看到该问题底下有位女权主义者给出了属于她的回答，一方面觉得这篇回答的很多地方挺有意思，另一方面对于到现在还有人愿意找文献来叙事的精神感到敬佩，于是便有了这篇回答

26.5.3 20:30更新

原答主在十几分钟前解释了所谓「断章取义」，并认为「不冲突」。她比较了Glauber R. (2018)以及魏如鑫(2022)的原文：

答主说的Glauber R. (2018) 原文“到2010年初，高收入女性的妈妈身份工资惩罚已经消除，而低收入女性仍然支付惩罚”

和 我说的“在三孩政策背景下，这种差异更加严重，而中国缺乏有效的托育和男性育儿分担机制，女性面临“职场歧视+家庭负担”的双重压力。”

同样不冲突 Glauber R. (2018)说的是美国的，魏如鑫(2022)这里说的是中国的三孩政策背景 两者都是对母职惩罚相关的研究叙述，两个内容都出现在各自的论文内，并不冲突

然而我们思考一下你的原文是怎么表述的？

《职业女性生育母职惩罚的困境与破解——兼论三孩生育政策的推动》（魏如鑫,吴宏洛，2022）

• 生育导致女性收入下降、晋升受阻；而男性往往因女性承担家庭职责反而获得“父职奖励”，工资增长 3%-10%。
• 在三孩政策背景下，这种差异更加严重，而中国缺乏有效的托育和男性育儿分担机制，女性面临“职场歧视+家庭负担”的双重压力

引用：魏如鑫,吴宏洛.职业女性生育母职惩罚的困境与破解——兼论三孩生育政策的推动[J].太原学院学报(社会科学版),2022,23(06)10-18.

这里相信读者能发现问题了——REBECCA G的研究（3%-10%这个数据）是来自美国的研究，为什么会出现在阐述中国情况的那一段里面呢？即使真的没有断章取义的问题，这是否有点涉及「拼接数据」呢？ 如果你没注意到原文的[10]角标，那么你也许注意到了「瑞贝卡( Ｒebecca G) 认为……」。那么你为什么没有选择引用原始出处呢？这个问题比较好奇。

这是各位下载到原文PDF会看到的内容，我认为这已经很明显了吧……

而且，如果按照答主的“断章取义”逻辑（注意，这不是指责答主，而是借用答主的对“断章取义”的判定逻辑，来看答主对文献的叙述是否属于答主自己提出的“断章取义”判定标准）

那答主漏掉了魏如鑫、吴宏洛（2022）的这些内容（而且按照答主的标准么，下面很多内容不仅答主没提到，我也没细说）：

漏掉了摘要里直接说女性因母职在职场中受歧视。……

我的核心补充是

你把 Rebecca G (2018) 的美国研究结论（3%-10% 父职奖励）当作魏如鑫 (2022) 的原创结论来使用，而且省略了该研究中的一个关键限定条件——「高收入女性的母职惩罚到2010年初已消除，低收入女性仍受惩罚」

你列出的那些「漏掉」，比如「三孩政策」，和你当时的原文和我的文章均没关系，我那一小段是「就你的原文」的纠正。我的概括「生育导致女性收入下降、晋升受阻」完全符合原文结论，你也承认。

比较一下我们两个人的做法吧

你的原文的省略，导致读者以为「在中国三孩政策背景下，所有女性都面临稳定的母职惩罚，而男性普遍获得3%-10%的父职奖励」。这才是对原文意思的歪曲——因为 Rebecca G 的原文明明说高收入女性惩罚已经没了，而且数据来自美国，不是中国。

你的反驳并没有动摇我原文的指控。我依然认为：

1. 你把 Rebecca G (2018) 的美国数据当作魏如鑫 (2022) 的研究发现来使用，属于引用不当。
2. 你省略了 Rebecca G 原文中“高收入女性母职惩罚已消除”这一关键限定，导致读者形成片面的印象。
3. 这些做法超出了正常的「概括」范畴，构成了对原文信息的歪曲。

至于您列出的那些我没写的细节——它们与上述问题无关，也99%部分跟你的文章（截止到这篇回答发布以前）无关，如果你愿意，我们可以一起承认：任何对文献的概括都会有所取舍，关键是取舍是否改变了原意。我的概括没有改变原意，你的取舍却改变了。

26.5.3. 18:36更新

感谢该回答原作者

@kiyomizuakito

的回应，一方面感谢你对我原文的回应，另一方面还得感谢对我原文的认可。我认为你的评论也十分有价值，以下回应

1，我认为你的文章存在「断章取义」的依据何在？

虽然答主说的“断章取义”为不实指控，实则说的我的问题为没有标注二级引用

但这属于“二级引用来源说明”的问题（这段为原文里的对其他研究的先行研究，我没有注明） 你却形容成“断章取义” 这属于污蔑了 断章取义的成立条件是：截取了一部分内容，导致原文意思被彻底歪曲。

答案不在Rebecca(2018)的原文，而是你对魏如鑫 等(2022)存在断章取义的问题：

• 你的原文只是说了「父职奖励」，没说原文中这个「奖励」是有代价的，这极有可能成为性别对立的导火索。

比较之下，该表述确实容易造成曲解文章，所以建议修改

2，有关婚姻收益？

婚姻收益方面，答主自己也承认丧偶与离婚对男性影响更大，这恰恰说明婚姻对男性的健康保护效应更突出。

然而我们看看白晓 等(2019)的原文是怎么分析的吧：

原文的描述性分析

我的表述是：

• 青年阶段：对男性影响更大。
• 中年阶段（30岁后）：对女性影响更大（未婚女性RMR明显高于未婚男性）

即为婚姻的保护作用是分年龄段的，20-29岁基本就是对男性影响较大，之后都是对女性的影响更大，这也就是原文「婚姻对女性的保护作用更有效」的来源。我粗略的看了一下澎湃新闻的那篇研究，其实彭凯平(2022)的原文是基于四国得到的（中国、日本、韩国、新加坡），后三者都是发达国家，社保等影响因素更多，所以就会对结果造成影响。

3，我写下这篇文的原因？

我不知道是不是我之前分析了你对几篇文献歪曲，强加文献中没有的内容，你因此感到生气 就比如说你参考陈洁（2019）《婚姻状态对女性工资的影响及机制分析》

• 一方面我承认自己以前引用文章出现错误，这一点是我的错误。
• 然而：「我不知道是不是我之前分析了你，……，你因此感到生气」这里是一处「诉诸动机」谬误，在论证中不太能作数。

我发现你的错误引用的原因——其实很简单（这段经历也很好玩，您可能会会心一笑）——一开始呢我在今年2月份看到你引用的那篇文章的标题是「困境与破解……兼论三孩生育政策的推动」，然而却列举出了实证分析的结果？可能是此类社科论文我读的太少了，我没见过这样的——于是乎，我真的去读了原文，然后便有了本文的第二部分。当时我还在你反驳我的那篇文章里指出来了这个问题，没想到那么赶巧，今天能亲自来答这道题。

原回答

我拜读了该问题下女权主义者 @kiyomizuakito的回答，写的总体不错，但是出现的问题也很明显：

《“重男轻女”会损害女孩的健康状况吗?——来自中国家庭追踪调查的证据》（廖丽苹、张呈磊，2020）：实证研究显示¹，女孩在营养、医疗投入中普遍处于劣势，健康状况明显低于男孩。——来自该回答原文

然而还有一种解释：男孩在生理上可能先天处于劣势，这挑战了单纯从社会文化角度解释的观点。近年来，一项对全球76项研究的系统分析发现，男孩在营养不良（如消瘦、发育迟缓）方面的风险显著高于女孩（Susan Thurstans et al, 2020）²

《职业女性生育母职惩罚的困境与破解——兼论三孩生育政策的推动》（魏如鑫,吴宏洛，2022）

• 生育导致女性收入下降、晋升受阻；而男性往往因女性承担家庭职责反而获得“父职奖励”，工资增长 3%-10%。
• 在三孩政策背景下，这种差异更加严重，而中国缺乏有效的托育和男性育儿分担机制，女性面临“职场歧视+家庭负担”的双重压力

引用：魏如鑫,吴宏洛.职业女性生育母职惩罚的困境与破解——兼论三孩生育政策的推动[J].太原学院学报(社会科学版),2022,23(06)10-18.

原作者哪些内容没有跟大家说？

• 这不是魏如鑫 等(2022)的研究的结论，而是Rebecca在2018年的研究得出的结论，这属于一个引用错误。
• 原作者说生育导致女性收入下降、晋升受阻，然而没有跟大家说「到2010年初，高收入女性的妈妈身份工资惩罚已经消除，而低收入女性仍然支付惩罚」
• 真正「父职奖励」的来源是「由于女性生育后承担起了母职，使男性减少了花费在家务上的时间，从而提高了他的工作效率和工资收益」

《社会性别视域下的人口寿命性别差异分析》（陈岱云, 陈希，2022）：文章指出，人口寿命性别差异并非纯粹的自然结果，而是遗传因素与社会结构因素交织的体现。

• 从生理因素看，男性只有一条 X 染色体，因此 X 染色体上的隐性致病基因更容易在男性中表现出来。而女性因拥有两个X染色体，具备更强免疫功能。
• 男性更易暴露于吸烟、酗酒、风险劳作等风险行为中。
• 与此同时，女性寿命的提升反映了社会性别观念改善所带来的健康进步：女婴存活率提高，孕产妇死亡率下降，医疗可及性增强，以及女性教育水平与社会参与度提升。

文章指出“健康的性别悖论”：女性预期寿命高于男性，但健康寿命（不含病痛生存年限）并未显著高于男性，反映出女性虽活得更久，却在承担更多慢性病与长期照护负担。

第一点，关于X和Y染色体会影响寿命的结论目前仍然是「假说」，因为——那就是放在整个动物界，情况就不是这么一回事了。

目前流行的未加保护的X假说通过异配雄性X或Z染色体上的隐性突变的差异表达来解释寿命的性别差异，但迄今为止只获得了间接支持。³

而其他研究也对这个现象做出了挑战

《How much does the unguarded X contribute to sex differences in life span?》（Connallon et T al, 2022）⁴一文中指出：「模型预测的无护卫X效应仅为1–3%（例如果蝇和哺乳动物）」，然而

• 哺乳动物实际两性寿命差异常常超过20%，鸟类也达到10%左右。1–3%的效应无法解释如此巨大的差异。

我们的结果提示，“无护卫X”不太可能是寿命两性二态性演化的普遍解释，这为其他机制（如“毒性Y”效应、以及通过存活–繁殖权衡产生的性别差异选择）提供了支持。

再说回X染色体和免疫系统，一项2020年的研究对比(Meester et al, 2020)⁵发现：

1. X染色体上的免疫基因数量并不比常染色体多——实际上，X染色体上免疫基因的丰度仅排在所有染色体的第四位，低于常染色体的中位数。
2. 大多数X连锁免疫基因没有性别偏倚表达——约三分之二的基因在男女中表达水平相近，并不广泛存在女性占优的现象。
3. 女性的免疫优势不能简单归因于X染色体的基因数量优势——如果存在性别差异，更可能是由少数特定X（或Y）连锁基因的调控差异导致的。

还需要指出的是：女性的免疫系统在抗感染方面确实更强大，但这种“强大”是有代价的。在对病原体反应更积极的同时，也显著增加了患自身免疫性疾病的风险。因此——我认为把寿命归因于染色体不太合适。

——《澎湃新闻》整理引述彭凯平（2022）与JAMA子刊国际追踪调查：已婚男性比未婚男性平均寿命长约7.5年；未婚男性的死亡风险（心脏病、癌症等）显著高于已婚者。然而，婚姻的健康收益对男女并不对等： - 女性婚后依然承担主要家务与照护任务，收益被抵消，反而糟糕婚姻更容易损害女性健康。报告指出 - 已婚女性的健康增益仅为3%，远低于男性的23%。 - 女性的健康状况在情感不满型婚姻中甚至不如未婚女性。 家务负担、缺乏情绪支持、压力释放机制不足，是造成这一差异的根本原因。

在这里，我们看一下另外一篇研究得出的是什么结论吧——《婚姻状态和死亡率：审视中国的Farr-Bertillon效应 ——基于1990和2010年人口普查数据》(白晓 等, 2019)⁶

在未婚人群中，

• 青年阶段：对男性影响更大。
• 中年阶段（30岁后）：对女性影响更大（未婚女性RMR明显高于未婚男性），这篇文章的推论是亚洲家庭注重生育 ，所以结婚的健康人居多，表明婚姻对女性的保护更有效。丧偶与离婚则确实是对男性影响更大，这个是基于人口普查得出的结论。

也就是说，天价彩礼与男性主导性别结构扭曲后的反噬性社会代价有关系。 此外，出生性别比持续失衡、农村女婴存活率偏低、女性宅基地继承缺位等问题，进一步说明所谓“彩礼高”“女方条件好”本身正是社会结构压迫的体现，而非女性主动剥削男性资源的结果。 如果我们忽视这些文化背景与人口结构，单纯以“彩礼金额”来定义性别优势，不仅是偷换因果逻辑，更是在为“重男轻女”行为脱罪，掩盖其造成的人口失衡与婚育危机

「出生性别比持续失衡……进一步说明所谓“彩礼高”“女方条件好”本身正是社会结构压迫的体现」，按理来说，如果按照性别比失衡-高彩礼的话，我们应该会在性别比更高的地区看到更高的彩礼，然而是否真的是这样呢？一方面有关彩礼的网络调查很多，为了和2020年第七次人口普查的数据对齐，我采用了谷雨数据的调查

然后第七次人口普查我采用20-24岁性别组的性别比数据。详细结果在《中国人口普查年鉴-2020》的第二部分——长表数据资料→表1-3全国各地区分年龄和性别的人口里面。如果你想要详细数据可将这张图片保存到本地。

现在两份数据都已就位，我们需要干的事情是——编写处理数据的脚本。为了方便，我就不用R绘制散点图了，直接用Python处理Excel的同时，绘制散点图，以下是你所需要的材料

• 一个Python 3.x版本的解释器
• 需要更新pip

接着，你需要借助pip安装这几个库：

• pandas库，处理Excel使用
• matplotlib库，用途：绘制图表
• numpy和statsmodels库，用途：计算相关统计量

安装库可以使用

pip install <Install packages.>

进行安装。以下是最终的结果

皮尔逊相关系数 r = 0.051
决定系数 R² = 0.003
回归系数 (斜率): 0.0259
截距: 4.3740

最终绘制出来的散点图如图所示

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
import statsmodels.api as sm
plt.rcParams['font.sans-serif'] = ['Microsoft Yahei']
plt.rcParams['axes.unicode_minus'] = False
file_path = "data - 副本.xlsx"
df = pd.read_excel(file_path, sheet_name="Sheet1")
x = df['出生性别比'].values #这里敲错了，应该是20-24岁性别比
y = df['彩礼'].values
mask = ~(np.isnan(x) | np.isnan(y))
x_clean = x[mask]
y_clean = y[mask]
X = sm.add_constant(x_clean)  
model = sm.OLS(y_clean, X).fit()
x_plot = np.linspace(min(x_clean), max(x_clean), 100)
X_plot = sm.add_constant(x_plot)
predictions = model.get_prediction(X_plot)
pred_frame = predictions.summary_frame(alpha=0.05) 

print(f"皮尔逊相关系数 r = {np.sqrt(model.rsquared):.3f}")
print(f"决定系数 R² = {model.rsquared:.3f}")
print(f"回归系数 (斜率): {model.params[1]:.4f}")
print(f"截距: {model.params[0]:.4f}")

plt.figure(figsize=(10, 6))
plt.scatter(x_clean, y_clean, alpha=0.7, s=30, label='原始数据')
plt.plot(x_plot, pred_frame['mean'], color='red', linewidth=0.5, label='线性拟合线')

plt.fill_between(x_plot, 
                 pred_frame['mean_ci_lower'], 
                 pred_frame['mean_ci_upper'], 
                 color='red', alpha=0.15, label='95% 置信区间')

plt.xlim(94, 124)
plt.ylim(0, 20) 
plt.xlabel('2020年20-24岁性别比 (男/女，其中女=100)', fontsize=8)
plt.ylabel('2020年彩礼礼金数额', fontsize=8)
plt.title('适婚年龄段性别比和彩礼金额之间的关系的散点图', fontsize=14)

plt.text(0.02, 0.95, 
         f'R² = {model.rsquared:.3f}\nr = {np.sqrt(model.rsquared):.3f}', 
         transform=plt.gca().transAxes, va='top', fontsize=10, bbox=dict(boxstyle='round', facecolor='white', alpha=0.8))

plt.legend()
plt.grid(alpha=0.3)
plt.text(95,-3, '数据来源：第七次人口普查 和 谷雨数据', fontsize=8, color='gray')
plt.text(115.5,-3,'制图 by @mxkkkk （https://mxkfemkkk.github.io）',fontsize=8,color='grey')
plt.tight_layout()
plt.show()

分析数据：虽然斜率为正，数值很小，表明性别比升高与彩礼上涨之间存在微弱的正向线性关系，但经济显著性很低（每增加一个点，彩礼仅涨二百多元）。r数也告诉我们：20-24 岁性别比与彩礼之间呈极弱的正相关，几乎不存在线性关系。R²性别比的变化只能解释彩礼变异的0.3%，即 99.7% 的彩礼差异由其他因素决定。

考虑到原答主说的是溺婴，于是我还基于2000年出生性别比的情况，绘图代码聪明的你一定知道仿照上面的示例手搓，所以我就不放了，结果如图

回归系数成负数这一块，离群值更多这一块

皮尔逊相关系数 r = 0.268
决定系数 R² = 0.072
回归系数 (斜率): -0.1025
截距: 19.2628

因此将彩礼归因为「重男轻女」思想和「溺婴」是不合适的。

以上，

要提一嘴的是：感谢还有支持性别平等人可以和我正常交流。

参考和注释