中国当前生育情况对婚姻稳定性的影响研究——基于空间计量模型的研究

A Study on the Impact of Current Fertility on Marital Stability in China—A Study Based on Spatial Econometric Modeling

摘要: 本文基于2012年至2022年全国31个省份的数据，利用空间计量模型研究了生育情况对离婚率的影响。研究发现，离婚率在空间上具有显著的正相关性，存在明显的空间溢出效应。具体而言，核心解释变量中，出生率对离婚率的提高呈显著正向作用，较高的出生率与较高的离婚率相关联。另一方面，生育政策的放宽有助于降低离婚率，表明政策干预在婚姻稳定中起到积极作用。此外，研究还发现城市化水平、房价和互联网信息化水平对离婚率有正向促进作用。相反，抚养比和受教育程度对离婚率有显著的抑制作用。空间误差自回归系数显示，邻近省份的离婚率提高对本省份的离婚率有正向影响。这表明，离婚率的空间溢出效应明显，即一个地区离婚率的上升可能导致周边地区的离婚率也相应上升。基于上述结论，本文提出通过经济补贴、育儿支持、合理城市化等措施，提高婚姻稳定性，降低离婚率。

Abstract: Based on data from 31 provinces across China from 2012 to 2022, this paper investigates the impact of fertility situation on divorce rate using spatial econometric modeling. It is found that the divorce rate has a significant positive spatial correlation, and there is an obvious spatial spillover effect. Specifically, among the core explanatory variables, the birth rate has a significant positive effect on the increase in the divorce rate, and a higher birth rate is associated with a higher divorce rate. On the other hand, the relaxation of fertility policies contributes to lower divorce rates, suggesting that policy interventions play a positive role in marital stability. In addition, the study found that the level of urbanization, house prices and the level of Internet information technology positively contribute to the divorce rate. On the contrary, dependency ratio and education level have a significant inhibitory effect on the divorce rate. The autoregressive coefficient of spatial error shows that the increase of divorce rate in neighboring provinces has a positive effect on the divorce rate in this province. This indicates that the spatial spillover effect of divorce rate is obvious, i.e., the increase of divorce rate in one region may lead to the corresponding increase of divorce rate in neighboring regions. Based on these conclusions, this paper proposes to improve marital stability and reduce the divorce rate through measures such as economic subsidies, childcare support, and rational urbanization.

1. 引言

婚姻是社会的基本单位，婚姻的稳定性直接影响到家庭的和谐和社会的稳定。近年来，随着社会进步、经济发展以及各种互联网思维的碰撞，人民的婚姻思想观念在不断转变，离婚率不断上升，婚姻稳定性受到威胁，婚姻问题日益显露并成为一个需要关注的社会问题。2020年“离婚冷静期”的出台，使得全国的离婚率确实开始下降，但是一两年来又有上升的趋势。据统计，2000年全国粗离婚率只有0.96‰，到2022年已经上升到2.04‰，增长了近2倍。

离婚率是衡量婚姻稳定性的重要指标，近年来的上升趋势不仅反映了深刻的社会背景和时代特点，也彰显了人们价值观的变迁。生育情况作为社会的重要组成部分，也在一定程度上对婚姻稳定性产生了影响。从经济上，生育子女需要大量的经济投入，包括教育、医疗和生活费用等，经济压力的增加可能导致夫妻间的矛盾和冲突，从而影响婚姻的稳定性。从时间分配上，生育和抚养子女需要父母投入大量的时间和精力，如果夫妻在时间分配上产生分歧或压力，例如一方可能因为工作繁忙而无法参与育儿，导致另一方可能感到孤立无援，这种不平衡可能导致夫妻间的争吵和冷战，进而影响婚姻的稳定性；家庭责任分担，传统上，生育和育儿责任更多由女性承担。然而，随着社会性别观念的变化，越来越多的男性参与到育儿中。这种责任的分担有助于减轻女性的压力，但也需要夫妻双方在家庭角色和责任上达成共识，以维持婚姻的稳定。

另一方面，生育政策(Fertility Policy)的调整也一定程度上或支持或限制会在不同程度上影响夫妻的生育决策进而影响婚姻稳定。自20世纪70年代末以来，中国实施了严格的计划生育政策，特别是在1980年代初期，开始普遍推行“一孩政策”，即每个家庭只允许生育一个孩子。2016年，中国全面放开二孩政策，允许每对夫妇生育两个孩子，以应对人口结构变化带来的挑战。2021年6月，为促进人口长期均衡发展，我国的生育政策进一步优化，全面放开“三孩”政策。

因此本文使用空间计量模型研究生育情况对我国离婚率的影响因素，探讨生育政策、生育率等因素如何通过时间和空间维度影响婚姻稳定性，为制定更有效的社会政策和家庭策略提供科学依据。

2. 文献回顾

西方国家对婚姻稳定性的研究开始较早，对离婚率影响因素的研究也有较成熟的体系。Becker (1973)最早开始研究婚姻问题，为后续研究做了一系列开创性工作，他通过建立婚姻决策模型来探究婚姻的短期和长期变动趋势，并假设个体是否结婚取决于婚姻与单身生活状态间的预期效用对比，婚姻效用大时选择结婚[1]。后续Becke等(1977)的研究表明，夫妻双方一方专注社会工作，一方专注家庭生活时，此时对家庭的收益最大[2]。之后外国学者在此基础上开始从不同的角度来探究婚姻稳定性问题。

而国内对离婚率的研究也有了一定认识，大多数文献都立足于省级或者地级市的普查资料，通过构建各种指标，从各个维度来认识分析离婚率高低的原因以及影响因素，但大多集中于经济、文化以及家庭因素。经济上，孟秋丽(2000)采取时间序列分析的方法发现人口城市化发展对离婚率提高有促进作用[3]；于维洋(2015)、许月(2019)等人发现房价提高对离婚率增加有显著正向作用[4] [5]，而刘晋(2019)发现的是房价提供的抑制作用[6]；赵燕(2013)等使用VAR模型发现国内生产总值对离婚率产生正向影响[7]，张然(2021)通过空间杜宾模型发现，房价和人均GDP均对离婚率有显著的正向影响[8]。文化上，李晓敏(2014)构建面板数据计量模型来探究互联网对中国离婚率的影响，发现互联网的普及与离婚率显著正相关[9]；崔宝敏等(2021)运用有序Probit回归、Dagum基尼系数以及地理探测器等工具发现受教育程度、抚养比、地区生产总值和宽带接入数对离婚率有正向影响[10]。而在家庭环境因素中，程明明(2010)研究发现，城市居民家庭户人均规模与离婚率之间存在负相关关系，但对于农村家庭来说却是相反的结果[11]。而黄曦(2022)运用固定效应模型发现离婚率与总抚养比呈负相关[12]。

而对于生育情况，一般文献都用出生率来说明。比如高成骅(2015)人口出生率的提高均会显著抑制离婚率的提高[13]，李婷等(2024)运用空间计量模型发现在东部地区，房价、出生率、互联网普及度的提高均会显著促进离婚率的上升[14]，而其他有些文献出生率甚至不显著。现有文献未就生育情况对离婚率产生促进或抑制作用进行深入研究。因此，本文特地引入出生率，并加入了与生育情况密切相关的生育政策指标，利用2012~2022年我国省级面板数据，重点探讨生育情况对离婚率产生的影响。

3. 变量选取与模型构建

3.1. 变量选取

本文选取了2012~2022年我国31个省份数据为样本。数据来源于《中国统计年鉴》、国家统计局以及中经网数据库，部分缺失数据主要通过查找各省历年统计年鉴获得。选取离婚率作为被解释变量，选取生育政策和出生率作为解释变量，并基于已有文献选取了其余7个控制变量，有些指标没有直接数据，采用间接指标的数据来推断，其变量名称及含义见表1。

1) 被解释变量：离婚率(Divorce)

婚姻是指为当时的社会制度所确认的或法律或社会风俗习惯所承认的、以永久共同生活为目的的，男女两性结合为夫妻关系的社会组织形式[15]。而婚姻稳定性是指该段婚姻关系内保持和谐、健康、持久的能力。通常基于当事人的主观认识，反映了夫妻双方在情感、经济、社会和心理等多个方面的协调与支持情况。目前文献研究中主要有两种界定婚姻稳定性的方法，一是以当事人对于婚姻关系的主观感受[16] [17]，二是以夫妻是否离婚作为标志，通过计算离婚率来界定稳定性[14] [18] [19]。本文沿用第二种方法，以离婚率来度量婚姻稳定性，同时由于离婚率未有统一测度方法，根据大多数文献以及实际可取到数据，沿用粗离婚率作为离婚率来衡量婚姻稳定性。其概念是指当年离婚对数占年平均人口数的比重，

Table 1. Variable names and their meanings

表1. 变量名称及其含义

变量	变量表示	变量名称	变量单位	变量含义
被解释变量	Divorce	离婚率	‰	粗离婚率
解释变量	FP	生育政策	-	开放一胎政策记为1，开放二胎政策记为2，开放三胎政策记为3
	Birth	出生率	‰	出生率
控制变量	Household	家庭户平均户规模	人/户	年末人口数/总户数
	Dependency	抚养比	%	(0~14岁人数 + 65岁以上人数)/(15~64岁人数)
	Housing	住房价格	元/平方米	住宅商品房平均销售价格
	GDP	人均GDP	元/人	GDP/年末人口数
	Education	人均受教育年限	年	(文盲人数 × 1 + 小学学历人数 × 6 + 初中学历人数 × 9 + 高中和中专学历人数 × 12 + 大专及以上学历人数 × 16)/6岁以上人口总数
	Internet	互联网信息化水平	万户	宽带接入用户数
	Urbanization	城市化水平	-	城镇人口/年末人口数

计算公式如下：

(1)

2) 解释变量：出生率(Birth)、生育政策(FP)

出生率是指在一定时期内(通常为一年)每千人中的新生儿数量，直接反映了家庭的生育行为和生育水平，是衡量生育情况的最直接指标。而生育政策是国家或地区为了调控人口结构而制定的政策，包括鼓励或限制生育的各种措施，其直接影响到家庭的生育决策和行为。生育政策的效果通常较为显著且具有短期内的可见性，能够直接反映在生育行为上。出生率和生育政策结合起来可以全面反映一个地区的生育情况。

3) 控制变量

参考已有研究结果，综合考虑社会经济发展背景和数据可得性，从经济、文化、家庭三方面着手选取变量。

经济因素上，经济水平通常意味着生活条件、就业机会和生活水平，这些都关联着婚姻中的经济压力，从而影响离婚率，因此选择人均GDP来衡量地区的经济发展水平。其次，房价高低可能增加家庭的经济负担，尤其是对于年轻夫妇来说，购房压力可能会影响他们的婚姻满意度和稳定性。城市化通常伴随着生活方式的改变、生活节奏的加快以及社会压力的增加，这可能会影响夫妻之间的关系，增加离婚的可能性。

文化因素上，选择人均受教育年限以及互联网信息化水平两个指标，原因是受过良好教育的人通常与更高的个人和家庭收入、更好的沟通能力和更强的解决问题能力相关联，有助于提高婚姻的质量和稳定性。此外，受教育程度较高的个体可能更注重个人成长和自我实现，更可能在不满意时选择离婚。而互联网的普及提供了更多的信息和社交渠道，可能改变人们的交往方式和价值观，增加婚姻中的不确定性。此外，过度依赖网络可能减少夫妻之间的沟通和互动，影响婚姻质量。

家庭因素，家庭规模的大小影响家庭内部的动态和资源分配。较大的家庭规模可能意味着更多的家庭成员和更复杂的关系网络，这可能增加家庭内部的冲突和压力，从而影响婚姻的稳定性。抚养比反映了家庭中需要被抚养的人口(儿童和老年人)与劳动年龄人口的比例，关系着家庭的经济负担。此外，照顾年幼的孩子或年长的父母需要大量的时间和精力，可能影响夫妻之间的时间和情感投入，从而影响婚姻的稳定性。

3.2. 描述性分析

3.2.1. 各省离婚率趋势图

利用R语言分地区对近十一年各省离婚率趋势图进行绘制，如图1所示。并结合数据可以发现各省离婚率都呈现逐年上升的趋势，但是在2020年“离婚冷静期”出台前后离婚率开始下降，但之后1年又开始小幅度上升，可见“离婚冷静期”政策作为一种干预手段，出台确实有助于减少冲动离婚的发生从而使离婚率有所下降，但是随着时间的推移，那些坚决要离婚的夫妻最终还是会完成离婚手续，导致离婚率再次上升。

Figure 1. Trend chart of the divorce rate in different regions over time

图1. 不同地区离婚率随时间变化趋势图

3.2.2. 指标变化情况

利用Stata软件，根据2012~2022年各省份的对应的数据制作表格，在表格中可以得到各个变量的数量、均值、标准差、最小值和最大值，见表2。

3.3. 空间面板模型

3.3.1. 空间权重矩阵

空间权重矩阵是通过数学形式量化地理单元间空间关联强度的工具，其本质是构建一个反映研究

Table 2. Descriptive analysis

表2. 描述性分析

Variable	Obs	Mean	Std.Dev	Min	Max
Divorce	341	2.785572	0.9450052	0.43	5.19
Fertility	341	1.818182	0.7168708	1	3
Birth	341	10.42276	3.10837	3.34	17.89
Education	341	9.341362	1.091881	4.665813	12.70088
Urbanization	341	0.6034075	0.1342422	0.2285714	0.9443285
Housing	341	8558.665	6196.127	3268.62	40526
Household	341	2.970587	0.3704023	2.22	4.13
Internet	341	1154.086	976.5761	17.06	4628.72
Dependency	341	39.25974	7.306789	21.18	57.79
GDP	341	59992.2	30587.38	18947	189988

对象空间拓扑关系的邻接矩阵。该矩阵的构建依据包括但不限于：邻接关系(如行政区划接壤)、距离衰减(如反距离权重法)、经济联系强度(如贸易流量或通勤数据)。而本文采用最常用的基于邻接矩阵的queen邻接权重矩阵，作为空间权重W，即空间单元i与空间单元j相邻，则w_ij = 1，反正，则w_ij = 0。

3.3.2. 空间计量模型

为了探究生育情况是否不止影响本省份的离婚率，还可能通过空间溢出效应对邻近省份的离婚率产生影响。因此，本文通过构建空间计量模型探讨生育情况对离婚率的作用效果。

采用空间面板数据模型进行建模，其基本形式[14]如下：

$\begin{array}{l}{y}_{it}=\alpha +\rho {\displaystyle \sum _{j=1}^n{W}_{ij}{y}_{jt}}+x_{it}\beta +\gamma {\displaystyle \sum _{j=1}^n{W}_{ij}{x}_{jt}}+{\epsilon }_{it}\\ {\epsilon }_{it}=\lambda {\displaystyle \sum _{j=1}^n{W}_{ij}{\epsilon }_{jt}}+u_{it}\end{array}$ (2)

其中(1) y_it和x_it表示i地区第t年的被解释变量和解释变量，而y_jt和x_jt表示临近j地区第t年的被解释变量和解释变量，W_ij是空间权重矩阵，而W_ijy_jt和W_ijx_jt是被解释变量和解释变量的空间滞后项。

其中，如果ρ ≠ 0，γ = 0，λ = 0则为空间滞后模型(SAR)，反映了因变量的空间相关性。如果ρ = 0，γ = 0，λ ≠ 0则为空间误差模型(SEM)，反映了邻近地区其他因素对本地因变量的影响程度。如果ρ ≠ 0，γ ≠ 0，λ = 0则为空间杜宾模型(SDM)，是空间滞后模型和空间误差项模型的组合扩展形式，既考虑因变量空间相关性，又考虑自变量空间相关性。

4. 实证分析

本章通过空间相关性检验、LM检验、Hausman检验、LR检验来选取来选择最优空间计量模型，并且对模型结果进行分析。

4.1. 空间相关性检验

4.1.1. 全局莫兰指数

为了消除量纲的影响和降低多重共线性了消减模型拟合的异方差性，对所有进行了对数处理。在对数据进行空间面板数据模型建模前，首先需要检验变量在空间上是否具有相关性。与大多数文献一样，本文选取Moran’s I指数来进行空间相关性的度量。本文运用Stata软件，基于Queen邻接权重矩阵，对莫兰指数进行测算，得到2012-2022年相关数据见表3。从表3中可见，我国离婚率的全局Moran’s I值在0.131~0.382范围内波动0.1~0.4范围内波动，从2014年之后至少在10%水平下显著为正，2016~2020年1%水平下显著为正，整体表明离婚率在空间上有显著的正相关关系，说明离婚率在空间上存在溢出效应。而且在2020年之前可以看出，离婚率的空间正相关性逐渐增加，但2020年之后可能受到“离婚冷静期”的影响，空间正相关性在逐步减弱但依然存在。我国出生率Moran’s I指数虽有波动，但是都通过了1%水平下的显著性检验。目前生育政策全国统一，不会因地理位置的不同而有所差异，这里不参与讨论。

Table 3. The Moran’s I values of the divorce rate and birth rate in China from 2012 to 2022

表3. 2012~2022年全国离婚率、出生率Moran’s I值

Variables	Ln_Divorce			Ln_Birth
	I	z	p-value^*	I	z	p-value^*
2012	0.104	1.178	0.239	0.492^***	4.499	0.000
2013	0.15	1.562	0.118	0.475^***	4.341	0.000
2014	0.187^*	1.877	0.060	0.437^***	3.961	0.000
2015	0.245	2.364	0.018	0.54^***	4.812	0.000
2016	0.308^***	2.862	0.004	0.507^***	4.607	0.000
2017	0.361^***	3.334	0.001	0.497^***	4.479	0.000
2018	0.399^***	3.643	0.000	0.527^***	4.713	0.000
2019	0.367^***	3.358	0.001	0.469^***	4.218	0.000
2020	0.306^***	2.866	0.004	0.422^***	3.862	0.000
2021	0.242^**	2.291	0.022	0.37^***	3.406	0.001
2022	0.175^*	1.748	0.080	0.408^***	3.752	0.000

4.1.2. 局部莫兰指数

为进一步识别各省离婚率以及出生率是否具有空间集聚性，本文使用局部Moran’s I指数对局部空间自相关进行了检验。Moran’s I指数是一种用于检测特定区域中数值与其邻域之间是否存在相似性或异常值的工具。它能够清晰地显示哪些地区具有高值或低值的集聚，从而帮助我们理解这些现象在地理空间上的分布模式。散点图中第一象限(HH)表示高值聚集区，第三象限(LL)表示低值聚集区，这两象限说明该变量在经济空间上具有显著的局部空间集聚特征；第二象限(LH)表示低值省份被高值省份包围，第四象限(HL)表示高值省份被低值省份包围，这两象限表示负的空间自相关性，说明空间异常。本文仅对2016年以及2022年做了局部空间自相关检验，结果如图2、图3所示。

由图2、图3发现，离婚率以及出生率数据分布于一三象限的明显多于二四象限，所以表明了在各省份局部空间上具有较强的正向促进效果，所以用空间计量模型研究比较合适。对于离婚率而言，黑龙江、吉林、辽宁、重庆、内蒙古、湖北属于高高(HH)聚集区，福建、海南、江西、广东、浙江、青海属于低低(LL)聚集区，其余省份遍布在低–高聚集区和高–低聚集区。而出生率可以看出东北地区以及经济较发达地区比如北京、上海、浙江、天津、江苏等地处于低出生率与低出生率地区邻接或者接壤，而其余大多数省份属于高出生率与高出生率地区邻接或者接壤。

Figure 2. Local scatterplots of crude divorce rates in 2016 and 2022

图2. 2016年、2022年粗离婚率局部散点图

Figure 3. Local scatterplot of birth rates in 2016 and 2022

图3. 2016年、2022年出生率局部散点图

4.2. 模型识别检验

据前文可知，离婚率具有显著的空间相关性，通过建立空间计量模型，可以更加准确衡量生育情况影响离婚率的具体作用方向和程度大小。

第一步：LM检验。具体来说，我们对普通静态面板回归(OLS)进行空间相关性检验，包括LM-Lag和LM-Error检验，以此来判断存在空间滞后效应或空间误差效应，并据此选择相应的空间计量模型。根据检验结果如下表4所示，可知Robust Spatial lag的p值为0.443大于0.01，没有通过显著性检验，不能使用空间滞后模型；Spatial error的p值小于0.01，通过了显著性检验，可以使用空间误差模型，故采用空间误差模型进行建模最为合适。

第二步：Hausman检验。Hausman检验是用于确定在面板数据分析中是使用固定效应模型还是随机效应模型的统计检验方法。它的核心思想是通过比较固定效应模型和随机效应模型的估计结果，判断两者之间的差异是否显著。如果检验结果显示两者之间存在显著差异，那么就说明应该使用固定效应模型；如果差异不显著，则可以选择随机效应模型。由表4可以看出，根据Hausman检验结果，在显著性水平0.01下拒绝了原假设，所以应选用固定效应模型。

第三步：LR检验。为了确定模型是否含有个体效应或者时间效应，进行了似然比(LR)检验。在显著性水平0.05下，如果LR检验显著则说明需要引入时间和空间双固定效应模型。具体而言，表4显示，空间固定效应的联合显著性检验p值大于0.05，表明空间固定效应优于同时包含空间和时间固定效应的双固定效应模型。同时，时间固定效应的联合显著性检验p值小于0.05，拒绝原假设，进一步支持空间固定效应优于时间固定效应。因此，我们选择空间固定效应模型作为最优选择。

因此，本文选择使用空间固定效应的空间误差模型。

Table 4. Model identification test results

表4. 模型识别检验结果

Test	统计量	p值
LM-error test	128.734	0.000
Robust LM-error test	12.468	0.000
LM-lag test	116.855	0.000
Robust LM-lag test	0.589	0.443
Hausman test	34.26	0.0004
LR(id) test	-48.76	1.0000
LR(time) test	514.16	0.0000

4.3. 回归结果分析

本文通过构造空间固定效应的空间误差模型，其模型估计结果如表5所示。

Table 5. Model estimation result

表5. 模型估计结果

变量	估计值	t统计量	p值
ln_FP	−0.1784793^***	−4.88	0.000
ln_Birth	0.6164822^***	12.31	0.000
ln_Urbanization	0.7841589^***	3.06	0.002
ln_Housing	0.3959981^***	6.07	0.000
ln_Household	−0.0219848	−1.06	0.890
ln_Internet	0.1626867^***	2.68	0.006
ln_Dependency	−0.2411582^**	−2.67	0.026
ln_GDP	−0.1702285	−1.44	0.108
ln_Education	−5490906^**	2.03	0.043
rho	0.3661859^***	9.16	0.000
sigma2_e	0.0115064^***	12.99	0.000
R-sq	0.6919
Log-likelihood	271.6291
Number of obs	341

从表5中得出核心解释变量ln_FP和ln_Birth均通过了1%的显著性水平，ln_Birth系数为正，说明出生率会促进离婚率的提供，影响婚姻的稳定性。该指标与现有文献的不显著有说不同，这种变化可能反映了近年来社会经济、文化、政策等方面的复杂动向。例如，近来年，家长对孩子的期望不满足于身体健康和安全成长，而是期望孩子能够在学术上取得好成绩，掌握各种技能，具备良好的社交能力和情感能力，以及培养创造力和批判性思维等，这需要投入时间、精力以及经济，因此对于家庭的负担开始增加，这极有可能影响夫妻关系的稳定性。但是ln_FP的系数符号为负，虽然其系数绝对值较小仅有0.18，说明每单位生育政策放宽的增加，离婚率下降的幅度也较小。但依然表明了存在显著的负向关系，即生育政策中放开的孩子个数越多，离婚率反而下降。其原因在于，第一，生育政策的放开通常伴随着有效的经济激励措施，如税收优惠、补贴等，这些措施可能帮助家庭应对经济压力，从而减少离婚的可能性；第二，多子女的家庭家庭氛围更加融洽，能提高夫妻的稳定性。从空间误差自回归系数中发现，邻近的离婚率提高对本省份的离婚率提提高具有比较明显的正向影响作用。

5. 结论与建议

5.1. 结论

本文选取了全国31个省2012至2022年共11年的数据，利用Stata软件和R软件进行绘图与建模过程，然后基于空间固定效应的空间误差模型分析生育情况对离婚率的影响因素进行分析，研究结果表明：

1) 基于莫兰指数分析，认为中国各省份中离婚率以及生育情况存在明显空间自相关性，大多数地区呈现高高或低低聚集的特征。

2) 出生率对离婚率的提高呈现显著正向作用，而生育政策随着孩子个数的放开有利于离婚率的降低。城市化水平、房价以及互联网信息化水平对离婚率提高有正向作用，且都显著；而抚养比和受教育程度对离婚率是抑制作用，通过了5%显著性检验，而人均GDP和平均家庭户规模没有通过显著性检验，表明对各省离婚率的影响不明显，不是影响离婚率的主要原因。

3) 从空间误差自回归系数中发现，邻近的离婚率提高对本省份的离婚率提高具有比较明显的正向影响作用。

5.2. 建议

结合本文研究结论，就提高婚姻稳定性降低中国离婚率提出以下建议：

第一，在生育政策方面，通过加强经济补贴、税收优惠、教育支持等措施，鼓励家庭生育多子女，减轻多子女家庭的经济压力。例如，每生育一个孩子提供一次性补贴，尤其是在生育第一个和第二个孩子时，以鼓励夫妇生育多子女；提供孕期保健补贴、奶粉补贴、婴儿用品补贴等，确保能够获得必要的医疗和营养支持等等。

第二，提高育儿支持，增加托儿服务和早期教育项目的投入，为有子女家庭提供更多的支持和资源。提供专业的育儿培训和指导，帮助父母更好地照顾和教育孩子。鼓励企业实施家庭友好政策，如弹性工作时间、远程工作选项，以帮助父母更好地平衡工作和家庭责任。

第三，合理规划城市化，避免过度城市化带来的家庭压力，提高城市居民的生活质量；采取措施稳定房价，通过限购、限贷等措施控制房价过快上涨，确保住房市场的稳定性，增加保障性住房供给，如经济适用房、公租房，帮助低收入家庭解决住房问题。规范互联网信息传播，减少不良信息对婚姻关系的负面影响，提供更多健康、积极的内容。