中国老年护理的选择：非正式护理抑或正式护理——基于CLHLS和CHARLS数据的实证分析

林莞娟，王 辉，邹振鹏

(1.北京大学 光华管理学院，北京100871；2.北京语言大学 国际商学院，北京 100083)

一、引 言

人口老龄化是我国21世纪将要面临的重大社会问题。有研究表明，中国60岁以上的人口在2050年将超过4亿，约占总推算人口的30%以上(杜鹏等，2005)；到2060年左右，我国的老年人抚养比将达到近80%*老年人的抚养比例计算方法为65岁及以上人口数除以15岁至64岁人口数。，甚至会超过发达国家的水平(United Nation，2010)。这对我们这样一个“未富先老”的国家来说无疑是一个严峻的挑战。为了应对人口老龄化的挑战，在新形势下有效调动一切社会资源为老年人提供赡养与护理服务，建立人人“老有所养，老有所依”的和谐社会，我国政府在“十二五”规划中提出了“社会与家庭养老相结合”的新型养老模式，并出台“健全家庭养老保障和照料服务扶持政策……落实城镇独生子女父母年老奖励政策，建立奖励扶助金动态调整机制”。*引自《国务院关于印发中国老龄事业发展“十二五”规划的通知(国发〔2011〕28号)》中“(三)老年家庭建设”部分第2点。

老年人支出中最大的部分是医疗与日常护理费用(李玲和陈秋霖，2006)。就日常护理而言，可分为非正式护理和正式护理两类。非正式护理是非市场化的护理模式，一般由家庭成员特别是子女充当护理者；而正式护理则是市场化、支付性的医疗护理(Norton，2000)。我国政府所倡导的“鼓励家庭养老与护理”的政策能否满足日益增长的养老需求，达到减轻政府财政与社会负担的目的，关键取决于正式护理与非正式护理的需求是否存在替代关系，这也是本文所要回答的核心问题。

以往文献关于非正式护理对正式护理影响的结论存在很大的差异性。Christianson(1988)利用美国数据、Motel-Klingerbiel等(2005)利用欧洲数据研究发现，正式护理对非正式护理的使用没有明显影响；而Langa等(2001)以美国AHEAD数据研究发现，非正式护理与家政服务有互补效应；反之，Pezzin和Schone(1999)、Norton 和Van Houtven(2004)、Stabile 等(2006)、Bolin 等(2008)以及Bonsang(2009)却发现正式护理与家政服务同非正式护理存在显著的替代关系。文献中结论的差异性揭示了研究正式护理与非正式护理关系的复杂性。事实上，简单利用非正式护理对正式护理进行回归并不能建立两者的因果关系。各种不可观测的健康因素(如慢性病等)可能同时增加老年人对非正式护理和正式护理的需求，从而造成非正式护理和正式护理之间存在正向伪相关关系(Spurious Correlation)。

为了解决这一问题，本文利用我国目前可得的、具有全国代表性的老年人赡养数据，借鉴近期实证研究的方法(如Bonsang，2009)，以子女与父母居住距离为工具变量建立非正式护理与正式护理之间的因果关系。本文重点考察了非正式护理对老年人家政服务使用、养老院使用和医院门诊医疗三种不同正式护理形式的影响。通过工具变量法得到的估计结果表明，来自子女的非正式护理时间每增加10小时/周，老年人对家政服务、养老院使用和门诊医疗的使用率会分别降低1.32%、1.15%和0.82%，替代效应十分明显。同时，我们也考察了老年人使用非正式护理和正式护理的决定因素，发现健康状况变差致使老人对非正式护理和正式护理的需求都有显著提高，而老年人的年龄、性别、家庭收入和居住安排等因素也会对非正式护理和正式护理产生影响。

本文是国内首个以非正式护理对正式护理使用影响为研究对象的实证研究，弥补了既有研究大多停留在对长期护理现状和所存在问题的描述(田申，2005；徐勤和汤哲，2007；周云和陈明灼，2007；Liu 等，2012)以及对人口老龄化问题的结构性分析(杜鹏等，2005)上，而缺乏从健康经济学角度对老年人护理问题进行实证研究的空白。在研究方法上，我们利用工具变量法解决了非正式护理的内生性问题，目的是通过实证研究为解决当前中国养老问题提供有益的政策建议。本文的结构安排如下：第二部分介绍模型设置与识别方法，第三部分是对数据和关键变量进行系统的处理和描述，第四部分给出实证研究的结果，第五部分得出结论并提出解决养老问题的政策建议。

二、模型设置与计量

为了检测非正式护理对老年人使用正式护理的因果影响，我们构建了二元Probit模型：

(1)

(2)

式(2)可用最大似然估计法进行估计。由于回归系数反映的只是潜在变量变化的方向，本身并没有太多的解释意义。因此，我们得出了更有实际意义的边际效应结果，它们反映了解释变量，特别是非正式护理变量对老年人使用正式护理概率上的边际影响。需要特别注意的是，一般的边际效应计算是假定其他变量在均值上的计算；然而由于本研究中多使用哑变量，使用在均值水平上计算的边际效应(Marginal Effects at the Mean)会有误差(Long, 1997，第74页)，所以我们计算了平均边际效应(Average Marginal Effects，AMEs)，即对每个观测值求边际效应再进行平均，这样得到的结果更加精准(Greene, 1998, 第876页)。

对式(2)进行估计所需处理的重要问题是非正式护理变量的内生性问题。这里的内生性主要来源于两方面：一是由于老年人使用正式护理的决定和其他家庭成员提供非正式护理的决定是同时发生的(simultaneity)，因而存在联立性误差造成的内生性(Norton和 Van Houtven,2004)；二是由于部分健康变量不可观测造成内生性，在老年人健康状况恶化时，对正式护理以及非正式护理的使用会同时增加，这会导致对式(2)中γ1的高估(Charles 和Sevak, 2005)。

为了解决内生性问题，建立非正式护理与正式护理的因果关系，我们采用工具变量的方法。在工具变量的选择上，遵循以往研究采用的子女与老人的居住距离为工具变量的方法(Bonsang，2009；Bolin等，2008；Charles 和Sevak,2005)。工具变量法的一阶段回归方程为：

Informali=β0+β1Xi+β2Hi+β3Distancei+μi

(3)

其中，Informali是非正式护理使用时间，Xi是一系列人口学与家庭因素变量，Hi是健康状况变量，均与回归方程(1)相同；而Distancei是工具变量，度量子女与父母居住的远近程度。

在这里工具变量法的合理性取决于两个重要的前提条件：(1)子女与父母的居住距离是非正式护理使用的重要决定变量；(2)子女与父母的居住距离对正式护理选择的影响是通过影响非正式护理这唯一渠道间接完成的。条件(1)在已有文献中已经得到广泛证实(Clarles和Sevak, 2005; Stern, 1995)。子女与父母居住距离越远，子女向父母提供非正式护理的成本也就越高。在下文中，我们会利用数据对这一观点进行具体论证。对于条件(2)，如果老人身体状况恶化，老人会选择居住在子女附近，或者子女会选择搬到老人居住地附近，则距离作为工具变量的“排除性限定”(exclusion restriction)将不成立。然而，已有研究显示，没有任何证据表明父母健康状况差的时候子女会住得更近(Charles 和Sevak, 2005)。另外，Stern(1995)认为，居住距离是非正式护理供给的重要决定因素，以至于即便条件(2)不满足，所引起的偏误也十分有限。下文中我们会报告利用数据得到的实证证据，以进一步支持距离作为工具变量的合理性。

三、数据和关键变量

本文利用2011年“中国健康与养老追踪调查”(以下称“CHARLS”)第一次全国基线调查数据和2005年“中国老年健康因素追踪调查”(以下称“CLHLS”)第四次调查数据进行分析，并将两者的估计结果进行对比以检测结果的稳健性。前者覆盖了全国150个县级单位、450个村级单位、10 257个家庭单位的17 708个年满45周岁及以上的受访对象；后者覆盖了全国22个省份、15 993位年满65周岁的老年受访者[注]2005年CLHLS调查共计18 534个采访对象。其中有2 541位年龄在35-65岁之间，这部分对象来自2002年加入的35-65岁样本区间。由于35-65岁的受访者对于医疗护理的使用需求低，所以本研究主要针对年满65周岁的样本。。虽然CLHLS调查在2005年之前有三次调查，2008年又完成了第五次调查，但在问卷设计上，只有2005年的调查针对所有的受访者均提问了近一周以来的子女/孙子女及他们的配偶对受访者的照顾情况，所以本文采用了这一年的调查数据。

CHARLS和CLHLS的样本都具有调查对象代表性强、覆盖面广和信息丰富的特点，为本文估计的精确性提供了良好基础。同时两者所包含的正式护理的信息各有不同：CLHLS包含家政服务和养老院的使用信息，而CHARLS则包含门诊医疗的信息。前者在文献中(Bonsang, 2009)被归为非技术性护理(unskilled care)，而后者则被归为技术性护理(skilled care)，因此结合这两个数据我们可以更加全面地检查在中国非正式护理对各类正式护理需求的影响。

对于2011年CHARLS全国基线调查数据，我们只选择身体功能有障碍、需要旁人辅助日常生活的受访者为样本，因为只有这部分受访者回答了日常生活主要照料者是否为子女、子女配偶及孙子女以及来自子女的非正式护理时间。在此基础上，我们将健康变量、人口特征变量和家庭因素变量为缺失值的样本观测筛除。经过筛选后，共保留了2 414个观测点。对于2005年CLHLS第四轮调查数据，由于全样本均回答了与非正式护理有关的问题，所以将年满65周岁的样本中主要变量存在缺失值的样本筛除，最后共保留14 543个观测点。

本文的因变量为三种不同的正式护理的使用可能性。其中家政服务和养老院的使用情况来自CLHLS的调查数据，而门诊医疗使用情况来自CHARLS的调查数据。对于非正式护理的使用，本文主要研究子女(含子女配偶、孙子女及其配偶)对父母的非正式护理。

在数据中，式(3)中的Distance2是序数变量(Ordinal Variable)，按照住得最近的子女与父母的居住距离由近到远的顺序划分不同等级。在2005年“中国老年健康因素追踪调查(CLHLS)”数据中，根据健在子女的现居住地、子女与父母的居住距离被划分为六个等级：父母与子女同住、与子女住在同村、与子女住在同镇、与子女住在同市、子女住在附近城市和子女住在别的省市；在2011年“中国健康与养老追踪调查(CHARLS)”数据中，根据家庭成员登记表中子女过去一年在外地居住情况和不同住子女的常住地类型，子女与父母的居住距离被划分为五个等级，即父母与子女同住或同村(社区)、与子女住在本省同一县市、与子女住在本省不同县市、子女住在外省和子女住在国外。

表1的前3列分别为CLHLS的全样本、无非正式护理的样本和有非正式护理样本的统计结果。使用非正式护理的观测点共3 101个，占样本总量的21.3%；使用非正式护理的受访者平均每周非正式护理时间为45.2小时。在正式护理的使用方面，有非正式护理的受访者比无非正式护理的受访者更有可能使用家政服务；然而随着非正式护理时间的增加，家政服务的使用率逐渐降低。在养老院使用方面，无非正式护理的受访者更有可能住进养老院，同时随非正式护理时间的增加，老年人对养老院的使用也会降低。这说明非正式护理对家政服务和养老院的使用均可能存在替代关系。表1的后3列分别为CHARLS的全样本、无非正式护理样本和有非正式护理样本的统计结果。使用非正式护理的观测点共727个，占样本总量的30.1%，使用非正式护理的受访者平均每周非正式护理时间为28.6小时。在正式护理的使用方面，有非正式护理的受访者比无非正式护理的受访者更有可能使用门诊医疗，但差别并不大；然而随着非正式护理时间的增加，门诊医疗的使用率呈现先增大后减少的趋势，仅从描述性统计的结果并不能判断非正式护理对门诊医疗使用的影响。

表1 样本统计性描述

注：1.此指数数值越高代表个体越健康。2.此指数数值越低代表个体越健康。3.此指数数值越高代表个体越健康。

在人口学变量、家庭因素变量和健康变量方面，CLHLS和CHARLS的样本描述性统计结果相似。在居住安排方面，无非正式护理的样本中与配偶同住受访者的比例更高。在人口学变量方面，女性、年长者和受教育水平低的老年人更可能使用非正式护理。而从健康变量(身体障碍、ADL和IADL指数)看，身体健康较差、日常生活需要更多辅助的老年人更有可能使用非正式护理。在家庭因素方面，使用非正式护理的样本中，子女和父母的居住距离更近，同住比例更高。

四、实证结果

(一)标准Probit回归结果

表2报告了本文的主要实证研究结果。其中板块A汇报的是利用标准Probit模型式(2)考察非正式护理对正式护理使用影响的回归结果。列1与列2是利用2005年CLHLS调查数据获得的非正式护理对家政服务和养老院的使用影响的回归结果，所有系数均为解释变量对家政服务和养老院服务使用影响的边际效应。非正式护理使用时间的边际系数显著为负，每周增加10小时的非正式护理会使家政服务使用率下降0.6%，养老院使用率下降2%。列3是利用2011年CHARLS全国基线调查数据获得的非正式护理对门诊医疗的使用影响的回归结果，从中可以看到非正式护理使用时间的边际系数为正但不显著。

如前文所述，标准Probit模型对于非正式护理影响的估计结果很可能受到联立性误差和不可观测变量的影响而出现偏误。我们通过Wu-Hausman检验分别检测了CLHLS和CHARLS样本中非正式护理在家政服务、养老院服务和门诊医疗三个回归方程中(表2板块A)是否存在内生性问题。Wu-Hausman检测均显著拒绝了回归方程中非正式护理时间变量的外生性假设[注]Wu-Hasuman检测的F-statistics依次为：家政服务回归方程 F(1,14529)=987.29(P-value:0.00)；养老院回归方程F(1,14529)=1560(P-value:0.00)；门诊医疗回归方程 F(1,2294)=3.00(P-value:0.08)。。因而在下文中，我们将采用工具变量的方法来解决非正式护理的内生性问题。

表2 非正式护理对正式护理的影响

注：所有回归中均控制了其他个体特征：年龄、性别、受教育水平、居住状态、收入水平和健康指数。括号内为标准差；**和***分别为5%和1%的显著性水平。

(二)一阶回归结果与工具变量合理性

如前文所述，本研究中采用“与父母居住得最近的子女其居住的远近程度”作为非正式护理使用的工具变量。表2板块C第1列与第3列分别报告的是利用CLHLS数据和CHARLS数据对一阶回归(式3)的估计。结果显示，子女与父母的居住距离是老人非正式护理时间的重要决定变量，两者呈显著的负相关关系，并且利用两个数据得到的Distance的系数十分接近：子女离父母居住的地方每远一个等级(如同住子女搬到同镇其他地点居住)，子女非正式护理的时间会减少11.3%(表2板块C第3列)至13.1%(表2板块C第1列)。

从IV-Probit模型一阶段的F-statistics看，在CLHLS数据集中，家政服务和养老院使用的回归方程一阶段F-statistics为F(12,14530)=574.67，而在CHARLS数据集中，门诊医疗一阶段F-statistics为F(11,2295)=41.13。根据Staiger和Stock(1997)的经验法则，当内生变量个数为1、工具变量法一阶段F-statistics大于10时，2SLS估计的相对误差小，基本排除弱工具变量问题[注]Stock和Yogo(2005)指出，在工具变量个数大于3时，Staiger-Stock经验法则可以估计由TSLS的弱工具变量误差不超过OLS估计误差的10%(5% test)；当工具变量的个数为1或2时，Staiger-Stock经验法则对应2SLS的Wald statistics大小带来的弱工具变量问题：当一阶段F-statistics大于8.96，由Wald statistics大小带来的弱工具变量问题不超过15% (5% test)。。

而在工具变量的外生性方面，因为随机扰动项(ε)的不可观测性，学术界并没有一个标准的检测方法。鉴于造成子女与父母居住距离内生性最有可能的原因是父母的健康变差，因此Charles 和Sevak(2005)提供了一种检测手段：他们将是否有子女居住在附近(小于10km)这一工具变量作为因变量，以健康指标为解释变量，在控制其他因素(如人口学因素等)前提下，利用Logit回归检测是否有子女居住在附近与父母健康因素的相关关系。如果各项健康指标与是否有子女住在附近均没有显著的相关关系，则可以排除“父母与子女居住距离”这个工具变量的内生可能性。

参考Charles和Sevak(2005)的方法，我们研究了“父母与子女居住距离”与受访老人的健康指标的相关关系。对于CLHLS的样本，我们将是否患有调查所列举的23类慢性病作为23个哑变量；对于CHARLS的样本，则将是否患有调查所列举的14类慢性病作为14个哑变量[注]2005年CLHLS调查询问了以下23种慢性病的患病情况：高血压、糖尿病、心脏病、中风及脑血管疾病、支气管炎、肺结核、白内障、青光眼、癌症、前列腺疾病、胃肠溃疡、帕金森氏症、褥疮、关节炎、痴呆、精神病、骨科、内科、皮肤、五官、妇科、不便分类的疾病、其他疾病；2011年CHARLS调查询问了以下14种慢性病的患病情况：高血压、血脂异常、糖尿病、癌症、慢性支气管炎、肝脏疾病、心脏病、中风、肾脏疾病、胃部或消化系统疾病、情感及精神疾病、与记忆相关疾病、关节炎、哮喘。。由于因变量是序数变量，因此采用Ordinal Probit模型进行回归分析。我们的分析结果表明，在CLHLS调查所列举的23类慢性病中，并未检测到慢性病的患病情况与居住距离有关；在CHARLS所列举的14种慢性病中，除患关节炎的受访者子女可能住得更近以外，其他慢性病的患病率均与住得最近子女距父母的远近程度无关，这与Charles 和Sevak(2005)的结果类似。[注]由于篇幅限制，这些回归结果在文中未予以汇报，需要者请与通讯作者联系。我们的检验结果说明父母的健康状况和子女与父母的居住距离没有明显的相关关系，这为本文所用工具变量的外生性提供了有力证据。

(三)工具变量回归结果分析

表2板块B第1列与第2列报告的是利用CLHLS数据估计IV-Probit模型的结果，所有系数均为解释变量对家政服务和养老院服务使用影响的边际效应。结果显示，来自子女的非正式护理时间每周增加10小时，老年人对家政服务的使用率下降13.7%(由2.96%下降到2.55%)，对养老院的使用率下降11.9%(由1.86%下降到1.64%)。这说明非正式护理的使用对于家政服务和养老院的使用都有明显的替代效应。在国外类似的研究中，Norton 和Van Houtven(2004)利用1998年美国的健康与养老调查(HRS)数据发现，每增加10%的非正式护理时间会分别减少家政服务使用率、养老院使用率的0.87%和0.77%。我们的研究结果按每增加10%的非正式护理时间计算，家政服务使用率会下降1.32%，而养老院使用率会下降1.15%。这说明中国老年人使用非正式护理对家政服务和养老院使用的替代关系与国外一致，而且替代效应比国外大，因此一旦子女的非正式护理时间减少，中国老年人将比美国老年人更多地使用家政服务和入住养老院。

表2板块B第3列报告的是利用CHARLS数据估计IV-Probit模型的结果，所有系数均为解释变量对门诊医疗使用影响的边际效应。结果显示，来自子女的非正式护理时间每周增加10小时，老年人对门诊医疗的使用率下降9.5%(由25.14%下降到22.75%)，说明非正式护理的使用对老年人门诊医疗的使用有明显的替代效应。与Norton 和Van Houtven(2004)的研究结果对比后可以发现，每周非正式护理的时间增加10%，美国老年人看门诊的几率微弱增加0.16%，而我国老年人看门诊几率显著减少0.82%。一个可能的原因是，国外的老年人看门诊除了治病动机外还有定期检查、身体保健等预防性动机，所以当子女的非正式护理增加时，老年人可能会在子女陪同下到医院做定期身体检查和保健；而国内老年人去医院看门诊主要以治疗疾病(特别是慢性病)为目的，如果子女的照顾时间增加，子女可以帮助老年人定时喂药或输液，辅助他们复健锻炼，那么老年人的健康可以好转，从而减少门诊就医的可能性。老年人对门诊医疗的使用也由家庭因素和健康因素决定，即与配偶同住和身体健康的老年人较少看门诊。

值得注意的是，普通Probit模型对于非正式护理系数的估计均高于使用工具变量后所得到的结果。特别是在表2中，当因变量为门诊医疗使用情况时，非工具变量的估计系数甚至为正。这在一定程度上确认了由于非正式护理的内生性所导致的对于式(2)的估计偏差是不可忽略的，如果不加以处理，很容易低估非正式护理与正式护理之间的可替代性，甚至可能得出与实际相反的结论。

五、结论与现实意义

本文利用最新的2011年“中国健康与养老追踪调查”和2005年“中国老年健康因素追踪调查”数据，首次以实证研究的方法分析了中国非正式护理对老年人正式护理使用的影响。通过工具变量对非正式护理变量内生性进行控制后发现，非正式护理对老年人使用家政服务、养老院服务和门诊医疗均有显著的替代效用。

本文对于国内养老政策的制定有以下三点启示：首先，本文发现国内非正式护理对家政服务、养老院使用和门诊医疗均有替代效应，且替代效应比国外大，这为我国鼓励家庭养老以解决日益增长的社会养老负担问题提供了有力的实证支持。国家应加大对非正式护理的政策补贴与激励，譬如给异地务工人员更多的探亲假期以照顾家中年迈老人，给家中有老人的女性工作者更有弹性的工作时间，对赡养父母的子女提供一定补助等。事实上，国内外已有多篇文章证实了非正式护理比正式护理更加有效且节约成本(Bonsang, 2009)。例如，邓颖等(2004)发现，当老人养老的成本相同时, 家庭养老者的养老效用优于机构养老者的养老效用；如果要得到相同的满意程度, 机构养老的费用是家庭养老的1.153 倍。其次，由于中国社会老龄化的趋势是明确的，所以在医疗体系的改革中必须加大对正式护理的投入。目前，中国医疗体系对养老资源的投入与管理远远不能满足现阶段老年人养老的需求(Ramesh 和Wu，2009)。以养老机构为例，2004年中国每千名65周岁以上的老年人拥有的养老机构床位为22.9张(周云和陈明灼，2005)；而据民政部问卷调查显示，12%的老年人愿意使用托老所、老年公寓的服务(田申，2005)，这充分说明目前养老机构的供给不能满足老年人的养老需求。为了解决独生子女政策带来的子女数量降低和非正式护理减少的问题，国家应加大对家政服务、养老院等正式护理资源的投入，完善正式医疗的市场管理，加大对从业人员的专业技能培训。最后，适当放宽独生子女政策在解决中国养老问题上也有积极意义。子女数量的增加可以提高老年人非正式护理的可获得性，进而缓解老年人对正式护理的需求。事实上，许多研究已经表明，人口政策的软着陆更有利于经济社会的发展。由曾毅(2005)提出的“二孩晚育”方案在独居老人比例、老年抚养比、劳动力资源比和出生性别比等方面均较现行生育政策有更大的优势。林毅夫(2006)也认为有控制地放宽生育政策既可以减缓人口老龄化问题而又不至于导致生育率迅速提升。因此，国家面对养老问题的挑战，除了加大对老年人养老资源的投入外，适当调整生育政策也能够放缓老龄化的速度，从而减轻全社会的养老压力。

主要参考文献：

[1]杜鹏，翟振武，陈卫.中国人口老龄化百年发展趋势[J].人口研究，2005，(6).

[2]李玲，陈秋霖.人口变化对医疗卫生体系的影响[A].曾毅，李玲，林毅夫.21世纪中国人口与经济发展[C].北京：社会科学文献出版社，2006.

[3]林毅夫.发展战略、人口与人口政策[A].曾毅，李玲，林毅夫.21世纪中国人口与经济发展[C].北京：社会科学文献出版社，2006.

[4]田申.我国老年人口长期护理需要与利用现状分析[J].中国公共卫生管理,2005，(1).

[5]徐勤，汤哲.我国长期护理的现状与趋势[J].人口与经济，2007，(2).

[6]曾毅.试论二孩晚育政策软着陆的必要性与可行性[J].中国社会科学，2006，(2).

[7]周云,陈明灼.我国养老机构的现状研究[J].人口研究，2007，(4).

[8]Bolin K., Lindgren B., Lundborg P. Informal and Formal Care among Single-living Elderly in Europe[J].Health Economics, 2008, 17 (3)：393-409.

[9]Bonsang E. Does Informal Care from Children to Their Elderly Parents Substitute for Formal Care in Europe[J].Journal of Health Economics, 2009, 28：143-154.

[10]Charles K.,Sevak P. Can Family Caregiving Substitute for Nursing Home Care[J]. Journal of Health Economics, 2005,24：1174-1190.

[11]Christianson B. The Evaluation of the National Long-term Care Demonstration:The Effect of Channeling on Informal Caregiving[J]. Health Services Research, 1988, 23 (1)：99-117.

[12]Greene H. Econometric Analysis[M]. 3rd ed. Upper Saddle River, NJ: Prentice Hall，1998.

[13]Langa M., Chernew E., Kabeto U., Katz J. The Explosion in Paid Home Care in the 1990s: Who Received the Additional Services[J].Medical Care, 2001, 39(2)：147-157.

[14]Long S. Regression Models for Categorical and Limited Dependent Variables[M]. Thousand Oaks, CA: Sage,1997.

[15]Liu G., Dupre E., Gu D., Mair A., Chen F. Psychological Well-being of the Institutionalized and Community-residing Oldest Old in China: The Role of Children[J]. Social Science and Medicine, 2012,75：1874-1882.

[16]Norton C. Chapter 17: Long-term Care[J]. Handbook of Health Economics, 2000,1:956-994.

[17]Norton C., Van Houtven H. Informal Care and Health Care Use of Older Adults[J]. Journal of Health Economics, 2004,23：1159-1180.

[18]Pezzin E., Schone B. Intergenerational Household Formation, Female Labor Supply and Informal Caregiving: A Bargaining Approach[J]. Journal of Human Resources, 1999,34(3)：475-503.

[19]Ramesh M.,Wu X. Health Policy Reform in China: Lessons from Asia[J]. Social Science and Medicine, 2009,68：2256-2263.

[20]Stabile M., Laporte A., Coyte C. Household Responses to Public Home Care Programs[J]. Journal of Health Economics, 2006,25：647-701.

[21]Staiger D., Stock H. Instrumental Variables Regression with Weak Instruments[J].Econometrica, 1997,65(3)：557-586.

[22]Stern S. Estimating Family Long-term Care Decisions in the Presence of Endogenous Child Characteristics[J]. The Journal of Human Resources, 1995,30 (3)：551-580.

[23]Stock H., Yogo M. Testing for Weak Instruments in Linear IV Regression[A]. Ch.5 in J.H. Stock and D.W.K. Andrews (eds). Identification and Inference for Econometric Models: Essays in Honor of Thomas J. Rothenberg[C].Cambridge University Press,2005.

[24]United Nation.World Population Perspective[R].2010.