人口是一个国家或地区最基本的资源,生育水平作为人口学研究的重要指标之一,对于人口结构变化、社会经济发展和社会政策的制定具有重要意义。目前极低的生育水平是中国发展面临的最大风险和挑战。第七次全国人口普查数据显示,全国总和生育率为1.3低于国际生育率警戒线1.5,被认为有跌入低生育率风险的可能。与此同时,中国人口年龄结构也发生了较大转变,劳动适龄人口规模不断下降,老龄化程度进一步加深。为此,中国政府决定进一步优化生育政策,做出了“实施三孩生育政策及配套支持措施”重大决策[1]。《国家人口发展战略研究报告》指出,要想保持人口与经济社会长期协调发展,在未来30年中国的总和生育率应保持在1.8左右[2]。
了解生育率的分布特征是提升国家生育水平的前提。学术界对于中国生育水平的空间分布研究主要集中在以下两个方面:一是生育率的地区差异。城市地区的生育率普遍低于农村地区。城市化进程加快、生活成本上升及育儿支持政策不足是主要原因[3-4]。杨启帆的研究也证实了这一点[5]。中国生育率呈现出由西向东生育水平逐渐递减的趋势。东部沿海地区的生育率通常低于西部内陆地区,经济发展水平、教育程度和生育观念的差异是造成这种空间差异的主要因素[6-7]。二是生育率的省际差异。不同省份在生育政策的实施上存在区域差异[8]。另外,部分学者也指出,鼓励生育政策对生育率的影响有限,经济、教育和社会观念的变化才是影响生育率的主要因素[4]。经济发展通常与生育率呈负相关关系。经济较发达的省份(如广东、上海)生育率较低,而经济相对欠发达的省份(如贵州、云南)生育率较高[9]。同时,国内学者也聚焦于一些特定群体的生育水平,如孙晓霞等聚焦东北地区的“低生育率陷阱”[10],柳建平等重点剖析了农村家庭生育水平的变动趋势和形成原因[11]等。该类研究缺乏全国性的数据,使得得出的结论失去了普适性。另外,一些研究使用的数据较为陈旧,未能充分反映近年来生育率的变化。很多文献也未能充分考虑不同年龄段的生育行为差异,导致对生育率变化的解析不够细致。
综上所述,前人研究虽然为理解中国生育率的变化提供了基础,但在数据代表性和理论框架等方面存在明显不足。本文旨在填补这些空白,从而更好地理解中国生育率的时间和空间分布差异,以期提高中国的生育水平,为未来人口政策的制定和社会均衡发展提供参考和建议。
资料与方法
一、数据来源
本文数据主要来源于《中国人口普查年鉴》和《中国统计年鉴》,选取了除港澳台地区外的31个省级行政区作为研究区域。获取了2008年至2022年全国及31个省级行政区生育率相关的人口学数据进行分析。
二、指标说明
1.总和生育率(total fertility rate, TFR):是指一个国家或地区的妇女在育龄期内平均生育的子女数量。能反映不同地区生育水平的差异,或一地生育水平的转变过程。对有计划地控制生育、制订人口规划、预测人口趋势有重要作用。
2.年龄别生育率(age-specific fertility rate, ASFR):是指一定年龄组中每1 000妇女的全年活产婴儿数。年龄组生育率的起伏,能明显反映晚婚、晚育及控制生育的效果。
3.一般生育率(general fertility rate, GFR):指每1 000育龄妇女的全年活产婴儿数。一般生育率受两个因素的影响,即分年龄生育率与育龄妇女的年龄结构。对比不同时期或不同地区生育率水平时,有必要从一般生育率中消除年龄结构的影响,即采用统一的标准人口的年龄结构计算生育率,这称作生育率的标准化(标准化生育率)。下文采用标准化生育率来描述中国生育率时空演变。
三、研究方法
1.全局空间自相关分析:采用全局Moran′s I指数分析生育率整体的空间分布形式、关联关系以及是否具有统计显著性,从而判断生育率是否具有空间聚集性。Moran′s I指数公式如下:
式中,n为研究区域空间单元总数,xi为第i个空间区域上的实际观察值,xj为第j个空间区域的实际观察值,
为整个空间x的均值;wij为第i个和第j个空间区域的空间权重矩阵(以此反映各空间区域的邻接关系,i和j分别代表矩阵的行和列),本研究采用邻接空间权重矩阵,即当两空间单元i与j相邻,则wij= 1,否则wij= 0,距离测算方法采用欧式距离。
2.局部空间自相关分析:采用局部Moran′s I指数和散点图研究生育率的局部区域特征,识别出确切的聚集区域,确定聚集模式。局部莫兰指数表达式如下:
其假设检验同全局莫兰指数,局部Moran′s I指数能分析研究地区与周围相邻地区之间的关系,它将研究空间单元与周围地区的关系分为四种,包括两种正相关聚集模式,即高—高聚集和低—低聚集,两种负相关聚集模式,即高—低聚集和低—高聚集。
结 果
一、2008—2022年中国生育率概况
1.中国总和生育率概况:根据中国人口普查数据获得2010年和2020年全国及31个省、自治区、直辖市总和生育率数据,并计算其变动百分比,结果如图1所示。2010年全国总和生育率为1.18,仅有广西、贵州和新疆三省总和生育率在1.5以上,而京津沪等一线城市及东北三省均低于1.0。2020年全国总和生育率为1.3,仅有7省总和生育率大于1.5,其中西藏、广西、贵州三个省份的生育水平相对较高,总和生育率分别为1.93、1.94、2.12,京津沪及东北三省仍低于1.0,中国总体仍处于超低生育水平。比较2010年、2020年全国及31个省、自治区、直辖市的生育水平分布,2020年总和生育率略有回升,但新疆地区的生育水平下降最为严重,由2010年1.53降至2020年1.06,降幅约30.7%;西藏地区的生育水平提高最快,由2010年1.05增至2020年1.93,增幅约83.8%。
图1 2010年与2020年中国总和生育率概况
Figure 1 Overview of the total fertility rate in China in 2010 and 2020
2.育龄妇女年龄别生育率概况:人口普查数据显示,2020年15～19岁生育率为6.1‰,较前两次早育年龄有所上升。20～24岁育龄妇女的生育率为55.2‰,较2010年下降了14.3%。育龄妇女生育旺盛期在25～29岁,为98.9‰, 25～39岁育龄妇女的生育率为190.9‰,较2010年出现大幅度上升,尤其是30～34岁较2000年和2010年分别上升了36.4%和19.2%。40～49岁生育率较2010年均有所下降,其中45～49岁生育率较2010年下降了3.1%。见图2。
图2 中国三次人口普查年龄别妇女生育率
Figure 2 Fertility rate of women by age from the last three censuses in China
3.一般生育率的时间分布特征:按照国家经济布局,将内地分成东部、中部、西部和东北四个板块,并对各个行政区的数据进行加总,获得时序图。如图3所示,中国生育水平西部区域最高,中部次之,东北地区生育水平最低。西部区域自2008年开始,生育率缓慢下降,2011年后缓慢升高,2017年达到最高值,2017年后西部区域生育率呈下降趋势,2019年后生育率大幅度下降;中部区域2008—2017年生育率整体呈缓慢上升趋势,2011年和2015年略有下降,2017年是生育率最高值,2017年后中部区域生育率呈下降趋势;东部区域2008—2017年生育率整体呈上升趋势,2011、2013和2015年略有下降,2016年增速最快,2017年达到最高值,2017年后生育率持续下降,2022年东部生育水平与中部区域相当;东北地区15年来生育率整体呈下降趋势,2010年和2014年生育率出现峰值,2020年降幅最大,但仍低于全国平均水平。全国生育率自2008年开始缓慢提高,2016年达到最高值,2016年后直线下降,2018年和2020年降幅最大,整体水平在中、东部区域之间,2020年后三者水平相当。
图3 中国2008—2022年四大经济区生育率时序图
Figure 3 Time series of general fertility rates by four major economic regions of China, 2008-2022
4.一般生育率的空间分布特征:根据2008—2022年各地区一般生育率数据,绘制生育率热图(见图4)。结果显示,生育率空间分布不均衡,但各年份各地区的生育率空间分布相类似,高生育率地区主要分布在新疆、西藏、青海、广西、四川及其周边省份;低生育率地区主要分布在黑龙江、吉林、辽宁和浙江、上海等省份。在2008—2017年期间,各地区颜色逐渐变深,说明全国各地区生育率趋于稳定,并呈现缓慢增长趋势;而2018年后各地区颜色逐渐变浅,说明生育率普遍降低,2022年达到最低值。
图4 2008—2022年中国31省育龄妇女一般生育率分布图
Figure 4 General Fertility Rate distribution of women of childbearing age in 31 provinces of China, 2008-2022
二、生育率的空间聚集性分析
1.生育率的全局空间自相关分析:如表1所示,2008—2022年各年度全国育龄妇女生育率的Moran′s I值均大于0,介于0.17～0.37之间,生育率的全局Moran′s I值2008年最小为0.17,2018年最大为0.37;各年度生育率的全局Moran′s I值P均小于0.05,结果具有统计学显著性。提示各年度育龄妇女生育率具有显著的空间聚集性,存在全局空间正相关。表明研究全国育龄妇女生育率时应考虑空间因素。
表1 2008—2022年全国育龄妇女生育率空间全局自相关分析结果
Table 1 Spatial global autocorrelation analysis on the fertility rate among women of childbearing age by year in China, 2008-2022
YearMoran′s IZP20080.171.89 0.0320090.181.96 0.0320100.232.44 0.0120110.212.20 0.0120120.272.75<0.0120130.262.68<0.0120140.252.560.0120150.353.49<0.0120160.293.06<0.0120170.313.19<0.0120180.373.73<0.0120190.333.30<0.0120200.282.92<0.0120210.222.36 0.0120220.232.52 0.01
2.生育率的局部空间自相关分析:绘制历年Moran′s I指数散点图,发现各地区生育率具有明显的空间异质性。选取四个有代表性的年份,局部Moran′s I指数2008年、2012年、2018年和2022年的可视化分布图见图5-1到图5-4。由图可见各地区明显向第I、III象限聚集,说明各地区间生育率存在趋同性。2008年共有11个地区落入第I象限,10个地区落入第III象限,落在第I、III象限的地区数占总数的67.74%;2012年共有12个地区落入第I象限,8个地区落入第III象限,占总地区数的64.52%;2018年共有16个省份落入第I象限,9个省份落入第III象限,占比80.65%;2022年共有9个省份落入第I象限,12个省份落入第III象限,占比67.74%。
图5-1 2008年莫兰散点图
Figure 5-1 Moran′s I scatter plot, 2008
图5-2 2012年莫兰散点图
Figure 5-2 Moran′s I scatter plot, 2012
图5-3 2018年莫兰散点图
Figure 5-3 Moran′s I scatter plot, 2018
图5-4 2022年莫兰散点图
Figure 5-4 Moran′s I scatter plot, 2022
根据Moran′s I指数散点图的性质可知位于第I象限的地区在空间上呈“高—高”聚集,即该地区人口生育率较高,同时周围地区的生育率也高;位于第Ⅲ象限的地区在空间上呈“低—低”聚集,即该地区生育率较低,周边地区也低;位于第II象限代表“低—高”聚集,即该地区的生育率较低,但其周围省市生育率较高;位于第IV象限代表“高—低”聚集,即该地区生育率高,但其周围省市较低;四个年份中,落入Ⅱ、Ⅳ象限的地区分别占总体的29.03%、22.58%、9.68%和16.13%。
汇总2008—2022年各空间单元在α=0.05显著性水平上为有统计学意义的聚集类型频次。呈现高—高聚集分布的地区主要集中在南方的部分省市自治区,其中广西聚集频次最高为13次,其次为海南、贵州和湖南,分别聚集了11次、9次和7次,西藏和云南聚集了4次,重庆聚集了3次,广东、青海和四川均聚集了2次,江西聚集了1次;呈现低—低聚集分布的地区主要集中在北方的部分省市自治区,其中黑龙江、吉林和辽宁每年均表现为低—低聚集分布,其次为内蒙古聚集了14次,河北和山东聚集了2次,山西聚集了1次;低—高聚集分布的地区主要为四川、重庆、广东和新疆,分别聚集了10次、9次、6次和5次;高—低聚集分布的地区为山东和河北,分别聚集了13次和12次。详见表2。
表2 2008—2022年各地区育龄妇女生育率LISA分析汇总表(次)
Table 2 Summary on LISA analyses of fertility rates among women of childbearing age by region, 2008-2022
ProvinceHigh-High clusterHigh-Low clusterLow-High clusterLow-Low clusterHeilongjiang00015Xinjiang0050Shanxi0001Ningxia0000Tibet4000Shandong01302Henan0000Jiangsu0000Anhui0000Hubei0000Zhejiang0000Jiangxi1000Hunan7000Yunnan4000Guizhou9000Fujian0000Guangxi13000Guangdong2060Hainan11000Jilin00015Liaoning00015Tianjin0000Qinghai2000Shaanxi0000Inner Mongolia00014Chongqing3090Hebei01202Shanghai0000Beijing0000Sichuan20100Gansu0000
讨 论
本研究基于2008—2022年中国人口学相关统计数据,运用空间探索性分析等方法对全国及31个省级行政区生育水平的时空演变进行分析。根据2010年和2020年的普查数据结果,中国的总和生育率呈现出增长趋势,从1.18回升至1.30,但整体仍处于低生育水平。年龄别生育率的分析显示,生育推迟现象明显。年轻女性的生育意愿持续低迷,而高龄女性的生育率则有所上升,30岁以上女性生育率出现大幅增长。这一变化反映了多种因素的综合作用,包括女性受教育水平的提高、职业发展的追求、婚育观念的转变等[3, 12-13]。许多年轻女性选择推迟生育,以实现个人职业目标。既往研究表明,越来越多的女性选择在职业生涯稳定后再考虑生育[14]。这一结论也表明女性在职业和家庭之间的平衡愈发复杂。生育推迟这一现象部分归因于医疗技术的进步,使得高龄生育的风险降低,同时社会对高龄生育的接受度也在提高。有文献指出,社会支持系统(如育儿政策、家庭支持等)对女性的生育决策有重要影响。缺乏足够的社会支持可能导致年轻女性的生育意愿降低[15-16]。尽管高龄女性的生育率有所上升,但她们往往面临更大的生育风险和社会压力,这可能影响她们的生育意愿[17]。
此外,2008年至2022年间的一般生育率变化显示,西部地区生育水平最高,东北地区最低。西部地区少数民族较多,受其传统观念和生育政策影响深远。而东北地区较低人口生育率,不仅仅是文化观念的问题,经济社会发展状况、生育政策的落实情况以及人口迁移是其中最根本的因素,并且这些因素相互作用持续发挥影响[18]。东中西部地区的生育率均在2017年出现峰值,这可能与全面二孩政策的实施有关,出现政策的滞后效果。尽管政策上鼓励生育,但实际生育率的提升仍面临诸多挑战,2017年后中国各省生育水平均出现明显下降,空间格局表现为从南向北逐渐降低。这与既往研究结论一致[19-21]。究其原因,中国实施的独生子女政策长达几十年,导致了人口结构老龄化和生育水平下降[22]。育龄妇女人数减少,虽然政策进行了调整,但过去的影响仍在延续。随着中国经济的快速发展、城市化进程加快、生活成本上升、教育和医疗费用增加等因素,导致年轻夫妇不愿意生育或推迟生育[23-25]。另外,社会环境因素的影响较大,2019年新冠肺炎大流行,有研究表明,妊娠期感染新冠病毒可能与妊娠期并发症、不良妊娠结局和子代生长发育异常等相关[26]。这可能是造成近两年生育率骤降的直接原因。
根据空间聚集性分析结果,全国各省生育水平存在正向的空间自相关关系,说明高值省域单元能够对周边省份产生较强的辐射作用。不同地区生育水平空间集聚特点表现不同,以广西、贵州、湖南、海南为代表的南方部分地区生育水平长期存在“高—高”集聚效应;黑龙江、吉林、辽宁及内蒙古等北方地区生育水平长期存在“低—低”集聚效应;四川、重庆、广东及新疆的生育水平长期存在“低—高”集聚效应;山东和河北生育水平则长期存在“高—低”集聚效应。既往研究也证实了这一点[9,27]。从全国范围来看,低生育现象日益严重,但是从省级角度来看,西南地区和华南地区都存在高生育水平的集聚区域。今后这种“高—高”聚集模式的生育水平是否会继续扩散,还有待进一步研究。“低—低”的聚集模式演变,呈现出不断扩散的现象。自2008年以来,“低—低”聚集模式的中心区域从黑龙江、吉林和辽宁开始,随着时间的演变,从东北地区向以内蒙古为中心的北部地区辐射,然后再到了以河北为中心的中部地区,低生育水平的区域不断扩大。“低—低”集聚区域目前主要集中在中国北部,今后是否会继续向中部地区扩散,需要持续关注且研究。
综上所述,2008—2022年中国生育水平持续降低,预计未来仍将长期处于低生育水平。而低生育率将造成社会整体老龄化加速。随着老年人口的增加,劳动力市场可能面临短缺,影响经济增长,并且老年人口增加将加重社会保障和医疗系统的负担。社会结构的变化可能影响家庭支持系统,甚至影响社会的稳定性和凝聚力。为了应对这些挑战,基于上述研究结论,提出相应的建议:
1.制定合理的生育政策及配套措施:中国可以从国际经验中学习[28-29],制定既符合国家发展需要,又能激发民众生育意愿的生育政策,并提高政策支持力度,对政策进行精细化设计。这包括全面考虑家庭全生命周期的需求,如婚恋、住房、家庭工作平衡等方面的支持,打造生育友好型社会环境。通过给予生育补贴、提高女性带薪产假的受益期限以及立法赋予父亲休假权等措施,可以进一步丰富生育保障的内容,提供从产前到产后的全过程保障。
2.关注区域差异,采取针对性政策:
(1)低—低聚集区域:通过产业结构调整,优化就业政策,鼓励创新创业,吸引并保留年轻人口,提高居民收入水平;辅以生育保险和生育补贴等措施。另外,通过倡导平等包容的婚姻家庭观念,提升婚姻生活获得感,建立正确的婚育观念来减少育龄妇女的不在婚比例,从而提高东北地区的生育水平。
(2)高—高聚集区域:应扩大生育保险覆盖范围,改善医疗环境和医疗水平。
(3)其他地区:如北京、上海等经济发达地区,可以利用其经济发展优势,助力生育支持政策,出台以政府为主、企业和个人分摊生育成本的分类指导意见,从而降低居民生育、养育、教育成本。如西藏、新疆等地,通过一带一路战略的实施可以促进西部地区的经济发展,改善当地居民的生活条件,加快现代化进程。
1 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.中华人民共和国国务院公报,2021:4-8.
2 国家人口发展战略研究课题组.国家人口发展战略研究报告.人口研究,2007:1-10.
3 冯婉冰,崔琳琳.中国生育率现状及影响因素.医学信息,2022,35:161-164.
4 陈兴驰.生育支持、生育率与经济增长:理论分析与数值模拟.成都:西南财经大学,2022.
5 杨启帆.中国生育率变化趋势及其影响因素分析.昆明:云南财经大学,2023.
6 刘松林,杨艾茜,杨渺浩,等.中国育龄人群生育意愿现状及其影响因素研究.成都医学院学报,2024,19:1090-1094.
7 姜茂敏.我国生育率水平多因素驱动效应与提升路径.统计与决策,2024,40:81-85.
8 陈海龙,马长发.中国生育政策调整效果的区域异质性研究.统计与决策,2020,36:72-75.
9 申婧怡.中国省域生育率的空间分异及影响因素研究.南昌:江西财经大学,2020.
10 孙晓霞,于潇.东北地区“低生育率陷阱”探析.人口学刊,2021,43:29-38.
11 柳建平,李枝芬.农户家庭生育水平变动趋势及原因解析——基于甘肃省1683个家庭的社会调查.调研世界,2021:65-75.
12 汪世琦.中国人口低生育率及其影响因素研究.武汉:武汉大学,2023.
13 王金营,胡沛琳,张龙飞.青年婚育观念转变及婚育友好文化塑造.青年探索,2023:5-16.
14 刘末.生育对女性职业发展的影响研究.长春:吉林大学,2024.
15 卢玉娇.青年职业女性生育意愿影响因素及提升策略研究.石家庄:河北经贸大学,2024.
16 何芳,於阅.家庭教育的社会支持与青年再生育意愿——基于上海、河南、四川三地的抽样调查.广东青年研究,2024,38:74-84.
17 吕沫含.育龄人群就业质量对生育意愿的影响研究.保定:河北大学,2024.
18 侯力.东北地区长期低生育水平形成原因探析.人口学刊,2018,40:96-104.
19 张菊,尹勤.中国人口生育水平的时空演变及社会经济影响因素研究.生产力研究,2024:17-23.
20 Long L,Guangzhao J,Xiaozhen L,et al.A reassessment of trends and rural-urban/regional differences in the total fertility rate in China,2000-2020:analyses of the 2020 national census data.Sci Rep,2024,14:8601.
21 Hongtian L,Jinling T,Jie Q.China′s declining fertility rate.BMJ,2024,385:q1000.
22 陈卫.中国的低生育率与三孩政策——基于第七次全国人口普查数据的分析.人口与经济,2021:25-35.
23 方慧芬,陈江龙,袁丰,等.中国城市房价对生育率的影响——基于长三角地区41个城市的计量分析.地理研究,2021,40:2426-41.
24 周玉博,余洪钊,王爱玲,等.2016至2020年中国生育年龄时空分布特征研究.中国生育健康杂志,2024,35:301-5,12.
25
al.Women′s reproductive behaviour and perspectives on fertility,and their modifying factors,in a Turkish province with a high fertility rate.Eur J Contracept Reprod Health Care,2021,26:139-147.
26 秦宸媛,刘民,刘珏.妊娠期新型冠状病毒感染对母婴健康影响的研究进展.中华疾病控制杂志,2024,28:581-585.
27 朱梦杰.中国生育水平的空间演化及其影响因素研究.呼和浩特:内蒙古大学,2022.
28 Sági J,Lentner C.Certain aspects of family policy incentives for childbearing—a hungarian study with an international outlook.Sustainability,2018,10:3976.
29 Atongu SF,Aninanya GA,Howard N.Factors associated with initial AstraZeneca vaccine knowledge,attitudes,and uptake among hospital nurses:A cross-sectional study in Ghana′s Upper East region.PLOS Glob Public Health,2024,4:e0002674.