总和生育率 · aiwiki.page

总和生育率（Total Fertility Rate，简称 TFR）指假设一名妇女在其育龄期内经历某一特定时期的各年龄别生育率，并存活至育龄期结束，其平均可能生育的活产婴儿数。该指标以每名妇女的生育子女数表示，描述的是一个假想（即假定）世代的生育水平，而非该时期所观察到的妇女实际的终身生育情况。总和生育率是人口学中的核心测量指标，便于在不同年龄结构的人口之间进行生育水平的比较。(un.org)

总和生育率常用于研究生育模式的转变、评估代际更替情况以及编制人口预测。联合国估计，2024年全球总和生育率为每名妇女生育2.25个孩子，而1990年则为3.31。解读这些数据时，需要区分时期生育率与终身队列生育率、生育时机的变动与最终家庭规模的变化，并将生育率与人口变动的其他构成要素区别开来。在低死亡率人口中，更替水平生育率约为每名妇女2.1个孩子，但具体的临界值因地区而异，且达到该水平并不会立即使人口规模稳定下来。(un.org)

定义、范围与相关指标

总和生育率（total fertility rate，简称 TFR）指假定一名女性在整个育龄期内经历某一特定时期所观测到的各年龄别生育率，并存活至育龄期结束，其平均生育的活产婴儿数。该指标通常以一个日历年为周期进行计算，是一个虚构的终身总量：它将该年度不同年龄段女性的生育率汇总为一个以“每名女性生育子女数”表示的单一指标。假定各年龄别生育率保持不变，这属于一种用于指标解读的假设条件，并不代表预测未来的生育率将维持恒定。同样，该指标假定女性在整个育龄期内均能存活，而并未根据育龄期之前或期间死亡的实际概率进行加权折算。(digitallibrary.un.org)

在人口学中，生育力（fertility）指实际实现的生育行为，而繁殖力（fecundity）则指生物学上的生殖能力。因此，TFR 衡量的是实际出生的婴儿数，而非生理层面的生殖能力。其年龄别生育率所依据的出生统计为活产婴儿数，而非怀孕次数、分娩次数或在较晚时间点依然存活的儿童数。活产婴儿即便随后夭折，也依然计入统计；而未产生活产的妊娠则不计入分子。这种区分也将 TFR 与明确纳入死亡率的存活后代测度或世代更替水平指标区别开来。(un.org)

粗出生率将一年内的活产婴儿总数与年中总人口相比，通常以每千人表示。其分母包含所有年龄段的男女两性，因而对人口的年龄与性别构成较为敏感。一般生育率则将年活产数与育龄期女性人口相比，通常以每千名女性表示。所界定的育龄范围十分关键：例如，美国国家卫生统计中心的相关出版物通常以 15–44 岁作为该指标的年龄范围。限定分母虽然消除了男性、儿童及老年人口在总人口中所占比例的直接影响，但其结果仍取决于女性在不同育龄阶段的分布情况。(archive.cdc.gov)

TFR 与这两种指标的不同之处在于，它是通过综合各个独立的年龄别生育率得出的，而非将总出生人数直接除以某个人口总量分母。因此，它避免了育龄期女性内部年龄构成的直接影响。在各年龄段生育率完全相同的两个群体中，如果其中一个群体在生育高峰年龄段的女性占比更高，两者的 TFR 依然相同，但一般生育率却会有所差异。美国国家卫生统计中心 1984 年的一份报告阐释了这种区别：缅因州 1980 年的一般生育率为每千名 15–44 岁女性生育 64.8 人，这是一个年度发生频次，而非终身生育总量。(humanfertility.org)

因此，TFR 为 1.6（每名女性生育 1.6 个孩子）并不意味着当前生活在该群体中的女性实际上已平均生育了 1.6 个孩子。这种实际观测到的平均数取决于统计包含了哪些年龄段，以及这些女性度过了多大比例的育龄期。1.6 这一数值同样不能用于预测任何具体女性最终生育的子女数：它描述的是由特定时期的群体生育模式所推导出的终身生育总量。例如，根据 2020 年数据计算出的 TFR 综合了 2020 年年轻女性与年长女性各自经历的生育率，而非 2020 年出生的女性随年龄增长将相继经历的生育率。若要追踪特定出生队列贯穿整个育龄期的实际生育历程，则需要由另一类指标来解答。(humanfertility.org)

计算与数学解释

年龄别生育率（ASFR）将活产婴儿数与女性在特定年龄区间内度过的时间关联起来。对于始于年龄 $x$ 且跨度为 $n_x$ 岁的一段年龄区间，设 $B_x$ 为该区间女性在参考期内的活产数， $E_x$ 为其对应的女性暴露人年数。年率计算公式为 $f_x=B_x/E_x$ ，度量单位为每妇女年活产数。其分母包含该年龄区间内的所有女性，而不仅是有生育经历或已婚的女性。暴露量衡量的是在区间内实际度过的时间：一位被观察了六个月的女性贡献半个妇女年。就单个公历年而言，通常用年中女性人口数来近似估算年度暴露量，每位女性大致对应一个妇女年。活产数与暴露量必须指涉相同的年龄区间和目标人群。(millenniumindicators.un.org)

分组年龄的计算方法是将每个年龄组的年率乘以其区间所代表的年数，随后累加各项贡献：

\mathrm{TFR}=\sum_x n_x f_x.

这里的 $n_x$ 是以年为单位的组距，而非统计观察期的长短。乘法运算将“每妇女年活产数”转化为“女性在该年龄区间内的累计活产数”。当公开发布的年龄别生育率（记为 $r_x$ ）以千分率（即每千名女性）而非单人率表示时， $f_x=r_x/1000$ ，可得：

\mathrm{TFR}=\frac{\sum_x n_x r_x}{1000}.

对于涵盖 15–49 岁常规的 7 个 5 岁年龄组，该公式变为 $5\sum_x r_x/1000$ 。如果采用单岁年龄组，组距为 1，在必要时将千分率转换后直接相加即可。(pmc.ncbi.nlm.nih.gov)

考虑一个仅为演示计算而构建的假设年度生育表：

母亲年龄	每千名女性年活产数 $r_x$	贡献值（每位女性活产数） $5r_x/1000$
15–19	20	0.100
20–24	70	0.350
25–29	110	0.550
30–34	100	0.500
35–39	60	0.300
40–44	15	0.075
45–49	1	0.005

各组率相加总和为 376，因此该假设的总和生育率为：

\mathrm{TFR}=\frac{5(20+70+110+100+60+15+1)}{1000} =1.88\text{ births per woman}.

以 25–29 岁组为例，每年每千人 110 的比率折合为每妇女年 $0.110$ 个活产；若在该比率下度过 5 年，则贡献每位女性 $0.550$ 个活产。因此，乘数 5 代表的是度过 5 个年龄岁数，而非 5 年的实际观察出生数据。尽管全部输入数据均来自单一年度的生育表，该计算却累加了跨越整个规定育龄期的贡献。这一指标绝不是简单地用全年出生人数除以 15–49 岁女性总数。(pmc.ncbi.nlm.nih.gov)

统计所覆盖的年龄范围属于指标定义的一部分，而非普适的生物学界限。人类生育力数据库（Human Fertility Database）指出，部分统计机构计算 TFR 时采用 15–49 岁区间，而另一些机构则采用 15–44 岁；该数据库自身的计算则覆盖了更宽的范围，其端点组分别延伸至 12 岁及以下以及 55 岁及以上。因此，15 岁以下和 49 岁以上的活产可能会被某一已发布的指标纳入，却被另一指标排除在外。在各口径共有的年龄段生育率保持不变的情况下，补入被遗漏年龄组的贡献只会提高计算得出的总和，不过具体差异幅度取决于这些边缘年龄组的生育水平。因此，在进行数据对比时，必须仔细核实所设定的年龄上下限以及对区间外活产的处理方式，而不能想当然地认为所有标为“TFR”的数据都覆盖完全相同的年龄段。联合国分别对 10–14 岁和 15–19 岁界定了青少年生育率，从而使低于常规起始年龄的生育水平也能够得到明确度量。(humanfertility.org)

时期生育率、队列生育率与生育时机

时期总和生育率结合了同一日历时期内不同年龄——因而也属于不同出生队列——妇女的生育率。2020年25岁女性的生育率与同年35岁女性的生育率所描述的是不同世代，而非同一代人生命历程中的先后阶段。相比之下，终身队列生育率则是将同年出生的女性在整个育龄期内经历的各年龄别生育率累加。它衡量的是该队列一生的平均生育水平，而非根据某一时期生育率构建出的假想一生水平。其主要局限在于所需等待时间较长：人类生育力数据库（Human Fertility Database）通常只报告已满50岁队列的终身指标，并将截至40岁的补充指标与整个育龄期的总量加以区分。(humanfertility.org)

这种区分将生育的数量（即生育总量）与进度（即生育时机）分离开来。当相继的队列推迟生育时，低龄段的生育率会下降，而相应的推迟生育尚未在高龄段显现。因此，即使这些队列最终拥有相同数量的平均子女数，时期总和生育率也会下降。如果推迟现象随后停止，这种向下的时间效应便会减弱，从而在终身家庭规模并未扩大的情况下导致时期总和生育率回升。提前生育则会产生相反的效果，使出生人口在某一时期内暂时集中。这些机制并不意味着所有被推迟的生育最终都会得到补偿：生育时机和终身生育数量的变化可能会同时发生。生育进度效应特指生育时机改变对时期生育率指标所产生的影响。(knowledgecommons.popcouncil.org)

有若干互为补充的指标用于区分这些过程。平均生育年龄概括了生育时机；在人类生育力数据库中，它是通过年龄别生育率对年龄进行加权计算得出的，而非简单地对登记出生人口中母亲的年龄取平均值。分孩次生育率将一孩、二孩及更高孩次的生育分离开来，使得人们能够将初育行为的变化与后续生育的变化区分开来。终身队列无孩率衡量的是保持零胎次的女性比例，其中胎次指已生育子女的数量。胎次递进比衡量的是在已达到某一特定胎次的条件下再生育一个孩子的概率：例如，从一孩向二孩递进针对的是已育有一孩的母亲，而非所有女性。因此，时期一孩生育率的下降可能反映出生育推迟，而终身队列无孩率的上升则表明最终步入为人父母阶段的情况发生了实质变化。(humanfertility.org)

1998年，约翰·邦加茨（John Bongaarts）和格里菲思·菲尼（Griffith Feeney）提出对时期总和生育率进行调整，以剔除生育时机变动带来的估计效应。其方法按孩次分别处理：

\mathrm{TFR}^{*}(t)=\sum_i\frac{\mathrm{TFR}_i(t)}{1-r_i(t)},

其中 $\mathrm{TFR}_i(t)$ 是观测到的孩次 $i$ 的时期生育贡献， $r_i(t)$ 是该孩次时期平均生育年龄的年变化率，以每年增加的岁数表示。 $r_i$ 为正时会使调整后的贡献高于观测值； $r_i$ 为负时则使其低于观测值。举个假设的例子：如果所有孩次的平均生育年龄每年增加 $0.10$ 岁，而观测到的 TFR 为 $1.80$ ，则调整后的结果为每名女性 $1.80/(1-0.10)=2.00$ 个孩子。在模型假定下，该计算将这一差异归因于时间效应，而非直接观测到的实际增多出生。(knowledgecommons.popcouncil.org)

该调整假定在各个孩次内部，生育时机的平移在不同年龄和队列之间具有相似性，且标准化后的年龄别生育模式曲线在平移过程中保持形状不变。因此，不同年龄在生育推迟上的差异或生育模式离散程度的变化均会影响其解释。调整后的数值是一个反事实的时期指标：即在排除了模型设定中的生育时机变动后对该时期生育水平的估计。它既非观测到的终身队列总量，亦非对未来家庭规模的无条件预测。后续的生育、特定队列的行为以及未来生育总量的变化，仍在此调整方法单独所能确立的范围之外。(demogr.mpg.de)

数据来源、估算与测度质量

直接估算利用通过民事登记记录的活产数以及相应的女性人口暴露量估计值。国家统计机构按母亲的年龄和居住地汇总出生人数，然后将其与同一时期、同一人群中同龄的女性人口关联起来。暴露量以妇女-年计量，通常采用年中人口估计值来近似。分子和分母必须采用相一致的地理边界和常住地定义：在某城市医院出生的婴儿，其母亲并不一定属于该城市的常住人口。母亲的年龄分类也必须保持一致，包括区分生育时的实际周岁年龄与该历年中达到的年龄。人类生育力数据库明确核查登记覆盖率、及时性、母亲年龄分组，以及能否获取活产数而非总出生数（含死产）。(humanfertility.org)

在登记不完备的地区，住户调查可提供回顾性生育史数据。在人口与健康调查（DHS）中，女性受访者报告历次生育情况及其发生日期，从而可以将各次出生及其暴露量分配给事件发生时母亲的实际年龄。标准的 DHS 总和生育率覆盖调查前三年，而非单个历年；因此其调查年份标签并不代表单年的年均生育率。人口普查则通常询问曾生子女总数、过去12个月内的出生人数或最近一次活产的日期。终生生育总数本身并非时期总和生育率，但在近期出生信息或登记存在缺陷时，可以通过人口学模型和内在一致性关系进行间接估算。此类估算除依赖报告的数据外，还依赖模型假定。(dhsprogram.com)

误差会同时影响生育率计算的分子和分母。出生漏报（漏登）和调查中遗漏出生事件通常会压低测得的生育水平；报告出生日期不准确可能会使事件跨越参考期边界，从而造成人为的时间趋势变动。母亲年龄错报则会在不同年龄组之间错误重构出生人数或暴露量。即使出生登记完全无误，人口漏登、过时的人口估计以及对人口迁移统计不全面也会扭曲分母。因此，修正人口估计值可以在不改变登记出生数的情况下修正历史生育率。例如，美国国家卫生统计中心在2026年4月的一份报告中利用修正后的人口估计值重新计算了2015年的生育率，并指出其可能与最初公布的数据有所不同。DHS 方法学调查同样严格区分遗漏出生事件与出生日期移位，因为二者都可能产生误导性的回顾性趋势。(humanfertility.org)

抽样调查估计值还带有抽样不确定性：其精度取决于受访妇女数量、出生事件数量、抽样权重以及整群抽样设计。置信区间反映的是抽样变异性，并不能涵盖回忆误差或漏报的全部影响。完备的登记系统虽然避免了调查抽样误差，但并不能消除出生事件发生时的随机波动。在小规模人群中，多出几次出生就可能显著改变某个年龄别生育率，进而改变总和生育率，在某些特定年龄组暴露量较小的情况下尤为明显。多年合并估计可以增加观测到的事件数，但其反映的是更长的参考期，可能会掩盖短期变动。因此，基于登记数据的比较必须区分随机波动、记录误差与生育率的持续变化。(dhsprogram.com)

各国际数据库服务于不同的研究目的。联合国人口司的《世界人口展望》系列将登记、普查和调查数据综合起来，生成国际一致的估计数和预测数。其于2024年7月11日发布的2024年修订版纳入了1950至2023年间开展的1,910次人口普查和3,189次具有全国代表性的调查；历史估计涵盖1950—2023年，而2024—2100年则属于该版本的预测期。这类基于模型的序列必须与单个报告的观测值区分开来。与之相比，人类生育力数据库则针对登记近乎完备且分母可靠的人群，对官方出生计数和人口暴露量进行统一计算；该数据库并不对覆盖不全的输入数据进行修正。具备可复现性的对比分析通常会指明参考年份或调查区间、数据属于原始报告值、调整值还是预测值，以及所使用的数据库版本或下载日期。(population.un.org)

更替水平生育率与世代再生产

更替水平生育率是指在特定的生育率和死亡率模式下，且不考虑人口迁移时，后代群体恰好能够等量更替前代群体的生育水平。其精确标准是：在充分考虑女性在育龄期前及育龄期内的死亡率后，平均每位新生女婴最终能生育一名女儿。这是一种世代间的代际更替关系，并不等同于每年出生人口与死亡人口的即时持平；在生育率达到更替水平后，既有的年龄结构仍可能在一段时期内维持人口的增长或下降。(unstats.un.org)

人们熟知的更替门槛约为每名女性生育 2.1 个孩子，而非恰好 2 个，这同时反映了出生人口性别比和女性存活率的影响。以每出生 100 名女婴对应出生 105 名男婴计算，女婴在全部新生儿中所占的比例为 $100/205 \approx 0.4878$ 。因此，即使所有女性都能完整存活至育龄期结束，平均也需要生育 $1/0.4878 = 2.05$ 个孩子，才能保证每名女性平均留下一个女儿。而女性在进入育龄期之前以及育龄期内的死亡，会使这一数值进一步上升。联合国报告《根据〈世界人口展望 2012 年修订版〉评估的生育水平与趋势》指出，对于大多数死亡率处于低度或中等水平、且出生性别比接近 105:100 的国家而言，约 2.1 即为更替水平。因此，超出 2.0 的小数部分并不单纯是为了弥补儿童期的死亡。(un.org)

粗再生产率（GRR）指在特定生育率模式下，假设女性全部存活至育龄期结束时平均生育的女儿数；净再生产率（NRR）则进一步将女性死亡率纳入考量。设年龄组组距为 $n_x$ ， $f_x$ 表示该年龄组女性每年生育的两性活产婴儿数， $p_x$ 表示这些活产婴儿中女婴的比例， $s_x$ 表示女性从出生存活至该育龄组的存活率，则：

\mathrm{GRR}=\sum_x n_x f_x p_x, \qquad \mathrm{NRR}\approx\sum_x n_x f_x p_x s_x.

按年龄组计算时，公式对各年龄区间内的存活率进行近似估算。NRR 等于 1 意味着世代完全更替；在模式保持不变且无人口迁移的前提下，NRR 小于或大于 1 分别代表低于或高于更替水平。二者通常都是针对假想队列计算的时期指标，而非实际观察到的终身生育结果。(unstats.un.org)

一个假设计算可以直观展现死亡率的影响。假设女婴出生比例固定为 $p$ ，且以生育率为权重计算的女性平均存活率为 $\bar{s}$ ，则有 $\mathrm{NRR}=\mathrm{TFR}\,p\,\bar{s}$ ；因此，实现世代更替所需的生育率为 $\mathrm{TFR}_{R}=1/(p\bar{s})$ 。若 $p=100/205$ 且 $\bar{s}=0.98$ ，更替门槛约为每名女性 2.09 个孩子。若加权存活率降至 0.80，该门槛将上升至约 2.56 个孩子。这些只是用于说明原理的假设计算，并非具体国家的实际估算值。相关的存活率指标涵盖了从出生到整个育龄期的死亡情况，而不仅限于与分娩相关的死亡；它还取决于生育行为在育龄期内发生的具体年龄分布。(unstats.un.org)

因此，2.1 只是一个实用的约数基准，而非放之四海皆准的人口学常数。在英国国家统计局于 2015 年 10 月 29 日发布的生育率假设中，该国长期自然更替水平被设定为每名女性 2.075 个孩子。在进行跨国或跨历史时期的比较时，必须结合当地对应的女性死亡率模式和出生性别比：女性死亡率越高，或女婴占出生人口的比例越低，实现世代更替所需的生育率就越高。(ons.gov.uk)

历史演变与国际格局

生育率下降构成了人口转变的一部分，即人类社会从高死亡率、高生育率向寿命延长、家庭规模缩小的历史性转变。死亡率的下降（尤其是儿童死亡率）通常先于生育水平的下降：随着更多人口存活而生育率仍居高不下，人口增长出现加速，随后随着生育率下降而放缓。许多欧洲国家在19世纪就开启了这一转变，而大多数欠发达地区的国家则是在20世纪才进入这一进程。死亡率下降与生育率下降之间的间隔时间，以及随后生育率变化的速度，存在巨大差异；人口转变并不意味着各国遵循整齐划一的时间表。(un.org)

联合国《世界人口展望2024》修订版估计，全球总和生育率在1990年为每名妇女3.31孩，1994年为2.93孩，到2024年约为2.25孩——自1990年以来减少了约每名妇女生育1孩。这些数据来自同一次修订版，而非从历次版本中拼凑而成。2024年的数值是该修订版的同期评估值，不过2024年在形式上属于其预测期的起点；历史估计值延伸至2023年。随附的摘要报告指出，到2024年，超过半数的国家和地区的生育率已低于每名妇女2.1孩。(un.org)

采用相同的参照年份可揭示截然不同的区域轨迹。1994年至2024年间，撒哈拉以南非洲的总和生育率从每名妇女6.06孩降至4.26孩；中亚和南亚洲从3.92孩降至2.24孩；东亚和东南亚从1.98孩降至1.34孩。拉丁美洲和加勒比地区从2.98孩降至1.80孩，并于2014年跌破2.1孩。联合国划分的欧洲、北美、澳大利亚和新西兰合并区域变化较小，从1.63孩降至1.48孩，此前该区域就已处于低生育水平。这些区域汇总数据掩盖了国家间的显著差异：同一次修订估计尼日尔2024年的生育率为5.94孩，而肯尼亚为3.17孩。(digitallibrary.un.org)

低于更替水平的生育率因此涵盖了具有不同历史进程的人口群体，而非单一的区域模式。作为对比，每名妇女2.1孩是低死亡率条件下的近似更替水平基准，而此处所说的“极低”生育率指低于1.4孩；后者是一项描述性界限，并非普适的人口学标准。联合国的2024年摘要指出，中国、韩国、意大利和西班牙均属于生育率低于1.4的国家。意大利和西班牙早在1994年就已记录到每名妇女约1.2孩的生育水平，表明南欧部分地区的极低生育率早在2024年的几十年前就已形成。(un.org)

东亚各国的轨迹在发生时间和下降深度上也各不相同。在联合国同期的1994—2024年对比中，日本从每名妇女1.47孩降至1.22孩，韩国从1.67孩降至0.73孩，中国从1.63孩降至1.01孩。因此，日本虽然经历低生育率的历史更长，但在这一对比中并未呈现最低的时期生育率——韩国2024年的水平显著更低。需要指出的是，这些是时期指标，而非特定年份出生的妇女的终身实际家庭规模。(digitallibrary.un.org)

作用机制与社会经济相关因素

社会环境通过生育的直接决定因素来影响出生人数，即在社会条件与生育行为之间发挥作用的生物学和行为机制。约翰·邦加茨（John Bongaarts）在 1978 年提出的分析框架中指出了造成不同人群生育率差异的四个尤为关键的决定因素：性暴露（最初以已婚比例作为近似指标）、避孕措施的使用及其有效性、人工流产以及产后无生育力状态。这些机制作用于生育过程的不同阶段：避孕降低了受孕概率，流产在活产前终止妊娠，而母乳喂养可以延长分娩后暂时性排卵受抑制的时间。产后禁欲则进一步延长了恢复性暴露前的间隔期。邦加茨在 2015 年的修订模型中明确将婚外性行为以及避孕与产后无生育力的重叠期纳入考量，否则后者极易被重复计算。(jstor.org)

教育与城市化属于更广泛的相关因素，而非直接的生理机制。受教育程度可以影响初婚或结伴年龄、对避孕知识的掌握与应用、就业机会以及对生育决策的参与度。联合国 2002 年发表在《人口公报》（Population Bulletin）上的一项分析显示，在数据齐全的 57 个发展中国家中，女性受教育水平和儿童存活率在统计上共同解释了跨国总和生育率差异的近五分之四。这只是一种宏观层面的统计关联，而非对任一因素因果效应的估计。该分析还发现，城市居民的生育率较低，但国家层面的城市化水平与生育率之间的关系则相对较弱，这在一定程度上反映了各国对城市聚落定义的标准不一。这些发现并不能证明存在这样一种普遍规律：受教育、城镇居住或生存状况改善必然会导致固定模式的生育率变化。(digitallibrary.un.org)

在低生育率背景下，就业与住房直接影响准父母能否组建独立家庭并抚育子女。经合组织（OECD）2024 年利用 2002—2019 年国家级数据发布的分析表明，总和生育率与男性及女性的就业水平均呈正相关，而与失业率和住房支出呈负相关。就业不稳定使人们难以做出需要长期经济投入的承诺，而高昂的房价则让家庭难以获取养育子女所需的居住空间。经合组织明确将这些回归结果定性为相关性而非因果关系的证据，并指出仍有相当一部分生育率变异未能得到解释。(oecd.org)

工作与育儿的兼顾难度也会改变育儿成本。这些成本不仅包括直接开销，还包括因收入中断、工时减少以及放弃职业晋升而产生的机会成本。普惠托育服务的关键不仅在于其名义上的存在，更在于其便利程度以及是否契合父母的工作时间安排。经合组织在 2025 年对韩国的研究阐明了受教育程度与兼顾工作和做母亲能力之间的脱节：在拥有本科及以上学历的韩国女性中，就业率仅为 69%（经合组织平均水平为 83%），许多高学历韩国女性在生育后选择退出职场。因此，就业保障、工作模式、托育安排与家庭责任之间相互交织、互相影响，并非彼此孤立或可互相替代的决定因素。(oecd.org)

伴侣关系的建立与社会规范会进一步调节生育意愿。2020 年，经合组织成员国中略超 40% 的婴儿出生在婚姻关系之外，但在韩国、日本和土耳其，这一比例不足 3%；因此，推迟结婚在不同社会环境下具有截然不同的影响。育儿责任分配不均也会导致伴侣在是否继续生育的问题上产生分歧。因此，意愿子女数量与实际生育数量往往存在差距：生育意愿可能会改变，伴侣之间可能会有分歧，而经济状况或伴侣关系也可能阻碍意愿的实现。无论是口头表达的偏好还是一个国家的总和生育率，都无法直接反映出个人的最终子女数量。(oecd.org)

人口内部差异与数据汇总

在国家内部进行生育率比较时，通常会区分行政区划、城乡居住地、受教育程度以及社会经济地位。每个子群体都需要各自的年龄别出生人数及对应的女性人年暴露量：例如，25–29岁且拥有大学学历女性的出生人数，必须除以该年龄段且具该教育类别女性的暴露量，而不是除以所有25–29岁女性的暴露量。参照期、年龄覆盖范围和分类规则必须保持一致。在回顾性调查中，受访时记录的居住地或社会经济特征并不一定反映早先分娩发生时的状况。这类比较能够识别出差异，但其本身并不能确立受教育程度、居住地或财富的因果效应。(dhsprogram.com)

全国层面的汇总数据可能会掩盖显著的地域差异。印度2019–2021年开展的全国人口与家庭健康调查报告显示，其全国TFR为每位女性生育2.0个子女，而各邦的估计值则在比哈尔邦的3.0到锡金邦的1.1之间不等；城镇地区的估计值为1.6。这些都是基于调查的时期测度指标，而非终身完成家庭规模。对数据进行细分还会减少支持每项估计的观测样本量。因此，人口与健康调查（DHS）统计指南对基于125至249个未加权暴露人年的生育率做出标记，并隐去基于少于125个人年的数据，这也解释了为何详尽的子群体统计表中可能存在缺失或不精确的估计值。(pib.gov.in)

按胎次分解是另一种分析方式。若 $B_{x,i}$ 表示年龄组 $x$ 的女性所生育的第 $i$ 胎活产数，而 $E_x$ 表示该年龄组中所有女性的暴露量，则分胎次贡献率为 $TFR_i=\sum_x n_xB_{x,i}/E_x$ ，且 $TFR=\sum_iTFR_i$ 。这样可以将第一胎的变化与第二胎及更高胎次的变化分离开来。这些无条件贡献率不同于胎次递进率：对于已完成生育的队列，后者衡量的是达到某一特定胎次的女性中随后继续生育下一胎的比例。第二胎贡献率采用的是全体女性的暴露量，而条件第二胎生育率采用的则是恰好生育过一个活产婴儿的女性的暴露量。因此，较低的第二胎贡献率既可能反映成为母亲的女性人数减少，也可能反映已育女性中递进生育率的下降。(humanfertility.org)

人口迁移既会改变人口暴露量，也会改变所观察女性的群体构成。出生人数分子与暴露量分母必须采用一致的常住地及移民身份定义。此外，移民群体的时期TFR综合了在不同年龄抵达且居住时长各异的女性；抵埗后不久集中生育可能会推高该指标，但这并不意味着其终身完成家庭规模也同样很高。因此，单一的年度数据无法描述与迁移相关的完整生育史。人类生育数据库（Human Fertility Database）在估算女性人口暴露量时考虑了迁移因素，但其在重建年龄-胎次分布时，假设移民的胎次结构与一般人口一致——这一单独的假定在现实中可能并不成立。(demographic-research.org)

跨国家或跨子群体的数据汇总必须在年龄别生育率的层面上进行。设国家 $c$ 的生育率为 $f_{x,c}=B_{x,c}/E_{x,c}$ 。将标准的“出生数对暴露量”定义应用于合并后的观测数据，可得：

f_x^{\mathrm{pool}} =\frac{\sum_c B_{x,c}}{\sum_c E_{x,c}} =\sum_c w_{x,c}f_{x,c}, \qquad w_{x,c}=\frac{E_{x,c}}{\sum_jE_{x,j}},

进而有

TFR^{\mathrm{pool}}=\sum_x n_x\sum_c w_{x,c}f_{x,c}.

权重取决于各年龄段的女性暴露量，而非各国的总人口或其出生人口份额。由于这些权重在各个年龄段之间通常并不相同，因此合并后的TFR通常既不是各国TFR的算术平均值，也不是单一的人口加权平均值。这是因为在对各年龄别率求和之前，分子与分母已先行合并。(un.org)

一个假设的例子可以说明这种差异。假设A国在两个五年年龄组中的年度生育率分别为 $0.20$ 和 $0$ ，而B国则分别为 $0$ 和 $0.20$ ；其他所有育龄组的生育率均为零。两国的全国TFR均等于 $5(0.20)=1.0$ 。如果A国在第一个年龄组中占合并女性暴露量的80%，但在第二个年龄组中仅占20%，那么这两个年龄组的合并生育率都等于 $0.16$ 。因此，合并后的TFR为 $5(0.16+0.16)=1.6$ ，尽管两国各自的TFR相同，合并值却超过了两国的水平。

人口动态、预测与规划

在队列要素预测法中，生育率作用于规模和年龄结构自身也在变动的人口群体中产生出生人口。每个出生队列依据分年龄和分性别的存活率假设随时间推移推进，同时计入迁入人口并扣除迁出人口。出生人口数是通过将预测的分年龄生育率应用于相应的育龄女性暴露人口计算得出的： $B_t=\sum_x f_{x,t}E_{x,t}$ ，其中 $E_{x,t}$ 表示 $x$ 岁女性的人年数。新生儿按性别划分，并适用婴儿存活率假设。因此，相同的 TFR 可能由于人口中育龄期女性人数不同而产生不同的出生人口总量；即使生育率总量相同，不同的生育年龄模式也会产生显著差异。人口迁移不仅直接影响人口规模，还通过改变育龄暴露人口来影响后续的出生人数。 (www2.census.gov)

人口惯性解释了为何达到更替水平生育率后人口增长并不会立即停止。在年轻型人口中，进入育龄期的大规模队列所产生的出生人口，可能超过相对较小的老年队列中的死亡人口，即使每代人仅能实现自身更替。联合国《世界人口展望 2024》指出，在 2024 年至 2054 年间预计的全球人口增长（约 14 亿人）中，约有 79% 源于现有年龄结构中蕴含的人口惯性。相反，对于育龄队列规模较小且老年人口较多的人口群体，即便生育率上升，人口也可能继续萎缩：生育率的提高并不一定能弥补潜在母亲人数减少和死亡人数增加的影响。 (un.org)

生育率的持续下降改变了各年龄组之间的平衡。较小的出生队列最初会降低少儿抚养比；随后，随着他们进入劳动年龄，而之前规模较大的队列步入老年，他们将加剧人口老龄化，并推高老年抚养比。这些比率比较的是按常规定义的年龄组，而非实际的受抚养者与劳动收入者：就业状况、退休年龄、无偿照料和生产率决定了人口变化如何转化为经济供养需求。在 2024 年联合国预测中，人口已经达峰的国家预计其 20 岁以下人口比例将从 2024 年的 21% 下降到 2054 年的 14%。 (un.org)

对于规划而言，队列推进的时序与最终的人口总量同等重要。出生人口减少最先影响孕产妇及幼儿早期服务，数年后波及入学适龄队列，约二十年后则会影响潜在的劳动力市场新进入者。此外，入学人数还取决于入学率和升学率，而劳动力规模则取决于劳动参与率和人口迁移。劳动年龄人口占比的暂时上升可以为人口红利创造条件，但并不会自动带来经济增长：教育、健康和生产性就业共同决定了这一机遇能否转化为经济收益。 (un.org)

不同的生育率假设揭示了人口预测对未来生育行为的依赖程度。在 2024 年联合国修订版中，高生育率和低生育率情景设定的生育率分别比中位轨迹高出或低出约 0.5 名子女/女性。持续的差异会产生复合效应，因为它们不仅改变了第一代出生人口，还改变了后续各代中潜在父母的人数。这些敏感性情景不同于概率预测区间。联合国还基于使用生育率贝叶斯模型模拟的人口轨迹，报告了 80% 和 95% 的预测区间。此类区间描述的是以该模型及其假设为条件的不确定性；它们既非绝对保证，也与高低情景的上下限不同。同理，固定生育率情景探讨的是生育率保持不变会带来什么结果，而不是断言生育行为真的一成不变。 (population.un.org)

政策应用、效果评估与生殖自主权

总和生育率（TFR）常用于监测人口趋势并评估人口与家庭政策的实施环境，但增加出生人数并不等同于改善家庭福祉。经合组织（OECD）家庭数据库将生育率与理想及实际家庭规模、无子女状况、父母就业、假期权益以及托育支持等指标并列考量。经合组织2024年的政策评估区分了多种目标，包括减少儿童贫困、支持儿童发展、促进性别平等、兼顾工作与家庭照料，以及使人们能够在希望的时间生育。因此，一项政策计划即使未能提高总和生育率，也可能实现其他重要目标：该评估报告指出，波兰的“家庭500+”儿童补贴计划大幅减少了极端儿童贫困，但并未达成预期的生育目标。(oecd.org)

不同的政策工具通过缓解不同的制约因素发挥作用。带薪育儿假在脱离工作期间提供收入替代；提供托育服务可降低照料成本并有助于保持持续就业；现金补贴与税收减免则直接减轻了抚养子女的支出。住房援助旨在缓解获取适宜住房的成本压力。经合组织2024年评估中描述的匈牙利一揽子政策整合了现金与税收优惠、带薪假期，以及住房补助和贴息贷款。然而，这些机制的存在并不能证明观察到的全国总和生育率变化即是由该政策组合所致。此外，自愿性的计划生育服务提供避孕手段、资讯和咨询，以支持关于是否受孕及何时受孕的自主决策；其基于权利的核心宗旨是促进知情选择，而非达成某种具体的出生人数指标。(oecd.org)

因此，效果评估需要与“若未出台该政策将会发生的情况”（反事实）进行可靠对比。相关的考量因素包括政策公布与实施的时间差、享受资格与实际申领情况，以及受益者与未受益者之间原先存在的差异。例如，与就业挂钩的受惠资格可能会筛选出收入和家庭组建轨迹不同的人群。利用资格门槛开展的自然实验能够强化因果推断，前提是其他环境变化或人们的策略性行为没有破坏对比的有效性。戈登·B·达尔（Gordon B. Dahl）、卡特琳·V·勒肯（Katrine V. Løken）、玛格纳·莫格斯塔德（Magne Mogstad）与卡里·维亚·萨尔瓦内斯（Kari Vea Salvanes）曾研究挪威将带薪产假从18周延长至35周的改革。他们于2016年发表的研究对比了改革分界线前后的出生情况，发现该政策对终身生育率几乎没有影响。这一结论反映的是在特定制度背景下延长已有权益的效果，并不代表所有休假政策都会产生同样的结果。(econstor.eu)

评估还必须区分“提前生育”与“增加终身家庭规模”。一项福利政策可能会促使原本就打算生育的家庭提前受孕，从而暂时推高时期总和生育率，但并未增加女性育龄期内的总出生数。相反，福利削减引发的生育推迟可能会拉低当期生育率，但这并不意味着会造成等量的永久性减少。长期跟踪随访、分孩次指标以及队列终身生育率有助于厘清这些不同效应。经合组织的评估显示，不同政策和背景下的效果存在显著差异，例如瑞士部分州发放生育津贴后仅出现了短暂的生育率上升；因此，短期的反弹并不足以证明家庭规模实现了持久增长。(oecd.org)

联合国人口基金（UNFPA）副标题为《在变动世界中追求生殖能动性》的《2025年世界人口状况》报告，将生殖自主权与宏观生育目标区分开来。其分析框架关注人们是否能够在必要条件的保障下，自由决定是否生育、何时生育以及与谁生育。在与舆观（YouGov）合作开展的一项涵盖14个国家的调查中，近20%的育龄成年人预计自己无法拥有理想数量的子女，同时有39%的人表示经济拮据正在或可能影响这一目标的实现。这些结论仅来自受访国家，并非全球意愿的普查。仅凭总和生育率既无法记录非意愿的出生，也无法反映未实现的生育愿望，更不能证明生育选择中是否存在知情同意或强迫行为；因此，评估生殖福祉不仅需要出生率数据，还需要关于生育意愿、服务获取途径及决策自主权的充分证据。(unfpa.org)

参考来源

Methods Protocolhumanfertility.org
The World's Women 2000: Trends and Statisticsdigitallibrary.un.org
The World Population Situation in 1970un.org
Rate - Health, United Statescdc.gov
Principles of Epidemiology: Lesson 3, Section 4archive.cdc.gov
Birth and Fertility Rates for States: United States, 1980cdc.gov
HFD Frequently Asked Questionshumanfertility.org
Indicator 3.7.2 - E-Handbook on SDG Indicators - UN Statistics Wikimillenniumindicators.un.org
Indicator 3.7.2 - Adolescent birth rate (aged 10–14 years; aged 15–19 years) per 1,000 women in that age group - U.K. Indicators For The Sustainable Development Goalssdgdata.gov.uk
Calculating fertility and childhood mortality rates from survey data using the DHS.rates R packagepmc.ncbi.nlm.nih.gov
Comparisons of DHS Estimatespreview.dhsprogram.com
HFD Data Availabilityhumanfertility.org
HFD Overviewhumanfertility.org
Human Fertility Database: Expanding research opportunitieshumanfertility.org
On the quantum and tempo of fertilityknowledgecommons.popcouncil.org
A Cohort Model of Fertility Postponementpmc.ncbi.nlm.nih.gov
How Big Are Educational and Racial Fertility Differentials in the U.S.?pmc.ncbi.nlm.nih.gov
Tempo Effects in the Fertility Decline in Eastern Europe: Evidence from Bulgaria, the Czech Republic, Hungary, Poland, and Russiademogr.mpg.de
Demographic translation and tempo effects: An accelerated failure time perspectivedemogr.mpg.de
A sensitivity analysis of the Bongaarts-Feeney method for adjusting bias in observed period total fertility ratespubmed.ncbi.nlm.nih.gov
Natality - Birth Records Documentationwonder.cdc.gov
Guide to DHS Statisticsdhsprogram.com
The DHS Program - Indicator Explorerdhsprogram.com
Fertility: 1999 Zimbabwe Demographic and Health Surveydhsprogram.com
United Nations Statistics Division - Demographic and Social Statisticsunstats.un.org
A Decade of Changes in State Fertility Rates for Women Age 30 and Older: United States, 2015–2024cdc.gov
Evidence of Omission and Displacement in DHS Birth Historiesdhsprogram.com
Vital and Health Statistics, Series 21, No. 57cdc.gov
Fertility Rate: Stats of the Statesportugues.cdc.gov
Table 3: Notes on Selected Derived Measures of Natalityunstats.un.org
Fertility assumptions — Office for National Statisticsons.gov.uk
World Population Prospects 2024: Summary of Resultsun.org
Demographic Upheaval: The world will struggle with population growth, aging, migration, and urbanizationelibrary.imf.org
World Population Prospects 2024: Summary of Resultspopulation.un.org
World Fertility 2024un.org
World Fertility 2024digitallibrary.un.org
A Framework for Analyzing the Proximate Determinants of Fertilityjstor.org
Modeling the fertility impact of the proximate determinants: Time for a tune-updemographic-research.org
Modeling the fertility impact of the proximate determinants: Time for a tune-updemographic-research.org
Population Bulletin of the United Nations, Nos. 46/47digitallibrary.un.org
World population monitoring 2002: reproductive rights and reproductive healthdocuments.un.org
Guide to DHS statisticsdhsprogram.com
Fertility Differentials: Socioeconomic and Cultural Factorsdhsprogram.com
Union Health Ministry releases NFHS-5 Phase II Findingspib.gov.in
NFHS-5 Key Insightsindia.unfpa.org
Guide to DHS Statisticsdhsprogram.com
The fertility of recent migrants to England and Walesdemographic-research.org
United Nations Division for Sustainable Development—Total Fertility Rateun.org
Methodology, Assumptions, and Inputs for the 2023 National Population Projectionswww2.census.gov
Methodology and Assumptions for the Population Projections of the United States: 1999 to 2100cdn.www.census.gov
World Population Prospects 2024: Summary of Resultsun.org
World Population Prospects 2024: Methodology of the United Nations Population Estimates and Projectionspopulation.un.org
Data Portal: Total population by sex—projection variantspopulation.un.org
Explainer: What is UNFPA and why does it matter?eeca.unfpa.org
What Is the Case for Paid Maternity Leave?econstor.eu
State of World Population 2025unfpa.org
State of World Population Report 2025: The Real Fertility Crisisunfpa.org