教育进步降低了人口出生率吗？
张 冲a，万新月b
(西华大学 a.社会发展学院；b.马克思主义学院，四川 成都 610039)
摘要： 以贝克尔生育经济学理论为基础，结合中国人口实际发展情况，认为家庭的平均受教育水平在较低和较高的情况下，都会选择多生子女，以达到人口的效用最大化。将其扩展到宏观层面，受教育水平对人口出生率的影响不应是单纯的线性关系。基于2003—2017年中国大陆省级面板数据，利用空间计量模型，实证分析发现人均受教育年限对人口出生率的影响呈“U”型关系，并且存在空间溢出效应，同时还发现高等教育普及率对本区域和周边地区人口出生率均有显著的正向影响。因此，教育进步不仅是提高人口素质的重要手段，更能起到人口数量调整的作用，教育事业的进步对人口发展具有重要意义。
关键词： 教育进步；人口出生率；空间计量模型
一、引言
计划生育政策实施以来，中国人口出生率呈现明显的下降趋势，据《中国统计年鉴》数据显示，中国人口出生率从1987年的23.33‰开始不断下降，2012年下降为12.10‰，为避免过低的人口出生率造成人口老龄化、经济动力不足等社会经济问题，中国于2014年初实施“单独二孩”政策，2016年初执行“全面二孩”政策，之后政策不断完善，人口出生率出现一定幅度的上升，但是2018年人口出生率又出现明显的下降，仅为10.94‰。与人口出生率变化截然不同的是教育事业的发展，截止到2010年底，中国“两基[注] “两基”是基本实施九年义务教育和基本扫除青壮年文盲的简称。 ”人口覆盖率已达到100%。《2017年全国教育事业发展统计公报》数据显示，1978年中国各类高等教育在学总规模为228万人，毛入学率为2.7%；2017年上升至3 779万人，毛入学率高达45.7%。中国教育事业的快速发展与低生育水平形成鲜明的对比，教育进步会对人口生育产生抑制作用，降低人口出生率吗？
近年来，一些学者分别以受教育程度和政府教育支出为自变量构建实证模型，认为教育的进步对人口出生有消极作用。Feldmann发现女孩受教育程度的提高是第三世界少女怀孕率下降的主要原因[1]；Romero等基于美国社区调查(ACS)2010—2014年的数据，发现受教育程度较低的县，青少年生育率较高[2]；Abdul-Salam等根据多指标聚类调查(MICS4)数据研究发现非洲加纳的人均受教育年限每延长一年，孩子的预期数量将减少0.25[3]。杨龙见等人发现财政教育支出对人口出生率有显著的负向作用[4]。部分学者分析受教育程度对生育意愿的影响，得到了相似结论。例如，周晓蒙发现父母受教育水平对意愿生育数量有显著的负向影响[5]；刘章生等发现居民受教育程度对“二孩”意愿也有显著的负向影响[6]。不过，也有一些研究得到了不同的结论。1990年美国健康统计中心关于生育率和教育之间关系的报告指出，1980—1985年30多岁女性总体生育率的上升，很大程度上是受教育程度最高的女性初产率上升的结果[7]；Fort等基于欧洲8个国家的数据，评估发现更多的教育使无子女人数减少，每位妇女平均生育子女的数量增加[8]。Monstad等也认为虽然受教育程度的提高会导致第一次生育时间的推迟，但并没有更多的证据证明其造成出生率的下降[9]。近年来国内有学者研究发现城乡居民受教育程度对生育意愿的影响显著，且呈正“U”型曲线[10]。徐超等借助 CGSS2012—2013调查数据，实证研究发现高等教育对二孩生育意愿有显著的促进作用[11]。教育进步对人口出生率的影响是线性还是非线性的关系，国内外至今尚无定论。
基于文献梳理，发现当前在教育进步程度的指标选取方面偏向于人均受教育年限、女性学历等因素，在宏观上缺乏对高等教育发展的定量分析，并且忽略了教育进步与人口出生率存在的地区差异。因此，本文基于2003—2017年中国大陆省级面板数据，选取人均受教育年限和高等教育普及率作为核心解释变量，人口出生率为被解释变量，采用空间计量面板模型，实证分析教育进步对人口出生率的影响，从宏观上避免了统计数据的误差，而且将地区之间的空间联系考虑进来，能够有效地反映和解释教育进步对人口出生率的影响效果。
对21位10-2SAP异常的受试者视野模式偏差图68个位点按由左向右、由上向下的顺序进行编号并统计数值 ＜0的点位，发现 3、7、9、13、18、20、21、22、27、29、33、41、53、56、59这 15个位点有超过90%的上述受试者数值＜0。这15个位点绝大部分位于视野上方，鼻侧和颞侧分布较均匀。
认定关联性企业的最终目的是为了准确定罪和量刑，不枉不纵。为了正确地、合理合法地分割和处理关联性企业的相关财产，准确把握政策界限。近年来，立法机关和司法机关不断通过立法解释、司法解释、会议纪要等规范性法律文件或审判参考对黑社会性质组织的“经济特征”进行细化，但由于法律规定无法穷尽社会生活中所有关联性企业的财产样态，以致在实务中组织性质的认定问题上仍存在模糊且不无矛盾。因此，归纳当前司法实践的认定标准就具有重要的现实意义，以正确判断涉案的相关组织是否构成黑社会性质组织、关联性企业，进而明确罪与非罪的界限。
二、理论分析与假设
贝克尔基于马尔萨斯的人口理论，提出了关于生育的经济学模型[12]。他在效用函数中将孩子数量n 和孩子质量q 分离开来，并在达尔文理论的基础上增加了其他商品的存在，如果y 为其他所有商品，那么关于生育的效用函数为：
U =U (n ，q ，y )
(1)
假设每个孩子质量一样，π c 为孩子质量的单位价格，π y 为y 的单位价格，I 为充分收入，那么可以列出预算限制公式：
普朗克常数的高度精密测量需要借助于一种极为复杂的“天平”。这种“天平”叫做瓦特天平。基于普朗克常数定义的千克基准将迎来一场量子化革命，并成为人类认知世界的关键性工具。
I =nqπ c +yπ y
核心解释变量与被解释变量具有空间相关性是进行空间计量分析的前提，因此首先对人口出生率、人均受教育年限与高等教育普及率进行全局空间自相关分析(Global Moran’s I)，通过全局空间自相关指数Moran’s I定量判断是否具有空间自相关性。全局空间自相关分析基于空间邻接二进制权重矩阵表[注] 本文二进制空间权重矩阵中的海南与广东相邻，其中相邻为1，不相邻为0。 ，分析变量在整体上的空间关联程度和差异程度，其中输出结果Moran’s I指数在[-1，1]之间，大于0表示正的空间自相关，即具有空间集聚趋势；小于0表示负的空间自相关，即具有空间差异性；等于0为非自相关。人口出生率与人均受教育年限、高等教育普及率的空间自相关检验见表2。
(2)
当前国内质量控制工具的利用尚不成熟,仍处于学习阶段。而在美国的笔译项目中,术语管理贯穿整个项目,质量控制更是一个动态过程,并紧密结合各类计算机软件技术。
根据效用函数(4)，可以列出一个简单的预算限制公式：
MUq =λnπ c =λπ q
MUy =λπ y
(3)
其中π n ，π q ，π y 分别为n ，q ，y 的影子价格(边际成本)，λ 为货币收入的边际效用。由此可以看出π n 与孩子质量q 正相关，而π q 与孩子数量n 正相关。假设家庭平均受教育水平k 与孩子质量q 正相关。I ，π c ，π y 不变的情况下，当家庭平均受教育水平k 较低时，对孩子质量q 需求不高，孩子数量的影子成本π n 则较低，而这会刺激n 的需求，增加孩子数量。这和新中国成立初期，百废待兴，整体教育水平不高，出生率反而较高的情况相符合。当家庭平均受教育水平k 提高，家庭对孩子质量q 需求上升，π n 则会升高，从而抑制对孩子数量n 方面的需求，减少孩子数量。因此从成本效应的角度来说，家庭平均受教育水平k 的上升，会对孩子生育数量产生一定的抑制作用。
而从收入层面来讲，受教育水平k 较高的家庭更容易提高自身的人力资本，促进家庭收入I 的上升。当I 足够大时，抚养孩子总资源nqπ c 与其他商品花费yπ y 之间形成较强的博弈，孩子数量n 与孩子质量q 之间的博弈相对减弱。在这里把孩子质量q 抽象掉，将效用函数简化为：
U =U (n ，y )
(4)
MUn =λqπ c =λπ n
I =np n +yπ y
(5)
其中p n 为孩子的单位价格。通常情况下，受教育水平k 较高的家庭能够意识到孩子相对于其他商品的不可替代性，而选择偏好孩子以实现效用最大化。因此当I 上升时，k 的提高使np n 高于其他商品部分，如果p n 不变，增加孩子数量n 则会成为必然的结果。然而现实情况往往是受教育水平k 较高的家庭，更加重视孩子质量，从而增加培育孩子的成本，p n 会有一定上升，但是受制于经济因素的影响，p n 远远高于其他家庭的孩子价格，但不会无限大；因此在I 上升，p n 上升的情况下，k 的提高造成偏好孩子的时候，多生孩子可能发生。这和现实情况中的富人多子和名门望族家庭规模较大的情况相符合。
根据以上分析可以推断，受教育水平较低或者较高的家庭或个人，选择生育多个小孩的情况都会出现。受教育水平较低的家庭或个人对孩子质量需求相对较低，希望增加孩子数量来提高家庭劳动生产力，达到效用最大化；受教育水平较高的家庭或个人同时重视孩子质量和数量，希望培养多个高质量的小孩，达到效用最大化。将该观点扩展到宏观层面，可以假设人均受教育水平对人口出生率的影响不是简单的线性关系；高等教育的进步对人口出生率的影响应该是正向的。基于此，提出以下两点假设：
第四，落实防疫成本费，稳定防疫团队。畜禽动物防疫工作费用需要财政预算颁布，费用有工作人员薪资、免疫药物费用、疫苗费用等。这一方面稳定防疫团队，一方面减轻防疫团队和养殖户的负担。完善动物防疫系统，让各级乡、村均有专业防疫人员，让动物防疫工作真正落实到各个角落，从而做到“无不漏”防疫原则。
本文对于群落空间特征的研究主要是为了探讨在百米林带内开发游憩功能的适宜性。空间是游憩活动的载体,不同的植物群落由其顶平面、覆盖面以及底平面构成了不同类型的空间,参照已有研究关于植物群落空间分类[14-15],根据实地调研总结出百米林带内植物群落的空间特征,将调查样方分为开敞草坪型空间、疏林草地型空间、封闭草地型空间以及林下活动型空间(表2)。
其中，W 为邻近二进制空间矩阵，δ 为空间自回归系数，Wy 代表地区之间人口出生率的内生交互效应，X 为核心解释变量和其他自变量，β 和θ 一样，为需要估计的参数向量，扰动项μ it 表示可能受到其他地区的影响，γ 为空间自相关系数。当γ =0时，该空间计量面板模型可简化为空间杜宾模型(SDM)，当γ =0，θ =0时，简化为空间滞后模型(SLM)，当θ =0，δ =0时，简化为空间误差模型(SEM)。
假设2：高等教育的发展对人口出生率有显著的促进作用。
三、实证模型与方法
基于固定效应面板模型，本文从深度和广度两个方面出发，选取人均受教育年限[注] 人均受教育年限=(小学人口数*6+初中人口数*9+高中人口数*12+高职人口数*12+大专及以上*16)/6岁及以上人口数。 和高等教育普及率[注] 高等教育普及率=大专及以上人数/6岁及以上人口数。 两个变量作为测度教育进步的指标，人口出生率作为被解释变量，并分别从经济的发展程度方面选取人均GDP和城镇化率，生育压力方面选取失业率和老年抚养比率，家庭结构和婚姻方面选取家庭规模和粗离婚率[注] 粗离婚率=年度离婚对数/年中常住人口数。 作为控制变量，分析其对中国人口出生率的影响。普通固定效应面板模型如下：
y it =βX it +δZ it +λ t +u i +ε it
(6)
其中被解释变量y 为人口出生率，解释变量X 为教育进步指标，Z 为控制变量，i 、t 分别为地区和年份，λ t 表示随时间变化的变量，称为“时间固定效应”，u i 为空间个体不随时间改变的变量，ε it 为随机扰动项。
y =δWy +Xβ +WXθ +λ t +u i +μ it
考虑到不同地区人口出生率与教育进步程度的发展差异，避免漏掉人口出生率和教育进步的空间自相关性，计量结果有所差误。因此，在固定效应面板模型的基础上加入空间权重，使用空间计量方法。在固定效应面板模型的基础上进行扩展，得到如下空间计量面板模型：
μ it =γWμ it +ε it
(7)
假设1：人均受教育年限与人口出生率之间并非简单的线性关系，应为正“U”型曲线。
关于空间自相关效应的检验，Anselin等(2008)提出了针对普通回归面板模型进行拉格朗日乘数(LM)检验，Elhorst随后提出其稳健形式的检验(Rust LM)；关于空间计量面板模型的选择，可以根据拟合优度(R 2)和自然对数似然函数值(LogL )进行衡量。LeSage 和Pace观察到偏微分可以通过解释不同模型设定中变量变化的影响，能更有效地判断是否存在空间溢出效应，Elhorst将该其运用到空间面板数据[13]，该偏微分矩阵为：
(8)
(9)
其中S r (W )=β r (I -δW )-1，S r (W )ij 为S r (W )的(i ，j )的元素，如果j =i ，则有S r (W )ii ，代表区域i 的变量x ir 对本区域人口出生率y i 的直接效应，即矩阵S r (W )主对角线上的第i 个元素，将主对角线上的所有元素进行平均，得到变量x r 的平均直接效应，表示变量x r 对被解释变量人口出生率的边际效应。同理，将所有非对角线元素的行或列进行平均，得到变量x r 的平均间接效应，表示x r 对被解释变量人口出生率的空间溢出效应。
四、数据来源与检验
(一)数据来源与描述性统计
根据数据统计情况，选取2003-2017年中国大陆31个省(市、自治区)的面板数据进行实证分析。其中人口出生率、人均GDP、城镇化率、失业率、老年抚养比率、平均家庭户规模均来自历年的《中国统计年鉴》，人均受教育年限、高等教育普及率、粗离婚率通过历年的《中国统计年鉴》和《中国人口与就业统计年鉴》计算所得，为消减模型拟合的异方差性，对人均GDP做对数处理。各变量的描述统计见表1。
表1 各变量的描述统计(2003—2017年)表
(二)空间自相关性检验
树底下还聚着一团火，一团由一颗颗诗心点着的火，这团火烧了整整一个下午，让一群来自各行各业有着各自不同社会角色的人在同一个下午的同一棵树下感动着一样的感动，这本身就是一件多么不凡的事情。
羟氯喹血药浓度与系统性红斑狼疮疗效相关性的研究进展……………………… 罗雪梅，彭 颖，束 庆，等（1·40）
表2 人口出生率、人均受教育年限与高等教育普及率的空间自相关性检验(2003—2017)表
注：***、**、*分别表示1%，5%和10%的显著水平。
空间自相关性检验结果表明，2003—2017年的人口出生率、人均受教育年限和高等教育普及率均存在正的空间自相关性。首先，人口出生率在2003—2017年期间的全局Moran’s I指数均通过了1%显著性水平，且Moran’s I指数数值在0.3～0.5之间，说明人口出生率整体上具有较强的空间自相关性，即空间集聚性较强；其次，人均受教育年限的全局Moran’s I指数略低于人口出生率，但也全通过了1%显著性水平，说明人均受教育年限整体上也具有强的空间自相关性；最后，高等教育普及率的全局Moran’s I指数均通过了5%的显著性水平，全局Moran’s I指数在0.2～0.3之间波动，说明高等教育普及率整体上同样具有空间自相关性。
结合效用函数(1)，使预算限制的效用函数极大化，自变量n ，q ，y 的影子价格(边际成本)为：
五、回归结果与分析
由于人口出生率、人均受教育年限与高等教育普及率均具有空间自相关性，因此考虑使用空间计量模型。首先利用普通面板模型，采取拉格朗日乘数(LM)及其稳健形式(R-LM)的检验，判断传统混合面板模型估计的空间滞后项及稳健形式(LMlag、R-LMlag)和空间自相关误差项及稳健形式(LMerror、R-LMerror)是否具有空间交互效应；然后根据对数似然比检验(LR)，选取时间、空间或者双固定效应；最后根据拟合优度(R 2)和自然对数似然函数值(LogL)的数值，选取SLM和SEM中的最优模型。
(一)人均受教育年限对人口出生率影响的空间计量分析
表3列出了人均受教育年限对人口出生率影响的传统混合面板模型(OLS)、空间滞后面板模型(SLM)和空间误差面板模型(SEM)。首先在传统混合面板模型估计中，LMlag、R-LMlag均通过了1%的显著性水平，即拒绝原假设；LMerror未通过显著性水平，但R-LMerror拒绝原假设；说明空间误差模型和空间滞后模型均优于普通面板模型。然后，关于空间固定效应的LR检验(P =0.000 0)，时间固定效应的LR检验(P =0.010 8)，均拒绝原假设，即拒绝时间固定效应、空间固定效应的联合非显著性，因此选择双向固定效应模型。最后，从OLS、SEM和SLM的估计结果来看，SLM的R 2和LogL 值最大，说明SLM的拟合效果更好。所以本文选择双向固定效应的空间滞后模型和它对应的直接效应、间接效应、总效应进行解释分析。
综上所述，我国中职语文教师应该遵循“以就业为导向”的教学理念，注重提高学生的专业能力，夯实学生的专业基础，提高中职语文教学质量，促使学生能够在毕业后尽快适应社会，并且能够在竞争激烈的社会市场环境中脱颖而出，不会被时代所抛弃，成为各大企业竞相争抢的“潜力股”，促使学生能够全方面发展。最重要的是能够为国家奠定创新型人才基础，提高我国综合国力。
根据上文的研究假设，在解释变量中加入人均受教育年限的二次项。双向固定效应空间滞后模型的回归结果显示：(1)人均受教育年限的偏回归系数和直接效应均通过了1%的显著性水平，说明人均受教育年限对人口出生率影响效果显著；(2)人均受教育年限一次项的直接效应在1%的水平下显著负相关，二次项在1%的水平下显著正相关，说明人均受教育年限对人口出生率的影响呈正“U”型曲线，与研究假设1相符；(3)人均受教育年限及其二次项的间接效应均通过了1%的显著性水平，说明人均受教育年限对人口出生率的影响存在空间溢出效应。
为进一步分析人均受教育年限对人口出生率的影响，将该空间面板数据计量模型分为三次计量，其中模型一控制了经济发展变量，即人均GDP和城镇化率；模型二在模型一的基础上控制了生育压力变量，即失业率和老年抚养比率；模型三在模型二的基础上控制家庭结构和婚姻变量的影响，即平均家庭户规模和粗离婚率。
评注：本题主要考查面面垂直的证明，利用线线垂直得到线面垂直，再得到面面垂直；第二问主要考查建立空间直角坐标系，利用空间向量求出二面角的平面角，考查数形结合，将几何问题转化为代数问题进行求解，考查学生的计算能力和空间想象能力，属于中档题。
表3 人均受教育年限对人口出生率的空间影响、直接效应、间接效应和总效应表
注：***、**、*分别表示1%，5%和10%的显著水平。
表4是人均受教育年限与人口出生率在三种模型中直接效应的输出结果。在三个模型中，人均受教育年限的一次项和二次项对人口出生率均有显著影响，且人均受教育年限一次项的直接效应均为负，二次项的直接效应均为正，再一次说明了人均受教育年限对人口出生率的影响呈正“U”型曲线。模型一中“U”型的最低点为8.8年，即在8.8年之前，人均受教育年限对人口出生率有负向影响，8.8年之后，人均受教育年限的提高会促进人口出生率的上升。在控制了经济发展因素后，增加生育压力的影响(即模型二)，发现“U”型的最低点被移至8.7年；再增加家庭婚姻状况的影响(即模型三)，“U”型最低点仍为8.8年。由此可以看出，控制经济发展、生育压力、家庭结构和婚姻状况等不同影响因素进行实证分析，最低年限始终在8.8年左右。而根据《中国统计年鉴》和《中国第六次人口普查数据》数据计算可知，2010年中国人均受教育年限已达到8.8年，可见，在2010年以前，人均受教育年限的延长促进了人口出生率的下降，2010年后，人均受教育年限延长有助于人口出生率的上升。
表4 人均受教育年限对人口出生率影响的实证模型表
注：***、**、*分别表示1%，5%和10%的显著水平，( )内变量为控制变量。
(二)高等教育普及率对人口出生率影响的空间计量分析
仅根据人均受教育年限对人口出生率影响的实证结果，就提出教育进步对人口出生率有积极作用的结论，不具有较强的说服力，因为中国全面实行九年义务教育，不收适龄儿童、少年的学费、杂费，在一定程度上降低了子女的抚养成本，可能会刺激人口出生率的上升。而高等教育作为人才培养的重要途径，与中国国民经济建设和社会发展紧密联系；为提升国际竞争力，中国高等教育正在向普及化阶段快速迈进。因此，分析高等教育普及率对人口出生率的影响是必要的。运用同样的模型选择标准和检验方法，了解到双向固定效应的空间滞后模型(SLM)是分析高等教育普及率对人口出生率影响的最优模型(见表5)。由表5结果可知：(1)高等教育普及率的偏回归系数和直接效应在1%的水平下均显著为正，说明高等教育的发展对人口出生率有促进作用，证实了研究假设2；(2)高等教育普及率的直接效应为0.096 1，即高等教育普及率每上升一个百分点，中国人口出生率上升0.096 1个千分点；(3)反馈效应[注] 弹性系数-反馈效应=直接效应。 为0.001 6，数值较小，说明本省的高等教育普及通过影响邻省人口出生率再反过来影响本省人口出生率的效果不太明显；(4)高等教育普及率的间接效应为0.026 8，在5%水平下显著正相关，说明高等教育普及率对人口出生率的影响存在正向的空间溢出效应。对于以上实证结果，可以解释为，在控制其他影响因素的情况下，随着高等教育的普及，科技创新提高社会生产力，对于个人产生人力资本积累，同时对于家庭产生了养育子女的收入效应，刺激了生育意愿，促进人口出生率的上升。
从控制变量来看，2003—2017年期间对人口出生率影响较为显著的因素还有人均GDP、失业率、城镇化率、平均家庭户规模。人均GDP对人口出生率有显著的负向影响，说明经济发展降低了人口出生率。失业率对人口出生率的影响在5%的水平下显著负相关，说明失业容易增加生育压力，从而降低人口出生率。城镇化在1%水平下对人口出生率显著正相关，杨华磊等学者的研究也证明当城镇化水平高于50%时，城镇化会促进人口出生率的上升[14]。平均家庭户规模对人口出生率有显著正向影响，说明家庭规模增大，家庭聚合力变强，有利于人口出生率的上升。
1.3 文献筛选与质量评价 由2名研究人员分别进行文献的筛选，如有不同意见则进行商讨，必要时请第3位研究人员加入。纳入文献质量评价，依据Cochrane Handbook推荐的质量评价原则：随机顺序的产生、对随机方案的分配隐藏、是否采取盲法、选择性报告研究结果的可能性、结局指标数据的完整性以及是否存在其他偏倚，评价结果可分为：高风险、低风险或不清楚。在评价文献质量过程中，如有不同意见则进行商讨，必要时邀请第3位评价人员加入。
表5 高等教育普及率对人口出生率的空间影响及直接效应、间接效应和总效应表
注：***，**，*分别表示1%，5%和10%的显著水平。
六、结论与启示
基于2003-2017年中国大陆31个省市(自治区)的数据，采用空间计量模型，分别以人均受教育年限和高等教育普及率为关注变量，实证分析教育进步对人口出生率的影响，研究结果表明：(1)中国人均受教育年限、高等教育普及率和人口出生率整体上均具有空间自相关性；(2)中国人均受教育年限对人口出生率有显著影响，且呈正“U”型曲线；(3)“U”型曲线的最低点在8.8年左右，即当中国居民人均受教育年限超过8.8年时，人均受教育水平的提高能够促进人口出生率的上涨；(4)中国高等教育的普及对人口出生率有显著的正向影响，高等教育普及率每上升一个百分点，人口出生率上升0.096 1个千分点；(5)人均受教育年限和高等教育普及率对人口出生率的影响都存在空间溢出效应，即不仅对本地人口出生率有显著的正向影响，而且对周边地区人口出生率也有积极影响。
贝克尔通过设定生育的经济学模型，从成本层面认为教育水平的上升会使家庭或个人更加重视孩子质量，对孩子数量会产生一定的挤出效应[12]。2010年以前的数据印证了这一点。但教育事业的进步与人口发展不总是相悖的，当受教育程度到达一定的水平，反而会促进人口出生率的上升。教育进步不仅可以提高人口质量，而且能够起到调整人口数量的作用，从而达到教育进步与人口发展相辅相成的效果。因此在新时代人口发展战略研究过程中，应该重视教育进步对人口发展的重要意义，全方位促进教育进步与人口的健康发展。据此提出以下几点建议：(1)转变目前存在的“过度培养孩子”“期望完美子女”的行为和观念，避免家庭在子女教育方面不必要的支出，降低孩子的抚养成本，刺激生育意愿，促进人口出生率的上升；(2)已有研究发现生育二孩不会降低孩子教育水平，拓展了传统的资源稀释假说，因此可以将教育政策与人口生育政策进行配套衔接，从教育方面鼓励家庭生育子女，促进新生儿的增加[15]；(3)进一步提升人才培养质量，提高人力资本积累，为中国经济建设与社会发展输送全方面、多层次人才，促进经济社会与人口协调发展。
参考文献：
[1] Feldmann L.Education for Girls Credited for Drop in Teen Birth Rates in Third World[J].Christian Science Monitor，1997，89(55).
[2] Romero L，Pazol K，Warner L，et.al.Reduced Disparities in Birth Rates Among Teens Aged 15-19 Years-United States，2006—2007 and 2013-2014[J].Morbidity and Mortality Weekly Report，2016，65(16).
[3] Abdul S S，Baba S S，Jabir H.The Impact of Mothers Education on Fertility in Ghana[J].International Journal of Probability and Statistics，2018，7(2).
[4] 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).
[5] 周晓蒙.经济状况、教育水平对城镇家庭生育意愿的影响[J].人口与经济，2018(5).
[6] 刘章生，刘桂海，周建丰，范丽琴.教育如何影响中国人的“二孩”意愿?——来自CGSS(2013)的证据[J].公共管理学报，2018，15(2).
[7] Rind P.Among Women over 30，Rate of First Births Rose Strongly with Education[J].Family Planning Perspectives，1991，23(4).
[8] Fort M，Schneeweis N E，Winter-Ebmer R.More Schooling，More Children：Compulsory Schooling Reforms and Fertility in Europe[J].SSRN Electronic Journal，2011，86(273).
[9] Monstad K，Propper C，Salvanes K G.Education and Fertility：Evidence from a Natural Experiment[J].Scandinavian Journal of Economics，2008，110(4).
[10]张琬翌，张云垛，乔文俊.城乡居民生育意愿的影响因素研究——基于CGSS2010数据的实证分析[J].湖北农业科学，2016，55(18).
[11]徐超，吴玲萍.高等教育影响居民二孩生育意愿吗?——来自CGSS数据的证据[J].公共财政研究，2018(03).
[12]Becker G S.A Theory of Marriage：Part I[J].Journal of Political Economy，1973，81(4).
[13]Elhorst J P.Spatial Econometrics.From Cross-sectional Data to Spatial Panels[J].James P Lesage，2014，1(1).
[14]杨华磊，吴义根，张冰鑫.城镇化、外部性与生育水平[J].人口与发展，2018，24(4).
[15]张鋆，万程成.经济新常态、“全面二孩”政策与生育率波动——基于真实经济周期的分析测度[J].统计与信息论坛，2018，33(2).
Education Progress Reduces fertility?
ZHANG Chonga，WAN Xin-yueb
(a.School of Social Development;b.School of Marxism，Xihua University，Chengdu 610039,China)
Abstract： Based on Becker's theory of fertility economics and combined with China's actual population development，it is believed that families will choose to have more children when their average educational level is lower or higher，so as to maximize the human utility.At the macro level，the effect of education level on the birth rate should not be purely linear.Based on the provincial panel data of mainland China from 2003 to 2017，the empirical analysis using the spatial econometric model finds that the per capita education level has a U-shaped relationship with birth rate and spatial spillover effect.At the same time，it is found that the penetration rate of higher education not only has a significant positive impact on the birth rate of the province，but also has a positive impact on the birth rate of surrounding areas.Therefore，the progress of education is not only an important mean to improve the quality of the population，but also can play a role in the adjustment of population.The progress of education is of great significance to population development.
Key words： education progress; fertility rate; spatial econometric model
中图分类号： C924.21
文献标志码： A
文章编号： 1007-3116(2019)07-0108-07
收稿日期： 2019-02-16
基金项目： 国家社会科学基金项目《生育意愿与生育行为偏离的价值根源及其政策应对研究》(18CSH033)
作者简介：
张 冲，男，四川仁寿人，经济学博士后，副教授，硕士生导师，研究方向：社会经济，社会统计；
万新月，女，四川仁寿人，硕士生，研究方向：社会经济。
(责任编辑：于思琦)
标签：教育进步论文; 人口出生率论文; 空间计量模型论文; 西华大学社会发展学院论文; 西华大学马克思主义学院论文;