那些年,消失的六萬女嬰

勞動經濟學人口實證

男生女生長大的過程中,除了生理上的不同,家庭與社會對男女性不同的想像,扮演重要角色。本文討論「重男輕女」這個再熟悉不過的偏好,我們將重男輕女限縮在家庭,因此男女同工不同酬的議題不在此範圍。出生、教育、婚姻、遺產,從父母開始想像孩子的形貌,直到父母離開人世,重男輕女始終伴隨著每個家庭的孩子。或許你曾在無數個夜裡輾轉難眠,恨透了父母為什麼只幫弟弟買玩具,弟弟弄壞了我的玩具還叫我原諒他年紀小;或許你曾替姊姊打抱不平,為什麼父母對姊姊說書隨便唸一唸就好,卻在每天送宵夜給我吃的時候,耳提面命:一定要考上好大學啊。而事實上,這場重男輕女的戰爭,早在你還在媽媽肚子裡的時候,便已開始。

以 Missing Women 測量重男輕女

正如社會科學幹嘛要量化 提到,經濟學家以資料檢驗假說,然而,關於重男輕女這種縹緲在每個家庭餐桌上的概念,如何測量是個難題。一個簡單的測量方式可能是直接問卷訪問,譬如:您認為男性與女性都應該發揮自己的能力,追求更高的教育程度嗎?這種問卷最麻煩的問題是:受訪者可能傾向回答,他想像中社會大眾「想要」他回答的選項(不分男女都 應該/不應該 發揮能力),即使心中真實想法是相反的答案。

騙騙做問卷的人沒什麼成本,但是面對自己未來的小孩,就不是這麼回事了。身體總是誠實的,經濟學家相信人類行為會透露真實喜好1,然而,就算真的重男輕女,父母能選擇生男或生女嗎?圖一畫的是過去近30年(1987—2015) 分胎次的性別比。

圖 1: 台灣歷年分胎次出生性別比
資料來源:內政部戶政司

性別比:每100個女生對應到幾個男生

一般認為「自然」的性別比大約落在 105,2沒有任何人為干擾下,男性出生數本來就會比女性多一些。3 根據 World Factbook 資料,全球性別比約103(注意到這包含重男輕女兼人口大國-中國與印度),英國 105,巴西 105,中國 115,2015 年台灣?108,看起來還好嘛,不,只看總出生性別比太小瞧了台灣。幫助我們揭開台灣重男輕女偏好的關鍵是「胎次」。第一胎性別比過去近 30 年的平均是 107,而第三胎以上則是驚人的 117(見圖一),若我們將第一胎的性別比作為台灣性別比的自然狀態(107),考慮從 1987—2015 年第三胎以上的男性出生數是 67 萬(674734),自然狀態下,過去 30 年第三胎以上出生女性應該要有 63萬(630592),4實際上,台灣從 1987—2015 第三胎以上女性出生數是,猜一下(或是你已經心算得到),57萬(576487),從 63 萬的「自然狀態」減少到 57 萬的「真實狀態」,中間消失的 6 萬女嬰便是文獻上著名的 “Missing Women”

小知識:Missing Women 一詞由經濟學家沈恩(Amartya Sen)於1990年提出,根據他的估計(類似上面算法),當時全中國少了5000萬女性,若加上東亞、南亞、北非,則數字達到驚人的 1 億。沈恩反駁了單一東西文化因素或單一經濟發展因素造成 Missing Women 的看法。有興趣的讀者請參考沈恩的原文

女嬰怎麼會平白消失?總不會老天在決定誰要投胎轉世的時候,還會先看一下懷孕女性是懷第幾胎吧。老天沒法決定,當然就是懷著胎兒的家庭決定了。沒錯,那 6 萬女嬰很可能在重男輕女的偏好下,被篩檢掉了。一個家庭好想生男孩,卻一直生到女孩,等到終於生出一個弟弟的時候,弟弟很有可能就是第三胎以上(咦?怎麼第三胎就會生男生?),「再拼一個男孩吧」,這句話所代表的行為,讓經濟學家得以利用不同年、不同胎次的性別比測量「重男輕女」這個觀念的變化,並藉此理解相關法律如何影響擁有不同偏好的父母的生育決策。

優生保健法 讓你簡單人工流產?

1985年一月一日,優生保健法開始實施,其中第九條的部分內容讓孕婦得以在懷孕24周內以非醫學的理由進行人工流產。

優生保健法第九條:
懷孕婦女經診斷或證明有下列情事之一,得依其自願,施行人工流產:
六、因懷孕或生產,將影響其心理健康或家庭生活者。

在那個年代,雖然胎兒性別檢測技術已相當成熟,但充其量,也就是讓父母可以在懷孕初期爽一下(或是開始背負要懷下一胎的壓力),法律實施前,即使父母很想生男孩,他們唯一的招數就是「再拼一個吧!」,然而優生保健法放寬人工流產的條件,似乎讓重男輕女的父母多了一招。到底父母是不是真的多了一招,人性是不是像農夫設想得這般_ _,只有資料能回答。話說從頭,農夫想像的人性對優生保健法具體而言是什麼反應呢?

經濟學家對人性的理解無非由「限制」與「偏好」構成。生育決策中的偏好很明顯,不是男女沒差便是重男輕女(重女輕男也有,只是比較少)。那父母面對的限制有什麼?第一,養孩子要錢啊,生太多個可養不起,這可能是第三胎以上出生性別比較第一、二胎高的原因。第二,母親的身體狀況,懷孕、生產對女性的身體都是不小的負擔,年齡愈大,生產風險也愈高。

即使在非常重男輕女的家庭,生第一胎的時候,或是母親還年輕的時候,發現胎兒是個女孩,應該仍是件開心的事(龍鳳配也很好啊),生第二個的時候覺得既然上天這樣選擇,我們就接受吧,然而,生到第三胎,或是母親已經有相當年紀的時候,上述的限制便開始發揮作用,而這時,優生保健法(因懷孕或生產,將影響其心理健康或家庭生活者)加上成熟的性別篩檢技術,便可能決定了該名嬰兒消失與否的命運。由此我們得到一個簡單的假說。

1985年實施優生保健法後,高胎次的性別比,與高齡婦女生產的性別比,將會比法律實施前來得更高。

台大經濟系林明仁教授、劉錦添教授,與耶魯大學的 Nancy Qian 教授的研究提供了檢驗假說的證據。他們從台灣1980—1992 所有出生胎兒的資料發現,控制母親教育程度的影響後,第三胎以上的男性出生比率,在法律改革後,顯著地高了1.82%。5以跨年所有胎次的男性出生比率 0.52 (性別比約108)作為自然狀態的話,法律改革將第三胎性別比從 108 拉到 112。6而 35 歲以上女性所生的男生比率也顯著地提高了 1.31%,轉換成性別比則是從 108 到 111。而第一胎性別比則幾乎沒有變化。到這裡似乎都是些令人感傷的故事,性別篩檢、人工流產與消失的女嬰。然而,正如該篇研究的標題 “More Missing Women, Fewer Dying Girls” 所隱含,優生保健法的故事還有正向的一面:出生後女嬰存活率提高了。

想生男的都去生男的

性別比提高代表,擁有重男輕女偏好的家庭得其所願,生下男孩。然而,將優生保健法打開的人工流產大門換個方向想,不被祝福的女嬰消失後,剩下的女嬰,會誕生在一群喜歡她們的家庭。也就是說,平均而言,法律實施後的女嬰受到的照顧會比法律實施前來得好。什麼叫做好?生總是比死好!台灣出生嬰兒死亡率最高的便是第一個月,研究資料中(含政策前與政策後),每1000個嬰兒,第一個月死亡 2.251 人,第二個月便驟降至 0.308 人。法律實施後,第三胎以上的女嬰相對男嬰,在出生後的第一個月,每 1000 人少死了 0.287 人,值得注意的是,我們關注的是女嬰相對於男嬰的情況,而優生保健法實施後出生的第三胎男孩,可能都帶著全家族的超級祝福,因此他們在第一個月死亡的機率會非常低。該篇研究發現女嬰相對男嬰死亡率下降,代表的不只是生下的第三胎女嬰獲得更多祝福,還代表著他們在法律實施後,收到祝福的增加變化比男嬰還多。

喂 衛福部 有人人工流產喔!

上述這個人工流產的大門,連農夫都知道了,衛生署當然知之甚詳。在優生保健法實施近三十年後(被優生保健法祝福的女嬰們準備生小孩的時候),自2010年開始,衛生署採取一連串的措施,要關掉這個大門。根據台大國發所蕭利橙的碩士論文,衛生署建立性別比監測系統,即時得知哪些醫療院所的性別比有「異常」,發文告知性別比居全台最高 10% 及 25% 的醫療院所,該醫療院所性別比例失衡現況。他們也實地到醫療院所輔導與稽查。此外,2011 年 1 月衛生署訂定

醫師執行非性聯遺傳疾病診斷所施行產前性別篩選之處置,或僅以胎兒性別差異為由進行人工流產等行為,為醫師法第二十八條之四第一款規定不得從事之醫療行為。

並在2012年發佈優生保健法實施細則第13-1條

本法第九條第一項第六款所定因懷孕或生產,將影響其心理健康或家庭生活者,不得以胎兒性別差異作為認定理由。

看起來,衛生署卯起來阻止女嬰的消失。剛好,近日臉書上有則熱門貼文,一位婦產科醫師曾經被這項政策影響到,而他認為這是一項擾民政策,貼文也有「現在做父母已經不會挑男女嬰了好嗎」的回應,到底現在父母會不會挑嬰兒?衛福部政策有沒有效?農夫對第二個問題沒有肯定的答案,但是對於第一個,農夫有不小的信心認為:是,現在的父母仍然會挑嬰兒

衛福部覺得他們政策成功。2015年衛福部發了新聞稿,標題是:「縮小出生性別落差,再降至25年來最低!」,衛福部根據整體性別比過去幾年的下降,判斷其政策成功搶救女嬰。觀察圖一,我們清楚看到第三胎以上的性別比過去幾年明顯下降,前兩胎則無太大改變。

政策有效 衛福部好棒棒?

假設過去幾年台灣父母重男輕女的偏好沒有什麼改變,則在政策後會生第三胎以上的家庭(再拼一個男孩吧)仍較可能是重男輕女家庭,因此,第三胎以上性別比下降,比起整體性別比下降,更能證明政策有效(到這裡我們就贏衛福部新聞稿了)。然而,即使如此,圖一仍然無法讓經濟學家滿意,經濟學家擔心的是上述的假設可能有誤,如果有其他「政策以外」的變動(譬如父母偏好改變)剛好讓第三胎以上性別比下降,那衛福部的新聞稿便要重寫了。

一個簡單的例子是 1990 年代初期,第三胎以上性別比下降了不少,雖然農夫不知道下降的原因,但當時確實沒有守護小龍女(2012年為龍年)這樣的政策,換言之,單純時序上的相關性無法說服經濟學家政策與性別比的因果關係。7

其中一種檢驗因果關係的方式是:假設政策有效,那我們應該看到什麼?由於政策著重於性別比前 10% 與 25% 的醫院,如果政策有效,我們預期:

政策實施前性別比較高的醫院,也就是會被衛福部「督導」的醫院,其性別比變化應該比其他醫院來得大。8

下面的討論中,為了方便,我們將政策實施前,性別比的數字由高到低在全台前 10 及 25% 的醫療院所的醫院稱為 H 醫院,9其他則稱為 L 醫院。

根據台大經濟所徐品慈的碩士論文,從 2008—2011 年的資料看來,H 醫院政策實施前後的性別比變化,確實顯著地比 L 醫療院所更大。政策有效!

登愣!上面的說法並不完整。還記得上面講到經濟學家擔心「政策以外的變動」可能影響性別比。如果有某種「政策以外的因素」使得 H 醫院在政策後出生性別比下降,而這種「政策以外的因素」不存在於 L 醫院,則我們不能以此結果證明衛福部政策成功。當然,如果你認為世上哪有這麼剛好的事,那麼你現在就可以支持衛福部好棒棒。

再探胎次

經濟學家的花招不多,下一個檢視政策成功與否的方法又是看胎次。一般會猜測政策效果在性別比有明顯差距的第三胎會比較大,然而,如果觀察到的現象跟猜測不符,我們該如何解釋?其中一個方法便是釐清猜測背後隱含什麼假設。跟數學經濟,豆漿油條 中使用的架構(定義-假設-結果)相同,首先,我們將影響性別比的因素定義成兩類。

  • A:不管第幾胎,都會影響出生胎兒性別比的因素
  • B:只有第三胎以上,才會影響胎兒性別比的因素(譬如重男輕女偏好)

同時我們假設在 H 醫院和 L 醫院裡:

  1. A 類因素在政策前後對任何胎次的性別比的影響相同。換句話說,我們在 H (L) 醫院裡看到第一、二胎次的性別比變化全部來自這類因素。需要注意的是,H 醫院裡 A 類因素的影響跟 L 醫院裡 A 類因素的影響可以不一樣,所以單看時間上不同胎次的性別比變化是不行的!
  2. 衛福部的政策對於 B 類因素的影響比 A 類因素影響還大

第二個假設合不合理呢?雖然我們不清楚衛福部如何督導醫院,但是圖一告訴我們,過去三十年,前二胎次的性別比變化不大,也屬正常範圍,而這件事在各個醫院應該都成立,因此,一個以督導異常性別比為名的政策應該對 B 類因素較有影響。

花了這麼多功夫,搞清楚定義跟假設之後,終於迎來上面的猜測:

被督導的醫院(H 醫院)中,第三胎以上的性別比降低的幅度比前兩胎還大。

然而,徐品慈的碩論發現,全台性別比前 10% 的醫療院所中,第三胎以上的出生性別比降低的幅度竟比前二胎性別比還小

登愣!這代表上面的兩個假設有誤。譬如,可能在全台性別比前 10% 的醫療院所中,根本不存在 B 類因素(第二個假設錯誤),只是有些 A 類因素對第一、二胎性別比影響較小,對第三胎影響較大。可能的例子包括「重男輕女」偏好。

前面的假設分出 A、B 兩類原因是因爲農夫相信,全台灣生第一、二胎的父母在懷孕期間大部分沒有重男輕女偏好或不強烈。然而,事實可能是,選擇在那些全台性別比前 10% 高的醫院生產胎兒的父母,從第一胎開始,就不太喜歡生女生(該間醫院成為前 10% 的可能原因),因此不管是第幾胎的嬰兒,性別比都會受到政策(不准因爲胎兒性別而人工流產)影響而顯著地下降,至於第三胎以上嬰兒的家庭,他們的重男輕女偏好特別強,因此不知怎地性別比沒下降那麼多。農夫在這裏的猜測是:衛福部的政策確實影響了出生性別比,但是,對於一些具有強烈重男輕女偏好的父母而言,他們總是找得到辦法。

對於性別比變化的解讀,農夫還可以編更多的故事(用不同的假設),如同社會科學幹嘛要量化 提到,這樣無模型的實證研究沒辦法得知生育決策的全貌,各研究者可以編各自喜歡的故事,而以資料驗證故事的能力便考驗研究者的功力了。不過,從第三胎性別比在政策實施後顯著下降的現象,至少我們得知,即使是現今,母親肚子裡因重男輕女偏好而起的戰爭仍然尚未平息。

關於重男輕女,出生只是開始,即使是覺得生女孩也很好的家庭,或許在面對姐弟倆或兄妹倆的時候,也會有差別待遇,關於玩具、彩色筆在手足間的資源分配,我們並不清楚,但是教育資源的分配就有幾分線索,下次,農夫會談談教育資源的重男輕女。


資料來源

台灣性別比: 內政部戶政司--出生按性別及胎次

圖片:By CDC/Jim Gathany jdg1@cdc.gov [Public domain], via Wikimedia Commons


  1. 藉由行為觀察到的偏好稱為「顯示性偏好」。

  2. 本文的「性別比」皆為「出生性別比」

  3. 為什麼男性出生數會比較多?確切原因仍不清楚,但可能跟男性較為脆弱有關,新生兒死亡率男大於女,成人死亡率男大於女,大自然的安排可能是為了在任何一個時點,成年男女性的數目差不多。

  4. 自然狀態下女性數目 = 674734*100/107。

  5. 關於顯著的定義,請參考白經濟統計術語小教室:你說的是真的嗎?

  6. (52+1.82)*100/48=112.12

  7. 事實上,上面介紹的研究也面臨這個挑戰,讀者可以想想要如何質疑上面研究的結論。

  8. 這樣檢驗的方法稱為 Difference in Difference (差異中的差異),第一個差異是時間上的變化,差異中的差異則是不同時間內不同醫院的變化。

  9. 讀者或許有興趣知道哪些醫療院所的性別比最高(最不自然),就農夫的理解,研究者在使用健保資料進行研究時,按規定不能將資料中醫療院所的資料對照到明確的「某一間」醫療院所。因此研究者不知道到底「哪些」醫院性別比異常,只有衛福部還有那些醫院自己知道。

農夫

農夫

我不和你談論人生 不和你談論那些深奧玄妙的思潮 請離開書房 我帶你去廣袤的田野走走 去撫觸清涼的河水 如何沉默地灌溉田地 《我不和你談論》 吳晟