河南省人口出生率影响因素的实证分析

向超

（兰州财经大学 经济学院，甘肃 兰州730020）

河南省人口出生率影响因素的实证分析

向超

（兰州财经大学 经济学院，甘肃 兰州730020）

改革开放以来，中国经济的飞速发展在很大程度上得益于人口政策所带来的人口红利。然而随着时代的进步，中国的人口结构呈现出新的状况，即低出生率、低死亡率和低增长率。为预测我国在实施“全面二孩”政策后未来可能出现的人口结构变动趋势，以人口大省河南省作为案例研究人口出生率的影响因素。研究利用了河南省18个省辖市的数据，应用的研究方法是逐步回归方法。分析结果表明：河南省的人口出生率受到负担少年系数和政府财政在医疗、教育、社会保障与就业四个方面支出的影响，其中负担少年系数的影响最为显著。

逐步回归；人口出生率；负担少年系数

一、引言

截至2013年底，全国的人口出生率为12.08‰，较2010年下降11.08‰，处于较低的生育水平。低生育水平（low fertility）指的是低于更替水平的生育率。据全国人口调查统计的结果显示，中国的总和生育率（total fertility rate, TFR）在20世纪90年代就已经降到更替水平(目前发达国家普遍认为，总和生育率为2.1即达到了生育更替水平）以下，进入了低生育阶段。

新中国成立后第一个人口高峰的到来促使政府于1971年全面实施“计划生育”的人口政策，将“控制人口数量，提高人口素质”作为我国长期坚持的一项基本国策。在“晚生、少生、优生”的计划生育政策影响下，中国人口数量的控制显现出巨大的成效。但是随着时间的推移，计划生育的弊端逐渐显现，中国人口出现了“低出生率、低死亡率、低增长率”的特征，人口红利也日渐消失。为了能够有效减轻人口弊端对经济带来的不利影响，为人口红利提供持续的源泉，政府在2015年底实施了“全面二孩”的人口政策。然而在2016年“两会”中关注了新的人口政策下“生不起”的问题，使得对出生率影响因素的研究显得更加重要。

二、文献回顾

我国早期对于国内的人口研究和宣传一直偏重于中国人口的惯性正增长，强调人口基数过大对于资源、环境的压力。与西方国家不同，我国缺乏对人口出生率的重视。早在1973年，西方学者Becker就开创性地提出一个理论框架来解释家庭生育率的问题，他认为人口出生率的高低受到一系列社会经济因素的影响，如生育政策刺激、小孩质量与数量的权衡等[1]。类似地，Bleakley和Lange的研究也证明了家庭在小孩数量与质量选择方面的存在[2]。近些年来，国内一些学者针对中国目前的人口现状在人口出生率方面的研究取得了一系列的成就。一部分学者通过研究结果提醒全民对于低生育率问题的重视。如中国发展研究基金会2012年发布的《中国人口形势的变化和人口政策调整》研究报告认为，中国在2012年已经开始进入低出生率、低死亡率的阶段，人口的红利期已经结束。根据第六次人口普查数据直接推算，中国总和生育率为1.18，考虑到出生漏报的情况，当前的综合出生率应在1.5以下。如果低生育水平一直持续下去，2027年中国人口将转为负增长。王丰等对中国人口负增长惯性的初步测算表明，考虑到较低生育水平（包括整个20世纪90年代），假定现在的总和生育率为1.6，并将其延续30年后再提高到更替水平，那么人口负增长将持续49年，减少人口2.2亿。并且，人口老龄化也将持续更长时期，影响更为严重[3]。郭志刚研究发现我国的人口出生率在20世纪90年代初就下降到更替水平以下，近些年的出生率还在继续下降[4]。另一部分学者就低生育率的影响因素问题进行了深入的研究。杨龙见等通过构建一个生育率的内生化世代交替模型表明财政教育兼有降低人口数量和提高人口质量的功能[5]。袁小平等运用人口年龄结构系数及其对出生率变动影响的贡献率指标证实人口年龄结构对出生率有显著影响[6]。曾毅等基于江浙地区的研究，借鉴国际（特别是我国周边一些国家如日本、韩国等）经验，表明我国的低生育率会随着经济发展而继续下降，因此我国的生育水平将继续受到社会经济发展和国家政策的双重压力[7]。另外，在我国生育率长期低于更替水平情况下继续追求低生育率，很可能会使我国像其他国家一样陷入“低生育率陷阱”。

总体来看，国内在人口出生率方面的研究主要围绕低出生率的不利影响和单一视角下低出生率的影响因素两个方面，缺乏对典型地区影响因素全面而具体的综合分析。

本文在接下来的工作中介绍逐步回归的理论方法，建立关于人口出生率的模型并进行相关分析。

三、经验分析

本文研究的人口出生率的影响因素属于多元线性回归问题，可以采用逐步回归分析法、岭回归法和因子分析法进行研究。本文将现有的数据采用逐步回归的分析方法用于多元线性回归模型中，在满足经典线性回归模型的假设前提下（即零均值、同方差、无自相关、正态性假设）进行多元回归，研究解释变量对被解释变量的影响。其中一条假设是无多重共线性，即假定各解释变量之间不存在线性关系，或者说各解释变量的观测值之间线性无关。在计量经济学中所谓的多重共线性，不仅包括解释变量之间精确的线性关系，还包括变量之间近似的线性关系。

在实际的经济问题中，完全的多重共线性并不多见，但是各解释变量之间存在不完全的多重共线性却很常见。出现多重共线性可能的原因是经济变量之间有共同的趋势，模型中包含滞后的变量或者数据本身出现的问题。修正多重共线性的方法通常包括逐步回归法和岭回归法，其中逐步回归法是一种比较有效的方法。

逐步回归法的思想是通过逐步回归筛选并剔除引起多重共线性的变量。具体步骤如下：先用被解释变量对每一个所考虑的解释变量作简单回归，然后以贡献最大的解释变量所对应的回归方程为基础，逐步加入其余的解释变量，再逐一进行简单线性回归，这时需选择通过检验的模型中残差平方和最小或者拟合优度最大的回归方程作为首选模型[8]。

四、建立模型进行定量分析

（一）变量说明①

Birth表示人口出生率（又称初出生率），指在一定时期内（通常为一年）平均每千人所出生的人数的比率。一般用千分率表示。计算公式为：

其中，出生人数指的是活产婴儿，即胎儿脱离母体时（不管怀孕月数），有过呼吸和其他生命现象。年平均人数指的是年初、年底人口数的平均数，也可用年中人口数进行代替。

Med表示河南省各省辖市政府在医疗卫生方面的财政支出，反映的是政府在该地区的医疗投入水平。

Edu表示河南省各省辖市政府在教育事务方面的财政支出，反映的是政府在该地区的教育投入水平。

Soc表示河南省各级省辖市在社会保障与就业方面的财政支出，反映的是该地区居民的生活福利水平的高低。

Income表示平均工资，指单位就业人员在一定时期内平均每人所得的货币工资额。它表明一定时期职工工资收入的高低程度，是反映就业人员工资水平的主要指标。其计算公式为：

平均工资=报告期实际支付的全部就业人员工资总额÷报告期全部就业人员平均人数

Young表示负担少年系数，指少年儿童与15～59岁人口的比例，计算公式为:

负担少年系数=少年儿童人口÷15～64岁或15～59岁人口

Old表示负担老年系数，指老年人口（65岁或60岁以上人口）与15～64岁或15～59岁人口的比例，计算公式为：

负担老年系数=老年人口÷15～64岁或15～59岁人口

为了符合多元线性回归模型的假设条件，本文假设人口出生率与影响因素之间属于线性关系，解释变量之间属于单向因果关系。出生率的影响因素包括教育、社会保障与就业、少儿抚养比、负担老年系数和城镇居民平均工资等，其他因素归入随机扰动项[9]。

（二）模型估计和检验

河南省作为全国的人口大省之一，研究河南省出生率的影响因素对于本地区的人口形势将有一个更深层次的理解，对于全国的人口政策的调整也会有一定的指导意义。本文选取河南省18个省辖市2013年的截面数据作为研究对象②，数据来源于河南省2014年统计年鉴。根据线性回归模型建立的基本原理，为了尽可能降低异方差的影响，更好地用弹性来解释人口出生率的影响因素，本文将模型的函数设定为：

其中，βi（i=0,1,2,3,4,5,6）为待估参数，ε表示的是随机误差项，n=18表示样本个数，k=7表示变量系数的个数，包括截距。

应用最小二乘估计法（OLS）估计得：

对模型进行 White异方差检验得 P值为0.0009，R2=0.62,a在0.05置信水平下，根据nR2= 15.12＜χ2(18)=27.587 1，原假设模型是同方差的，接受原假设，认为模型不存在异方差。

该模型拟合系数不高，除了少儿抚养比，其他参数的P值普遍偏大，参数估计不显著，说明模型存在多重共线性。

（三）模型修正

采用逐步回归的分析方法对多重共线性进行修正。

1.第一次回归

运用最小二乘估计法逐一对各解释变量进行回归，估计方程结果如表1所示。

表1　第一次回归结果

在显著性水平a=0.05时，查表得F0.05(1,16)= 4.49。

由表1的分析结果可知，由于解释变量Old的F=0.0045＜F0.05(1,16)=4.49，而且参数估计的P= 0.94＞0.05，R2太小，说明Old对模型的显著性水平不高，负担老年系数和出生率之间没有必然的联系。解释变量Young的F=5.586＜F0.05(1,16)=4.49,且参数的P=0.03＜0.05，说明Young对Birth的回归模型显著，说明河南省的负担少年系数与人口出生率有必然的联系，从回归结果看负担少年系数每增加1个百分点，出生率就增加0.204个百分点。所以选取负担少年系数作为第一入选变量，首选模型为：

2.第二次回归

根据第一次回归的结果，去掉Old对Birth的影响。下面在Young的基础上逐一加上其他变量，重新进行线性回归，结果如表2所示。

表2　第二次回归结果

在显著性水平a=0.05时，查表得F0.05(2,15)= 3.68。

由表2的分析结果可知，选取Young作为第一入选变量，然后逐一加入其他变量，解释变量Edu的F=8.61＞F0.05(2,15)=3.68，参数P值为0.003，R2较显著，残差平方和较小，说明解释变量Edu和Birth之间存在显著的联系，表示教育的财政投入每增加1个百分点，出生率就减少0.05个百分点。但是，解释变量Income的F=2.88＜F0.05(2,15)= 3.68，P=0.087＞0.05结果不显著，说明河南省18个省辖市的出生率与平均工资之间并没有必然的关系。因此，在进行了第二次回归后，将Edu作为第二入选变量，模型为：

3.第三次回归

根据第二次回归的结果，去掉 Income对Birth的影响。下面是在Young、Edu的基础上，逐一加上其他变量，重新进行线性回归，结果如表3所示。

表3　第三次回归的结果

在显著性水平a=0.05时，查表得F0.05(3,14)= 3.34。

由表3的分析结果可知，在解释变量Young、Edu的基础上，分别加入变量Med和So c后，Med的F=7.133＞F0.05(3,14)=3.34，P=0.004，结果达到显著水平，说明解释变量Med和Birth之间存在一定的关系。从分析的结果看，医疗的财政投入每增加1个百分点，出生率上升0.11个百分点。So c的F= 5.917＞F0.05(3,14)=3.34，P=0.008，结果达到显著水平，说明社会保障与就业和出生率存在相关关系。从回归方程看，社会保障与就业方面的财政支出每增加1个百分点，出生率就会增加0.055个百分点。就分析结果看，可以将这两个变量加入回归模型中。

4.第四次回归

根据前面逐步回归的结果，为修正多重共线性的影响，选取Young、Edu、Med和So c四个变量，建立模型为：

运用OLS回归结果为：

从修正多重共线性的回归模型看，出生率的影响因素主要是少儿抚养比、政府财政在医疗教育以及社会保障就业方面的支出。少年儿童的抚养比和出生率的关系最为显著，平均来说，负担少年系数每增加1个百分点，出生率就增加0.24个百分点。其次是教育，教育的财政投入每增加1个百分点，出生率就减少0.16个百分点。最后是财政在医疗和社会保障与就业方面的支出对出生率也有一定的影响。财政在医疗方面的支出每增加1个百分点，出生率就增加0.108个百分点；财政在社会保障与就业方面的支出每增加1个百分点，出生率就增加0.006个百分点。

五、总结及展望

基于河南省18个省辖市关于出生率的回归模型显示，负担少年系数、政府财政在教育医疗和社会保障方面的支出对出生率产生显著的影响。较高的负担少年系数显示了良好的人口结构，即15～64岁的人口在整个人口中保持适宜的比例，会为整个社会经济的发展提供持续的人力资本，促进经济快速增长。政府财政在教育方面投入的增加，使得该地区人口的素质整体得到提升，系统的教育使得人们不再盲目追求人口的数量，而是转向关注人口质量，实现了人口在数量与质量方面的均衡发展。财政在医疗方面的增加促使医疗技术的飞速发展，良好的医疗条件保障使得出生率出现稳定性的增长。另外政府加大对社会保障与就业的投入，提高整个社会的基础保障体系水平，促使居民在保证人口质量的前提下提高出生率。

为了调整我国的人口政策，2015年10月十八届五中全会决定全面放开二孩政策，即一对夫妇可以生育两个孩子。这是从我国人口发展实际做出的正确选择，是对我国计划生育政策的调整和完善，有利于我国经济和社会的可持续发展。需要指出的是，我国的人口政策是随着我国人口形势的变化而调整的，这种调整是一个循序渐进的过程，前后之间存在一定的相关性，因此研究河南省人口出生率的影响因素对预测全面二孩政策后中国人口结构的变化具有十分重要的指导意义。然而政策允许的前提下如何解决家庭二孩生育的后顾之忧成为政府新的人口政策是否能够顺利落实的关键。首先，政府要从家庭的角度出发，一方面，认清当前的人口结构现状，充分结合负担少年系数，考虑人口的老龄化趋势以及较大的养老金缺口，完善养老体制建设。只有在妥善解决家庭养老问题的前提下生育二孩才会成为可能。另一方面，政府财政要加大社会保障与就业的投入，合理调整产业结构，发展更多的劳动密集型产业，增加就业机会，为家庭二孩生育提供更加坚实的经济基础。其次，政府从自身的角度出发，医疗和教育是关乎民生的构成政府公共事业的重要组成部分。财政在医疗和教育方面应增加投入比例，随时做好应对新的人口政策下可能带来的新一波的出生高峰，进而引发对医疗保障尤其是妇幼保健方面的迫切需求的准备。同时解决好当前社会关注的教育问题，深化教育体制改革，整合教育资源，合理配置师资力量，逐步缩短区域尤其是城乡间教育资源的差距，真正做到教育的公平和公正。

计划生育政策曾经为推动中国经济的发展做出了不可磨灭的贡献。而如今，“老龄化”问题日益凸显、人口红利逐渐消失、人口负债逐步显现，一系列的人口问题正在暴露我国实施了近四十多年的计划生育政策的弊端。为解决这一问题，全面二孩政策在2016年正式实施。然而全面二胎政策能否及时有效地调整人口结构为中国经济的稳定快速增长提供持续的人力资源保障主要在于新的人口政策能否全面落实。当然，政策不是一成不变的，应随时进行调整以适应社会发展的需要。因此随时对配套政策进行微小调整更加有利于全面二孩政策的实施，这就要求学者必须对政策实施后的人口出生率的影响因素进行全面系统的分析，为政府决策提供合理有效的建议。

注释：

①文中所有选取的变量解释均来自于 《2014年河南省统计年鉴》。

②数据选取河南省18个省辖市的数据，由于数据缺失，剔除10个省直管县。

[1]BECKER G S,LEW IS H G.On the interaction between the quantity and quality of children[J].Journal of Political Economy,1973，81(2):279－288.

[2]BLEAKLEY H,LANGE F.Chronic disease burden and the interaction of education，fertilityand grow th[J].The Review of Econom icsand Statistics，2009，91(1):52－65．

[3]王丰,郭志刚,茅倬彦.21世纪中国人口负增长惯性初探[J].人口研究,2008(6):7-17.

[4]郭志刚.近年生育率显著“回升”的由来——对2006年人口和计划生育调查的评价研究[J].中国人口科学,2009(2):2-15.

[5]杨龙见,陈建伟,徐琰超.财政教育支出降低了人口出生率[J].经济评论,2013（3）:48-55.

[6]袁小平,梁海艳.中国人口年龄结构变动对出生率的影响研究[J].西北人口,2014（6）:49-53.

[7]曾毅,顾宝昌,郭志刚，等.低生育率水平下的中国人口与经济发展[M].北京:北京大学出版社,2010.

[8]庞皓.计量经济学[M].北京:科学出版社,2010.

[9]李松臣,张世英.基于逐步回归法的人口出生率影响因素分析[J].统计与决策,2008(4):7-9.

责任编辑：吴强

An Em pirical Analysis of the Birth Rate Factors in Henan Province

XIANG Chao
（College of Finance and Economics,Lanzhou University,Lanzhou Gansu 730020,China）

Since the reform and opening up,the rapid development of Chinese economy is largely due to population policy which brought demographic dividend.However,with the development of the times,Chinese population presents a new situation in which a low birth rate,low death rate and low growth rate.Based on the current situation of China,in order to understand the likely future demographic trends after the“comprehensive two-child policy”,taking populous province of Henan province as a case,the influence factors of the birth ratewere studied based on the data of 18 provincial cities in Henan using stepwise regression analysis showing that the birth rate of Henan population is affected by children dependency ratio and government finances in health,education,social security and employment expenditure,in which the influence of children dependency ratio is themostobvious.

stepwise regression analysis;birth rate;children dependency ratio

C924.24

A

1673-8004（2016）06-0151-06

2016-03-15

向超（1990—），男，河南信阳人，硕士研究生，主要从事人口资源与环境经济学研究。