品製造業」作为材料产业归入“化学与材料”（例如文理学部[S5332]、理工学部[S5663]）。
• 范围外（处理方式）：明治大学没有公布制造业和金融业的细分，所以明治大学各学部・学科的电机、汽车、化学、医药、食品等制造业细分，以及银行、证券、保险的比例都是数据不足（日本大学的制造业中分类按上面“范围内”使用）；批发和零售也分不开。本报告的“媒体广告”代码在学校的行业分类中没有对应，未使用。“电力燃气热力水务”中只包含电力・燃气・热力・水务业，铁路公司包含在运输业・邮政业（本报告的“运输物流”）里。“学术研究与专业技术服务”按日本标准产业分类大类的范围，除咨询公司外，还包括研究机构、律师・会计师事务所（含监查法人）、设计等专业服务。
• 对解读的影响：“批发零售（含商社）”的比例中包含零售业。工资统计中“卸売業，小売業”也是一个类别，所以推算年收入用同一个值[S0001]；应届毕业生起薪的统计同样是一个类别[S0003]。但3年内离职率批发业30.0%、零售业40.4%差别很大[S0004]，合并类别的离职率要按区间理解。“大背景”页面的图表和矩阵中，由于厚生劳动省的离职率表把批发业和零售业分开[S0004]，“批发零售（含商社）”一行的应届招聘规模和3年内离职率只是批发业的数值，并注明“仅批发业”（离职率图表中显示为“批发业”）；“零售”一行的起薪和推算年收入是批发零售合计值，并注明“批发零售合计值”（起薪图表中因数值重复而省略）[S0001][S0003]。由于制造业没有细分，专业对口度有时会把整个制造业算作相关行业（见后文“上位行业规则”），理科的数值可能偏高。

行业占比的分母

• 定义：行业占比（%）原则上是占就业者的比例（例：明治大学[S1001]、日本大学法学部[S5010]）。资料的分母不同时，按公布的比例原样记录，并在图表标题中注明分母。
• 范围内：分母不是就业者的有以下3种。
  • 日本大学生产工学部（学部・学科）：以全体毕业生（含升学・其他）为分母[S5991]。各行业比例相加只有七到九成左右。标题显示“分母＝全体毕业生（含升学・其他）”。
  • 日本大学工学部（学科）：以“就业者＋读研者等”为分母，本科毕业生与研究生毕业者混在一起（不公布只含本科的明细）[S5997]。标题显示“分母＝就业者＋读研者等（本科与研究生合计）”。
  • 日本大学全校：就业者中包含研究生毕业者[S5002]。标题显示“就业者含研究生毕业者”。
• 范围外（处理方式）：不把公布的比例换算成以就业者为分母后再显示。
• 对解读的影响：分母不同的比例不能与占就业者的比例直接比较。例如生产工学部建筑工学科的建设业53.62%是占全体毕业生的比例[S5991]，换算成占就业者的比例（用各行业比例合计72%相除的概算）约为七成半。推算年收入和专业对口度用显示类别的合计重新相除后计算，因此不受这一分母差异影响。

专业领域：兽医学

• 定义：可取得兽医师国家考试报考资格的6年制兽医学课程（日本大学生物资源科学部兽医学科）的专业领域。
• 范围内：记录了兽医学科的毕业人数、就职人数、升学人数和就业率[S6324]，以及兽医师国家考试（应届）合格率[S6326]。推算年收入使用资格职业的年收入中兽医师的数值。
• 范围外（处理方式）：第3期调查时曾归入“生命科学”，但兽医学直接对应兽医师这一资格职业，去向也与其他生命科学类学科不同，因此单独设为一个领域。专业对口度的对照表中还没有兽医学的行，所以对口度为“数据不足”。兽医学科没有公布按行业的就业情况。
• 对解读的影响：并非所有毕业生都会在动物医院等处作为兽医师工作。例如JA全农把兽医课程的学生作为综合职招聘[S7630][S7632]。推算年收入是受雇兽医师的工资，不一定适用于全部毕业生。

主要就职企业名单

• 定义：学校公布的“主な就職先”（主要就职企业・团体名称和人数）。文科7个学部是各学部前30家[S1003]；理科3个学部是各学部前50家、各学科前20家[S1406][S1606]。
• 范围内：公布名单中的企业・团体人数（已换算为本科生）。网站学部页面按人数从多到少最多显示15家。有学科名单的学科（理科3个学部），学科卡片上也显示前5家[S1406][S1606]。
• 范围外（处理方式）：没进入名单的企业的就业者在任何地方都没有被计入。“日本郵政グループ”“りそなグループ”这类集团写法，按学校的写法作为一家处理[S1003]。同一企业以不同名称、相同人数重复出现时，为避免重复计算合并为一行（例：ベイカレント与ベイカレント・コンサルティング）[S1007]。
• 对解读的影响：名单不是“所有人的去向”。例如法学部2026年3月毕业，前30家合计188人，只占就业者721人的约26%[S1003][S1001]。排名靠后的企业每家只有几个人，名次的小差别没有意义。

未公开人数的就职企业

• 定义：大学只公布企业名称、没有公布人数的就职企业。数据中人数一栏留空。
• 范围内：芝浦工业大学按学科的「主な就職先」（每个学科5家，无人数）[S2500]、日本大学各学部只列企业名称的名单[S5330]等，按公布的企业名称记录。网站和报告中人数一栏显示“人数未公开”，排在有人数的企业之后，按大学公布的顺序排列。
• 范围外（处理方式）：因为没有人数，不用于人数合计、占比检查（企业侧验证）、全校人数、专业对口度的指标B、由就职企业推算的行业构成以及按人数挑选调查对象企业。也不会推测人数来填补。
• 对解读的影响：名单上有名字，也无法知道去了几个人。只去了1人的企业和去了很多人的企业排在一起，顺序并不是按人数多少。

企业招聘人数

• 定义：企业或政府机关公布的应届生（新卒）招聘人数。每年标注以下类别：
  • 实绩：实际入职人数（主要是25卒＝2025年4月入职）。
  • 内定・预计：26卒（2026年4月入职）的内定人数（日本企业在毕业前发出的录用承诺）、预计入职人数或预估人数。
  • 计划：27卒（2027年4月入职）的招聘预定人数。
  • 合格者数：公务员和教师填的是考试合格人数（名簿登载者数），不是录用人数。例如国家公务员一般职（大学毕业程度）最终合格者2025年度为8,815人[S3000]；东京都公立学校教师（2026年4月录用部分）名簿登载者为4,982人[S4400]。数据中把“合格人数（合格者数）”设为独立类别，与实绩・内定分开显示。对象是记录了合格人数的年份：国家公务员综合职[S4301]・一般职[S3000]、法院事务官[S3730][S3731][S3732]、国税专门官[S4403][S4404]、东京都职员[S3004][S3005]、特别区职员[S3009][S3012]、东京都公立学校教师[S4400][S4401]。神奈川县公立学校教师的数字是招募人数，不是合格人数，因此归为“计划”[S4321]。
  • 未定・未公开：留空，显示“数据不足”（例：三菱UFJ银行27卒的招聘预定人数未定[S3203]）。
• 范围内：招聘总数，以及公开时的按岗位（课程/コース）人数。集团合计还是单一法人，按来源原样记录：ニトリ为集团整体[S3709]，JCB为单一法人[S3708]，大和证券集团2025年为3家公司合计555人[S3222]，理索那为理索那银行与埼玉理索那银行合计[S3206]，日本邮政集团26卒的960人是日本邮便与邮储银行、简保生命参考值的合计[S3209]。
• 范围外（处理方式）：没有找到各企业公开的3年内离职率，为数据不足。平均年收入、平均年龄、平均工龄只有部分企业有。
• 对解读的影响：部分数字来自マイナビ（Mynavi）、キャリタス就活等求职网站上企业自行登记的数值，有的没有写明是全公司还是某一课程的数字（例：EY新日本2026年的32人是“预计”，范围未注明）[S4410]。同一企业不同来源的数字也可能不同（例：ニトリ2025年表格中为1,135人，正文中为1,054人）[S3709]。合格者数通常多于实际录用数，用它做分母的占比会偏低。

岗位名称与配属决定时机

• 定义：企业在应届招聘中公布的岗位名称（保留企业原文，例如「法人営業」「システムエンジニア」「施工管理」），以及配属（在哪个岗位、部门工作）的决定时机。配属决定时机分为以下4类：
  • 入职前确定：通过按职种・按课程招聘等，在内定时或入职前确定岗位（部门）。例如NEC的「職種×部門別採用」“内定时确约职种与部门”[S7000]。
  • 培训后决定：入职后经过培训再决定配属。例如日本综合研究所在入职后约3个月的集中培训之后决定配属部门[S7219]。
  • 轮岗后决定：先在多个部门积累经验再决定岗位。例如日本航空入职后约1–2年在一线部门或间接部门积累经验[S7429]。
  • 未公开：没有公布配属的决定方式。
• 范围内：企业侧验证对象企业中，找到了岗位名称或配属方式的企业的岗位（主要是2027届招聘）。对象企业和件数可在企业一览页面查看。每个岗位记录了本报告的岗位分类、培训期（有公布时）以及企业说明的配属方式。来源是企业招聘网站（官方实数）和企业在求职网站上发布的信息（参考区间）。网站的企业一览中，每家企业都可以展开“岗位与配属”；学科・学部的主要就职企业旁会显示该企业最多3个主要岗位。
• 范围外（处理方式）：找不到岗位名称或配属方式的企业不记录，也不推测（这些企业没有“岗位与配属”一栏）。岗位会随年份变化，因此每家企业只显示最新一年的招聘。按岗位的招聘人数只有在企业公布时才作为企业招聘人数记录。
• 对解读的影响：“入职前确定”是指招聘机制上确定了岗位，不一定连工作地点或具体部门也确定。同一家企业的不同课程，决定方式也可能不同（例如软银同时设有确约配属业务的课程和入职后才确定配属业务的课程[S7601]）。学科卡片上显示的岗位是该企业招聘岗位的例子，并不是该学科毕业生实际从事的岗位。

起薪（初任給）

• 定义：企业在招聘要项等中公布的应届生入职时月薪（日元），分学士（本科）和硕士分别记录。金额按企业的写法原样记录，不对是否含津贴做统一调整。
• 范围内：含津贴的金额也原样记录。例如NTT docomo本科342,000日元、硕士354,000日元，包含住房补助（单身・首都圈42,000日元）[S3130]；三菱UFJ银行本科300,000日元含“シニアライフプラン支援金”30,000日元[S3203]；千叶银行本科280,000日元含“ライフプラン支援金”27,000日元[S3207]；乐天集团商务职本科350,000日元含40小时的固定加班费84,177日元[S4416]。
• 范围外（处理方式）：不含奖金，也不含在起薪之外另付的加班费。金额是区间时取下限（例：日本邮政集团）[S3209]。硕士起薪有记录，但推算和验证只使用学士的数值。
• 对解读的影响：含津贴或固定加班费的企业，看起来会比只写基本工资的企业高。全国参考：应届大学毕业生的所定内给与（不含加班的固定月薪）全行业为262,300日元[S0003]；公务员一般职（大学毕业）232,000日元、综合职（大学毕业）242,000日元（适用于2026年4月录用者）[S3001]。

推算年收入

• 定义：按“所定内给与额×12＋年间奖金等特别给与额”计算的年收入推算值。使用厚生劳动省「賃金構造基本統計調査」（令和7年）中一般劳动者・民营事业所・男女合计・学历“大学”的数值（所定内给与额为2025年6月的数值）[S0001]。步骤如下：

  1. 把20–24岁、25–29岁、30–34岁三个年龄段的数值分别看作各年龄段中点22岁、27岁、32岁的点，中间线性插值。
  2. 入职第1、3、5年分别按23、25、27岁读取。
  3. 下限用企业规模100–999人，上限用1,000人以上的数值[S0001]。
  4. 用该学部・学科的行业构成（2026年3月毕业）对各行业数值加权平均。
  5. 某行业没有数值时，退回其上级行业（制造业细分→制造业，金融细分→金融保险业），再没有就用全行业合计。
  6. 四舍五入到万日元，以下限–上限区间呈现。

  只用全行业合计计算时，第1年为358–396万日元，第5年为418–484万日元（推算）[S0001]。

• 范围内：统计上的工资水平（每月固定支付的所定内给与加上全年奖金）、行业差异、企业规模（100人以上）差异。研究生学历在统计中单独列为“大学院”，不包括在内[S0001]。

• 范围外（处理方式）：使用的是“所定内給与額”而不是“きまって支給する現金給与額”，所以不含加班费等[S0001]。同一行业、同一规模内企业之间的差别、跳槽带来的变化、晋升快慢、性别差异（使用男女合计；分性别见分性别年收入推算）、地区差异都不包括。不使用10–99人规模的数值。公务和“其他”行业在工资表中没有对应类别，用全行业合计代替；工资统计是民营事业所的数值，不反映公务员工资[S0001]。医药在工资统计的中分类中没有独立类别，用制造业的数值[S0002]。没有公布行业构成的单位使用由就职企业推算的行业构成，医、齿、药、兽医课程使用资格职业的年收入，并在卡片上标明推算依据。

• 对解读的影响：这不是明治毕业生的实际年收入，而是“相同行业构成的大学毕业生工资水平”的参考。区间不是误差范围，而是企业规模造成的差距。明治没有公布就业者的企业规模构成，所以无法反映有多少人进了哪种规模的企业。进入小企业可能低于下限，加班多的职场可能高于推算。第1年数值是20–24岁与25–29岁的插值；奖金在20–24岁较少（1,000人以上为446千日元），25–29岁较多（同1,040.4千日元）[S0001]。由于把20–24岁的中点视为22岁、第1年按23岁读取，第1年的推算中混入了一部分25–29岁较高的工资和奖金，会高于（向上偏离）新员工第1年的实际年收入，与新员工第1年的实际发放额并不一致。

由就职企业推算的行业构成

• 定义：对没有公布按行业就业情况的大学・学部・学科，用主要就职企业的人数和企业数据中各企业的行业，按人数加权计算的行业构成（推算值）。只用于计算推算年收入。
• 范围内：该单位最新一年没有公布行业构成、但有带人数的就职企业名单时计算。只有企业数据中有行业信息的企业人数占名单人数合计的50%以上（覆盖率50%以上）时才使用。行业不明的企业从计算中排除（不归入“其他”），用其余企业重新换算成100%。图表标题为“前N家企业（人数·可能含研究生）的行业构成（推算值·毕业年）”，并附覆盖率（其中已知行业的企业人数占比）；来源写明名单人数包含研究生时显示“含研究生”。推算年收入标明“按就职企业的行业构成推算”。
• 范围外（处理方式）：覆盖率不足50%时不推算，推算年收入为“数据不足”。不作为行业构成的公布值使用，也不用于专业对口度和企业侧验证的工资检查。未公开人数的就职企业不计入。
• 对解读的影响：主要就职企业名单只列出排名靠前的企业，因此偏向招聘人数多的大企业所在行业。芝浦工业大学全校前30家企业的人数包含研究生[S2000]，由此计算的构成并不只是本科生的（含研究生）。企业的行业是整个公司的主要行业，可能与大学使用的日本标准产业分类不一致。

资格职业的年收入

• 定义：医学部、齿学部、松户齿学部、药学部以及兽医学科的毕业生大多从事资格职业（医生、牙医、药剂师、兽医），因此推算年收入不使用行业构成，而使用按职种的工资统计：令和6年「賃金構造基本統計調査」第5表（按职种・年龄段，全行业，企业规模合计（10人以上），男女合计，2024年6月）[S6661]。年收入＝“きまって支給する現金給与額×12＋年间奖金等特别给与额”[S6661]。步骤如下：

  1. 把20–24岁、25–29岁、30–34岁的年收入分别作为22、27、32岁的数值。
  2. 这些课程为6年制，按24岁毕业计算，入职第1、3、5年分别为25、27、29岁。
  3. 取夹住该年龄的两个年龄段数值，较低者为下限，较高者为上限。年龄正好等于某年龄段中点时，使用该年龄段和下一个年龄段。
  4. 被夹住的年龄段有一个未公布，或年龄超出范围时，不推算，显示“数据不足”。

  例如医生20–24岁约509万日元、25–29岁约698万日元、30–34岁约872万日元[S6661]，第1年（25岁）为509–698万日元，第3年・第5年（27・29岁）为698–872万日元（推算）。

• 范围内：以医生、牙医、药剂师、兽医身份受雇工作的人每月的工资（含加班费等）和全年奖金。不限于医院・诊所，在药店・药妆店・企业等工作的人，只要是该职种也包括在内。

• 范围外（处理方式）：统计中没有牙医20–24岁的数值[S6661]，因此齿学部・松户齿学部的第1年为“数据不足”。不反映开业医生等自营者、企业规模差异（只用企业规模合计）、以及去资格职业以外的就业（例如药学部毕业后进入一般企业）。临床研修医的工资在统计中没有单独列出。

• 对解读的影响：与一般的推算年收入（使用所定内给与额）不同，“きまって支給する現金給与額”包含加班费等超时劳动工资，因此数值偏高。区间反映的是年龄段的差异，而不是企业规模的差异。有些年龄段样本很少（兽医20–24岁的劳动者约50人，奖金为0）[S6661]，数值不稳定。

入社第3年与第5年

• 定义：入职当年算第1年，第3年、第5年即从入职算起的第3年、第5年。推算中第1年＝23岁，第3年＝25岁，第5年＝27岁。职级阶梯的第1、3、5年也按同样方式计算。
• 范围内：假设22岁左右本科毕业、随即在4月作为应届生入职（日本的“新卒一括採用”，即企业每年集中招聘应届生、4月统一入职）。
• 范围外（处理方式）：复读、留级、读完研究生导致入职年龄不同，或跳槽、停职等情况都不考虑。这不是追踪同一批毕业生的数据。
• 对解读的影响：大学毕业生3年内离职率为33.8%（2022年3月毕业）[S0006]，约三分之一的人在第3年前离开第一家公司。第3年、第5年的推算应理解为“留在同一行业、同一规模企业时”的参考值。

职级与职业阶梯

• 定义：按“行业×岗位×入职年数（第1、3、5年）”整理的“典型职级・职责”，依据企业招聘页面上的培训制度、职业发展模型以及公务员工资模型整理而成。

• 范围内：只收录来源中把入职年数和发展阶段明确对应起来的例子。多数是1家企业（或1个地方政府）的案例，有的不是正式职级名称，而是培训阶段名称。例如鹿岛建设的施工管理从“工事担当（新人）”到“工事担当（若手）”[S0501][S0502]；野村综合研究所的SE“3–5年磨练基础技术”[S0515]；清水建设设计职入职第6年之前为培养期[S0503]。公务员使用人事院和东京都工资模型的公布值[S0200][S0203]。

• 范围外（处理方式）：学术研究与专业技术服务（咨询等）所有年份、制造业・金融业（无细分）、全行业合计和“其他”都没有数据，为数据不足；也有缺少部分年份的行业（例：运输物流、服务业、媒体广告只有第1年）。明治没有公布按岗位的就业人数，所以学科卡片上的“典型职级”按以下步骤选出一个系列（行业・岗位），第1、3、5年使用同一系列：

  1. 取该单位行业构成中占比最高的行业（不含“其他”）。
  2. 该行业的职级阶梯只有一个岗位时直接使用；有多个时，优先使用专业对口度对应表中与该学科专业领域相关的岗位，没有则使用数据中的第一个岗位。
  3. 占比最高的行业是制造业・金融业（无细分）时，不去猜测细分（电机、银行等），显示“数据不足（无行业细分）”。
  4. 卡片上该列名为“主要行业的职级示例”，并注明“主要行业（行业）·岗位的职级示例，并非该学科毕业生的实际岗位”。所选岗位在专业对口度对应表中与该学科领域没有关联时，还会显示“该岗位与本学科专业并不直接对应”。该年份没有数据时，只有该年份显示“数据不足”。

  例如理工学部信息科学科（情報科学科）占比最高的行业是信息通信，因此使用信息通信・IT/系统工程师的系列（野村综合研究所的案例）[S0515]。学部页面正文另外引用了“职级与收入参考”页面中的个别案例。

• 对解读的影响：不代表晋升保证。单一企业的案例不一定适用于同行业的其他公司。学科卡片上的职级只是“该学科主要行业中常见岗位的一个例子”，并不表示该学科毕业生就任了该岗位。很多例子在第3年、第5年仍处于培养期，只凭职级名称难以比较。

3年内离职率

• 定义：厚生劳动省「新規学卒就職者の離職状況」的数值，即令和4年（2022年）3月大学毕业并就业的人中，就业后3年内离职者的比例[S0004]。3年内离职率是在毕业3年后的6月时点掌握的数值[S0004]；就业人数原则上在毕业当年6月底确定[S0005]。按行业的表只有人数，本报告按“到第3年为止的离职人数÷就业人数×100”计算到小数点后一位[S0004]。
• 范围内：大学毕业整体33.8%（就业449,012人、离职151,911人）[S0005]；按行业（例：电力・燃气・热力・水务业12.4%，教育・学习支援业44.2%）[S0004]；按事业所规模（1,000人以上27.0%到不满5人57.5%）[S0005]。
• 范围外（处理方式）：令和5年3月以后毕业的批次尚未满3年，未公布[S0006]。没有找到企业公开的离职率，为数据不足。也没有明治毕业生自己的离职率。制造业的“机械相关”是多个类别合在一起的表，没有分配给电机、汽车、机械[S0004]。
• 对解读的影响：这是比分析主体（2026年3月毕业）早4年毕业的人的数值。事业所规模是工作单位所在事业所（雇用保险适用事业所）的规模[S0005]，可能与整个公司的规模不一致。

专业对口度

• 定义：把学部・学科的专业与就业去向的关联程度分为高・中・低三档的推算值。
  • 指标A：就业者中进入“与专业相关的行业”（有岗位数据时用岗位）的比例。
  • 指标B：主要就职企业中，在相关岗位上限定专业（指定学科、仅限理工）招聘的企业所占的就业人数比例。
  • 判定：不用B时，A≥60%为“高”，A<30%为“低”，其间为“中”；使用B时，A≥60%且B≥50%为“高”，A<30%或B<20%为“低”，其余为“中”。
  • 相关行业・岗位对照表：每个专业逐行注明依据，包括资格考试报考条件、公务员考试区分、企业招聘学科、全国调查等。例如建筑以一级建筑士考试的指定科目为依据[S0709]，信息以“信息工学专业的第一份工作80.2%为IT类专业技术研究岗”为依据[S0700]。
• 范围内：
  • 上位行业规则：专业被对应到制造业・金融业的细分（如电机、银行），而学校只公布制造业・金融业合计时，合计（上位行业）也算作相关行业。
  • B的覆盖率30%规则：只有当有岗位数据的企业占该单位主要就职企业人数的30%以上时才使用B。目前只有文学部（学部整体）满足，B为13.1%（推算）[S1003]。
  • 学部整体的代表专业：判定学部整体时，用学部内学科数最多的专业领域代表（数量相同时取学科列表中靠前的领域）：理工学部为机械，农学部为生命科学，综合数理学部为信息，文学部为人文。
• 范围外（处理方式）：对应依据只有岗位或资格的领域（法学、经济学、商学・经营学、政治学・行政学、信息传播、国际・区域研究），因为明治不公布按岗位的就业情况而无法计算[S1001]，为“数据不足”。例如法学依据的是国家公务员综合职考试的“法律”区分[S0714]和司法考试[S0721]，经济学・经营学依据的是税理士（税务师）考试的报考资格[S0710]。找不到依据的组合（例：经济学→金融）不列入对照表。
• 对解读的影响：这是用行业近似的指标，看不出同一行业内岗位的差别（例如制造企业的销售岗和技术岗）。上位行业规则会把整个制造业算作相关行业，理科可能偏高。文科出现“数据不足”或“低”，是因为不限专业的招聘很多，文科各专业都有七到八成从事文科类岗位[S0700]，并不代表所学无用。读研者不在统计范围内，理科走向研究岗位的路径没有反映。

企业侧验证

• 定义：把学校的就业去向数据与企业的招聘数据相互核对的三项检查及综合判定。
  1. 占比检查：来自本校的人数÷该企业同一年的应届招聘总数。超过50%为“需复核”，超过100%为“错误”。分两种口径计算：学部・学科级（该单位名单中的人数）和全校级（各学部名单合计，学部名单中没有的企业再加上学科名单中的人数）。
  2. 薪资检查：用行业构成计算的模型月薪（企业规模1,000人以上、23岁的所定内给与额）[S0001]，与主要就职企业的学士起薪按人数加权的平均值比较，差距超过±20%为“偏差”。
  3. 岗位检查：该单位人数最多的岗位，出现在主要就职企业招聘岗位中的企业比例，不足50%为“偏差”。
  • 综合判定：占比没有“需复核”“错误”，且薪资・岗位检查至少一项在基准内，为“已验证”；占比有“需复核”“错误”，或薪资・岗位检查有一项超出基准，为“存在偏差”；占比没有问题而薪资・岗位检查都无数据，为“数据不足”。
  • 显示名称：岗位检查无数据、仅凭薪资检查在基准内时，不显示“已验证”，而显示“与工资水平一致”。目前所有单位的岗位检查都无数据，因此基准内的单位全部显示为“与工资水平一致”。
  • 需核查清单：占比为“需复核”“错误”的组合（所有年份，含全校与学部・学科）带出处列在企业侧验证页面的“需核查清单”中。
• 范围内：用2026年3月毕业的人数与企业26卒（2026年4月入职）的招聘人数，同一年份相比。
• 范围外（处理方式）：招聘总数不明的企业记为“无数据”，不参与判定。明治不公布按岗位的就业情况[S1001]，岗位检查在所有单位都是“无数据”。主要就职企业中没有可查到起薪的企业的单位（如文科各学科）为“数据不足”。全校公布名单（含研究科的前50家）[S1003]不用于判定，只作参考显示。
• 对解读的影响：“与工资水平一致”（“已验证”也一样）只表示没有明显矛盾，不保证推算准确。名单只含排名靠前的企业，人数少于本校实际进入的人数，因此占比偏低。例如EY新日本按学部名单合计为7人÷32人＝21.9%，若用全校名单的18人则为56.3%[S1003][S4410]。模型月薪是统计上23岁的工资，不是起薪本身；企业起薪也可能含津贴（见起薪（初任給））。

分性别数据的范围

• 定义：本报告中的分性别数字，只使用按性别公布的数值，不把整体数值按比例分给男女，也不推算性别构成。大学的分性别毕业人数、就业人数、升学人数以及行业别、职业别比例，取自大学门户（大学ポートレート，私学版）的毕业去向数据集（男／女／合计），为2026年3月毕业（grad_year 2026）的数值[S9001][S9141][S9281]。行业别、职业别比例是占该性别就业人数的比例[S9001]。明治大学还收录了2025年3月毕业的分性别毕业人数[S9012]。企业指标来自有价证券报告书（有価証券報告書）的“従業員の状況”[S9840]以及厚生劳动省“女性活跃推进企业数据库”（女性の活躍推進企業データベース）[S9701]等公布值。企业的“年度”（fiscal_year）记为年度开始的年份：2024年度指2024年4月至2025年3月，2025年3月期有价证券报告书的数值属于该年度[S9841]。决算期不从4月开始的企业，记为统计期间开始的年份（例：2024年9月至2025年8月记为2024年度）[S9560]。
• 范围内：学部和全校的分性别去向（就业、升学），以及有公布时的行业、职业构成。全校一行：明治大学和芝浦工业大学为各学部页面的合计，不含研究生毕业者；日本大学为全校页面的数值，包含研究生毕业者[S9000][S9140][S9280]。企业数值原则上为该公司单体（单一法人）的数值；控股公司不在公布对象内时，使用表中核心子公司的数值，并在出处注释中说明（例：三井住友金融集团使用三井住友银行的数值）[S9843]。不是单体的数值会在数值旁标注范围。例如川崎重工业的应届录用中女性比例是川崎重工业、川崎车辆、川崎摩托3家公司的合计，标注“3家公司合计”[S9700]；出处注释写明为集团（合并等）口径的数值标注“集团”[S9722]。同一公司各指标年度不一致时，行内显示多数指标的年度，年度不同的指标在数值旁注明其年度。
• 范围外（处理方式）：主要就职企业名单没有分性别人数，因此不显示就职企业的性别构成。明治大学按学部公布的就业数据（就业率等）没有分性别，学科层级只有分性别毕业人数[S9011]。没有分性别行业、职业构成的单位（芝浦工业大学全部学部等）显示“数据不足”。日本大学的分性别职业别数据与本报告的岗位分类不对应，未收录[S9280]。女性活跃推进企业数据库拒绝程序访问（HTTP 403），因此存档的是从浏览器页面转录的项目文本，而非原始HTML[S9701]。该数据库的“录用者中女性比例”包含社会招聘（中途採用），因此与应届数值分开，标为“录用者中女性比例（含社会招聘）”[S9561][S9701]。只有企业或政府机关按性别公布应届录用人数时，才显示应届录用中女性比例[S9700][S9731]。
• 对解读的影响：分性别去向只有一年（2026年3月毕业）的数据，无法看出年度波动。女性毕业生较少的学部（例：芝浦工业大学工学部女性毕业生136人[S9141]）比例容易波动。各大学就业率的定义不同（见就职率），跨校比较时请先确认定义。企业数值的范围（单体或集团）、时点、对象（正式员工或全体劳动者）因公司而异，企业之间的比较仅供参考。

分性别年收入推算

• 定义：用与推算年收入相同的方法，使用「賃金構造基本統計調査」（令和7年）的分性别数值（大学毕业・男或女），分别推算男女入职第1、3、5年的年收入区间[S9420][S9421]。行业构成方面，如果该单位公布了分性别的行业比例，就使用该性别的比例（构成：分性别）；没有时使用该单位整体的行业构成（构成：整体），并在卡片上注明。
• 范围内：按年龄、企业规模、行业的男女工资水平差异，以及有公布时男女行业构成的差异。
• 范围外（处理方式）：没有分性别行业比例的单位（芝浦工业大学全部学部、明治大学各学科等）无法反映男女就职行业的不同。医学部、齿学部、药学部、兽医学科等资格职业课程，因为没有收录分性别的职种别工资，显示“数据不足”。不反映岗位、职务、劳动时间的男女差异，以及男女就职企业规模的差异。
• 对解读的影响：统计上的男女工资差，包含同一年龄、行业、企业规模内岗位、职务、工龄和劳动时间的差异。推算出的男女差距并不是“做同一份工作时的工资差”。例如企业规模1000人以上、25–29岁大学毕业生的所定内给与额，男性为327.6千日元，女性为304.9千日元[S9420]。

女性管理职比例

• 定义：管理职中女性所占的比例（%）。按行业的数值（大背景）来自令和7年度「雇用均等基本調査」中“课长级以上（含董事）的管理职中女性所占比例”，对象为常用劳动者10人以上的民营企业，为2025年10月1日的数值，全行业合计为13.8%[S9422]。企业数值是依据《女性活跃推进法》公布的数值；女性活跃推进企业数据库中为课长级以上（不含董事）中女性所占比例[S9701]。有价证券报告书的数值同样依据该法计算[S9840]。
• 范围内：课长级以上的管理职。
• 范围外（处理方式）：不含系长（股长）级。系长级以上担任职务者的比例，用另一指标“按年龄的担任职务者比例”（「賃金構造基本統計調査」按职位的数值）表示[S9423]。管理职的范围因公司而异，有的公司包含课长级以上的高度专业职或相当于管理职的专业职[S9855][S9864]。雇用均等基本调查只公布行业大类，没有制造业、金融业的细分[S9422]。
• 对解读的影响：这是当前全体管理职中女性的比例，受过去录用和工龄差异的影响，并不直接表示应届入职者今后成为管理职的可能性。由于是否含董事等定义不同，雇用均等基本调查的行业数值与企业数值不能直接比较。

男女工资差异

• 定义：女性平均工资除以男性平均工资再乘以100（男性＝100）。这是企业依据《女性活跃推进法》公布的数值，本报告使用“全体劳动者”的数值[S9840][S9561]。
• 范围内：正式雇用与非正式雇用合计的全体劳动者平均值之比。
• 范围外（处理方式）：不使用仅正式雇用或仅非正式雇用的数值，有价证券报告书中有时会并列（例：三井住友银行全体劳动者46.3，正式雇用53.0）[S9843]。东京都和横滨市的资料没有工资差异的记载，显示“数据不足”[S9866][S9867]。
• 对解读的影响：这是包含岗位、职务、工龄、雇用形态、劳动时间构成差异在内的平均值之比，不是做同一份工作时的男女工资差。男性管理职较多或女性非正式员工较多的公司，数值会偏低。

男性育儿假休假率

• 定义：公布对象事业年度内配偶生育的男性劳动者中，在同一年度内休育儿假等的人的比例（%）。这是依据《育儿・介护休业法》施行规则公布的数值，有只计算育儿休业的定义（第71条之6第1号）和包含以育儿为目的的休假的定义（同第2号）。例如SUBARU按第1号为65.3%，按第2号为100.0%[S9846]。采用哪种定义写在出处注释中。
• 范围内：企业、政府机关按其公布定义的数值。
• 范围外（处理方式）：不包含休假天数（期间）。只按综合职、一般职等类别分别公布时不记录（例：软银）[S9845]。
• 对解读的影响：上一年度孩子出生、本年度才休假的人也计入分子，所以可能超过100%（例：SCSK 156%，大成建设118.5%）[S9841][S9848]。只休几天的也计算在内，看不出休假长短。第1号与第2号定义不同的数值不能互相比较。

职种别工资

• 定义：按职业的年收入。依据令和7年「賃金構造基本統計調査」（工资结构基本统计调查）职种别表（2025年6月），以“所定内给与额（月额，即固定工资）×12＋年间奖金等特别给与额（2024年全年）”计算，单位为万日元[S0012]。分性别数值使用职种（特掲）分性别表[S0013]。对象为民营事业所、企业规模10人以上、一般劳动者、全行业。统计中的职种（小类）对应到本报告的岗位代码（例：系统顾问・设计师、软件开发人员→IT/系统工程师）[S0012]。
• 范围内：33个职种，以及20–24岁至35–39岁的5岁一档年龄段。
• 范围外（处理方式）：职种别统计不区分学历，数值为含高中、专门学校毕业者的“学歴計”（不分学历）。没有仅限大学毕业生的职种别工资[S0012]。不含加班费（超过劳动给与额）。也不区分法人销售与个人销售、综合职与一般职。
• 对解读的影响：这是同一时点不同年龄段人群的横截面比较，不是同一个人随年龄增长的加薪，因此“20–24岁与30–34岁之差”称为“年龄段间差异”，而不称为增幅。数据不分学历，同为25–29岁，高中毕业者工龄约7–11年，大学毕业者约3–7年，各年龄段的学历构成也不同，与大学毕业生“入职第3年、第5年”的年收入并不相同。20–24岁年龄段中也包括工龄较长的高中毕业者。医生、牙医、药剂师、兽医、护士、注册会计师、教师需要执照或较长的修学年限，排名摘要中与其他职种分开处理。人数较少的职种（如牙医）各年龄段数值波动较大。

担任职务者比例（晋升指标）

• 定义：某年龄段的大学毕业一般劳动者中，担任系长级以上（部长级・课长级・系长级）或课长级以上（部长级・课长级）职务者的比例（%）。依据令和7年「賃金構造基本統計調査」按职位的表，按行业以“担任职务者人数÷（职务合计＋无职务者人数）”计算[S0100][S0101][S0102][S0103][S0104][S0105][S0107][S0108]。同时列出课长级的平均年龄（全年龄），以及人事院「職種別民間給与実態調査」（职种别民间工资实态调查）中事务类、技术类系长、课长等的平均年龄（企业规模50人以上）[S0109]。
• 范围内：无固定雇用期限的一般劳动者、企业规模10人以上、大学毕业（不含研究生）、25–29岁至40–44岁[S0100]。
• 范围外（处理方式）：制造业、金融业没有细分行业（电机、银行等）的表，细分行业一行显示上级行业（制造业、金融保险）的数值。批发业与零售业在统计中是同一类别，数值相同[S0104]。没有“几岁升任课长”的公共统计，以担任职务者的平均年龄代替。人事院的数值不分学历、为全行业，职位定义也与工资结构基本统计调查不同[S0109]。
• 对解读的影响：这是某一时点的横截面比例，不是每个人晋升的概率。会受到行业年龄结构、职位数量、社会招聘和跳槽多少的影响。比例高只表示该行业担任职务的人较多这一倾向，并不保证晋升。分类越细（女性、规模较小的行业），抽样误差越大[S0100]。

有价证券报告书的平均年薪

• 定义：有价证券报告书（有報）“员工情况”中所列提交公司员工的平均年薪（含奖金和基准外工资），与平均年龄、平均工龄一起显示。行业数值为归入该行业的企业数值的中位数[S0530][S1012]。
• 范围内：各公司最新的有价证券报告书，且期末在2024年3月以后。制造业、金融保险一行为合并细分行业（电机、银行等）企业后的中位数。同一集团同时有控股公司和经营公司时，每个集团只计1家（经营公司）。经营公司另有一行时采用该数值（例：瑞穗金融集团与瑞穗银行，采用瑞穗银行的数值）[S0600]；没有经营公司的行、但同一份有价证券报告书另载经营公司数值时，控股公司的数值不用于中位数、最小–最大值和公司数（n）（大和证券集团总公司、Resona控股、ANA控股、铠侠控股；在公司列表中标注“控股公司数值・不计入”）[S0536][S0612][S0532][S0549]。
• 范围外（处理方式）：期末早于2024年3月的数值（例：前田建设工业2021年3月期）注明日期显示，但不用于中位数和排名[S0550]。不含未提交有价证券报告书的公司。核心公司不提交有价证券报告书、因而采用控股公司数值的，标注“控股公司”。其中同一份报告书没有经营公司数值的（例：东京电力控股、日本邮政）计入中位数[S0620][S0544]。该标注按公司设定，并非仅根据出处注释的文字判断。期末只有年份、不知月份的数值标注“期末月份不明”。
• 对解读的影响：这是全体员工的平均值，不是应届生工资。平均年龄越高的公司数值往往越高，请与平均年龄对照阅读。对象是以各行业大企业为主的一部分公司（每个行业4–45家不等），不是全行业平均。公司之间差距很大，因此行业数值以中位数和最小–最大值表示，不排名。控股公司员工较少，数值可能与经营公司不同（例：大和证券集团总公司员工494人、平均年薪1,793万日元，同一报告书中的大和证券为5,234人、1,431万日元）[S0536]。

企业公布的模型年收入

• 定义：企业或政府机关在招聘页面等公布的年收入示例（模型年收入、年收入示例、理论年收入、年收入参考等）。按公布内容记录金额（万日元）、入职年次或年龄、职位。以区间公布的（例：530–800万日元）显示下限和上限，“1,000万日元以上”只显示下限[S0420][S0424]。
• 范围内：面向应届入职者的按入职年次模型（例：伊藤忠Techno Solutions大学毕业第2、5、7年）、公务员的模型工资示例（人事院、东京都、特别区）、按职位的年收入区间（日立制作所）[S0343][S0340][S0341][S0342][S0420]。
• 范围外（处理方式）：面向社会招聘（经验者录用）的年收入示例标注“社会招聘”，与应届模型分开阅读（清水建设、大成建设、大林组等）[S0424][S0425][S0429]。不使用求职网站或口碑网站的推算值。多数企业只公布起薪，公布入职后年收入模型的企业很少。
• 对解读的影响：这是企业给出的“模型”“示例”，并不保证实际平均或本人的年收入。标准评价、加班时间、津贴等前提因企业而异，企业之间不能简单比较。多数企业没有写明晋升时间，几乎无法得知标准晋升年数[S0420]。

待遇排名的编制方法

• 定义：“待遇与晋升”页面的排名方法。行业分别按起薪（公布值）[S0003]、入职第5年推算年收入（按区间中点比较）[S0001]、3年内离职率（由低到高）[S0004]、35–39岁担任课长级以上职务者的比例[S0100]排名。职种按25–29岁、30–34岁的年收入以及20–24岁与30–34岁的年龄段间差异（横截面数值，不是同一个人的加薪）排名[S0012]。行业×岗位按企业公布起薪的中位数排名。数值相同则名次相同。
• 范围内：主要行业（大类）之间的比较。电机、银行等细分行业显示数值但不排名。行业×岗位起薪的中位数只在有3家以上公司时排名。有价证券报告书平均年薪的企业样本少且有偏，不排名。起薪以同一公司同一岗位最新毕业年份的数值，每家公司计1条。
• 范围外（处理方式）：批发业与零售业在工资和职位统计中为同一类别，零售一行显示批发零售合计值，不排名[S0003][S0104]。批发零售的3年内离职率仅为批发业数值[S0004]。不足3家公司的中位数注明公司数（n）。推算年收入保持区间显示。住宿餐饮业和生活相关服务娱乐业在工资和职位统计中包含在“服务业（3类合并）”中（行业分类与映射）。只有3年内离职率，“服务业”一行仅为“服务业（未另分类）”（サービス業（他に分類されないもの））的数值（38.8%），这两个行业没有单独列出。两者大学毕业生3年内离职率为55.4%和54.7%（2022年3月毕业，第3年为止离职人数÷就业人数），高于本页离职率的任何一行[S0004]。因此离职率的“最高、最低”是本页行业分类内部的比较。
• 对解读的影响：各指标分别排名，不计算综合分。行业之间推算年收入区间重叠很大，区间中点相差不到约30万日元的名次差异几乎没有意义[S0001]。起薪（应届毕业生统计）与推算年收入（大学毕业一般劳动者按年龄的工资）是不同的统计[S0003][S0001]。例如医疗福祉的起薪排第3位，第5年推算排第11位。医疗福祉包括护士、药剂师等资格职业，这些职种年轻时年收入相对较高，而年龄段间差异较小（护士20–24岁396万日元、30–34岁452万日元）[S0012]。由于推算区间、企业数据样本少、职种别工资不分学历等原因，名次相近的行业或职种之间的差距意义不大。数字只表示倾向，并不表示选择某个行业或职种就一定能获得高收入或晋升。

数值标签

• 定义：每个数字都标注以下三种标签之一。
  • 官方实数（公表値）：大学、政府机关、企业公布的数字，包括由公布人数计算出的比例，以及换算为本科生的人数（合计−研究生）。
  • 推算值（推計値）：用公布数字经模型计算的结果（推算年收入、专业对口度、企业侧验证）。年收入一律用区间表示。
  • 参考区间（参考範囲）：从企业招聘页面等收集的参考值，包括行业×岗位的起薪（多家公司的中位数）和职级阶梯的企业案例（公务员模型为官方实数）。
• 范围内：企业在マイナビ、キャリタス就活上登记的招聘人数和起薪归为“官方实数”。东京都公立学校教师27卒的人数是把各类“录用预估人数”相加得到的，因此是“推算值”[S4402]。
• 范围外（处理方式）：不以单一数字给出推算值。
• 对解读的影响：标签说明的是数字的来源，不是准确度的排序。官方实数也有四舍五入和印刷错误（见毕业年度与grad_year中的例子）；企业自行登记的数值可信度低于有价证券报告书（上市公司年报）。

数据不足

• 定义：缺少必要数据、不给出数字或判定时，显示“数据不足”（日文版为「データ不足」）。不用推测填补。
• 范围内：以下情况显示“数据不足”：
  • 推算年收入：该单位没有行业构成，也无法由就职企业推算行业构成（覆盖率不足50%等）；资格职业年收入中被夹住的年龄段未公布的年份。
  • 专业对口度：专业没有对应的相关行业（只对应岗位・资格的领域），或没有行业构成。
  • 企业侧验证：占比没有问题，而薪资・岗位检查都无数据。
  • 占比：企业招聘总数不明（显示为“无数据”）。
  • 职级：主要行业没有职级阶梯数据，主要行业是没有细分的制造业・金融业（显示“无行业细分”），或该年份没有数据。资格职业课程（医・齿・药・兽医）的年收入按职业别工资统计推算，因此不套用行业的职级系列（显示“资格职业，无职级系列”）。
  • 企业数据：招聘人数“未定”“未公开”，或找不到起薪等。
• 范围外（处理方式）：学科级数字未公布的学科，不显示“数据不足”，而显示“未公开学科数据（显示学部层级数据）”并使用学部数字。
• 对解读的影响：“数据不足”不等于“数值低”或“没有人去”。也有因为检索手段受限，虽已公开但未能找到的企业数据。

付费刊物与口碑网站的使用范围

• 定义：付费刊物（就職四季報、大学通信、サンデー毎日等）的数字，只有出现在公开报道中时，才以“据○○报道”的形式引用。口碑网站（OpenWork等员工评价网站）不批量抓取；如使用，逐条注明来源并作为参考区间。
• 范围内：本期没有使用付费刊物的数字，也没有使用口碑网站的数字。使用的是大学、政府机关、企业的公开资料，以及企业在マイナビ、キャリタス就活等求职网站上刊登的信息。
• 范围外（处理方式）：不转载付费刊物的数据表，不使用口碑网站上的年收入和评价。
• 对解读的影响：员工实际感受的收入、工作方式等信息没有反映。求职网站上的数字是企业自己登记的数值。

本期不覆盖的范围

• 定义：本报告以明治大学（10个学部）、芝浦工业大学（4个学部）、日本大学（16个学部）的本科毕业生（以2026年3月毕业为主）为对象。明治大学在第1期、芝浦工业大学在第2期、日本大学在第3期加入。
• 范围内：三所大学所有学部・学科的公开数据、全国统计、三所大学主要就职企业的企业数据，以及分性别的公开数据。并排阅读三所大学时的注意事项汇总在“摘要”中。
• 范围外（处理方式）：
  • 不对大学排名。就业率的定义（就职率）、行业占比的分母（行业占比的分母）、推算年收入的依据（推算年收入）因大学和学部而异。
  • 不单独分析留学生。明治另有资料公布留学生（本科）的按行业就业情况[S1600]，本报告没有使用；学校的毕业人数资料把外国留学生作为内数列出[S1607]。本报告使用的全学部就业数据是否包含留学生，资料中没有写明，因此不作区分。
  • 不单独处理研究生毕业后的就业和收入。但芝浦工业大学前30家企业，以及日本大学全校・工学部的行业构成无法分开研究生毕业者，按原样使用并标注“含研究生”等（本科生与研究生）。
  • 本报告使用的三所大学资料中没有就职企业规模构成，因此不涉及。
• 对解读的影响：结果是关于三所大学本科毕业生的，不能直接套用到其他大学或研究生学历。