
夜读 | 看了离婚大数据,我发现一条惊人规律
不久前,中国社会科学院社会学研究所研究员李春玲发表了一篇名为《社会变迁背景下中国青年问题研究》,引起了社会广泛关注。
文章里面公布了一组数据,非常惊人。
1990年,按照结婚的年龄,“男大女小”的婚姻模式占70%,“男小女大”的婚姻占13.32%,其余是年龄相差不大的。
然而20年过去后,这个数据发生了巨大的变化。
“男大女小”的婚姻从70%下降到43.13%,而“男小女大”的婚姻则从13.32%上升到40.13%,姐弟恋婚姻数量猛增。
“男大女小”和“男小女大”数量已经到了分庭抗礼的地步。
这说明什么问题?
说明女性社会经济地位在显著提高,人们的观念也在悄悄发生翻天地覆的变化。
“男小女大”的婚姻不一定就是女性各方面都要比男性强,但起码绝大部分女性的社会经济地位要比男性高一些,或者两者是相当的。
这是女性地位提高所带来的婚姻年龄匹配的变化。
我们先说婚姻制度,在万恶的旧社会为什么男人可以三妻四妾,吃喝嫖赌,而女人要三从四德,甚至要设贞节牌坊?
可能有人要说那时候的人类比较野蛮,还没有进化到现代社会文明的程度。
错!归根到底还是谁有钱、有粮,谁就是大爷。
因为在古代,社会主要的生产力是由男性创造的,女性无法创造财富,没有经济地位,所以她只能依附男人。
这就导致男人可以三妻四妾,女人却要三从四德。
为什么?因为女人不敢离婚啊,你离开了男人,只能活活饿死!
活命和男人在外面乱搞,哪个更重要呢?
当然是活命啊!所以在那个年代,女人只能忍气吞声,丈夫就是她的天。
但是随着时代的进步,尤其是第二次工业革命后,大量的工作不再需要蛮力了,女性也可以代替男性的工作,女性就开始经济独立了。
婚姻制度也发生了变化,变成了一夫一妻制,因为现在女性也可以赚钱,你再一夫多妻制,女性也不肯干。
不信你查查第二次工业革命的时间和实行一夫一妻制的时间,惊人的吻合。
说实话,一夫一妻制的实行到现在也只有短短几十年的时间,有的男性的思想还停留在旧社会,出轨,包养小三,还在家里不断要求女人:
结了婚,要以家庭为重,不能老往外跑;
结了婚,要能入得了厨房,洗手做羹汤;
结了婚,要能赚钱,家务全包,还要貌美如花;
结了婚,要能生孩子,还要男孩;
结了婚,要侍奉公婆,做好老婆的本份!
于是他们当起了甩手掌柜,认为自己只要赚钱就行,家里的事情一概不管,让自己的老婆当起了保姆、生育工具和累死累活的老妈子。
他们仍然像个长不大的“巨婴”,让自己的伴侣过起了丧偶式婚姻。
很多在痛苦中的女人就会开始醒悟:
钱我会赚,地我会扫,饭我会做,架我会打,街我会逛,要是有个男人我还得给他洗衣做饭,料理家事,生了孩子还要和他姓。
有事需要他的时候,可是他一点用都没有,什么问题还得自己解决,甚至还担心他劈腿劈出个联合国,还要满世界给他灭小三。
这就会导致离婚。
- 贰 -
今年上半年,根据民政局官网公布的离婚大数据分析显示,全国新婚558万对夫妇,同时有185万对离婚。
与去年相比,离婚率同比增长10.3%,结婚率则同比下降7.5%。
越来越多的女人不想结婚了,越来越多的女人想要离婚。
这数据吓死人了。
到了这里,有个事实你不得不承认,女人经济越独立,离婚的概率越高。
为什么?
以前的一夫多妻制,女人不敢离婚。
而现在一夫一妻的婚姻制度,它的本质是合作,相互尊重,相互分工,对于女性来说,现在她的经济可以独立,带来了人格独立和精神独立。
而丈夫却不能发自内心地关爱她、尊重她,承担起自己的责任,那么“丈夫”这个角色越来越不重要,势必会离婚。
女性社会经济地位在提高,姐弟恋增多,离婚率越来越高。
这些数据也从侧面证明了这个观点。
- 叁 -
这些年离婚率高居不下最主要的原因就是女性力量的崛起,而很多男性还在用过去的那一套对她们。
把她们当成自己的依附品,要她们对自己百依百顺。
这就好比隔壁的李师傅,他的能力明明可以拿月薪两万了,老板却还只肯给他一个月两千,还经常骂他猪狗不如。
这个时候他肯定辞职不干,按这个道理,女性也不肯干了。
除此之外,还有一个现象不容忽视:受高等教育的女性明显超过男性。
我们只知道婚恋市场每年在发生变化,可是在教育领域同样在发生变化,甚至可以说,教育领域影响了婚恋市场。
大家都知道,以前是男性受教育水平高于女性,但从“80后”“90后”开始,女性受教育程度逐渐比男性高。
尤其是高等教育这一层次,女大学生比例明显超过男生。
所以,女性有好职位、高收入的人群越来越多,女性越来越独立,就出现了女性高端人群和男性低端人群的搭配,也就是“女大男小”的婚姻模式。
当然了,这也是剩女越来越多的原因,你以为剩女是嫁不出去吗?错!
绝大多数的剩女是不想将就,因为眼界和学识,不想找一个比自己层次低、没有话题的男人。
那么你想想,在婚恋市场中,有两种人是最不好找到伴侣的:
一种是层次高的女性,一种是层次低的男性。
现在姐弟恋的婚姻越来越多,已经慢慢解决了女性的这个问题。
那么层次低的男性会越来越难找到伴侣,尤其是现在中国的男性比女性要多很多。
这就细思极恐了,你会发现一个惊人的规律:有些男性是注定要被淘汰的。
为什么?
你想想啊,现在结婚和离婚都是自由的,结婚的越来越少,离婚的越来越多,在时间的推移下,离婚不再是一件羞耻的事情。
那么那些低层次还在家里当大爷的男人,只有两种选择:
一种是根本就没人愿意和他们结婚,还有一种是结婚了,也会要离婚。
那么在自由的选择下,在时间的不断推演中,这个群体会慢慢被淘汰。
李银河老师说婚姻制度最终要走向消亡,这个想法我还不敢提,这需要漫长的时间来论证.
但是我认为在社会的激烈变化和动荡中,根据物竞天择的原理,有一部分群体是要注定被淘汰的。
好了,以上只是个人观点,接受指正,接受批评。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30