離婚對(duì)家庭經(jīng)濟(jì)的影響
——基于云南省7縣家庭調(diào)查數(shù)據(jù)

彭大松

(南京郵電大學(xué) 人口研究院， 江蘇 南京 210046)

○、引言

黨的十八大以來，我國(guó)的貧困治理工作取得了令世界矚目的成就。根據(jù)《中國(guó)農(nóng)村貧困監(jiān)測(cè)報(bào)告2017》發(fā)布的數(shù)據(jù)，2012年我國(guó)有貧困人口9 899萬人，截至2016年底，減少到4 335萬人，累計(jì)減少5 564萬人，平均每年減少1 391萬人。貧困發(fā)生率也由2012年的10.2%下降到2016年的4.5%，下降5.7個(gè)百分點(diǎn)，平均每年下降1.4個(gè)百分點(diǎn)[1]。這些成就的取得為2020年“全面建成小康社會(huì)”目標(biāo)打下了堅(jiān)實(shí)基礎(chǔ)。在積極評(píng)價(jià)我國(guó)脫貧攻堅(jiān)取得的成績(jī)的同時(shí)，也應(yīng)看到未來的脫貧工作仍面臨著諸多問題。例如，脫貧攻堅(jiān)工作中，家庭經(jīng)濟(jì)增長(zhǎng)成為扶貧成效和脫貧評(píng)價(jià)的重要準(zhǔn)繩。然而過度重視貧困家庭的經(jīng)濟(jì)指標(biāo)增長(zhǎng)，往往會(huì)忽視貧困家庭的婚姻穩(wěn)定和家庭發(fā)展能力建設(shè)。尤其是當(dāng)前，在我國(guó)離婚率不斷攀升的背景下，更需要兼顧精準(zhǔn)脫貧與家庭穩(wěn)定發(fā)展的雙重效益。據(jù)國(guó)家民政部門統(tǒng)計(jì)，2010年我國(guó)登記離婚人數(shù)為201萬對(duì)，粗離婚率為2.0‰；到2017年，登記離婚人數(shù)已達(dá)到370.4萬對(duì)，粗離婚率上升到3.2‰。而最近幾年，農(nóng)村的離婚率也呈現(xiàn)出加速上升趨勢(shì)[2-3]。離婚不僅導(dǎo)致婚姻關(guān)系解體，也會(huì)讓家庭經(jīng)濟(jì)受損，家庭發(fā)展能力減弱[4-5]。對(duì)貧困家庭而言，離婚帶來的負(fù)面影響可能更大，婚姻解體會(huì)使家庭貧困程度加深或讓已脫貧家庭重新返貧，進(jìn)而影響到國(guó)家脫貧目標(biāo)的如期實(shí)現(xiàn)。因此，分析貧困家庭的婚姻穩(wěn)定性對(duì)家庭經(jīng)濟(jì)增收的影響具有十分重要的理論意義和實(shí)踐價(jià)值，它不僅有助于我們理解婚姻穩(wěn)定與貧困治理之間的關(guān)系，也為創(chuàng)新扶貧實(shí)踐提供新的思路。

一、文獻(xiàn)評(píng)述

國(guó)內(nèi)外關(guān)于婚姻與經(jīng)濟(jì)關(guān)系的研究文獻(xiàn)已非常豐富。從婚姻對(duì)經(jīng)濟(jì)效率的影響來看，中外研究普遍發(fā)現(xiàn)，結(jié)婚比單身更有“經(jīng)濟(jì)效率”。Sen指出婚姻往往給日常家庭生產(chǎn)、消費(fèi)、儲(chǔ)蓄等帶來了更高效率，節(jié)約了日常生活成本[6]。與此相對(duì)，婚姻破裂會(huì)使這種“效率”大幅度地消解，同時(shí)家庭也會(huì)面臨經(jīng)濟(jì)損失。約瑟夫·魯普頓和詹姆斯·斯密斯(Joseph. Lupton & James P. Smith)的研究發(fā)現(xiàn)，已婚家庭的經(jīng)濟(jì)財(cái)富，一旦遭遇婚姻解體，將迅速縮水[7]。對(duì)于貧困家庭而言，離婚可能會(huì)使配偶雙方利益均遭受損失[8]。這些損失不僅體現(xiàn)在經(jīng)濟(jì)層面，也體現(xiàn)在子女撫養(yǎng)壓力增大、家庭保障能力缺失等方面。在分析離婚的影響或沖擊時(shí)，一些學(xué)者認(rèn)為這種影響具有“性別差異”，即離婚的后果對(duì)于男性和女性的影響具有效應(yīng)不一致性。例如，有研究指出，離婚后女性的家庭經(jīng)濟(jì)收入大幅下降，貧困風(fēng)險(xiǎn)急劇增加[9-10]。Peterson根據(jù)美國(guó)相關(guān)數(shù)據(jù)證實(shí)，離婚對(duì)女性的影響要大于男性，離婚后女性的生活水準(zhǔn)平均下降27%，而男性僅僅下降10%左右[11]。一項(xiàng)德國(guó)的相關(guān)實(shí)證研究也顯示，離婚后妻子的家庭收入僅是前夫收入的2/3[12]。不過，也有一些實(shí)證研究獲得了不一樣的發(fā)現(xiàn)。例如，同樣來自德國(guó)的另一項(xiàng)經(jīng)驗(yàn)研究發(fā)現(xiàn)，離婚給女性帶來的經(jīng)濟(jì)沖擊是短暫的，其狀況一般1年后就會(huì)得到恢復(fù)[13]。Keith研究發(fā)現(xiàn)，從中長(zhǎng)期來看，女性離婚后的經(jīng)濟(jì)恢復(fù)狀況往往好于男性[14]。國(guó)內(nèi)研究同樣也發(fā)現(xiàn)離婚的經(jīng)濟(jì)后果具有性別差異。離婚對(duì)于女性的經(jīng)濟(jì)沖擊要大得多，并強(qiáng)調(diào)女性經(jīng)濟(jì)獨(dú)立對(duì)于抵御離婚沖擊的重要性[15-18]。概而言之，雖然研究者對(duì)于離婚對(duì)不同社會(huì)階層、不同職業(yè)、不同經(jīng)濟(jì)狀況、不同性別個(gè)體的經(jīng)濟(jì)沖擊是否大小有別尚未取得一致認(rèn)識(shí)，但對(duì)離婚導(dǎo)致家庭經(jīng)濟(jì)受損已基本達(dá)成共識(shí)。不過，已有研究很少專門針對(duì)貧困家庭來分析婚姻解體對(duì)家庭經(jīng)濟(jì)的影響，更鮮有在“精準(zhǔn)扶貧”背景下討論貧困家庭離婚的經(jīng)濟(jì)后果及其對(duì)扶貧實(shí)踐的啟示。此外，現(xiàn)有研究對(duì)“離婚”與“家庭經(jīng)濟(jì)”關(guān)系的定量分析也缺乏對(duì)可能存在的“雙向因果”或“選擇效應(yīng)”的控制?！半x婚”可能影響“家庭經(jīng)濟(jì)”，但反過來，“家庭經(jīng)濟(jì)”也可能會(huì)影響“離婚”行為的發(fā)生。換言之，那些離婚的個(gè)體可能是因?yàn)椤凹彝ソ?jīng)濟(jì)”條件較差而導(dǎo)致婚姻破裂，在這一因果鏈中，“家庭經(jīng)濟(jì)”可能是“果”的同時(shí)，也是誘發(fā)“離婚”行為的“因”。因此，定量分析中需要考慮消除或削弱可能存在的“雙向因果”或“選擇效應(yīng)”的影響，才能獲得因果效應(yīng)的凈估計(jì)值。鑒于此，本文擬以“中國(guó)農(nóng)工黨中央對(duì)口云南省脫貧攻堅(jiān)工作研究”課題組收集的云南省7個(gè)縣的部分貧困家庭調(diào)查數(shù)據(jù)為基礎(chǔ)，采用傾向值匹配模型，克服變量間可能存在的雙向因果效應(yīng)對(duì)估計(jì)造成的影響，以獲得“離婚”對(duì)“家庭收入”影響的凈效應(yīng)。

二、研究設(shè)計(jì)：數(shù)據(jù)、變量與模型設(shè)置

1．?dāng)?shù)據(jù)來源

本文數(shù)據(jù)來自“中國(guó)農(nóng)工黨中央對(duì)口云南省脫貧攻堅(jiān)工作研究”課題組2018年7～9月在云南省永善、巧家、南華、永平、昌寧、景東、馬關(guān)7個(gè)縣所做的問卷調(diào)查。問卷涵蓋了家庭成員基本信息、婚姻史、務(wù)工史、經(jīng)濟(jì)收入、生活消費(fèi)、健康狀況、扶貧措施等內(nèi)容。該調(diào)查以云南省所有的縣為一級(jí)抽樣單元，采用簡(jiǎn)單隨機(jī)抽樣抽取7個(gè)縣，縣內(nèi)的鄉(xiāng)(鎮(zhèn))構(gòu)成二級(jí)抽樣單元，在每個(gè)縣隨機(jī)抽取2個(gè)鄉(xiāng)(鎮(zhèn))，每個(gè)鄉(xiāng)(鎮(zhèn))的行政村構(gòu)成三級(jí)抽樣單元，在每個(gè)鄉(xiāng)(鎮(zhèn))隨機(jī)抽取2個(gè)行政村，每個(gè)行政村抽取50戶貧困戶作為被訪對(duì)象。調(diào)查采用入戶方式，由經(jīng)過專門培訓(xùn)的調(diào)查員入戶開展一對(duì)一訪問。本文在剔除關(guān)鍵變量隨機(jī)缺失的樣本后，共取1 078個(gè)有效樣本進(jìn)行分析。

2．變量測(cè)量與樣本描述

離婚是本文的核心自變量?！半x婚”是根據(jù)問題“您目前的婚姻狀態(tài)”進(jìn)行操作化，將回答為“離婚”的被訪者賦值為1，回答為“已婚”“再婚”者均賦值為0(參照項(xiàng)),在數(shù)據(jù)分析中做分類變量處理。[注]盡管離婚和喪偶都屬于婚姻解體，但二者的影響機(jī)制不同，為了在PSM模型中更好地控制選擇效應(yīng)，這里將喪偶者情況排除在外。另外，再婚者雖然也有過離婚經(jīng)歷，但當(dāng)前的收入更多地受到“再婚”事件的影響，而不是離婚，因此，本研究中的離婚是指到目前為止仍處于“離婚”狀態(tài)的人，作為參照項(xiàng)則是“目前在婚”對(duì)象，其中包括離婚、喪偶后的再婚者?！叭司彝ナ杖搿笔潜疚牡暮诵囊蜃兞俊⑦^去一年家庭成員獲得的收入加總(包括經(jīng)營(yíng)性收入、勞務(wù)收入等，但不包括政府轉(zhuǎn)移性收入)，結(jié)合家庭規(guī)模計(jì)算人均家庭收入，并在數(shù)據(jù)分析中進(jìn)行對(duì)數(shù)化處理。衡量家庭貧困的另一項(xiàng)指標(biāo)是“是否為低保戶”。一般而言，“低保戶”比“非低保戶”的貧困程度更深，因此這一指標(biāo)也可以區(qū)分家庭貧困程度，在處理時(shí)作為分類變量使用。

根據(jù)以往文獻(xiàn)，影響婚姻穩(wěn)定性的協(xié)變量設(shè)定為性別、年齡、民族、教育、通婚范圍、是否是低保戶、初婚是否領(lǐng)證、婚后是否外出務(wù)工、初婚時(shí)家庭規(guī)模等。其中，性別處理成分類變量，以女性為參照。民族處理為二分變量，以漢族為參照。教育程度為分類變量，分為未上學(xué)(參照項(xiàng))、小學(xué)、初中、高中及以上。通婚范圍為分類變量，分別為本村、外村、外鄉(xiāng)鎮(zhèn)、外縣、外省等幾個(gè)類別。初婚時(shí)是否領(lǐng)取結(jié)婚證在數(shù)據(jù)分析中作為二分變量，領(lǐng)證賦值為1,未領(lǐng)證賦值為0。另外，根據(jù)外出務(wù)工史的回溯性調(diào)查和初婚時(shí)間，可以將婚后外出務(wù)工處理成二分變量，外出務(wù)工賦值為1，其他情況賦值為0。

表1是主要變量及其分布情況。從表中可以看到，被訪者的平均年齡為43.9歲，女性占45%，少數(shù)民族占24%，受教育程度以“小學(xué)”為主。受訪對(duì)象中有5.2%的人為離婚者，已婚者通婚范圍主要限于縣內(nèi)，跨縣通婚者占10%，跨省通婚者為4.1%。另外，已婚者中有11%的人未領(lǐng)取結(jié)婚證。上述變量描述和分布與云南省農(nóng)村貧困地區(qū)的情況基本一致。

表1 樣本情況及變量描述性分析(n=1 078)

續(xù)表1

變量均值標(biāo)準(zhǔn)差最小值最大值領(lǐng)結(jié)婚證(無=0)89.0%—01家庭收入(ln)6.91.1709.90是否低保戶48.4%—01離婚(否=0)5.2%—01

說明：分類變量用百分比表示

3．模型設(shè)定

因調(diào)查數(shù)據(jù)無法避免選擇性偏差以及雙向因果等造成的變量間的內(nèi)生性問題，用常規(guī)OLS模型進(jìn)行數(shù)據(jù)處理，可能會(huì)導(dǎo)致估計(jì)結(jié)果偏誤，故擬采用傾向值匹配模型(PSM)以有效處理上述問題。傾向值匹配方法最早由Rosenbaum和Rubin(1983)針對(duì)觀察數(shù)據(jù)的因果效應(yīng)估計(jì)而提出，后經(jīng)多個(gè)統(tǒng)計(jì)學(xué)家改進(jìn)、補(bǔ)充和發(fā)展，現(xiàn)已成為非實(shí)驗(yàn)數(shù)據(jù)因果分析的主要方法之一[19]。

三、實(shí)證分析

1．傾向值得分估計(jì)

與試驗(yàn)數(shù)據(jù)不同，調(diào)查數(shù)據(jù)中的“干預(yù)”并不是隨機(jī)出現(xiàn)的，而是受到一些混淆變量的影響，致使個(gè)案的出現(xiàn)在“干預(yù)組”或“控制組”的傾向值不同。因此，如何正確地估計(jì)出傾向值，取決于變量挑選和模型設(shè)置。根據(jù)已有研究文獻(xiàn)和問卷調(diào)查的問項(xiàng)設(shè)置篩選變量，將年齡、性別、民族、教育程度、勞動(dòng)能力、是否外出務(wù)工、初婚通婚范圍等作為傾向值的預(yù)測(cè)變量。另外，考慮到本文所用數(shù)據(jù)部分樣本來自同一個(gè)家庭，在模型估計(jì)時(shí)，采用“簇”穩(wěn)健標(biāo)準(zhǔn)誤替代常規(guī)標(biāo)準(zhǔn)誤，以減少估計(jì)偏差。Logistic回歸模型的具體估計(jì)結(jié)果見表2。從表中的估計(jì)結(jié)果可以看出，混淆變量對(duì)傾向值有較好的預(yù)測(cè)作用。通過傾向值的核密度函數(shù)估計(jì)，比較“干預(yù)組”和“控制組”在各個(gè)協(xié)變量上的差異性(下頁圖1)，從圖中可以直觀地判斷出數(shù)據(jù)未匹配前，協(xié)變量在兩個(gè)組之間有顯著差異。

表2 Logistic回歸模型估計(jì)傾向值(n=1 078)

圖1 匹配前離婚與未離婚樣本傾向值的核密度曲線

2．?dāng)?shù)據(jù)匹配與平衡性檢驗(yàn)

本文采用最近鄰匹配(nearest-neighbor matching)、卡尺匹配(caliper matching)、卡尺內(nèi)最近鄰匹配(nearest-neighbor matching within caliper)、核匹配(kernel matching)、核匹配內(nèi)局部線性回歸匹配、樣條匹配以及基于馬氏距離的匹配等多種方法進(jìn)行數(shù)據(jù)匹配。數(shù)據(jù)匹配后檢驗(yàn)數(shù)據(jù)的平衡性是一個(gè)必要步驟。一個(gè)好的匹配應(yīng)該使協(xié)變量在干預(yù)組和控制組之間變得平衡。本文采用t檢驗(yàn)和核密度曲線圖比較匹配前后數(shù)據(jù)平衡性的改善情況。表3是最近鄰匹配后的數(shù)據(jù)平衡性檢驗(yàn)結(jié)果。表3也列出了數(shù)據(jù)匹配前后干預(yù)組和控制組變量分布差異性檢驗(yàn)結(jié)果(p值)：在顯著性為0.05水平下，除了通婚范圍中“跨省”類別無顯著差異外，其他變量都有統(tǒng)計(jì)顯著性差異。而匹配后，幾乎所有的變量都不再顯著。這說明傾向值匹配后，數(shù)據(jù)平衡效果較好。標(biāo)準(zhǔn)化偏差指標(biāo)也可以間接地反映出數(shù)據(jù)平衡性。一般而言，當(dāng)偏差小于10%時(shí)，可以認(rèn)為數(shù)據(jù)平衡性較好。此外，我們也可以通過核密度函數(shù)圖形來判斷匹配后數(shù)據(jù)的平衡效果。下頁圖2是匹配后的核密度函數(shù)分布情況。與匹配前的核密度圖形(圖1)相比，圖2中干預(yù)組和控制組核密度曲線已經(jīng)比較接近，這說明經(jīng)傾向值匹配后的樣本已經(jīng)較好地過濾了混雜因素的干擾，可獲得更為準(zhǔn)確的參數(shù)估計(jì)值。

表3 匹配后數(shù)據(jù)的平衡性檢驗(yàn)

續(xù)表3

變量干預(yù)組均值控制組均值標(biāo)準(zhǔn)化偏差%匹配前p值匹配后p值教育程度 小學(xué)0.570.61-8.10.0590.68 初中0.390.358.30.0380.68 高中及以上0.110.137.10.0420.52家庭規(guī)模2.632.67-2.90.0010.88民族0.680.656.10.0050.74通婚范圍 跨村0.320.304.00.0310.84 跨鎮(zhèn)0.230.25-3.50.0500.86 跨縣0.130.10-8.90.0400.63 跨省0.070.062.30.1320.92是否低保戶0.340.42-9.10.0210.40是否領(lǐng)結(jié)婚證0.730.721.90.0010.93外出務(wù)工0.570.547.30.0000.71

圖2 匹配后離婚與未離婚樣本傾向值的核密度曲線

3．離婚對(duì)家庭經(jīng)濟(jì)的影響

下頁表4是采用不同匹配方法進(jìn)行樣本匹配后計(jì)算出的平均處理效應(yīng)值。其中，ATT代表干預(yù)組平均處理效應(yīng)，ATC代表控制組平均處理效應(yīng)，ATE代表全部樣本的平均處理效應(yīng)。平均處理效應(yīng)是“離婚”對(duì)貧困家庭經(jīng)濟(jì)收入影響的“凈效應(yīng)”。為了比較PSM模型對(duì)“選擇效應(yīng)”偏差的修正情況，我們也將常規(guī)的OLS模型的估計(jì)結(jié)果一并列出。

在下頁表4中，模型1為最近鄰匹配,k參數(shù)設(shè)置為4；模型2為卡尺匹配，卡尺ε設(shè)置為0.25；模型3為卡尺內(nèi)最近鄰匹配，k參數(shù)設(shè)置為4，卡尺參數(shù)設(shè)置為0.25；模型4為核匹配模型，核函數(shù)為epan核函數(shù)，帶寬設(shè)置為0.06；模型5為局部線性回歸核匹配，參數(shù)設(shè)置為epan核函數(shù)，帶寬設(shè)置為0.06；模型6為樣條匹配；模型7為馬氏距離最近鄰匹配。另外，表格的最后一行為OLS模型的估計(jì)結(jié)果。從表中系數(shù)可知，OLS模型估計(jì)出的“離婚”對(duì)家庭經(jīng)濟(jì)收入的影響效應(yīng)為-0.21(p<0.05)。但運(yùn)用PSM模型的模型1至模型7對(duì)該效應(yīng)值的估計(jì)遠(yuǎn)遠(yuǎn)高于這一結(jié)果，其中，ATT的值域范圍為(-0.30， -0.40)，ATC的值域范圍為(-0.38，-0.47)，ATE的值域范圍為(-0.37，-0.46)。由此可以推斷：其一，離婚對(duì)家庭經(jīng)濟(jì)收入有負(fù)向影響，離婚進(jìn)一步惡化了貧困家庭的經(jīng)濟(jì)狀況；其二，“離婚”與“家庭收入”之間的確存在著雙向因果關(guān)聯(lián)或選擇效應(yīng)，由于OLS模型無法過濾選擇偏誤，因而導(dǎo)致其低估“離婚”對(duì)“家庭收入”的負(fù)向影響。本文采用不同匹配方法的PSM模型有效地修正了選擇效應(yīng)帶來的估計(jì)偏誤，更準(zhǔn)確地估計(jì)了離婚對(duì)貧困家庭經(jīng)濟(jì)收入的影響效應(yīng)，詳細(xì)估計(jì)結(jié)果見表4。[注]限于篇幅，其他協(xié)變量的估計(jì)值不再呈現(xiàn)在表格中。

表4 不同匹配方法的PSM估計(jì)值與OLS估計(jì)值比較(n=1 078)

說明：(1)ATT、ATC、ATE的顯著性檢驗(yàn)通過bootstrap程序?qū)崿F(xiàn)；

(2)顯著性水平：* 代表p<0.05,**代表p<0.01,***代表p<0.001

四、結(jié)論與思考

本文基于云南省7個(gè)縣部分貧困家庭的調(diào)查數(shù)據(jù)，采用傾向值匹配模型估計(jì)了“離婚”對(duì)“家庭經(jīng)濟(jì)收入”的影響效應(yīng)。結(jié)果表明：離婚對(duì)貧困家庭經(jīng)濟(jì)收入產(chǎn)生明顯的負(fù)向影響，“離婚”會(huì)導(dǎo)致貧困家庭的經(jīng)濟(jì)狀況進(jìn)一步惡化；OLS模型與PSM模型的估計(jì)結(jié)果存在差異，證實(shí)了離婚與家庭經(jīng)濟(jì)狀況之間存在著雙向因果關(guān)聯(lián)，即家庭經(jīng)濟(jì)貧困會(huì)導(dǎo)致離婚風(fēng)險(xiǎn)上升，而婚姻破裂又進(jìn)一步加深了家庭貧困程度，減少了家庭經(jīng)濟(jì)收入。這一結(jié)論啟示我們，貧困家庭的婚姻穩(wěn)定性更低，而貧困家庭婚姻是否穩(wěn)定又關(guān)系到其貧困程度和能否如期脫貧。因此，在扶貧實(shí)踐中應(yīng)充分關(guān)注婚姻穩(wěn)定和家庭發(fā)展能力建設(shè)，這不僅有助于個(gè)人和家庭幸福感的提升，也有助于預(yù)防返貧和提高貧困治理效率。

當(dāng)前的脫貧攻堅(jiān)工作雖然取得了較大的成就，但過于依賴經(jīng)濟(jì)指標(biāo)來評(píng)價(jià)扶貧和脫貧工作，可能會(huì)忽略家庭穩(wěn)定和家庭能力建設(shè)。從短期來看，扶貧的目標(biāo)可能在于經(jīng)濟(jì)上的脫困，而從長(zhǎng)期來看，扶貧的目標(biāo)應(yīng)該是促進(jìn)家庭可持續(xù)發(fā)展，使個(gè)人的獲得感和家庭的幸福感得到有效提升。因此，后續(xù)的扶貧工作實(shí)踐中，要充分認(rèn)識(shí)婚姻家庭穩(wěn)定對(duì)于貧困治理的重要意義，充分認(rèn)識(shí)婚姻與家庭經(jīng)濟(jì)之間的雙向互動(dòng)關(guān)系，通過創(chuàng)新扶貧工作機(jī)制，努力實(shí)現(xiàn)精準(zhǔn)脫貧和家庭發(fā)展的雙重目標(biāo)。

概言之，家庭是貧困治理的基本單元，家庭發(fā)展也是貧困治理的核心內(nèi)容。在今后的扶貧工作中，不應(yīng)僅僅追求經(jīng)濟(jì)上的脫貧，還應(yīng)從促進(jìn)家庭全面發(fā)展方面對(duì)貧困治理提出更高要求，為2020年中國(guó)全面實(shí)現(xiàn)小康社會(huì)奠定堅(jiān)實(shí)的基礎(chǔ)。