残業代計算の基本！押さえておくべき3つのポイント

残業代の基本的な計算式を理解しよう

残業代の計算は、労働基準法によって定められた原則に基づいています。基本となる計算式は非常にシンプルで、「1時間あたりの基礎賃金 × 残業時間 × 割増率」です。

ここで重要なのは「1時間あたりの基礎賃金」の算出方法です。これは、基本給だけでなく、役職手当や営業手当など一部を除く各種手当を合計した金額を、会社の1ヶ月の平均所定労働時間で割って求めます。例えば、月給制の場合、月給総額を単に月の労働時間で割るのではなく、対象となる手当を含める必要があるのです。

ただし、注意が必要なのは、管理監督者と呼ばれる特定の職種など、一部の例外を除いてこの計算が適用される点です。ご自身の立場が管理監督者に該当するかどうかは、実態に基づいて判断されるため、疑問があれば確認しましょう。

正確な「残業時間」の数え方

残業代を正しく計算するためには、実際に労働した「残業時間」を正確に把握することが不可欠です。労働基準法では、残業時間は1分単位で計算することが原則とされており、会社が勝手に切り捨てることは認められていません。

ただし、例外として、1ヶ月の合計残業時間を算出する際に、30分未満の端数を切り捨て、30分以上を1時間に切り上げる処理は認められています。例えば、合計残業時間が19時間29分であれば19時間、19時間30分であれば20時間として計算されることがあります。

また、会社が定める「所定労働時間」を超えたからといって、すぐに残業代が発生するわけではありません。法定労働時間（原則1日8時間、週40時間）を超えて初めて「法定時間外労働」となり、割増賃金の対象となることを覚えておきましょう。

割増率の基本と種類

残業代の計算において、もう一つの重要な要素が「割増率」です。これは、残業の種類によって労働基準法で明確に定められています。主な割増率は以下の通りです。

  • 時間外労働（法定労働時間を超える労働）: 通常25%増し（割増率1.25倍）
  • 法定休日労働（法律で定められた休日の労働）: 35%増し（割増率1.35倍）
  • 深夜労働（22時〜翌5時の労働）: 25%増し（割増率1.25倍）

さらに、2023年4月からは、月60時間を超える時間外労働に対しては、中小企業も含むすべての企業で50%以上（割増率1.5倍）に引き上げられました。これらの割増率は重複して適用されることもあります。例えば、深夜の時間帯に月60時間を超える時間外労働を行った場合、50%＋25%で合計75%（割増率1.75倍）が適用されることになります。

ご自身の残業がどの種類に該当するかを理解し、正しい割増率を適用することが、正確な残業代計算には不可欠です。

月給制の場合の残業代計算方法：基本給と手当を考慮

1時間あたりの基礎賃金を算出する

月給制の場合、残業代計算の最初のステップは、「1時間あたりの基礎賃金」を算出することです。時給制のように明確な時給額がないため、この計算が最も重要になります。計算式は「(月給額 ÷ 1ヶ月の平均所定労働時間)」です。

ここでいう「月給額」とは、基本給だけでなく、職務手当や精勤手当など、残業代の計算基礎に含めるべき各種手当の合計を指します。ただし、家族手当、通勤手当、住宅手当、単身赴任手当、子女教育手当、別居手当、臨時で支払われる賃金（結婚祝金など）といった、個人的な事情や慶弔によって支給される手当は、原則として計算の基礎から除外されます。

ご自身の給与明細を確認し、どの手当が基礎賃金に含まれるのか、明確に把握しておくことが正確な計算には欠かせません。

具体的な計算例で理解を深める

では、月給制の場合の具体的な残業代計算例を見てみましょう。

  • 基本給：200,000円
  • 役職手当：30,000円
  • その他手当（通勤手当等、基礎賃金から除外される手当を除く）：20,000円
  • 1ヶ月の平均所定労働時間：160時間
  • 1ヶ月の残業時間：20時間
  • 割増率：1.25倍（通常の時間外労働）

まず、1時間あたりの基礎賃金を計算します。

（200,000円 + 30,000円 + 20,000円） ÷ 160時間 = 250,000円 ÷ 160時間 = 1,562.5円

次に、この基礎賃金を使って残業代を計算します。

1,562.5円 × 20時間 × 1.25 = 39,062.5円

この場合、残業代として約39,063円が支払われることになります。このように、段階を踏んで計算することで、月給制の残業代も正確に算出できます。

固定残業代が含まれる場合の注意点

一部の企業では、給与の中に「固定残業代（みなし残業代）」が含まれている場合があります。これは、あらかじめ一定時間分の残業を想定し、その分の残業代を毎月固定で支払うという制度です。

固定残業代が設定されている場合でも、その時間を超えて残業した分については、別途残業代が支払われる義務があります。例えば、月20時間分の固定残業代が支給されているにも関わらず、実際に25時間残業した場合、超過した5時間分の残業代は別途請求することができます。

ご自身の雇用契約書や就業規則を確認し、固定残業代の有無とその対象となる時間が何時間であるかを把握しておくことが重要です。固定残業代があるからといって、いくら残業しても追加の残業代が出ないわけではないことを理解しておきましょう。

時給制の場合の残業代計算方法：1時間あたりの単価は？

「時給額」がそのまま基礎賃金に

時給制で働く場合、残業代の計算は月給制に比べて非常にシンプルです。なぜなら、「1時間あたりの基礎賃金」が、あなたの時給額そのものとなるからです。追加で複雑な計算をする必要がありません。

そのため、基本的な計算式「残業代 = 1時間あたりの基礎賃金 × 残業時間 × 割増率」に、時給額を直接当てはめるだけで残業代を算出できます。このシンプルさが、時給制の大きな特徴と言えるでしょう。

ただし、時給制であっても、法定労働時間を超える残業や、法定休日、深夜の労働には、月給制と同様に割増率が適用されます。ご自身の時給がいくらで、どのくらい残業したか、そしてどのような状況での残業だったかを正確に把握することが、正しい残業代を受け取るための第一歩となります。

時給制における残業代の計算例

時給制の場合の具体的な残業代計算例を見てみましょう。

  • 時給：1,200円
  • 1ヶ月の残業時間：15時間
  • 割増率：1.25倍（通常の時間外労働）

計算式は以下の通りです。

1,200円（時給） × 15時間（残業時間） × 1.25（割増率） = 22,500円

この場合、残業代として22,500円が支払われることになります。非常に分かりやすい計算ですね。

もし、この15時間の中に深夜労働（例えば22時以降）が含まれていたり、法定休日出勤が含まれていたりすれば、その時間の残業にはさらに高い割増率が適用されることになります。例えば、深夜残業が5時間含まれる場合、その5時間には別途25%の割増が加算され、合計1.50倍となります。

日給制・年俸制も同様に基礎賃金を計算

時給制だけでなく、日給制や年俸制の場合も、基本的な考え方は同じです。まずは「1時間あたりの基礎賃金」を算出することから始めます。

  • 日給制の場合:

    「(日給額 ÷ 1日の所定労働時間) × 残業時間 × 割増率」で計算します。例えば、日給10,000円で1日8時間勤務の場合、1時間あたりの基礎賃金は10,000円 ÷ 8時間 = 1,250円となります。

  • 年俸制の場合:

    「(年俸 ÷ 12ヶ月 ÷ 1ヶ月の平均所定労働時間) × 残業時間 × 割増率」で計算します。年俸制であっても、労働基準法に基づき残業代の支払いは義務付けられています。

このように、どのような給与形態であっても、最終的には1時間あたりの基礎賃金に落とし込み、残業時間と割増率を掛けるという計算の構造は変わりません。ご自身の給与形態に応じた基礎賃金の算出方法を正しく理解し、残業代を正確に把握しましょう。

残業代計算でよくある疑問とその解決策（Q&A）

Q1: 法定内残業と法定外残業の違いは？

A1: 「法定内残業」と「法定外残業」は、残業代の計算において重要な違いがあります。

  • 法定労働時間: 労働基準法で定められた、原則1日8時間、週40時間の労働時間です。
  • 所定労働時間: 各会社が就業規則等で定めている労働時間です。法定労働時間以下である必要があります（例：1日7時間、週35時間）。

会社が定める「所定労働時間」を超過しても、まだ「法定労働時間」の範囲内であれば、それは法定内残業と呼ばれます。この法定内残業に対しては、法律上の割増賃金の支払義務はなく、通常の賃金単価で支払われるのが一般的です。

一方、法定労働時間（1日8時間、週40時間）を超えて労働した時間が法定外残業となり、これには25%以上の割増賃金が適用されます。ご自身の会社の所定労働時間と、実際の労働時間を正確に把握することが、適切な残業代を受け取るために重要です。

Q2: 管理職は残業代が出ないって本当？

A2: 「管理職だから残業代が出ない」と耳にすることがありますが、これは厳密には誤解が含まれています。労働基準法上の「管理監督者」に該当する場合、残業代（時間外・休日労働に対する割増賃金）は支給されません。

しかし、「管理監督者」と認められるには、以下の厳しい要件を満たす必要があります。

  • 経営者と一体的な立場で業務を遂行している
  • 自身の労働時間について裁量がある
  • 役職手当等、その地位にふさわしい待遇を受けている

単に「部長」「課長」といった役職名がついているだけで、実態が一般従業員と変わらない場合は「名ばかり管理職」と呼ばれ、残業代の支給対象となります。ご自身の業務内容や権限、待遇が「管理監督者」の要件に合致するかどうか、一度確認してみることをお勧めします。

Q3: 未払い残業代がある場合の相談先は？

A3: もし、ご自身の残業代が正しく支払われていないと感じた場合、一人で悩まず専門機関に相談することが重要です。 0.1].index.tolist() # Threshold of 0.1

print(f”\nFeatures with absolute correlation > 0.1: {selected_features_corr}”)

# Let’s also demonstrate a chi-squared test for original categorical features (before one-hot encoding)
# This requires going back to the df with original categorical columns
df_original_cat = df.copy()

print(“\nChi-Squared Test for Original Categorical Features vs Loan_Status:”)
categorical_cols_for_chi2 = [
‘Gender’, ‘Married’, ‘Dependents’, ‘Education’, ‘Self_Employed’,
‘Property_Area’
]

chi2_results = {}
for col in categorical_cols_for_chi2:
contingency_table = pd.crosstab(df_original_cat[col], df_original_cat[‘Loan_Status’])
chi2, p_value, _, _ = stats.chi2_contingency(contingency_table)
chi2_results[col] = {‘chi2’: chi2, ‘p_value’: p_value}

print(f”Feature: {col}, Chi2: {chi2:.2f}, P-value: {p_value:.4f}”)
if p_value {col} is statistically significant (p {col} is NOT statistically significant (p >= 0.05).”)

# Observation: Married, Education, Self_Employed, Credit_History (numerical but important), Property_Area
# look significant. Dependents and Gender less so.

# Based on both correlation and chi-squared, let’s select a robust set of features.
# For this exercise, we will use all features after encoding as they are generally useful,
# but note that feature selection can reduce dimensionality and improve model performance.

# Final features for modeling (using all encoded features for demonstration simplicity,
# but a more refined selection would be done in a real project)
X_selected = X.copy()
print(f”\nNumber of features after one-hot encoding: {X_selected.shape[1]}”)

# Save processed data for next steps if needed
# X_selected.to_csv(‘X_processed.csv’, index=False)
# y.to_csv(‘y_processed.csv’, index=False)
print(“\nPreprocessing and basic feature selection analysis complete.”)
print(“X_selected head:”)
print(X_selected.head())
print(“y head:”)
print(y.head())