多維相對貧困視角下的女性生育代價
——來自CFPS數據的經驗證據

蘭峰,馬加樂,黃歆*

(1 西安建筑科技大學 管理學院,陜西 西安 710055;2 陜西(高校)哲學社會科學重點研究基地——陜西省房地產業綠色發展與機制創新研究中心,陜西 西安 710055)

1 引言

從上世紀70年代末開始,計劃生育政策為我國經濟社會發展做出了突出的歷史貢獻,但是從1992年至今,我國總和生育率水平在2.1以下已保持了30年,伴隨生育率持續低迷、人口紅利逐漸消退等問題,使得提升生育水平、優化人口結構已變得迫在眉睫。從“雙獨二孩”、“單獨二孩”到2016年正式實施的“全面二孩”政策,國家逐漸放松對個人生育活動的管制,而實施效果卻并不理想,調查數據顯示,因為經濟負擔、太費精力和無人看護等原因而不愿生育的分別占到74.5%、61.1%、60.5%(1)中國社會科學網.生育代價影響城鎮女性生育意愿 [EB/OL].https://baijiahao.baidu.com/s?id=16392674614210 35744&wfr=spider&for=pc.2019,這些“生育代價”和“生育成本”的存在阻礙了家庭、個體生育意愿的釋放(臧微等,2020;夏志強等,2019)。女性稟賦的母親角色,使得女性比男性在健康、工作、生活等方面擁有獨特的需求,正因如此,生育代價尤其地體現在女性身上。

當前,中國已經開啟全面建設社會主義現代化國家新征程,黨的二十大報告提出:“建立生育支持政策體系,實施積極應對人口老齡化國家戰略”,這意味著促進人口長期均衡發展、推動實現適度生育水平是“十四五”時期經濟社會發展的重要任務,我們要加快構建生育友好型社會,為實現中華民族偉大復興提供堅實基礎和持久動力?！岸ⅰ?、“三孩”政策實施的初衷是單純的宏觀人口目標,但同時人們對美好生活的追求,包括享受生育權在內的各種基本權利,是新時代新階段發展模式中的應有之義?！笆奈濉笔滋帷霸鰪娚甙菪浴?這意味著政策層面要兼顧多重目標,既關注“生”,更重視“人”——以人為本,將國家宏觀目標與個體追求“美好生活”的微觀目標相結合。

目前,人口低生育意愿是我國生育率持續低迷的源頭和癥結所在,女性的生育代價大、生育成本高,這與家庭支持發展政策和生育保障政策不到位是密不可分的(武漢大學中國人口均衡發展研究課題組,2021),而如何找到這些漏洞并行之有效地進行填補,就要求我們應當關注生育主體、關注生育行為對女性的影響如何,這將對推動構建家庭友好型社會、幫助生育主體平衡工作與生活、緩解壓力、提高生活質量、提升家庭福祉、促進家庭幸福具有現實意義。

2 文獻綜述

2.1 生育對女性的影響

生育問題自“二孩”政策實施之后一直是社會學、人口學研究的熱點,尤其是對女性勞動供給的影響,在這一方面,生育可能會造成女性主動選擇職業中斷(詹鵬等,2021;莊渝霞,2020;Mishra et al.,2010;Angrist et al.,1998)或者職場中被動發生生育懲罰現象(谷晶雙,2021;Silles,2016;Viitanen,2014;Correll et al.,2007),從而導致女性勞動參與率大幅度下降,中斷了工作經驗的積累和失去參加一些培訓的機會,最終造成女性的人力資本貶值(李勇輝等,2020);在經濟方面,母親在懷孕期間的各種開支構成了子女的直接養育成本(Leibenstein,1957),而在“子女擴容”的同時,“住房擴容”也帶給女性和家庭更大的經濟負擔,還有普遍存在的“生育工資懲罰”現象(甘春華,2017),均是由生育帶來的不利影響;在健康方面,生育提高了孕期、哺乳期女性陷入某些生理和心理疾病的風險,除此之外,家庭分工理論所認為的女性履行著更多的家務負擔責任,不僅包括子女的生活起居料理,還有子女的行為規范教育、智力和興趣愛好培養以及學習輔導,這使得她們比男性有更高的概率誘發亞健康癥狀(劉汶蓉等,2006);在生活方面,受之于“女主內”的性別角色文化影響,女性是家庭中新生人口照料負擔的最直接承擔者(趙夢晗,2016),托幼機構青黃不接的局面造成女性的生活負擔難以分擔(楊芳等,2017),剝奪了她們原本的娛樂休閑時間,導致個人生活質量下降;在主觀感受方面,我國自古就有“多子多?！钡纳^念,相關研究結論也能證實這一點(聶建亮,2018),特別是母親雖然在撫育子女的過程中付出更多的精力,但正因如此,子女在嬰幼兒時期就與母親建立起遠比父親更深厚的感情。另外,傳統的社會性別規范和性別觀念使女性在家庭內部資源分配中的談判能力多處于劣勢,被視為“無權”的群體,從而影響著女性自身對其家庭地位的感知。

2.2 從多維相對貧困視角研究女性的生育代價

如上文所述,女性不得不為孕育子女付出一些代價,這些代價既包括對女性就業的影響,還包括女性健康、自我價值實現,這與阿馬蒂亞·森的可行能力理論有著密切的聯系:森認為一個社會人的基本可行能力包括公平地獲得健康、教育、住房、市場準入等多個方面的內容,這些能力如果得到相應的提高,其生產力水平就會提高,繼而影響個體收入的創造。女性的生育代價就等同于限制了這些基本可行能力,導致其處于一種能力不足的狀態,最終陷入收入低下、社會地位低、主體意識欠缺的多維貧困中。

在多維貧困的測量和應用方面,目前比較成熟和廣泛使用的是Alkire和Foster提出并創立的A-F多維貧困測量方法,其通過貧困的識別、加總和分解使得貧困的測量更具體和明確(Alkire,2011)。在多維貧困的維度選取上,學者們會根據不同研究對象的特殊性,對多維貧困指標體系做針對性的拓展,選取維度及標準主要依據貧困群體的主要特征或基本需求、既有研究中指標與貧困的相關關系、對貧困的界定和所要達到的減貧目標等。大部分研究選取的是能夠以客觀標準進行貧困判斷的指標(蔡佩汝等,2021;郭君平等,2018),即客觀貧困,與之相對應的是主觀貧困:主觀貧困是主體對自身需求滿足狀況或生活境遇的評判,是基于自我認為的需求滿足“應該”處于何種水平的評判,這種“應該”無形之中就烙上了與他人對照的印記,因此是一種相對貧困。從近些年的研究中可以發現,主觀福利、未來信心、生活滿意度等指標被納入到多維貧困指標體系中(張文娟等,2022;解堊,2017),使得多維貧困增加了相對層面的含義。中國脫貧攻堅的勝利意味著絕對貧困的徹底消除,同時,人民日益增長的美好生活需要對扶貧工作提出新要求,我們不能簡單地依據缺衣少食的絕對標準識別個體的貧困狀況,而應該基于多維視角并以相對標準全面識別人口貧困問題。綜合學者對多維貧困指標體系構建的經驗,可以認為收入、生活水平是描述個體處于貧困狀態的核心概念,在測度多維相對貧困時應予以重點考慮,而居民心理上的主觀感受是對社會經濟政策成效的反饋,新階段我國減貧戰略應予以關注。

綜上,對于在女性身上所體現的生育代價,現有研究對非勞動就業方面的關注度略顯單薄,以至于不能客觀全面地認識生育代價,在為生育政策與經濟社會政策配套銜接、公共服務保障提供科學理論依據的作用有限。鑒于此,本文引入多維相對貧困視角對生育代價進行再認識,多維貧困理論這一工具的使用可以幫助反映研究對象在各維度上的被剝奪情況,幫助找到公共政策的優先干預領域,對于包容性生育政策的制度設計與完善具有指導意義。

3 研究設計

3.1 數據來源與樣本選擇

本文的樣本數據來自北京大學中國社會科學調查中心實施的中國家庭追蹤調查項目(CFPS)。本文的研究內容是女性生育代價的定量分析,換言之是生育行為對女性多維相對貧困的影響,盡管“三孩”政策實施的年份較近,但考慮到數據的可獲得性,選擇“是否生育二孩”作為本研究生育行為的代理變量,選取 CFPS 數據庫中2014和2018年兩期的相關數據?！岸ⅰ闭呷鎸嵤┑臎_擊時點為2015年,但本研究沒有使用毗鄰的2016年CFPS數據,而采用2018年數據的理由如下:在2015年政策實施后,生育決策、生育行為對政策的響應可能存在滯后性,選擇2018年作為政策實施后的觀察年份,可以擴大樣本量,提高估計結果的有效性和科學性。研究保留了兩期均參與調查的樣本,設定樣本篩選條件為兩期均處在育齡范圍(20～49歲)的女性,設定2014年子女數量為1、2018年子女數量為2的女性為實驗組;2014年子女數量為1且2018年子女數量為1的女性為對照組。

3.2 研究方法

3.2.1 女性多維相對貧困測算

在多維相對貧困的內涵定義上,本文基于家庭角色與工作角色沖突理論和社會性別理論,結合劉金菊、陸萬軍等學者的研究(劉金菊,2020 ;陸萬軍等,2016),從就業、經濟、生活、健康以及主觀感受五個維度構建女性多維相對貧困測算指標體系,權重按照UNDP-MPI維度等權重的思路進行設置,多維相對貧困維度、貧困剝奪臨界值和各指標權重見表1,然后運用A-F多維貧困測度方法,對研究對象先進行貧困的識別,再通過計算多維相對貧困指數評估育齡女性多維相對貧困水平。

3.2.2 傾向得分匹配的雙重差分法

生育行為的發生與否對于個體來說并不是隨機發生的,而是與個體、家庭特征有較為緊密的關系,是由其自身決定的一個自選擇過程。為了準確估計生育政策調整背景下,生育行為對女性多維相對貧困的影響,本文根據Rosenbaum &Rubin的定義構造反事實(Rosenbaum et al.,1983):對一個生育二孩的個體來說,在保持其他因素不變的情況下,如果當初維持原狀,那么其多維相對貧困狀況是否有明顯的變化?傾向得分匹配的基本思路是為實驗組的某個個體在對照組找到一個除生育決策不同外的其他可觀測變量盡可能接近的個體(陳強,2014),這種做法可以最大程度上解決可觀測變量的偏差問題,再使用雙重差分法消除未觀測到變量的影響,尤其是隨時間不變和隨時間同步變化的因素所帶來的影響,幫助觀察到實驗組和對照組之間的差異,得出的就是生育行為對女性的影響,即生育代價。

圖1 雙重差分實現過程

3.3 模型與變量定義

3.3.1 變量選擇

(1)因變量。本文將使用上節介紹的女性多維相對貧困測算方法測度后的兩個指標作為因變量反映多維相對貧困狀況。一是反映多維相對貧困程度的指標——加權多維相對貧困剝奪得分(MRPDS),多維相對貧困剝奪總分越大,意味著個體多維相對貧困狀況越嚴重,該變量為連續變量,取值在0-1之間連續分布;二是反映多維相對貧困狀態的定性指標,判定個體是否處于多維相對貧困(MRP)。在此,我們借鑒國內學者鄒薇(鄒薇等,2011)、郭建宇(郭建宇等,2012)的做法,在臨界值k取1/3的條件下將個體分為多維相對貧困和非多維相對貧困,貧困為1,否則為 0。

(2)自變量。本文選取生育政策沖擊的時間虛擬變量(t)、實驗組和對照組的虛擬變量(treated)及其交互項(did)作為解釋變量。政策沖擊的時間虛擬變量度量了政策沖擊前后實驗組和對照組多維相對貧困的變化;實驗組和對照組的虛擬變量度量了兩類群體多維相對貧困狀況的差異;而交互項是本研究所關注的政策沖擊對實驗組和對照組的影響差異,是本文的關鍵解釋變量。

(3)協變量和控制變量。在進行傾向得分估計時,需要將影響個體生育決策的因素盡可能多地包含在Logit模型中。參考生育意愿、生育決策的影響因素研究以及R2最大法則(石智雷等,2019;谷晶雙,2021),從女性個人特征、家庭特征中選取協變量,并選取事前時點的數值(賈俊雪等,2015),通過PSM處理,為每個生育二孩的個體(實驗組)匹配出具有可比性的保持一孩狀態的個體?？紤]到個體間的異質性,為了盡可能地消除回歸時變量遺漏帶來的估計偏差,本文在參考現有女性多維相對貧困的研究后(張曉穎等,2016),從個人和家庭層面控制了其他影響女性多維相對貧困的變量,具體變量說明及描述性統計見表2。觀察得出,多維相對貧困剝奪總得分與是否多維相對貧困在實驗組和對照組之間均存在差異,實驗組的均值均高于對照組,表明實驗組的多維相對貧困剝奪情況甚于對照組,且多維相對貧困發生率高于實驗組。另外,對于兩組樣本,大部分控制變量表現出明顯的差異。

表2 變量描述性統計

3.3.2 模型構建

傾向得分匹配的具體步驟是通過回歸模型,納入評價兩組個體相似度的若干指標來計算每個個體成為實驗組的概率,即傾向得分,本文采用Logit模型計算傾向得分,然后將兩個組別的個體在基期進行匹配,模型設定如下:

pi(X)=Pr(treatit=1|Xi)=F[h(Xi)]

(1)

treatit為實驗組虛擬變量;Xi表示第i個個體的用于計算傾向得分的協變量;h(Xi)為線性函數;F(·)為Logit函數。

運用雙重差分模型測度生育行為對女性多維相對貧困的凈效應時,本文分別使用面板線性模型和面板Logit模型。其中,面板線性模型的被解釋變量為多維相對貧困剝奪總得分(MRPDS),反映個體的多維相對貧困程度;面板Logit模型的被解釋變量為是否處于多維相對貧困(MRP),為二分類變量(貧困=1,不貧困=0),反映個體的多維相對貧困狀態。由于本文使用的是平衡面板數據,所以需要進行混合效應、固定效應和隨機效應模型的選擇。Hausman檢驗的結果表明,隨機效應估計適用于本研究的兩個模型,故采用隨機效應回歸進行估計。面板線性雙重差分模型設定為式(2)形式:

Yit=β0+β1treatedit+β2tit+β3didit+β4Xit+εit

(2)

Yit衡量個體i在t年的多維相對貧困程度;treatedit是分類指標的虛擬變量,經PSM處理后的生育組個體,令treated=1,經PSM處理后的未生育個體,令treated=0;tit為實驗期識別變量,處于實驗期則t=1,否則t=0;交互項didit表示生育后的實驗組虛擬變量,系數β3是本研究所關注的實驗組和對照組的影響差異;Xit是影響女性多維相對貧困的一系列控制變量;εit為殘差。面板Logit雙重差分模型設定為式(3)形式:

(3)

Pr表示多維相對貧困發生(p)與不發生(1-p)概率比的對數,即對數幾率比。其他變量與式(2)相同?；貧w系數β3表示解釋變量didit增加一個單位引起的對數幾率比的邊際變化,通過數學變換得到的式(4)可以計算出幾率比p/(1-p)的變化情況,用于解釋didit增加一個單位引起幾率比的變化倍數(OR值),反映了事件發生概率的提高或降低。

(4)

4 結果與分析

4.1 多維相對貧困測度與識別

4.1.1 多維相對貧困指數分析

按照A-F多維相對貧困的測算方法和步驟,本文測度了k在0.1～0.9之間不同取值時,兩個組別的女性在兩期的貧困發生率H、多維相對貧困強度指數A和多維相對貧困指數M,如表3。從兩期多維相對貧困指數測度結果及變化情況來看,隨著k值設定的增加,多維相對貧困發生率H呈遞減的趨勢,直至消除;而貧困強度指數A與貧困發生率H呈現相反的變化趨勢;多維相對貧困指數M在k=0.1時最大,隨著k值的增加,M隨之遞減。還可以說明的是,實驗組個體多維相對貧困指數的兩期變化符號均為正,即報告期的多維相對貧困狀況劣于基期的情況,而這個結論在對照組中則不成立,且對照組的兩期絕對變化數值均小于實驗組。比較兩組數據發現,M0變化幅度在k= 0.3～0.4之間時最大,k的兩種取值下,報告期的M0組間差異均大于基期組差。

表3 多維相對貧困測算結果

4.1.2 貧困動態變化分析

根據樣本在兩期是否處于多維相對貧困狀態,將貧困的動態變化分為4種情況:從未貧困、陷入貧困、脫離貧困和持續貧困。從未貧困表示樣本在兩期數據中均不貧困;陷入貧困指樣本在2014年處于非多維相對貧困而2018年進入多維相對貧困;脫離貧困是指2014年處于多維相對貧困而在2018年脫離了多維相對貧困;持續貧困指樣本在兩期都處于多維相對貧困。k=0.1～0.8取值下的兩期女性貧困動態變化情況如表4所示。在兩組個體中,k≤0.3時,持續貧困的人數占比最大,而k=0.4時,從未貧困在四種類型中占比最大,即k取值在0.3～0.4之間時,動態貧困類型的人口結構實現了調整和變化。通過對兩期貧困動態變化分析,推測k的取值在0.3～0.4之間較為合理。

表4 兩期貧困動態變化情況

4.1.3 單維貧困變化分析

如上文所述,k值在0.3～0.4之間時,多維相對貧困的動態類型結構發生改變,對于造成這種變化的原因,可以通過對單維貧困的變化分析進行說明,借鑒已有研究做法取k=1/3對貧困動態結構變化情況做進一步分析。表5報告了多維相對貧困的各項指標的貧困發生率與貢獻度,根據測算結果,女性單維貧困較為突出的是家庭賦權,實驗組和對照組在家庭賦權的貧困發生率均大于90%,現實生活中,傳統以性別為基礎的分工格局極大的削弱了女性的社會地位,導致女性在家庭經濟地位上的劣勢和家庭資源分配權的邊緣化,種種不平等加劇了女性貧困化。其次是就業剝奪,實驗組在基期和報告期的單維貧困發生率分別達到65.607%、68.786%,對照組則是55.705%、55.501%,情況稍好于實驗組。實際上,在傳統性別文化的巨大慣性作用下,社會勞動分工、職場工作待遇都會受到性別因素的影響,使得女性與男性并非平等地獲得機會和資源,此外在面對社會角色與家庭角色的沖突時,家庭中多數情況是女性做出讓步。BMI是健康貧困脆弱性的影響因素,盡管自評健康的貧困發生率不高,但非正常范圍的BMI與職業工作、家務勞動、生育與撫育等壓力的累積效果將增大相關疾病發生的風險。在家務工作方面,第四期中國婦女社會地位調查發布的數據顯示,女性照料家庭成員和做飯、清潔、日常采購等家務勞動時間為154分鐘,約為男性的2倍,在家務勞動上的時間分配無疑擠占了女性享有的其他休閑時間,加劇了女性的時間貧困。

表5 指標貧困發生率、貢獻率及變化趨勢

通過比較組內時間差異發現,對于實驗組,只有主觀感受維度的貧困發生率降低,其余4個維度下的8個指標貧困發生率均上升,表明女性在就業、經濟、生活和健康方面受到影響;對照組在就業剝奪、生活負擔、生活滿意度和家庭賦權4個指標的貧困發生率下降,其余指標較2014年略有上升。再比較組間差異發現,貧困發生率上升的指標中,除健康維度的兩個指標外,實驗組在其余指標的增長幅度均大于對照組,這些指標按照變化幅度由高到低排序,分別是家務、睡眠、債務、就業剝奪、人均住房面積和生活負擔。對于健康維度的指標值變化可以結合描述性統計進行推斷:對照組平均年齡高于實驗組,罹患疾病的風險相應增加。對于其余指標的變化情況,可以認為一些學者提出的由夫妻共同分擔孩子養育責任和家務勞動的提議是合理且必要的,這將能夠分攤女性在家庭內部的家務勞動量,使得女性的睡眠時長得到補償。單維貧困變化的結果也表明,在家庭環境之外,需要注意到育后女性的經濟壓力、就業壓力和生活壓力,因此補充生育政策需要在這些方面予以關注,可以是實施經濟補助項目,也可以是市場幼兒服務的完善,以緩解生育行為帶給女性的不利影響。

4.2 女性生育代價的估計與分析

4.2.1 傾向得分匹配處理與共同支撐檢驗

根據研究設計,本文通過Logit模型估計每個個體發生生育行為的預測概率,即個體的傾向得分,結果見表6,由決策方程估計可知,女性的年齡、婚姻狀況、戶口類型、重男輕女思想、理想孩子數、一胎性別和配偶年齡都顯著地影響著個人生育決策。

表6 生育行為決策方程估計

表7 傾向得分匹配結果

根據計算得到的傾向得分繪制了匹配前后實驗組與對照組的傾向得分分布密度函數如圖2,匹配前實驗組和對照組的傾向得分存在明顯差異,匹配后兩個組別的傾向得分分布形態高度接近,表明PSM很好地消除了兩組樣本間的傾向得分分布偏差,滿足共同支撐假設。匹配后僅保留在共同支撐域內的個體,最終得到處理后的實驗組310個,占比26.09%,處理后的對照組878個,占比73.91%。

4.2.2 平衡性檢驗

表8中匹配后的協變量在兩組之間的標準偏誤均小于10%,且所有變量的t檢驗的結果不拒絕實驗組與對照組無系統差異的原假設。對比匹配前的結果,大多數變量的標準化偏差均大幅度縮小。表9的平衡性檢驗結果顯示,Pseudo R2從匹配前的0.280下降至匹配后的0.010,LR統計量由匹配前的391.49下降至8.24,解釋變量的聯合顯著性檢驗由匹配前的高度顯著變為匹配后的在10%的顯著性水平上被拒絕,解釋變量的均值偏差也有所降低,從52.7降至4.2,總體偏誤大大降低,表明匹配后兩組的分布差異較小,匹配的質量較高。

表9 總體匹配質量平衡性檢驗

4.2.3 雙重差分檢驗

由于使用固定效應進行Logit估計會導致樣本大量丟失,在這種情況下,使用隨機效應估計能夠充分利用全部樣本,獲得更為有效的估計,同時Hausman檢驗也支持使用隨機效應進行估計。根據PSM得到的匹配樣本,采用隨機效應估計面板雙重差分模型,表10是基于全樣本生育行為對女性多維相對貧困剝奪總得分(MRPDS)、是否多維相對貧困(MRP)的PSM-DID估計結果。

表10 生育行為對女性多維相對貧困影響的回歸結果

從核心解釋變量的回歸結果看,生育行為對女性多維相對貧困剝奪總得分呈現顯著的正向影響關系,且在1%的水平下通過了顯著性檢驗。這說明生育行為顯著加劇了女性的多維相對貧困程度,平均提高多維相對貧困剝奪總得分0.031,與未生育的個體相比,生育行為會使得個體的多維相對貧困程度有所增加。其次,相對于未生育的女性,生育事件的發生提高了女性陷入多維相對貧困的概率,使得幾率比提高83.1%(e0.605-1)(2)OR值表示某一事件發生的概率與其反面事件發生概率的比值,由回歸系數為正值及OR值大于1可知,在控制其它因素的情況下,因變量從原取值轉變為現取值的概率提高。。

一些控制變量對女性多維相對貧困也有著顯著影響。在個體特征方面,年齡對女性多維相對貧困的影響并不顯著,這一現象可能是因為樣本的篩選條件造成具有某類特征的個體較為集中,因此無法反映這一因素對多維相對貧困的影響程度,但不能認為此類特征與女性多維相對貧困沒有關系。受教育程度、健康狀況、工作狀態和家庭是否從事農業工作與女性多維相對貧困有密切關系:受教育程度和健康狀況是女性的人力資本,對多維相對貧困程度有著顯著的負向影響,這與郭熙保等人(郭熙保等,2016;汪為等,2018)的研究結論一致。當前處于工作狀態緩沖了生育行為對女性多維相對貧困程度、狀態的影響。與多數研究結論不同的是,家庭務農對女性多維相對貧困的影響為負,這可能是由于研究所使用的樣本為年齡在20-49歲的女性,在我國農業女性化趨勢中,務農家庭中的這一年齡段女性由于良好的身體條件而承擔著家中部分農活工作,同時還要兼顧上有老下有小的家庭照料義務,這些女性原本就處于較重的生活負擔下,使得生育后的多維相對貧困狀況變化差異可能小于非農工作家庭女性;另一方面,務農女性的身體素質方面表現更好,這就緩沖了生育對女性健康的影響。家庭年收入對女性多維相對貧困狀況也呈現負向的影響,家庭年收入越大,多維相對貧困剝奪總得分越低,陷入多維相對貧困的幾率比也會降低。

4.2.4 異質性分析

前文的定量估計表明生育確實加劇了女性多維相對貧困狀況、增加了陷入多維相對貧困的可能性,那么對于不同特征的個體其生育代價是否受到差異化的影響?接下來將進一步考察這種影響在不同群體間是否具有異質性。

首先,按照女性的受教育程度將樣本分為低等教育者(初中及以下)和高等教育者(高中及以上),表11(3)-(6)列的結果顯示,生育行為對不同教育水平女性的多維相對貧困程度的影響皆為正向影響,但程度略有差異。從對MRPDS的影響來看,兩個組別的差異不大;從陷入多維相對貧困的概率來看,同等受教育程度條件下,生育使得女性陷入多維相對貧困的幾率比分別提高81.5%(e0.596-1)、70%(e0.531-1)。這說明個體受教育程度越高,教育對人力資本的積累作用削弱了生育行為對女性的沖擊,其多維相對貧困發生的幾率比就會隨之降低。

表11 生育行為對不同教育程度女性多維相對貧困影響的回歸結果

其次,按照女性的戶口類型,將樣本分為農村戶口和城市戶口,結果如表11(7)-(10)列所示。從對多維相對貧困程度的影響來看,生育使得農村戶籍女性多維相對貧困剝奪總得分平均增加0.029,對城市女性的影響與農村女性基本相等,但并不顯著;從對多維相對貧困狀態的影響來看,農村戶口的女性因生育而陷入貧困的幾率比提高了92.4%(e0.654-1),對于城市戶口的女性這種影響的幾率比提高41.9%(e0.350-1)。在勞動力轉移的趨勢下,一些農村女性因其自身家庭和本人的教育程度通常較低,仍然生活在農村,并且更容易貧困(萬喆,2016);而進城的農村女性勞動力因為戶籍限制只能從事低級工種,始終處于城市社會底層,再加上家庭中的子女養育負擔,無助于她們擺脫多維相對貧困甚至加劇了多維相對貧困的程度。

按照家中是否務農,將樣本分為家庭務農樣本和非務農樣本。表11(11)-(14)列的結果表明生育均不利于這兩類樣本的多維相對貧困程度和狀態。具體而言,對于家庭非務農女性,生育會使其多維相對貧困剝奪總得分在1%的顯著性水平下平均增加0.043,使其陷入多維相對貧困的幾率比增加103.6%(e0.711-1),對兩個被解釋變量的影響均大于家庭務農女性。造成這種影響差異的原因,猜測可能是因為家庭務農的女性多肩負著較重的家庭負擔,不僅是照料家庭、還有耕作等農業活動,原本就處在剝奪程度比較深的情況,在多維相對貧困程度已經達到一定深度的情況下,生育事件對他們多維相對貧困的影響就顯得無足輕重;但是對于家庭非務農工作的女性,她們可能會因為家庭照料的需求,不得不放棄工作回歸家庭,除此之外,城市家庭中對教育問題的重視,熾熱的擇校、瘋狂的課外補習無不體現家長的教育焦慮。由于多數家庭是由母親承擔主要的教育職能,因此這些心理負擔都附著在母親身上。

4.2.5 穩健性檢驗

為驗證上述生育行為對女性多維相對貧困影響效果的準確性,參考蔣冠宏(蔣冠宏等,2014)、李兵(李兵等,2016)的處理辦法,從以下兩個方面對前述結果的穩健性進行檢驗:(1)更改傾向得分匹配方法,采用半徑匹配(半徑為0.01)和核匹配(核函數采用normal,帶寬為0.01)方法檢驗不同匹配方法的選擇是否影響研究結論成立;(2)改變實驗組定義標準,將樣本進入實驗組的條件放寬,將2014年子女數量小于2018年子女數量的女性設置為實驗組,使得樣本容量得以擴大從而進行穩健性檢驗。表12的檢驗結果與前述采用k近鄰匹配方法得到的結論一致,說明分析結果具有較強的穩健性。

4.2.6 安慰劑檢驗

為檢驗本文的基準回歸結果是否是由于別的偶然因素驅動,本文參考孫琳琳等人(孫琳琳等,2020)的做法采用隨機生成實驗組的方法進行安慰劑檢驗如圖3,系數估計值的核密度圖與均值為0的正態分布幾乎重合,這說明對于隨機生成的偽實驗組,并不能發現生育行為對其多維相對貧困程度和狀態的影響在統計水平上顯著,從側面印證了基準回歸估計結果的穩健性。

5 結論與討論

人口再生產所產生的代價是造成生育率低迷的重要原因,但學界對這一代價的研究更多集中于勞動力市場對女性的就業歧視和工資懲罰。本文基于CFPS2014和2018兩期微觀調查數據,首先通過構建多維相對貧困的理論模型,從就業、經濟、生活、健康和主觀感受5個維度對比分析了生育二孩與未生育二孩女性的多維相對貧困狀況差異,然后采用傾向得分匹配的雙重差分模型對女性的生育代價進行定量估計,并對結果進行穩健性分析。

分析結果表明,第一,女性單維貧困發生率較高的指標依次是家庭賦權、就業剝奪和家務工作,分別在90%、50%、40%以上(2018年);第二,生育二孩會顯著加劇女性多維相對貧困程度,陷入多維相對貧困的幾率比也隨之增加,利用PSM-DID模型得出的結果表明,生育二孩會使得女性多維相對貧困剝奪總得分平均提高0.031,陷入多維相對貧困的幾率比增加83.1%(e0.605-1);第三,上述影響效應在不同受教育程度、不同戶口類型和不同家庭特征的女性中存在差異,相比于教育程度高、城市戶口和家庭務農的女性,生育二孩對教育程度低、農村戶口和家庭非農工作的女性有著更大的負面影響效應。

綜上,通過分析生育行為對女性的多維影響及其在不同女性群體間的差異,旨在對女性的生育代價有更直觀與深入的理解,也企盼社會能夠關注到生育政策調整背景下女性日益增長的美好生活需要。眾所周知,女性稟賦的母親角色和“男主外、女主內”的傳統觀念,使得她們往往需要承擔家務和照料子女的責任,伴隨著家庭中新生人口的到來,女性面臨的可能是健康剝奪、人力資本與就業剝奪、時間與空間剝奪,正是女性對于這些生育代價的顧慮,導致了個體低生育意愿、社會低生育率的現狀?；谝陨戏治鼋Y果可以預測,當前“三孩”生育政策全面放開,也未必能實現理想的預期目標。過去,我們對“生育”的理解往往只關注“生”而忽視了“育”,對生育政策的目標只停留在宏觀人口目標,而忽視了生育主體對美好生活的訴求,“生育”只是人口發展第一個環節,生育政策不應該是單獨的一個政策,需要一系列配套政策相互支持協調。黨的二十大提出要優化人口發展戰略,建立生育支持政策體系,降低生育、養育、教育成本,構建生育友好型社會;十九屆五中全會首次提出要增強生育政策包容性,即意味著要兼顧人口長期均衡目標和家庭福祉目標,且將二者很好地結合起來。因此,對“生育”和生育政策認知的轉變,這是我國應對人口老齡化難題的必然選擇,是生育政策自我修正與完善的現實需要。構建生育友好型社會促使我們要加強女性關懷,緩解女性對生育代價的擔憂,從而釋放生育意愿,提高生育率,優化人口年齡結構,促進人口各內在要素與外部環境協調發展。