快三平台官方|快三平台充值

多地发放数万元育儿补贴：能否释放生育潜能，除了发钱还应做什么******

　　又一地方政府用“真金白银”激发生育潜能。1月11日，据深圳市卫生健康委官网消息，近日，深圳市卫健委就《深圳市育儿补贴管理办法》(《管理办法》)公开征求意见。

　　《管理办法》初步拟定深圳市育儿补贴标准：生育第一个子女的，办理出生入户后发放一次性生育补贴3000元，另外每年发放1500元育儿补贴，直至该子女满3周岁，三年累计发放补贴7500元，平均每年可领取2500元；生育第二个子女的，办理出生入户后发放一次性生育补贴5000元，另外每年发放2000元育儿补贴，直至该子女满3周岁，三年累计发放补贴11000元，平均每年可领取3667元；生育第三个子女的，办理出生入户后发放一次性生育补贴10000元，另外每年发放3000元育儿补贴，直至该子女满3周岁，三年累计发放补贴19000元，平均每年可领取6333元。

　　深圳市卫健委指出，适时建立育儿补贴制度，按照递进式差异化发放育儿补贴，能够有效提振市民生育子女特别是生育二孩、三孩的意愿，进一步释放市民生育潜能，减缓人口老龄化进程，延长人口红利窗口期，让人口红利长期成为经济增长的强大助推器。

　　澎湃新闻梳理发现，自2021年以来，从省级到市县，目前已有多地探索育儿补贴制度，比较而言，市县的政策措施更细化。从措施内容来看，以现金补贴为主，部分地方还提出了住房等方面的倾斜政策。

　　多地探索育儿补贴制度，以现金补贴为主

　　2021年7月，《中共中央、国务院关于优化生育政策促进人口长期均衡发展的决定》印发，明确指出，当前，进一步适应人口形势新变化和推动高质量发展新要求，实施三孩生育政策及配套支持措施，具有重大意义。

　　同月，全国优化生育政策电视电话会议召开，强调切实提高优生优育服务水平，加快普惠托育服务体系建设，促进相关经济社会政策与生育政策配套衔接，减轻群众生育、养育、教育负担。

　　这场会议召开次日，四川攀枝花即宣布率先发放育儿补贴金，对2021年6月12日及以后，按政策生育第二个及以上孩子的攀枝花户籍家庭，每月每孩发放500元育儿补贴金，直至孩子3岁。

　　后来，更多地方陆续开始探索育儿补贴制度。

　　省级层面上，《广东省公共服务“十四五”规划》提出，探索对生养子女给予普惠性经济补助；浙江规定县(市、区)人民政府可以根据当地实际，对三周岁以下的婴幼儿家庭给予育儿津贴、托育费用补助；北京明确逐步建立完善家庭养育补贴制度。

　　此外，湖南、吉林、黑龙江、云南、福建等地均提出通过补贴制度鼓励生育，黑龙江还要求适当向边境地区、革命老区倾斜。

　　相较于省级层面的要求，一些地级市及区县则出台了更加细化的措施。除较早探索育儿补贴制度的攀枝花市外，陕西省汉中市对夫妻双方以及生育子女的户籍均在该市，符合政策生育第二个子女和第三个子女的家庭，由子女户籍所在地县区分别发放一次性生育补贴2000元和1万元；湖北省安陆市对本市户籍人口2021年5月31日后按政策生育二孩、三孩的夫妻，每月补贴200元、400元，直至幼儿年满3周岁。

　　值得注意的是，在现金补贴之上，一些地方叠加探索住房等方面倾斜政策。如，北京市明确，未成年子女数量较多的家庭申请公共租赁住房的，可以纳入优先配租范围，并在户型选择等方面予以适当照顾；湖南长沙则对依法生育两个及以上子女的本地户籍家庭，增加1套购房指标，根据家庭未成年子女数量在户型选择等方面给予适当照顾；甘肃省张掖市临泽县规定，生育二孩、三孩的临泽户籍常住家庭，在县城区购买商品房时给予4万元的政府补助，在各中心集镇等集中居住区购买商品房时给予3万元的政府补助。

　　还有一些保障措施包括，江苏省明确企业在女职工产假期间支付的社会保险费用，生育二孩的给予50%的补贴，生育三孩的给予80%的补贴；甘肃省张掖市临泽县规定，在该县辖区内公办幼儿园就读的户籍常住家庭，二孩每生每学年给予1000元的资助，三孩每生每学年给予2000元的资助；安徽省规定，公民接受绝育手术后要求再生育的，其恢复生育手术的费用由受术者所在单位或者乡(镇)人民政府、街道办事处给予补助。

　　复旦大学人口研究所教授任远表示，育儿补贴，实际上是一种以经济支持为内容的生育支持政策，“支持生育的政策，包括三种主要类型，第一种是经济支持，第二种是劳务支持，比如托育托幼机构的建设，第三种是时间支持，比如育儿假、产假等。”

　　任远同时指出，育儿补贴在不同地区的效果可能不一样，“在经济发达地区，育儿补贴的作用其实是有限的，因为在这些城市中的生育成本、儿童养育、儿童教育的成本都非常高，以及母亲生育的机会成本也非常高，育儿补贴对于生育行为的激励作用不会很高。但是在一些农村地区和中西部地区，生活成本比较低，生育和养育的成本也相对较低，同样的育儿补贴，对于提高生育率的效果可能会更为明显。”

　　对此，任远建议，需要结合不同地区人们的具体生育需求，根据人们在生育过程中面临的工作-生活、养育、教育等具体困难，来提供相适应的生育支持政策。比如，一些发达城市中，家庭生育碰到的主要困难可能主要是来自工作和家庭的冲突，女性的职场压力会降低其生育意愿，此外，家庭的小型化使家庭内部育儿有一定困难，因此，对这些地区，可能最主要的生育支持政策要放在托育托幼政策的支持上，以及发挥企业对于工作和家庭平衡的支持作用也很重要。

　　生育意愿尚未得到满足

　　深圳市卫健委在此次《深圳市育儿补贴管理办法》的起草说明中指出，近年来，我国人口增速持续放缓，结婚率逐年下降，又加上新冠肺炎疫情的影响，生育水平持续走低，人口形势面临重大挑战。

　　据国家统计局发布，2020年，我国育龄妇女总和生育率为1.3，已经处于较低生育水平。2021年，我国出生人口仅为1062万，妇女总和生育率降至1.15，低于发达国家的平均生育水平，与国家人口发展规划(2016-2030年)提出的稳定在1.8左右的生育水平相去甚远。

　　在各地陆续探索育儿补贴制度后，公众更关注“真银白银”补贴后的效果。

　　其实，少子老龄化的问题在日本、韩国也已存在多年，且两个国家都进行了一定育儿补贴政策。

　　澎湃新闻近日报道，2022年年末，韩国总统直属低生育及老龄社会委员会公布《人口结构变化应对方案》，将增加育儿假和津贴，并将修改法令使非婚生子女在制度方面不再受到歧视，还将促进移民、外国人和老年人的就业。日本政府则计划从74岁以下人群的医疗保险费用中抽取资金，从今年起将一次性生育补贴提高到50万日元(约合人民币25940元)，较去年增加8万日元。

　　“日本、韩国生育率的下降，比中国要早，同时中日韩三国在文化上有相似的地方，所以日韩在低生育率背景下提供的生育支持政策，对我国的生育服务和支持政策制定有较大启发。”任远说，从已有的文献看，日本和韩国的生育津贴政策实际效果并不理想，特别是韩国，“这也反映出生育补贴政策，对于城市化程度较高的地区和经济高度发展地区人们生育意愿的支持作用有限。”

　　任远指出，采取一系列的生育配套服务和支持政策，使一些希望生育但是生育意愿并未满足的人群得到服务和支持，还是可以提高生育水平的，“比如我国的生育意愿现在是1.6到1.9，但是实际生育水平只有1.3，意味着只要通过生育服务和支持，使人们的生育意愿得到更好的满足，我们的生育水平是能够提高的。”同时，任远提出，在更深层次来看，在现代社会的生育文化中，生育的价值本身在逐步减弱，物质主义和个人主义在发展，未来发展的不确定性在提高，人们的生育动机在减弱。如果人们本身并不想生育，通过各种生育支持政策来提高生育水平的效果是有限的。因此，对于国家生育政策来说，还需要在生育文化建设上做一些改变，“在计划生育时代，形成了‘只生一个’的生育文化，独生子女一代人认为，生一个孩子是家庭生活的基本形态。在低生育率背景下，这种生育文化需要改变。孩子的经济价值随着社会保障体系的发展逐步减弱，我们需要在文化上强调孩子的情感价值、强调孩子作为生命的价值，强调生育和抚育孩子的成长对自身人生成长的价值，通过这种观念上的重新塑造，使人们觉得生育是有意义的，才能提高人们的生育动机，再加上持续的经济发展和社会福利的改善，才能从根本上使生育动机和生育意愿得到提高。”

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）