ふるさと納税 収支白書 2025
総務省現況調査・朝日新聞試算に基づく可視化

2025年度 ふるさと納税
都道府県別純収支 コロプレス図

寄附受入額(約1兆3,314億円)から募集経費と住民税控除額を差し引いた単純純収支(試算)。 対象期間のずれと地方交付税算定を含まない点に注意しながら、19都府県の流出超過を読み解きます。

全国寄附受入総額
1兆3,314億円
過去最高記録を更新
赤字の都道府県数
19都府県
三大都市圏・地方含む40.4%
最大赤字自治体
東京都 -2,255
受入162億に対し控除2,351億
最大黒字自治体
北海道 +709
宮崎(+281億), 山梨(+228億)
Geographic Choropleth Map

都道府県別 収支コロプレス図

地図上の都道府県をクリックまたはホバーすると詳細な収支内訳が表示されます。

表示フィルター:
収支区分(純収支)
黒字 100億円以上 (8道県)
黒字 100億円未満 (20県)
赤字 (19都府県)
※純収支 = 受入額 −(経費 + 控除額)
赤字(最大流出)

東京都

全国順位
47位 / 47
推定 純収支(差引流出入額)
-2,255 億円
寄附受入総額 162.0 億円
返礼品・事務経費(推計) 66.0 億円
住民税控除額(流出) 2,351.0 億円
地方交付税算定 本試算に未反映
自治体インサイト:

東京都の単純純収支(-2,255億円)は、赤字19都府県の赤字額合計の40.6%、黒字地域との相殺後の全国純収支の赤字幅の87.0%に相当します。地方交付税算定等は本試算に含みません。

地図上の任意の都道府県をクリックすると切り替わります。
Data Visual Analytics

多角的統計データ分析

都道府県別の純収支格差、受入額と控除額の相関関係、全国の構成比を可視化。

純収支ランキング(黒字上位 vs 赤字上位)

単位: 億円

寄附受入額 vs 住民税控除額(規模別分布)

単位: 億円

47都道府県の収支区分と構造バランス

全国47都道府県のうち、純収支が「黒字」となったのは28道県(59.6%)、「赤字」となったのは19都府県(40.4%)です。

大幅な黒字 (100億以上)
8 道県
合計黒字: +2,022億円
小幅黒字・均衡
20
合計収支: +937億円
赤字 (純流出超過)
19 都府県
合計赤字: -5,551億円
Policy & Economic Analysis

2025年度ふるさと納税 構造分析レポート

1.3兆円市場が引き起こす地方財政の歪み・都市部の苦境・制度の持続可能性

01 マクロ構造の激震

寄附1.3兆円突破と三大都市圏からの巨額税収流出

総務省が公表した2025年度実績調査によると、全国のふるさと納税寄附受入額は約1兆3,314億円、受入件数は約5,963万件に達しました。2026年度課税の住民税控除適用者数は約1,151万人です。

受入額 − 経費 − 控除額で計算した単純純収支は全国で-2,592億円、47都道府県中19都府県が負値です。東京都の-2,255億円は赤字19都府県の合計(-5,551億円)の40.6%に当たります。受入額・経費と控除額の対象期間は完全には一致せず、自治体決算上の赤字を意味しません。

三大都市圏の赤字規模
  • • 東京都: -2,255 億円(受入162億 / 控除2,351億)
  • • 神奈川県: -846 億円(横浜・川崎市等含む)
  • • 大阪府: -489 億円(大阪市・堺市等含む)
  • • 埼玉県: -481 億円
  • • 愛知県: -469 億円(名古屋市等含む)
地方における赤字の発生

大都市圏だけでなく、富山県(-21億円)徳島県(-7億円)、石川県(-3億円)、福島県(-2億円)など、大都市圏外にも負値の地域があります。

本来、住民税は「居住する自治体で行政サービス(ゴミ処理、教育、消防、道路維持等)を受ける対価として支払う応益負担」という大原則に基づいています。ふるさと納税による税収流出は、都市部自治体の公共サービス予算を直撃しています。

02 地域間収支の集中

100億円以上の8道県と検証すべき要因

黒字額が100億円を超えたのは、北海道(+709億円)宮崎県(+281億円)山梨県(+228億円)、山形県(+179億円)、鹿児島県(+171億円)、新潟県(+158億円)、佐賀県(+151億円)、熊本県(+145億円)の8道県です。

大規模黒字道県について検証すべき3つの仮説
① 地域産品の構成:

海産物(北海道・岩手)、和牛・地鶏(宮崎・鹿児島)、高級フルーツ(山梨・山形)といった全国的知名度。

② 専任組織と事業者支援:

中間支援会社と連携した出品管理、高品質な写真・マーケティング、迅速な発送体制の確立。

③ ポータル上位独占:

大手ポータルサイトの表示順位や広告露出と、閲覧・寄附の集中との関係。

これらは記述的な仮説です。本データだけでは、品目、運営体制、ポータル上の露出が収支差を生んだという因果関係までは確認できません。

03 地方交付税算定との関係

基準財政収入額への75%算入と解釈上の注意

交付団体の財政効果を読む際は、住民税減収が普通交付税の算定にどう反映されるかを区別する必要があります。

💡 基準財政収入額の算定 普通交付税の交付団体では、ふるさと納税による住民税減収の75%が基準財政収入額の減少として算定に反映され、交付税額を増やす方向に働きます。ただし、同額が常に現金で自動補填されるという意味ではありません。

解釈には次の2点への注意が必要です。

  1. 団体ごとの差: 交付・不交付の判定は年度ごと、団体ごとに行われます。都道府県合算値には異なる団体が混在するため、一律75%を適用できません。
  2. 本試算の範囲: 地方交付税総額や地方財政計画の調整を含む最終的な財政効果は別途検証が必要です。本サイトの単純純収支には交付税算定を反映していません。
04 高コスト体質と2025年10月規制

50%経費問題とポータルサイトのポイント付与禁止

2025年度の募集経費は6,382億円(受入額の47.9%)で、返礼品調達、送料、広報、決済、事務費等に使われました。これは自治体が政策事業へ直接使える額を減らしますが、返礼品や配送の便益もあるため、その全額を「消滅」または社会的純損失とみなすことはできません。

社会的純損失を推定するには、寄附者の便益、調達の機会費用、地域内外への所得移転、寄附がなかった場合の行動を含む反実仮想が必要です。本サイトが測るのは財政上の単純純収支です。

⚠️ 2025年10月施行:仲介サイトの「ポイント付与禁止」規制 総務省は2025年10月から、ポータル等を通じた寄附に伴うポイント付与を禁止しました。2025年度の受入額は前年比4.6%増でしたが、年度内に規制前後が混在するため、この年次値だけでは規制の因果効果を判断できません。
05 制度改革への政策提言

2026年度税制改正を踏まえた3つの検証課題

1. 特例控除上限の分配効果を検証

2028年度分以後の個人住民税では特例控除額に合計193万円相当の上限が加わります。所得階級別の利用率・寄附額・私的便益の変化を事後評価します。

2. 使途の透明化と成果指標(KPI)の開示義務化

2026年10月以後の指定では寄附金活用可能額と使途の公表が強化されます。投入額だけでなく、産出・成果・目標達成度まで共通様式で開示します。

3. 費目別契約開示と月次パネル評価

ポータル支払を調達・配送・掲載・広告・決済・事務に分けて開示し、ポイント禁止や経費基準の効果を自治体・月次パネルで検証します。

Complete 47 Prefectures Dataset

47都道府県 収支詳細データ一覧

各列のヘッダーをクリックしてソート、または検索ボックスで絞り込みが可能です。

コード 都道府県 寄附受入額 (億円) 募集経費・概算 (億円) 住民税控除額 (億円) 純収支 (億円) 収支区分
PEP 723 Compliant Python Code

Pythonによる可視化パイプライン

`uv run generate_map.py` 一発で依存解決からGeoJSONダウンロード、描画まで自動実行されます。

generate_map.py
# /// script
# requires-python = ">=3.10"
# dependencies = [
#     "geopandas>=0.14.0",
#     "matplotlib>=3.8.0",
#     "requests>=2.31.0",
#     "pandas>=2.0.0",
#     "shapely>=2.0.0",
# ]
# ///
"""
2025年度 ふるさと納税 都道府県別純収支 コロプレス図 生成スクリプト (PEP 723準拠)
実行: uv run generate_map.py
"""
import json
from pathlib import Path
import geopandas as gpd
import matplotlib.patches as mpatches
import matplotlib.pyplot as plt
import pandas as pd
import requests

# 47都道府県の収支データ定義(単位: 億円)
PREFECTURE_DATA = [
    {"id": 1, "name": "北海道", "donation": 1887.65, "expenses": 924.87, "deduction": 253.78, "net": 709.0, "category": "surplus_large"},
    {"id": 13, "name": "東京都", "donation": 162.03, "expenses": 66.46, "deduction": 2350.57, "net": -2255.0, "category": "deficit"},
    {"id": 14, "name": "神奈川県", "donation": 259.93, "expenses": 120.51, "deduction": 985.42, "net": -846.0, "category": "deficit"},
    {"id": 27, "name": "大阪府", "donation": 472.71, "expenses": 212.63, "deduction": 749.08, "net": -489.0, "category": "deficit"},
    {"id": 45, "name": "宮崎県", "donation": 624.67, "expenses": 308.01, "deduction": 35.66, "net": 281.0, "category": "surplus_large"},
    {"id": 19, "name": "山梨県", "donation": 514.09, "expenses": 244.31, "deduction": 41.78, "net": 228.0, "category": "surplus_large"},
    # ... (全47都道府県データ)
]

COLOR_MAP = {
    "surplus_large": "#2b5c3f",  # 濃い緑(100億円以上黒字)
    "surplus_small": "#8ac998",  # 淡い緑(100億円未満黒字)
    "deficit": "#d9534f",        # 赤色(赤字)
}

def main():
    # GeoJSON自動取得 & 描画
    url = "https://raw.githubusercontent.com/dataofjapan/land/master/japan.geojson"
    gdf = gpd.read_file(url)
    df = pd.DataFrame(PREFECTURE_DATA)
    merged = gdf.merge(df, left_on="nam_ja", right_on="name")

    fig, ax = plt.subplots(figsize=(14, 14), dpi=300)
    for cat, col in COLOR_MAP.items():
        merged[merged["category"] == cat].plot(ax=ax, color=col, edgecolor="#2d3748", lw=0.6)
    
    ax.set_title("2025年度 ふるさと納税 都道府県別収支(推計)", fontsize=18, fontweight="bold")
    plt.savefig("furusato_tax_balance_2025.png", dpi=300, bbox_inches="tight")
    print("出力完了: furusato_tax_balance_2025.png")

if __name__ == "__main__":
    main()
uv による即時実行(推奨)
uv run generate_map.py

Python 3.10以上とuvがあれば、仮想環境の事前作成やpip install不要で実行できます。

Google Colab / Jupyterでの実行
!pip install geopandas matplotlib requests pandas shapely

ノートブック環境ではセル先頭でpipインストール後にスクリプトを実行してください。