蘇理云,吳 俁

(重慶理工大學(xué) 理學(xué)院， 重慶 400054)

0 引言

增加生育率促進(jìn)人口結(jié)構(gòu)的整體優(yōu)化，促進(jìn)人口長(zhǎng)期均衡發(fā)展，是積極應(yīng)對(duì)現(xiàn)今我國(guó)出生率持續(xù)下滑及人口老齡化不斷加深的方法。2015年10月我國(guó)全面實(shí)施“二孩政策”后，在短時(shí)間內(nèi)取得了一定的成效。但是，由于我國(guó)的人口總量龐大，所以在“二孩政策”施行后，出生率增長(zhǎng)的程度變化不大。在2015—2019年，我國(guó)人口出生率分別為12.07%、12.95%、12.43%、10.94%、10.90%，說(shuō)明二孩政策并沒(méi)有達(dá)到預(yù)期的持續(xù)增加人口出生率的成效。2021年5月31日，中共中央政治局召開(kāi)會(huì)議，為進(jìn)一步優(yōu)化生育政策，將實(shí)施“三孩政策”[1]。同時(shí)，為了順應(yīng)人口政策的調(diào)整，2021年7月20日，為提高生育率，中央提出了要降低生育、教育、養(yǎng)育的成本的政策。顯然，調(diào)整人口出生率，從而落實(shí)積極應(yīng)對(duì)人口老齡化、改善我國(guó)人口結(jié)構(gòu)的國(guó)家戰(zhàn)略、保持我國(guó)人力資源優(yōu)勢(shì)，成為了我國(guó)必須積極應(yīng)對(duì)的新問(wèn)題。

近年來(lái)，針對(duì)我國(guó)國(guó)情，我國(guó)學(xué)者對(duì)人口出生率的問(wèn)題有著廣泛的討論。部分學(xué)者認(rèn)為人口出生率的變化與財(cái)政教育的支出有很大的關(guān)系，楊龍見(jiàn)等[2]在財(cái)政教育支出降低了人口出生率中發(fā)現(xiàn)了財(cái)政教育的支出與人口出生率之間存在負(fù)相關(guān)關(guān)系；王會(huì)宗和張鳳兵[3]認(rèn)為過(guò)多或過(guò)少的人口量都會(huì)阻礙經(jīng)濟(jì)的發(fā)展，應(yīng)確定人口數(shù)變化的速度，從而保證經(jīng)濟(jì)穩(wěn)定增長(zhǎng)。通過(guò)對(duì)我國(guó)就業(yè)人數(shù)與經(jīng)濟(jì)增長(zhǎng)、出生率之間關(guān)系的研究，推算出經(jīng)濟(jì)穩(wěn)定增長(zhǎng)時(shí)的最佳出生率，并以此作為實(shí)證依據(jù)；蘇理云等[4]通過(guò)對(duì)我國(guó)生育率的空間不均衡性和地域差異的分析，指出我國(guó)的出生人口率存在西強(qiáng)東弱的空間不平衡特征。我國(guó)出生人口的空間聚集現(xiàn)象十分明顯且我國(guó)人口出生率地域差異性在不斷加大，主要受到北方地區(qū)的差異影響；劉卓等[5]運(yùn)用了空間模型對(duì)我國(guó)人口出生率進(jìn)行分析；韓兆洲等[6]通過(guò)對(duì)中國(guó)省域出生人口時(shí)空特征的演變研究，運(yùn)用人口加權(quán)和空間馬爾可夫鏈的統(tǒng)計(jì)方法，得出我國(guó)人口有向華北到東北延伸聚集的趨勢(shì)。

國(guó)外關(guān)于出生率、人口老齡化、少兒撫養(yǎng)比等因素的研究主要集中在生育率空間模型和低生育水平的研究上。由于20世紀(jì)已進(jìn)入全球生育率下降的時(shí)代，目前與生育相關(guān)的理論和模式已相當(dāng)成熟。Brouhns等[7]研究發(fā)現(xiàn)人口出生率開(kāi)始進(jìn)入下降時(shí)期；Billari等[8]通過(guò)研究得出歐洲、東亞等國(guó)的出生率均低于1.3%，認(rèn)為此時(shí)已經(jīng)進(jìn)入“低生育率陷阱”，而且這種低生育率的現(xiàn)象將持續(xù)十幾年甚至更長(zhǎng)的時(shí)間；Jong等[9]對(duì)婦女的死亡率數(shù)據(jù)進(jìn)行研究顯示，二孩政策可以減輕生育率下降帶來(lái)的負(fù)面影響；Cox等[10]發(fā)現(xiàn)，過(guò)低的生育率會(huì)導(dǎo)致生育意愿變低，越來(lái)越多的人不想要孩子，形成惡性循環(huán)，同時(shí)會(huì)造成人口規(guī)模的減少，從而導(dǎo)致社會(huì)勞動(dòng)生產(chǎn)率不足等一系列的社會(huì)問(wèn)題。

從國(guó)內(nèi)外的研究中可以看出，關(guān)于人口出生率的研究忽略了不同地區(qū)的人口出生率數(shù)據(jù)的空間相關(guān)性。

在參考了關(guān)于機(jī)器學(xué)習(xí)的文獻(xiàn)后[11-12]，運(yùn)用GAIN與因子空間回歸模型相結(jié)合來(lái)研究人口出生率的影響因素的相關(guān)問(wèn)題。在參考了國(guó)內(nèi)外研究成果的基礎(chǔ)上，從經(jīng)濟(jì)發(fā)展、生育政策和社會(huì)保障等指標(biāo)對(duì)出生率的影響進(jìn)行實(shí)證分析，結(jié)合實(shí)證結(jié)果，對(duì)提高我國(guó)人口出生率提出可供參考的建議。從而為相關(guān)決策部門(mén)在生育計(jì)劃政策的完善和社會(huì)制度的保障上提供借鑒，以更好促進(jìn)我國(guó)經(jīng)濟(jì)社會(huì)持續(xù)健康發(fā)展。

1 指標(biāo)選取、數(shù)據(jù)來(lái)源及研究方法

1.1 模型指標(biāo)選取

近幾十年來(lái)，我國(guó)的城市經(jīng)濟(jì)騰飛發(fā)展，多變的生活方式使得中國(guó)人的思維方式和精神世界都發(fā)生了翻天覆地的變化，傳統(tǒng)的傳宗接代的觀(guān)念逐漸瓦解，丁克家庭也越來(lái)越多的被人們所接受，這導(dǎo)致生育意愿普遍下降。有研究表明，人口組成的少兒撫養(yǎng)比和老年撫養(yǎng)比與人口出生率之間存在著一定的關(guān)系，是影響人口出生率的重要因素[13]。在現(xiàn)代社會(huì)中，人口對(duì)經(jīng)濟(jì)的發(fā)展起到至關(guān)重要的作用，要保證經(jīng)濟(jì)的穩(wěn)定可持續(xù)發(fā)展，必須要控制人口，使其穩(wěn)步增長(zhǎng)，人口出生率對(duì)經(jīng)濟(jì)的影響非常重要[14]。人口老齡化加速削弱了人口紅利，通過(guò)研究發(fā)現(xiàn)衛(wèi)生醫(yī)療水平、人力資本水平的提高，對(duì)人口出生率起到一定的促進(jìn)作用[15]。在文獻(xiàn)[13-15]中，同時(shí)考慮到變量的普遍性和合理性。采用生育保險(xiǎn)覆蓋程度、醫(yī)療保險(xiǎn)覆蓋程度、養(yǎng)老保險(xiǎn)覆蓋程度、城鎮(zhèn)化率、少兒撫養(yǎng)比、老年撫養(yǎng)比、衛(wèi)生醫(yī)療水平、人力資本水平、經(jīng)濟(jì)發(fā)展水平、居民消費(fèi)水平，共10個(gè)變量解釋人口出生率空間分布的影響，見(jiàn)表1。

表1 主要變量及定義

續(xù)表(表1)

1.2 數(shù)據(jù)說(shuō)明

人口出生率是指某地在一個(gè)時(shí)期之內(nèi)(通常為一年)出生人數(shù)與總?cè)丝跀?shù)之比，一般用千分?jǐn)?shù)來(lái)表示，其計(jì)算公式為：

(1)

研究對(duì)象為除我國(guó)港澳臺(tái)以外的其他31個(gè)省、直轄市、自治區(qū)?？紤]到數(shù)據(jù)獲取的可行性，選取考察時(shí)期為2015—2019年。出生率計(jì)算中所需的計(jì)劃生育政策、社會(huì)經(jīng)濟(jì)發(fā)展及社會(huì)保障相關(guān)指標(biāo)數(shù)據(jù)的主要來(lái)源為《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)人口統(tǒng)計(jì)年鑒》。

由于部分地區(qū)的個(gè)別年份的數(shù)據(jù)存在缺失，為保持樣本的完整性，在數(shù)據(jù)缺失不嚴(yán)重的情況下，保持樣本容量，采用“GAIN”插補(bǔ)方法彌補(bǔ)缺失數(shù)據(jù)的缺陷，具有創(chuàng)新意義，下面具體介紹此方法的作用。

1.3 研究方法

1.3.1GAIN插補(bǔ)法

GAIN是針對(duì)MCAR(數(shù)據(jù)的缺失完全是隨機(jī)的，它不依賴(lài)于任何變量)所提出的一種新的填補(bǔ)方法，該方法屬于生成式方法，將缺失的數(shù)據(jù)直接用作模型的輸入，得到的輸出就是插補(bǔ)完整的數(shù)據(jù)[16]。它概括了GAN方法[17]并且在完整數(shù)據(jù)不可用時(shí)也能夠成功運(yùn)行。在GAIN中，生成器的目標(biāo)是精確地填補(bǔ)缺失的數(shù)據(jù)，判別器的目的是精確分辨數(shù)據(jù)是填充的還是真實(shí)的。所以判別器要最小化分類(lèi)誤差率，而生成器要最大化判別器的分類(lèi)誤差率，這樣兩者就處在了一種相互對(duì)抗的過(guò)程中。同時(shí)為了使這個(gè)對(duì)抗過(guò)程得到更加理想的結(jié)果，還為判別器提供了關(guān)于數(shù)據(jù)的部分信息的提示，逼迫生成器生成接近真實(shí)數(shù)據(jù)的分布樣本。

GAIN的整個(gè)流程如圖1所示，用0填補(bǔ)好的新數(shù)據(jù)矩陣、隨機(jī)擾動(dòng)的矩陣、并以記錄缺失數(shù)據(jù)位置的掩碼矩陣作為生成器的輸入，輸出為GAIN模型的插補(bǔ)矩陣。該矩陣加上代表缺失位置和隨機(jī)擾動(dòng)的提示矩陣作為判別器的輸入，判別器的輸出為每一個(gè)元素的值代表該位置的數(shù)據(jù)本來(lái)缺失概率的矩陣[18]。將生成網(wǎng)絡(luò)的輸出與初始插補(bǔ)矩陣計(jì)算的重構(gòu)誤差項(xiàng)和判別網(wǎng)絡(luò)的輸出與掩碼矩陣計(jì)算的交叉熵作為損失函數(shù)，用反向傳播迭代更新生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)，直至損失收斂，此時(shí)生成網(wǎng)絡(luò)的數(shù)據(jù)較完美地接近真實(shí)數(shù)據(jù)。

圖1 GAIN流程框圖

1.3.2因子分析法

因子分析法就是在選取的各公共因子中，判斷公因子之間是否存在一定的相關(guān)性，然后將具有緊密相關(guān)性的因子劃分為同一類(lèi)別，并對(duì)其進(jìn)行維度和數(shù)據(jù)簡(jiǎn)化[19]。利用因子分析法，可以用較少的公共因子來(lái)描述之前較多的原始數(shù)據(jù)，把相關(guān)性高的數(shù)據(jù)歸為一類(lèi)，且通過(guò)公共因子的得分以及排名能快速找到影響最終結(jié)果的關(guān)鍵原因。

1.3.3空間杜賓模型(SDM)

根據(jù)美國(guó)著名學(xué)者Anselin等[20-21]的研究可知，空間杜賓模型如式(2)所示：

xitβ+μi+εit

(2)

2 數(shù)據(jù)預(yù)處理

2.1 缺失數(shù)據(jù)的插補(bǔ)

現(xiàn)有部分地區(qū)個(gè)別年份的數(shù)據(jù)缺失的數(shù)據(jù)集X，該數(shù)據(jù)在醫(yī)療保險(xiǎn)覆蓋程度(med)存在缺失數(shù)據(jù)，因此用GAIN法進(jìn)行插補(bǔ)。為驗(yàn)證GAIN算法在缺失數(shù)據(jù)的情況下的插補(bǔ)效果，使用損失率來(lái)評(píng)估結(jié)果的優(yōu)劣。

從圖2可以看出，隨著迭代次數(shù)的不斷增加，損失率在不斷的減少，在迭代填補(bǔ)了4 000次時(shí)，測(cè)試集的損失率為0.164 7，說(shuō)明在生成器與判別器的對(duì)抗過(guò)程中，損失收斂并且損失率達(dá)到了最小值，此時(shí)缺失的數(shù)據(jù)集X生成的樣本最接近于真實(shí)的數(shù)據(jù)分布。

圖2 損失趨勢(shì)曲線(xiàn)

2.2 影響因素的構(gòu)建

2.2.1相關(guān)性分析

首先，討論10個(gè)解釋變量與人口出生率(bir)之間的相關(guān)性。圖3是散點(diǎn)矩陣圖，對(duì)角線(xiàn)上為分布圖，右上角顯示的是變量之間的相關(guān)系數(shù)，左下角顯示的是具有擬合線(xiàn)的雙變量散點(diǎn)圖。

由圖3可知，解釋變量的數(shù)量較多，涉及到人口出生率的各個(gè)方面。同時(shí)可以看出，解釋變量之間存在很強(qiáng)的相關(guān)性。城鎮(zhèn)化率(urb)與醫(yī)療保險(xiǎn)覆蓋程度(med)、生育保險(xiǎn)覆蓋程度(mat)和養(yǎng)老保險(xiǎn)覆蓋程度(pen)呈正相關(guān)，相關(guān)系數(shù)分別為0.50、0.82和0.90，且城鎮(zhèn)化率(urb)與其余的解釋變量都密切相關(guān)。相比之下，老年撫養(yǎng)比(odr)與其他的解釋變量的相關(guān)程度均較低；此外，生育保險(xiǎn)覆蓋程度(mat)和養(yǎng)老保險(xiǎn)覆蓋程度(pen)與其他解釋變量均呈現(xiàn)強(qiáng)相關(guān)。

* P≤0.05, **P≤0.01, ***P≤0.001

2.2.2因子分析

首先，使用KMO和巴特利球狀檢驗(yàn)來(lái)討論因子分析的適用性，如表2所示。

表2 KMO和巴特利球狀檢驗(yàn)數(shù)據(jù)

根據(jù)表2中的巴特利球狀的測(cè)試值，P值等于0，這說(shuō)明顯著拒絕獨(dú)立變量的原假設(shè)，并且可得出，每個(gè)變量之間存在顯著相關(guān)性的結(jié)論，KMO測(cè)試的統(tǒng)計(jì)量為0.866，遠(yuǎn)遠(yuǎn)高于0.7，這表明每個(gè)變量之間的信息重疊程度相對(duì)較高，從而保證了解釋變量的強(qiáng)有力的解釋能力，且說(shuō)明用因子分析的方法來(lái)降維是明智的選擇。

通過(guò)對(duì)10個(gè)指標(biāo)進(jìn)行PCA，擬合了6個(gè)主成分。從表3可以看出，6個(gè)主成分的累計(jì)貢獻(xiàn)率達(dá)到96.815%，說(shuō)明能夠較充分地反映主要的數(shù)據(jù)信息，可以省去第7個(gè)以及以后的主成分。

表3 主成分的特征值及貢獻(xiàn)率

通過(guò)表4旋轉(zhuǎn)后的成分矩陣元素的表述可以看出，降維后的樣本數(shù)據(jù)可用主成分1、2、3、4、5、6這6個(gè)維度來(lái)表示。提取方法為PCA，旋轉(zhuǎn)方法為Kaiser標(biāo)準(zhǔn)化最大方差法。

表4 旋轉(zhuǎn)后的成分矩陣元素

表4因子分析的結(jié)果顯示了以下內(nèi)容：

1)mat、pen、urb、eco、csum這5個(gè)獨(dú)立變量的復(fù)合因子被命名為經(jīng)濟(jì)社會(huì)影響(F1),其特征值為4.144，對(duì)總體水平的解釋為41.439%。

2)cdr為第2個(gè)獨(dú)立變量，被命名為兒童撫養(yǎng)影響(F2)，其特征值為1.324，對(duì)總體水平的解釋為13.242%；med為第3個(gè)獨(dú)立變量，被命名為醫(yī)保覆蓋影響(F3)，其特征值為1.138，對(duì)總體水平的解釋為11.378%；odr為第4個(gè)獨(dú)立變量，被命名為老年撫養(yǎng)影響(F4)，其特征值為1.128，對(duì)總體水平的解釋為11.276%；hea為第5個(gè)獨(dú)立變量，被命名為衛(wèi)生醫(yī)療影響(F5)，其特征值為1.099，對(duì)總體水平的解釋為10.995%；hum為第6個(gè)獨(dú)立變量，被命名為人力資源影響(F6)，其特征值為0.849，對(duì)總體水平的解釋為8.486%。

3) 通過(guò)這6個(gè)主成分的特征向量矩陣，得出每個(gè)主成分綜合得分線(xiàn)性方程，以每一個(gè)主成分所對(duì)應(yīng)的方差相對(duì)貢獻(xiàn)率作為權(quán)重建立綜合評(píng)價(jià)公式如下：

F1=0.877mat+0.254med+0.801pen+

0.744urb-0.379cdr+0.393hea+

0.572hum+0.901eco+0.890csum+

0.121odr

(3)

F2=0.164mat+0.110med+0.316pen+

0.397urb-0.875cdr+0.127hea+

0.354hum+0.198eco+0.197csum+

0.110odr

(4)

F3=0.152mat+0.942med+0.206pen+

0.215urb-0.122cdr+0.158hea+

0.128hum+0.152eco+0.188csum+

0.086odr

(5)

F4=-0.062mat+0.097med+0.105pen+

0.173urb-0.142cdr-0.027hea+

0.136hum+0.143eco+0.167csum+

0.978odr

(6)

F5=0.270mat+0.139med+0.270pen+

0.142urb-0.131cdr+0.891hea+

0.139hum+0.181eco+0.222csum-

0.018odr

(7)

F6=0.202mat+0.078med+0.255pen+

0.378urb-0.188cdr+0.088hea+

0.695hum+0.061eco+0.160csum+

0.067odr

(8)

3 構(gòu)建空間統(tǒng)計(jì)模型

回歸模型中的6個(gè)主成分討論了各因素對(duì)人口出生率的影響。通過(guò)空間權(quán)重矩陣實(shí)現(xiàn)省市之間的空間交互效應(yīng)，并引入模型。將因子分析與空間杜賓模型相結(jié)合，研究不同變量之間的影響程度。如下所示：

β3F3it+β4F4it+β5F5it+

(9)

式中：bir表示人口出生率；F1代表經(jīng)濟(jì)社會(huì)影響的因子得分函數(shù)；F2代表兒童撫養(yǎng)影響的因子得分函數(shù)；F3代表醫(yī)保覆蓋影響的因子得分函數(shù)；F4代表老年撫養(yǎng)影響的因子得分函數(shù)；F5代表衛(wèi)生醫(yī)療影響的因子得分函數(shù)；F6代表人力資源影響的因子得分函數(shù)；下標(biāo)i和t分別表示不同的省份和年份；β0,β1,…,β6代表解釋變量的回歸參數(shù)；α為bir的空間誤差系數(shù)；θ1,θ2,…,θ6為解釋變量的空間滯后項(xiàng)的回歸系數(shù)；μi表示省份的固定效應(yīng)；εit為相互獨(dú)立且服從正態(tài)分布的隨機(jī)擾動(dòng)項(xiàng)；ωij為空間權(quán)重矩陣W的元素。

4 我國(guó)出生率影響因素實(shí)證研究

4.1 空間權(quán)重矩陣的確定

主要考慮到中國(guó)各省之間的空間分布情況，采用Rook鄰近準(zhǔn)則建立空間權(quán)重矩陣，4個(gè)鄰近關(guān)系以一個(gè)城市為地理中心直接相鄰。一般一階鄰接矩陣中主對(duì)角線(xiàn)上的所有元素都設(shè)置為0，其他位置的元素與之對(duì)應(yīng)標(biāo)準(zhǔn)相鄰。如果兩省之間相鄰，則鄰接矩陣元素為1，否則為0。由于海南省沒(méi)有相鄰近的省份，將廣東省與海南省相鄰，并在矩陣中設(shè)置為1。例如西藏與云南、新疆、四川和青海相鄰，所以矩陣對(duì)應(yīng)位置的值為1。西藏與重慶不相鄰，所以值為0。

4.2 普通最小二乘回歸與因子空間回歸

人口出生率是一個(gè)介于0和1之間的連續(xù)變量，首先選擇最小二乘法回歸(OLS)分析它與6個(gè)因素有關(guān)。表5右邊是最小二乘法估計(jì)(OLS)的分析結(jié)果，可以看出其R2為0.707 7，即OLS回歸模型大約能夠解釋70.77%的總變差，在統(tǒng)計(jì)學(xué)上是一個(gè)不錯(cuò)的擬合結(jié)果，但是在實(shí)際研究中，一些影響人口出生率的因素不只是由擬合值來(lái)決定的。同時(shí)，最小二乘法擾動(dòng)項(xiàng)存在空間相關(guān)性，導(dǎo)致回歸結(jié)果產(chǎn)生偏差。所以進(jìn)一步建立空間杜賓模型。

表5 最小二乘法回歸(OLS)結(jié)果和因子空間杜賓模型(FSDM)的分析結(jié)果

在因子空間杜賓模型(FSDM)中，同樣使用了與普通最小二乘法相同的自變量和因變量，同時(shí)把空間滯后變量加入了其中，分析結(jié)果如表5所示?？梢钥闯銎湫拚齊2為0.919 4，在普通最小二乘法的基礎(chǔ)上大幅度提高。因子空間滯后模型的回歸擬合優(yōu)度log-likelihood的值為-188.535 9，即表明模型具有較好的擬合程度。對(duì)比OLS模型，F(xiàn)SDM變量回歸結(jié)果的系數(shù)絕對(duì)值均比它的系數(shù)絕對(duì)值大且更為顯著，例如，F(xiàn)3由-0.059 1變?yōu)?.164 3，且變?yōu)樵?0%水平上顯著，因此選用FSDM對(duì)人口出生率的影響因素進(jìn)行回歸分析。

從FSDM得到的變量系數(shù)的絕對(duì)值和顯著性來(lái)看，各個(gè)變量對(duì)人口出生率的影響從大到小的排序?yàn)镕2>F5>F6>F4>F1>F3,即兒童撫養(yǎng)對(duì)人口出生率的影響最大，衛(wèi)生醫(yī)療、人力資源、老年撫養(yǎng)、經(jīng)濟(jì)社會(huì)對(duì)其影響次之，而醫(yī)保覆蓋對(duì)人口出生率的影響最小。其中衛(wèi)生醫(yī)療(F5)在5%的水平下顯著為負(fù)；兒童撫養(yǎng)(F2)、老年撫養(yǎng)(F4)、人力資源(F6)均在5%的水平下顯著為正；經(jīng)濟(jì)社會(huì)(F1)、醫(yī)保覆蓋(F3)則在10%的水平下顯著為正。而且在引入空間權(quán)值后，F(xiàn)1、F2、F3、F4、F5和F6仍有較為顯著的影響，表明在考慮空間相關(guān)性后，這6個(gè)變量均對(duì)人口出生率具有不同程度的影響。

從以上的分析來(lái)看，兒童撫養(yǎng)(F2)對(duì)人口出生率的影響最大。這表明，少兒撫養(yǎng)比對(duì)人口出生率具有超強(qiáng)的影響力。進(jìn)一步表明，隨著養(yǎng)育成本的提高，年輕人的經(jīng)濟(jì)負(fù)擔(dān)也越來(lái)越重，越來(lái)越多的年輕人變得“不敢”生孩子；衛(wèi)生醫(yī)療(F5)對(duì)人口出生率的影響次之，且為負(fù)影響，這表明醫(yī)療的進(jìn)步是導(dǎo)致生育率下降的因素之一。

4.3 空間效應(yīng)分解

為進(jìn)一步探究各個(gè)變量對(duì)我國(guó)人口出生率的直接影響和間接作用，逐個(gè)對(duì)每一個(gè)變量進(jìn)行效應(yīng)分解，結(jié)果如表6所示。

表6 空間效應(yīng)分解結(jié)果

從表6可以看出，在5%水平下的兒童撫養(yǎng)(F2)的直接效應(yīng)系數(shù)顯著為正，且對(duì)人口出生率的直接影響最強(qiáng)，表明兒童撫養(yǎng)比的增加會(huì)直接促進(jìn)人口出生率的增長(zhǎng)；在1%水平下人力資源(F6)的間接效應(yīng)系數(shù)著為正，且對(duì)人口出生率的間接影響最強(qiáng)，且對(duì)人口出生率的影響程度遠(yuǎn)大于兒童撫養(yǎng)(F2)，表明人力資源的增加會(huì)間接的促進(jìn)人口出生率的增長(zhǎng)。

5 結(jié)論

基于我國(guó)2015—2019年31個(gè)省市的人口出生率數(shù)據(jù)，通過(guò)對(duì)中國(guó)人口出生率的空間統(tǒng)計(jì)分析和建立因素影響分析的計(jì)量模型，從空間計(jì)量學(xué)的角度審視了兒童撫養(yǎng)比、老年撫養(yǎng)比、衛(wèi)生醫(yī)療水平、經(jīng)濟(jì)覆蓋程度、醫(yī)保覆蓋程度和人力資源等因素對(duì)于人口出生率的影響。由計(jì)量分析過(guò)程得出了以下結(jié)論：

1) 衛(wèi)生醫(yī)療水平對(duì)人口出生率有著很強(qiáng)的負(fù)向影響，且兩者的相關(guān)程度也很高。即說(shuō)明，醫(yī)療水平越高的地方，其人口出生率就越低。究其原因，應(yīng)該是醫(yī)療水平的提高，從而導(dǎo)致人們?cè)絹?lái)越不受疾病的困擾后，女性對(duì)男性的選擇更加慎重，將生育時(shí)間延后，自然生育率有所下降。

2) 人力資源水平對(duì)人口出生率有間接顯著促進(jìn)作用，這說(shuō)明人力資源可能會(huì)通過(guò)經(jīng)濟(jì)、空間、計(jì)劃生育政策等原因來(lái)間接影響人口出生率。

在2015年的時(shí)候，國(guó)家就全面放開(kāi)“二胎”政策，隨著政策的開(kāi)放，我國(guó)人口出生有所增長(zhǎng)，但2018年的人口出生呈現(xiàn)了斷崖式的下降，再創(chuàng)新低。2021年，全面開(kāi)放三孩生育政策，延緩斷崖式的下降趨勢(shì)。從而說(shuō)明，如果只開(kāi)放生育政策，對(duì)人口出生率上升的影響有一定的局限性。據(jù)此，提出以下2點(diǎn)建議：

1) 保證衛(wèi)生醫(yī)療的水平與經(jīng)濟(jì)水平的協(xié)同發(fā)展。深化教育改革，降低養(yǎng)育門(mén)檻。加大對(duì)偏遠(yuǎn)地區(qū)教育資源的傾斜，提高師資力量、設(shè)施設(shè)備等教育供給。通過(guò)對(duì)大學(xué)生去偏遠(yuǎn)地區(qū)支教提供福利，大力宣傳鄉(xiāng)村地區(qū)建設(shè)的重要性，使更多年輕人愿意留在鄉(xiāng)村參與建設(shè)；嚴(yán)厲打擊教育過(guò)度市場(chǎng)化和培訓(xùn)機(jī)構(gòu)費(fèi)用高昂化，發(fā)展更加均衡公平的教育，逐步提升我國(guó)經(jīng)濟(jì)水平；大力發(fā)展衛(wèi)生醫(yī)療，實(shí)現(xiàn)衛(wèi)生醫(yī)療水平與經(jīng)濟(jì)水平的協(xié)同發(fā)展，使生育風(fēng)險(xiǎn)最小化。

2) 完善養(yǎng)老、教育、醫(yī)療、公共服務(wù)設(shè)施等方面的配套建設(shè)。提高人口出生率對(duì)于未來(lái)人力資源管理有許多深遠(yuǎn)的影響，涉及社會(huì)經(jīng)濟(jì)發(fā)展的方方面面。必須結(jié)合當(dāng)前經(jīng)濟(jì)發(fā)展規(guī)律，制定更完善的人才建設(shè)體系方法，系統(tǒng)出臺(tái)配套條例和法規(guī)，為社會(huì)提供更好的人力資源服務(wù)，促進(jìn)我國(guó)經(jīng)濟(jì)的長(zhǎng)期均衡發(fā)展。