法治宣传网
法治宣传网   合作请联系QQ:871973841    热线:010-86399506
法治研究 宪政 行政 廉政 司法 法院 检察 监察 公安 理论
社会经济 社会 经济 国土 环保 文教 医药 养老 三农 民法
律政普法 律政 评论 话题 访谈 普法 案件 公益 资讯 维权

袁晓燕、石磊:户籍如何影响婚姻稳定性-基于中国经验数据的解释

发布时间:2017-10-27      来源: 学术月刊    点击:

作者袁晓燕,陕西师范大学国际商学院讲师、复旦大学经济学院博士后(上海 200433);石磊,复旦大学经济学院教授(上海 200433)。
 
 
 
 
一、导言
 
中国持续多年的农民工进城,使原本简单的城乡户籍关系、婚姻家庭关系变得日益复杂。户籍与工作生活空间分离,是中国社会转型时期带有过渡性质的积极有效的“社会流动”,也引发了城乡公共资源配置结构上的诸多难题,并直接影响男女选择、婚姻稳定性和家庭生活。
 
国家民政部提供的2003—2015年的家庭统计数据显示,中国离婚率快速增长,且连续十二年呈现递增趋势。尤其是2007—2015年的八年间,离婚率增长幅度高达40%。不仅如此,2012年,全国离婚率增幅首次超过结婚率增幅。高离婚率从一定程度上显示了个人婚姻选择有更多的自由,但是,高离婚率却可能给儿童和家庭带来严重的负面影响,也是社会不稳定的重要因素。因此,在当代中国,研究到底哪些因素影响了婚姻满意度具有重要意义。
 
从户籍制度建立至今,城乡户口的差异已经从早期的劳动分工、住所的差异,逐步演变为涉及子女身份、地位、收入、福利、生活条件、就业、教育等方方面面的差异。户籍限制不仅影响劳动力的流动, 对社会生活、婚姻缔结、人口再生产也有重要影响。邢春冰、聂海峰的研究发现,大多数中国人选择和自己同一户籍类型的配偶结婚,城乡户籍之间的婚姻缔结数量很少。不仅如此,近年来,中国婚姻市场还出现了基于城乡分割的结构性失衡现象。一方面,城市中高学历、高收入女性未婚人数大幅增加;另一方面,农村存在着大量低学历、低收入的男性未婚者。更有甚者,即使同为城市户籍,也细分为和其城市规模一致的不同城市户籍类型。以户籍为基础的婚配对其婚姻满意度有多大的影响?这是当前中国一个非常现实和重要的社会问题。在理论和政策上任何有助于解决这一问题的边际贡献,对今后人口政策、城市化和城乡一体化发展,都大有裨益。
 
影响婚姻幸福度的配偶特征匹配研究由来已久。Kalmjin的研究发现,人们总是选择和自己年龄、教育水平以及其他可观察特征接近的配偶结婚。比如,Mare利用美国五十年人口普查数据发现,在美国,大量的男女选择和自己受教育程度相似的配偶结婚。这种基于教育匹配的婚姻选择一方面来自男女双方对于相同教育水平配偶的偏好,另一方面来自婚姻市场在不同受教育程度人群之间的分割。Goldin,Katz and Kuziemko的研究也发现,由于美国婚姻市场上的教育同质匹配,为了寻找到更优质的配偶,女性选择接受高等教育,进而让大学成为其婚姻选择主要潜在市场。这不仅为婚姻的教育匹配提供了新的经验证据,也为世界范围内越来越多的女性接受高等教育提供了一个机制研究的视角。Hitsch,Horacsu and Ariely则发现,在基于个人特征的婚姻匹配中,以双方受教育程度匹配最为显著。而Qian(1998)的研究却表明,美国人在配偶的教育匹配方面存在显著的性别差异。在1970—1980年代,美国男性更可能和比自己教育程度低的配偶结合,但女性则相反;但是到1990年代,男女都更可能选择和自己同等教育程度的配偶。Han运用中国数据发现,在1970—1980年代,人们选择和自己同等教育程度配偶结婚的趋势在降低,而到1980—1995年期间,选择和自己同等教育程度配偶结婚的人数大幅增加,而后还一直表现出稳定的增长趋势。不仅如此,当Lam假定婚姻内部存在可转移效用,并且把家庭公共品引入家庭生产模型时,研究发现由于夫妻可以分享婚姻产出,为此双方都存在向上匹配激励,即每个人都想与教育水平更高的异性结婚,从而最终导致正向聚类匹配结果,即高收入男性与高收入女性匹配。
 
除了教育维度的婚姻匹配,众多学者还从诸如种族、种姓等维度进行了研究。比如,Banerjee et al和Dugar,Bhattacharya and Reiley的研究发现,在印度,人们更倾向于在同一种姓内选择配偶,其原因在于人们对同种姓配偶的偏好。Hitsch,Horacsu and Ariely和Fisman et al的研究表明,美国存在大量基于同种族匹配的婚姻,然而对于诸如收入、家庭背景以及社会地位等维度,人们更倾向于选择条件更好的配偶。Calafat et al也发现,在美国,黑人和白人之间的通婚比率仅为5.5%,其原因主要在于美国存在基于肤色的通婚禁忌。由于印度广泛存在的种姓通婚禁忌,嫁妆成为女性结婚的必要条件之一,为此,Alfona利用印度1983年及1985年实施的禁止嫁妆法的修订及加强处罚力度修改带来的冲击,深入检验收入(成本)变化引发的生育决策行为,研究发现生育性别决策选择在一定程度上反映了孩子经济成本中的性别差异。
 
在中国,婚姻匹配,即“谁与谁结婚”问题,社会学家经常从“阶层内婚制”的角度来讨论夫妻匹配模式,意指人们在择偶时遵循从相同或相似的阶层群体内挑选配偶这一婚配模式。所以,在婚姻择偶方面,中国的传统文化十分重视以“门当户对”为特征的先赋性配对。这在家庭背景这个维度上和Becker的理论不谋而合。李煜研究了教育匹配对于婚姻缔结的影响后发现,由于教育带来的收益更为直接和易于度量,所以中国在20世纪80年代以后,基于教育同质匹配而缔结的婚姻数量快速上升。李银河、徐安琪研究了当代中国择偶标准的变迁后发现,中国人的择偶标准会随着时代的变迁进行调整,但是同质性匹配一直是其核心标准。李煜的研究进一步发现,现代中国婚姻选择基于自己个人特征的同质匹配增强,然而基于以父亲为核心的家庭背景匹配则没有呈现出一致的趋势。邢春冰和聂海峰基于人口普查数据,选择1998年前后婴儿户籍随父母调整的政策作为自然实验,发现1998年后跨户籍通婚的数量显著增加,发现户籍的确是人们选择婚姻时的重要考虑因素。雷晓燕、许文健和赵耀辉则运用Charls 2011—2012全国基线数据,研究了婚姻匹配模式对其婚姻满意度的影响。研究发现,高攀的女性其生活满意度更高、抑郁度更低,而男性则不存在这种关系。而且这种关系和地区的经济发展程度相关。但是上述所有研究都是基于匹配指标和婚姻缔结数量,没有考虑反映中国最大国情的户籍匹配是否影响到婚姻满意度,另一方面也没有对人们为何选择同户籍配偶的倾向予以更多的关注和解释。
 
本文从户籍原因来研究中国现阶段家庭与婚姻所出现的一些新问题,为婚姻匹配理论提供一个中国特有的研究视角。
 
我们的研究发现,夫妻户籍同质匹配意味着更高的婚姻满意度,夫妻户籍类型差距越大,婚姻满意度越低。但是,男性和女性对户籍的同质性存在显著不同的反应。对男性来说,同质户籍明显加强了婚姻的幸福度,而对女性而言,同质户籍却没有给婚姻带来更高的满意度。然而,户籍距离越大,婚姻幸福度越低,这种效应对于女性尤其显著。此外,我们发现,大多数匹配变量都对于婚姻满意度有着积极的正向效应。基于这一结果,本文运用Gale-Shapley方法深入研究了同质户籍带来更高婚姻满意度的深层次原因,结果发现,由于人们对于寻找同一户籍类型配偶的偏好,导致夫妻同质户籍婚姻具有显著高的婚姻满意度。
 
婚姻的稳定性可能受许多因素的影响。本文重点讨论户籍的差异性如何影响婚配婚姻选择、婚姻稳定和家庭的幸福度。
 
本文余下部分安排如下,第二部分讨论理论模型;第三部分对数据进行简单的统计描述和分析;第四部分讨论实证结果;第五部分进行机制研究;第六部分做模型的稳健性检验;最后给出结论。
 
 
 
二、理论模型
 
在中国,户籍制度是城乡差别和隔离的政策性手段。相比农村户籍人口,拥有城市户籍的人口享有更完善的公共服务, 包括教育、住房、医疗和养老等。因此,个人在婚姻选择时,户籍必然是其重要考虑因素之一。不仅如此,基于户籍的考虑,不仅涉及不同类型户籍所代表的社会身份,而且涉及户籍本身所蕴含的经济价值。为此,在构建理论模型之前,我们有以下假设: 
 
假设1:一方面,人们基于户籍的配偶选择源自人们对于户籍所代表社会身份的追求。
 
假设2:另一方面,人们基于户籍的配偶选择源自人们对于户籍所代表经济价值的追求。
 
除此之外,出于理性考虑,一对户籍类型不同的夫妻结婚后,会迁移至户籍类型更高的城市,以便分享户籍带来的经济价值。我们的数据把户籍分为六种:农村、乡镇非农、县城非农、地级市非农、省会非农、直辖市非农。不过,为了简单起见,理论模型中仅按照城市和农村两类户籍进行分类。
 
假设当事人及其配偶由于户籍而带来的婚姻效用函数为:
 
A(i, j)是当事人i选择配偶j后,由于双方户籍而带来的婚姻效用函数。M代表男性,F代表女性。假定农村户籍为1,城市户籍为2。等式右边第二部分捕捉人们对于户籍的偏好。α=0意味着户籍偏好中性,即当事人i对于配偶j的户籍性质不在意;β=0意味着户籍偏好是水平的,即如果找到同户籍类型的配偶会带来更高的效用;γ=0意味着户籍偏好是垂直的,即如果找到更高户籍类型的配偶会带来更高的效用。等式右边第三部分为一个指示函数,代表不同户籍的经济价值。当指示函数为1时,意味着该对夫妻会在城市居住并享受那里的社会服务和福利,否则就会居住在农村。F=M=2为城市女性嫁给城市男性;F=1,M=2为农村女性嫁给了城市男性;F=2,M=1为城市女性嫁给农村男性。这三种情况都意味着指示函数为1,即该对夫妻会移居在城市居住。
 
我们还假定,无论男女,都有其个人的特征。为方便起见,我们假设只存在高质量和低质量两种类型,质量标准可以是收入、教育水平或容貌。源于数据所限,本文采取收入水平作为质量标准。
 
M∈[H, L]代表男性的高质和低质,F∈[H, L]表示女性的高质和低质。
 
因此,个人的婚姻满意度来自两个方面,一方面是和户籍有关的效用,另一方面则是自己及配偶个人特征的效用。为此,我们构建的婚姻满意度函数为:
U G (i, j, x, y)=A(i, j) f (x, y),其中 G ∈ (M, F)             (2)
UG(i, j, x, y)代表个人的婚姻满意度函数,A(i, j)代表婚姻中因为户籍而带来的婚姻满意度,而f(x, y)则代表婚姻中由于不同个人特征所带来的婚姻满意度。
 
假设一名质量为x的城市男性在选择配偶时,面临两种选择:一种是质量为y的城市女性,另一种是较城市女性质量更高的农村女性,我们假设高出ε,那么存在
(1+αβ) f (x, y)=(1-αγ) f (x, y+ε)         (3)
ε为城市户籍的供给价格;
 
此外,假设一个质量为y'的农村女性,其配偶选择为:质量为x'的农村男性,或者是质量较x'低的城市男性,假设这个差距为δ,则有:
(1+αβ-αγ) f (x'-δ, y')= f (x', y')         (4)
我们把δ看作是城市户籍的需求价格。
 
求解(3)、(4)两式,我们得到关于城市户籍的均衡价格为:
ε=δ=ε(x, y, α, β, γ)=δ(x, y, α, β, γ)       (5)
很显然,ε为γ的增函数。
 
但是,当选择主体分别为具有城乡户籍的不同居民时,由于α和β分别代表个人对户籍的偏好是水平或垂直,为此,α和β对ε的作用方向不明确。比如,一个户籍偏好效应为β的农村居民,由于城市户籍的经济价值小于其社会身份不同所带来的效用,他选择城市居民结婚的效用会比选择农村居民结婚的效用小。但如果其户籍偏好效应为α,城市户籍的经济价值大于其社会身份不同的差异所带来的效用,他选择城市居民结婚的效用则会比选择农村居民结婚的效用大。
 
为此,本文待检验的理论假说有以下两个:
 
理论假说1:基于经济价值的考虑,有城市户籍参与的婚姻意味着更高的婚姻满意度。
 
理论假说2:基于社会身份的考虑,同质户籍意味着更高的婚姻满意度。
 
 
 
 
 
三、数据及模型
 
本文使用中国综合社会调查(CGSS)2006年的数据,它来自全国性的分层抽样调查,涵盖28个省、市、自治区的城镇和农村。城镇和农村分开调查,调查问卷略有差异。该数据提供了包括个人及家庭较为全面的特征信息。我们选用了调查者自评的婚姻满意度作为被解释变量。被调查者主观给出的婚姻满意度分5个等级,1为非常不满意,2为不满意,3为无所谓满意不满意,4为满意,5为非常满意。
 
解释变量包括夫妻双方匹配特征及个人特征。核心的解释变量为夫妻双方户籍匹配与否和户籍距离。在CGSS数据中,户籍分为六类:农村户籍、乡镇非农户籍、县城非农户籍、地级市非农户籍、省会非农户籍、直辖市非农户籍。我们选择夫妻双方户籍完全一致为户籍匹配,不一致时则为户籍不匹配,生成一个虚拟变量。不仅如此,我们把农村户口设为0,乡镇非农为1,以此类推,直辖市非农为5,然后把夫妻双方的户籍以此评分后做差,得到我们另一个核心解释变量:户籍距离。这样,户籍距离的最小值为0,最大值为5。
 
控制变量包括夫妻双方及其父亲匹配特征变量和个人特征变量。在度量匹配变量时,首先根据夫妻及双方父亲在户口、职业、职称、职务级别、单位类型、单位性质、政治身份等的类别编码赋值。具体来讲,根据CGSS数据的分类标准,我们将职业匹配按ISEI职业编码计算其是否匹配;职称匹配则按照务农职业的五类:农业科学技术、手工艺技术、养殖/畜牧技术、医疗卫生技术、农村其他技术,非农职业的四类:无技术职称、低技术职称、中级技术职称、高级技术职称进行赋值;管理职位匹配则将农村职业分为五类:生产组长/小队长、村/大队一般干部、村主任/大队支书、乡/公社一般干部、乡/公社领导干部;以及非农职业的五类:班组长/工段长、单位基层管理、单位中层管理、单位主要领导、不担任管理职务进行赋值;单位类型包括党政机关、事业单位、企业、社会团体、个体户;单位性质包括国有、集体、私有、港澳台资、外资、其他。然后将丈夫及其父亲的变量赋值减去妻子及其父亲的变量赋值,由此得到职业匹配、职称匹配、管理职位匹配、单位类型匹配、单位性质匹配、受教育程度匹配、政治和经济身份匹配以及双方父亲的职业、职称、管理职位以及单位类型匹配等相应匹配变量。个人特征变量包括被调查者的收入、年龄组别、是否党员、健康及配偶健康水平、子女是否同住、是否相亲、是否有住房等。其中,年龄组别分为年龄30岁以下、30—44岁、45—59岁、60岁以上;健康水平和配偶健康水平来自被调查者的自评,从低到高分为5个等级,1为“很不好”、2为“不好”、3为“无所谓好不好”、4为“好”、5为“很好”。
 
表1给出主要变量的简单统计值。总体平均的婚姻满意度为3.91。
 
在我们的样本中,女性人数占56%,男性占44%。夫妻同质户籍匹配占样本总数的60%,户籍距离均值为0.90,表明婚姻缔结大部分在同一户籍类型内部,跨户籍婚姻也不会跨越太大层级,说明户籍的确是影响婚姻缔结的重要因素。45岁至59岁年龄组的人数占样本总人数的45%。整个样本显示中国夫妻的同质性匹配程度很高。例如,在所选取的匹配变量中,经济身份匹配的均值高达0.5383,说明基于经济身份的匹配是婚姻缔结中最常见的选择标准,这与李煜(2008)的研究发现相吻合。另外,双方的政治身份匹配和教育程度匹配,以及双方父亲职业匹配程度也比较高。说明样本人群中,无论是自致性匹配还是先赋性匹配都存在。婚姻缔结大多数还是以相对传统的方式——相亲完成;家庭模式也依然是传统中国家庭模式,即子女大部分与父母同住。
 
究竟户籍匹配是否会影响婚姻满意度,我们接下来进行进一步的实证分析。
 
本文的经验检验方程为:
U(X j , X i )=αX j +βf (X i , X j )+ε ij             (6)
U(Xj, Xi)为个人i和其配偶j结婚的婚姻满意度。α捕捉了个人i的配偶j的特征所带来的效应,β则表示该效应会随着i自身特征的不同而不同,εij为其随机扰动项。
 
 
 
四、实证结果
 
 
本文采用四组经验方程,第一组方程仅控制夫妻双方户籍是否同质、户籍之间的距离以及性别;由于不同年龄对应着不同的生命周期,进而对应着不同的劳动力和婚姻市场表现。而且样本中45—59岁人群居多,因此,我们在第二组方程中控制了这个年龄组别。第三个方程控制夫妻匹配变量,包括夫妻双方职业、职称、管理职位、单位类型、单位性质、受教育程度、政治、经济身份的匹配,以及双方父亲职业、职称、管理职位以及单位类型的匹配。测度匹配数据受制于问卷,为此,我们选择匹配指标是双方完全一致为同质匹配,否则处理为异质匹配。由于影响婚姻满意度的因素除了和其配偶的匹配程度外,自身特征也会显著影响其婚姻效用。第四个方程控制包括政治身份、收入、健康及配偶健康、子女是否同住、是否相亲认识等个人特征变量。我们采用ordered probit的方法,对全样本进行了回归,具体回归结果见表2。
 
 
注:1.括号内为标准误;2.*,**,***分别代表在10%,5%和1%水平上显著;3.#指基准组分别为30岁以下、非共产党员、子女没有同住、是相亲认识、没有住房。
 
从方程一的回归结果可以看出,夫妻户籍同质意味着显著更高的婚姻满意度;户籍距离越大,婚姻满意度越低;虽然男性比女性婚姻满意度更高,但是差异不显著;对全样本而言,当我们依次增加相应的控制变量,四组回归方程得到相对一致的研究结果。也就是说,作为刻画国人社会身份和地位的重要特征,户籍对于婚姻满意度的影响是不容忽视的。
 
户籍同质性对婚姻满意度有显著性的正面影响,同时,户籍距离越大,婚姻满意度越低。相对于女性,男性对婚姻比较容易满足。而非常有趣的是,随着年龄的增大,夫妻双方对婚姻的满意程度有不断下降的趋势。也就是说,刚结婚的年轻夫妇对婚姻的满意度最高,而随着年龄的增长,可能夫妻感情的“新鲜感”越来越低,因而对婚姻的满意度也就不断地下降。
 
除了户籍同质性对婚姻满意度有正面影响以外,本文所选取的其他有关变量的同质性对婚姻的满意度也有正的显著性影响,包括职业、单位类型、受教育程度、政治身份、经济身份、双方父亲职业、双方父亲单位类型的匹配等。
 
实证的结果说明,中国人寻找的婚姻幸福,与夫妻双方在政治、经济、社会、文化和家庭等方面的同质性有着非常显著的关系。尤为有趣的是,当我们把这些显著影响到婚姻满意度的匹配变量,和没有显著影响到婚姻满意度的匹配变量相对照时,我们发现,个人单位类型、职业以及双方父亲的职业及单位类型匹配会带来更高的婚姻满意度,和其他不够显著的指标相比,比如职称匹配、管理职位匹配,这些表现显著的指标更加深层次地刻画一个人的社会身份和社会地位。为此,我们发现,现代中国的同质婚姻现象其实是中国传统“门当户对”婚姻的一个当代版。
 
在第四个方程中,收入、党员身份、自己以及配偶健康、相亲认识以及自己有住房都显著性地增强了婚姻幸福。不过,与子女同住却降低了婚姻满意度,这可能与隔代生活习惯不同有关,也可能与住房的相对拥挤有关。
 
教育对婚姻满意度的影响表现出有趣的一面。在单独控制受教育程度时,教育没有表现出对婚姻满意度的显著影响,而一旦控制夫妻双方教育水平是否一致时,无论男、女,夫妻教育程度的同质性都显著性地增强了婚姻幸福。
 
为了区别男女之间对婚姻幸福的感受差别,我们把样本分为男、女两个群体,并用同样的模型进行回归。分样本的回归具体结果见表3。
 
 
 
表3的结果与全样本(表2)中的结论有着明显差异。户籍同质可以显著增加男性的婚姻满意度,但并不显著增加女性的婚姻满意度。具体来说,丈夫对婚姻的满意度与户籍距离成反比。对女性而言,同质户籍没有显著增加婚姻满意度。相反,户籍距离却能提高女性的婚姻满意度,这可能是女性更有可能嫁给户籍价值比较高的男性有关。同样的道理,因为男性有比较高的概率去娶户籍价值比较低的女性,因而户籍差距就会给男性带来比较差的幸福感。我们的数据也进一步发现,男女异质户籍婚配占总婚配的19.7%,而且主要体现男性户籍高于女性户籍,占72.3%。而女性比男性户籍高的情况仅占异质户籍总量额22.7%,这也和我们的推测不谋而合。
 
控制年龄组别以后,无论男女,相对30岁以下人群,其他年龄段人群的婚姻满意度都出现下降,但是性别差异显著。具体来说,男性的婚姻满意度下降不显著,但是女性婚姻满意度则随着年龄的增长显著下降,老年女性的婚姻满意度显著低于中青年女性。这是一个非常有趣的社会现象,也许是女性在中国社会的地位一直就比男性低有关,同时,女性在生理以及家庭负担等方面的劣势,会随着年龄的增大而逐渐凸现出来,因而影响到对婚姻的幸福感知。
 
当匹配变量及个人特征变量得到控制以后,其他影响婚姻满意度的因素也表现出明显的性别差异。例如,对女性而言,由于政府机关和事业单位的职业稳定,因而可以提高婚姻的满意度,但是,这些职业特征并没有影响男性对婚姻的满意度。健康水平指标也出现了男女婚姻满意度上的差异。自己以及配偶的健康水平对于女性的婚姻满意度有着显著的正向影响,而男性的婚姻满意度则不取决于其自身和配偶的健康水平。子女是否同住显著降低了男性的婚姻满意度,但是对女性的婚姻满意度没有显著性影响。上述结果在一定程度上反映了女性比男性有着更高的利他性,与周业安、左聪颖和袁晓燕的研究结果相吻合。有住房对女性婚姻满意度有显著的正向影响,而对男性的婚姻满意度影响不明显。
 
以上的实证结果, 验证了本文的理论假说二,也就是说,尽管男性和女性之间存在不同程度的效应,户籍的同质性却是决定婚姻满意度的一个非常重要的因素。另外,户籍距离越大,婚姻满意度越低这一结论,更加证明了户籍这一变量对婚姻满意度影响的重要性。
 
那么,究竟是什么原因导致了同质户籍带来更高的婚姻满意度?我们认为,在择偶时,人们会更倾向于选择和自己相似的人群结婚,也就是说,是同质婚配的偏好影响到人们的婚姻选择,为此,人们更偏好和自己同类户籍的人群结婚。那么,偏好是否确实在其中起到了不容忽视的作用呢?我们将在下节深入研究同质户籍带来更高婚姻满意度的内在机制。
 
 
 
 五、机 制
 
我们先简单看不同户籍通婚的婚姻满意度差异及男女收入差异的描述性统计。
 
 
 
从表4可以看出,娶城市女性的农村男性,收入显著比娶了农村女性的农村男性高,但依然比城市男性收入低,但这类男性的城市妻子,收入和嫁了城市男性的城市女性相当。然而,嫁了城市男性的农村女性,其收入显著比嫁了农村男性的农村女性高,但依然比城市女性收入低,娶了农村女性的城市男性,其收入显著比娶了城市女性的城市男性低。也就是说,如果用收入作为个人质量衡量标准的话,农村的高质量女性嫁给了城市的低质量男性,而农村的高质量男性娶了质量一般的城市女性。不仅如此,比较四种类型婚姻的满意度差异,我们可以看出,娶了城市女性的农村男性,婚姻满意度高于其他类别。而嫁给农村男性的城市女性,婚姻满意度则低于其他类别的女性。
 
必须特别强调的是,尽管“农农”的结合,夫妻双方的收入都是各组中最低的,而女性的婚姻满意度却是最高的,男性的满意度也比较高。这说明收入不是决定婚姻满意度的关键因素,而是文化习惯和夫妻收入的均衡匹配,才是幸福婚姻的关键所在。当然,一旦农村女性或男性,与城市的异性结合以后,收入因素对婚姻的满意度就变得比较重要了。
 
为进一步识别同质户籍婚姻的高满意度到底是否来自人们对于和自己同一户籍类型配偶的偏好,我们采用Gale-Shapley方法进行计算。按照该方法计算出来的结果可以提供一个最优的匹配机制,通过和现实的婚姻匹配相比对,可以找出影响现实婚姻匹配的关键因素。通过识别影响婚姻满意度的户籍匹配因素,就可以区分到底是经济因素还是同类社会阶层配偶偏好对婚姻满意度的影响。
 
囿于数据限制,在进行机制研究之前,我们先做以下假设:
 
假设1:由于我们看到的是已婚样本,所以假设样本人群现在的配偶是该人在进行选择时所面临约束条件下的最优选择。因此,如果对该人的配偶选择排序,现在配偶是其第一选择,其他选择则次之。
 
假设我们的目标函数为二元变量。假如某男性样本m现在的配偶选择为f,其效用函数为UM (m, f),从其他未选择对象中获得的效用为VM(m),那么,
UM (m, f )>VM(m)        (7)
 
假设2:总体中男女样本分别来自以下选择集m∈M={1,…, M}和f∈F={M+1, …, M+F},那么偏好的排序来自UM (m, f )和UW(w, f )的比较。继而假定μ(m)是男性m在整个匹配过程中的结果,μ( f )是女性f的匹配结果。假如1710267889.png,也就是说μ(m)=m,假如,那么μ( f )=f,都在我们的匹配中保持单身。
 
整个匹配过程遵循Gale-Shapley法则。在这个法则下,匹配是稳定的,也就是说,没有男性m和女性w面临以下效用函数,UM (m, f )>UM[(m, (m)];UF ( f, m)>UM[( f, ( f )],为此,我们认为,在一个稳定匹配中,没有人愿意放弃自己现有的配偶而去选择其他人。
 
当然,根据Gale-Shapley法则计算的结果,并不是只有唯一的稳定匹配结果,而是存在两个极端值:男性最优和女性最优的匹配结果,本文按照男性最优来计算匹配结果。
 
假设3:婚姻是比单身更好的选择。男性m和女性f保持单身并将继续寻找配偶的保留效用分别为vM(m)和vF( f )。
 
假设4:在运算之前,假设回归噪音来自结构误差而非测量误差。
 
做出该假设的原因在于:首先,在样本中,很多重要特征并没有观察到,我们只是基于一个匹配的最终结果来推算其偏好次序;其次,由于所看到的都是已经匹配后的结果,为此,这样的匹配不存在太多的测量误差,这和Hitsch,Hortacsu and Ariely利用美国网上征婚数据采用的方法相同,而与Benarjee et al基于种姓匹配研究印度婚姻的方法不同。
 
这里我们想回答的问题是,同质户籍增强婚姻满意度是来自户籍同质偏好,还是来自收入的因素?Gale-Shapley法则为婚姻匹配行为提供一个便捷的计算方式,尽管最终的匹配结果是一个经验问题。我们利用Gale-Shapley方法进行了一系列稳定匹配的计算。该方法的研究前提是能够对被试的选择进行排序,为此,假定现在的配偶是该被试在既定约束条件下的最优选择。
 
我们采用下面的估计方程。
 
U(Xj, Xi)=αXj+βf (Xi, Xj)+εij                   (8)
 
其中,U(Xj, Xi)为某人i的配偶j给他带来的效用,在这里,我们用婚姻满意度来衡量。α捕捉了其配偶j的特征所带来的效应,而β则表示该效应会随着i自身特征的不同而不同。εij则代表随机效应。
 
为了得到方程(8)的参数估计结果,根据Gale-Shapley的理论,首先用250次bootstrap方法估计和,再运用这250个参数分别进行回归,最后得到这些偏好参数的分布范围。
 
为了得到样本中被试的偏好次序,用上节ordered probit的回归结果来得到个人i和配偶j匹配的预期效用,并用下面方程进行估计。
1710265989.png(9)
其中,Um和Uf是样本被试得到的效用,并据此来估计个人选择的效用。
 
除此之外,运用上节ordered probit回归结果中得到的残差项,对其同样进行250次bootstrap得到各系数的标准误。
 
基于此,我们计算了基于个人特征匹配相关性结果和Gale-Shapley计算的预期结果以及基于个人特征匹配差异结果和Gale-Shapley计算的预期结果,并分别对其进行比对,其结果分别见表5和表6。
 
 
 
表5及表6的结果表明,无论是比较个人特征匹配相关结果以及Gale-Shapley方法计算的结果,还是比较个人特征匹配差异结果和Gale-Shapley计算的预期结果,我们都发现,无论是全样本还是单独的男性和女性样本,其系数以及标准误都不存在显著性差异。也就是说,对同一户籍配偶的偏好的确是同质户籍夫妻拥有更高婚姻满意度的关键因素。为此,我们可以得出结论,中国婚姻市场存在着基于户籍的匹配机制,人们更倾向于寻找和自己同质户籍的配偶结婚。
 
 
六、稳健性检验
 
(一)样本的选择问题
 
由于样本都是基于婚姻满意度进行选择的,也就是说,我们选择的都是已婚样本。那么,我们是否已经将婚姻满意度最低的数据——离婚样本,剔除出了我们的研究?户籍异质究竟对于离婚与否有着什么样的影响?为了回答这个问题,我们选择了样本“初次结婚是否离婚”作为被解释变量,选择户籍同质及户籍距离作为核心解释变量,据此进行了相关的稳健性检验,回归结果见表7。
 
 
不管是全样本,还是把男女性别分开的样本,回归结果都显示,户籍同质性显著降低离婚率。加入年龄组控制变量以后,户籍同质性更加有利于婚姻稳定,尤其是男性,而对女性的影响不明显。另外,我们还发现了一些有趣的回归结果。例如,相对于30岁以下的人群,30—44岁年龄组的男性离婚率特别高,在这个年龄组的女性离婚率比较低。相对于30岁以下的人群,不管是男性、还是女性,45—59岁年龄组的人离婚率显著较低,尤其是女性。男性到了60岁以后的离婚率明显比同年龄组的女性离婚率低得多。至于为什么女性到60来岁,反而离婚率偏高,在这里不多加讨论,因为,这不是本文的主要内容。
 
(二)是否地域限制影响了人们婚姻选择时的户籍匹配?
 
人们更偏好跟同户籍的人结婚是否因为地域所限?也就是说,城市和城市居民有更多接触机会,而农村和农村居民有更多接触机会,因此,户籍匹配其实是地域限制的一个表现?就如同Goldin的研究发现,婚姻的教育同质匹配是因为女性选择接受更多教育,从而有更多机会接触受教育程度高的男性,进而把学校变成了潜在的婚姻市场。但是Laumann et al发现,虽然现实中基于教育匹配的婚姻占60%左右,但是当网上相亲成为男女认识的一种重要方式时,基于教育匹配的婚姻大幅减少了,也就是说,并不是人们偏好和自己同等教育程度的配偶,而是由于他们接触和自己同等教育水平潜在配偶的机会更多,从而使婚姻市场表现出更多教育同质匹配的现象。那么,是否文中所研究的夫妻户籍同质匹配也会表现出同样的机制呢?是人们有更多机会而非偏好同质户籍潜在配偶呢?
 
为了解决这一可能存在的问题,我们用“是否相亲”变量作为研究的切入点。在我们的认识中,人们在介绍他人相亲认识时,会基于现实的考虑,因此同一户籍将是最为现实的一种度量方式,因此通过相亲方式认识的人群,同一户籍的可能要比异质户籍的可能性大。而且,我们的样本中,71%为相亲认识。基于数据我们发现,通过相亲方式认识的配偶,其来自同一类型户籍的比例高达我们样本的94%,这给我们的解释提供了一个相对直观的证据。
 
我们利用四个方程的回归结果进行了比较,在前三个方程中,我们没有控制“是否相亲”变量,但是在第四个方程,我们加入了该变量,结果见表8。
 
 
 
比较“户籍同质”变量的系数,我们没有发现四个方程存在显著的差异。由此,我们认为,户籍同质带来显著更高的婚姻满意度,并不是因为我们数据中大多数经相亲认识的夫妻来自同一地域,具有同一户籍,因而其对于婚姻满意度的影响更多是因为其婚姻缔结方式。在我们控制了“是否相亲”变量后,解释变量的结果和控制前没有显著差异,所以说,夫妻户籍同质,因而持有更为一致的偏好,是其婚姻满意度更高的原因。
 
 
七、结论
 
本文运用CGSS2006年的数据,估计了户籍匹配对于婚姻满意度的影响。研究发现,一方面,户籍同质可以带来更高的婚姻满意度,而且户籍距离越大,其婚姻满意度越低,说明同质的户籍,或者说户籍类型更为接近的夫妻,其婚姻满意度越高;另一方面,当把样本分为男女后出现了显著的性别差异,户籍同质显著增加男性的婚姻满意度,但不显著增加女性的婚姻满意度。然而,户籍距离越大,婚姻满意度越低,这种效应对于女性尤其显著。此外,大多数匹配变量都对于婚姻有着积极的正向效应,为此,不仅在户籍维度,在其他维度也都进一步验证了Becker(1973)的结论。基于同质户籍夫妻具有更高的婚姻满意度这一事实,本文运用Gale-Shapley方法进一步发现,对于同质户籍配偶的偏好的确是婚姻匹配理论中的重要机制之一。这不仅给现有中国婚姻市场上的匹配行为提供了一个基于户籍维度的解释;而且通过增加一个属于中国特色的户籍维度,在丰富现有的婚姻理论的同时,更引起我们对现阶段城乡户籍差异对家庭福利水平影响的重视。因为,家庭总是与婚姻密不可分的。作为一种适应要素市场化流动的制度改进——城市常住人口制度,按本文的逻辑,应该有助于改善婚姻匹配水平,提升婚姻满意度和家庭和谐程度,因为它在户籍制度仍然保留的城乡差异化安排下,淡化了户籍差异对婚姻满意度和家庭和谐度的负面影响。同样按此逻辑,如果户籍差异确实反映了公民身份和公共福利水平的差异,那么,今后社会政策的重要改进之一应该是淡化城乡居民社会身份和公共品分享体系的差异。
 
由于本文的异质性部分出现了明显的性别差异,所以本文进一步的研究方向是纳入相关的性别差异研究作为理论基础,或者进行相关性别差异的实验,进而对户籍匹配如何影响到男性和女性的婚姻满意度进行更为深入的分析。
 
 
 
【袁晓燕、石磊:《户籍如何影响婚姻稳定性—— 基于中国经验数据的解释》,《学术月刊》2017年第7期。为适应微信风格,删除了注释,请见谅。


(责任编辑:总编办)

友情链接: 最高人民法院  |   国务院法制办  |   新华访谈网  |   中国法院网  |   基层法治研究网  |   财政部  |   京师刑事法治网  |   中国社会科学网  |   政协全国委员会  |   国家信访局  |   审计署  |   吉林大学理论法学网  |   中国法理网  |   最高人民检察院  |   刑事法律网  |   新华网  |   中纪委监察部网站  |   中国政府网  |   全国人大网  |   天涯社区法治论坛  |   公安部  |   司法部  |   中国法学会  |  
共建单位:  |    |    |    |    |    |    |    |    |    |    |    |    |    |    |    |    |