互联网使用如何降低女性生育意愿？

李舜

［摘 要］ 低生育率问题是党和国家亟须解决的重点问题。在互联网高度普及的现实背景下，探明互联网使用在低生育率现象形成过程中产生的作用，有利于政府精准施策，具有重要的现实意义。文章基于CGSS2013、2015、2017的数据，使用泊松回归模型，研究了互联网使用对女性生育意愿的影响。研究发现，互联网使用通过增加女性兼职行为，从而提高女性收入，进而提高女性生育成本和传递有关家庭、婚姻的负面信息，挤出夫妻之间的共同闲暇时间，从而降低婚姻稳定性等两条途径降低了女性生育意愿。异质性分析表明，互联网使用影响女性生育意愿存在户籍类型、就业部门、政治身份、年龄等的异质性，互联网使用显著降低了城市、非党员、非国有部门女性的生育意愿，对18～24岁女性生育意愿的抑制作用更大。文章为互联网普及背景下我国低生育率社会的形成提供了新的解释，为信息时代人口公共政策制定提供了经验证据。

［关键词］互联网使用；女性生育意愿；机会成本；婚姻稳定性

［中图分类号］  D669.68［文献标识码］  A［文章编号］ 1673-0461（2024）01-0073-11

一、引言

国家统计局调查数据显示，我国育龄妇女生育意愿仅为1.8①，远低于世代交替水平。育龄女性生育意愿下降作为现阶段的社会热点问题，引起了政府相关部门、学术界等的广泛关注。学者们分别从人口学特征和社会经济发展特征等不同方面探索了女性生育意愿降低的内在原因［1-6］，这些探索为本文奠定了良好的基础。事实上，作为一个社会人，社会环境对个体的生育决策也会产生重要影响。结合目前的现实情境来看，我国正处于互联网高度发达的时代。第47次《中国互联网络发展状况统计报告》的数据显示，2020年我国互联网人口9.89亿，互联网普及率70.4%。互联网作为当下重要的媒介形态，已经渗透到了人们生活的方方面面，如社交、购物及出行等。那么，互联网的高度普及与低生育现象的形成究竟存在何种联系？互联网使用究竟对女性生育意愿产生什么样的影响，以及通过什么途径影响女性生育意愿的？为了回答上述问题，本文探索了互联网使用对女性生育意愿的影响及作用机制，并进一步拓展讨论了互联网使用影响女性生育意愿在户籍类型、就业部门、政治身份、年龄等方面的异质性。

与现有研究相比，本文的边际贡献主要体现在以下方面：第一，基于互联网高度普及这一客观事实，正面回答了互联网使用对女性生育意愿的影响作用，有益地拓展了现有研究；第二，利用中国综合社会调查2013年、2015年、2017年的数据（CGSS2013、2015、2017），从微观层面检验了互联网使用影响女性生育意愿的内在机制，并拓展分析了互联网使用影响女性生育意愿在户籍类型、就业部门、政治身份、年龄等方面的异质性；第三，从互联网普及视角，揭示了信息社会下，我国低生育率现象形成的内在原因，为信息社会背景下应对人口增长率降低的公共政策制定提供参考。

二、文献综述与理论假设

（一）文献综述

生育意愿反映出个体在特定情形下对生育行为的态度。表现为，个体对生育数量、性别及时间的偏好，影响着个体的生育决策。其中，生育意愿受到众多因素影响，主要概括为两类：人口学特征和社会经济特征。人口学特征方面，现有研究表明，受教育水平［1-2］、人力资本［3］显著地抑制了生育意愿。同时年龄、性别［7］等对生育意愿也具有显著的影响。社会经济特征方面，现有研究表明，房价［5］、女性劳动力市场参与率［6］、经济收入［7］等因素显著地抑制了生育意愿，而数字普惠金融［8］总体上对生育率具有显著的正向促进作用。此外，国外研究者及部分国内研究者也关注到了互联网使用与生育之间的关系。例如，BELLOU指出，互联网使用降低了婚姻市场中的搜寻成本，提高了结婚率，提升了社会生育率［9］。BILLARI等研究发现，互联网使用提升了生育率［10］。LINUS利用瑞典数据研究发现，生育意愿高的学生更倾向于线上教育［11］。李飚等（2021）研究指出，互联网使用通过影响女性在劳动力市场中的表现，降低了女性生育率（生育行为）［12］。王小洁等（2021）从信息成本和家庭代际视角研究指出，互联网使用频率越高，个体生育意愿越低［13］。

我国正处于互联网高度发达的时代，互联网使用已经渗透到人们生活的方方面面，对人们的生活方式、行为决策都产生了潜移默化的影响。毋庸置疑，互联网作为当下重要的媒介形态对女性生育意愿也具有重要影响。但从现有的研究来看，国内研究者对互联网影响生育意愿的关注不够。虽然李飚等（2021）研究了互联网使用对生育率（生育行为）的影响，但已发生的生育行为，难以预测未来生育行为。本文通过研究互联网使用与女性生育意愿之间的关系，对这一问题进行了有益补充［12］。另外，与王小洁等（2021）从信息成本与家庭代际视角研究互联网使用对生育意愿的影响不同［13］。本文利用CGSS2013、2015、2017的数据，从机会成本与婚姻稳定性视角，探索了互联网使用对女性生育意愿的影响及其作用机制，并拓展分析了互联网使用影响女性生育意愿在户籍类型、就业部门、政治身份、年龄等方面的异质性。为解释信息社会下低生育率现象的形成提供了新视角。

（二）理论分析

根据LEIBENSTEIN提出的成本-效用理论认为，生育决策源于个体对生育成本与生育效用的理性核算。可见，女性生育意愿同时受到生育成本与生育效用的影响。一方面，当生育孩子的成本提高时，会导致女性生育意愿下降。另一方面，当生育孩子的效用降低时，会导致女性生育意愿下降。其中，生育效用又可以细分为直接效用和间接效用。因此，互联网使用影响女性的生育意愿可以通过影响女性的生育成本和生育效用两条途径。孩子作为夫妻的特殊财产，会让离婚的成本增加［14］。因而当女性的婚姻稳定性受到影响时，由于孩子带来的离婚成本会对女性产生负面的生育效用，从而影响其生育意愿。鉴于此，本文从机会成本与婚姻稳定性的视角，探索互聯网使用对女性生育意愿的影响，以期探明互联网使用与女性生育意愿之间的关系及具体的作用机理。

1.机会成本方面

互联网能提高劳动者的生产效率［15］，从而提高劳动者收入水平。即便是在工作中处于弱势地位的女性群体，互联网使用对其收入也能够起到明显的促进作用［16-17］。可见，互联网使用能够通过影响女性收入水平，对女性生育意愿产生影响。但是需要注意的是，女性收入水平提高会对其生育意愿造成两种截然不同的效应。一方面，女性收入水平提高，宽松了家庭预算约束［18］，使女性的生活更加有保障，从而提高其生育意愿；另一方面，女性收入水平提高，导致女性生育孩子的机会成本增加［19］，从而降低其生育意愿。为了区分，本文将前者定义为“收入保障效应”，后者定义为“机会成本效应”。并提出两个具有竞争性的研究假设H1a和H1b。

研究假设H1a：互联网使用通过“收入保障效应”，提升了女性生育意愿。

研究假设H1b：互联网使用通过“机会成本效应”，降低了女性生育意愿。

2.婚姻稳定性方面

互联网使用改变了人们的生活状态和生活方式。体现为，互联网使用降低了中国传统文化对人们行为的约束力［20］。同时，在婚姻匹配市场中寻找到合适的婚姻匹配伙伴存在搜寻成本。BELLOU研究指出，互联网使用降低了婚姻搜寻成本，提高了结婚率，提升了生育率，其针对的是未婚个体［9］。而对已婚个体而言，互联网使用降低了已婚个体在婚姻生活中找“第三者”的搜寻成本［21］。因而互联网使用使得已婚个体倾向于追求“浪漫伙伴”［22-23］，从而提高了已婚群体发生“网络恋情”的概率［24］，降低了夫妻之间的婚姻稳定性，使得女性的生育意愿下降。基于上述分析，提出本文的研究假设H2。

研究假设H2：互联网使用降低了女性的婚姻稳定性，从而降低了女性生育意愿。

图1提出了本文的影响机制结构框架：

图1 互联网使用影响女性生育意愿的结构框架

三、变量数据、统计事实与模型设定

（一）数据来源

本文的研究数据来源于三个途径。主要数据来源于CGSS2013、2015、2017的数据，地区人均GDP数据来源于各省份的统计年鉴，工具变量数据来源于《中国互联网络发展状况统计报告》。共包括有效样本34 988个。其中2013年样本11 438个，2015年样本10 968个，2017年样本12 582个。进一步对样本数据处理如下：第一，剔除所选问题中被采访者的回答为不知道、拒绝回答和缺失值的样本数据；第二，本文主要关注女性生育意愿，因此剔除男性样本；第三，考虑到女性的合理生育年龄在15岁至49岁之间［25］，进一步剔除年龄小于15岁和大于49岁的样本数据。由于所采用的CGSS数据中女性个体的年龄均在18岁以上，因此只需要剔除年龄大于49岁的样本。

（二）变量描述

1.被解释变量

本文的被解释变量为女性生育意愿。对生育意愿的刻画包括理想生育子女数、生育意向等多种方式，每种方式各有优缺点［26］。本文选用CGSS调查问卷中“如果没有政策限制的话，您希望有几个孩子？”衡量女性生育意愿。理想生育孩子数越多，女性生育意愿越强。该衡量方式在现有生育意愿的研究成果中均得到了应用［27-28］，具有一定的合理性。

2.解释变量

本文的解释变量为互联网使用。选用CGSS调查问卷中设置的问题“过去一年，您对互联网的使用情况是？”衡量互联网使用。进一步将“从不”定义为不使用互联网，赋值为0，否则赋值为1。该衡量方式在毛宇飞等［17］的研究成果中得到了应用，具有一定的合理性。

3.控制变量

为确保结论的可靠性，排除混淆因素的干扰，本文分别从个体、家庭、地区三个层面对影响女性生育意愿的因素进行控制。其中，个体层面控制了年龄及其平方项、民族（汉族赋值为1，少数民族赋值为0）、宗教信仰（无宗教信仰赋值为0，有宗教信仰赋值为1）、社会保障（参与了社会保障赋值为1，没有参与社会保障赋值为0）、受教育水平（小学及以下赋值为1，初中赋值为2，普高、职高、中专、技校赋值为3，大专赋值为4，大学本科赋值为5，研究生以上赋值为6）、政治身份（党员赋值为1，非党员赋值为0）、个人收入取对数、健康状况（很不健康赋值为1，比较不健康赋值为2，一般赋值为3，比较健康赋值为4，很健康赋值为5）；家庭层面控制了住房面积取对数、家庭总收入取对数、家庭相对收入（远低于平均水平赋值为1，低于平均水平赋值为2，平均水平赋值为3，高于平均水平赋值为4，远高于平均水平赋值为5）、户籍类型（城市赋值为1，农村赋值为0）；地区层面控制了省份人均GDP取对数。

4.工具变量

本文参考了现有研究成果采用地区互联网普及率作为互联网使用工具变量的做法［29-30］。选取地区滞后一年互联网普及率的倒数作为互联网使用的工具变量。

（三）统計事实

表1给出了描述性统计结果。可以发现，女性理想生育孩子数的均值为1.84、中位数为2，说明女性生育意愿大部分集中在2个，符合现实中人们对“儿女双全”的期盼。理想生育男孩数与理想生育女孩数中位数均为1，佐证了上述观点。互联网使用均值为0.74、中位数为1，表明女性中使用互联网的比例高达74%。

表2给出了2013年、2015年、2017年互联网使用情况的分布状况。可以发现，非常频繁使用的人数比例从2013年的21.4%上升为2017年的44.12%。经常使用的人数比例从2013年的20.18%上升为2017年的27.92%。2013年到2017年，有时、很少和从不使用的人数占比在逐年减少。有时使用的人数占比从2013年的11.78%下降为9.09%。很少使用的人数占比从2013年的9.12%下降为2017年的5.29%。从不使用的人数占比从2013年的37.52%下降为2017年的13.57%。这些现象验证了我国处于互联网时代的基本特征事实，反映出我国互联网普及率越来越高，互联网使用的人数越来越多。

表3给出了2013年、2015年、2017年女性理想生育孩子数的分布状况。可以看出，理想孩子数为0的女性比例从2013年的1.73%，上升为2017年的2.59%。理想孩子数为1的女性比例从2013年的26.03%，下降为2017年的22.21%。加之没有生育过子女的夫妻更容易影响生育意愿［31］。可以得出，随着互联网使用人数增加，不想生育的女性也在增加。当然互联网使用与女性生育意愿的统计性描述只能说明两者之间的简单相关关系，两者是否具有因果关系还需进一步实证分析。

（四）模型设定

考虑到女性生育意愿为计数变量，运用OLS回归模型进行检验可能会导致实证结果产生偏差，影响研究结论的准确性。因此，选用泊松回归模型进行实证检验。构建泊松回归模型如下。

P（Yi=yi|xi）=e-λiλyiiyi！（1）

式中，本文被解释变量Yi，表示女性生育意愿；yi（yi=0，1，2，…，n）为观测值；xi为影响女性生育意愿的各种因素；λi（λi=E（Yi|x1，x2，…，xn））为泊松模型的参数。泊松模型的参数（λi）可以表示为核心解释变量与控制变量的函数如下：

λi=eβ0+β1interneti+γcontroli+εi（2）

式中，核心解释变量interneti，为互联网使用；controli为本文控制变量的集合，主要包括个体层面（年龄及其平方项、民族、宗教信仰、社会保障、受教育水平、政治身份、个人收入、健康状况），家庭层面（住房面积、家庭总收入、家庭相对收入、户籍类型），地区层面（地区人均GDP）等控制变量；εi为扰动项。

四、实证分析

（一）基准回归：逐步回归

表4汇报了互联网使用与女性生育意愿逐步回归的实证结果。本文主要关注互联网使用系数的显著性和方向。模型（1）中互联网使用的平均边际效应为-0.187，在1%的水平上显著，初步验证了互联网使用会导致女性生育意愿降低。模型（2）～（4）为依次加入个体层面、家庭层面、地区层面控制变量的结果，互联网使用系数的方向与显著性和模型（1）

的结果基本保持一致，表明互联网使用显著降低了女性生育意愿。另外，表4的模型（2）中控制变量的平均边际效应显示，育龄阶段的女性生育意愿会随其年龄的增大而提高；汉族女性的生育意愿低于少数民族；有宗教信仰的女性生育意愿更加强烈；拥有社会保障能够有效地提高女性生育意愿；受教育水平会对女性生育意愿产生抑制作用；女性党员身份显著降低了其生育意愿，可能的原因在于，党员的纪律性更强，在遵守相关法律法规（如计划生育等）上的自觉性和主动性更高；个人收入显著地降低了女性生育意愿，原因在于，生育属于时间密集型活动，收入提高导致生育机会成本提升，从而使得生育意愿下降；家庭条件好的女性生育意愿相对更高。城市女性的生育意愿显著低于农村女性的生育意愿。经济发展水平越高，女性生育意愿越低。

基于上述研究结论，进一步考察了互联网使用与女性生育性别偏好及生育数量偏好间的关系。实证检验了互联网使用与女性生育男孩偏好、生育女孩偏好及女性生育一孩偏好、生育多孩偏好之间的关系。其中，将理想孩子数为1的定义为一孩偏好，理想孩子数大于1的定义为多孩偏好，结果见表5。可以发现，模型（1）中互联网使用的平均边际效应在5%的水平上显著为负；模型（2）中互联网使用的平均边际效应不显著。表明互联网使用降低了女性生育男孩意愿，但对女性生育女孩意愿没有显著影响。由此可见，互联网使用改变了女性生育性别偏好。模型（3）中互联网使用的平均边际效应在1%的水平上显著为正；模型（4）中互联网使用的平均边际效应在1%的水平上显著为负。表明互联网使用促进了女性生育一孩意愿，但降低了女性生育多孩意愿。可见，互联网使用改变了女性生育数量偏好。

（二）稳健性检验

1.内生性检验

导致模型内生性问题的主要原因包括遗漏变量、选择偏误、反向因果等。首先，本文实证数据来源于2013年、2015年、2017年的中国综合社会调查数据。该数据由中国人民大学联合全国各地的学术机构对全国一万多户家庭进行随机抽样得到，能够在一定程度上缓解由于选择偏误而产生的内生性问题。其次，本文在充分考虑个体、家庭、地区等特征的基础上，从个体、家庭及地区层面控制了可能影响女性生育意愿的因素。虽然本文在控制变量的选取上尽可能地排除了遗漏变量对研究结论的影响，但是由于数据限制及变量不可观测等情况的存在，仍可能会存在部分遗漏变量导致的内生性问题。最后，本文还可能存在互联网使用与女性生育意愿之间反向因果问題。一方面，女性生育意愿越低的地区，其经济的发展水平往往越高，互联网使用又与地区经济发展水平密切相关；另一方面，女性生育意愿会在一定程度上影响女性的行为偏好，从而会影响其互联网使用。因此，本文进一步采用工具变量法进行内生性处理，以保证研究结论的稳健性。结果详见表6。

从表6的结果可知，2SLS估计第一阶段回归中，地区互联网普及率倒数的系数在1%的水平上显著为负，与预期一致。初步验证了工具变量的有效性。不可识别检验的LM统计量为85.574，在1%的水平上显著，拒绝了工具变量不可识别的原假设。弱工具变量检验的F统计量为88.431，大于10%显著性水平，显著拒绝了工具变量为弱工具变量的原假设。综合而言，本文选取的工具变量是有效的。根据2SLS估计第二阶段回归的结果可知，工具变量的回归系数在1%的水平上显著为负。可见，在考虑了核心解释变量的内生性问题后，本文的结论依然稳健。同时，采用IVpoisson命令进行工具变量法估计，本文结论依然成立。再次验证了本文结论的稳健性。

2.替换核心解释变量

为排除核心解释变量刻画不一致导致的研究结论不稳健问题，本文对核心解释变量进行了重新界定。第一，将“从不”“很少”定义为不使用互联网，赋值为0，否则赋值为1，实证结果详见表7的模型（1）；第二，将使用频率“从不”“很少”“有时”“经常”“非常频繁”分别赋值为1、2、3、4、5，得分越高，使用越多。实证结果详见表7的模型（2）；第三，用空闲时互联网的使用情况替换核心解释变量，实证结果详见表7的模型（3）。可以发现，替换核心解释变量刻画方式后，实证结果的显著性和系数方向与基准回归的结论基本保持一致。

3.更换回归模型

考虑到模型设定不一致导致的研究结论不稳健问题，本文更换了回归模型对研究结论进行检验。第一，将女性生育意愿视为连续变量，运用OLS模型进行实证检验，结果详见表8的模型（1）；第二，将泊松回归模型更换为负二项式回归模型进行实证检验，结果详见表8的模型（2）。可以发现，替换回归模型后，實证结果的显著性和系数方向与基准回归的结论基本保持一致。

4.增加控制变量

考虑到已有的未成年孩子数量、女性的职业类型及地区的社会习俗可能会对女性的生育意愿产生影响，本文进一步将这些因素进行控制。表9的模型（1）汇报了控制省份固定效应后的实证结果；模型（2）汇报了控制女性职业类型与未成年孩子数的实证结果。可以发现，控制了省份固定效应、女性职业类型与未成年孩子数量后，实证结果的显著性和回归系数方向与基准回归的结论基本保持一致。

5.倾向得分匹配（PSM）估计

为排除由样本选择导致的研究结论不稳健，我们运用倾向得分匹配（PSM）估计方法对研究结论进行实证检验。表10汇报了倾向得分匹配后的实证结果。可以发现，一对一邻近匹配与一对三邻近匹配的ATT估计结果至少在10%的水平上显著为负，与基准回归的结论一致。

五、机制检验

为检验互联网使用影响女性生育意愿的“收入效应”机制。选用CGSS问卷中“您个人上年全年的职业/劳动收入是多少？”对女性劳动收入（labor_income）进行衡量，以检验互联网使用的“收入效应”，并采用“女性兼职数量”识别“收入效应”的类型。其中，具体逻辑为：若互联网使用提高女性劳动收入的同时，显著降低了或没有显著改变女性兼职数量，说明互联网使用提高女性收入，但没有增加女性的工作负担，则互联网使用的“收入效应”机制以“收入保障效应”为主。若互联网使用显著提高女性劳动收入的同时，又显著提高了女性兼职数量，说明互联网使用提高女性收入的同时，加重了女性工作负担，则互联网使用的“收入效应”机制以“机会成本效应”为主。

表11给出了“收入效应”机制检验的结果。可以发现，模型（1）与模型（3）中互联网使用的系数均不显著，模型（2）中互联网使用的系数在5%的水平上显著为正，说明互联网使用的“收入效应”机制仅对18～24岁的女性具有影响。可能的原因在于，一方面我国1994年全面接入国际互联网［32］，18～24岁的女性一出生就生活在

互联网的环境中；另一方面年轻人学习能力更强，轻易能够通过学习掌握互联网使用的相关技能，因而受互联网的影响更大。

为进一步探明互联网使用影响女性生育意愿的“收入效应”机制，主要体现为“收入保障效应”，还是“机会成本效应”，按照上述分析的逻辑，本文进一步实证检验了互联网使用与女性兼职数量（parttime_job）之间的关系，实证结果如表12所示。可以发现，模型（1）与模型（3）中互联网使用的平均边际效应均不显著；模型（2）中互联网使用的平均边际效应在1%的水平上显著为正。表明18～24岁女性增加的劳动收入源于其兼职数量增加。可见，18～24岁女性通过使用互联网而获得的高于不使用互联网的那部分收入，是对其兼职数量增加的补偿性收入。18～24岁女性通过互联网使用获得了更高的劳动收入，但导致其在“工作-家庭”上的精力分配不均等，工作消耗的精力挤出了生育意愿。可见，互联网使用的“收入效应”机制，在18～24岁的女性中体现为“机会成本效应”。研究假设H1b得到验证，研究假设H1a没有得到验证。

为检验互联网使用影响女性生育意愿的“婚姻稳定性”机制。借鉴莫玮俏（2016）的研究，选用CGSS问卷中“您目前的婚姻状况是？”对女性婚姻稳定性（marital_stability）进行衡量。将初婚有配偶定义为婚姻稳定，赋值为1；将再婚有配偶、分居未离婚、离婚定义为婚姻不稳定，赋值为0。实证结果如下。

表13给出了互联网使用影响婚姻稳定性的结果。模型（1）中互联网使用的平均边际效应在1%的水平上显著为负，表明互联网使用显著降低了女性的婚姻稳定性。进一步以25岁为临界点对总体样本进行细分。可以发现，模型（2）与模型（3）中互联网使用的平均边际效应分别在10%与1%的水平上显著为负，表明18～24岁与25～49岁女性的婚姻稳定性均受到了互联网使用的负面影响。研究假设H2得到验证。

基于上述结论，并考虑到数据的可得性。本文进一步实证检验了使用互联网从事“获取信息”（information）、“商务交易”（commerce）与婚姻稳定性之间的关系，以挖掘究竟使用互联网从事什么样的活动影响了婚姻稳定性。结果详见表14。

表14给出了互联网行为与婚姻稳定性之间的结果。模型（1）中获取信息的系数在1%的水平上显著为负，说明使用互联网获取信息降低了婚姻稳定性。模型（3）中使用互联网获取信息与女性主观幸福感（happiness）的系数不显著，说明使用互联网获取信息导致婚姻稳定性降低的原因在于，网络上充斥着大量关于夫妻感情、家庭矛盾的负面信息，在使用互联网获取信息时，容易潜移默化地受到负面消息的影响，从而降低了婚姻稳定性。模型（2）中商务交易的系数在10%的水平上显著为负，说明使用互联网进行商务交易也降低了婚姻稳定性，原因在于，商务交易挤出了夫妻的共同闲暇时间。

六、拓展模型：异质性分析

基于上述研究结论，本文深入挖掘了互联网使用影响女性生育意愿在城乡、就业部门、政治身份、年龄等方面的异质性。具体分析如下：①城乡异质性。由于城乡二元结构，我国城乡之间的经济发展水平存在巨大差异，导致互联网普及程度在城乡之间也存在差异。加之教育资源配置不均等，城市与农村受教育水平也会有所不同，城市平均受教育水平远高于农村。而这两者均会导致城乡之间互联网使用的差异。因此，提出本文的推论一：互联网使用对女性生育意愿的影响存在城乡异质性。具体表现为，互联网使用降低了城市女性的生育意愿。②就业部门异质性。一方面，就业部门的不同意味着工作的稳定性不同。相对非国有部门的女性而言，国有部门的女性工作环境相对稳定，生活条件更有保障。另一方面，就业部门的不同意味着闲暇时间的差异。国有部门的女性闲暇时间更加充裕，有更多的机会去发展其他的兴趣爱好。因而国有部门与非国有部门女性对互联网使用的依赖程度也会有所差异。因此，提出本文的推论二：互联网使用对女性生育意愿在国有部门与非国有部门之间存在异质性。具体表现为，互联网使用显著降低了非国有部门女性的生育意愿。③政治身份异质性从内在层面来说，政治身份的差异意味着内在品质的强弱差异。平均来说，拥有政治身份的个体自律能力、学习能力等内在品质更强。从外在层面来说，政治身份的差异意味着社会网络的差异。平均来说，拥有政治身份的个体的社会网络更丰富。这两者均会导致对互联网的使用程度不同。因此，提出本文的推论三：互联网使用对女性生育意愿的影响存在政治身份异质性。具体表现为，互联网使用显著降低了非党员女性的生育意愿。④年龄异质性。在高度发达的互联网社会中，互联网使用已经渗透到了人们生活的方方面面。总的来说，互联网使用对各个年龄阶段女性的生育意愿均有影响，但影响大小有所差异。相对于25～49岁的女性而言，18～24岁的女性从一出生就生活在互联网的环境中，因而受互联网的影响更大。因此，提出本文的推论四：互联网使用对女性生育意愿的影响存在年龄异质性。具体表现为，互联网使用对18～24岁女性生育意愿的影响作用更大。

为检验上述的推论一至推论四，本文进一步从户籍类型、就业部门、政治身份、年龄角度，实证分析了互联网使用影响女性生育意愿在户籍类型、就业部门、政治身份、年龄方面的异质性。

表15给出了户籍类型与就业部门异质性的实证检验结果。可以发现，模型（1）中互联网使用的平均边际效应在5%的水平上显著为负，模型（2）中互联网使用的平均边际效应不显著。可见，互联网使用对女性生育意愿的影响存在城乡异质性。具体表现为，互联网使用降低了城市女性的生育意愿。推论一得证。模型（3）中互联网使用的平均边际效应不显著，模型（4）中互联网使用的平均边际效应在10%的水平上显著为负。可见，互联网使用对女性生育意愿的影响存在就业部门异质性。具体表现为，互联网使用降低了非国有部门女性的生育意愿。推论二得证。

表16给出了政治身份与年龄异质性的实证结果。模型（2）中互联网使用的平均边际效应在5%的水平上显著为负，模型（1）中互联网使用的平均边际效应不显著。可见，互联网使用对女性生育意愿的影响存在政治身份異质性。具体表现为，互联网使用降低了非党员女性的生育意愿。推论三得证。模型（3）中互联网使用的平均边际效应在5%的水平上显著为负，模型（4）中互联网使用的平均边际效应在10%的水平上显著为负。可见，互联网使用对18～24岁、25～49岁的女性生育意愿均具有抑制作用，但对18～24岁的女性生育意愿的抑制作用更为突出。推论四得证。

七、结论与启示

本文基于中国综合社会调查2013年、2015年、2017年（CGSS2013、2015、2017）的数据，运用泊松回归模型，探索了互联网使用对女性生育意愿的影响。结论如下：互联网使用通过“机会成本效应”和降低婚姻稳定性，降低了女性的生育意愿，验证了研究假设H1b和H2。此外，互联网使用还降低了女性生育男孩与多孩的意愿，同时提高了女性生育一孩的意愿。进一步的异质性分析表明，互联网使用影响女性生育意愿在户籍类型、就业部门、政治身份、年龄等方面存在异质性。具体表现为，降低了城市、非党员、非国有部门女性的生育意愿，对18～24岁女性生育意愿的抑制作用更大。

影响女性生育意愿的因素繁多，各因素的影响效应相互交织、错综复杂。本文基于互联网普及这一现实背景为我国低生育率社会的形成提供了新的解释，为提升我国生育意愿及生育率具有重要启示。

首先，政府部门在制定相关生育调整政策时，应充分考虑女性生育的机会成本问题。一方面，可以通过生育补贴、购房减免、抚养补贴、产后就业培训、职业规划等方式补偿女性生育损失。另一方面，完善公共育儿配套设施，如，幼儿园建设、公共孕后护理等。将幼儿园教育纳入义务教育的内容，降低孩子照料成本。有效平衡女性的“工作-家庭”冲突，解决女性生育的后顾之忧，形成一套从“生育”到“照料”完整的生育保障体制。

其次，随着互联网普及率日益提高，更要关注网络内容的质量。一方面，对网络内容的质量进行全面评估、跟踪监管、严格筛查。对传播低质、负面内容的互联网平台，依据内容造成的影响程度，实行“警告”“处罚”“封杀”的分类处理措施，建立互联网平台黑名单制度。另一方面，推动以社会主义核心价值观为核心的优质正能量内容的传播，以引导化解家庭矛盾，推动构建和谐家庭与和谐婚姻关系。让互联网成为幸福婚姻、和谐家庭的“护城河”，而不是推动婚姻稳定性下降的“催化剂”。

最后，互联网普及率越来越高、辐射人数越来越多、影响范围越来越大是发展的必然趋势。互联网在潜移默化中影响人的决策方式与行为习惯，同时应深刻认识到互联网作为高科技技术，具有技术中性的特征。互联网使用导致“低生育率”问题、“少子化”现象恶化还是改善，关键在于如何引导。人口公共政策制定应重点考虑互联网因素，切实发挥互联网的积极引导作用。

［注 释］①

《年轻人为什么不愿意生孩子了？》，中国经济网，2021年5月13日。[BFQ][ZK）]

［参考文献］

［1］何秀玲，林丽梅.家庭人均收入、女性教育水平与中国育龄女性二孩生育意愿——基于CGSS2017数据的经验分析［J］.福建论坛（人文社会科学版），2021（3）：98-108.

［2］BERRINGTON A，PATTARO S. Educational differences in fertility desires， intentions and behaviour： a life course perspective［J］. Advances in life course research，2014（21）：10-27.

［3］张樨樨，崔玉倩. 高人力资本女性更愿意生育二孩吗——基于人力资本的生育意愿转化研究［J］. 清华大学学报（哲学社会科学版），2020，35（2）：182-193.

［4］刘厚莲. 配偶随迁降低了流动人口生育意愿吗？［J］. 人口学刊，2017，39（4）：40-49.

［5］荆林波. M型社会理论引发的思考［J］. 经济与管理研究，2020，41（3）：87-94.

［6］MARCO C K. Getting back into the labor market： the effects of startup subsidies for unemployed females［J］.

Journal of population economics，2015，28（4）：1005-1043.

［7］陳建新，王莉君. 个人因素对不同阶段生育意愿的影响——基于CGSS2017数据的实证分析［J］. 调研世界，2021（6）：58-64.

［8］盛思思，徐展.数字普惠金融与生育：促进还是挤出？［J］.当代经济管理，2022，44（3）：81-89.

［9］BELLOU A. The impact of internet diffusion on marriage rates： evidence from the broadband market［J］. Journal of population economics，2014（2）：265-297.

［10］BILLARI F C，GIUNTELLA O，STELLA L，et al. Does broadband internet affect fertility？［J］. Population studies，2019，73（3）：297-316.

［11］LINUS A. Online distance education and transition to parenthood among female university students in Sweden［J］. European journal of population，2019，35（4）：795-823.

［12］李飚，赖德胜，高曼. 互联网使用对生育率的影响研究［J］. 南方人口，2021，36（2）：65-80.

［13］王小洁，聂文洁，刘鹏程. 互联网使用与个体生育意愿——基于信息成本和家庭代际视角的分析［J］. 财经研究，2021，47（10）：110-124.

［14］LILLARD L A，WAITE L J. A joint model of marital childbearing and marital disruption［J］. Demography，1993 （4）： 653-681.

［15］程名望，张家平，李礼连.互联网发展、劳动力转移和劳动生产率提升［J］.世界经济文汇，2020（5）：1-17.

［16］曹景林，姜甜.互联网使用对女性收入的影响——基于CFPS数据的经验证据［J］.现代财经（天津财经大学学报），2020，40（12）：79-95.

［17］毛宇飞，曾湘泉.互联网使用是否促进了女性就业——基于CGSS数据的经验分析［J］.经济学动态，2017（6）：21-31.

［18］王天宇，彭晓博.社会保障对生育意愿的影响：来自新型农村合作医疗的证据［J］.经济研究，2015，50（2）：103-117.

［19］朱兰.生育政策、机会成本与生育需求——中国综合社会调查的微观证据［J］.西北人口，2020，41（2）：90-101.

［20］林川，常青松.1997—2012年中国大陆“离婚原因”研究述评［J］.人口与发展，2012，18（6）：77-85.

［21］KENDALL T D. The relationship between internet access and divorce rate［J］. Journal family and economic issues，2011，32（3）：449-460.

［22］MERKLE E R， RICHARDSON R A. Digital dating and virtual relating： conceptualizing computer mediated romantic relationships［J］.Family relations，2000，49（2）：187-192.

［23］TONG QINGYAN， CHU CHIYANG， ZHOU DONG， et al. Does internet connectedness disconnect marriage？ A micro empirical analysis［J］. Social indicators research，2021（3）：1-34.

［24］李晓敏.互联网普及对离婚率的影响［J］.中国人口科学，2014（3）：77-87.

［25］何明帅，于淼.家庭人均收入、代际社会流动与生育意愿［J］.劳动经济研究，2017，5（5）：117-140.

［26］郑真真.生育意愿的测量与应用［J］.中国人口科学，2014（6）：15-25.

［27］侯佳伟，黄四林，辛自强，等.中国人口生育意愿变迁：1980—2011［J］.中国社会科学，2014（4）：78-97.

［28］陈卫民，李晓晴.阶层认同和社会流动预期对生育意愿的影响——兼论低生育率陷阱的形成机制［J］.南开学报（哲学社会科学版），2021（2）：18-30.

［29］AGARWAL R， ANIMESH A， PRASAD K. Social interactions and the “Digital Divide”： explaining variations in internet use［J］.Information systems research，2009，20（2）：277-294.

［30］宁光杰，杨馥萍.互联网使用与劳动力产业流动——对低技能劳动者的考察［J］.中国人口科学，2021（2）：88-100.

［31］张翼.“三孩生育”政策与未来生育率变化趋势［J］. 中国特色社会主义研究，2021（4）：30-36.

［32］苏敏，喻国明.以人为本的成长逻辑：中国互联网发展的第一个25年——基于学术视角的Citespace可视化分析［J］.辽宁大学学报（哲学社会科学版），2019，47（6）：127-141.

How does Internet Use Reduce Women’s Desire to Have Children？

Li Shun

（Business School， Xiangtan University， Xiangtan 411105， China）

Abstract：

The low fertility rate is the key issues that the Party and the country urgently need to solve. With the prevail of the Internet， it is of great practical significance to explore the role of Internet use in the formation of low fertility， which is beneficial for the government to issue accurate policies. Based on the data of CGSS2013， 2015 and 2017， this paper uses Poisson regression model to study the impact of Internet use on female fertility intention. It is found that Internet use reduces women’s willingness to bear children through two ways. Firstly， it increases women’s cost of childbirth through providing parttime job for women and increasing their income. Secondly， it reduces the stability of marriage through spreading negative information about family and marriage and squeezing out the common leisure time between husband and wife. Heterogeneity analysis showed that there was heterogeneity in household registration type， political identity， employment sector and age of women. Internet use significantly reduced the fertility intention of women in urban areas， nonparty members and nonstateowned sectors， and inhibited the fertility intention of women aged 18 to 24. This paper provides a new explanation for the formation of low fertility society in China under the background of Internet popularization， and provides empirical evidence for making population public policy in the information age.

Key words：internet usage; female’s fertility desire; opportunity cost; marital stability

（責任编辑：张丽阳，周吉光）