晚婚现象的影响因素及推迟效应分析

聂 霞，王春枝，张 威

（内蒙古财经大学统计与数学学院，内蒙古呼和浩特010070）

一、引言

（一）研究背景

“男大当婚，女大当嫁”是中国一句俗语。随着社会的发展，对结婚年龄的“大”和“小”有着不同的定义，但终究还是要进入婚姻的殿堂。然而，在当前社会，越来越多的年轻人“晚婚”“不婚”或“恐婚”，这其中的原因到底是什么呢？Blossfeld强调由于女性受教育程度提高，在校就读时间的延长从客观上推迟了初婚年龄。我国平均初婚年龄从1980年的23.78岁增加到2010年的24.85岁。与此同时，1999年开始大专以上学历人口显著增加，伴随而来就是适婚人口的初婚年龄推迟。在我国，初婚年龄推迟是否由接受了高等教育而产生，其中是否还存在其他原因，例如受适婚人口所处地区、户口类型、个体BMI指数（体重身高指数）、住房状况等因素的影响，这正是本文要探讨的内容。

（二）文献综述

结合国内外对晚婚现象的研究，发现不同年代，晚婚人群的特点和原因不同。在美国，20世纪初，高学历人群容易晚婚，具有结婚年龄与婚姻不稳定负相关的特点，而且这一特点一直持续到20世纪晚期，此后趋于平坦。同时，晚婚的生存条件很好，但生活质量较差，有调查表明22~25岁结婚的人最有可能保持高质量的完整婚姻。然而，故意将婚姻推迟到二十几岁以后的大多数人在寻求婚姻成功的道路上几乎没有获得任何好处（L.Lehrer，2006）[8]。1907 年至1953年出生的美国本土白人男性晚婚的主要原因是接受高等教育，当然也包含服兵役、就业机会、性别等因素（M.Cooney，1991）[4]。对 20 世纪 50 年代和60年代出生的同龄人的预测表明过去受过更多教育的女性结婚的可能性较小（R.Goldstein，2001）[5]。在1979年至1986年美国青年纵向调查中，对妇女的婚史进行了市场调查。结果显示，适婚男性数量和质量的不足降低了女性的结婚率，而妇女经济独立与结婚有积极联系（T.Lichter，1992）[6]。在20世纪90年代，美国的婚姻种族差异中，配偶数量上的种族差异所占的比例相对较小，而与家庭背景、福利状况和生活安排等因素相比，配偶的可获得性指标在初婚中所占比例更大；妇女是否在婚姻市场上“寻找”伴侣影响着婚姻市场的特点；缺少“经济上吸引力”的男性不是造成适婚男性缺少的唯一因素（T.Lichter，1992）[6]。21 世纪晚期，大学毕业生结婚的概率更高（R.Goldstein，2001）[5]，且受教育程度最高的领域结婚率最高，这可能是后代不公平的来源。通过分析1995年人口调查数据，发现受教育程度越高的领域结婚率越高，且学历最高的群体结婚率最高。同时也发现，在日本，大学教育和晚婚的联系越来越紧密，教育与婚姻有负面关联（M.Raymo，2003）[7]。在我国，各时期的婚配模式主要表现为不同社会特征群体的同类婚，此外，各时期的异质性婚配现象呈现明显的对称性。对同类婚和异质婚具体形式的进一步分析发现，不同社会阶层的边界可渗透性在各时期存在明显差异，相应的同类婚和异质婚现象也呈现不同特点。影响初婚年龄的因素包含很多，如教育、职业、家庭、农村妇女外出打工等因素（齐亚强和牛建林，2012）[9]。2000年在安徽和四川的四个县，农村妇女的外出经历及外出时间对他们的初婚年龄有显著影响（郑真真，2002）[13]。第四次人口普查构建初婚表以探讨30年来中国初婚模式的变动，认为中国初婚模式正处于转型中，初婚年龄延迟的原因有很多，既包含政策因素也包含社会因素，且受教育程度会影响初婚年龄。在中国初婚模式转型中，人口的初婚年龄具有延迟效应，且女性的延迟效应大于男性（韦艳等，2013）[10]。2003年至2008年之间，随着我国消费模式的变化，男性经济条件对初婚的影响作用逐渐增加。此外，国企改革使得体制内男性与女性职工在婚姻市场的优势逐渐下降（於嘉和谢宇，2013）[11]。从定性角度来看，女性的平均初婚年龄变动与各地区的经济发展水平、女性受教育的程度以及本地区婚姻观念的变化有着较大的关系，其中，经济水平与早婚率呈负相关，女性受教育的程度与早婚率也呈负相关（赵志伟，2008）[14]。教育、职业和家庭的社会经济特征对初婚年龄有着显著的影响，并表现出性别和户籍差异。教育程度对女性初婚年龄的推迟效应大于男性，高等教育对农村户籍女性初婚年龄的推迟效应大于城市户籍女性（王鹏和吴愈晓，2013）[15]。

从研究方法上看，国内外用于初婚年龄研究的方法有很多，可分为定性和定量分析两类。定性分析法包括利用婚姻周期条件和群体特征的统计来进行分析的方法（M.Coone，1991）[4]；在 1979 年至 1986年美国青年纵向调查中，对妇女的婚史进行市场调查的方法（T.Lichter，1992）[6]；还包括应用事件史分析方法，讨论农村妇女初次外出时间与初婚年龄的关系（郑真真，2002）[13]。定量分析包括建立赫尼斯模型和麦尼尔模型估计值，使用1995年人口调查数据进行比较（R.Goldstein，2001）[5]；还包括建立 Cox 比例风险模型，分析自新中国成立以来我国生育政策变迁对人口初婚模式的影响（李建新和王小龙，2014）[12]；此外，还有研究采用离散时间logit模型估计中国18~30岁青年各种身体类型与第一次婚姻时间的关系（Hongwei Xu，2016）[16]。

虽然，国内外对初婚年龄的研究有很多，但在内容上，对城镇和农村对象、不同年代出生的对象的初婚年龄进行对比的研究还较少；在方法上，采用倾向匹配得分法研究教育对初婚年龄推迟的影响更少，本文拟采用倾向匹配得分法比较不同户口类型、不同出生年代的对象分析各个因素对其初婚年龄的推迟效应的影响。

本文以CGSS（2015）数据为依据，利用多分类虚拟变量回归和倾向匹配得分法对城镇和农村初婚年龄的影响因素进行比较分析，并且讨论高等教育对城乡初婚年龄的推迟效应。同时，对影响不同年代人的初婚年龄的因素进行比较并分析原因。目的是对不同人群晚婚的影响因素和初婚年龄推迟效应作对比，以引起社会对晚婚问题的关注。

表1 控制变量的频数

二、研究设计

（一）数据来源

本文所选用的数据是2015年中国综合社会调查（CGSS）数据。它是中国第一个全国性、综合性、连续性的大型社会调查项目。目的是通过定期地、系统地收集中国人与中国社会各个方面的数据，总结社会变迁的长期趋势，探讨具有重大理论和现实意义的社会议题，推动国内社会科学研究的开放性与共享性，为政府决策与国际比较研究提供数据资料。中国综合社会调查由中国人民大学联合全国各地的学术机构共同执行。从2003年开始，每年对全国各地一万多户家庭进行抽样调查并形成报告。

（二）变量选取

1.被解释变量。定义初婚年龄等级为被解释变量。

2.解释变量（协变量）。解释变量包括性别、地区、学历、BMI、BMID、户口类型、民族、早晚婚等级、有无子女等。其中，Hongwei Xu（2016）[16]根据1991-2009年中国健康与营养调查的纵向数据，采用离散时间logit模型估计中国18～30岁青年各种身体类型与第一次婚姻时间有关系，故本文选择BMID作为影响初婚年龄的影响因素。各变量的取值设定如下：性别中男=1、女=0；地区中西部地区=1（包括：四川、内蒙古、重庆、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆、广西）、中部地区=2（包括：陕西、吉林、黑龙江、安徽、江西、河南、湖北、湖南、辽宁）、东部地区=3（包括：北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南）；学历中小学及以下=1、初中=2、高中=3、大学=4、研究生及以上=5；BMID 中 BMI＜18.5 为瘦=1、18.5≤BMI≤23.9为合适=2、24≤BMI≤28 为超重=3、BMI＞28 为肥胖=4（BMI为体重公斤数除以身高米数的平方）；户口类型中农业户口=1、非农业户口=2、其他户口=3；民族中汉族=1、蒙古族=2、满族=3、回族=4、藏族=5、壮族=6、维吾尔族=7、其他民族=8；早晚婚等级中 18～25 岁结婚=1、26～30 岁结婚=2、31～35岁结婚=3、36岁以上结婚=4；有无子女中有子女=1、没有子女=0。

3.处理变量。定义个体是否上大学为处理变量：个体是大学及大学以上学历=1；否则=0。

4.结果变量。定义初婚年龄等级为结果变量：18～25 岁结婚=1；26～30 岁结婚=2；31～35 岁结婚=3；36岁以上结婚=4。

表2 变量的描述性统计

（三）研究模型

本文采用多分类虚拟变量回归和倾向得分匹配的方法来构建模型。对于抽取的样本个体i，令（y1i，y0i）表示个体初婚年龄等级在高等学历和非高等学历两种状态下的值，其中，y1i表示大学及以上学历个体的初婚年龄等级，y0i表示大学以下学历个体的初婚年龄等级。若y1i和y0i均能被观测到，则y1i-y0i就能表示个体参加高等教育对初婚年龄推迟或提早效应，而现实中只能观测到每个个体是否是大学及以上学历的初婚年龄等级的一种情况，不能同时观测到两种情况下的初婚年龄，为此本文设定Di∈（0，1）为个体是否参加高等教育的处理变量，那么yi为能观测到的个体的初婚年龄等级，则有如下关系：

通过（1）式可得初婚年龄的平均处理效应（ATE）、可处理组的平均处理效应（ATT）及控制组的平均处理效应（ATU）。其中，平均处理效应（ATE）指个体参加过高等教育和没参加过高等教育的所有个体的初婚年龄等级的效应大小，可表示为：

式中，p是样本中观察到个体i进入处理组（Di=1）的概率，方程（2）表示整个样本的效用处理组个体和控制组个体效用的加权平均。然而，反事实的E（y1i│D=0）和 E（y0i│D=1）是不能观测到的。

在不考虑控制组个体的情况下，考察处理组个体的平均处理效应（ATT），是指对参加了高等教育的个体，需要构造一个反事实的结果E（y0i│Di=1），处理组个体i的平均处理效应（ATT）值是参加过高等教育的个体，如果没有参加过高等教育，其初婚年龄与参加过高等教育的初婚年龄的效应值，可表示为：

控制组的平均处理效应（ATU）指未参加过高等教育的个体，如果参加过高等教育，其初婚年龄与其未参加过高等教育的初婚年龄的效应值，表示为：

然而，对于处理组个体来说，不可能同时观测到处理和未处理组下的两个结果，为了获得反事实的E（y0i│Di=1）（即处理组内的个体如果不进行处理的效应），可以利用匹配法来分析。匹配法的基本思想是：找到一组和处理组个体禀赋特征相似的控制组个体进行对被解释变量影响的比较，由于两组个体禀赋特征相似，可以将两者的差异归功于处理的贡献。

三、实证分析

（一）城、乡初婚年龄影响因素比较

对总的样本数据按照户口类型分为农村样本和城镇样本，分别进行多分类虚拟变量回归和倾向得分匹配，并比较分析结果。

1.多分类虚拟回归结果。由表3可得，（1）对于全体样本来说，东部地区样本的平均初婚年龄比西部地区的大1.4岁；上过大学的样本的平均初婚年龄比没上过大学样本的大2岁；偏瘦样本的平均初婚年龄比肥胖样本的大0.6岁；男性的平均初婚年龄比女性的大1.16岁；样本房产每增加一套，初婚年龄平均增加0.04岁。（2）对农村样本来说，东部地区的平均初婚年龄比西部地区的大0.73岁，这要低于总样本回归对应的增幅；上过大学的样本的平均初婚年龄比没上过大学样本的大2.05岁，这要高于总样本回归对应的增幅；偏瘦样本的平均初婚年龄比肥胖样本的大0.5岁，这个幅度要低于总样本回归对应的幅度；男性比女性的平均初婚年龄大1.15岁，要高于总样本回归对应的幅度；房产每增加一套，农村样本平均初婚年龄增加0.05岁，这要高于总样本回归对应的增幅。（3）对城镇样本来说，东部地区样本的平均初婚年龄比西部地区的大1.44岁，这要比农村样本对应的幅度大；城镇上过大学的样本的平均初婚年龄比没上过大学的城镇样本的大1.29岁，这比农村样本对应的幅度小；城镇偏瘦样本的平均初婚年龄比超重样本的大0.57岁，比肥胖样本的大0.73岁，而农村超重样本和偏瘦样本的平均初婚年龄没有显著的差异；在城镇，男性的平均初婚年龄比女性的大1.83岁，这高于农村样本的对应值；城镇样本的房产数每增加一套，平均来说初婚年龄增加0.04岁，这低于农村样本对应的值。

表6 以个体是否为大学及大学以上学历为处理变量的核匹配结果

表5 倾向得分匹配所选用样本变量数据平衡性检验

对比上述农村和城镇模型的参数值，可见，生于东部区会推迟个体初婚年龄，且对城镇个体的影响大于对农村个体的影响；上大学会推迟个体的初婚年龄，且对农村个体的影响大于对城镇个体的影响；体型会影响个体的初婚年龄，偏瘦体型的初婚年龄容易推迟；男性比女性的初婚年龄要大，且在城镇男性初婚年龄推迟得更多；房产的增加也会推迟个体初婚年龄，这对农村个体的影响更大。

2.多重共线性检验。如表4所示，每一个变量的VIF值均小于5，可见农村、城镇、总体样本不存在多重共线性，故上述经济意义检验是合理的。

3.高等教育对城乡初婚年龄推迟效应的分析。首先，进行样本数据平衡性检验。对倾向匹配得分进行样本匹配的过程中，必须对样本匹配能否平衡协变量给的分布进行平衡性检验，即需要保证控制组和处理组所有的协变量无显著性差异后，所得到的倾向匹配得分才是合理的，才能证实研究的可靠性，平衡性检验结果见表5。对全部样本进行倾向得分匹配方法选择协变量地区、户口、BMI和住房状况，可见表5（1），变量数据都通过了平衡性检验；对农村样本进行倾向得分匹配方法选择协变量地区、住房状况，可见表5（2），各协变量通过了平衡性检验；对城镇样本进行倾向得分匹配，选择协变量地区、BMI，可见表5（3），各协变量也通过了平衡性检验。上述结果说明在本部分进行的效应分析是有效的。

其次，进行倾向得分匹配。在以个体是否上大学为处理变量的情况下，令地区、BMI、户口、住房状况为协变量进行倾向得分匹配，具体结果见表6。由表6（1）可见，在大学教育的影响下，所有样本的初婚年龄的平均变化是ATE=1.83。在处理组样本中，个体初婚年龄的变化为ATT=1.45，且ATT的t值等于10.94，倾向匹配是显著的，表明上过大学的个体，如果不上大学，其初婚年龄会推迟1.45岁；在控制组样本中，个体初婚年龄的平均变化为ATU=1.90，表明没有上过大学的个体，如果上过大学的话，其初婚年龄会推迟1.90岁，因此，可以认为个体初婚年龄依赖于接受高等教育这一因素。

表4 多重共线性检验的VIF值

表3 分城、乡样本的多分类虚拟变量回归结果

对于农村样本，由表6（2）可见，在大学教育的影响下，农村样本的初婚年龄平均变化是ATE=1.91。在处理组样本中，个体初婚年龄的变化为ATT=2.11，且ATT的t值等于9.62，倾向匹配是显著的，表明上过大学的个体，如果不上大学，样本的平均初婚年龄会推迟2.11岁；在控制组样本中，样本初婚年龄的平均变化为ATU=1.89，表明没有上过大学的个体，如果上过大学的话，样本的平均初婚年龄会推迟1.89岁，因此，可以认为农村户口样本平均初婚年龄与样本是否上大学有显著关系。

由表6（3）可见，在大学教育的影响下，城镇样本初婚年龄的平均变化是ATE=1.32年。在处理组样本中，样本平均初婚年龄的变化为ATT=1.21，且ATT的t值等于6.93，倾向匹配是显著的，表明上过大学的个体，如果不上大学，样本的平均初婚年龄会推迟1.21岁；在控制组样本中，样本初婚年龄的平均变化为ATU=1.37，表明没有上过大学的样本，如果上过大学的话，样本平均初婚年龄会推迟1.37岁，显然这个值大于1.21，因此，可以认为城镇户口个体初婚年龄对个体是否上过大学的依赖不强。

最后，进行匹配质量检验。图1为农村个体匹配前后处理组和控制组倾向得分密度图像，匹配后，控制组的概率密度曲线向处理组密度曲线靠近，匹配结果可以比较。图2为城镇个体匹配前后处理组和控制组倾向得分密度图像，匹配后，控制组的概率密度曲线向处理组密度曲线靠近，匹配结果可以比较。

图1 农村样本匹配前后倾向得分核密度图像对比

图2 城镇样本匹配前后倾向得分核密度图像对比

表9 倾向得分匹配所选用变量数据的平衡性检验

表7 分不同年代出生样本的回归结果

（二）60后、70后和80后初婚年龄比较

按照出生年份将总的样本分为60后（1960—1969年出生）个体、70后（1970—1979年出生）个体和80后（1980—1989年出生）个体三个子样本，分别作多分类虚拟变量回归和倾向得分匹配后进行比较。

1.多分类虚拟变量回归结果。各年龄段多分类虚拟变量回归的结果见表7。对于60后个体来说，中部地区比西部地区60后的平均初婚年龄晚0.38岁，东部地区60后比西部地区60后的平均初婚年龄晚1.29岁；上过大学的60后样本比没上过大学的60后样本平均初婚年龄晚1.95岁；男性60后比女性60后的平均初婚年龄晚1.4岁；60后房产每增加一套，平均来说，其初婚年龄增加0.08岁。对于70后个体来说，中部地区70后和西部地区70后的平均初婚年龄没有显著性差异，但东部地区的70后平均初婚年龄比西部地区的晚1岁，这要低于60后对应的数据；70后上过大学的样本比没上过大学样本的平均初婚年龄大2.26岁，这要高于60后对应的数据；70后偏瘦样本比70后肥胖样本的平均初婚年龄大0.93岁；70后男性比70后女性的初婚年龄平均大0.18岁，这要高于60后对应的数据；70后房产每增加一套，平均来说，其初婚年龄要大0.18岁，这要高于60后对应的数据。对于80后个体来说，地区对80后的平均初婚年龄没有影响；80后上过大学的样本比没上过大学的样本平均初婚年龄大2.8岁，该项增加幅度是三代人中最高的；男性80后比女性80后的平均初婚年龄大1.12岁，这个差距是三代人中最小的；80后房产每增加一套，平均来说，其初婚年龄增加0.1岁，这在三代人对应数据中属于中等水平。

对比上面对60后、70后和80后模型参数的解释，可得，地区因素对60后的平均初婚年龄影响最大，越靠近东部地区，平均初婚年龄越容易被推迟，而该因素对70后的影响较弱，对80后没有显著影响；上大学会推迟三代人的平均初婚年龄，其对60后影响最弱，对80后影响最大；BMI体型对60后和80后的平均初婚年龄没有影响，但对70后有影响，该样本中偏瘦者的初婚年龄更容易推迟；男性比女性的平均初婚年龄要大，其中70后的差距最大，80后的差距最小；房产数增加会推迟样本的平均初婚年龄，且其对70后的影响最大。

2.多重共线性检验。对上面的三个模型进行多重共线性检验，具体结果如表8所示，分析结果基本都小于5（只在60后模型中体型为合适的虚拟变量的值为5.15），因此可以认为三个模型均不存在多重共线性，故可认为对上述模型的经济意义检验是合理的。

3.60 后、70后和80后高等教育对初婚年龄推迟效应的分析。首先，进行变量的平衡性检验。对上述倾向得分匹配方法所选用的协变量进行平衡性检验，如表9所示，三个子样本所选变量都通过了平衡性检验，可以进行处理效应的比较。

表8 60后、70后和80后模型多重共线性检验的值

（续表9）

其次，进行倾向匹配。60后样本以个体是否上大学为处理变量的情况下，令地区、BMI、户口为协变量进行倾向得分匹配，结果见表10（1），可见在大学教育的影响下，所有60后样本的初婚年龄的平均变化是ATE=1.03。在处理组样本中，个体初婚年龄的变化为ATT=1.5，且ATT的t值等于4.95，倾向匹配是显著的，表明上过大学的个体，如果不上大学，其初婚年龄会推迟1.5岁；在控制组样本中，个体初婚年龄的平均变化为ATU=0.97，表明没有上过大学的个体，如果上过大学的话，其初婚年龄会推迟0.97岁，可以认为，60后个体初婚年龄依赖于接受高等教育这一因素。70后样本以个体是否上大学为处理变量的情况下，令地区、BMI、户口为协变量进行倾向得分匹配，结果见表10（2），可见在大学教育的影响下，所有70后样本的初婚年龄的平均变化是ATE=2.48。在处理组样本中，个体初婚年龄的变化为ATT=1.71，且ATT的t值等于5.61，倾向匹配是显著的，表明上过大学的个体，如果不上大学，其初婚年龄会推迟1.71岁；在控制组样本中，个体初婚年龄的平均变化为ATU=2.48，表明没有上过大学的个体，如果上过大学的话，其初婚年龄会推迟2.68岁，可以认为，70后个体初婚年龄也主要依赖于接受高等教育这一因素。80后样本以个体是否上大学为处理变量的情况下，令地区、BMI、户口为协变量进行倾向得分匹配，结果见表10（3），可见在大学教育的影响下，所有80后样本的初婚年龄的平均变化是ATE=2.38。在处理组样本中，个体初婚年龄的变化为ATT=2.26，且ATT的t值等于7.81，倾向匹配是显著的，表明上过大学的个体，如果不上大学，其初婚年龄会推迟2.26岁；在控制组样本中，个体初婚年龄的平均变化为ATU=2.46，表明没有上过大学的个体，如果上过大学的话，其初婚年龄会推迟2.46岁，可以认为，80后个体初婚年龄对接受高等教育这一因素的依赖较弱。

最后，进行倾向得分匹配质量检验。对比图3、图4和图5中60后、70后和80后匹配前和匹配后的图像，发现匹配后的处理组密度图像向控制组密度图像靠近，说明匹配结果较好。

四、结论

（一）影响初婚年龄的因素

1.晚婚因素对城乡个体的影响存在差异。生在东部区会推迟个体初婚年龄，且对城镇个体的影响大于对农村个体的影响，城镇东部地区的平均初婚年龄比城镇西部地区平均初婚年龄大1.44岁；上大学会推迟个体的初婚年龄，且对农村个体的影响大于对城镇个体的影响，农村上过大学的样本的平均初婚年龄比没上过大学的样本的平均初婚年龄大2.05岁；体型会影响个体的初婚年龄，偏瘦体型样本的初婚年龄容易推迟，体型特征对城镇个体初婚年龄的影响较大，城镇偏瘦样本的平均初婚年龄比肥胖样本的平均初婚年龄大0.73岁；男性比女性的初婚年龄要大，且城镇男性初婚年龄推迟得更多，城镇男性比城镇女性平均初婚年龄大1.83岁；房产的增加也会推迟个体初婚年龄，其对农村个体的影响更大，房产每增加一套，农村样本平均初婚年龄增加0.05岁。

表10 不同年代人初婚年龄效用分析

图3 60后样本匹配前后倾向得分核密度图像对比

图4 70后样本匹配前后倾向得分核密度图像对比

图5 80后样本匹配前后倾向得分核密度图像对比

2.晚婚因素对不同出生年代个体的影响也存在差异。地区因素对60后的初婚年龄影响最大，越靠近东部地区，60后的初婚年龄越容易被推迟（东部地区60后比西部地区60后的平均初婚年龄晚1.29岁），而对70后的影响减弱（东部地区的70后初婚年龄比西部地区的晚1岁），但其对80后没有影响；上大学会推迟三代人的初婚年龄，对60后影响最弱（上过大学的60后样本比没上过大学的60后样本平均初婚年龄晚1.95岁），而对80后影响最大（80后上过大学的样本比没上过大学的样本初婚年龄平均大2.8岁）；BMI体型对60后和80后的平均初婚年龄没有影响，但对70后有影响，偏瘦者的初婚年龄容易推迟（70后偏瘦的样本比70后肥胖的样本初婚年龄平均大0.93岁）；男性比女性的初婚年龄要大，其中，70后差距最大（70后男性比70后女性的初婚年龄平均大1.74岁），80后差距最小（男性80后比女性80后的初婚年龄平均来说大1.12岁）；房产数增加会推迟初婚年龄，且对70后的影响最大（70后房产每增加一套，平均来说其初婚年龄要大0.18岁）。

（二）高等教育对初婚年龄有推迟效应

大学以上学历个体的平均初婚年龄要大于大学以下学历个体的平均初婚年龄，上大学对70后初婚年龄的推迟时间（ATE70后=2.48）要高于对80后推迟的时间（ATE80后=2.38），60后推迟的时间（ATE60后=1.03）最短。此外，上大学对推迟农村个体初婚年龄的效应（ATE农村=1.91）大于对城镇个体的推迟效应（ATE城镇=1.32）。