人口在每个经济和社会发展中发挥重要的作用，生育率是影响人口变化的因素之一。研究中国人口数量未来走势，重点是研究生育率的未来走势。对生育率的准确预判，有利于对国家制定合理的生育政策。为更准确、全面的探究经济、社会、文化和政策因素对生育率的影响，我们对数据的准确度进行讨论，并对世界面板数据和中国省际面板数据展开实证研究。
从世界各国层面看，经济增长与女性受教育程度可能与生育率存“U”型关系；1981-2015年间，鼓励或限制生育的政策未能起到相应效果。从中国各省层面看，经济、政策和人口结构因素对生育率波动作用较为显著。与世界面板回归模型相比，经济和政策的作用机制有所不同。我国经济上看，房价和居民负债的上升会到导致生育孩子效用的减少，从而导致生育率的下降。政策上看，由于二十世纪计划生育的实施直接抑制了生育率的提高，导致颁布“单独二孩”，“全面二孩”和“三孩”政策对生育率均有显著的正向效用，释放了居民被压抑的生育意愿。从人口结构上看，人口老龄化和结婚率均对生育率产生显著影响。结婚率的下降和居民杠杆的上升趋势相似，共同导致了近年中国生育率的下降。
因此，为缓解生育率下滑，提高我国生育意愿，应从经济激励和加强社会福利两方面入手。
1
递进总和生育率和内在总和生育率
人口在每个经济和社会发展中发挥重要的作用，生育率是影响人口变化的因素之一。研究中国人口数量未来走势，重点是研究生育率的未来走势。对生育率的准确预判，有利于国家制定合理的生育政策。
1.1统计局抽样误差问题
学者崔红艳，徐岚，李睿（2013年）对分年龄的人口比例基于留存率假设提出质疑，并提出“六普”生育率不足以代表中国真实生育率水平，并推测真实生育率在1.50-1.64之间，与世界银行结果相近。高爽、陈卫（2013）提出了测算内在总和生育率的方法，陈卫、段媛媛（2019）给出了对于近10年中国总和生育率更精准的估计。
总和生育率表示假设妇女度过整个生育期并按当期年龄别生育率生育的孩子数，由于其计算简单，代表性较强，因此被用于衡量一国生育水平。总体生育率（totalfertilityrate，TFR）的计算公式为：
我们根据2003年以来、除普查年份外其他年份的国家统计局抽样数据推算出的总体生育率与世界银行和学界的数据均有所差距。其中2010年之前的抽样数据得出的生育率水平与世界银行给出的生育率水平趋势相反，2010年之后的抽样数据计算得出的生育率走势与世界银行生育率走势较为一致，但波动幅度更大。误差可能是计算总和生育率的原数据中抽样女性年龄分布与真实分布不同造成的。
具体体现在不同年龄段的人口占比中——以2005年育龄女性年龄段为20-24岁比例为例，2005年该年龄层占比为11.45%，5年后该年龄层体现为25-29岁年龄层占比为13.70%，两者相差较大。同时2005年20-24年龄层人口比25-29年龄层人口为0.94,2010年25-29年龄层人口比30-34年龄层人口为1.05，也存在较大的缺口。在一般情况下，基于人口留存率应严格小于1的假设，n年与n+5年比例不会出现重大波动，且n年与n+1年间留存在样本的a年龄层与a+1年龄层比例应一致。推测存在抽样方法的差异造成的数据口径不一、执行计划生育时的瞒报行为和国内行业变化等可能原因导致的统计错误。
1.2递进总和生育率与内在总和生育率
由2017年抽样数据构建的各年内在总和生育率与世界银行趋势、数值大小均相似。实际上，世界银行给出的总体生育率基于抽样、普查原数据，经过一系列数据补空、模型处理过程得到，不是由公式简单得出的生育率，与学界的测算数据相似说明该生育率也具有一定的代表性。
世界银行给出的总体生育率来自于《2022RevisionofWorldPopulationProspects》，其中中国的数据来自各年人口抽样调查、1990、2000、2010、2020年的人口普查和2018年的国家社会调查。根据1982、1990、2000年的生育率调查以及1997、2006年人口与健康调查中的妇女和前12个月出生对的数据，按照母亲胎次别和年龄别得出递进比率指标调整生育率。
世界银行的测算方法除了使用多年份的普查数据外，还使用了人口抽样数据、医疗数据和教育数据作为补充验证数据，能够及时调整由单一年份计算得出的递进总和生育率误差。调整后的数据使用可靠性增长模型——Gompertz模型再拟合。Gompert模型广泛应用于微生物和动植物的增长速率，近年来也运用于保险业、需求和人口增长测算，其“S”型曲线能较好的反映增长规律。因此世界银行给出的生育率数据经过多样本数据调整以及模型的平滑预测，能够较好的反应生育的趋势水平。
我们在接下来的生育率实证研究中使用的是世界银行公布的数据。
1.3调查总和生育率反映的生育规律
由于无法得到的2017年全国生育状况抽样调查数据，我们只能根据一些研究学者的成果进行总结和利用。通过研究学者陈卫（2017）、贺丹（2018）等发布的论文或报告，可以得出如下几个结论：
（1）从递进生育率的趋势看，一孩生育率仍保持较高水平，导致一孩生育水平下降的主因是初婚初育年龄增长。2006-2017年妇女平均初婚年龄从23.6岁上升到26.5岁，平均初育年龄由24.3岁上升到27.3岁，均推迟3年，且2012年以来的推迟幅度明显大于之前年份。
（2）生育政策的开放对生育率影响显著，但并不改变生育趋势。2013年的“单独二孩”、2015年的“全面二孩”政策出台之后，生育率均出现了明显的回升。从内在生育率的走势看，剔除掉堆积效应之后的内在生育率始终保持稳定。
2
基于国内外生育率影响因素的实证分析
2.1基于世界生育率影响因素的实证分析
在消费者理论框架中，生育孩子在居民的效用函数中存在收入效应和替代效应，两者相加得到的总效应发生变动会引起居民行为的变化。当生育的相对成本上升，收入效应和替代效应为负，生育孩子后的总效用下降，居民就会减少生育行为。当生育相对成本下降，生育的收入效应大于替代效应，居民会增加生育行为，反之减少生育行为。
实证分析中，经济发展程度和受教育水平通常被认为是影响收入效应和替代效应的原因。为探究其影响程度及具体影响路径，我们选取了1981-2015年中国、日本、美国、韩国、印度、巴西、法国、希腊、南非、俄罗斯共10个地理位置差异较大、经济发展水平不一的国家数据。除女性受教育年限数外其他数据均来自世界银行。为了消除数据不平稳的情况，人均国民总值采取了对数的形式，对城镇化率进行了一阶差分，处理后的数据均通过单位根检验。
基于对世界各国及中国生育率的分析和已有文献研究，建立如下模型：
方程1为混合效应模型回归结果，混合效应模型回归假设个体间无异质性，该假设对于回归样本过于严格。因此使用混合效应模型回归结果虽然R2较大，但不适用于该数据。经豪斯曼检验和F检验，对该面板数据采用双向固定效应模型，并采用逐步添加解释变量的方式进行回归。方程（1）中，解释变量为，，和，初步看城镇化水平和女性受教育水平的提高对国家总和生育率有显著的负效应，R2仅为0.402，对总和生育率解释力度不强。方程（3）、（4）、（5）分别加入人均GDP和女性受教育程度的平方项、鼓励生育政策和限制生育的二元变量。此时变量均在置信水平为1%的情况下显著，R2提升到合理区间，解释变量对模型的解释程度较高。
1981-2015年间，各国家和地区鼓励或限制生育的政策均未能起到提高或降低生育率的相应效果。系数为负，反映颁布鼓励生育政策后生育率并没有进一步的提升，且较低的增加值表明该变量对生育率走势解释程度不高。该回归结果能部分反映东亚各国的政策影响情况：中、日、韩三国实施鼓励生育政策后，生育率并未回升；但鼓励生育政策仍可能对一些发展中国家起到促进作用，下文对我国生育率的实证分析揭示了这一作用。
2.2基于我国省级生育率的实证分析
“七普”数据显示我国已经进入超低生育率水平行列，同时也表明我国正面临严峻的低生育率所带来的风险和挑战。经典人口理论认为生育率会由高位自然下降到更替水平（2.1）并保持稳定，而我国生育率已长期低于自然更替水平，并在2020年下降至1.3。总结已有文献研究，我国生育率波动主要受到经济、文化和政策三方面的影响。为了更好的研究影响我国生育率波动的因素，在上述背景下，基于我国省份面板数据（由于没有各省生育率，我们用出生率代替），建立以下模型：
从经济层面来看，房价和贷款余额比对于生育率的影响较为显著。二者上升会对生育率的下降造成一定的影响，体现贷款压力和房价负担对于人们生育意愿的抑制作用。从政策层面上看，放开“单独二孩”、“全面二孩”和“三孩”政策后，生育率均有显著提升效果，其中以2015年“全面二孩”政策效果最为明显；“三孩”政策系数小于“全面二孩”政策，体现了生育进程中的进度效应，即胎次和间隔结构对生育率的影响。移除政策变量后，R2下降至0.80，体现出政策放开对于人们生育意愿释放的重要性。同时应当注意，在人口结构层面，老年抚养比的提高对生育率有显著的负效应。因此应警惕人口老龄化带来生育率的降低，从而进一步加剧老龄化的负循环效应。
分省份看，近20年来，海南、云南和江西是中国平均出生率最高的三个省份，辽宁、黑龙江和吉林居末三位。中国发达省份（浙江、江苏、广东、福建和山东）平均出生率为10.87‰，经济发展的城市化进程的加速，大量的人口从农村转移大城市，而产生的竞争效应可以导致生育水平降低，体现在海南、云南和江西的平均人均GDP、城镇化率低于吉林、黑龙江和辽宁。海南、云南和江西的生育率高的原因是其老年抚养比低于东北三省，体现即使有“隔代照料”的优势，照料老人的压力可能也会降低年青一代生育的意愿。
2.3实证模型得出的生育规律
本文利用1981-2015年不同国家面板数据及2003-2022年中国不同省份面板数据对总体生育率进行回归分析，体现世界和中国范围内影响生育率因素的相似与不同之处。
从世界各国层面看，人均GDP和女性受教育程度的非线性影响作用显著。体现出随着经济和教育水平的发展，各国总体生育率会出现“先降后升”的“U”型关系，这与最近几年发达国家出现一定程度的生育率反弹吻合。因此，欧美发达国家近年来生育率有所上升的原因可能在于他们跨越了随着经济和教育发展产生的生育率最低点，从而重新产生向上的趋势；中国近年生育率一直处于下降趋势，生育进程可能位于最低点的左端。未来通过持续增加人均收入、降低生育成本，中国生育率也会迎来U型反弹。
从中国各省层面看，经济、政策和人口结构因素对生育率波动作用较为显著。与世界面板回归模型相比，经济和政策的作用机制有所不同。经济因素上看，房价和居民负债的上升会到导致生育孩子效用的减少，从而导致生育率的下降。政策上看，由于二十世纪计划生育的实施直接抑制了生育率的提高，导致颁布“单独二孩”，“全面二孩”和“三孩”政策对生育率均有显著的正向效用，释放了居民被压抑的生育意愿。但“三孩”政策变量系数相较“全面二孩”政策变量系数降低，可以看出到人们生育三孩意愿下降，被压抑的生育意愿或已充足释放。从人口结构上看，人口老龄化和结婚率均对生育率产生显著影响。结婚率的下降和居民杠杆的上升趋势相似，共同导致了近年中国生育率的下降。
值得注意的是调查研究的结果只到2017年，实证研究的结果直到2022年。在2017年至2022年期间，我们发现我国内在总和生育率也在下降，这可能与这一期间发生的房价继续上涨、债务继续扩张以及三年疫情的影响有关。
3
提高我国生育率的政策建议
在我国省际面板数据实证研究中表明，教育水平、房价、负债程度、老年抚养比的上升以及结婚率的下降共同导致我国生育率的下降，而生育政策的宽松会引起生育率的短暂上升。从我国生育率逐年下降的趋势来看，前者的边际影响超过了生育政策的边际影响。根据2017年全国生育状况抽样调查结果显示（贺丹、张许颖等，2019），妇女不愿再次生育的前三位原因分别是“经济负担重”、“年龄过大”以及“没人带孩子”。经济原因占据首位，与世界面板以及国内省级面板数据结论吻合；年龄因素则从民政局社会服务发展统计公报公布的结婚登记人口中可见一斑，到2021年，我国20-24岁结婚人口比例从2005年的47.0%下降至15.5%，体现出“晚婚”趋势。根据国家统计局抽样数据，25-29岁、20-24岁年龄段的育龄妇女生育率居所有年龄段的第一、二位，因此，晚婚及其造成的晚育后果共同导致了年龄因素造成的生育率下滑。
风险提示
国内宏观经济政策不及预期；统计数据与实际数据有偏差；数据提取不及时；人口生育率可能受到其他因素影响。