李浩迪，劉一帆，李夫明

(山東理工大學(xué) 數(shù)學(xué)與統(tǒng)計(jì)學(xué)院, 山東 淄博 255049)

受經(jīng)濟(jì)發(fā)展、社會(huì)轉(zhuǎn)型以及生育政策等因素的影響，我國(guó)的人口發(fā)展近些年表現(xiàn)出超低生育率、人口老齡化和新生兒性別比例失調(diào)等情形。為改變這一現(xiàn)狀，中國(guó)政府在 2013年末啟動(dòng)單獨(dú)二孩政策，2016年初推出全面二孩政策。政策實(shí)施后，我國(guó)新生兒人口數(shù)量短期內(nèi)有一定程度的回升，但未能改變生育水平持續(xù)走低的趨勢(shì)?；诮┠甑男律鷥喝丝跀?shù)量對(duì)未來幾年新生兒人口數(shù)量進(jìn)行預(yù)測(cè)，不僅有利于掌握我國(guó)未來人口的數(shù)量變化情況，還可以為國(guó)家及時(shí)制定相關(guān)政策提供信息支撐，具有重要的現(xiàn)實(shí)意義。

人口預(yù)測(cè)[1]是根據(jù)現(xiàn)有的人口狀況并考慮影響人口發(fā)展的各種因素，按照科學(xué)的方法，測(cè)算在未來某個(gè)時(shí)間的人口規(guī)模、水平和趨勢(shì)。在已有的研究中，出現(xiàn)了多種人口預(yù)測(cè)的方法，如人口增長(zhǎng)率推算法、Leslie模型、Logistic增長(zhǎng)模型、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)等。劉曉艷等[2]應(yīng)用變參數(shù)年齡移算法模型，對(duì)我國(guó)未來20年人口數(shù)量和人口結(jié)構(gòu)變化趨勢(shì)進(jìn)行預(yù)測(cè)；孟令國(guó)等[3]采用PDE模型，以第六次全國(guó)人口普查數(shù)據(jù)為基礎(chǔ)，設(shè)定生育率低、中、高3種不同方案進(jìn)行推演, 預(yù)測(cè)了我國(guó)2015—2050年人口結(jié)構(gòu)變化走勢(shì)；郭震威等[4]從人口總量岡波斯 (Gompertz) 和邏輯斯蒂 (Logistic) 基本預(yù)測(cè)模型出發(fā)，依據(jù)2010年人口普查數(shù)據(jù), 采用孩次遞進(jìn)生育預(yù)測(cè)方法對(duì)未來中國(guó)人口發(fā)展過程進(jìn)行情景模擬，給出了未來人口政策建議。

本文將在獲取歷年新生兒出生量數(shù)據(jù)的基礎(chǔ)上，分別使用時(shí)間序列預(yù)測(cè)模型與灰色預(yù)測(cè)模型進(jìn)行短期預(yù)測(cè)。由于兩種預(yù)測(cè)模型在預(yù)測(cè)效果上各有優(yōu)劣，為了得到更好的預(yù)測(cè)效果，通過構(gòu)建組合預(yù)測(cè)模型實(shí)現(xiàn)最終預(yù)測(cè)。由于剛剛出臺(tái)的一對(duì)夫妻可以生育三個(gè)子女政策，通常會(huì)對(duì)未來幾年新生兒的數(shù)量帶來一定沖擊，因此本文也對(duì)組合預(yù)測(cè)得出的結(jié)果進(jìn)行必要的修正。

1 單項(xiàng)預(yù)測(cè)模型及組合模型

1.1 時(shí)間序列ARIMA模型

ARIMA模型[5]在ARMA模型的基礎(chǔ)上發(fā)展而來。

1.1.1 三大經(jīng)典的ARMA模型

1)自回歸模型(AR)。自回歸模型假定時(shí)間序列的未來值主要由其前期的歷史觀測(cè)值決定。p階自回歸模型可表達(dá)為

(1)

式中：yt是當(dāng)前值；μ是常數(shù)項(xiàng)；γi是自相關(guān)系數(shù)；εt是白噪聲擾動(dòng)，通常取E(εt)=0,var(εt)=σ2。

2)移動(dòng)平均模型(MA)。移動(dòng)平均模型假定時(shí)間序列的未來值主要由其前期的歷史擾動(dòng)值決定。q階的移動(dòng)平均模型可表達(dá)為

(2)

式中：yt是當(dāng)前值；μ是常數(shù)項(xiàng)；θi為誤差項(xiàng)系數(shù)；εt是白噪聲擾動(dòng)，通常取E(εt)=0,var(εt)=σ2。

3)自回歸移動(dòng)平均模型(ARMA)。將自回歸模型和移動(dòng)平均模型相結(jié)合，可得到自回歸移動(dòng)平均模型。ARMA(p,q)模型可表達(dá)為

(3)

式中參數(shù)及有關(guān)假設(shè)與上述兩個(gè)模型保持一致。

1.1.2 差分自回歸移動(dòng)平均模型ARIMA

將自回歸移動(dòng)平均模型和簡(jiǎn)單差分相結(jié)合，得到差分自回歸移動(dòng)平均模型。ARIMA(p,d,q)模型可表達(dá)為

(4)

式中：B是后移算子；d是使得差分序列首次達(dá)到寬平穩(wěn)的階數(shù)；其他參數(shù)及有關(guān)假設(shè)與ARMA模型保持一致。

1.1.3 ARIMA建模的一般過程

一般來說，建立ARIMA模型要?dú)v經(jīng)以下幾個(gè)階段：數(shù)據(jù)的平穩(wěn)化處理、模型識(shí)別和定階、參數(shù)估計(jì)、模型檢驗(yàn)以及模型預(yù)測(cè)。

1)數(shù)據(jù)的平穩(wěn)化處理

為減小數(shù)據(jù)的振動(dòng)幅度，使線性規(guī)律更加明顯，對(duì)原始序列進(jìn)行平方根或取對(duì)數(shù)的處理。

對(duì)上述經(jīng)過變換后的序列進(jìn)行差分后，還需要實(shí)施單位根檢驗(yàn)來判斷差分序列是否達(dá)到平穩(wěn)。

對(duì)yt進(jìn)行d階差分的公式為

d(yt,d)=(1-B)dyt,

(5)

式中：d(yt,d)是序列yt的d階簡(jiǎn)單差分序列；d是使序列yt首次達(dá)到平穩(wěn)的階數(shù)；B為后運(yùn)算子。

2)模型識(shí)別和定階

(1)自相關(guān)函數(shù)ACF(autocorrelation function)與偏自相關(guān)函數(shù)PACF(partial autocorrelation function)定階法。根據(jù)(偏)自相關(guān)函數(shù)拖尾與截尾的特征，確定模型的階數(shù)，判別準(zhǔn)則見表1。

表1 模型判別準(zhǔn)則

該方法對(duì)AR模型和MA模型定階較為有效，但對(duì)ARMA模型定階則較為困難，通常還需采用一些經(jīng)驗(yàn)準(zhǔn)則。

(2)準(zhǔn)則函數(shù)定階法。常用的信息準(zhǔn)則有AIC準(zhǔn)則和BIC準(zhǔn)則，各自的計(jì)算公式如下：

AIC=2r-2ln[L]，

(6)

式中：r是模型的獨(dú)立參數(shù)個(gè)數(shù)；L是模型的極大似然值。

BIC=ln(N)r-2ln[L],

(7)

式中：N是觀測(cè)數(shù)據(jù)的個(gè)數(shù)；r是模型的獨(dú)立參數(shù)個(gè)數(shù)；L為模型的極大似然值。

通過多次嘗試計(jì)算，使得AIC或者BIC最小的階數(shù)，即為最適合數(shù)據(jù)的階。

3)參數(shù)估計(jì)

確定出序列適合的模型及對(duì)應(yīng)的階數(shù)之后，可以使用矩估計(jì)、條件最小二乘估計(jì)以及條件最大似然估計(jì)等方法對(duì)模型中的參數(shù)進(jìn)行估計(jì)。

4)模型檢驗(yàn)

所建ARMA模型的合理性，主要看“過濾”出的殘差是否具有純隨機(jī)性，即考察殘差序列是否為零均值的白噪聲序列。原假設(shè)為殘差序列是白噪聲序列，常用的檢驗(yàn)統(tǒng)計(jì)量為Box-Pierce統(tǒng)計(jì)量，即

(8)

5)模型預(yù)測(cè)

模型檢驗(yàn)通過后，則可進(jìn)一步采用正交投影預(yù)測(cè)法、條件期望預(yù)測(cè)法等對(duì)時(shí)間序列未來幾期的取值進(jìn)行短期預(yù)測(cè)。

1.2 灰色系統(tǒng)預(yù)測(cè)模型GM(1,1)

1.2.1灰色模型GM(1,1)

灰色系統(tǒng)理論[6]基于關(guān)聯(lián)空間、光滑離散函數(shù)等概念定義灰導(dǎo)數(shù)與灰微分方程，進(jìn)而用離散數(shù)據(jù)列建立微分方程形式的動(dòng)態(tài)模型，即灰色模型是利用離散隨機(jī)數(shù)經(jīng)過生成變?yōu)殡S機(jī)性被顯著削弱而且較有規(guī)律的生成數(shù)，建立起的微分方程形式的模型，這樣便于對(duì)其變化過程進(jìn)行研究和描述。G表示grey(灰色)，M表示model(模型)。

定義x(1)的灰導(dǎo)數(shù)為

d(k)=x(0)(k)=x(1)(k)-x(1)(k-1)，

(9)

令z(1)(k)為數(shù)列x(1)的鄰值生成數(shù)列，即

z(1)(k)=αx(1)(k)+(1-αx(1))，

(10)

于是定義GM(1,1)的灰微分方程模型為

d(k)+αz(1)(k)=b

(11)

或

x(0)(k)+αz(1)(k)=b，

(12)

式中：x(0)(k)是灰導(dǎo)數(shù)；α是發(fā)展系數(shù)；z(1)(k)是白化背景；b是灰作用量。

將時(shí)刻k=2,3,…,n代入式(12)有

(13)

引入矩陣向量記號(hào)

(14)

于是GM(1,1)模型可表示為Y=Bu。

a和b的值可以用一元線性回歸求解，也就是用最小二乘法求它們的估計(jì)值，即

(15)

1.2.2GM(1,1)的白化型

(16)

1.2.3GM(1,1)灰色預(yù)測(cè)的步驟

1)數(shù)據(jù)的檢驗(yàn)與處理

為保證GM(1，1)建模方法的可行性，需要對(duì)已知數(shù)據(jù)進(jìn)行必要的檢驗(yàn)處理。

設(shè)原始數(shù)據(jù)列為x(0)=(x(0)(1),x(0)(2),…,x(0)(n))，計(jì)算數(shù)列的級(jí)比為

(17)

y(0)(k)=x(0)(k)+c,k=1,2,…，n，

(18)

取c使得數(shù)據(jù)列的級(jí)比都落在可容覆蓋區(qū)間內(nèi)。

2)建立GM(1,1)模型

不妨設(shè)x(0)=(x(0)(1),x(0)(2),…,x(0)(n))滿足上面的要求，以它為數(shù)據(jù)列建立GM(1，1)模型為

x(0)(k)+αz(1)(k)=b。

(19)

用回歸分析求得a，b的估計(jì)值，于是相應(yīng)的白化模型為

(20)

解為

(21)

于是得到

k=1,2,…,n-1，

(22)

從而相應(yīng)地得到預(yù)測(cè)值為

k=1,2,…,n-1。

(23)

3)檢驗(yàn)預(yù)測(cè)值

(1)殘差檢驗(yàn)

殘差

(24)

相對(duì)誤差

(25)

(2)后驗(yàn)差檢驗(yàn)

均值

(26)

方差

(27)

殘差的均值

(28)

殘差的方差

(29)

后驗(yàn)差比值

(30)

小誤差概率

(31)

(3)預(yù)測(cè)精度等級(jí)

預(yù)測(cè)精度等級(jí)對(duì)照如下：

(32)

1.3 組合模型

單個(gè)預(yù)測(cè)模型考慮的因素有限，可能出現(xiàn)信息利用不全面、甚至模型誤用風(fēng)險(xiǎn)；同時(shí)，新生兒出生數(shù)量序列作為一個(gè)復(fù)雜系統(tǒng)，包含諸多隨機(jī)和不確定因素。因此，選用組合模型[7]進(jìn)行預(yù)測(cè)是較為合適的。組合模型可以通過對(duì)各個(gè)預(yù)測(cè)模型加權(quán)平均，把單一預(yù)測(cè)模型的優(yōu)點(diǎn)集合起來，形成預(yù)測(cè)精度更高的預(yù)測(cè)模型，使得結(jié)果更加準(zhǔn)確。

1.3.1 權(quán)值的確定

(33)

1.3.2 模型組合

基于上述權(quán)重，求得組合預(yù)測(cè)公式為

(34)

2 實(shí)證分析

2.1 數(shù)據(jù)分析

根據(jù)國(guó)家統(tǒng)計(jì)局編著的《中國(guó)統(tǒng)計(jì)年鑒——2020》中的每年總?cè)丝跀?shù) (年末) 以及每年出生率計(jì)算出近十幾年的出生人口數(shù) (截至2019 年)，又由中國(guó)新聞網(wǎng)得知，全國(guó)2020年出生人口為1 200萬人，得到歷年出生人口數(shù)據(jù)見表2，繪制的折線圖如圖1所示。

表2 歷年人口出生數(shù)據(jù)

圖1 出生人口折線圖

由圖1可以看出，2000—2003年我國(guó)每年新生兒人口數(shù)量有輕微下降，2003—2012年我國(guó)每年新生兒人口數(shù)量較穩(wěn)定，2013—2016年有輕微的上升趨勢(shì)，但 2016—2020年我國(guó)每年新生兒人口數(shù)量便出現(xiàn)了急劇暴跌的趨勢(shì)。

2.2 時(shí)間序列預(yù)測(cè)模型ARIMA

2.2.1 時(shí)間序列預(yù)處理

1)初步判斷原始序列的平穩(wěn)性。從圖1看出，2000—2020年我國(guó)每年新出生嬰兒的數(shù)據(jù)是不平穩(wěn)的，這個(gè)判斷比較粗糙，需要用統(tǒng)計(jì)方法進(jìn)一步驗(yàn)證。

2)利用eviews對(duì)原始序列進(jìn)行單位根檢驗(yàn)(見表3)。

表3 原始序列單位根檢驗(yàn)

3)原始數(shù)據(jù)平穩(wěn)化。對(duì)原始序列yt進(jìn)行以下處理：

其次，對(duì)序列zt進(jìn)行二階差分運(yùn)算，得到序列d(zt,2)，對(duì)其進(jìn)行單位根檢驗(yàn)，結(jié)果見表4。

表4 預(yù)處理后序列單位根檢驗(yàn)

2.2.2 模型的識(shí)別與定階

根據(jù)截尾、拖尾的特征(如圖2所示)，并進(jìn)行了必要的試算，最終確定的最佳階數(shù)為p= 1，q= 1，則確定的模型為 ARIMA(1,2,1)。

圖2 平穩(wěn)化序列的自相關(guān)序列圖

2.2.3 參數(shù)估計(jì)

回歸模型各參數(shù)見表5?；?000—2020年全國(guó)歷年新生兒人口數(shù)據(jù)所建立的時(shí)間序列預(yù)測(cè)模型為

表5 回歸模型表

d(zt,2)+0.489 9d(zt-1,2)=

εt-0.157 0εt-1，

(35)

式中：εt是第t年的隨機(jī)擾動(dòng)；d(zt,2)是平穩(wěn)化序列的觀測(cè)值。

2.2.4 模型驗(yàn)證及預(yù)測(cè)

1)模型驗(yàn)證。殘差序列的白噪聲檢驗(yàn)結(jié)果見表6。由表6可得，當(dāng)選擇顯著性水平為 10% 時(shí)，各期殘差的P-值均大于 0.1，不能拒絕原假設(shè)，則上述模型的殘差序列通過了白噪聲檢驗(yàn)，即基于原始數(shù)據(jù)所建立的 ARIMA 模型是可行的。

表6 殘差序列的自相關(guān)序列表

2)模型預(yù)測(cè)。對(duì)未來3年全國(guó)新生兒人口數(shù)據(jù)進(jìn)行預(yù)測(cè)，結(jié)果見表7。

表7 預(yù)測(cè)結(jié)果表

2.3 滾動(dòng)GM(1,1)模型預(yù)測(cè)

2.3.1 級(jí)比檢驗(yàn)

基于 Matlab 實(shí)現(xiàn)GM(1,1)模型后，通過代入歷年出生人口數(shù)據(jù)對(duì)比預(yù)測(cè)精度等級(jí)，確定了以5期數(shù)據(jù)為代入數(shù)據(jù)，預(yù)測(cè)期數(shù)為1期的滾動(dòng)GM(1,1)模型效果最佳。滾動(dòng)的含義是：首先將5年歷史數(shù)據(jù)代入模型中，設(shè)定預(yù)測(cè)期數(shù)為1期，再將得到的新數(shù)據(jù)代入模型，并移除最早一年的數(shù)據(jù)，保證帶入模型的數(shù)據(jù)始終為5期，最終迭代得出期望的多年預(yù)測(cè)數(shù)據(jù)。

由前述內(nèi)容可知，原始數(shù)據(jù)列的級(jí)比應(yīng)落在可容覆蓋區(qū)間內(nèi)才可建立GM(1,1)模型并進(jìn)行灰色預(yù)測(cè)，因此先對(duì)2016—2020年的出生人口進(jìn)行級(jí)比檢驗(yàn)。設(shè)數(shù)列為x(0)=(1 790.609 45,1 727.869 44,1 526.545 72,1 467.252 4,1 200)

根據(jù)式(17)計(jì)算數(shù)列的級(jí)比，得到的結(jié)果為

2.3.2 預(yù)測(cè)結(jié)果

根據(jù)2016—2020年的出生人口，預(yù)測(cè)2021—2023年出生人口，結(jié)果見表8。

表8 預(yù)測(cè)結(jié)果及預(yù)測(cè)誤差表

通過預(yù)測(cè)精度等級(jí)對(duì)比可知，模型預(yù)測(cè)精度良好。

2.4 組合模型的建立

2.4.1 權(quán)重的確定

基于2000—2020年我國(guó)歷年新生兒人口數(shù)據(jù)，第一個(gè)單項(xiàng)預(yù)測(cè)模型(ARIMA模型)的離差平方和為18.784 09，均方誤差為0.939 204 5；第二個(gè)單項(xiàng)預(yù)測(cè)模型(滾動(dòng)灰色預(yù)測(cè)模型)的離差平方和為124 776.686 8，均方誤差為7 798.542 925，得到兩個(gè)預(yù)測(cè)模型的權(quán)數(shù)為

α1=0.999 88，α2=0.000 12。

2.4.2 組合模型

基于上述權(quán)重，求得組合模型為

(36)

因此，利用組合模型對(duì)我國(guó)未來3年新生兒人口數(shù)量的預(yù)測(cè)值見表9。

表9 組合模型預(yù)測(cè)結(jié)果表

2.5 預(yù)測(cè)結(jié)果改進(jìn)

由圖1可以看出，2015年前,我國(guó)每年新生兒人口數(shù)量均保持在1 600萬左右的水平上。2015年10月，中國(guó)共產(chǎn)黨第十八屆中央委員會(huì)第五次全體會(huì)議公報(bào)指出：堅(jiān)持計(jì)劃生育基本國(guó)策，積極開展應(yīng)對(duì)人口老齡化行動(dòng)，實(shí)施全面二孩政策。此政策的頒布使得我國(guó)新生兒人口數(shù)量在2016—2017年有較大幅度的提升，但此影響的效應(yīng)持續(xù)時(shí)間不長(zhǎng)，在2018—2020年間，我國(guó)新生兒人口數(shù)量呈現(xiàn)急劇下滑的趨勢(shì)，在此趨勢(shì)下，我們運(yùn)用組合模型預(yù)測(cè)了2021—2023年我國(guó)新生兒人口數(shù)量。但在2021年5月31日，中共中央政治局召開會(huì)議并指出，為進(jìn)一步優(yōu)化生育政策，實(shí)施一對(duì)夫妻可以生育三個(gè)子女政策及配套支持措施。因此，基于上述組合模型做出的預(yù)測(cè)與實(shí)際存在一定的偏差，則需要我們對(duì)最終的預(yù)測(cè)結(jié)果進(jìn)行改進(jìn)，以適應(yīng)今年剛剛提出的三孩政策。

由文獻(xiàn)[8]可知：從實(shí)施全面二孩政策后的實(shí)際生育狀況的統(tǒng)計(jì)看，大約有 40%～50% 的育齡夫婦生了一個(gè)孩子，40%～50%的育齡夫婦生了兩個(gè)孩子，不到 10% 的育齡夫婦生了三個(gè)及以上的孩子。換言之，二孩育齡人口的規(guī)模基本只占一孩育齡人口的 40%～50%，而三孩生育的規(guī)模和比例將直接受到這一規(guī)模和比例的限制?？紤]到生育政策的影響，因此假設(shè)二孩育齡人口的規(guī)模基本只占一孩育齡人口的 45%，則三孩育齡人口的規(guī)模將占二孩育齡人口的35.56%。根據(jù)上述比例改進(jìn)2022—2023的預(yù)測(cè)結(jié)果分別為934.296 700 0 萬人和633.752 531 0 萬人。

3 結(jié)論及建議

時(shí)間序列分析預(yù)測(cè)模型與灰色預(yù)測(cè)模型都有自身的局限性，不能完全準(zhǔn)確地?cái)M合原始數(shù)據(jù)，造成一些信息的損失，進(jìn)而影響預(yù)測(cè)的準(zhǔn)確性。但是通過均方倒數(shù)法加權(quán)的方式將兩個(gè)模型組合起來，獲得的組合模型能夠更好地反應(yīng)原始數(shù)據(jù)的變化趨勢(shì)，即能夠有效利用原始數(shù)據(jù)的更多信息，從而使得預(yù)測(cè)結(jié)果更加準(zhǔn)確。將灰色系統(tǒng)預(yù)測(cè)模型GM(1,1)和時(shí)間序列預(yù)測(cè)模型ARIMA(1,2,1)，通過加權(quán)組合的方式組合在一起，基于2000—2020年我國(guó)新生兒人口數(shù)據(jù)，對(duì)2021—2023年我國(guó)新生兒人口數(shù)量做了短期預(yù)測(cè)。預(yù)測(cè)結(jié)果表明：我國(guó)未來3年新生兒人口數(shù)量會(huì)繼續(xù)呈下降趨勢(shì)，雖然其下降速率會(huì)出現(xiàn)改變，但其總趨勢(shì)仍為下降趨勢(shì)。之后，將二孩政策的發(fā)布對(duì)我國(guó)新生兒的影響趨勢(shì)與我國(guó)現(xiàn)階段人們所面臨的各種社會(huì)壓力結(jié)合起來，對(duì)2021年5月31日發(fā)布的三孩政策對(duì)我國(guó)新生兒人口數(shù)量的影響做出了估計(jì)，并據(jù)此調(diào)整了預(yù)測(cè)結(jié)果，調(diào)整后的預(yù)測(cè)結(jié)果仍表明：我國(guó)未來幾年的新生兒人口數(shù)量仍呈現(xiàn)大幅下滑趨勢(shì)，沒有回增趨勢(shì)。因此，想要改變我國(guó)現(xiàn)階段的人口結(jié)構(gòu)矛盾，僅通過生育政策的改變是遠(yuǎn)遠(yuǎn)不夠的，還需要從生育觀念等根部究其原因。

二孩政策的開放，沒有使得我國(guó)新生兒人口數(shù)量持續(xù)增加。除前兩年有較為明顯的增長(zhǎng)外，接下來的幾年均呈明顯的下降趨勢(shì)，造成這種現(xiàn)象的原因是多方面的，如社會(huì)生育觀念的轉(zhuǎn)變、經(jīng)濟(jì)社會(huì)的發(fā)展等因素。究其根本，只從生育政策出發(fā)，就想要改變我國(guó)目前人口的主要矛盾是不夠的，還需要從以下幾個(gè)方面做出改變：

1)提升公眾的生育意愿。政府需加強(qiáng)全面二孩政策的宣傳工作，科學(xué)規(guī)范地介紹實(shí)施全面二孩政策的好處，改變以往獨(dú)生子女的觀念[9]，隨著三孩政策的出臺(tái)，政府應(yīng)該提高社會(huì)生產(chǎn)和人均收入，不斷修正公共政策、優(yōu)化公共服務(wù)，才能夠讓人們“敢于生，愿意生”。

2)保障生育假相關(guān)措施。政府應(yīng)完善產(chǎn)假相關(guān)措施，保障女性就業(yè)機(jī)會(huì)，加大對(duì)用人單位的監(jiān)督力度，同時(shí)引入合理的男性“產(chǎn)假”，以緩解女性生育、撫養(yǎng)等壓力，并改善存在已久的職場(chǎng)性別歧視。在社會(huì)輿論方面，應(yīng)積極倡導(dǎo)男女平等思想，呼吁社會(huì)和企業(yè)正確認(rèn)識(shí)生育三孩。

3)完善相關(guān)的配套措施。全面三孩政策的實(shí)施效果離不開各種保險(xiǎn)以及教育設(shè)施等配套措施的完善，也離不開財(cái)政稅收上的大力支持。因此，一方面，要適度提高生育保障水平、醫(yī)療保障水平[10]，合理保障女性在生育期間的收入，并引導(dǎo)用人單位予以財(cái)政上的支持，做好生育的基本保障；另一方面，要加大教育資源的投入，促進(jìn)教育公平，解決“上學(xué)難，上好學(xué)難”的問題。與此同時(shí)，還要加大正規(guī)托兒機(jī)構(gòu)的建設(shè)力度，實(shí)現(xiàn)智能化信息管理， 讓家長(zhǎng)們“放心生”。