作者：谭之博张晓波
经济研究 2016年03期
作者感谢审稿人的意见。文责自负。
一、引言
近年来，我国精神疾病呈高发趋势，其发病率出现了较快增长。基于中国四省2001～2005年的大规模流行病调查表明，约有1.73亿中国人受到某种形式的精神疾病的困扰(Phillips et al.，2009)。全国重度精神病的发病率在1982年是10.69‰，而到1993年已达13.47‰(殷大奎，2000)。精神病在中国疾病总体负担的排名已经超过心脑血管、呼吸系统疾病和恶性肿瘤，跃居首位。与精神疾病发病率快速上升相伴的是频频出现的跳楼事件和持刀伤人事件，这无疑对人力资本和社会安全构成了重大危害。严重的精神抑郁是致残的第二大原因，也是自杀的重要风险因子。中国人口虽然只占全世界的21％，但自杀数量为世界的44％，而中国38％的自杀由精神疾病引发(Phillips et al.，2002)。
鉴于此，探讨什么因素导致了精神疾病的高发具有重要意义。现有文献从工作压力和生活压力(卢汉龙等，1993)、社会支持和网络变化(贺寨平，2002)、劳动者权益(刘林平等，2011)、个体的社会经济地位、迁移压力和社会资本(胡荣和陈斯诗，2012)、社会资源的支持和利用(肖汉仕，2009)、性别失衡(Zhou et al.，2011)等角度探讨了精神健康的影响因素。但这些因素可能就是精神健康本身或其重要的维度(比如工作压力和生活压力带来的精神紧张，社会歧视带来的精神抑郁)，或者相对稳定(比如社会资本)，难以解释精神疾病发病率的较快增长。并且，现有研究在因果关系的计量识别上存在较大的改进空间，关键解释变量都较为内生，也较难排除与解释变量和被解释变量同时相关、却由于各种原因无法在回归中加以控制的第三方因素的影响。最后，目前的研究多基于几个省、市或地区的局部调查，缺乏全国范围的大样本研究。
本文探讨独生子女政策①对精神健康的影响。这一因素在现有文献中并没有得到系统的考察。本文的逻辑为，独生子女政策制造了大量的“小皇帝”，他们在家庭中受到过分的保护，抗击挫折和压力的能力相对较弱。而当他们长大成人，独立走向社会时，突然要面对升学、就业、婚姻市场的激烈竞争。这与走向独立之前“衣来伸手饭来张口”的温床形成巨大反差，陡增的社会压力使其精神难以适应，恶化了其精神健康状况。并且，这种影响在不同人群间存在较大差异。由于重男轻女的文化传统，男孩在家中受到更多的宠爱，而男性在独立后却需承担更大的社会责任，因此，男性在独立前后受到的冲击可能更大，独生子女政策对男性的影响更显著。另外，独生子女在走向独立前更受宠爱，在独立前后经历相对更大的压力冲击，我们推断独生子女政策对他们的影响更强烈。
已有文献探讨了独生子女与非独生子女在精神健康方面的差异(例如，Liu et al.，2005)，但它们的研究方法难以分析两者间存在差异的原因，也难以排除与精神健康状况和是否是独生子女同时相关的第三方因素的影响。从理论上说，独生子女与非独生子女的精神健康差异可能并不是由社会压力的变化所致，而是其他因素综合作用的结果。比如，父母由于经济条件较差或身体、精神状况不佳而不生多胎。这种差异延续至下一代，导致独生子女的精神健康状况较差。与以上文献相比，本文利用独生子女政策这一自然实验，运用广义倍差法比较不同年龄组间精神残疾率的变化在政策前后的差异，有助于排除第三方因素造成的伪相关，定量识别压力变化对于精神健康的影响。重要的是，独生子女政策作为国家政策，由国家强制推行，在绝大多数个人的可控范围之外，独生与非独生子女间的差距是由父母内生选择而引发的可能性大为减弱。
一些文献也探讨了独生子女政策的一系列后果，比如性别失衡、老龄化等(Hesketh et al.，2005)，但并没有研究其与精神健康的关系，本文在这一方面做出了新的探索，探讨了独生子女政策对于精神健康的影响。实证结果表明，独生子女政策出台后，18～26岁(20～26岁或22～26岁)人群相对于9～17岁(13～19岁或17～21岁)人群的精神残疾率之差在显著扩大。这一模式对男性和独生子女更明显。并且，政策前后出生人群在最近一个月中感到精神紧张或抑郁的频率之差对于男性而言更显著，进一步揭示了独生子女政策对于精神健康状况的影响。独立前后经历的压力变化对人们的精神状况构成了显著冲击，较大程度上解释了精神健康状况的不断恶化。本文有助于更全面地反思独生子女政策。
二、文献回顾
与本文相关的文献主要有以下几类。
第一类文献探讨了独生子女与非独生子女在行为发展、心理发展、精神健康、个性与人格、在校表现等方面的差异。具体而言，Jiao et al.(1986)发现，独生子女与非独生子女相比，具有更多的不良性格。他们更以自我为中心，做事缺乏韧性，缺乏控制力。Li & Liu(1989)的研究表明，独生子女在智力方面表现更好但在个性发展方面表现较差。Poston & Falbo(1990)的调查表明，独生子女在学业方面的表现显著优于非独生子女，而在性格发展方面两者不存在显著差异。Wan et al.(1994)发现，独生子女注意力集中时间较短，更顽固，更愿意及时行乐。Yang et al.(1995)的调查显示，非独生子女的恐惧、焦虑与抑郁程度更高。Liu et al.(2005)重点考察了高中阶段独生子女与非独生子女在精神健康方面的差异，发现城市中的独生子女的精神健康状况更差，而在农村样本中，两者差距不显著。
上述这些文献的侧重点在于比较独生子女与非独生子女的差异，与独生子女政策并不直接相关。而且它们多采用方差分析或均值差异t检验的方法，在较好地解决遗漏变量问题、识别因果关系方面，存在一定的不足。事实上，中国之外的任何国家都存在独生子女与非独生子女的差别，但由于缺乏外生于个人选择的政策实验，父母可以自由选择生育孩子的个数，导致观察到的独生子女与非独生子女的差别未必是由独生所致，而是父母内生选择的结果。与上述这些研究相比，本文利用中国的独生子女政策，使用广义倍差法识别该政策对于精神健康的影响。由于这项政策由国家强制推行，在个人的控制之外，计量回归中的内生性问题会相对较弱。
第二类文献探讨了精神健康、心理健康的影响因素。比如，贺寨平(2002)的研究证明，社会经济地位、社会支持和网络变化对老年人的身心状况有显著的影响。肖汉仕(2009)的调查研究表明，社会适应状况、社会状况的优劣、社会心理支持资源、对社会资源的利用、他人尊重程度、社会认知的理性度都与居民的精神健康有显著的相关性。刘林平等(2011)研究了劳动权益对精神健康的影响，其logit回归分析表明，超时加班、工作环境有危害和强迫劳动会恶化外来员工精神健康状况。胡荣和陈斯诗(2012)从个体的社会经济地位、迁移压力和社会资本三个角度，分析了影响农民工精神健康的社会因素。Zhou et al.(2011)探讨了性别失衡对于未婚男性精神健康的影响。但是以上文献并没有涉及独生子女政策的重要作用。虽然性别失衡是独生子女政策的一个后果，Zhou et al.(2011)的影响机制与本文不同。其逻辑为男性由于性别失衡无法结婚生子，导致抑郁和精神疾病，而本文讨论不同的机制，即受独生子女政策的影响，小孩在父母身边时受到过分的宠爱和保护，而当其走向社会，面对激烈的竞争时，压力的陡增致使其精神状况恶化。
第三类文献讨论了独生子女政策对性别失衡、家庭结构、人口老龄化、婚姻的形成与解体、代际关系的变化、独生子女的社会化、独生子女学习成绩、个性及行为发展等一系列问题的影响。Settles & Sheng(2008)对这些文献进行了系统总结。但并没有文献利用独生子女政策这一自然实验，基于全国范围的大样本调查探讨其对精神健康的影响。本文在这一领域做出了新的尝试。
三、数据
本文使用的数据来源于全国残疾人抽样调查(China National Survey of Disabled People，NSDP)和中国家庭追踪调查(China Family Panel Studies，CFPS)。全国残疾人抽样调查进行过两次。1987年开展的调查采取概率比例抽样方法，全国共调查了369816户、1579314人，调查总人数占全国当年总人口数1.5‰。2006年开展的调查采取分层、多阶段、整群概率比例抽样方法，全国共调查了771797户、2526145人，调查的抽样比为1.93‰。Zheng et al.(2011)对两轮调查进行了详细的介绍和说明。除了对残疾人信息的搜集，调查还对样本家户的所有人员进行了问卷调查，以综合了解残疾人的家庭状况。调查询问了每个受访者的年龄、性别、家庭成员状况等基本信息，这允许我们控制基本的人口统计学因素的影响。
本研究关注精神残疾。中国残疾人抽样调查数据使用的问卷及精神残疾判断标准都是参照国际标准，两轮之间标准没有改变。两轮调查都是由具有丰富临床经验的专科医生进行精神残疾的检查和诊断。Zheng et al.(2011，page 789)论述了两轮数据的可比性。
NSDP这套数据的优势在于针对不同人群开展了两轮，这允许我们构建倍差法分析中的一个维度，考察独生子女政策推行前后的变化。但这套数据的不足在于控制变量较少，精神残疾只是精神健康的一个维度，未必能较好地反映精神健康的全貌。北京大学中国社会科学调查中心在2010年开展了中国家庭追踪调查(CFPS)，样本覆盖25个省/市/自治区，目标样本规模为16000户，调查对象包含样本家户中的全部家庭成员。通过跟踪收集个体、家庭、社区三个层次的数据，反映中国社会、经济、人口、教育和健康的变迁。该调查中，直接问及“最近一个月中，您感到情绪沮丧、郁闷的频率”和“最近一个月中，您感到精神紧张的频率”，这为我们提供了调查对象在最近一个月的精神状况。并且，CFPS数据涉及大量的人口统计变量，对于收入的得出也更为仔细(采用逐项询问的方法)，在减弱遗漏变量和测量误差问题方面具有一定的优势。因此我们也采用CFPS数据，探讨精神健康的近况。
四、基于NSDP的实证分析
(一)研究设计
基于全国残疾人抽样调查数据(NSDP)的分析中，计量模型设定如下：
(1)式中，y为标示精神残疾的虚拟变量。如果某人为精神残疾，该变量取1，否则为0。由于被解释变量为离散变量，我们采用logit模型进行估计。wave为标示调查轮次的虚拟变量。2006年的调查对象取1，1987年的调查对象取0。cohort为标示年龄组别的虚拟变量。基准回归中，我们取18岁为走向独立的分割点(这也是成人的年龄)，取前后相等的两个年龄段。为了考察独生子女政策的影响，我们选取年龄组的方法为保证1987年的调查对象都在政策推行之前出生，而2006年的调查对象都在政策推行之后出生。由于独生子女政策在1979年推行，因此在基准回归中，年龄的上限为26岁(2006年，小于等于26岁的人都在独生子女政策推行后出生)，下限为9岁(1987年，大于等于9岁的人都在独生子女政策推行前出生)，即当年龄为18～26岁时，cohort取1，而当年龄为9～17岁时cohort取0。将年龄分成等距的两组，有利于排除组别大小的影响。这样，刻画了独立组和依赖组的差别在1987年和2006年间的变化。由于在我们构造的样本中，1987年调查中的人群都在独生子女政策之前出生，而2006年调查中的人群都在独生子女政策之后出生，反映了独生子女政策对精神健康的影响，刻画了走向独立人群精神残疾率的相对变化。
(1)式中，X表示其他控制变量。主要包括年龄(及其平方和立方项)、性别、兄弟姐妹个数、人均GDP的对数、第二产业与第三产业GDP占GDP总额的比重、城市人口占总人口的比重、国有企业职工占全部职工的比重、省份虚拟变量及其与出生年份的交互项，用以分离年龄、性别、家庭结构、经济发展水平、产业结构、城市化率、国有化程度、省份固定效应、因出生年份而异的省份间差别对于精神残疾的影响。
wave作为虚拟变量，仅仅反映了两个时间点上的差别。在这期间也推行了许多其他政策，并没有充足的理由说明两个时间点上的差别就是由独生子女政策而非其他政策所引发。为了验证确实是独生子女政策在发挥作用，我们进行了一系列稳健性检验。
首先，独生子女政策与重男轻女的文化传统使得男孩在家中更加得宠，造就了众多的“小皇帝”。父母的精心照料和保护使得男孩更少地经历挫折。另一方面，在中国，男性走向社会后需要独立承担更多的社会责任，这与走向独立之前的“温床”形成更加鲜明的反差。因此，独生子女政策应该使得男性经历更大的压力冲击，其对男性精神健康的影响比对女性更强。为检验这一推论，我们在全样本回归中加入男性虚拟变量与wave×cohort的交互项，考察该交互项是否显著为正；也尝试了分男女样本分别回归，比较wave×cohort的系数在两组回归中的大小关系。如果男性虚拟变量与wave×cohort的交互项显著为正，或者wave×cohort的系数在男性样本中更大，那么独生子女政策的作用得到了进一步的验证。
其次，独生子女政策的效果应该对独生子女更加显著，因为独生子女在独立前后经历更大的环境变化的冲击。因此，我们在回归中加入独生子女虚拟变量与wave×cohort的交互项。如果该交互项显著为正，表明独生子女政策的效果对独生子女更加强烈，独生子女政策在发挥作用。
第三，作为稳健性检验，我们也采用一个连续变量来刻画独生子女政策实施的强弱程度。Ebenstein(2011)整理了中国各省份超生罚款相对于年收入的倍数，该指标越大，表明独生子女政策的实施力度越强。我们借鉴该指标定义变量“超生罚款”(fines)，1987年的调查对象该变量取0(他们都在独生子女政策之前出生)，而2006年的调查对象根据其所在省份和年龄取相应省份和年份的超生罚款相对于年收入的倍数。因此，超生罚款衡量了计划生育政策的实施力度，我们将基准回归中的wave×cohort更换为fines×cohort(同时控制fines与wave的水平项，其他控制变量不变)，以考察确实是独生子女政策在发挥作用。
第四，我们也进行了安慰剂检验(placebo test)，以应对遗漏变量或测量误差带来的内生性威胁。安慰剂检验的第一个思路为，如果是外部压力变化导致精神健康恶化(独生子女政策的作用渠道)，那么，先天决定的残疾不应受到独生子女政策的影响。因此，第一组安慰剂检验将被解释变量替换为基因变异导致的听力言语残疾(虚拟变量)，右手边变量保持不变，重新进行基准回归。如果wave×cohort不再显著，表明我们的逻辑得到了支持，潜在的遗漏变量或测量误差并不对基准结果构成重大威胁。安慰剂检验的第二个思路为，独生子女政策不应对政策之前出生的人群产生系统性影响。换言之，独生子女政策出台前出生的人群各年龄组间的差异并不在两轮调查中呈现显著的不同。因此，第二组安慰剂检验重新定义cohort变量。当受访者年龄为38～47岁时，cohort取1，而当年龄为28～37岁时，cohort取0。在两轮调查中，这些年龄段的人群全部在独生子女政策推行之前出生，如果wave×cohort不再显著，表明对于不受政策影响的人群，各年龄组间的差异并不在两轮调查中呈现显著不同，潜在的遗漏变量或测量误差并不对基准结果构成重大威胁。
另外，在基准回归中，我们以18岁作为走向独立的时间点。人们也可能在20岁或22岁走向独立。因此，我们也尝试更换其他时间点(比如20岁或22岁)作为稳健性检验。即当年龄为20～26岁时(22～26岁时)，cohort取1，而当年龄为13～19岁时(17～21岁时)，cohort取0。在安慰剂检验中，我们也尝试以33岁为分割点，当年龄为33～37岁时，cohort取1，而当年龄为28～32岁时，cohort取0。通过尝试多组划分方法以验证结果的稳健性。
经典倍差法需要面板数据，利用政策实施前后的差异。但是，本文的研究对象是精神健康，与研究中国的大饥荒对不同人群的长期健康影响的论文(比如Mu & Zhang，2011)类似，难以使用经典倍差法。如同本文，研究饥荒时不可能对人群做经典的倍差法实验：让一部分人遭受饥荒，一部分人免遭饥荒，然后观察他们几十年。在这种情况下，研究人员采取了广义的倍差法：在一个维度将地区划为饥荒严重地区和饥荒不严重地区，在另一个维度将人群分为饥荒期间(1959～1961年)出生和饥荒后(1963～1965年)出生。通过在这两个维度应用广义倍差法来揭示饥荒的长期影响。Mu& Zhang(2011)还另外增加了性别维度来考察饥荒对男女的不同影响。本文的方法秉承了这一思路，利用年龄组别间的差异、独生子女政策在轮次间的差异和跨地区的差异以及性别的差异，探讨独生子女政策的影响。
(二)实证结果
我们首先汇报描述性分析结果，以获得1987年和2006年各个年龄组别男性和女性精神残疾状况的直观认识。
图1描绘了1987年和2006年全国残疾人抽样调查中不同年龄和性别的精神残疾率。由图1可见，18～26岁年龄组的人群相对于9～17岁年龄组的人群精神残疾率出现了较大的上升。并且，这种上升幅度对于独生子女政策推行后出生的人群更显著(2006年调查中，9～26岁的人群全部出生于独生子女政策之后；1987年调查中，9～26岁的人群全部出生于独生子女政策之前)。进一步比较男性和女性，可以发现，这种双重差异对于男性更显著。
通过进一步计算精神残疾率在各年、各组别的均值，可以进一步印证图1的直观印象。
比如，对男性而言，1987年调查中，18～26岁年龄组的精神残疾率比9～17岁年龄组的精神残疾率高1.44个千分点(在1％的显著性水平下显著)，而在2006年调查中，两组的差距为2.86个千分点(在1％的显著性水平下显著)。独生子女政策之后出生的人群相对于独生子女政策之前出生的人群，两个年龄组的差距扩大了1.42个千分点(在1％的显著性水平下显著)。而对于女性而言，相应数据仅为0.94个千分点。
图1 1987年和2006年残疾人调查中不同年龄和性别的精神残疾率
注：根据1987年和2006年全国残疾人抽样调查计算而得。
即使我们更换走向独立的时间分割点(20岁或22岁)，这种双重差异依然在1％的显著性水平下显著，且男性大于女性(1.93与0.81或1.83与0.31)。独生子女政策对于精神健康状况的不利影响得到了初步的支持。
接下来，我们加入控制变量，基于(1)式的回归结果如表1所示。
表1的第(1)—(3)列采用18岁作为走向独立的分割点，分别在全样本、男性样本和女性样本中进行回归分析，(4)—(6)列、(7)—(9)列分别改用20岁和22岁作为分割点，开展类似的分析。由表1可见，无论如何选取走向独立的分割点，对于男性而言，wave×cohort前的系数始终显著为正，表明独生子女政策推行后出生的男性相对于独生子女政策推行前出生的男性，独立组与依赖组之间精神残疾率的差距在显著扩大。对于女性而言，以22岁为分割点时，wave×cohort的系数不再显著。另外，男性虚拟变量与wave×cohort的交互项在所有回归中显著为正，表明独生子女政策对于男性的影响更大。分别比较男性样本与女性样本中wave×cohort的回归系数，这一点也得到了进一步印证。
接下来，我们检验独生子女政策是否对独生子女产生了更大的影响。我们在基准回归结果中加入独生子女与wave×cohort的交互项，表2汇报这部分实证结果。
由表2可见，无论对于男性还是女性，在各种分割点的取法中，独生子女政策对于独生子女精神残疾状况的恶化产生更大的影响。并且，独生子女政策对于男性独生子女的影响大于女性独生子女的影响。这进一步验证了独生子女政策确实在发挥作用。
(三)稳健性检验
基准回归中，我们使用虚拟变量wave刻画独生子女政策，但是同一个时间点上发生了太多的事件，wave可能并没有较好地衡量独生子女政策，而刻画了其他政策的影响。为了应对这一挑战，我们使用一个连续变量刻画独生子女政策。如第一小节所介绍的方法，我们定义变量“超生罚款”，并用超生罚款与年龄组的交互项替换wave×cohort，重新进行回归分析，所得结果如表3所示。
由表3可见，无论我们如何选取走向独立的分割点，独生子女政策越严格的地区，独立组相对于依赖组的精神残疾率上升幅度越明显。并且，独生子女政策的影响对于男性和独生子女更显著。这进一步验证了基准回归结果，表明测量误差并不构成严峻的挑战。
基准结果还可能面临遗漏变量的威胁，精神残疾率的上升可能是其他遗漏因素所致。如果遗漏变量问题非常严重，关键解释变量也会对与竞争压力无关的残疾率产生系统影响，或对独生子女政策出台前就已出生的人群也发挥作用。为了应对这一潜在威胁，如第一小节所介绍的研究思路，我们进行了两组安慰剂检验，所得结果列于表4。
如表4的(1)、(2)两列所示，与基准回归结果相比，基因变异导致的听力与言语残疾表现出不同的模式，交互项的系数在男性样本中并不显著。该种残疾由基因变异先天产生，与压力变化并无关联，交互项呈现出不同的模式在一定程度上表明遗漏同时与关键解释变量与被解释变量相关的第三方因素的可能性较低。
表4的(3)—(6)列表明，无论如何选取等距年龄组，独生子女政策推行之前出生的人群中，不同年龄组间的差异在两轮调查中并没有出现显著变化，基准回归结果并不是由一些独生子女政策推行之前就已经存在的固有差异所推动。
五、基于CFPS数据的分析
(一)研究设计
由于只有一轮调查，在基于CFPS数据的分析中，我们无法采用与(1)式相似的设定。但我们可以利用性别构建倍差法估计的第二个维度。已有大量文献探讨了外部冲击(比如失业、灾难、压力等)对不同性别人群的精神健康的影响存在较大差异。比如，Paul & Moser(2009)运用元分析(meta-analysis)的方法总结了有关失业对于精神健康影响的237项横截面研究和87项面板数据研究，发现失业对于男性精神健康的负面影响显著大于女性。Norris et al.(2002)综述了各种类型的灾难(自然灾害、恐怖袭击等)对精神健康影响的文献，发现灾难对于男性和女性精神健康的影响也存在显著差异。Wang et al.(2007)通过基于灌注的功能性磁共振成像(perfusion based functional magnetic resonance imaging)测量脑部血液流动的方法，发现男性与女性对于社会心理压力敏感程度显著不同，应对机制存在生理差异，为理解社会心理压力对男性和女性精神健康的不同影响奠定了神经生理学基础。这些证据都表明，外部冲击对男性与女性精神健康的影响存在显著差异，性别可以作为一个维度，帮助识别某一外部冲击对精神健康的影响。
因此，在基于CFPS 2010的回归分析中，计量设定如下：
(2)式中，y为1～5的得分，表示最近一个月中，感到情绪沮丧、郁闷的频率，得分越大，频率越低(1为几乎每天，5为从不)。作为互补性证据，我们也使用精神紧张频率的得分做被解释变量(得分越大，频率越低，1为几乎每天，5为从不)。
male为男性虚拟变量，cohort为标示年龄组别的虚拟变量。2010年，小于等于31岁的人群都在独生子女政策之后出生，而大于31岁的人群都在这一政策之前出生。基准回归中，我们取18岁为起点，这样，以31岁为分割点，将人群分为等距的两个年龄组。cohort对于18～31岁的人群取1，对于32～45岁的人群取0。我们也更换样本起点(取16岁或25岁)，进行稳健性检验。当16岁为起点时，cohort对于16～31岁的人群取1，对于32～47岁的人群取0。而当25岁为起点时，cohort对于25～31岁的人群取1，对于32～38岁的人群取0。因此，衡量了独生子女政策出台后出生的女性相对于独生子女政策出台前出生的女性的精神状况的差距，刻画了独生子女政策之后出生的人群相对于独生子女政策之前出生人群的精神状况差距在男女之间的差别。显著为负的表明，相对于女性而言，独生子女政策推行之后出生的男性相对于独生子女政策推行之前出生的男性的精神状况(情绪郁闷或精神紧张)的恶化程度更明显。X表示其他控制变量，主要包括年龄(及其平方和立方项)、人均家庭收入的对数值、教育年限、兄弟姐妹个数、婚姻状况、户口状况、民族、工作类型与省份②虚拟变量，以排除年龄、收入水平、教育水平、兄弟姐妹个数、婚姻、户籍、民族、工作性质、省份之间的固有差距等因素对于精神状况的影响。
与之前的分析类似，我们也检验独生子女政策是否对独生子女产生更大的影响。如果独生子女政策确实在发挥作用，它对独生子女的影响应该更大。因此，我们加入独生子女虚拟变量与male×cohort的交互项。③独生子女样本中该系数的绝对值若更大，就进一步印证了独生子女政策的影响。
虽然我们在基于CFPS数据的分析中控制了更多的解释变量，但仍可能面临遗漏变量问题的影响，不同年龄、性别人群间的差距可能在独生子女政策推行前就已存在。换言之，关键变量可能并未捕捉独生子女政策而是其他政策的影响。为了进一步排除这些问题构成的威胁，我们开展了安慰剂检验。CFPS中难以找到非压力因素决定的其他疾病类型，因此难以进行基于残疾人调查数据展开的第一组安慰剂检验。但我们仍可以进行第二组安慰剂检验，即将研究样本限于独生子女政策出台前就已出生的人群，检验不同年龄、性别人群之间的差距是否在独生子女政策推行前就已显著存在。具体而言，在该检验中，对应于基准回归中cohort的定义方法，我们分别向前选取等距的年龄段。即cohort对于32～47岁的人群取1，对于48～63岁的人群取0；或cohort对于32～45岁的人群取1，对于46～59岁的人群取0；或cohort对于32～38岁的人群取1，对于39～45岁的人群取0。如果确实是独生子女政策在发挥作用，我们不应观察到政策出台前出生的人群间已存在系统的差异，即male×cohort前的系数应该不显著。
横截面数据虽不能进行经典意义上的政策评估(利用时间维度的倍差估计)，但依然可以考察政策的空间影响。如果遗漏变量只在一个维度上影响被解释变量，如前所述的广义倍差法可以控制这种类型的遗漏变量的影响。在基于CFPS的分析中，只要遗漏变量不同时因性别、年龄组别、独生子女身份而异，也不会对计量结果构成重要挑战。这一设定下的回归相比于以水平项为解释变量的横截面回归，能更好地控制遗漏变量。
(二)实证结果
与基于全国残疾人抽样调查数据的分析类似，我们先比较各年龄组分性别的精神状况得分均值，并进行均值差异检验，以获得不同性别、不同年龄组人群精神状况的直观认识。
对于男性而言，16～31岁年龄组(独生子女政策出台后出生的人群)感到情绪郁闷的频率显著高于32～47岁年龄组(独生子女政策出台前出生的人群)，两者之差(0.05)在1％的水平上显著。但这一模式对于女性而言却恰好相反。重要的是，两个年龄组之差在男性与女性间存在显著差异，这种双重差异(0.09)在1％的水平上显著。这在一定程度上表明，独生子女政策对于男性精神状况的恶化产生更大的影响，而对于女性的影响相对弱。即使更换年龄组别的起点、终点(缩小组距)，以排除组距过长可能引入了其他因素的影响，上述模式依然成立。
我们也更换衡量指标，以最近一个月感到精神紧张的频率刻画精神健康状况，重新进行了上述分析。基本模式依然保持稳健。相对于女性而言，独生子女政策对于男性的精神健康状况产生了更加不利的影响。
接下来，我们加入控制变量，进行(2)式所示的回归分析，所得结果列于表5。
表5的(1)—(3)列使用情绪郁闷的得分为被解释变量，分别在16～47岁年龄组、18～45岁年龄组、25～38岁年龄组中进行回归。表7的(4)—(6)列以精神紧张的得分为被解释变量，进行相应的回归。表5汇报的是OLS回归结果。我们也进行了ordered probit回归，所得结果没有本质变化，限于篇幅，不再报出。
由表5可见，无论如何选取被解释变量，也无论如何划分等距的年龄组，男性与年龄组的交互项在所有回归中显著为负。即相对于女性而言，独生子女政策推行之后出生的男性相对于独生子女政策推行之前出生的男性的精神状况的恶化程度更明显。
其他显著变量的符号也都符合预期。比如，收入水平前的系数在大多数回归中显著为正，表明收入水平越高，经历情绪郁闷或精神紧张的频率越低。教育年限在所有回归中显著为正，表明教育年限越长，经历情绪郁闷或精神紧张的频率越低。
我们接下来分样本考察独生子女政策的影响。如果确实是独生子女政策在发挥作用，其对独生子女的影响幅度应该更大。因此，我们加入独生子女与男性x年龄组的交互项(及各自的水平项)，进行基准回归，相关结果汇报于表6。
由表6可见，基准回归结果主要由独生子女所驱动。无论我们如何选取等距年龄组，如何衡量精神状况，男性与年龄组的交互项前的系数对于独生子女样本更大。基于表6的回归结果，我们可以进一步计算独生子女政策对于精神健康状况的影响程度。保持其他因素不变，就情绪郁闷而言，男性独生子女与女性独生子女在各年龄组(25～31岁相对于32～38岁)的得分差距相差0.26个标准差，而对于非独生子女而言，该数据仅为0.10个标准差。就精神紧张而言，独生子女的相应数值为0.23个标准差，而非独生子女仅为0.07个标准差。换言之，独生子女政策对于独生子女产生更显著的影响，其对精神状况的影响得到了进一步验证。
(三)稳健性检验
前文的分析表明，独生子女政策恶化了精神健康状况，这一影响对于男性和独生子女而言更显著。但是基本回归结果可能面临遗漏变量、测量误差等问题的威胁，我们在本小节进行稳健性检验，以应对这些问题的挑战。
首先，父母的教育水平、职业差异也可能影响子女的精神状况，为此我们在基准回归的基础上控制父母的教育年限以及父母各个职业类型的哑变量，以确认基准回归结果并非由于遗漏这些因素所致。第二，我们也尝试控制了县级固定效应，以进一步分离各县固有差异对于人们精神状况的影响。④第三，我们以主成分分析法将情绪郁闷与精神紧张合成一个综合指标，使用该指标为被解释变量进行分析，以减弱单个指标可能存在的测量误差。回归结果表明，男性与年龄组的交互项依然显著为负。篇幅所限，这些结果不再列表报出。
第四，倍差法有效估计的前提是独生子女政策出台之前，各年龄组间的精神状况差异并不因性别而显著不同，换言之，需要确认基准回归结果并不是由独生子女政策出台前就已存在的固有差异所造成。为此，我们按照前文的方法重新定义年龄组虚拟变量，进行安慰剂检验，以考察独生子女政策出台前出生人群各年龄组的差异是否因性别而显著不同。所得回归结果列于表7。
由表7可见，无论我们如何选取独生子女政策推行前出生人群的等距年龄组，或采用不同的变量衡量精神状况，男性与年龄组的交互项都不显著。换言之，对于独生子女政策推行前出生人群而言，各年龄组之间精神状况的差异并不因性别不同而显著不同，基准回归中发现的独生子女政策的影响并不由政策推行前的固有差异所导致。
综上所述，基于两套数据的分析结果表明，独生子女政策对于精神健康状况产生了显著的不利影响，这种影响对于男性和独生子女尤为明显。
六、结论
本文基于全国残疾人抽样调查数据，发现独生子女政策推行后，18～26岁(20～26岁或22～26岁)年龄组相对于9～17岁(13～19岁或17～21岁)年龄组的精神残疾率的上升幅度在显著扩大。这一变化对于男性和独生子女尤为明显。基于CFPS数据的分析为上述发现提供了互补性证据：相对于女性而言，独生子女政策推行之后出生的男性比独生子女政策推行之前出生的男性的精神状况(情绪郁闷或精神紧张)的恶化程度更明显，且这一模式对于独生子女更为显著。这些发现表明，独生子女政策对于离开家庭温床走向独立的男性和独生子女的精神健康产生了不利影响。因此，对于经历较大环境和压力变化的青年人群进行有针对性的心理疏导，及时缓解他们的精神压力，有利于保持精神健康，提升人力资本的质量。
本文为精神健康的恶化提供了新的解释，丰富了有关独生子女政策的影响的文献，启迪人们反思这一政策在精神健康领域的不良后果。一项公共政策的推行除其政策初衷外，可能会在其他方面产生深远的影响。独生子女政策的初衷在于控制人口的过快增长，但本文的经验证据表明，该政策对精神健康产生了负面影响。在微观层面上，精神健康作为人力资本的重要维度，直接影响劳动力在劳动市场的表现，关系到他们的收入，对其事业发展、家庭生活、幸福程度产生直接的影响。在宏观层面上，人力资本的质量直接关系到我国能否从制造大国走向创新大国，成功实现经济的转型升级。恶化的精神健康状况降低了人力资本质量，对转型升级产生了不利影响。从这些角度说，独生子女政策产生的成本不容忽视。在推行政策时，只有全面考察政策的成本和收益，才能更有效地趋利避害，实现政策的效果。
作者介绍：谭之博，复旦大学经济学院，电子信箱：tzb0905＠fudan.edu.cn（上海200433）；张晓波，北京大学国家发展研究院，电子信箱:x.zhang＠nsd.pku.edu.cn（北京100871）。
作者：谭之博张晓波
经济研究 2016年03期
作者感谢审稿人的意见。文责自负。
一、引言
近年来，我国精神疾病呈高发趋势，其发病率出现了较快增长。基于中国四省2001～2005年的大规模流行病调查表明，约有1.73亿中国人受到某种形式的精神疾病的困扰(Phillips et al.，2009)。全国重度精神病的发病率在1982年是10.69‰，而到1993年已达13.47‰(殷大奎，2000)。精神病在中国疾病总体负担的排名已经超过心脑血管、呼吸系统疾病和恶性肿瘤，跃居首位。与精神疾病发病率快速上升相伴的是频频出现的跳楼事件和持刀伤人事件，这无疑对人力资本和社会安全构成了重大危害。严重的精神抑郁是致残的第二大原因，也是自杀的重要风险因子。中国人口虽然只占全世界的21％，但自杀数量为世界的44％，而中国38％的自杀由精神疾病引发(Phillips et al.，2002)。
鉴于此，探讨什么因素导致了精神疾病的高发具有重要意义。现有文献从工作压力和生活压力(卢汉龙等，1993)、社会支持和网络变化(贺寨平，2002)、劳动者权益(刘林平等，2011)、个体的社会经济地位、迁移压力和社会资本(胡荣和陈斯诗，2012)、社会资源的支持和利用(肖汉仕，2009)、性别失衡(Zhou et al.，2011)等角度探讨了精神健康的影响因素。但这些因素可能就是精神健康本身或其重要的维度(比如工作压力和生活压力带来的精神紧张，社会歧视带来的精神抑郁)，或者相对稳定(比如社会资本)，难以解释精神疾病发病率的较快增长。并且，现有研究在因果关系的计量识别上存在较大的改进空间，关键解释变量都较为内生，也较难排除与解释变量和被解释变量同时相关、却由于各种原因无法在回归中加以控制的第三方因素的影响。最后，目前的研究多基于几个省、市或地区的局部调查，缺乏全国范围的大样本研究。
本文探讨独生子女政策①对精神健康的影响。这一因素在现有文献中并没有得到系统的考察。本文的逻辑为，独生子女政策制造了大量的“小皇帝”，他们在家庭中受到过分的保护，抗击挫折和压力的能力相对较弱。而当他们长大成人，独立走向社会时，突然要面对升学、就业、婚姻市场的激烈竞争。这与走向独立之前“衣来伸手饭来张口”的温床形成巨大反差，陡增的社会压力使其精神难以适应，恶化了其精神健康状况。并且，这种影响在不同人群间存在较大差异。由于重男轻女的文化传统，男孩在家中受到更多的宠爱，而男性在独立后却需承担更大的社会责任，因此，男性在独立前后受到的冲击可能更大，独生子女政策对男性的影响更显著。另外，独生子女在走向独立前更受宠爱，在独立前后经历相对更大的压力冲击，我们推断独生子女政策对他们的影响更强烈。
已有文献探讨了独生子女与非独生子女在精神健康方面的差异(例如，Liu et al.，2005)，但它们的研究方法难以分析两者间存在差异的原因，也难以排除与精神健康状况和是否是独生子女同时相关的第三方因素的影响。从理论上说，独生子女与非独生子女的精神健康差异可能并不是由社会压力的变化所致，而是其他因素综合作用的结果。比如，父母由于经济条件较差或身体、精神状况不佳而不生多胎。这种差异延续至下一代，导致独生子女的精神健康状况较差。与以上文献相比，本文利用独生子女政策这一自然实验，运用广义倍差法比较不同年龄组间精神残疾率的变化在政策前后的差异，有助于排除第三方因素造成的伪相关，定量识别压力变化对于精神健康的影响。重要的是，独生子女政策作为国家政策，由国家强制推行，在绝大多数个人的可控范围之外，独生与非独生子女间的差距是由父母内生选择而引发的可能性大为减弱。
一些文献也探讨了独生子女政策的一系列后果，比如性别失衡、老龄化等(Hesketh et al.，2005)，但并没有研究其与精神健康的关系，本文在这一方面做出了新的探索，探讨了独生子女政策对于精神健康的影响。实证结果表明，独生子女政策出台后，18～26岁(20～26岁或22～26岁)人群相对于9～17岁(13～19岁或17～21岁)人群的精神残疾率之差在显著扩大。这一模式对男性和独生子女更明显。并且，政策前后出生人群在最近一个月中感到精神紧张或抑郁的频率之差对于男性而言更显著，进一步揭示了独生子女政策对于精神健康状况的影响。独立前后经历的压力变化对人们的精神状况构成了显著冲击，较大程度上解释了精神健康状况的不断恶化。本文有助于更全面地反思独生子女政策。
二、文献回顾
与本文相关的文献主要有以下几类。
第一类文献探讨了独生子女与非独生子女在行为发展、心理发展、精神健康、个性与人格、在校表现等方面的差异。具体而言，Jiao et al.(1986)发现，独生子女与非独生子女相比，具有更多的不良性格。他们更以自我为中心，做事缺乏韧性，缺乏控制力。Li & Liu(1989)的研究表明，独生子女在智力方面表现更好但在个性发展方面表现较差。Poston & Falbo(1990)的调查表明，独生子女在学业方面的表现显著优于非独生子女，而在性格发展方面两者不存在显著差异。Wan et al.(1994)发现，独生子女注意力集中时间较短，更顽固，更愿意及时行乐。Yang et al.(1995)的调查显示，非独生子女的恐惧、焦虑与抑郁程度更高。Liu et al.(2005)重点考察了高中阶段独生子女与非独生子女在精神健康方面的差异，发现城市中的独生子女的精神健康状况更差，而在农村样本中，两者差距不显著。
上述这些文献的侧重点在于比较独生子女与非独生子女的差异，与独生子女政策并不直接相关。而且它们多采用方差分析或均值差异t检验的方法，在较好地解决遗漏变量问题、识别因果关系方面，存在一定的不足。事实上，中国之外的任何国家都存在独生子女与非独生子女的差别，但由于缺乏外生于个人选择的政策实验，父母可以自由选择生育孩子的个数，导致观察到的独生子女与非独生子女的差别未必是由独生所致，而是父母内生选择的结果。与上述这些研究相比，本文利用中国的独生子女政策，使用广义倍差法识别该政策对于精神健康的影响。由于这项政策由国家强制推行，在个人的控制之外，计量回归中的内生性问题会相对较弱。
第二类文献探讨了精神健康、心理健康的影响因素。比如，贺寨平(2002)的研究证明，社会经济地位、社会支持和网络变化对老年人的身心状况有显著的影响。肖汉仕(2009)的调查研究表明，社会适应状况、社会状况的优劣、社会心理支持资源、对社会资源的利用、他人尊重程度、社会认知的理性度都与居民的精神健康有显著的相关性。刘林平等(2011)研究了劳动权益对精神健康的影响，其logit回归分析表明，超时加班、工作环境有危害和强迫劳动会恶化外来员工精神健康状况。胡荣和陈斯诗(2012)从个体的社会经济地位、迁移压力和社会资本三个角度，分析了影响农民工精神健康的社会因素。Zhou et al.(2011)探讨了性别失衡对于未婚男性精神健康的影响。但是以上文献并没有涉及独生子女政策的重要作用。虽然性别失衡是独生子女政策的一个后果，Zhou et al.(2011)的影响机制与本文不同。其逻辑为男性由于性别失衡无法结婚生子，导致抑郁和精神疾病，而本文讨论不同的机制，即受独生子女政策的影响，小孩在父母身边时受到过分的宠爱和保护，而当其走向社会，面对激烈的竞争时，压力的陡增致使其精神状况恶化。
第三类文献讨论了独生子女政策对性别失衡、家庭结构、人口老龄化、婚姻的形成与解体、代际关系的变化、独生子女的社会化、独生子女学习成绩、个性及行为发展等一系列问题的影响。Settles & Sheng(2008)对这些文献进行了系统总结。但并没有文献利用独生子女政策这一自然实验，基于全国范围的大样本调查探讨其对精神健康的影响。本文在这一领域做出了新的尝试。
三、数据
本文使用的数据来源于全国残疾人抽样调查(China National Survey of Disabled People，NSDP)和中国家庭追踪调查(China Family Panel Studies，CFPS)。全国残疾人抽样调查进行过两次。1987年开展的调查采取概率比例抽样方法，全国共调查了369816户、1579314人，调查总人数占全国当年总人口数1.5‰。2006年开展的调查采取分层、多阶段、整群概率比例抽样方法，全国共调查了771797户、2526145人，调查的抽样比为1.93‰。Zheng et al.(2011)对两轮调查进行了详细的介绍和说明。除了对残疾人信息的搜集，调查还对样本家户的所有人员进行了问卷调查，以综合了解残疾人的家庭状况。调查询问了每个受访者的年龄、性别、家庭成员状况等基本信息，这允许我们控制基本的人口统计学因素的影响。
本研究关注精神残疾。中国残疾人抽样调查数据使用的问卷及精神残疾判断标准都是参照国际标准，两轮之间标准没有改变。两轮调查都是由具有丰富临床经验的专科医生进行精神残疾的检查和诊断。Zheng et al.(2011，page 789)论述了两轮数据的可比性。
NSDP这套数据的优势在于针对不同人群开展了两轮，这允许我们构建倍差法分析中的一个维度，考察独生子女政策推行前后的变化。但这套数据的不足在于控制变量较少，精神残疾只是精神健康的一个维度，未必能较好地反映精神健康的全貌。北京大学中国社会科学调查中心在2010年开展了中国家庭追踪调查(CFPS)，样本覆盖25个省/市/自治区，目标样本规模为16000户，调查对象包含样本家户中的全部家庭成员。通过跟踪收集个体、家庭、社区三个层次的数据，反映中国社会、经济、人口、教育和健康的变迁。该调查中，直接问及“最近一个月中，您感到情绪沮丧、郁闷的频率”和“最近一个月中，您感到精神紧张的频率”，这为我们提供了调查对象在最近一个月的精神状况。并且，CFPS数据涉及大量的人口统计变量，对于收入的得出也更为仔细(采用逐项询问的方法)，在减弱遗漏变量和测量误差问题方面具有一定的优势。因此我们也采用CFPS数据，探讨精神健康的近况。
四、基于NSDP的实证分析
(一)研究设计
基于全国残疾人抽样调查数据(NSDP)的分析中，计量模型设定如下：
(1)式中，y为标示精神残疾的虚拟变量。如果某人为精神残疾，该变量取1，否则为0。由于被解释变量为离散变量，我们采用logit模型进行估计。wave为标示调查轮次的虚拟变量。2006年的调查对象取1，1987年的调查对象取0。cohort为标示年龄组别的虚拟变量。基准回归中，我们取18岁为走向独立的分割点(这也是成人的年龄)，取前后相等的两个年龄段。为了考察独生子女政策的影响，我们选取年龄组的方法为保证1987年的调查对象都在政策推行之前出生，而2006年的调查对象都在政策推行之后出生。由于独生子女政策在1979年推行，因此在基准回归中，年龄的上限为26岁(2006年，小于等于26岁的人都在独生子女政策推行后出生)，下限为9岁(1987年，大于等于9岁的人都在独生子女政策推行前出生)，即当年龄为18～26岁时，cohort取1，而当年龄为9～17岁时cohort取0。将年龄分成等距的两组，有利于排除组别大小的影响。这样，刻画了独立组和依赖组的差别在1987年和2006年间的变化。由于在我们构造的样本中，1987年调查中的人群都在独生子女政策之前出生，而2006年调查中的人群都在独生子女政策之后出生，反映了独生子女政策对精神健康的影响，刻画了走向独立人群精神残疾率的相对变化。
(1)式中，X表示其他控制变量。主要包括年龄(及其平方和立方项)、性别、兄弟姐妹个数、人均GDP的对数、第二产业与第三产业GDP占GDP总额的比重、城市人口占总人口的比重、国有企业职工占全部职工的比重、省份虚拟变量及其与出生年份的交互项，用以分离年龄、性别、家庭结构、经济发展水平、产业结构、城市化率、国有化程度、省份固定效应、因出生年份而异的省份间差别对于精神残疾的影响。
wave作为虚拟变量，仅仅反映了两个时间点上的差别。在这期间也推行了许多其他政策，并没有充足的理由说明两个时间点上的差别就是由独生子女政策而非其他政策所引发。为了验证确实是独生子女政策在发挥作用，我们进行了一系列稳健性检验。
首先，独生子女政策与重男轻女的文化传统使得男孩在家中更加得宠，造就了众多的“小皇帝”。父母的精心照料和保护使得男孩更少地经历挫折。另一方面，在中国，男性走向社会后需要独立承担更多的社会责任，这与走向独立之前的“温床”形成更加鲜明的反差。因此，独生子女政策应该使得男性经历更大的压力冲击，其对男性精神健康的影响比对女性更强。为检验这一推论，我们在全样本回归中加入男性虚拟变量与wave×cohort的交互项，考察该交互项是否显著为正；也尝试了分男女样本分别回归，比较wave×cohort的系数在两组回归中的大小关系。如果男性虚拟变量与wave×cohort的交互项显著为正，或者wave×cohort的系数在男性样本中更大，那么独生子女政策的作用得到了进一步的验证。
其次，独生子女政策的效果应该对独生子女更加显著，因为独生子女在独立前后经历更大的环境变化的冲击。因此，我们在回归中加入独生子女虚拟变量与wave×cohort的交互项。如果该交互项显著为正，表明独生子女政策的效果对独生子女更加强烈，独生子女政策在发挥作用。
第三，作为稳健性检验，我们也采用一个连续变量来刻画独生子女政策实施的强弱程度。Ebenstein(2011)整理了中国各省份超生罚款相对于年收入的倍数，该指标越大，表明独生子女政策的实施力度越强。我们借鉴该指标定义变量“超生罚款”(fines)，1987年的调查对象该变量取0(他们都在独生子女政策之前出生)，而2006年的调查对象根据其所在省份和年龄取相应省份和年份的超生罚款相对于年收入的倍数。因此，超生罚款衡量了计划生育政策的实施力度，我们将基准回归中的wave×cohort更换为fines×cohort(同时控制fines与wave的水平项，其他控制变量不变)，以考察确实是独生子女政策在发挥作用。
第四，我们也进行了安慰剂检验(placebo test)，以应对遗漏变量或测量误差带来的内生性威胁。安慰剂检验的第一个思路为，如果是外部压力变化导致精神健康恶化(独生子女政策的作用渠道)，那么，先天决定的残疾不应受到独生子女政策的影响。因此，第一组安慰剂检验将被解释变量替换为基因变异导致的听力言语残疾(虚拟变量)，右手边变量保持不变，重新进行基准回归。如果wave×cohort不再显著，表明我们的逻辑得到了支持，潜在的遗漏变量或测量误差并不对基准结果构成重大威胁。安慰剂检验的第二个思路为，独生子女政策不应对政策之前出生的人群产生系统性影响。换言之，独生子女政策出台前出生的人群各年龄组间的差异并不在两轮调查中呈现显著的不同。因此，第二组安慰剂检验重新定义cohort变量。当受访者年龄为38～47岁时，cohort取1，而当年龄为28～37岁时，cohort取0。在两轮调查中，这些年龄段的人群全部在独生子女政策推行之前出生，如果wave×cohort不再显著，表明对于不受政策影响的人群，各年龄组间的差异并不在两轮调查中呈现显著不同，潜在的遗漏变量或测量误差并不对基准结果构成重大威胁。
另外，在基准回归中，我们以18岁作为走向独立的时间点。人们也可能在20岁或22岁走向独立。因此，我们也尝试更换其他时间点(比如20岁或22岁)作为稳健性检验。即当年龄为20～26岁时(22～26岁时)，cohort取1，而当年龄为13～19岁时(17～21岁时)，cohort取0。在安慰剂检验中，我们也尝试以33岁为分割点，当年龄为33～37岁时，cohort取1，而当年龄为28～32岁时，cohort取0。通过尝试多组划分方法以验证结果的稳健性。
经典倍差法需要面板数据，利用政策实施前后的差异。但是，本文的研究对象是精神健康，与研究中国的大饥荒对不同人群的长期健康影响的论文(比如Mu & Zhang，2011)类似，难以使用经典倍差法。如同本文，研究饥荒时不可能对人群做经典的倍差法实验：让一部分人遭受饥荒，一部分人免遭饥荒，然后观察他们几十年。在这种情况下，研究人员采取了广义的倍差法：在一个维度将地区划为饥荒严重地区和饥荒不严重地区，在另一个维度将人群分为饥荒期间(1959～1961年)出生和饥荒后(1963～1965年)出生。通过在这两个维度应用广义倍差法来揭示饥荒的长期影响。Mu& Zhang(2011)还另外增加了性别维度来考察饥荒对男女的不同影响。本文的方法秉承了这一思路，利用年龄组别间的差异、独生子女政策在轮次间的差异和跨地区的差异以及性别的差异，探讨独生子女政策的影响。
(二)实证结果
我们首先汇报描述性分析结果，以获得1987年和2006年各个年龄组别男性和女性精神残疾状况的直观认识。
图1描绘了1987年和2006年全国残疾人抽样调查中不同年龄和性别的精神残疾率。由图1可见，18～26岁年龄组的人群相对于9～17岁年龄组的人群精神残疾率出现了较大的上升。并且，这种上升幅度对于独生子女政策推行后出生的人群更显著(2006年调查中，9～26岁的人群全部出生于独生子女政策之后；1987年调查中，9～26岁的人群全部出生于独生子女政策之前)。进一步比较男性和女性，可以发现，这种双重差异对于男性更显著。
通过进一步计算精神残疾率在各年、各组别的均值，可以进一步印证图1的直观印象。
比如，对男性而言，1987年调查中，18～26岁年龄组的精神残疾率比9～17岁年龄组的精神残疾率高1.44个千分点(在1％的显著性水平下显著)，而在2006年调查中，两组的差距为2.86个千分点(在1％的显著性水平下显著)。独生子女政策之后出生的人群相对于独生子女政策之前出生的人群，两个年龄组的差距扩大了1.42个千分点(在1％的显著性水平下显著)。而对于女性而言，相应数据仅为0.94个千分点。
图1 1987年和2006年残疾人调查中不同年龄和性别的精神残疾率
注：根据1987年和2006年全国残疾人抽样调查计算而得。
即使我们更换走向独立的时间分割点(20岁或22岁)，这种双重差异依然在1％的显著性水平下显著，且男性大于女性(1.93与0.81或1.83与0.31)。独生子女政策对于精神健康状况的不利影响得到了初步的支持。
接下来，我们加入控制变量，基于(1)式的回归结果如表1所示。
表1的第(1)—(3)列采用18岁作为走向独立的分割点，分别在全样本、男性样本和女性样本中进行回归分析，(4)—(6)列、(7)—(9)列分别改用20岁和22岁作为分割点，开展类似的分析。由表1可见，无论如何选取走向独立的分割点，对于男性而言，wave×cohort前的系数始终显著为正，表明独生子女政策推行后出生的男性相对于独生子女政策推行前出生的男性，独立组与依赖组之间精神残疾率的差距在显著扩大。对于女性而言，以22岁为分割点时，wave×cohort的系数不再显著。另外，男性虚拟变量与wave×cohort的交互项在所有回归中显著为正，表明独生子女政策对于男性的影响更大。分别比较男性样本与女性样本中wave×cohort的回归系数，这一点也得到了进一步印证。
接下来，我们检验独生子女政策是否对独生子女产生了更大的影响。我们在基准回归结果中加入独生子女与wave×cohort的交互项，表2汇报这部分实证结果。
由表2可见，无论对于男性还是女性，在各种分割点的取法中，独生子女政策对于独生子女精神残疾状况的恶化产生更大的影响。并且，独生子女政策对于男性独生子女的影响大于女性独生子女的影响。这进一步验证了独生子女政策确实在发挥作用。
(三)稳健性检验
基准回归中，我们使用虚拟变量wave刻画独生子女政策，但是同一个时间点上发生了太多的事件，wave可能并没有较好地衡量独生子女政策，而刻画了其他政策的影响。为了应对这一挑战，我们使用一个连续变量刻画独生子女政策。如第一小节所介绍的方法，我们定义变量“超生罚款”，并用超生罚款与年龄组的交互项替换wave×cohort，重新进行回归分析，所得结果如表3所示。
由表3可见，无论我们如何选取走向独立的分割点，独生子女政策越严格的地区，独立组相对于依赖组的精神残疾率上升幅度越明显。并且，独生子女政策的影响对于男性和独生子女更显著。这进一步验证了基准回归结果，表明测量误差并不构成严峻的挑战。
基准结果还可能面临遗漏变量的威胁，精神残疾率的上升可能是其他遗漏因素所致。如果遗漏变量问题非常严重，关键解释变量也会对与竞争压力无关的残疾率产生系统影响，或对独生子女政策出台前就已出生的人群也发挥作用。为了应对这一潜在威胁，如第一小节所介绍的研究思路，我们进行了两组安慰剂检验，所得结果列于表4。
如表4的(1)、(2)两列所示，与基准回归结果相比，基因变异导致的听力与言语残疾表现出不同的模式，交互项的系数在男性样本中并不显著。该种残疾由基因变异先天产生，与压力变化并无关联，交互项呈现出不同的模式在一定程度上表明遗漏同时与关键解释变量与被解释变量相关的第三方因素的可能性较低。
表4的(3)—(6)列表明，无论如何选取等距年龄组，独生子女政策推行之前出生的人群中，不同年龄组间的差异在两轮调查中并没有出现显著变化，基准回归结果并不是由一些独生子女政策推行之前就已经存在的固有差异所推动。
五、基于CFPS数据的分析
(一)研究设计
由于只有一轮调查，在基于CFPS数据的分析中，我们无法采用与(1)式相似的设定。但我们可以利用性别构建倍差法估计的第二个维度。已有大量文献探讨了外部冲击(比如失业、灾难、压力等)对不同性别人群的精神健康的影响存在较大差异。比如，Paul & Moser(2009)运用元分析(meta-analysis)的方法总结了有关失业对于精神健康影响的237项横截面研究和87项面板数据研究，发现失业对于男性精神健康的负面影响显著大于女性。Norris et al.(2002)综述了各种类型的灾难(自然灾害、恐怖袭击等)对精神健康影响的文献，发现灾难对于男性和女性精神健康的影响也存在显著差异。Wang et al.(2007)通过基于灌注的功能性磁共振成像(perfusion based functional magnetic resonance imaging)测量脑部血液流动的方法，发现男性与女性对于社会心理压力敏感程度显著不同，应对机制存在生理差异，为理解社会心理压力对男性和女性精神健康的不同影响奠定了神经生理学基础。这些证据都表明，外部冲击对男性与女性精神健康的影响存在显著差异，性别可以作为一个维度，帮助识别某一外部冲击对精神健康的影响。
因此，在基于CFPS 2010的回归分析中，计量设定如下：
(2)式中，y为1～5的得分，表示最近一个月中，感到情绪沮丧、郁闷的频率，得分越大，频率越低(1为几乎每天，5为从不)。作为互补性证据，我们也使用精神紧张频率的得分做被解释变量(得分越大，频率越低，1为几乎每天，5为从不)。
male为男性虚拟变量，cohort为标示年龄组别的虚拟变量。2010年，小于等于31岁的人群都在独生子女政策之后出生，而大于31岁的人群都在这一政策之前出生。基准回归中，我们取18岁为起点，这样，以31岁为分割点，将人群分为等距的两个年龄组。cohort对于18～31岁的人群取1，对于32～45岁的人群取0。我们也更换样本起点(取16岁或25岁)，进行稳健性检验。当16岁为起点时，cohort对于16～31岁的人群取1，对于32～47岁的人群取0。而当25岁为起点时，cohort对于25～31岁的人群取1，对于32～38岁的人群取0。因此，衡量了独生子女政策出台后出生的女性相对于独生子女政策出台前出生的女性的精神状况的差距，刻画了独生子女政策之后出生的人群相对于独生子女政策之前出生人群的精神状况差距在男女之间的差别。显著为负的表明，相对于女性而言，独生子女政策推行之后出生的男性相对于独生子女政策推行之前出生的男性的精神状况(情绪郁闷或精神紧张)的恶化程度更明显。X表示其他控制变量，主要包括年龄(及其平方和立方项)、人均家庭收入的对数值、教育年限、兄弟姐妹个数、婚姻状况、户口状况、民族、工作类型与省份②虚拟变量，以排除年龄、收入水平、教育水平、兄弟姐妹个数、婚姻、户籍、民族、工作性质、省份之间的固有差距等因素对于精神状况的影响。
与之前的分析类似，我们也检验独生子女政策是否对独生子女产生更大的影响。如果独生子女政策确实在发挥作用，它对独生子女的影响应该更大。因此，我们加入独生子女虚拟变量与male×cohort的交互项。③独生子女样本中该系数的绝对值若更大，就进一步印证了独生子女政策的影响。
虽然我们在基于CFPS数据的分析中控制了更多的解释变量，但仍可能面临遗漏变量问题的影响，不同年龄、性别人群间的差距可能在独生子女政策推行前就已存在。换言之，关键变量可能并未捕捉独生子女政策而是其他政策的影响。为了进一步排除这些问题构成的威胁，我们开展了安慰剂检验。CFPS中难以找到非压力因素决定的其他疾病类型，因此难以进行基于残疾人调查数据展开的第一组安慰剂检验。但我们仍可以进行第二组安慰剂检验，即将研究样本限于独生子女政策出台前就已出生的人群，检验不同年龄、性别人群之间的差距是否在独生子女政策推行前就已显著存在。具体而言，在该检验中，对应于基准回归中cohort的定义方法，我们分别向前选取等距的年龄段。即cohort对于32～47岁的人群取1，对于48～63岁的人群取0；或cohort对于32～45岁的人群取1，对于46～59岁的人群取0；或cohort对于32～38岁的人群取1，对于39～45岁的人群取0。如果确实是独生子女政策在发挥作用，我们不应观察到政策出台前出生的人群间已存在系统的差异，即male×cohort前的系数应该不显著。
横截面数据虽不能进行经典意义上的政策评估(利用时间维度的倍差估计)，但依然可以考察政策的空间影响。如果遗漏变量只在一个维度上影响被解释变量，如前所述的广义倍差法可以控制这种类型的遗漏变量的影响。在基于CFPS的分析中，只要遗漏变量不同时因性别、年龄组别、独生子女身份而异，也不会对计量结果构成重要挑战。这一设定下的回归相比于以水平项为解释变量的横截面回归，能更好地控制遗漏变量。
(二)实证结果
与基于全国残疾人抽样调查数据的分析类似，我们先比较各年龄组分性别的精神状况得分均值，并进行均值差异检验，以获得不同性别、不同年龄组人群精神状况的直观认识。
对于男性而言，16～31岁年龄组(独生子女政策出台后出生的人群)感到情绪郁闷的频率显著高于32～47岁年龄组(独生子女政策出台前出生的人群)，两者之差(0.05)在1％的水平上显著。但这一模式对于女性而言却恰好相反。重要的是，两个年龄组之差在男性与女性间存在显著差异，这种双重差异(0.09)在1％的水平上显著。这在一定程度上表明，独生子女政策对于男性精神状况的恶化产生更大的影响，而对于女性的影响相对弱。即使更换年龄组别的起点、终点(缩小组距)，以排除组距过长可能引入了其他因素的影响，上述模式依然成立。
我们也更换衡量指标，以最近一个月感到精神紧张的频率刻画精神健康状况，重新进行了上述分析。基本模式依然保持稳健。相对于女性而言，独生子女政策对于男性的精神健康状况产生了更加不利的影响。
接下来，我们加入控制变量，进行(2)式所示的回归分析，所得结果列于表5。
表5的(1)—(3)列使用情绪郁闷的得分为被解释变量，分别在16～47岁年龄组、18～45岁年龄组、25～38岁年龄组中进行回归。表7的(4)—(6)列以精神紧张的得分为被解释变量，进行相应的回归。表5汇报的是OLS回归结果。我们也进行了ordered probit回归，所得结果没有本质变化，限于篇幅，不再报出。
由表5可见，无论如何选取被解释变量，也无论如何划分等距的年龄组，男性与年龄组的交互项在所有回归中显著为负。即相对于女性而言，独生子女政策推行之后出生的男性相对于独生子女政策推行之前出生的男性的精神状况的恶化程度更明显。
其他显著变量的符号也都符合预期。比如，收入水平前的系数在大多数回归中显著为正，表明收入水平越高，经历情绪郁闷或精神紧张的频率越低。教育年限在所有回归中显著为正，表明教育年限越长，经历情绪郁闷或精神紧张的频率越低。
我们接下来分样本考察独生子女政策的影响。如果确实是独生子女政策在发挥作用，其对独生子女的影响幅度应该更大。因此，我们加入独生子女与男性x年龄组的交互项(及各自的水平项)，进行基准回归，相关结果汇报于表6。
由表6可见，基准回归结果主要由独生子女所驱动。无论我们如何选取等距年龄组，如何衡量精神状况，男性与年龄组的交互项前的系数对于独生子女样本更大。基于表6的回归结果，我们可以进一步计算独生子女政策对于精神健康状况的影响程度。保持其他因素不变，就情绪郁闷而言，男性独生子女与女性独生子女在各年龄组(25～31岁相对于32～38岁)的得分差距相差0.26个标准差，而对于非独生子女而言，该数据仅为0.10个标准差。就精神紧张而言，独生子女的相应数值为0.23个标准差，而非独生子女仅为0.07个标准差。换言之，独生子女政策对于独生子女产生更显著的影响，其对精神状况的影响得到了进一步验证。
(三)稳健性检验
前文的分析表明，独生子女政策恶化了精神健康状况，这一影响对于男性和独生子女而言更显著。但是基本回归结果可能面临遗漏变量、测量误差等问题的威胁，我们在本小节进行稳健性检验，以应对这些问题的挑战。
首先，父母的教育水平、职业差异也可能影响子女的精神状况，为此我们在基准回归的基础上控制父母的教育年限以及父母各个职业类型的哑变量，以确认基准回归结果并非由于遗漏这些因素所致。第二，我们也尝试控制了县级固定效应，以进一步分离各县固有差异对于人们精神状况的影响。④第三，我们以主成分分析法将情绪郁闷与精神紧张合成一个综合指标，使用该指标为被解释变量进行分析，以减弱单个指标可能存在的测量误差。回归结果表明，男性与年龄组的交互项依然显著为负。篇幅所限，这些结果不再列表报出。
第四，倍差法有效估计的前提是独生子女政策出台之前，各年龄组间的精神状况差异并不因性别而显著不同，换言之，需要确认基准回归结果并不是由独生子女政策出台前就已存在的固有差异所造成。为此，我们按照前文的方法重新定义年龄组虚拟变量，进行安慰剂检验，以考察独生子女政策出台前出生人群各年龄组的差异是否因性别而显著不同。所得回归结果列于表7。
由表7可见，无论我们如何选取独生子女政策推行前出生人群的等距年龄组，或采用不同的变量衡量精神状况，男性与年龄组的交互项都不显著。换言之，对于独生子女政策推行前出生人群而言，各年龄组之间精神状况的差异并不因性别不同而显著不同，基准回归中发现的独生子女政策的影响并不由政策推行前的固有差异所导致。
综上所述，基于两套数据的分析结果表明，独生子女政策对于精神健康状况产生了显著的不利影响，这种影响对于男性和独生子女尤为明显。
六、结论
本文基于全国残疾人抽样调查数据，发现独生子女政策推行后，18～26岁(20～26岁或22～26岁)年龄组相对于9～17岁(13～19岁或17～21岁)年龄组的精神残疾率的上升幅度在显著扩大。这一变化对于男性和独生子女尤为明显。基于CFPS数据的分析为上述发现提供了互补性证据：相对于女性而言，独生子女政策推行之后出生的男性比独生子女政策推行之前出生的男性的精神状况(情绪郁闷或精神紧张)的恶化程度更明显，且这一模式对于独生子女更为显著。这些发现表明，独生子女政策对于离开家庭温床走向独立的男性和独生子女的精神健康产生了不利影响。因此，对于经历较大环境和压力变化的青年人群进行有针对性的心理疏导，及时缓解他们的精神压力，有利于保持精神健康，提升人力资本的质量。
本文为精神健康的恶化提供了新的解释，丰富了有关独生子女政策的影响的文献，启迪人们反思这一政策在精神健康领域的不良后果。一项公共政策的推行除其政策初衷外，可能会在其他方面产生深远的影响。独生子女政策的初衷在于控制人口的过快增长，但本文的经验证据表明，该政策对精神健康产生了负面影响。在微观层面上，精神健康作为人力资本的重要维度，直接影响劳动力在劳动市场的表现，关系到他们的收入，对其事业发展、家庭生活、幸福程度产生直接的影响。在宏观层面上，人力资本的质量直接关系到我国能否从制造大国走向创新大国，成功实现经济的转型升级。恶化的精神健康状况降低了人力资本质量，对转型升级产生了不利影响。从这些角度说，独生子女政策产生的成本不容忽视。在推行政策时，只有全面考察政策的成本和收益，才能更有效地趋利避害，实现政策的效果。
作者介绍：谭之博，复旦大学经济学院，电子信箱：tzb0905＠fudan.edu.cn（上海200433）；张晓波，北京大学国家发展研究院，电子信箱:x.zhang＠nsd.pku.edu.cn（北京100871）。