徐康順 范君暉

隨著生育成本的提高和生育觀念的轉(zhuǎn)變，我國人口生育的形勢已經(jīng)出現(xiàn)了重大轉(zhuǎn)折，2019年出生人口已經(jīng)降至近50年來的最低值[1]，同時(shí)，低生育水平下人口結(jié)構(gòu)的長期失衡，使得老齡化和少子化疊加出現(xiàn)，人口的長期健康發(fā)展面臨嚴(yán)峻挑戰(zhàn)。面對生育形勢出現(xiàn)的深刻轉(zhuǎn)變，生育政策進(jìn)行了大幅度改革，但就目前政策實(shí)施的結(jié)果來看，低生育水平的趨勢并未得到有效扭轉(zhuǎn)，這可能說明生育政策限制已不是現(xiàn)階段低生育水平的主要原因。人口經(jīng)濟(jì)學(xué)家哈威·萊賓斯基于“成本-效益”分析提出的邊際孩子數(shù)量選擇理論[2]，為生育研究提供了視角，即生育決策者是否生育子女，生育幾個(gè)子女主要取決于生育需要的成本和所能帶來的潛在效益之間的比值。以此，眾多學(xué)者[3-4]從經(jīng)濟(jì)成本、時(shí)間成本、機(jī)會(huì)成本、保險(xiǎn)功能等角度進(jìn)行了生育水平的影響因素分析。社會(huì)保險(xiǎn)作為養(yǎng)老的重要補(bǔ)充手段，其對生育的保險(xiǎn)功能可能產(chǎn)生的影響是學(xué)界研究的熱點(diǎn)，但目前研究集中于養(yǎng)老保險(xiǎn)與生育水平的關(guān)系，忽略了醫(yī)療保險(xiǎn)同樣可能對養(yǎng)兒防老的生育觀念產(chǎn)生替代作用，進(jìn)而對生育產(chǎn)生影響。同時(shí)，現(xiàn)有研究多從靜態(tài)角度分析，忽略了影響可能具有長期性。因此，我們從動(dòng)態(tài)角度分析養(yǎng)老及醫(yī)療保險(xiǎn)水平對生育水平的影響，以期為政策改革提供參考。

1 指標(biāo)選取及數(shù)據(jù)來源

1.1 指標(biāo)選取

目前關(guān)于養(yǎng)老保險(xiǎn)水平和醫(yī)療保險(xiǎn)水平學(xué)界沒有形成統(tǒng)一的評價(jià)指標(biāo)。穆懷中[5]是國內(nèi)最早對社會(huì)保障水平概念進(jìn)行界定的學(xué)者，他以社會(huì)保障支出總額與國內(nèi)生產(chǎn)總值的比值來衡量社會(huì)保障制度的發(fā)展與社會(huì)經(jīng)濟(jì)的發(fā)展的匹配程度，以此評價(jià)社會(huì)保障水平的高低，本研究借鑒其方法將養(yǎng)老保險(xiǎn)、醫(yī)療保險(xiǎn)水平界定為養(yǎng)老保險(xiǎn)基金、醫(yī)療保險(xiǎn)基金的支出額同財(cái)政總支出的比例。其中生育水平包括：生育率、總和生育率等。生育率會(huì)受到人口基數(shù)的影響，在人口基數(shù)小的時(shí)候，出生人口的增加會(huì)因?yàn)楣接?jì)算分母較小而出現(xiàn)出生率的快速上漲，易造成偏差?？偤蜕释ㄟ^計(jì)算15 ～ 49歲育齡婦女的分年齡組生育率的總和[6]得出，用來衡量婦女在育齡期平均生育子女的數(shù)量，其數(shù)據(jù)更加直觀，且受人口結(jié)構(gòu)變化的影響較小，常用來反映生育水平的變化趨勢，因此，我們以總和生育率作為生育水平的代理指標(biāo)。

1.2 數(shù)據(jù)來源

養(yǎng)老保險(xiǎn)基金支出來自于國家統(tǒng)計(jì)局，鑒于新型農(nóng)村養(yǎng)老保險(xiǎn)全面推行的時(shí)間為2009年[5]，國家統(tǒng)計(jì)局的新型農(nóng)村養(yǎng)老保險(xiǎn)僅有2009和2010年這2年的數(shù)據(jù)，而2011年后的新型農(nóng)村養(yǎng)老保險(xiǎn)數(shù)據(jù)與城鎮(zhèn)居民養(yǎng)老保險(xiǎn)[7-8]數(shù)據(jù)合并為城鄉(xiāng)居民養(yǎng)老保險(xiǎn)進(jìn)行統(tǒng)計(jì)，因此，每年的養(yǎng)老保險(xiǎn)基金支出計(jì)算方式有所不同，具體為：2000—2008年為城鎮(zhèn)職工養(yǎng)老保險(xiǎn)基金支出數(shù)據(jù)，2009—2010年為城鎮(zhèn)職工養(yǎng)老保險(xiǎn)基金支出與新型農(nóng)村養(yǎng)老保險(xiǎn)基金支出的和，2011—2019年則為城鎮(zhèn)職工養(yǎng)老保險(xiǎn)基金支出與城鄉(xiāng)居民養(yǎng)老保險(xiǎn)基金支出的和；醫(yī)療保險(xiǎn)基金數(shù)據(jù)來源為國家統(tǒng)計(jì)局，醫(yī)療保險(xiǎn)同養(yǎng)老保險(xiǎn)相似，都經(jīng)歷過農(nóng)村居民和城鎮(zhèn)居民保險(xiǎn)合并的過程[9-10]，但國家統(tǒng)計(jì)局醫(yī)療保險(xiǎn)的相關(guān)數(shù)據(jù)并未將城鄉(xiāng)醫(yī)療保險(xiǎn)數(shù)據(jù)與城鎮(zhèn)職工醫(yī)療保險(xiǎn)數(shù)據(jù)分開統(tǒng)計(jì)，因此，醫(yī)療保險(xiǎn)基金支出的統(tǒng)計(jì)數(shù)字可以直接從國家統(tǒng)計(jì)局網(wǎng)站獲取，數(shù)據(jù)選取范圍為2000—2019年；財(cái)政支出總額數(shù)據(jù)來源于國家統(tǒng)計(jì)局年度數(shù)據(jù)中的財(cái)政類別，數(shù)據(jù)選取范圍為2000—2019年；生育水平以總和生育率來衡量，總和生育率宏觀數(shù)據(jù)無全國范圍內(nèi)的統(tǒng)計(jì)，僅能在第6次人口普查等少數(shù)調(diào)查數(shù)據(jù)中獲得，因此，總和生育率數(shù)據(jù)多為抽樣調(diào)查數(shù)據(jù)間接計(jì)算得出，姜全保等[11]通過4種不同的測量方法對總和生育率進(jìn)行計(jì)算，其方法缺失值少，可靠程度高，因此，我們使用其預(yù)測模擬法獲得的2000—2018年總和生育率數(shù)據(jù)，并根據(jù)同樣的方法計(jì)算出2019年的總和生育率數(shù)據(jù)，以此作為生育水平的時(shí)間序列數(shù)據(jù)。

2 結(jié)果

2.1 基本情況

根據(jù)界定，2000—2019年養(yǎng)老保險(xiǎn)水平(endowment security level, ESL)、醫(yī)療保險(xiǎn)水平(medical security level, MSL)與生育水平(total fertility rate,TFR)的數(shù)據(jù)計(jì)算匯總于表1。

表1 養(yǎng)老保險(xiǎn)水平、醫(yī)療保險(xiǎn)水平、生育水平統(tǒng)計(jì)

2.2 模型選擇與單位根檢驗(yàn)

2.2.1 模型選擇

VAR模型（向量自回歸）最初由2011年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者Sims Christopher于1980年提出，該模型以多個(gè)回歸方程式組合的形式出現(xiàn)，通過做自變量的若干滯后期數(shù)值來分析其因變量的回歸關(guān)系，進(jìn)而估計(jì)出全部研究變量之間的動(dòng)態(tài)關(guān)系，常用來衡量社會(huì)經(jīng)濟(jì)指標(biāo)之間的動(dòng)態(tài)線性關(guān)系，公式為：一個(gè)N維P階（維數(shù)代表研究變量的個(gè)數(shù)，階數(shù)代表變量的滯后期數(shù)）的VAR模型的標(biāo)準(zhǔn)形式如下：

其中A0是截距項(xiàng)，Ai為回歸系數(shù)，p是滯后階數(shù)，et是隨機(jī)誤差項(xiàng)。

VAR模型通常使用矩陣的形式表示：

從2-2式中可以看出，Mt表示研究內(nèi)生變量的列向量，可以理解為因變量的列向量。VAR模型的內(nèi)生變量因不需要嚴(yán)格的理論條件，通過對自變量做滯后階數(shù)的回歸分析，既可以研究不同內(nèi)生變量對因變量的滯后期影響，也可以研究內(nèi)生變量自身對自身是否存在滯后效應(yīng)，同時(shí)因只研究內(nèi)生變量的滯后項(xiàng)，就避免了模型中出現(xiàn)同期變量，避免自相關(guān)性的出現(xiàn)。模型的估計(jì)采用最小二乘法，方差的平方和為最小，擬合效果更好。養(yǎng)老保險(xiǎn)水平、醫(yī)療保險(xiǎn)水平同生育水平是典型的動(dòng)態(tài)時(shí)間序列數(shù)據(jù)，VAR模型通過變量滯后期的回歸分析易于研究變量之間的動(dòng)態(tài)關(guān)系。

2.2.2 單位根檢驗(yàn)

在進(jìn)行VAR模型建模之前，需要對變量進(jìn)行單位根檢驗(yàn)，以避免時(shí)間序列數(shù)據(jù)出現(xiàn)虛假趨勢而造成偽回歸。單位根檢驗(yàn)又以ADF檢驗(yàn)為最常用，使用EVIWES軟件進(jìn)行ADF單位根檢驗(yàn)，結(jié)果見表2。

由表2可知，ESL、MSL、TFR這3項(xiàng)的ADF統(tǒng)計(jì)量均>1%、5%、10%下的臨界值，即表示ADF檢驗(yàn)不能拒絕原假設(shè)，說明變量序列不滿足平穩(wěn)性要求。檢驗(yàn)結(jié)果不能拒絕原假設(shè)的情況下，需要對其一階差分序列進(jìn)行單位根檢驗(yàn)，結(jié)果見表3。

表2 ADF統(tǒng)計(jì)

由表3可知，一階差分后的DESL、DMSL、DTFR其ADF統(tǒng)計(jì)量分別小于10%、1%和5%的臨界值，均小于10%的臨界值，即表示變量序列均拒絕原假設(shè)，皆滿足平穩(wěn)性要求。

表3 一階差分ADF檢驗(yàn)統(tǒng)計(jì)

2.3 VAR建模分析

在定義VAR模型之前，一個(gè)關(guān)鍵的因素是需要對其進(jìn)行滯后階數(shù)的確定。滯后階數(shù)的選擇在VAR模型中非常重要，當(dāng)選擇的滯后階數(shù)高于真實(shí)的滯后階數(shù)時(shí)，模型出現(xiàn)過度擬合的狀態(tài)，使得VAR模型的均方預(yù)測誤差增大。然而，當(dāng)選擇的滯后階數(shù)過小時(shí)，又會(huì)導(dǎo)致VAR模型的誤差項(xiàng)出現(xiàn)自相關(guān)情況。因此，需要對VAR模型的滯后階數(shù)進(jìn)行準(zhǔn)確的檢驗(yàn)，目前常用的滯后階數(shù)檢驗(yàn)方法主要有似然比檢驗(yàn)(LR)、赤地信息準(zhǔn)則檢驗(yàn)(AIC)、施瓦茨準(zhǔn)則檢驗(yàn)(SC)和漢南-奎因準(zhǔn)則檢驗(yàn)(HQ)。使用EVIEWS軟件進(jìn)行滯后階數(shù)檢驗(yàn)，結(jié)果見表4。

表4 滯后階數(shù)檢驗(yàn)

根據(jù)表4結(jié)果可知，LR檢驗(yàn)值最大值在滯后1期，AIC、HQ檢驗(yàn)值的最小值在滯后2期，SC檢驗(yàn)值最小值在滯后1期，在AIC檢驗(yàn)值和SC檢驗(yàn)值不在同一列的情況下，以AIC檢驗(yàn)值作為選擇，因此，選擇滯后2期作為建立VAR模型的最優(yōu)滯后階數(shù)。在完成平穩(wěn)性檢驗(yàn)和最優(yōu)滯后階數(shù)選擇后，根據(jù)公式2-1，將一階差分后的DESL、MSL、DTFR作為內(nèi)生變量，常數(shù)項(xiàng)C作為外生變量，使用Eviews軟件進(jìn)行滯后二階的模型計(jì)算，可得以下回歸方程：

從生育水平的VAR公式2-3來看，醫(yī)療保險(xiǎn)水平的滯后期對生育水平有非常明顯的負(fù)向擠出效應(yīng)，滯后1期和滯后2期的影響系數(shù)達(dá)到了-4.1和-4.19，醫(yī)療保險(xiǎn)水平每提升1%，生育水平就下降4%以上。養(yǎng)老保險(xiǎn)的滯后期對總和生育的影響，第1期為-1.91，第2期為2.7，養(yǎng)老保險(xiǎn)水平對生育水平的影響具有先負(fù)后正的滯后效應(yīng)。從影響系數(shù)來看，養(yǎng)老保險(xiǎn)水平的提升，滯后1期內(nèi)可能顯著降低生育水平，即養(yǎng)老保險(xiǎn)水平每提升1%，生育水平隨之下降1.91%，但滯后2期影響關(guān)系將顯著轉(zhuǎn)正，養(yǎng)老保險(xiǎn)水平每提升1%，將對生育水平有2.7%的促進(jìn)作用。

2.4 脈沖響應(yīng)與方差分解

2.4.1 脈沖響應(yīng)

VAR模型通過構(gòu)建自變量的滯后期函數(shù)來研究變量之間的動(dòng)態(tài)關(guān)系，但其無法衡量變量之間的當(dāng)期關(guān)系，而脈沖響應(yīng)分析通過做誤差項(xiàng)的沖擊反應(yīng)，同時(shí)根據(jù)期數(shù)的不同，可以做變量之間的中長期影響關(guān)系分析，因此，脈沖響應(yīng)分析通常作為VAR模型的補(bǔ)充部分出現(xiàn)在建模分析的過程中，下文使用EVIEWS進(jìn)行脈沖響應(yīng)分析，橫軸是觀察期的期數(shù)，觀察期設(shè)置為20期，縱軸是單位沖擊所引起響應(yīng)變量波動(dòng)的值，曲線展示的是脈沖響應(yīng)函數(shù)。

由圖1可知，養(yǎng)老保險(xiǎn)水平給予生育水平1個(gè)單位的正向沖擊，生育水平會(huì)在當(dāng)期做出正向反應(yīng)，系數(shù)為0.027，并在第2期快速由正轉(zhuǎn)負(fù)，第4期時(shí)再次轉(zhuǎn)正，基本以2期為單位上下波動(dòng)，在14期之后逐漸收斂，實(shí)際上，收斂僅僅是系數(shù)趨近于0，但并未實(shí)際達(dá)到0，養(yǎng)老保險(xiǎn)水平對生育水平的影響，在15 ～ 20期內(nèi)同樣存在，但在2 ～ 4期的變化趨勢中與VAR模型分析相似，即養(yǎng)老保險(xiǎn)水平對生育水平有一定的負(fù)向影響，因此，脈沖響應(yīng)在第2期（VAR模型的滯后1期）及之后的影響關(guān)系更加可靠，可見養(yǎng)老保險(xiǎn)水平對生育水平的影響總體也是先負(fù)后正，并不是保持穩(wěn)定的正向或負(fù)向關(guān)系。

圖1 養(yǎng)老保險(xiǎn)水平對生育水平的脈沖響應(yīng)

由圖2可知，醫(yī)療保險(xiǎn)水平給予生育水平1個(gè)單位的正向沖擊，生育水平在當(dāng)期會(huì)做出正向反應(yīng)，隨后在第2期會(huì)快速轉(zhuǎn)負(fù)，在第4期再次轉(zhuǎn)正，且在第14期后趨于收斂（同養(yǎng)老保險(xiǎn)相似，醫(yī)療保險(xiǎn)水平對生育水平的影響在15 ～ 20期內(nèi)同樣存在，但影響系數(shù)十分微弱）。醫(yī)療保險(xiǎn)水平對生育水平的影響同養(yǎng)老保險(xiǎn)水平對生育水平的影響有高度的相似性，基本都以2期為單位上下波動(dòng)，且考慮生育行為的時(shí)間滯后性，都在第2期為負(fù)，隨著時(shí)間的推移影響會(huì)逐漸轉(zhuǎn)正。

圖2 醫(yī)療保險(xiǎn)水平對生育水平的脈沖響應(yīng)

2.4.2 方差分解

方差分解是通過分析脈沖響應(yīng)對模型各個(gè)結(jié)構(gòu)沖擊產(chǎn)生的影響，進(jìn)而衡量自變量對因變量的動(dòng)態(tài)貢獻(xiàn)程度的一種方法，可理解為自變量隨著時(shí)間的推移對因變量變化趨勢的重要性，通常作為VAR模型建模的補(bǔ)充分析部分，使用Eviews軟件進(jìn)行方差分解，分別以養(yǎng)老保險(xiǎn)水平、醫(yī)療保險(xiǎn)水平及生育水平作為自變量，研究其對因變量的貢獻(xiàn)程度。圖3中，橫軸代表觀察期期數(shù)，以20期為觀察周期，縱軸代表的是自變量對因變量的貢獻(xiàn)率(%)，曲線代表自變量對因變量貢獻(xiàn)程度的時(shí)間變化函數(shù)，其中DESL代表養(yǎng)老保險(xiǎn)水平對生育水平貢獻(xiàn)程度的時(shí)間變化函數(shù)，DMSL代表醫(yī)療保險(xiǎn)水平對生育水平貢獻(xiàn)程度的時(shí)間變化函數(shù)，DTFR代表生育水平對自身貢獻(xiàn)程度的時(shí)間變化函數(shù)。

由圖3可知，生育水平的貢獻(xiàn)程度中，其自身的貢獻(xiàn)程度最大，在第1期達(dá)到了64.8%，隨后小幅度下降，在第3期下降到56.3%后趨于穩(wěn)定，可以看出，生育水平對自身的波動(dòng)影響十分明顯，即生育水平的變化，有超過一半的貢獻(xiàn)來自于其自身；養(yǎng)老保險(xiǎn)水平、醫(yī)療保險(xiǎn)水平對生育水平的貢獻(xiàn)程度曲線具有相似性，都在第1期最低，分別為24.9%、10.3%，隨后均小幅度上升，分別在第2期和第4期達(dá)到最大值28.7%和16.9%，隨后趨于穩(wěn)定。養(yǎng)老保險(xiǎn)水平、醫(yī)療保險(xiǎn)水平對生育水平的影響在前期呈現(xiàn)上升趨勢，隨后趨于穩(wěn)定，說明養(yǎng)老保險(xiǎn)水平和醫(yī)療保險(xiǎn)水平對生育水平的影響具有一定的滯后性。

圖3 養(yǎng)老保險(xiǎn)水平、醫(yī)療保險(xiǎn)水平、生育水平對生育水平的貢獻(xiàn)程度

3 討論

根據(jù)實(shí)證分析，養(yǎng)老保險(xiǎn)水平對生育水平滯后1期時(shí)具有抑制作用，滯后2期時(shí)，養(yǎng)老保險(xiǎn)水平對生育水平的影響由-1.91轉(zhuǎn)為2.7。脈沖響應(yīng)結(jié)果與VAR模型的結(jié)論基本相似，即脈沖響應(yīng)2期（VAR滯后1期）時(shí)，養(yǎng)老保險(xiǎn)水平會(huì)對生育水平產(chǎn)生負(fù)向的擠出效應(yīng)，第3期時(shí)，會(huì)由負(fù)向擠出效應(yīng)轉(zhuǎn)變?yōu)檎虻氖杖胄?yīng)。方差分解中，養(yǎng)老保險(xiǎn)水平的變動(dòng)對生育水平變動(dòng)的解釋程度在第2期可達(dá)到28%，并且其他期數(shù)的系數(shù)也較為穩(wěn)定，說明養(yǎng)老保險(xiǎn)水平對生育水平的變化有一定的重要性。綜合分析認(rèn)為，養(yǎng)老保險(xiǎn)水平對生育水平的影響機(jī)制前期為負(fù)，隨著時(shí)間的推移逐漸轉(zhuǎn)正，且影響可能達(dá)到15年以上。目前國內(nèi)外養(yǎng)老保險(xiǎn)與生育水平的研究中，主流觀點(diǎn)認(rèn)為養(yǎng)老保險(xiǎn)水平的提高對生育水平的保險(xiǎn)功能產(chǎn)生替代效應(yīng)，進(jìn)而抑制生育水平的提升[12-14]，也有部分學(xué)者[15-16]發(fā)現(xiàn)，在考慮收入的前提下，養(yǎng)老保險(xiǎn)水平的提升有助于降低生育成本，進(jìn)而對生育意愿和生育數(shù)量起到促進(jìn)作用，而本研究結(jié)論與上述文獻(xiàn)存在一定出入，認(rèn)為養(yǎng)老保險(xiǎn)水平對生育水平的影響具有動(dòng)態(tài)變化，且與Gary等[17]在非利他性假設(shè)下的研究結(jié)論相似，即養(yǎng)老保險(xiǎn)對生育水平的負(fù)面影響會(huì)因制度的完善而逐漸消失甚至轉(zhuǎn)正。因此，推進(jìn)養(yǎng)老保險(xiǎn)制度完善可能有助于養(yǎng)老保險(xiǎn)對生育水平產(chǎn)生正向促進(jìn)作用。

醫(yī)療保險(xiǎn)水平在滯后2期內(nèi)均為負(fù)影響，且影響的絕對值較大，分別為-4.1和-4.19。脈沖響應(yīng)發(fā)現(xiàn)醫(yī)療保險(xiǎn)水平對生育水平的影響也存在由負(fù)轉(zhuǎn)正的情況。而方差分解中，醫(yī)療保險(xiǎn)水平對生育水平的最大解釋程度僅為16%。因此，就醫(yī)療保險(xiǎn)水平對生育水平影響的VAR模型系數(shù)、脈沖響應(yīng)系數(shù)、方差分解系數(shù)綜合來看，VAR模型系數(shù)的絕對值較大，而脈沖響應(yīng)和方差分解系數(shù)的絕對值較小，這可能說明醫(yī)療保險(xiǎn)水平對生育水平的影響主要體現(xiàn)在VAR模型的滯后2期內(nèi)，以短期負(fù)向影響為主。目前關(guān)于醫(yī)療保險(xiǎn)對生育水平影響的相關(guān)研究十分有限，且研究觀點(diǎn)大相徑庭，以醫(yī)療保險(xiǎn)對生育水平無顯著影響[18]、醫(yī)療保險(xiǎn)對生育水平具有負(fù)向影響[19]和根據(jù)保險(xiǎn)類型的不同影響具有異質(zhì)性[20-21]3種觀點(diǎn)為主。我們的分析結(jié)論與部分文獻(xiàn)相似，雖然研究結(jié)論認(rèn)為醫(yī)療保險(xiǎn)水平對生育水平的影響以短期負(fù)向?yàn)橹?，但提高醫(yī)療保險(xiǎn)水平對降低家庭醫(yī)療負(fù)擔(dān)依然具有重要現(xiàn)實(shí)意義，并可能對降低生育成本、提高生育水平具有潛在影響。

本研究針對養(yǎng)老保險(xiǎn)及醫(yī)療保險(xiǎn)水平對生育水平的影響，從滯后期動(dòng)態(tài)視角對三者進(jìn)行了分析，彌補(bǔ)了相關(guān)文獻(xiàn)研究在動(dòng)態(tài)分析上的欠缺，同時(shí)研究結(jié)論為制定養(yǎng)老保險(xiǎn)與生育水平協(xié)調(diào)發(fā)展的政策提供了實(shí)證參考，并且彌補(bǔ)了醫(yī)療保險(xiǎn)對生育水平實(shí)證研究的空白，提供了新的實(shí)證研究證據(jù)。通過宏觀經(jīng)濟(jì)的分析，有利于把握社會(huì)經(jīng)濟(jì)指標(biāo)之間的整體關(guān)系。但生育行為十分復(fù)雜，尤其受個(gè)人層面，如經(jīng)濟(jì)、教育、性別等因素的影響，而宏觀經(jīng)濟(jì)分析無法準(zhǔn)確衡量個(gè)體在宏觀政策對生育意愿產(chǎn)生影響的過程中可能做出的不同政策反應(yīng)，進(jìn)而可能造成政策評估的失真，這也是本研究的主要不足之處。因此，從微觀層面將個(gè)人、經(jīng)濟(jì)、政策因素等指標(biāo)與養(yǎng)老保險(xiǎn)、醫(yī)療保險(xiǎn)保障水平的變化進(jìn)行結(jié)合，進(jìn)一步分析養(yǎng)老保險(xiǎn)與醫(yī)療保險(xiǎn)對生育水平的影響是否會(huì)因?yàn)槲⒂^指標(biāo)的影響而產(chǎn)生不同，對于進(jìn)一步提高研究的政策參考可靠性十分必要，也將是本研究后續(xù)的研究重點(diǎn)。