中国人口出生率的社会成因与驱动机理

【摘 要】 伴随着中国式现代化的全面推进，“低生育率陷阱”对中国经济社会的各个方面都将产生深远影响，缓解劳动力资源短缺问题是未来中国经济发展的重大挑战，提高人口出生率已成为中国特色社会主义建设中势在必行的时代任务。本文从家庭收入、家庭支出、物价波动以及城镇化发展等四维度，选取人均收入、基尼系数、床位数、人均教育支出、房价、CPI以及城镇化率等七个影响因素，通过构建非线性马尔科夫区制转移因果-向量误差修正（MSC-VEC）模型，以期准确识别中国人口出生率的社会成因，进而在区制转移因果视域下深入剖析不同时代背景下中国人口出生率的驱动机理，为提高出生率的精准施策提供翔实可靠的参考依据。研究发现：对家庭收入来说，增加人均收入有利于出生率的提高，而基尼系数上升往往对出生率存在较为显著的负向影响作用，同时出生率在短期内也能够影响人均收入。就时变动态因果关系而言，人均收入与出生率在部分区间内存在显著的双向因果作用关系，出生率在较长时域范围内能够对人均收入产生显著的单向影响。而基尼系数与出生率在较长时间内具有显著的双向因果作用关系，但在2005—2009年间基尼系数对出生率产生了显著的单向影响作用。对家庭支出来说，从长期来看，医疗条件进步有利于出生率的提高，房价下调也会对提高出生率具有促进作用，而出生率会对人均教育支出产生显著影响。由区制概率转移轨迹图可以发现，从1995年起，教育支出在较长时域内对出生率产生了显著的单向影响。从1994年起，购房支出也在较长时域内对出生率产生了显著的单向影响。对物价波动来说，从长期看，CPI上升对出生率存在较为显著的负向影响作用。1995—2011年CPI与出生率之间存在显著的双向因果作用关系，而从2012年开始CPI对出生率产生了显著的单向影响作用。对城镇化发展来说，城镇化率上升在一定程度上会带来出生率的提高。动态因果关系的检验结果表明1986年以后城镇化率与出生率之间几乎始终存在显著的双向因果作用关系。

【关键词】 中国人口出生率；社会成因；MSC-VEC模型

【中图分类号】 C924.24 【文献标志码】 A doi：10.16405/j.cnki.1004-129X.2024.06.002

【文章编号】 1004-129X（2024）06-0019-17一、引言

2022年末中国人口总量为14.12亿人，出生人数少于死亡人数，人口自然增长率为-0.6‰，中国进入了人口负增长时代。［1］“低生育率陷阱”对经济运行和社会建设都将产生深远影响。［2］在过去40多年里，中国正是因为充分利用了人口红利，通过极其丰富的人力资源以及较低的劳动力成本推动了劳动密集型制造业的快速发展。缓解劳动力资源短缺问题是未来20年内中国经济发展将要面对的重大挑战。

中国于2013年底实施“单独二孩”政策，于2016年实行了“全面两孩”政策，期望通过调整生育政策提高出生率，重新发掘人口红利。虽然二孩政策实施初期出生率出现了短暂提升，但是2018年后中国人口出生率再次快速下跌，这说明二孩政策带来的效果并不持久。2021年第七次人口普查公报显示中国60岁以上人口占比约为18.70%，这一数据在2000年仅为10%，因此，提高人口出生率势在必行。［3］2021年《中共中央、国务院关于优化生育政策促进人口长期均衡发展的决定》公布了实施一对夫妻可以生育三个子女的政策。“三孩”政策的颁布和实施无疑将有利于释放生育潜能，减缓人口老龄化进程，促进代际和谐，增强社会整体活力。然而，究竟是哪些因素影响了出生率？需要采取哪些精准措施配合生育政策调整？这些问题值得深入研究。因此，研究不同时代背景下中国人口出生率的社会成因与驱动机理，进而通过精准施策提高中国人口出生率是当前亟须解决的重要问题。

二、文献综述

2000年以来学者们集中对中国人口结构进行了预测与分析。早期研究认为在保持“独生子女”政策的情况下，2015年左右中国20世纪60年代“婴儿潮”所产生的人口红利将消失殆尽，2050年左右中国总和生育率将保持在1.8～1.9，人口总数约为14亿。［4］伴随着生育政策的逐步放开，学术界对中国人口结构现状进行了更加深入的分析。［5-7］然而近5年中国人口出生率的快速下降说明生育政策带来的效果并不稳定。同时，由于许多发达国家（地区）已进入老龄化社会，国外诸多学者也对人口出生率相关问题展开研究，主要聚焦不同时代背景下出生率的影响因素以及如何通过调整这些影响因素提高人口出生率。［8-10］

家庭收入是人口出生率研究中最为重要的影响因素，也是目前学术界探讨最多的核心变量。从家庭经济学的角度来看，在其他条件不变的情况下，出生率主要受生育子女机会成本的影响：［11-12］一方面，若父母的收入提高，生育子女的机会成本也会增加，子女这种“商品”的相对价格就会增长，父母生育子女的需求则会相应下降；［13］另一方面，伴随着家庭收入水平的上升，相应的各种需求也会增加，这其中也包括家庭对于生育的需求。［14］在中国社会中既存在着“养儿防老”“人丁兴旺”等传统思想，也存在着提高子女的培养质量而非一味追求子女数量的思想。［15］同时，家庭收入差距也会从社会层面影响家庭生育意愿，收入和资产的不平等程度越高可能对居民生育意愿的抑制作用越强。［16］因此家庭收入对出生率的影响亟须进行深入考察。

家庭支出是人口出生率的另一重要影响因素。就家庭医疗服务支出而言，Aranda等发现人口老龄化是引起医疗费用上涨最为显著的原因；［17］同时，医疗费用的增加会进一步导致出生率的快速下降；［18］国内学者主要探讨了医疗保险普及与医疗费用降低对出生率的促进作用。［19］就家庭子女教育支出而言，教育作为直接生育成本已经成为制约生育的重要原因。［20］就家庭租房购房支出而言，Stoenchev和Hrischeva基于对保加利亚的研究发现房价上升对出生率有显著的负向影响；［21］中国学者也探讨了高房价与出生率之间的因果关系。［22］在中国人口出生率的影响因素中，家庭支出是不可或缺的重要因素。

物价波动对人口出生率也存在显著的影响作用。王维国等提出物价波动可能对出生率存在间接影响；［19］Lim等基于新加坡的生育数据全面分析了CPI与人口出生率之间的因果关系；［23］Sadhir和Pontzer通过研究44个国家的年度数据，发现以PPI为代表的工业化对出生率存在较为显著的间接影响。［24］然而，总体物价水平的波动究竟与出生率之间存在何种因果关系仍有待进一步深入探讨。

城镇化发展与人口出生率之间的因果关系同样不容忽视。Přívara指出只有测量流动人口在流入地居住一段时间后的生育行为，才能够精准检验出生率与流动人口之间的因果关系；［25］Jemiluyi和Jeke发现以城镇化差异为代表的地域差别能够有效影响生育行为，而出生率的下降则会进一步带来城镇化率的上升。［26］国内学者有关城镇化发展影响人口出生率的研究较少，一些学者通过研究城镇化率对劳动力供给的影响，发现城镇化率会导致人口出生率的下降。［27-28］伴随着中国式现代化的逐步推进，城镇化发展的进一步加快，在当前形势下研究城镇化发展对出生率的影响是十分重要且必要的。

综合已有研究发现目前仍有以下几方面的问题可以继续深化与完善：第一，在具体探讨中国人口出生率时，大部分研究主要聚焦人口结构的分析与预测，却忽视了从社会成因的角度出发分析中国人口现状的原因；第二，已有研究大多仅探讨一个或两个变量与出生率之间的相关关系，然而，出生率的社会成因往往由多维构成，不能仅从单一维度予以分析；第三，受估计方法或数据长度所限，学者们多是运用相对久远的数据进行面板分析，这导致既有研究无法量化识别不同时代背景下中国人口出生率的驱动机理。

鉴于此，本文有针对性地开展以下三方面的研究：第一，聚焦中国人口出生率的社会影响因素，通过测度不同变量与出生率之间的总和因果关系，精准识别中国人口出生率形成的社会成因，并为“三孩”政策配套措施的选择提供方向；第二，从家庭收入、家庭支出、物价波动以及城镇化发展等四个维度着手，通过甄选七个不同类型的重要变量，对中国人口出生率的影响因素进行全面考察；第三，通过构建非线性马尔科夫区制转移因果-向量误差修正（MSC-VEC）模型，系统性探讨出生率与其影响因素之间的时变动态因果作用关系，深入剖析不同时代背景下中国人口出生率的驱动机理。基于上述三个方面的研究，本文能够更加全面地识别中国人口出生率的影响因素，为人口出生率的稳步提升提供切实可行的政策建议。

三、模型构建与变量说明

为探究出生率与其影响因素之间的非线性时变动态特征，本文参考Psaradakis等人的思路，在线性VEC模型的基础上，引入“马尔科夫区制转移”因素，进而构建非线性马尔科夫区制转移因果-向量误差修正（MSC-VEC）模型。［29］基于非线性MSC模型不仅可以准确刻画不同时期、不同变量的变化趋势，而且能够清晰辨识出生率的影响因素对出生率影响作用的时间区制转移性质。双变量时间序列[ΔYt=（ΔY1，t，ΔY2，t）]的[p]阶MSC-VEC模型如下所示：

[ΔY1，tΔY2，t=μ10+μ11S1，tμ20+μ21S2，t+k=1pα（k）10+α（k）11S1，t β（k）1S1，t β（k）2S2，t α（k）20+α（k）21S2，tΔY1，t-kΔY2，t-k+φ1S1，tφ2S2，tecmt-1+ε1，tε2，t] （1）

[ε1，tε2，t～i.i.d. N00， σ21，S1，tρσ1，S1，tσ2，S2，tρσ1，S1，tσ2，S2，tσ22，S2，t] （2）

其中，[t=1，…，T]；[ΔY1，t]与[ΔY2，t]分别代表出生率影响因素以及出生率的平稳时间序列；[ecmt-1]为误差修正项；[φ1]和[φ2]为误差修正项的系数。[S1，t]与[ S2，t]均代表区制状态变量。若[S1，t]与[ S2，t]相互独立且[S1，t∈{0，1}]，[S2，t∈{0，1}]，则[S1，t]与[ S2，t]能够进一步表示为区制状态变量[St]，即：

[St=1， 当 S1，t=1，S2，t=1 2， 当 S1，t=0，S2，t=1 3， 当 S1，t=1，S2，t=0 4， 当 S1，t=0，S2，t=0 ] （3）

当[St=1]时，即当[S1，t=1，][S2，t=1]时，（1）式以及（2）式变换如下：

[ΔY1，tΔY2，t=μ10+μ11μ20+μ21+k=1pα（k）10+α（k）11β（k）1β（k）2α（k）20+α（k）21ΔY1，t-kΔY2，t-k+φ1φ2ecmt-1+ε1，tε2，t] （4）

[ε1，tε2，t～i.i.d. N00， σ211 ρσ11σ21ρσ11σ21σ221] （5）

当[St=2]时，即当[S1，t=0]，[S2，t=1]时，（1）式以及（2）式变换如下：

[ΔY1，tΔY2，t= μ10μ20+μ21+k=1pα（k）100β（k）2α（k）20+α（k）21ΔY1，t-kΔY2，t-k+0φ2ecmt-1+ε1，tε2，t] （6）

[ε1，tε2，t～i.i.d. N00， σ210ρσ10σ21ρσ10σ21σ221] （7）

当[St=3]时，即当[S1，t=1]，[S2，t=0]时，（1）式以及（2）式变换如下：

[ΔY1，tΔY2，t=μ10+μ11 μ20+k=1pα（k）10+α（k）11β（k）10α（k）20ΔY1，t-kΔY2，t-k+φ10ecmt-1+ε1，tε2，t] （8）

[ε1，tε2，t～i.i.d. N00， σ211ρσ11σ20ρσ11σ20σ220] （9）

当[St=4]时，即当[S1，t=0，S2，t=0]时，（1）式以及（2）式变换如下：

[ΔY1，tΔY2，t=μ10μ20+k=1pα（k）1000α（k）20ΔY1，t-kΔY2，t-k+ε1，tε2，t] （10）

[ε1，tε2，t～i.i.d. N00， σ210ρσ10σ20ρσ10σ20σ220] （11）

观察（4）式至（11）式能够发现：基于[St]的四种取值，运用MSC-VEC模型够发掘时间序列[ΔY1，t]与[ΔY2，t]之间潜存的非线性因果关系以及误差修正项[ecmt-1]的作用。当[β（k）1]，[k=1，…，p]中至少存在一个不为零的参数时，若[St=1]或[St=3]，则[ΔY2，t]单向因果作用于[ΔY1，t]；若[St=2]或[St=4]，[ΔY2，t]无法因果作用于[ΔY1，t]。同理，当[β（k）2]，[k=1，…，p]中至少存在一个不为零的参数时，若[St=1]或[St=2]，则[ΔY1，t]单向因果作用于[ΔY2，t]，若[St=3]或[St=4]时，[ΔY1，t]无法因果作用于[ΔY2，t]。此外，当[β（1）1=…=β（p）1=0]或[β（1）2=…=β（p）2=0]时，则意味着时间序列[ΔY1，t]与[ΔY2，t]之间完全不存在任何因果作用关系。

基于非线性MSC-VEC模型，本文假设区制状态变量[S1，t]和[ S2，t]均服从一阶马尔科夫链，因此，与[St]相对应的转移概率矩阵可以表示为如下形式：

[P=p11q11（ 1-p00）q11p11（1-q00）（ 1-p00）（1-q00）（1-p11）q11p00q11（1-p11）（1-q00）p00（1-q00）p11（1-q11）（ 1-p00）（1-q11）p11q00（ 1-p00）q00（1-p11）（1-q11）p00（1-q11）（1-p11）q00p00q00] （12）

本文运用期望最大化算法以及极大似然技术，具体估计上述非线性MSC-VEC模型中，不同变量之间因果作用的方向与大小。［30-31］此外，本文以滤子概率[Pr（St|It）]和平滑概率[Pr（St|IT）]为基础，计算得到[Pr（S1，t=1|It）]、[Pr（S2，t=1|It）]、[Pr（S1，t=1|IT）]以及[Pr（S2，t=1|IT）]的估计值，进一步识别不同变量之间随时间变化的非线性动态因果关系。

四、中国人口出生率的社会成因识别

不同时代背景下中国人口出生率与其影响因素之间的关系并非一成不变，线性模型仅能够测定单一时点下的因果关系。鉴于此，本文以非线性MSC-VEC模型为基础，从因果视阈出发，通过整合[T]期全样本的总和观测信息，系统性分析出生率与其影响因素之间的总和因果关系，准确识别中国人口出生率的社会成因。

1. 变量选取与数据来源

本文从家庭收入、家庭支出、物价波动以及城镇化发展等四个社会发展层面着手，共选取七个出生率的重要影响因素，用于量化分析不同时代背景下，不同变量与中国人口出生率（[Bir]）之间的因果关系。第一，有关家庭收入，选择城乡居民人均可支配收入代表人均收入（[Inc]）；同时，将基尼系数（[Gini]）纳入家庭收入的考量之中。第二，有关家庭支出，在医疗支出方面，使用每千人拥有的医疗机构床位数（[Heal]）代表医疗支出；教育支出方面，选取城乡居民人均文教娱乐消费支出（[Edu]）代表教育支出；住房支出方面，使用商品房销售额除以商品房销售面积计算出房价（[Pri]），再用房价代表住房支出。第三，有关物价波动，以1978年为基年，计算每年的[CPI]累计值（[CPI]）作为物价波动的核心变量。第四，有关城镇化发展，选取城镇化率（[Urb]）代表城镇化发展的核心变量。本文所选取变量的样本区间为1978—2023年，数据源自Wind数据库以及《中国统计年鉴》。

2. 家庭收入维度下出生率社会成因的静态分析

表1显示基于非线性MSC-VEC模型计算得到的家庭收入与出生率之间总和因果关系的参数估计结果1。[p11]和[p00]表示出生率对家庭收入是否存在单向因果作用的概率，[q11]和[q00]表示家庭收入对出生率有无单向因果作用的概率，[β1]代表出生率对其他变量因果作用系数的大小，[β2]代表其他变量对出生率因果作用系数的大小，标准差[σi，Si，t（i=1，2，Si，t=0，1）]用于判断模型最终计算出的因果关系是否足够可信。

观察表1所示的家庭收入与出生率之间总和因果关系的参数估计结果，能够发现人均收入与基尼系数的维持概率[p11]、[p00]、[q11]、[q00]均在1%的水平下显著，这说明由维持概率计算得到的总和因果关系十分可靠。同时，二者的维持概率[q11]与[q00]均大于0.6，这意味着人均收入以及基尼系数与出生率之间的因果作用具有一定的“惯性”特征，即二者带来的“传导机制”在时间上都具有一定的持续性。此外，二者的标准差[σi，Si，t（i=1，2，Si，t=0，1）]均显著，这意味着本文所构建的模型能够清晰识别出生率与家庭收入之间因果关系的时变动态性特征。

就人均收入而言，滞后1期人均收入对当期出生率的因果作用系数（[β（1）2]）在10%的显著水平下为正，即增加收入有利于出生率的增长；而出生率对滞后1期人均收入的因果作用系数（[β（1）1]）在10%的显著水平下为正，这意味着短期中出生率的提高对收入存在正向影响。就基尼系数而言，滞后2期基尼系数对当期出生率的因果作用系数（[β（2）2]）在10%的显著水平下为负，这说明基尼系数下降有利于长期出生率的上升，可见通过降低基尼系数提高中低收入家庭的生育意愿是较为合理的选择。

3. 家庭支出维度下出生率社会成因的静态分析

表2展示基于非线性MSC-VEC模型计算得到的家庭支出与出生率之间总和因果关系的参数估计结果。[p11]和[p00]表示出生率对家庭支出是否存在单向因果作用的概率，[q11]和[q00]表示家庭支出对出生率有无单向因果作用的概率，[β1]代表出生率对其他变量因果作用系数的大小，[β2]代表其他变量对出生率因果作用系数的大小，标准差[σi，Si，t（i=1，2，Si，t=0，1）]用于判断模型最终计算出的因果关系是否足够可信。

观察表2所示的家庭支出与出生率之间总和因果关系的参数估计结果，能够发现床位数、人均教育支出以及房价的维持概率[p11]、[p00]、[q11]、[q00]均在1%的水平下显著，这说明由维持概率计算得到的总和因果关系十分可靠。同时，三者的维持概率[q11]与[q00]均大于0.75，这意味着床位数、人均教育支出以及房价与出生率之间的“传导机制”在时间上都具有一定的持续性。此外，三者的标准差[σi，Si，t（i=1，2，Si，t=0，1）]均显著，这意味着本文所构建的模型能够清晰识别出生率与家庭支出之间因果关系的时变动态性特征。

就床位数而言，滞后1期床位数对当期出生率的因果作用系数（[β（1）2]）在1%的显著水平下为正，滞后2期床位数对当期出生率的因果作用系数（[β（2）2]）在1%的显著水平下为负，而滞后3期床位数对出生率的因果作用系数（[β（3）2]）在5%的显著水平下为正，这说明短期内医疗条件的提高有利于出生率上升，但是，伴随着医疗条件的改善，家庭医疗支出也会上升，从而导致出生率在中期下降；而在长期中，由于社会总医疗资源的增长以及生育条件的进步，最终带来出生率的提高。就人均教育支出而言，滞后1期教育支出对出生率影响不显著，出生率对滞后1期教育支出存在显著正向影响，这意味着出生率的上升会使得教育支出同步增长。就房价而言，滞后1期房价对出生率的因果作用系数（[β（1）2]）在5%的显著水平下为负，这说明房价的上涨使得出生率显著下降。

4. 物价波动维度下出生率社会成因的静态分析

表3展示基于非线性MSC-VEC模型计算得到的物价波动与出生率之间总和因果关系的参数估计结果。[p11]和[p00]表示出生率对物价波动是否存在单向因果作用的概率，[q11]和[q00]表示物价波动对出生率有无单向因果作用的概率，[β1]代表出生率对其他变量因果作用系数的大小，[β2]代表其他变量对出生率因果作用系数的大小，标准差[σi，Si，t（i=1，2，Si，t=0，1）]用于判断模型最终计算出的因果关系是否足够可信。

观察表3所示的物价波动与出生率之间总和因果关系的参数估计结果，能够发现CPI累计值的维持概率[p11]、[p00]、[q11]、[q00]均在1%的水平下显著，这说明由维持概率计算得到的总和因果关系十分可靠。同时，维持概率[q11]与[q00]均大于0.90，这意味着CPI累计值带来的“传导机制”在时间上具有较强的持续性。此外，标准差[σi，Si，t（i=1，2，Si，t=0，1）]显著，这意味着本文所构建的模型能够清晰识别出生率与物价波动之间因果关系的时变动态性特征。

就CPI累计值而言，滞后1期CPI累计值对出生率的因果作用系数（[β（1）2]）在1%的显著水平下为正，滞后3期CPI累计值对出生率的因果作用系数（[β（3）2]）在5%的显著水平下为负，这说明在长期中，CPI累计值对出生率有显著的负向作用。

5. 城镇化发展维度下出生率社会成因的静态分析

表4展示基于非线性MSC-VEC模型计算得到的城镇化发展与出生率之间总和因果关系的参数估计结果。[p11]和[p00]表示出生率对城镇化发展是否存在单向因果作用的概率，[q11]和[q00]表示城镇化发展对出生率有无单向因果作用的概率，[β1]代表出生率对其他变量因果作用系数的大小，[β2]代表其他变量对出生率因果作用系数的大小，标准差[σi，Si，t（i=1，2，Si，t=0，1）]用于判断模型最终计算出的因果关系是否足够可信。

观察表4所示的城镇化发展与出生率之间总和因果关系的参数估计结果，可以发现城镇化率的维持概率[p11]、[p00]、[q11]、[q00]均在1%的水平下显著，这说明由维持概率计算得到的总和因果关系十分可靠。同时，维持概率[q11]与[q00]均大于0.70，这意味着城镇化率与出生率之间的“传导机制”具有一定持续性。此外，标准差[σi，Si，t（i=1，2，Si，t=0，1）]均显著，这意味着本文所构建的模型能够清晰识别出生率与城镇化发展之间因果关系的时变动态性特征。

就城镇化率而言，滞后2期城镇化率对出生率的因果作用系数（[β（2）2]）在10%的显著水平下为正，这说明提升城镇化率会导致出生率的提升，城镇化发展在一定程度上促进了家庭收入水平以及消费水平的上升，因此，伴随着城镇化率的上升，出生率往往也会“齐头并进”。

五、中国人口出生率的驱动机理剖析

中国人口出生率的社会成因可能还受经济周期等一系列其他因素的影响，因此在不同变量与出生率之间的总和因果关系测度完成后，本文还分别测算了不同变量与出生率之间的时变动态因果关系，用于对比分析不同时代背景下，出生率与其影响因素之间的区制转移概率轨迹，进一步在区制转移因果视域下，系统性剖析中国人口出生率的驱动机理。

就区制转移概率轨迹而言，相较于滤子概率轨迹[Pr（St|It）]，平滑概率轨迹[Pr（St|IT）]基于[T]期全样本的总和观测信息进行了修正，对因果关系的判断也更为准确，因此，本文对中国人口出生率的驱动机理剖析以平滑概率[Pr（St|IT）]为主。此外，区制状态[St=1]刻画出生率与其影响因素之间存在双向因果关系的概率，区制状态[St=2]表示其他变量单向影响出生率的概率，区制状态[St=3]反映出生率单向影响其他变量的概率，区制状态[St=4]显示出生率与其影响因素之间不存在因果关系的概率。

1. 家庭收入维度下出生率驱动机理的动态分解

就家庭收入维度而言，不同经济社会环境下人均收入对出生率的影响并不固定，与此同时，基尼系数能够进一步准确反映收入差距。鉴于此，本文在图1、图2中分别刻画人均收入以及基尼系数与出生率之间的区制转移概率轨迹，用于实时考察人均收入以及基尼系数与出生率之间的时变动态因果关系。

本文在图1中展现了人均收入与出生率之间的区制转移概率轨迹，测度人均收入与出生率之间的时变动态因果关系。其中，二者间因果关系处于区制状态[St=1]与[St=3]的时间较长，处于区制状态[St=2]与[St=4]的时间较短，这说明出生率与人均收入之间的双向因果作用关系较为显著，出生率还对人均收入存在较强的单向影响作用。

观察图1能够发现1982年中国政府将计划生育作为基本国策写入宪法，出生率开始进入下降通道，与此同时，人均收入的增长较为缓慢，1982—1990年部分区间内出生率与人均收入呈现显著单向作用。1997年亚洲金融危机爆发，中国采取扩大内需政策，不仅保持了国内经济的稳定发展，同时也带动了亚洲主要经济体的快速复苏，在此期间出生率与人均收入之间呈现双向因果作用。2001年以后中国进入“十五”计划时期，这段时间将“控制人口数量”作为重要战略，出生率保持在较低的水平，2001—2005年出生率与人均收入呈现单向作用关系。2005年以后扩大内需政策取得显著成效，出生率仍处于快速下降通道中，反映为2005—2008年出生率与人均收入呈现单向作用关系。2014年起“单独二孩”政策使出生率短暂提升，2014—2019年出生率与人均收入呈现单向作用关系。2020年受到新冠疫情冲击，家庭可支配收入进入了下降区间，导致生育率与生育意愿的持续下降，2020—2023年出生率与人均收入之间存在较为显著的双向因果作用关系。

图2刻画了基尼系数与出生率之间的区制转移概率轨迹，用于测度基尼系数与出生率之间的时变动态因果关系。其中，二者间因果关系处于区制状态[St=1]与[St=2]的时间较长，处于区制状态[St=3]与[St=4]的时间较短，这说明出生率与基尼系数之间的双向因果作用关系较为显著，基尼系数还对出生率存在显著的单向影响作用。

2005年中国进入经济调整时期，政府实行稳健的财政政策并继续进行税制改革，但基尼系数维持在较高水平，2007年次贷危机爆发后，出生率处于收缩状态，2005—2009年基尼系数对出生率具有单向影响作用。之后，“四万亿”经济刺激计划的实施不仅使中国经济快速恢复，还进一步提高了中低收入家庭的整体经济水平，基尼系数的增长趋势得到遏制，2010—2013年基尼系数与出生率之间呈现显著的双向因果作用关系。2014年实行的“单独二孩”政策使出生率短暂回升，反映为2014—2018年基尼系数与出生率之间显著的双向因果作用关系。2020年受到新冠疫情冲击后，中低收入家庭受到了相对较大冲击，而高收入家庭受到的影响较小，致使出生率下降和基尼系数上升，反映为2020—2022年基尼系数与出生率之间的双向因果作用关系。

2. 家庭支出维度下出生率驱动机理的动态分解

家庭的消费偏好并非一成不变，各项家庭支出对出生率的影响也不尽相同，不同种类家庭支出之间也存在着相互挤占的情况。鉴于此，本文在图3至图5中分别刻画了床位数、人均教育支出以及房价与出生率之间的区制转移概率轨迹，实时分析医疗支出、教育支出以及住房支出与出生率之间的时变动态因果关系。

本文在图3中刻画床位数与出生率之间的区制转移概率轨迹，测度医疗支出与出生率之间的时变动态因果关系。其中，二者间因果关系处于区制状态[St=1]与[St=2]的时间相对较长，处于区制状态[St=3]与[St=4]的时间较短，这说明床位数与出生率之间存在较强的双向因果作用，床位数还对出生率存在较强的单向影响作用。

2006年国务院颁布《关于发展城市社区卫生服务的指导意见》，卫生公共服务的进步以及人民健康水平的改善使得生育子女意愿上升，反映为2007—2009年床位数与出生率之间的双向因果作用关系。2012年《关于规范医疗服务价格管理及有关问题的通知》下发，对规范医疗服务价格起到重要作用，同时，扎实推进计划生育工作，床位数与出生率之间的双向因果作用关系再次出现。2014年国务院医改办发布了《关于加快推进城乡居民大病保险工作的通知》，之后多项医保政策相继出台，表现为2014—2018年床位数单向影响出生率。2020年在新冠疫情冲击下，床位数的需求量快速上升，出生率仍处于快速下降通道中，反映为2021—2022年床位数与出生率呈现单向作用关系。

本文在图4中刻画了人均教育支出与出生率之间的区制转移概率轨迹，测度人均教育支出与出生率之间的时变动态因果关系。其中，二者间因果关系处于区制状态[St=2]的时间较长，处于区制状态[St=1]、[St=3]以及[St=4]的时间较短，这说明人均教育支出对出生率存在较强的影响作用。

1995年前后高等学校毕业生“统包统分”的就业制度基本退出历史舞台，初步实行“自主择业”，这引发了对子女教育投入的关注，反映为1995—1998年教育支出与出生率呈现单向作用关系。21世纪教育改革的步伐逐渐加快。2002年党的十六大报告明确提出教育“必须摆在优先发展的战略地位”，2010年《国家中长期教育改革和发展规划纲要（2010—2020年）》颁布。随着教育改革的持续推进以及公众对教育重视程度的不断提高，家庭教育已经成为子女提高人力资本的必要支出，反映为2002—2018年间，教育支出与出生率呈现单向作用关系。2020年在新冠疫情冲击下，出生率持续下降，反映为2021—2022年教育支出与出生率之间的双向因果作用关系较为显著。

本文在图5中刻画了房价与出生率之间的区制转移概率轨迹，测度住房支出与出生率之间的时变动态因果关系。其中，二者间因果关系处于区制状态[St=2]的时间较长，处于区制状态[St=1]、[St=3]以及[St=4]的时间较短，这说明房价对出生率存在较强的影响作用。

1994年起国务院进行税制改革并开征土地增值税，反映为1994—1998年房价与出生率呈现单向作用关系。1998年中国全面停止住房实物分配，住宅销售逐渐走向市场调控，房价对出生率的影响也进一步增加，反映为1998—2003年房价与出生率呈现单向作用关系。2007年次贷危机爆发后，央行上调存款准备金率，2009年后楼市快速复苏，房价重现大涨趋势，反映为2008—2011年的部分时间，快速上升的房价与出生率之间显著的单向因果作用关系。2011年“新国八条”出台，房价进入宏观调控时期，住房限购以及配套措施的出台意味着房价超快速上涨期已经过去，2011—2015年房价仍维持对出生率的单向因果作用。2015年后央行降息并下调贷款基准利率，2016年土地购置费增速开始下降，2017年政府对房价的宏观调控进一步加强，2015—2020年房价增速逐步放缓，对出生率依然存在单向因果作用关系。受2020年新冠疫情的影响，房价也首次开始呈现收缩态势，二、三线城市的住宅成交量与房价持续下降，2020—2021年房价与出生率呈现单向作用关系。

3. 物价波动维度下出生率驱动机理的动态分解

就物价波动维度而言，物价水平的上升会带来居民购买力下降，生活成本增加，从而致使家庭生育意愿的改变。因此，本文于图6中展现CPI与出生率之间的区制转移概率轨迹，用于实时测量CPI与出生率之间的时变动态因果关系。

本文在图6中刻画了CPI与出生率之间的区制转移概率轨迹，测度CPI与出生率之间的时变动态因果关系。其中，二者间因果关系处于区制状态[St=1]与[St=2]的时间较长，处于区制状态[St=3]与[St=4]的时间较短，这说明CPI与出生率之间既有较强的双向因果作用关系，也存在CPI对出生率较为显著的单向影响作用。

1981年改革开放初期，CPI的变化幅度较大，生育决策受CPI的影响程度较高，1981—1983年CPI对出生率存在较强的单向影响作用。1990年政府重申了坚决贯彻落实计划生育政策的目标，同时，CPI增长率大幅下降，1990—1992年出生率与CPI之间表现出短暂的双向因果作用关系。1995年CPI快速上涨，中国政府实行一系列宏观调控政策，调节物价的增长趋势，1995—1997年出生率与CPI之间的双向因果作用关系再次出现。1997年亚洲金融危机爆发，中国实行扩大内需政策，CPI与出生率的因果作用进一步增强，反映为1997—2003年出生率与CPI之间的双向因果作用关系。2003年后中国经济增速加快，CPI在此期间波动较大，反映为2003—2011年出生率与CPI之间的双向因果作用关系。新冠疫情发生后，CPI出现了一定程度的上升，这也导致了CPI对出生率影响程度的加深，反映为2020—2023年CPI与出生率之间存在单向因果作用关系。

4. 城镇化发展维度下出生率驱动机理的动态分解

本文在图7中刻画了城镇化率与出生率之间的区制转移概率轨迹，用于实时考察城镇化率与出生率之间的时变动态因果关系。

图7测度城镇化率与出生率之间的时变动态因果关系。其中，二者间因果关系处于区制状态[St=1]的时间较长，处于区制状态[St=2]、[St=3]以及[St=4]的时间较短，这说明出生率与城镇化率之间存在较为显著的双向因果作用关系。

自1980年改革开放以来，中国经济社会快速发展，而这也带来了消费观念的转变以及出生率的波动，反映为1980—1985年部分区间城镇化率对出生率存在单向影响作用。1985年公安部发布了《关于城镇暂住人口管理的暂行规定》，公民从此可以合法地在非户籍所在地长期居住，进一步加速了中国城镇化的发展，反映为1986—1990年出生率与城镇化率之间的双向因果作用关系。1990年后中国进一步发展第二、三产业，大批农业劳动力向非农产业转移，1990—1995年间出生率与城镇化率之间的双向因果关系进一步加深。1996年起中国城镇化进入了工业化带动城镇化阶段，在这一时期内，工业化与城镇化的联系也更加紧密，反映为1997—2001年出生率与城镇化率之间的双向因果作用关系。2001年以后城镇化的快速扩张，出生率的收缩速度逐渐稳定，2001—2007年间出生率与城镇化率之间的存在双向因果作用关系。2011年城镇化率首次超过50%，达到51.3%。我国城乡结构发生历史性变化。2014年《国家新型城镇化规划（2014—2020年）》出台，中国对于城镇化发展的规划更加明晰，城镇化率对出生率的影响作用再次出现，反映为2011—2018年出生率与城镇化率之间的双向因果作用关系。

六、结论与政策建议

伴随着中国式现代化的逐步推进，人口出生率的全面提升已迫在眉睫。本文通过构建非线性MSC-VEC模型，从家庭收入、家庭支出、物价波动以及城镇化发展四个维度着手，通过对比分析出生率与其影响因素之间的因果关系，精确识别中国人口出生率的社会成因，剖析中国人口出生率的驱动机理，最终获得如下结论：

第一，对家庭收入来说，增加人均收入有利于中国人口出生率的提高，而基尼系数上升往往对出生率存在较为显著的负向影响作用。就时变动态因果关系而言，部分区间内，家庭收入与出生率存在显著的因果作用关系。第二，对家庭支出来说，房价下调有利于出生率提高。就时变动态因果关系而言，在较长时域内，教育投入增加和购房支出会对出生率产生显著作用关系。第三，对物价波动来说，从长期来看，CPI上升意味着出生率的显著收缩。第四，对城镇化发展来说，城镇化率上升一定程度上会带来出生率的提高。就时变动态因果关系而言，在较长时域内，城镇化率与出生率之间存在显著的双向因果作用关系。

基于上述结论，本文给出如下政策建议：第一，通过完善产假和育儿假制度以及为女性提供职业保障等措施缓解核心家庭工作压力，通过建设婴幼儿托管所、养老院以及增加养老保险覆盖率等措施降低家庭支出，均能够在一定程度上缓解中国人口出生率的下降趋势；第二，通过提高最低工资标准、保障小微企业运行以及增加税收减免幅度等措施提高人均收入，辅以稳定大宗商品保供、加强市场监管等措施稳定物价，以及以提高医疗保险覆盖率等措施减少家庭医疗支出，能够提高经济上行时期的中国人口出生率；第三，在遭受风险事件冲击时，通过完善住房租赁制度、调节住房贷款利率等措施稳定房价，通过健全就业保障法律、保证同工同酬以及转移支付等措施降低基尼基数，是稳定中国人口出生率的较好选择。

作为生育政策的影响终端，不同家庭对于不同政策的接受范围和程度各不相同，在当前全面推进中国式现代化的时代背景下，如何使用合理的政策导向提高家庭生育意愿，进而提高中国人口出生率，是生育政策及其配套措施制定时应考虑的第一要务。

【参考文献】

［1］ 茅倬彦，莫华归. 中国人口惯性的历史演进与城乡差异［J］. 中国人口科学，2024（1）：83-97.

［2］ 孙晓霞，于潇. 东北地区“低生育率陷阱”探析［J］. 人口学刊，2021（5）：29-38.

［3］ 穆怀中. 人口老龄化、延迟退休与经济增长［J］. 中国软科学，2024（5）：70-79.

［4］ Banister J，Bloom D E，Rosenberg L. The Chinese Economy：International Economic Association Series［M］. London：Palgrave Macmillan，2012：114-149.

［5］ 逯进，赵亚楠，高艳云. 我国省域人口结构对环境污染影响的异质性研究：基于有限混合模型［J］. 统计研究，2022（11）：88-101.

［6］ 蔡宏波，韩金镕. 人口老龄化与城市出口贸易转型［J］. 中国工业经济，2022（11）：61-77.

［7］ 丁金宏，张伟佳，毛仁俊，等. 人口年龄结构演化轨迹与转变模式：国际比较与中国特色［J］. 人口研究，2023（1）：23-42.

［8］ Brzozowska Z，Beaujouan E，Lappegard T. Assessing Short-Term Fertility Intentions and Their Realisation Using the Generations and Gender Survey：Pitfalls and Challenges［J］. European Journal of Population，2021，37（3）：405-416.

［9］ Hasegawa T，Fukuyama K，Okada M. Relationships between Expenditure of Regional Governments and Suicide Mortalities Caused by Six Major Motives in Japan［J］. International Journal of Environmental Research and Public Health，2022，19（12）：84-102.

［10］ Nkalu C N. Dynamics of Environmental Pollution，Socio-Economic Factors，and Total Fertility Rate in MENA，ECOWAS，and ASEAN Regions［J］. Health Care for Women International，2023，44（4）：509-531.

［11］ Watanabe A. The Changing Human Resource Management and the Progress towards Better Work Environments in Japan［J］. Sustainability，Ethics and Governance，2021，1（1）：135-158.

［12］ Kearney M S，Levine P B，Pardue L. The Puzzle of Falling US Birth Rates since the Great Recession［J］. Journal of Economic Perspectives，2022，36（1）：151-176.

［13］ Di N A，Lipps O. How Much His or Her Job Loss Influences Fertility：A Couple Approach［J］. Journal of Marriage and Family，2023，85（4）：873-897.

［14］ Ghosh S. The Determinants of Fertility and Economic Uncertainty：An Application of the NARDL Model for Hong Kong and South Korea［J］. Millennial Asia，2022，13（3）：387-410.

［15］ 石智雷，邵玺. 三孩政策下新冠肺炎疫情对居民生育意愿的影响［J］. 人口研究，2023（2）：78-95.

［16］ 王晓娟，石智雷. 从收入到资产：财富不平等与居民生育意愿［J］. 经济评论，2022（1）：114-126.

［17］ Aranda M P，Kremer I N，Hinton L. Impact of Dementia：Health Disparities，Population Trends，Care Interventions，and Economic Costs［J］. Journal of the American Geriatrics Society，2021，69（7）：1774-1783.

［18］ Yubraj A，Marianne M H，Kristin K S，Kristen H K. Out-of-Pocket Medical Bills from First Childbirth and Subsequent Childbearing［J］. Women's Health Issues，2021，31（14）：17-23.

［19］ 王维国，付裕，刘丰. 生育政策、生育意愿与初育年龄［J］. 经济研究，2022（9）：116-136.

［20］ 于也雯，龚六堂. 生育政策、生育率与家庭养老［J］. 中国工业经济，2021（1）：38-56.

［21］ Stoenchev N，Hrischeva Y. Study of the Impact of Housing Affordability on the Fertility Rate in Bulgaria（2014—2021）：A Regional Aspect［J］. Baltic Journal of Real Estate Economics and Construction Management，2023，11（1）：101-119.

［22］ 张芬，方迎风，彭浩宸. 房价对家庭生育决策的作用机制：基于中国家庭追踪调查数据的实证研究［J］. 人口研究，2023（2）：96-111.

［23］ Lim D E Q，Khunchaiprasert N，Syed K S I，Deen S. The Impact in the Costs of Raising a Child on Parents' Decision to Have Children［J］. Research Methods，2021，202（1）：18-42.

［24］ Sadhir S，Pontzer H. Impact of Energy Availability and Physical Activity on Variation in Fertility across Human Populations［J］. Journal of Physiological Anthropology，2023，42（1）：1-11.

［25］ Přívara A. Labour Market Efficiency and Emigration in Slovakia and Eu Neighbouring Countries［J］. Economic Research-Ekonomska Istraživanja，2021，34（1）：1850-1869.

［26］ Jemiluyi O，Jeke L. A Comparative Assessment of the Urbanization-Fertility Nexus in Most Urbanized Countries of Sub-Saharan Africa［J］. Zagreb International Review of Economics and Business，2023，26（1）：165-183.

［27］ 詹鹏，毛逸波，李实. 城镇女性劳动供给长期趋势研究：来自教育扩张和生育行为的解释［J］. 中国工业经济，2021（1）：56-74.

［28］ 解安，林进龙. 中国农村人口发展态势研究：2020—2050年：基于城镇化水平的不同情景模拟分析［J］. 中国农村观察，2023（3）：61-86.

［29］ Psaradakis Z，Ravn M O，Sola M. Markov Switching Causality and the Money-Output Relationship［J］. Journal of Applied Econometrics，2005，20（5）：665-683.

［30］ Dempster A，Laird N，Rubin D. Maximum Likelihood from Incomplete Data via the Em Algorithm［J］. Journal of the Royal Statistical Society，1977，39（1）：1-38.

［31］ Hamilton J. Analysis of Time Series Subject to Changes in Regime［J］. Journal of Econometrics，1990，45（1）：39-70.

［责任编辑 李新伟］

The Social Causes and Driving Mechanisms of Birth Rate in China

YAN Chao，HUO Zipeng

（Center for Quantitative Economics，Jilin University，Changchun Jilin，130012，China）

Abstract：With the comprehensive promotion of Chinese style modernization，the "low fertility trap" will have a far-reaching impact on all aspects of China's economy and society. Alleviating the shortage of labor resources is a major challenge for China's economic development in the future. Therefore，improving the birth rate has become an imperative task in the construction of socialism with Chinese characteristics. Starting from the four dimensions of family income，family expenditure，price fluctuation and urbanization development，this paper selects seven influencing factors such as per capita income，Gini coefficient，number of beds，per capita education expenditure，house price，CPI and urbanization rate，and constructs a nonlinear Markov regime transition causality vector error correction （MSC-VEC） model，in order to accurately identify the social causes of birth rate，and then analyzes the driving mechanism of birth rate in different historical backgrounds from the perspective of regime transition causality，so as to provide a detailed and reliable reference for the precise implementation of measures to improve the birth rate in China. The results show that：（1）For family income，increasing per capita income is conducive to the increase of the birth rate，while the rise of Gini coefficient often has a significant negative effect on the birth rate. At the same time，the birth rate can also affect per capita income in the short term. In terms of time-varying dynamic causality，there is a significant two-way causality between per capita income and birth rate in some regions，and birth rate can have a significant one-way impact on per capita income in a long-time domain. The Gini coefficient and the birth rate have a significant two-way causal relationship for a long time，but from 2005 to 2009，the Gini coefficient has a significant one-way impact on the birth rate. （2）For household expenditure，in the long run，the improvement of medical conditions is conducive to the increase of the birth rate，and the reduction of house prices will also promote the increase of the birth rate，which will have a significant impact on per capita education expenditure. In terms of time-varying dynamic causality，since 1995，education expenditure has had a significant one-way impact on the birth rate in a long-time domain. Since 1994，house purchase expenditure has also had a significant one-way impact on the birth rate in a long time. （3）For price fluctuations，in the long run，the rise of CPI has a significant negative impact on the birth rate. In terms of time-varying dynamic causality，there was a significant two-way causal relationship between CPI and birth rate from 1995 to 2011，while from 2012，CPI had a significant one-way impact on birth rate. （4）For the development of urbanization，the rise of urbanization rate will lead to the increase of birth rate to a certain extent. As far as the time-varying dynamic causality is concerned，there is almost always a significant two-way causality between urbanization rate and birth rate after 1986.

Key Words：Chinese Birth Rate，Social Causes，MSC-VEC Model

【收稿日期】 2024-07-12

【基金项目】 教育部人文社会科学一般项目：非线性混频动态随机一般均衡模型在中国第三产业结构演进与升级研究中的应用研究（21YJC790136）；吉林省社会科学基金项目：吉林省新生代农民工消费行为研究（2021B82）

【作者简介】 闫 超（1985-），女，吉林省吉林市人，吉林大学数量经济研究中心副教授；霍子蓬（1999-），男，安徽合肥人，吉林大学数量经济研究中心博士研究生。