三孩政策出台的舆情效应及启示—基于NLP的网络大数据分析

（图片来源：摄图网）

作者|李丹、李丽萍、李丹  来源|中国青年研究(ID：china-youth-study)

摘要:人口老龄化是21世纪贯穿我国的基本国情，实施三孩生育政策及配套支持措施，长期来看有利于改善人口年龄结构，减轻老年人口抚养比，增加社会整体活力，降低老龄化峰值水平。本文以八大官微博文的评论内容为研究对象，以Python数据挖掘和NLP情感分析为研究工具和方法，分析三孩政策及其配套支持措施的舆情动向，总结民众对该政策的态度、意见及看法，以期管窥民众对生育三孩的动机、意愿及其可能的原因，为完善相关政策提供一定参考价值。结果显示，网民对于三孩政策及配套支持措施的评价总体呈消极和中性情绪，其背后存在政策兼容性和系统性不够、配套支持措施未能落地、经济压力太大、无法平衡女性工作与家庭、无人照料小孩等多方面因素和诉求，需要从落实住房、教育、就业、医疗、养老等配套政策、家庭支持政策与女性就业权益保障措施等方面做出回应。

关键词:人口老龄化;三孩政策;配套支持措施;网络舆情;NLP情感分析

一、问题的提出

资源禀赋理论表明，从保持我国人力资源禀赋优势方面来看，人口是经济社会系统中最基础、最活跃的因素，是我国经济增长的重要力量[1]。适度生育水平是维持人口良性再生产的重要前提，而中国人口正在面临规模压力与结构挑战并存的严峻形势。第七次全国人口普查数据表明，2020年中国出生人口为1200万人，我国育龄妇女总和生育率预估只有1.3，再创历史新低。国家卫健委有关负责人表示，目前我国“90后”平均打算生育子女数仅为1.66个，比“80后”低10%。2019年全国人口与家庭动态监测调查显示，有生育二孩及以上打算的妇女，仅不足半数实现了再生育。人们选择生育的行为变得越来越理性，教育、住房、就业、文化等相关经济社会政策成为影响家庭生育抉择的关键[2][3]。

“十四五”规划和2035年远景目标纲要提出，制定人口长期发展战略，优化生育政策，增强生育政策包容性，促进人口长期均衡发展。2021年5月31日，中共中央政治局审议《关于优化生育政策促进人口长期均衡发展的决定》，提出进一步优化生育政策，实施一对夫妻可以生育三个子女政策及配套支持措施。生育政策与积极应对老龄化相辅相成，三孩政策的出台顺应时势，是有效应对少子老龄化、促进人口长期均衡发展的重大决策。

回顾我国生育政策演进历史，计划生育政策经历了1979年“独生子女”到2011年“双独二孩”，再从2013年“单独二孩”到2015年“全面二孩”，至今2021年5月宣布实行三孩政策的演变。从“双独二孩”到“三孩生育”，经过十年循序渐进的调整，包容性生育政策的转型取向愈发迫切。生育包容性既体现了“以人为本”的核心价值理念，又激发了更为持久的人口红利，回应了新时代的历史任务和老龄化的社会难题[4][5]。很显然，三孩政策的出台，旨在积极应对人口老龄化，并促进生育率的提升，那么这种政策目标何以能实现?该政策的出台将对民众产生何种心理冲击?换一句话说，普通民众是如何回应三孩政策的出台?依据动机—意愿—行为模型，生育行为发生的前提离不开动机与意愿。本文拟通过对三孩政策出台后网民的情感反应分析来总结民众对该政策的态度、意见及看法，以期管窥民众对生育三孩的动机、意愿及其可能的原因。

随着社交网络和博客的快速增长，在线社区越来越多地使用社交媒体服务来分享他们对特定产品、政策和事件的看法和经验[6][7][8][9]，在互联网上收集公众意见、挖掘公众观点和探索事实的任务变得倍加流行[10]。情绪在新闻价值观、舆论、负面竞选或政治两极分化的研究中非常重要，情感分析在文本分类中起着重要的作用，数字文本数据的爆炸性扩展和自动文本分析的快速发展为创新社会科学研究提供了巨大的机会[11][12]。尤其是在大数据和人工智能高速发展的背景下，有关政策文本的网络舆情研究，对于政策制定和执行都有重要的参考价值[13][14][15]。本文拟基于Python数据挖掘和NLP自然语言处理情感分析技术，针对我国“三孩政策”出台背景下的网络舆情开展分析，考察网民对“三孩政策及其配套支持政策”的情感倾向及其意见表达，以期为有效推动和落实三孩政策及配套支持措施提供参考。

二、研究方法与工具

自然语言处理(Natural Language Processing，NLP)是计算机科学领域与人工智能领域中的一个重要方向，它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法，主要应用于机器翻译、舆情监测、观点提取、文本分类、文本语义对比、中文OCR等方面，近年来NLP方法在政策文本研究领域也逐渐得到推广。文本情感分析(Sentiment Analysis)作为NLP常见任务之一，能够对带有情感色彩的主观性文本进行分析、处理、归纳和推理，识别出用户的情感倾向，是积极还是消极，并且提供各自概率，而每个人对一件事都有不同的看法、感受、想法和情感，这可以通过情感分析的特征提取和分类等步骤来了解[16]。目前，常见的文本情感分析方法主要是基于情感词典的方法和基于机器学习的方法，其中机器学习的文本情感分析方法，无论是基于传统机器学习模型还是深度学习模型，其在过程机制探索、算法精度等方面的效度得到了广泛验证[17]。本文借助腾讯云NLP技术及API情绪分析工具，基于其大规模互联网语料和自然语言处理机器学习算法中的LSTM(LongShort-Term Memory)、BERT等深度神经网络分类模型，并依托其千亿级中文语料累积和16项智能文本处理能力，最终输出文本情感分析的计算结果，对三孩政策有关微博评论文本进行情感分析，进而尝试归因和推演挖掘网民情绪背后的动机与成因。整个研究过程可分为数据挖掘和机器学习情感分析两部分，具体研究模型和思路如图1所示。

三、“三孩政策”网络舆情分析

1.数据收集与文本处理

在数据挖掘阶段，本研究样本数据来源于新浪微博粉丝数超过5000万的8个官微，其中6个中央级官方微博和2个影响力较大的头部媒体，分别是人民日报(1.32亿)、央视新闻(1.19亿)、新华社(1.04亿)、人民网(7942万)、中国新闻网(7174万)、中国日报(6176万)和头条新闻(1.04亿)、新浪新闻(6246万)(注:括号内为该官微的微博粉丝数)，时间跨度从2021年5月31日至2021年6月22日。通过Python爬虫获得26条与三孩政策密切相关的博文内容，共爬取到微博直接评论2804条(26条博文的转发数共232723次，评论数426597条，点赞数5044553个;由于其中一些博文的评论仅显示“博主精选评论”，Python最终获取的公开评论数为2804条)，回复评论(对直接评论进行回复的评论)未包含在分析数据内，剔除掉重复和无关内容后，本文将2722条直接评论作为原始数据。最终得到目标数据集，具体字段包括发帖者、博文发布时间、博文内容、转发数、评论数、点赞数、博文图片、博文视频、评论者、评论内容、评论时间、评论点赞数等等。

遵循情感分析方法中文本预处理、特征提取和分类三个阶段的处理方法，在确定样本数据后，按照评论点赞量首先对原始数据进行降序排序，再通过算法识别依次对样本数据进情感抽取与分类，其情感属性应根据具体情景而定，采用机器学习获取情感分析结果后，再人工对样本数据情感分析结果进行矫正，最后选取典型评论进行归类分析，以此研究三孩政策有关的网络舆情。

2.舆情走势及媒体活跃度

三孩政策出台后引发了网民广泛关注。通过百度指数搜索关键词“三孩政策”，搜索指数(PC+移动)显示2021年5月31日政策发布以后，该关键词的搜索立即出现峰值，高达51096，随后6月1日搜索指数下降至16405，再至6月2日的8657，热度迅速下降，截至6月22日的移动日均值为2806。同时，有关三孩政策的关注及报道程度在政策发布后也引起强烈反响，从百度资讯关注和资讯指数显示来看，6月2日该指数达到峰值(2570314)。

从“实施一对夫妻可以生育三个子女政策及配套支持措施”的消息发布，至本文数据爬取2021年6月22日为止，人民日报等中央级官微和头条新闻等头部媒体的发文内容，前几日主要集中于“三孩政策”发布和国家卫健委就三孩政策答记者问等话题，随后博文主要发布配套支持措施完善的有关细则。从网民的转发数、评论数以及点赞数来看，最早发文的新华社针对“三孩生育政策来了”的内容引发诸多官微转发和网民的热议，而人民日报和央视新闻有关“三孩政策配套支持措施来了”以及“国家卫健委分析生育意愿降低原因”等博文也引发热烈讨论。随着政策公布时间的推移，包括生育假、陪产假、教育、保险、税收、住房、女性就业等话题有关的配套措施受到了广泛关注。

3.基于NLP的网民情感分析

借助应用较广的腾讯云自然语言处理中的情感分析功能模块，进行编码和处理后，情感分类结果中positive表示正面情感，negative表示负面情感，neutral表示中性、无情感。通过对网民评论的情感分析发现，相比于积极情感，消极情感和中性情感占据主导地位，说明网民对于官方微博发布三孩政策的讨论持有保留意见居多。具体来说，2722条网民评论中，消极情感评论共1312条，占比48.2%;中立情感评论共476条，占比34.3%;积极情感评论共934条，占比17.5%。

针对上述数据分析结果，笔者尝试从具体评论内容上进行解析。结果表明，教育、就业、医疗、生育假、养老等配套措施如何落地，以及成本和压力如何解决等是网民比较关注的话题，当然也有网友直接表明没有生育意愿。为进一步了解网民情感背后逻辑，本文对网民评论进行了关键词提取，共计5995个核心词。对跟本研究无关的关键词进行剔除，并对近义词进行合并后，形成了如图2和图3所示的排序前100名关键词词云图。由词云分析结果来看，“政策、女性、国家、住房、房价、教育、老龄化、压力、保障措施、医疗、人口、家庭、老人、独生子女、生育、父母、二胎、工作、医疗、产假、成本、工资、经济、措施、幼儿园、男性、时间、生育率、就业”等热词均排在前列，是网民针对三孩政策及其配套支持措施最关注的问题。

首先，从消极情感对应的评论内容中，网民主要观点和意见可以概括为五类，根据网民评论点赞数排序来看:一是担忧配套支持措施未能落地，如有网民提出“想看一下配套措施(55467)”“落实(16112)”(注:括号内为网民评论点赞数，下同)，表明目前缺乏实质性的可操作可落地的措施，人们处于观望之中，生育抉择与行为和国家的相关配套支持措施密切相关，生育意愿可能会视配套措施的支持程度而动;二是认为成本太高压力太大，如有网民指出“期盼国家降低育儿成本(29765)”“让女性一边工作一边带孩子，我是可以克服的，我忧虑的是教育环境和教育成本，当然最重要的是房子的压力，多个孩子空间就要增加，换房是必然(20459)”，这表明目前住房、教育等育儿成本使得人们对三孩望而却步;三是表明不应违背少生优生原则，如“‘晚婚晚育，少生优生’小学时候学校围墙，村委会外墙上写的标语(22229)”，这反映了多年严厉的人口控制政策对中国生育文化的重构，早已从多子多福转变成少生优生的观念甚至文化，在这种文化影响下，配套支持政策可能对生育促进影响甚微，日、韩等国相关研究成果和目前低生育率的现实也反映了这一现象[18][19][20];四是表明没有结婚意愿，如“婚都不想结，还谈三胎(48589)”，第七次人口普查数据表明，目前我国不婚率、单身率都有提高趋势，“一人户”占比提高，不婚群体增加;五是认为所有政策应该有兼容性，养老、生育、教育等问题不可分割看待，如“生孩子问题也不能割裂来看，小夫妻上面有四个老人要赡养，工作压力大时间长也会挤压时间和精力，现在看来生孩子的问题不会有什么立竿见影的解决方法，可是生育意愿一旦下降是很难再重新提升起来的，确实是一大难题(1125)”，这反映了经济压力、工作压力与家庭压力的叠加，赡养老人和抚养孩子成为小夫妻胸口大石。人口老龄化是世界人口发展的大趋势，世界上大多数国家生育没有限制，可见单纯考虑政策因素不足以解决问题，需要触及深层次问题。研究表明，诸如降低生育率等人口数量控制措施并非老龄化的主要成因，鼓励隔代抚养、实施生育补贴政策和社会养老政策可以增加劳动供给、提升人力资本、提高生育率，并减轻家庭养老压力，但单一的政策难以有效解决人口老龄化问题，应对老龄化问题的政策思路和重点应该放在健康老龄化、增强社会抚养实力、建立和完善养老保障体系和医疗保险制度等更为关键的层面，应该结合中国家庭现实并实行一系列相关政策，如加快完善托育服务、发展育儿照料市场、降低生育直接成本、制定合理的生育补贴政策、完善社会养老政策等[21][22]。

其次，从中性情感对应的评论内容中，网民主要观点可以归纳为四类:一是关注女性工作家庭平衡，如有网民提出“女性难以平衡家庭与工作的关系(80869)”“这个政策会让女性就业更加艰难(13879)”，对女性生育权和劳动就业权的保障，其思想源于马克思主义的“两种生产理论”，保障女性劳动就业权益是生育保障的出发点，以生育支持和劳动就业权为主的生育保障是妇女解放和男女平等的基础[23]，女性花费更多的重要时间，面临更激烈的工作—家庭冲突[24]，职场歧视和女性就业压力成为育龄女性生育选择的拦路虎;二是认为经济压力需要缓解，如“重点从来是缓解经济压力(73942)”“养不起，医疗、教育、房子(19238)”“生活压力大，养育成本高，是适龄人口不愿生育的原因(5718)”，生育压力、教育压力、医疗压力、住房压力都是经济压力的具体表现;三是认为要尽快完善配套措施，如“希望这些问题真的引起重视，并配套政策改善(22130)”“等待细则干货(12411)”“教育，就业，养老估计是老百姓最关注的问题(12375)”，其中住房、生育、家庭、教育、就业、医疗有关的配套措施尤为网民讨论热点;四是无人照料小孩，如“最主要原因就是经济负担重!!生了没钱养也没人带!!(10811)”“生了没人带(2837)”。完善家庭支持政策成为欧洲国家应对生育问题和老龄化关系问题时采取的重要举措，比如德国的家庭政策变迁过程中，通过相关政策支持女性平衡工作与家庭之间的关系来应对少子高龄化，自20世纪90年代以来实现了女性劳动参与率和人口生育率的同步提升[25]。低生育率危机下的荷兰生育激励政策也起到一定提升生育率的作用，荷兰将直接促进生育的政策和与其相关的间接经济支持和文化支持政策结合起来，是可供现阶段低生育水平下的中国促进生育意愿、优化生育氛围的有效措施[26]。从丹麦、挪威、法国、德国、英国、美国、瑞典、西班牙等典型福利国家有关婴幼儿照护家庭友好政策和平衡工作与家庭的家庭生育支持政策等有关国际经验来看，经济、服务、时间三类政策工具应该综合且有侧重点地使用，生育支持政策有效性的关键是看它在多大程度上促进了有子女的女性就业以及在多大程度上促进了劳动力市场的性别平等，休假福利和女性权益保障、经济支持缓解家庭养育负担、发展托育服务满足多样化入托需求等措施，可以启示我国从政府、家庭、市场三者关系认识的不同价值取向出发，发挥多元主体作用支持生育友好型社会的构建[27][28]。

再次，从积极情感对应的评论内容中，网民观点可以概括为三大类:一是表达对国家政策的支持和对配套支持措施的期待，如有网民说“期待具体细则出台(37961)”“支持国家政策(2853)”“积极响应国家政策!(2205)”“支持国家政策，但是希望可以看到具体的、更详细的配套支持措施，也希望可以看到这些措施早日落实!(77)”，网民对于三孩政策配套支持措施的出台表现出强烈期待和积极情感，尤其是“三孩政策配套支持措施来了”等博文引发热议;二是认为应该考虑解决婚恋问题，如有网民指出“要先解决大龄男女的婚恋难题，我身边很多女性朋友想结婚生子的都还没对象，要帮助她们先找到对象才能生子(10132)”，婚恋与生育密切相关，提升生育意愿促进生育的前提是解决诸多网民关注的未婚和单身问题;三是认为应该尊重个人生育自由的意愿，如“其实就保证现在年轻人都愿意生二胎就行了(2035)”“有配套措施，生育自由(159)”“支持调整生育政策，重要是提升保障，提升意愿(31)”，网民呼吁生育自由，这包括想要少生或者想要多生的家庭成员意见都应该得到尊重。多重因素影响下生育水平下降以及人口负增长已成为我国人口发展的基本态势，我国生育率与基本养老保险支出水平、计划生育政策实施强度均呈负相关关系，生育政策对于人们生育行为和生育水平变动的影响在逐渐淡化，生育养育成本和文化观念已经成为影响生育水平的重要因素，因此需要进一步优化我国生育政策、完善我国基本养老保险制度[29]。我国需要实现适度生育水平，以积极应对人口老龄化，生育相关政策应从限制性、处罚性、管制导向的政策体系转向激励生育、便利生育、服务生育、更具包容性的全面生育支持导向，这就需要尊重个人生育意愿，降低育养相关的医疗、住房和教育成本，帮助育龄人群平衡工作与家庭，探索创新老幼同乐的代际互助模式，重视迁移人口的婚姻生育困境，营造出包容性生育养育环境[30]。

从网民对“三孩政策”及配套支持措施的评论文本情感分析结果来看，消极、中性、积极三类情感的共同点是都会关注配套支持措施细则的出台。而不同之处是消极情感和中性情感还会集中于对住房、女性就业、教育、老人、生育、医疗、家庭等成本和压力的忧虑，其中消极情感还体现出结婚意愿低和对“少生优生”观的坚持;中性情感主要关注女性就业即工作与家庭的平衡以及小孩无人照料;积极情感除了期待配套支持措施细则，主要也关注婚恋问题的解决和个人生育意愿自由的呼吁。

随着三孩政策的落地实施，三孩政策有关的配套支持措施成为网民关注的焦点。目前，网民评论情感倾向消极和中性的原因可以解释为:经济负担重，婴幼儿无人照料，女性难以平衡家庭与工作的关系，担忧医疗、教育、住房、产假等配套支持措施不能落地，结婚意愿不高等等。因此，进一步完善和落实配套措施、发展普惠托育服务体系、降低生育养育成本、完善生育休假与保险制度、加强税收优惠、解决住房及配套支持政策、保障女性就业合法权益、加强医疗保障措施等内容均成为网民最迫切的愿望，对于接下来如何促进三孩生育政策及配套措施更好落地有重要启示意义。

四、结论与启示

三孩政策及配套支持措施的舆情研究及网民评论文本情感分析结果显示，新浪微博网民对于三孩政策及配套支持措施的评论总体呈消极和中性情绪，积极情绪不高。网民存在担忧配套支持措施不能落地、成本太高或压力太大生不起、政策兼容性不够、平衡女性工作与家庭、需要缓解经济压力、条件不允许无人照料、婚恋问题未解决、支持少生优生、希望尊重个人生育意愿等多方面诉求。

落实中央决策部署，全面推进三孩政策的实施，重在加强生育支持政策，增强生育政策包容性，尊重生育行为的多样化，生育孩子的权利也应当逐步回归家庭[31][32][33]。孕育、生育、养育、教育是连续但互有交叉的“四大阶段”，需要时间、经济、服务、就业“四大支柱”的支撑，以及生育友好型社会氛围的助力[34]。人口数量控制效应导致成人型社会而非直接导致老年化社会，因此，放宽计划生育政策，提高生育率无法根本解决老龄化问题，通过营造包容性生育养育环境，帮助育龄人群平衡工作与家庭，对生育全过程的支持，优化生育政策，提升生育意愿，改善人口素质，才能助推人口长期均衡发展，以及人口与经济、社会协调发展。

本研究中没有对评论文本进行更深入的人工编码分析，仅从文本情感分析视角对微博评论做出梳理和解读，关于网民生育意愿和生育行为的关系探讨，还有待今后做更深入的量化研究，以更多深入分析支撑上述观点。

[基金项目:本文系国家社会科学基金项目“‘健康老龄化’背景下失能老人心理资本建设研究”(19BRK012)的阶段性研究成果]

李丽萍:上海大学管理学院博士后

李丹:四川大学公共管理学院教授，博士生导师

李丹:四川大学公共管理学院博士研究生

参考文献:

[1]Erickson R A，Hayward D J . Interstate Differences in Relative Export Performance:A Test of Factor Endowments Theory[J]. Geographical Analysis，2010，24(3):223-239.

[2]周映伶，吴华安，张华 . 生育政策变迁与生育行为响应:以重庆市为例[J]. 西北人口，2018(2):41-48.

[3]刘卓，王学义 . 生育变迁:1949 ~ 2019 年中国生育影响因素研究[J]. 西北人口，2021(1):107-116.

[4]吕昭河，谢玉球 . 包容性生育政策的理论与实践— 后人口转变时期生育政策的时代内涵和导向研究[J]. 思想战线，2 0 2 1(3):1 6 3 - 1 7 2 .

[5]杨菊华 . 生育政策包容性:理论基础、基本意涵与行动策略[J]. 华中科技大学学报(社会科学版)，2021(3):75-85.

[6]林寒，罗教讲 . 全面二孩政策的舆情解读— 基于微舆情大数据的分析[J]. 情报杂志，2016(7):66-72.

[7]Zubair A M，Aurangzeb K，Shakeel A，et al. Lexicon-enhanced sentiment analysis framework using rule-based classification scheme[J]. Plos One，2017，12(2):e0171649.

[8]范涛，王昊，郝琳娜，等. 基于视频上下文和高维融合的突发事件中网民情感分析研究[J]. 情报科学，2021(5):176-183.

[9]黄海燕，刘蔚宇. 高质量发展背景下我国体育市场监管策略研究— 基于对互联网投诉数据的文本分析[J]. 武汉体育 学院学报，2021，55(5):59-65.

[10]郑石明，兰雨潇，黎枫 . 网络公共舆论与政府回应的互动逻辑— 基于新冠肺炎疫情期间领导留言板的数据分析[J]. 公共管理学报，2021(1).

[11]Kastrati Z，Dalipi F，Imran A S，et al. Sentiment Analysis of Students’ Feedback with NLP and Deep Learning:A Systematic Mapping Study[J]. Applied Sciences，2021，11(9):3986.

[12]Andoh J，Asiedu L，Lotsi A，et al. Statistical Analysis of Public Sentiment on the Ghanaian Government:A Machine Learning Approach[J]. Advances in Human-Computer Interaction，2021(3).

[13]Park，S，Woo J. Gender Classification Using Sentiment Analysis and Deep Learning in a Health Web Forum[J]. Applied Sciences，2019，9(6):1249.

[14]Garvey C，Maskal C. Sentiment Analysis of the News Media on Artificial Intelligence Does Not Support Claims of Negative Bias Against Artificial Intelligence[J]. Omics:a journal of integrative biology，2019，24(5).

[15]Rahman M M，Ali G，Li X J，et al. Socioeconomic factors analysis for COVID-19 US reopening sentiment with Twitter and census data[J]. Heliyon，2021，7(6490):e06200.

[16]Rojas-Barahona，Maria L. Deep learning for sentiment analysis[J]. Language & Linguistics Compass，2016，10(12): 205-212.

[17]刘逸，孟令坤，保继刚，等. 人工计算模型与机器学习模型的情感捕捉效度比较研究— 以旅游评论数据为例[J]. 南开 管理评论，2021(3).

[18]Kim S J. A Critical Study on the Population Policy of Korea in the Low Fertility and Aging Society[J]. Journal of the Korean Urban Geographical Society，2019，22(2):143-158.

[19]金炳彻，都南希 . 低生育率危机背景下韩国家庭福利政策变迁研究[J]. 社会保障评论，2020(2):117-130.

[20]Alexander，J，Q，et al. An evaluation of fertility and migration based policy responses to Japan’s ageing population[J]. Plos One，2018，13(12).

[21]王爱华 . 成因 . 效应与政策路径:人口数量控制与中国人口老龄化关系再审视[J]. 马克思主义研究，2012，000(12): 76-82.

[22]于也雯，龚六堂 . 生育政策、生育率与家庭养老[J]. 中国工业经济，2021(5):38-56.

[23]黄桂霞 . 女性生育权与劳动就业权的保障:一致与分歧[J]. 妇女研究论丛，2019(5):89-98.

[24]聂焱，风笑天 . 中国城市女性的抚育实践与二孩生育决策[J]. 中国青年研究，2021(5):44-51.

[25]杨无意 . 德国的家庭政策变迁及其对我国的启示[J]. 内蒙古社会科学，2021(3):174-180.

[26]周云，彭书婷 . 低生育率危机下的荷兰生育激励政策[J]. 人口学刊，2021(2):98-112.

[27]洪秀敏，刘倩倩 . 三种典型福利国家婴幼儿照护家庭友好政策的国际经验与启示[J]. 中国教育学刊，2021(2):57-62.

[28]房莉杰，陈慧玲 . 平衡工作与家庭:家庭生育支持政策的国际比较[J]. 人口学刊，2021(2):86-97.

[29]袁辉，王熙晨，胡安琪 . 生育率视角下生育政策与社会基本养老保障协调发展研究[J]. 新疆大学学报(哲学·人文社会 科学版)，2021(2):19-28.

[30]武汉大学国家发展战略研究院中国人口发展研究课题组 . 实现适度生育水平 积极应对人口老龄化[J]. 财政研究， 2021(5):17-25.

[31]郑真真 . 生育转变的多重推动力:从亚洲看中国[J]. 中国社会科学，2021(3):65-85.

[32]宋健 . 从约束走向包容:中国生育政策转型研究[J]. 华中科技大学学报(社会科学版)，2021(3):86-91. 

[33]石人炳 . 包容性生育政策:开启中国生育政策的新篇章[J]. 华中科技大学学报(社会科学版)，2021(3):92-98.

[34]杨菊华 . 生育政策包容性:理论基础、基本意涵与行动策略[J]. 华中科技大学学报(社会科学版)，2021(3):75-85.

[35]房莉杰，陈慧玲 . 平衡工作与家庭:家庭生育支持政策的国际比较[J]. 人口学刊 2021(2):86-97.

编者按：本文转载自微信公众号：中国青年研究(ID：china-youth-study)