离婚风险影响因素探究——基于女性初婚年龄视角-凯发娱乐官网

1. 引言

自1950年以来，我国的离婚制度不断完善与规范，随着经济水平的提高、教育水平不断地提升，已婚男女自我意识逐渐增强，我国的离婚率出现上升趋势，家庭是社会稳定的基本单位，离婚率的攀升使得家庭结构变得不稳定，进而对社会的整体稳定产生负面影响。我国离婚对数在2016年突破400万对，2019年更是达到了新高470.1万对，同时也有大量研究表明，夫妻双方的初婚年龄在不断提高，晚婚晚育现象日益普遍[1] [2]。根据《2022年民政事业发展统计公报》统计，我国2022年进行结婚登记的年龄分布中，30岁以上的占比为47.56%，而在2010年，这一数值仅为30.8%，晚婚夫妻数目正在迅速增加。随着社会发展与时代的进步，初婚年龄逐渐推迟、婚育成本提高等因素是否影响了婚姻稳定性？初婚年龄对离婚风险的影响是否会呈现“u”型，以及通过什么样的机制影响离婚风险是一个值得研究的问题。

本文基于中国家庭追踪调查(china family panel studies, cfps)数据，通过生存分析法进行研究，考虑个体基本特征、夫妻匹配模式、婚姻背景等是否会在不同程度上对婚姻稳定性有所影响，对初婚年龄的影响机制进行探讨，并针对不同地区与城乡之间的情况进一步分析。在我国近年来离婚率升高及晚婚逐渐成为主流的社会背景之下，通过所得的分析结果，探究影响婚姻稳定性的原因，并提出相应的政策性建议。

2. 文献综述

婚姻是一种特殊的社会关系，在社会生活中具有多种重要的社会职能，同时也是影响人口生育的重要因素，对人类社会的和谐与稳定起着重要作用。婚姻指男女双方在经济生活、精神物质等方面的自愿长期结合，以共同生活为目的的一种社会组织形式。婚姻存续时间是指夫妻双方办理结婚登记之后到依法办理离婚登记或一方死亡的期间，婚姻的存续情况在一定程度上反映了夫妻双方对婚姻的满意度。

婚姻的稳定有利于社会的稳定，而影响婚姻稳定性的原因众多，许多学者注意到离婚率逐渐升高这一现象，对离婚风险及其影响因素等相关内容展开研究。许琪等基于中国家庭动态跟踪调查数据通过总体分割模型分析发现，离婚风险呈现“倒u”型的特点[3]，而由于不同地区在城市化水平、人口流动方面存在差异，其离婚风险也存在差异[4]，值得注意的是，由于东北地区生育率低，城市化水平、受教育程度较高，其离婚率高居不下[5]。一段婚姻的离婚风险受到多种因素的影响，妻子初婚年龄、受教育水平与就业情况等因素对离婚风险有不同程度的影响，从家庭情况的角度看，子女作为婚姻的粘合剂，其存在能够增加离婚成本，进而降低离婚风险[6]，同时育儿压力与居住情况也对一段婚姻是否能够长久产生了影响[7]-[9]；从婚姻匹配角度来说，教育与工作背景相似的夫妻，婚姻会更加稳定[10]，而宗教信仰及文化差异大的夫妻离婚风险更大[11]，“门当户对”是中国婚姻关系中的一个重要概念，大家更倾向于选择个人及家庭背景相近的婚姻匹配模式，也有研究发现“门当户对”的婚姻具有更高的生活质量，其离婚风险更低[12] [13]。

随着经济社会的发展与社会水平的提高，我国居民的初婚年龄在不断推迟，且近年来推迟加速，不婚现象也更为普遍，我国婚姻模式正在步入“晚婚普婚”的情况[14]，鉴于初婚年龄结构发生变化，针对初婚年龄对婚姻稳定性的影响探究极为必要。研究表明，早婚者的婚姻稳定性更差，初婚年龄越小，离婚风险越大[15]，在早婚情形中，初婚年龄对离婚风险的影响存在“成熟效应”，即认为早婚者可能对婚姻有错误的认识、对自身的认知不够成熟[16]，使得离婚风险加大；也有研究发现初婚年龄与婚姻的稳定性呈现出“u”型关系，并不是单纯的线性关系，即认为不论是早婚还是晚婚均会加大离婚风险，而晚婚中存在的“不匹配效应”是其离婚风险高的原因，即晚婚者的婚育时间受到挤压，选择不匹配的结婚对象的可能性更大，婚后发现与其期望不同，进而影响婚姻稳定性[17]。

在离婚风险的研究方面，现有研究大多是针对婚姻稳定性的影响因素进行讨论分析，其中部分研究以地区、婚姻匹配背景、初婚年龄等特征为切入点对婚姻稳定性进行探讨；在数据方面，一种是针对静态数据是否离婚进行研究，另一种是基于生存分析法对婚姻事件史的动态信息进行研究，但是在建立模型时较少使用治愈率模型，实际数据表明大部分婚姻都能做到“善始善终”，最终走向“离婚”这一事件的婚姻相对较少，考虑到存在“治愈者”(指不经历事件“离婚”的婚姻)的情况，本文基于2010~2020年中国家庭追踪调查数据从微观层面出发，采用治愈率模型对婚姻存续时间的影响因素进行分析。首先描述婚姻存续时间的基本概况，其次考虑到影响离婚风险因素的多样性，将女性初婚年龄、子女信息、夫妻匹配特征等变量纳入生存分析的模型中，具体分析初婚年龄对离婚风险的影响机制，对于晚婚中存在的“不匹配效应”进行验证；进一步考虑离婚风险是否存在地区异质性，并且探究存在差异的原因。

3. 研究设计与描述性统计

3.1. 数据来源与处理

本文实证数据来自北京大学中国社会科学调查中心搜集的中国家庭追踪调查数据(china family panel studies, cfps)，cfps包含个体、家庭和社区三个层次的数据，其中包括家庭关系、经济活动与个人信息等方面的信息。该数据集的样本覆盖了我国25个省市地区，其样本抽取科学合理、调查方法严谨，具有全国代表性。cfps数据首轮调查为2010年，后续每隔两年对样本进行追踪调查，其关于婚姻情况具有较为完整的事件史信息，包括结婚时间、离婚时间等关于婚姻史的详细信息及其家庭情况，并追踪了婚姻的变化情况[18]。因此本文利用cfps数据，基于生存分析模型对我国婚姻存续时间进行研究分析。本文研究主题为“离婚”这一现象，故剔除婚姻状况为“未婚”“同居”“丧偶”及数据缺失严重的样本，由于研究内容针对的是初婚情况，对于再婚的样本进行剔除。为了获取样本的动态信息，将2010~2020年的数据信息进行合并补充，尽可能保证数据信息的完整性，最终得到8829个家庭的数据进入模型中。

3.2. 方法介绍与模型假定

3.2.1. 生存分析

生存分析是探究生存时间和结局与变量之间的关系的一种统计分析方法，对某个事件的结果(终点事件)和出现这一结果所经历的时间进行分析，为了充分利用各样本的婚姻史信息，本文选择生存分析模型对离婚风险进行研究分析，将终点事件定义为“离婚”，与普通的logit模型不同的是，生存分析不仅仅考虑是否发生离婚这一事件，还将婚姻持续时间也纳入分析中，能够充分的利用数据信息。在实际研究中，一些观测个体没有发生目标事件，或未知其事件时间，称这类问题为删失，生存分析模型能够有效的对删失数据进行处理。生存分析中涉及两个重要函数：生存函数与风险函数，生存函数s( t ) 表示该段婚姻存续时间超过t年的概率，将生存函数描述成曲线，即为生存曲线。

s( t )=pr( t>t ) (t表示观测个体的生存时间) (1)

风险函数(风险率) h( t ) 指该段婚姻在“在婚”的条件下，发生事件“离婚”的瞬时可能性。

h( t )= lim δt→0 pr( t≤t≤t δt|t≥t ) δt (2)

3.2.2. 治愈率模型

治愈率模型是一种特殊的生存模型。生存分析中常见的假设是，如果随访时间足够长，一定会发生目标事件，而现实研究中，存在治愈案例的情况，即存在不会发生目标事件的个体，例如研究某种疾病的复发情况时，一些个体没有经历“复发”这一目标事件，这时采用治愈率模型会更为合适。该模型假定有一部分个体不会发生目标事件，即这部分群体被“治愈”了，另一部分则为未被治愈个体，考虑到大部分个体永远不会经历“离婚”这一事件，存在“治愈”的个体，使用治愈率模型对离婚风险的影响因素进行分析更为合适。治愈率模型的表达式如式(3)所示，其中z为协变量。

s pop ( t|z )=π( z )s( t|z ) 1−π( z ) (3)

第一部分“潜伏期”模型中，s( t|z ) 表示未治愈者的生存函数，可看作潜伏期，用比例风险回归模型(cox模型)来刻画，其表达式如式(4)所示，β为待估系数向量，h 0 ( s ) 为基准风险函数，根据待估系数结果，若系数为负，则表示该变量的增加降低了离婚风险；若系数为正，则该变量的增加会导致离婚风险增加，即婚姻存续时间变短。

h 0 ( s )s( t|z )=exp{ −exp( βz ) ∫ 0 t h 0 ( s )ds } (4)

第二部分“发生率”模型中，1−π( z ) 表示治愈率，其中a = 1表示该个体被治愈，a = 0表示该个体未治愈，估计个体是否治愈的部分采用logit模型，其中π( z )=p( a=1|z )= exp( α t z ) 1 exp( α t z ) ，α为待估

系数向量，若系数为正，表示该变量取值越大，发生率越高，即离婚的可能性更大；若系数为负，表示该变量取值越大，发生率越低。

3.3. 变量选择与说明

本文根据数据中受访者填写的结婚时间与离婚时间计算婚姻存续时间(以年为单位)，其中婚姻状态为“在婚”的婚姻存续时间为：2020-结婚时间；婚姻状态为“离婚”的婚姻存续时间为：离婚时间–结婚时间。对于发生“离婚”事件的样本记变量删失 = 1，仍然在婚的样本记变量删失 = 0。

已有研究表明，女性初婚年龄、子女、夫妻受教育程度差异、夫妻年龄差异、婚前同居等因素在不同程度上对离婚风险有所影响[15]，因此除了核心解释变量女性初婚年龄以外，综合考虑可能影响婚姻存续时间的变量，将子女信息、个人基本信息、夫妻背景信息等纳入模型中，各变量的赋值情况见表1。

table 1. variable declaration table

表1. 变量说明表

3.4. 描述性统计

figure 1. divorce rate and marriage rate over the years

图1. 历年离婚率与结婚率折线图

根据《中华人民共和国民政部》中历年统计公报的婚姻情况数据，绘制我国2000~2023年的离婚与结婚情况如图1所示，2000年离婚率仅为0.96‰，2003年以前的离婚情况较为稳定，其上升趋势不明显，2003年《婚姻登记条例》规定取消了离婚登记的一个月审查期，使得离婚程序简单化，降低了离婚登记的成本，故2003年以后，离婚率缓慢上升；直至2019年，我国离婚对数达到新高470.1万对，离婚率达到最大值3.36‰，随后在2022年下降至2.04‰，其中除了结婚率下降的原因以外，可能与2021年设置的“离婚冷静期”有关，而2023年离婚率又出现了上升的情况。

随着时代变迁，婚姻观念发生改变，表2反映了全样本的基本情况及新世纪前后女性初婚年龄、子女数目、婚前同居等婚姻结构数据的变化情况。根据分析发现，随着时期变化，女性初婚年龄有所增加，初婚年龄从21.93岁增加到23.87岁；而子女数从2.07降至1.6，其中除了生育政策、经济压力等原因，结婚年龄的推迟也是原因之一[19]。而初婚年龄提高的同时，“男小女大”的年龄匹配类型占比也在增加，并且夫妻中妻子学历高于丈夫的比重也在提高，从16.67%上升至26.02%。随着社会进步与思想开放，具有婚前同居行为的比例明显增加。

table 2. variable description

表2. 变量描述

注：除女性初婚年龄、子女数为均值以外，其余均为比例。

4. 实证分析

4.1. 婚姻存续时间基本概况

首先利用生存分析中的风险函数曲线探讨离婚风险随着婚姻存续时间的变化情况，结果如图2所示，离婚风险随着存续时间的变化先上升后下降，呈现“倒u”型曲线。离婚风险最大的时间段为婚后的第7~10年；在这之后，离婚风险出现下降趋势；第26年之后，离婚风险下降变得缓慢。

figure 2. the risk of divorce varies with the duration of marriage

图2. 离婚风险随婚姻存续时间变化

为探究地区间生存差异，分群体估计生存率如表3所示，生存率是指在经过若干年的随访后，仍然存活(未发生目标事件)的个体数所占的比例。从城乡差异看，城镇的生存率比农村低；从地区差异看，中、西、东部地区的生存率差异不大，但不论是5年还是9年生存率，东北地区均低于其他地区。

table 3. k-m method for survival estimation

表3. k-m法生存率估计

为了更直观的展示不同群体之间离婚风险的差异，绘制kaplan-meier曲线估计不同群体的生存差异，将样本分为城乡(左)与不同地区(右)画出的k-m估计如图3所示，城镇的离婚风险比农村大；东北地区的离婚风险与其他地区差异较大，相较于与其他地区，东北地区的离婚风险更大。

figure 3. k-m plots of subgroups

图3. 分群体的k-m图

4.2. 婚姻存续时间的影响因素

为了进一步探究婚姻存续时间的影响因素，本文采用治愈率模型进一步分析，估计结果如表4所示。logit部分显示，女性初婚年龄、婚前同居与“男低女高”的学历匹配模式均对治愈率有显著影响。在潜伏期cox模型中，即对于“未治愈者”的生存时间来说，核心解释变量女性初婚年龄与离婚风险呈现显著的“u”型曲线，即对于女性初婚年龄太小(早婚)或太大(晚婚)的婚姻来说，其离婚风险更大，婚姻持续时间相对来说更短。由于早婚的婚姻中存在“成熟效应”，存在年纪小思想不成熟、对自我认知不准确等问题，对于婚姻抱有错误的期待与估计而导致离婚风险更大；而晚婚的人受到自身条件、择偶时间等因素的限制，其婚姻中存在“不匹配效应”，即可能会与不匹配的对象结婚，没有认真考虑结婚对象是否合适，导致婚后容易产生矛盾，使得一段婚姻走向离婚[20]。

table 4. estimated results of cure rate model

表4. 治愈率模型估计结果

续表

注：^*、^**与^***分别表示在10%、5%与1%的统计水平上显著。

4.3. 稳健性检验

考虑到回归结果可能因为模型的改变而产生变化，为保证回归结果稳健可靠，本文分别采用cox模型与logit模型对其进行稳健性检验，各变量设置保持不变，结果如表5所示，核心解释变量女性初婚年龄的系数符号与显著性均与前文中回归结果一致，说明结果是稳健可靠的。

table 5. robustness test results

表5. 稳健性检验结果

注：^*、^**与^***分别表示在10%、5%与1%的统计水平上显著。

4.4. 异质性分析

考虑到不同地区婚姻背景与婚姻观念存在差异，进一步探究初婚年龄对离婚风险的影响在地区与城乡方面是否存在异质性，由于我国女性法定结婚年龄为20岁，并且根据国家统计局发布的2020年《中国人口普查年鉴》显示：2020年，我国女性平均初婚年龄为27.95岁，故以20岁和28岁为界限，将女性初婚年龄划分为三个区间：20岁以下、20~27岁、28岁及以上。由于各个地区经济发展水平与社会背景存在差异，其结婚背景也有所不同，根据2020年辽宁、黑龙江、吉林三个省份的人口普查年鉴显示，2020年女性平均初婚年龄分别为29.14岁、31.08岁、29.14岁，均超过了我国女性初婚年龄的平均值27.95岁，故将样本划分为东北地区与其他地区两个部分分别进行分析，估计结果如表6所示(由于篇幅限制，只展示cox模型部分)，与其他地区相比，东北地区的早婚情况对离婚风险影响不显著，而晚婚则显著增加了离婚风险。东北地区由于城镇化较早，早期移民较多，思想观念受到影响[21]，所以在受到其社会背景与经济水平的影响下，初婚年龄较大，并且第七次人口普查情况显示，东北地区的受教育程度普遍较高[22]，而对于小学以上受教育水平的人来说，呈现受教育程度越高，其初婚年龄越晚的趋势[23]，受教育水平的提升在一定程度上压缩了适婚人群的婚育时间，东北地区的晚婚情况较多，使其婚姻的稳定性对晚婚更加敏感，受到影响较大。

table 6. heterogeneity analysis

表6. 异质性分析

注：^*、^**与^***分别表示在10%、5%与1%的统计水平上显著。

前文中分城乡的k-m图反映了城乡之间离婚风险的差异，城镇地区的离婚风险大于农村地区。考虑到我国城乡二元社会的背景，由于社会背景与经济发展等因素的差异，城乡居民的婚姻观念存在差异，城镇的晚婚情况更为突出[23]，因此分别对城镇和农村两个部分的样本进一步分析，结果如表6所示，与农村相比，城镇地区的晚婚显著增加了离婚风险，城乡两个地区由于各自的初婚年龄特征不同，其对离婚风险的影响也存在差异。

4.5. 晚婚对离婚风险的影响机制

研究表明，一段婚姻中女性结婚年龄较晚将会不利于婚姻的稳定，受教育水平的提高与现实状况中较大的经济压力等原因均可能会压缩择偶时间，使得择偶成本增大，而部分群体迫于完成“结婚”这一任务的压力，没有充分的时间考虑结婚对象是否真正适合自己，从而选择了不相符的婚姻，在其婚姻中产生“不匹配效应”，即夫妻间存在教育、年龄、价值观念等方面的不匹配[24]。

夫妻间的价值观念契合非常重要，而价值观念差异巨大的夫妻更容易选择离婚。因此选择问卷中与个人价值观念相关的问题，探究晚婚是否会加大夫妻间价值观念的差异。本文将价值观念分为婚育观与价值观两个维度进行赋分，具体变量与含义如表7所示，婚育观主要涉及到对于养育子女的看法及男女双方在家庭责任中的分担情况，价值观主要涉及到个人对于社会中价值效用与体现的看法。根据丈夫与妻子的回答结果，将二者的赋分值相减，并取绝对值，在每个维度内各自求和得到最终值。

table 7. explanation of marriage concept and value variable

表7. 婚育观、价值观变量说明

注：十分不同意 = 1，不同意 = 2，既不同意也不反对 = 3，同意 = 4，十分同意 = 5。

由于夫妻间价值观念的差异除了可能受到是否晚婚的影响以外，也许还会受到夫妻受教育程度差异、夫妻间年龄差异、城乡等其他因素的影响，为了探究晚婚是否真正对夫妻间价值观念的差异造成影响，采用倾向得分匹配法对样本进一步处理，避免出现样本选择性偏误的问题。倾向得分匹配法基于反事实推断对样本进行匹配，能够降低样本的自选择偏差[25]，采用logit模型计算得分之后对样本进行匹配。本文根据是否晚婚将样本分为两类：实验组表示女性初婚年龄为28岁及以上的婚姻，对照组则为初婚年龄小于28岁的婚姻。匹配变量选择夫妻受教育程度差异、夫妻年龄差异、城乡等特征变量。常用的匹配方法有卡尺匹配、近邻匹配等，本文选择卡尺内最近邻匹配，匹配后的平衡性检验如表8所示，结果表明匹配之后，实验组与对照组的标准偏误减少，各匹配变量在匹配后不存在显著差异，表示匹配效果较好，平衡性检验通过(由于篇幅限制，只展示婚育观匹配结果)。

table 8. balance test

表8. 平衡性检验

基于样本的匹配结果，得到平均处理效应(att)如表9中模型一所示，结果表明晚婚夫妻间的婚育观与价值观均存在显著差异，婚育观与价值观的平均处理效应分别为0.832与0.491，说明晚婚夫妻在价值观念方面确实存在“不匹配效应”，若夫妻间价值观念认知不一致，可能导致夫妻间分歧变大，增加日常生活中的争吵频率，进而对婚姻稳定造成威胁。为了验证晚婚的夫妻价值观念存在差异这一结果的稳健性，以女性初婚年龄30岁为界限，重新划分实验组与对照组，重复上述的匹配过程，所得平均处理效应结果如表9中模型二所示，婚育观与价值观仍然存在显著差异，说明该结果稳健可靠。

考虑到城乡之间社会背景不同，分城乡对夫妻间婚育观与价值观差异进行分析，结果如表9所示，不论是婚育观还是价值观，城镇地区的晚婚婚姻中均存在显著的差异，夫妻间价值观念的“不匹配效应”在城镇地区更为突显。

table 9. average treatment effect results

表9. 平均处理效应结果

注：^*、^**与^***分别表示在10%、5%与1%的统计水平上显著。

figure 4. grouping bar chart of views on marriage and fertility

图4. 婚育观的分组柱状图

对婚育观中各维度进一步分析结果如图4所示，夫妻间认知存在分歧最多的是“女人干的好不如嫁得好”，有68.47%的夫妻对此说法看法不一致，晚婚的女性思想更为成熟，“女人干的好不如嫁得好”的观念已不适用于当今社会。其次是“男人以事业为主，女人以家庭为主”与“女人应该有孩子才算完整”，婚育观关系到夫妻双方在家庭责任方面的承担分工与养育子女的观念，女生承担更多家务的传统观念已不符合当今时代，现代社会，“男女平等”的观念逐渐深入人心，女性在家庭和社会中的地位和角色也在发生改变。由于价值观与婚育观的差异，夫妻间在婚姻期望上存在分歧，并且在生活中摩擦增多，例如对于家庭生活、事业发展等方面的看法有所不同，如果双方不能妥善处理这些问题，就可能导致婚姻出现裂痕。晚婚者可能在选择配偶时没有充分考虑到对方与自己是否契合，导致结婚后观念不一致的情况日益凸显，进而破坏婚姻的稳定性。对此要树立正确的价值观念，真正意识到“男女平等”，夫妻双方共同承担事业与家庭的责任，不被传统观念所束缚，同时要对婚姻负责，选择三观契合的伴侣，避免在婚后出现“不匹配效应”，破解晚婚对婚姻不稳定性的冲击。

5. 结论与分析

本文基于cfps的2010~2020年数据，利用治愈率模型研究初婚年龄对离婚风险的影响，并且对晚婚的影响机制和地区异质性进行了分析，研究发现，我国离婚率呈现上升趋势，并且在婚后第7~10年离婚风险最大；女性初婚年龄与离婚风险呈“u”型的关系，逐渐增加的女性初婚年龄导致晚婚比率提升；并且相对于其它地区来说，东北地区受晚婚影响更大，可能与其受教育程度较高，压缩了婚育时间有关；而与农村地区相比，城镇地区受晚婚影响更大。进一步的机制研究表明，初婚年龄延迟导致婚姻不稳定的原因是晚婚者择偶时间受到挤压，导致“不匹配”的婚姻增加，晚婚的夫妻间婚育观与价值观均存在显著差异，验证了“不匹配效应”这一假设；此外，研究还表明，与农村夫妻相比，城镇地区的夫妻“不匹配效应”更为明显。基于上述研究结论，本文提出以下几点建议。

首先，政府可出台相关政策鼓励适婚人群结婚，对适婚人群提供一定的奖励，降低生育成本，保障女性生育权利，用良好的社会福利缓解年轻人“恐婚恐育”、“主动晚婚”的现象，以此缓解晚婚日益增多的情况。其次，通过媒体舆论监督等方式倡导正确的婚恋观，加强婚姻教育，减少对于晚婚行为的误解与偏见，杜绝不良催婚行为，并且让大众意识到婚姻的重要性、在婚姻中承担起家庭责任，鼓励夫妻双方多沟通、多交流。在晚婚晚育的社会背景中，建议未婚人群即使在迫于完成结婚这一“任务”的压力下，也应该慎重对待婚姻，在充分了解对方的情况下再考虑结婚，不提倡“快餐式婚姻”。最后，提高大众对于两性平等认知的一致性，加强对于男女平等的宣传与教育，推动男女双方在家务与工作方面的平等分配，改变“男主外女主内”的认知。缓解年轻人的婚育压力，提供更完善的家政服务、育儿服务等，为大众创造更好的婚育环境，以减少夫妻间日常生活中的摩擦，促进家庭的和谐稳定发展。

参考文献