多维相对贫困视角下的女性生育代价——来自CFPS数据的经验证据

兰峰,马加乐,黄歆*

(1 西安建筑科技大学 管理学院,陕西 西安 710055;2 陕西(高校)哲学社会科学重点研究基地——陕西省房地产业绿色发展与机制创新研究中心,陕西 西安 710055)

1 引言

从上世纪70年代末开始,计划生育政策为我国经济社会发展做出了突出的历史贡献,但是从1992年至今,我国总和生育率水平在2.1以下已保持了30年,伴随生育率持续低迷、人口红利逐渐消退等问题,使得提升生育水平、优化人口结构已变得迫在眉睫。从“双独二孩”、“单独二孩”到2016年正式实施的“全面二孩”政策,国家逐渐放松对个人生育活动的管制,而实施效果却并不理想,调查数据显示,因为经济负担、太费精力和无人看护等原因而不愿生育的分别占到74.5%、61.1%、60.5%(1)中国社会科学网.生育代价影响城镇女性生育意愿 [EB/OL].https://baijiahao.baidu.com/s?id=16392674614210 35744&wfr=spider&for=pc.2019,这些“生育代价”和“生育成本”的存在阻碍了家庭、个体生育意愿的释放(臧微等,2020;夏志强等,2019)。女性禀赋的母亲角色,使得女性比男性在健康、工作、生活等方面拥有独特的需求,正因如此,生育代价尤其地体现在女性身上。

当前,中国已经开启全面建设社会主义现代化国家新征程,党的二十大报告提出:“建立生育支持政策体系,实施积极应对人口老龄化国家战略”,这意味着促进人口长期均衡发展、推动实现适度生育水平是“十四五”时期经济社会发展的重要任务,我们要加快构建生育友好型社会,为实现中华民族伟大复兴提供坚实基础和持久动力。“二孩”、“三孩”政策实施的初衷是单纯的宏观人口目标,但同时人们对美好生活的追求,包括享受生育权在内的各种基本权利,是新时代新阶段发展模式中的应有之义。“十四五”首提“增强生育政策包容性”,这意味着政策层面要兼顾多重目标,既关注“生”,更重视“人”——以人为本,将国家宏观目标与个体追求“美好生活”的微观目标相结合。

目前,人口低生育意愿是我国生育率持续低迷的源头和症结所在,女性的生育代价大、生育成本高,这与家庭支持发展政策和生育保障政策不到位是密不可分的(武汉大学中国人口均衡发展研究课题组,2021),而如何找到这些漏洞并行之有效地进行填补,就要求我们应当关注生育主体、关注生育行为对女性的影响如何,这将对推动构建家庭友好型社会、帮助生育主体平衡工作与生活、缓解压力、提高生活质量、提升家庭福祉、促进家庭幸福具有现实意义。

2 文献综述

2.1 生育对女性的影响

生育问题自“二孩”政策实施之后一直是社会学、人口学研究的热点,尤其是对女性劳动供给的影响,在这一方面,生育可能会造成女性主动选择职业中断(詹鹏等,2021;庄渝霞,2020;Mishra et al.,2010;Angrist et al.,1998)或者职场中被动发生生育惩罚现象(谷晶双,2021;Silles,2016;Viitanen,2014;Correll et al.,2007),从而导致女性劳动参与率大幅度下降,中断了工作经验的积累和失去参加一些培训的机会,最终造成女性的人力资本贬值(李勇辉等,2020);在经济方面,母亲在怀孕期间的各种开支构成了子女的直接养育成本(Leibenstein,1957),而在“子女扩容”的同时,“住房扩容”也带给女性和家庭更大的经济负担,还有普遍存在的“生育工资惩罚”现象(甘春华,2017),均是由生育带来的不利影响;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风险,除此之外,家庭分工理论所认为的女性履行着更多的家务负担责任,不仅包括子女的生活起居料理,还有子女的行为规范教育、智力和兴趣爱好培养以及学习辅导,这使得她们比男性有更高的概率诱发亚健康症状(刘汶蓉等,2006);在生活方面,受之于“女主内”的性别角色文化影响,女性是家庭中新生人口照料负担的最直接承担者(赵梦晗,2016),托幼机构青黄不接的局面造成女性的生活负担难以分担(杨芳等,2017),剥夺了她们原本的娱乐休闲时间,导致个人生活质量下降;在主观感受方面,我国自古就有“多子多福”的生育观念,相关研究结论也能证实这一点(聂建亮,2018),特别是母亲虽然在抚育子女的过程中付出更多的精力,但正因如此,子女在婴幼儿时期就与母亲建立起远比父亲更深厚的感情。另外,传统的社会性别规范和性别观念使女性在家庭内部资源分配中的谈判能力多处于劣势,被视为“无权”的群体,从而影响着女性自身对其家庭地位的感知。

2.2 从多维相对贫困视角研究女性的生育代价

如上文所述,女性不得不为孕育子女付出一些代价,这些代价既包括对女性就业的影响,还包括女性健康、自我价值实现,这与阿马蒂亚·森的可行能力理论有着密切的联系:森认为一个社会人的基本可行能力包括公平地获得健康、教育、住房、市场准入等多个方面的内容,这些能力如果得到相应的提高,其生产力水平就会提高,继而影响个体收入的创造。女性的生育代价就等同于限制了这些基本可行能力,导致其处于一种能力不足的状态,最终陷入收入低下、社会地位低、主体意识欠缺的多维贫困中。

在多维贫困的测量和应用方面,目前比较成熟和广泛使用的是Alkire和Foster提出并创立的A-F多维贫困测量方法,其通过贫困的识别、加总和分解使得贫困的测量更具体和明确(Alkire,2011)。在多维贫困的维度选取上,学者们会根据不同研究对象的特殊性,对多维贫困指标体系做针对性的拓展,选取维度及标准主要依据贫困群体的主要特征或基本需求、既有研究中指标与贫困的相关关系、对贫困的界定和所要达到的减贫目标等。大部分研究选取的是能够以客观标准进行贫困判断的指标(蔡佩汝等,2021;郭君平等,2018),即客观贫困,与之相对应的是主观贫困:主观贫困是主体对自身需求满足状况或生活境遇的评判,是基于自我认为的需求满足“应该”处于何种水平的评判,这种“应该”无形之中就烙上了与他人对照的印记,因此是一种相对贫困。从近些年的研究中可以发现,主观福利、未来信心、生活满意度等指标被纳入到多维贫困指标体系中(张文娟等,2022;解垩,2017),使得多维贫困增加了相对层面的含义。中国脱贫攻坚的胜利意味着绝对贫困的彻底消除,同时,人民日益增长的美好生活需要对扶贫工作提出新要求,我们不能简单地依据缺衣少食的绝对标准识别个体的贫困状况,而应该基于多维视角并以相对标准全面识别人口贫困问题。综合学者对多维贫困指标体系构建的经验,可以认为收入、生活水平是描述个体处于贫困状态的核心概念,在测度多维相对贫困时应予以重点考虑,而居民心理上的主观感受是对社会经济政策成效的反馈,新阶段我国减贫战略应予以关注。

综上,对于在女性身上所体现的生育代价,现有研究对非劳动就业方面的关注度略显单薄,以至于不能客观全面地认识生育代价,在为生育政策与经济社会政策配套衔接、公共服务保障提供科学理论依据的作用有限。鉴于此,本文引入多维相对贫困视角对生育代价进行再认识,多维贫困理论这一工具的使用可以帮助反映研究对象在各维度上的被剥夺情况,帮助找到公共政策的优先干预领域,对于包容性生育政策的制度设计与完善具有指导意义。

3 研究设计

3.1 数据来源与样本选择

本文的样本数据来自北京大学中国社会科学调查中心实施的中国家庭追踪调查项目(CFPS)。本文的研究内容是女性生育代价的定量分析,换言之是生育行为对女性多维相对贫困的影响,尽管“三孩”政策实施的年份较近,但考虑到数据的可获得性,选择“是否生育二孩”作为本研究生育行为的代理变量,选取 CFPS 数据库中2014和2018年两期的相关数据。“二孩”政策全面实施的冲击时点为2015年,但本研究没有使用毗邻的2016年CFPS数据,而采用2018年数据的理由如下:在2015年政策实施后,生育决策、生育行为对政策的响应可能存在滞后性,选择2018年作为政策实施后的观察年份,可以扩大样本量,提高估计结果的有效性和科学性。研究保留了两期均参与调查的样本,设定样本筛选条件为两期均处在育龄范围(20～49岁)的女性,设定2014年子女数量为1、2018年子女数量为2的女性为实验组;2014年子女数量为1且2018年子女数量为1的女性为对照组。

3.2 研究方法

3.2.1 女性多维相对贫困测算

在多维相对贫困的内涵定义上,本文基于家庭角色与工作角色冲突理论和社会性别理论,结合刘金菊、陆万军等学者的研究(刘金菊,2020 ;陆万军等,2016),从就业、经济、生活、健康以及主观感受五个维度构建女性多维相对贫困测算指标体系,权重按照UNDP-MPI维度等权重的思路进行设置,多维相对贫困维度、贫困剥夺临界值和各指标权重见表1,然后运用A-F多维贫困测度方法,对研究对象先进行贫困的识别,再通过计算多维相对贫困指数评估育龄女性多维相对贫困水平。

3.2.2 倾向得分匹配的双重差分法

生育行为的发生与否对于个体来说并不是随机发生的,而是与个体、家庭特征有较为紧密的关系,是由其自身决定的一个自选择过程。为了准确估计生育政策调整背景下,生育行为对女性多维相对贫困的影响,本文根据Rosenbaum &Rubin的定义构造反事实(Rosenbaum et al.,1983):对一个生育二孩的个体来说,在保持其他因素不变的情况下,如果当初维持原状,那么其多维相对贫困状况是否有明显的变化?倾向得分匹配的基本思路是为实验组的某个个体在对照组找到一个除生育决策不同外的其他可观测变量尽可能接近的个体(陈强,2014),这种做法可以最大程度上解决可观测变量的偏差问题,再使用双重差分法消除未观测到变量的影响,尤其是随时间不变和随时间同步变化的因素所带来的影响,帮助观察到实验组和对照组之间的差异,得出的就是生育行为对女性的影响,即生育代价。

图1 双重差分实现过程

3.3 模型与变量定义

3.3.1 变量选择

(1)因变量。本文将使用上节介绍的女性多维相对贫困测算方法测度后的两个指标作为因变量反映多维相对贫困状况。一是反映多维相对贫困程度的指标——加权多维相对贫困剥夺得分(MRPDS),多维相对贫困剥夺总分越大,意味着个体多维相对贫困状况越严重,该变量为连续变量,取值在0-1之间连续分布;二是反映多维相对贫困状态的定性指标,判定个体是否处于多维相对贫困(MRP)。在此,我们借鉴国内学者邹薇(邹薇等,2011)、郭建宇(郭建宇等,2012)的做法,在临界值k取1/3的条件下将个体分为多维相对贫困和非多维相对贫困,贫困为1,否则为 0。

(2)自变量。本文选取生育政策冲击的时间虚拟变量(t)、实验组和对照组的虚拟变量(treated)及其交互项(did)作为解释变量。政策冲击的时间虚拟变量度量了政策冲击前后实验组和对照组多维相对贫困的变化;实验组和对照组的虚拟变量度量了两类群体多维相对贫困状况的差异;而交互项是本研究所关注的政策冲击对实验组和对照组的影响差异,是本文的关键解释变量。

(3)协变量和控制变量。在进行倾向得分估计时,需要将影响个体生育决策的因素尽可能多地包含在Logit模型中。参考生育意愿、生育决策的影响因素研究以及R2最大法则(石智雷等,2019;谷晶双,2021),从女性个人特征、家庭特征中选取协变量,并选取事前时点的数值(贾俊雪等,2015),通过PSM处理,为每个生育二孩的个体(实验组)匹配出具有可比性的保持一孩状态的个体。考虑到个体间的异质性,为了尽可能地消除回归时变量遗漏带来的估计偏差,本文在参考现有女性多维相对贫困的研究后(张晓颖等,2016),从个人和家庭层面控制了其他影响女性多维相对贫困的变量,具体变量说明及描述性统计见表2。观察得出,多维相对贫困剥夺总得分与是否多维相对贫困在实验组和对照组之间均存在差异,实验组的均值均高于对照组,表明实验组的多维相对贫困剥夺情况甚于对照组,且多维相对贫困发生率高于实验组。另外,对于两组样本,大部分控制变量表现出明显的差异。

表2 变量描述性统计

3.3.2 模型构建

倾向得分匹配的具体步骤是通过回归模型,纳入评价两组个体相似度的若干指标来计算每个个体成为实验组的概率,即倾向得分,本文采用Logit模型计算倾向得分,然后将两个组别的个体在基期进行匹配,模型设定如下:

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

(1)

treatit为实验组虚拟变量;Xi表示第i个个体的用于计算倾向得分的协变量;h(Xi)为线性函数;F(·)为Logit函数。

运用双重差分模型测度生育行为对女性多维相对贫困的净效应时,本文分别使用面板线性模型和面板Logit模型。其中,面板线性模型的被解释变量为多维相对贫困剥夺总得分(MRPDS),反映个体的多维相对贫困程度;面板Logit模型的被解释变量为是否处于多维相对贫困(MRP),为二分类变量(贫困=1,不贫困=0),反映个体的多维相对贫困状态。由于本文使用的是平衡面板数据,所以需要进行混合效应、固定效应和随机效应模型的选择。Hausman检验的结果表明,随机效应估计适用于本研究的两个模型,故采用随机效应回归进行估计。面板线性双重差分模型设定为式(2)形式:

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

(2)

Yit衡量个体i在t年的多维相对贫困程度;treatedit是分类指标的虚拟变量,经PSM处理后的生育组个体,令treated=1,经PSM处理后的未生育个体,令treated=0;tit为实验期识别变量,处于实验期则t=1,否则t=0;交互项didit表示生育后的实验组虚拟变量,系数β3是本研究所关注的实验组和对照组的影响差异;Xit是影响女性多维相对贫困的一系列控制变量;εit为残差。面板Logit双重差分模型设定为式(3)形式:

(3)

Pr表示多维相对贫困发生(p)与不发生(1-p)概率比的对数,即对数几率比。其他变量与式(2)相同。回归系数β3表示解释变量didit增加一个单位引起的对数几率比的边际变化,通过数学变换得到的式(4)可以计算出几率比p/(1-p)的变化情况,用于解释didit增加一个单位引起几率比的变化倍数(OR值),反映了事件发生概率的提高或降低。

(4)

4 结果与分析

4.1 多维相对贫困测度与识别

4.1.1 多维相对贫困指数分析

按照A-F多维相对贫困的测算方法和步骤,本文测度了k在0.1～0.9之间不同取值时,两个组别的女性在两期的贫困发生率H、多维相对贫困强度指数A和多维相对贫困指数M,如表3。从两期多维相对贫困指数测度结果及变化情况来看,随着k值设定的增加,多维相对贫困发生率H呈递减的趋势,直至消除;而贫困强度指数A与贫困发生率H呈现相反的变化趋势;多维相对贫困指数M在k=0.1时最大,随着k值的增加,M随之递减。还可以说明的是,实验组个体多维相对贫困指数的两期变化符号均为正,即报告期的多维相对贫困状况劣于基期的情况,而这个结论在对照组中则不成立,且对照组的两期绝对变化数值均小于实验组。比较两组数据发现,M0变化幅度在k= 0.3～0.4之间时最大,k的两种取值下,报告期的M0组间差异均大于基期组差。

表3 多维相对贫困测算结果

4.1.2 贫困动态变化分析

根据样本在两期是否处于多维相对贫困状态,将贫困的动态变化分为4种情况:从未贫困、陷入贫困、脱离贫困和持续贫困。从未贫困表示样本在两期数据中均不贫困;陷入贫困指样本在2014年处于非多维相对贫困而2018年进入多维相对贫困;脱离贫困是指2014年处于多维相对贫困而在2018年脱离了多维相对贫困;持续贫困指样本在两期都处于多维相对贫困。k=0.1～0.8取值下的两期女性贫困动态变化情况如表4所示。在两组个体中,k≤0.3时,持续贫困的人数占比最大,而k=0.4时,从未贫困在四种类型中占比最大,即k取值在0.3～0.4之间时,动态贫困类型的人口结构实现了调整和变化。通过对两期贫困动态变化分析,推测k的取值在0.3～0.4之间较为合理。

表4 两期贫困动态变化情况

4.1.3 单维贫困变化分析

如上文所述,k值在0.3～0.4之间时,多维相对贫困的动态类型结构发生改变,对于造成这种变化的原因,可以通过对单维贫困的变化分析进行说明,借鉴已有研究做法取k=1/3对贫困动态结构变化情况做进一步分析。表5报告了多维相对贫困的各项指标的贫困发生率与贡献度,根据测算结果,女性单维贫困较为突出的是家庭赋权,实验组和对照组在家庭赋权的贫困发生率均大于90%,现实生活中,传统以性别为基础的分工格局极大的削弱了女性的社会地位,导致女性在家庭经济地位上的劣势和家庭资源分配权的边缘化,种种不平等加剧了女性贫困化。其次是就业剥夺,实验组在基期和报告期的单维贫困发生率分别达到65.607%、68.786%,对照组则是55.705%、55.501%,情况稍好于实验组。实际上,在传统性别文化的巨大惯性作用下,社会劳动分工、职场工作待遇都会受到性别因素的影响,使得女性与男性并非平等地获得机会和资源,此外在面对社会角色与家庭角色的冲突时,家庭中多数情况是女性做出让步。BMI是健康贫困脆弱性的影响因素,尽管自评健康的贫困发生率不高,但非正常范围的BMI与职业工作、家务劳动、生育与抚育等压力的累积效果将增大相关疾病发生的风险。在家务工作方面,第四期中国妇女社会地位调查发布的数据显示,女性照料家庭成员和做饭、清洁、日常采购等家务劳动时间为154分钟,约为男性的2倍,在家务劳动上的时间分配无疑挤占了女性享有的其他休闲时间,加剧了女性的时间贫困。

表5 指标贫困发生率、贡献率及变化趋势

通过比较组内时间差异发现,对于实验组,只有主观感受维度的贫困发生率降低,其余4个维度下的8个指标贫困发生率均上升,表明女性在就业、经济、生活和健康方面受到影响;对照组在就业剥夺、生活负担、生活满意度和家庭赋权4个指标的贫困发生率下降,其余指标较2014年略有上升。再比较组间差异发现,贫困发生率上升的指标中,除健康维度的两个指标外,实验组在其余指标的增长幅度均大于对照组,这些指标按照变化幅度由高到低排序,分别是家务、睡眠、债务、就业剥夺、人均住房面积和生活负担。对于健康维度的指标值变化可以结合描述性统计进行推断:对照组平均年龄高于实验组,罹患疾病的风险相应增加。对于其余指标的变化情况,可以认为一些学者提出的由夫妻共同分担孩子养育责任和家务劳动的提议是合理且必要的,这将能够分摊女性在家庭内部的家务劳动量,使得女性的睡眠时长得到补偿。单维贫困变化的结果也表明,在家庭环境之外,需要注意到育后女性的经济压力、就业压力和生活压力,因此补充生育政策需要在这些方面予以关注,可以是实施经济补助项目,也可以是市场幼儿服务的完善,以缓解生育行为带给女性的不利影响。

4.2 女性生育代价的估计与分析

4.2.1 倾向得分匹配处理与共同支撑检验

根据研究设计,本文通过Logit模型估计每个个体发生生育行为的预测概率,即个体的倾向得分,结果见表6,由决策方程估计可知,女性的年龄、婚姻状况、户口类型、重男轻女思想、理想孩子数、一胎性别和配偶年龄都显著地影响着个人生育决策。

表6 生育行为决策方程估计

表7 倾向得分匹配结果

根据计算得到的倾向得分绘制了匹配前后实验组与对照组的倾向得分分布密度函数如图2,匹配前实验组和对照组的倾向得分存在明显差异,匹配后两个组别的倾向得分分布形态高度接近,表明PSM很好地消除了两组样本间的倾向得分分布偏差,满足共同支撑假设。匹配后仅保留在共同支撑域内的个体,最终得到处理后的实验组310个,占比26.09%,处理后的对照组878个,占比73.91%。

4.2.2 平衡性检验

表8中匹配后的协变量在两组之间的标准偏误均小于10%,且所有变量的t检验的结果不拒绝实验组与对照组无系统差异的原假设。对比匹配前的结果,大多数变量的标准化偏差均大幅度缩小。表9的平衡性检验结果显示,Pseudo R2从匹配前的0.280下降至匹配后的0.010,LR统计量由匹配前的391.49下降至8.24,解释变量的联合显著性检验由匹配前的高度显著变为匹配后的在10%的显著性水平上被拒绝,解释变量的均值偏差也有所降低,从52.7降至4.2,总体偏误大大降低,表明匹配后两组的分布差异较小,匹配的质量较高。

表9 总体匹配质量平衡性检验

4.2.3 双重差分检验

由于使用固定效应进行Logit估计会导致样本大量丢失,在这种情况下,使用随机效应估计能够充分利用全部样本,获得更为有效的估计,同时Hausman检验也支持使用随机效应进行估计。根据PSM得到的匹配样本,采用随机效应估计面板双重差分模型,表10是基于全样本生育行为对女性多维相对贫困剥夺总得分(MRPDS)、是否多维相对贫困(MRP)的PSM-DID估计结果。

表10 生育行为对女性多维相对贫困影响的回归结果

从核心解释变量的回归结果看,生育行为对女性多维相对贫困剥夺总得分呈现显著的正向影响关系,且在1%的水平下通过了显著性检验。这说明生育行为显著加剧了女性的多维相对贫困程度,平均提高多维相对贫困剥夺总得分0.031,与未生育的个体相比,生育行为会使得个体的多维相对贫困程度有所增加。其次,相对于未生育的女性,生育事件的发生提高了女性陷入多维相对贫困的概率,使得几率比提高83.1%(e0.605-1)(2)OR值表示某一事件发生的概率与其反面事件发生概率的比值,由回归系数为正值及OR值大于1可知,在控制其它因素的情况下,因变量从原取值转变为现取值的概率提高。。

一些控制变量对女性多维相对贫困也有着显著影响。在个体特征方面,年龄对女性多维相对贫困的影响并不显著,这一现象可能是因为样本的筛选条件造成具有某类特征的个体较为集中,因此无法反映这一因素对多维相对贫困的影响程度,但不能认为此类特征与女性多维相对贫困没有关系。受教育程度、健康状况、工作状态和家庭是否从事农业工作与女性多维相对贫困有密切关系:受教育程度和健康状况是女性的人力资本,对多维相对贫困程度有着显著的负向影响,这与郭熙保等人(郭熙保等,2016;汪为等,2018)的研究结论一致。当前处于工作状态缓冲了生育行为对女性多维相对贫困程度、状态的影响。与多数研究结论不同的是,家庭务农对女性多维相对贫困的影响为负,这可能是由于研究所使用的样本为年龄在20-49岁的女性,在我国农业女性化趋势中,务农家庭中的这一年龄段女性由于良好的身体条件而承担着家中部分农活工作,同时还要兼顾上有老下有小的家庭照料义务,这些女性原本就处于较重的生活负担下,使得生育后的多维相对贫困状况变化差异可能小于非农工作家庭女性;另一方面,务农女性的身体素质方面表现更好,这就缓冲了生育对女性健康的影响。家庭年收入对女性多维相对贫困状况也呈现负向的影响,家庭年收入越大,多维相对贫困剥夺总得分越低,陷入多维相对贫困的几率比也会降低。

4.2.4 异质性分析

前文的定量估计表明生育确实加剧了女性多维相对贫困状况、增加了陷入多维相对贫困的可能性,那么对于不同特征的个体其生育代价是否受到差异化的影响?接下来将进一步考察这种影响在不同群体间是否具有异质性。

首先,按照女性的受教育程度将样本分为低等教育者(初中及以下)和高等教育者(高中及以上),表11(3)-(6)列的结果显示,生育行为对不同教育水平女性的多维相对贫困程度的影响皆为正向影响,但程度略有差异。从对MRPDS的影响来看,两个组别的差异不大;从陷入多维相对贫困的概率来看,同等受教育程度条件下,生育使得女性陷入多维相对贫困的几率比分别提高81.5%(e0.596-1)、70%(e0.531-1)。这说明个体受教育程度越高,教育对人力资本的积累作用削弱了生育行为对女性的冲击,其多维相对贫困发生的几率比就会随之降低。

表11 生育行为对不同教育程度女性多维相对贫困影响的回归结果

其次,按照女性的户口类型,将样本分为农村户口和城市户口,结果如表11(7)-(10)列所示。从对多维相对贫困程度的影响来看,生育使得农村户籍女性多维相对贫困剥夺总得分平均增加0.029,对城市女性的影响与农村女性基本相等,但并不显著;从对多维相对贫困状态的影响来看,农村户口的女性因生育而陷入贫困的几率比提高了92.4%(e0.654-1),对于城市户口的女性这种影响的几率比提高41.9%(e0.350-1)。在劳动力转移的趋势下,一些农村女性因其自身家庭和本人的教育程度通常较低,仍然生活在农村,并且更容易贫困(万喆,2016);而进城的农村女性劳动力因为户籍限制只能从事低级工种,始终处于城市社会底层,再加上家庭中的子女养育负担,无助于她们摆脱多维相对贫困甚至加剧了多维相对贫困的程度。

按照家中是否务农,将样本分为家庭务农样本和非务农样本。表11(11)-(14)列的结果表明生育均不利于这两类样本的多维相对贫困程度和状态。具体而言,对于家庭非务农女性,生育会使其多维相对贫困剥夺总得分在1%的显著性水平下平均增加0.043,使其陷入多维相对贫困的几率比增加103.6%(e0.711-1),对两个被解释变量的影响均大于家庭务农女性。造成这种影响差异的原因,猜测可能是因为家庭务农的女性多肩负着较重的家庭负担,不仅是照料家庭、还有耕作等农业活动,原本就处在剥夺程度比较深的情况,在多维相对贫困程度已经达到一定深度的情况下,生育事件对他们多维相对贫困的影响就显得无足轻重;但是对于家庭非务农工作的女性,她们可能会因为家庭照料的需求,不得不放弃工作回归家庭,除此之外,城市家庭中对教育问题的重视,炽热的择校、疯狂的课外补习无不体现家长的教育焦虑。由于多数家庭是由母亲承担主要的教育职能,因此这些心理负担都附着在母亲身上。

4.2.5 稳健性检验

为验证上述生育行为对女性多维相对贫困影响效果的准确性,参考蒋冠宏(蒋冠宏等,2014)、李兵(李兵等,2016)的处理办法,从以下两个方面对前述结果的稳健性进行检验:(1)更改倾向得分匹配方法,采用半径匹配(半径为0.01)和核匹配(核函数采用normal,带宽为0.01)方法检验不同匹配方法的选择是否影响研究结论成立;(2)改变实验组定义标准,将样本进入实验组的条件放宽,将2014年子女数量小于2018年子女数量的女性设置为实验组,使得样本容量得以扩大从而进行稳健性检验。表12的检验结果与前述采用k近邻匹配方法得到的结论一致,说明分析结果具有较强的稳健性。

4.2.6 安慰剂检验

为检验本文的基准回归结果是否是由于别的偶然因素驱动,本文参考孙琳琳等人(孙琳琳等,2020)的做法采用随机生成实验组的方法进行安慰剂检验如图3,系数估计值的核密度图与均值为0的正态分布几乎重合,这说明对于随机生成的伪实验组,并不能发现生育行为对其多维相对贫困程度和状态的影响在统计水平上显著,从侧面印证了基准回归估计结果的稳健性。

5 结论与讨论

人口再生产所产生的代价是造成生育率低迷的重要原因,但学界对这一代价的研究更多集中于劳动力市场对女性的就业歧视和工资惩罚。本文基于CFPS2014和2018两期微观调查数据,首先通过构建多维相对贫困的理论模型,从就业、经济、生活、健康和主观感受5个维度对比分析了生育二孩与未生育二孩女性的多维相对贫困状况差异,然后采用倾向得分匹配的双重差分模型对女性的生育代价进行定量估计,并对结果进行稳健性分析。

分析结果表明,第一,女性单维贫困发生率较高的指标依次是家庭赋权、就业剥夺和家务工作,分别在90%、50%、40%以上(2018年);第二,生育二孩会显著加剧女性多维相对贫困程度,陷入多维相对贫困的几率比也随之增加,利用PSM-DID模型得出的结果表明,生育二孩会使得女性多维相对贫困剥夺总得分平均提高0.031,陷入多维相对贫困的几率比增加83.1%(e0.605-1);第三,上述影响效应在不同受教育程度、不同户口类型和不同家庭特征的女性中存在差异,相比于教育程度高、城市户口和家庭务农的女性,生育二孩对教育程度低、农村户口和家庭非农工作的女性有着更大的负面影响效应。

综上,通过分析生育行为对女性的多维影响及其在不同女性群体间的差异,旨在对女性的生育代价有更直观与深入的理解,也企盼社会能够关注到生育政策调整背景下女性日益增长的美好生活需要。众所周知,女性禀赋的母亲角色和“男主外、女主内”的传统观念,使得她们往往需要承担家务和照料子女的责任,伴随着家庭中新生人口的到来,女性面临的可能是健康剥夺、人力资本与就业剥夺、时间与空间剥夺,正是女性对于这些生育代价的顾虑,导致了个体低生育意愿、社会低生育率的现状。基于以上分析结果可以预测,当前“三孩”生育政策全面放开,也未必能实现理想的预期目标。过去,我们对“生育”的理解往往只关注“生”而忽视了“育”,对生育政策的目标只停留在宏观人口目标,而忽视了生育主体对美好生活的诉求,“生育”只是人口发展第一个环节,生育政策不应该是单独的一个政策,需要一系列配套政策相互支持协调。党的二十大提出要优化人口发展战略,建立生育支持政策体系,降低生育、养育、教育成本,构建生育友好型社会;十九届五中全会首次提出要增强生育政策包容性,即意味着要兼顾人口长期均衡目标和家庭福祉目标,且将二者很好地结合起来。因此,对“生育”和生育政策认知的转变,这是我国应对人口老龄化难题的必然选择,是生育政策自我修正与完善的现实需要。构建生育友好型社会促使我们要加强女性关怀,缓解女性对生育代价的担忧,从而释放生育意愿,提高生育率,优化人口年龄结构,促进人口各内在要素与外部环境协调发展。