李 超,孟凡强
(广东财经大学 国民经济研究中心, 广东 广州 510220)
人口迁移是伴随中国城镇化进程而出现的现象,而农村剩余劳动力向城市就业市场的迁移是我国人口迁移的主要方向。农村剩余劳动力在改革开放后随着工业化和城市化的发展逐渐迁往城市,以谋求更好的工作条件与生活环境。但农民工本身的素质和受教育水平的低下使其难以成功的融入到城市工作中去,[1]同时城乡二元户籍制度的差异使进入城镇的农民工在就业上面临着城市就业部门的户籍歧视,[2]从而使得农民工群体在工资收入以及社会保障方面与城市本地就业员工都处于相对弱势。[3]与此同时,城市外来人口还包括一部分非农劳动力,他们虽然相比农民工群体具有更高的素质水平和非农户籍身份,但作为外来人口同样与城市本地员工存在就业差异。
城市劳动力市场中外来人口的就业状况可以划分为自雇创业与受雇就业。在自雇创业还是受雇就业的选择上,外来人口选择自我雇佣的比例远高于城镇本地工人。[4]外来人口选择自我雇佣而不是受雇就业,往往是为了追求更高的经济利益。相对于受雇就业,外来人口在城市中自雇创业能得到更好的工资待遇和更为自由的自我发展,减少来自城市就业人员的的就业歧视与排斥。相关研究表明,在农民工群体中,自我雇佣者不仅在收入方面明显高于工资获得者,[5]而且在社会资本与社会融入感方面也明显高于受雇者。[6]因此,越来越多的农民工在城镇就业中选择自雇创业,且能力越强,资本越多的农民工更容易走向自雇创业的道路,具有更好的自雇佣概率。[7][8]特别是在2008年金融风暴后,城市农民工自我雇佣的水平进一步提高,并且农民工自我雇佣不再是在城市就业歧视下的一种被动选择,相反,自我雇佣已经成为农民工进入城市后逐渐开始优先考虑的就业形式。[9]以农民工为主体的城市外来人口就业形式的自我雇佣化已经成为我国城镇化进程的一大特点,对这一就业形式的研究也越来越受重视。
作为就业待遇的重要方面,对外来人口自雇创业者社会保障问题的研究也日益引起学界重视。有学者认为自雇农民工与受雇农民工相比拥有更低的社会保障,主要原因在于受雇者拥有更为丰富的社会保障选择。[10]在众多社会保障中,医疗保险是目前农民工最迫切希望完善与参与的险种,[11]这与农民工多从事高危、高劳工作有直接联系。同时相比于受雇农民工,自雇者往往面临着相对更高的工作风险,因此更为需要医疗保险等社会保障的深入与全面覆盖。[12]虽然自雇农民工对于社会保障等劳动福利有着较高的诉求,但现实中的他们实际享有各类社会保险的比率却显著较低。[13]这主要是由于,一方面城市医疗保险在设计与对象方面主要考虑城市本地人,导致农民工在城市参保率普遍偏低;[14]另一方面,相比于受雇者,自雇创业的农民工因为信息不对称等因素,在城市社会保障的参与度方面也会出现更低的情况。[15]
通过对文献的回顾可以发现,当前研究多关注外来人口户籍歧视和社会保障方面的问题,而专门针对外来人口自雇创业对城镇医疗保障影响问题研究仍相对缺乏,已有研究对样本选择性偏差问题的考虑不足,同时,现有研究多针对农民工群体,而忽略了外来人口中的非农户籍人口。有鉴于此,本文采用2015年全国流动人口动态监测调查数据并利用倾向得分匹配法,以广州市为例考察外来人口自雇创业对城镇医疗保障的影响。本文余下结构安排如下:第二部分介绍本文所使用的数据、变量和研究方法;第三部分对外来人口群体的社会特征进行相应的描述,然后利用倾向得分匹配法对外来人口自我雇佣对城镇医疗保障的影响进行分析说明;第四部分是对全文的总结和政策建议。
本文所用数据来自2015年全国流动人口动态监测调查,该数据是横截面数据,调查对象为外来流动人口(在本地居住一个月及以上,非本区(市、县)户籍的15周岁及以上男性和女性流动人口),既包括农业转移人口,也包括外来城镇人口,调查范围覆盖广州全市,调查内容包括流动人口的就业、基本公共服务等内容,样本量为2000个,为本研究提供了比较有力的数据支持。
本文要研究的主题是自我雇佣对外来人口城镇医疗保障的影响,最理想的方法是分别采集到外来人口自雇和受雇状态时的城镇医疗保障情况,两种情况之间的差别即为自我雇佣的城镇医疗保障效应。但是在现实的调查中只能收集到每个外来人口作为自雇或者受雇身份时的其中一个观测值。同时,由于不同的外来人口在年龄、受教育程度、社会经历等因素上都存在许多差异,所以也不能单独用自雇者与受雇者城镇医疗保障之间的差异来衡量自我雇佣对城镇医疗保障的影响。为此,本文将采用Rosenbaum和Rubin(1983)提出的倾向得分匹配方法(PSM)对自我雇佣的社会保障效应进行研究。PSM方法是建立在反事实分析框架下的一种数据处理方法,其思想是通过得分匹配的方法,找到与每一个处理组样本除核心解释变量外其他方面特征都相同或类似的参照组样本,通过将处理组与参照组进行匹配与比较,以此来尽可能地消除偏误。在本文中,具体操作步骤如下:
首先,在分组的前提下,通过logit模型来预测广州市外来人口选择自我雇佣的条件概率,即每一个样本的倾向得分,logistic概率分布函数的具体公式如下:
上式的估计式为:
(1)式和(2)式中,W为被调查者是否进行自我雇佣的二分类就业方式变量,Pi为第i个外来人口选择自雇形式的条件概率,β为估计系数,Xi为纳入该模型的解释变量,μ为误差项。
接下来本文主要采用倾向得分匹配中的卡尺匹配法,卡尺匹配即以倾向得分为依据,在控制组(受雇者)样本中向前或向后寻找最接近干预组(自雇者)样本得分的对象,并形成匹配,使自雇者都有一个倾向得分大致相同的受雇者与之对应,采用卡尺匹配法能更好的消除自我雇佣样本的选择性偏差。
假设在卡尺匹配法中,Pi和Pj分别表示的是自我雇佣者和受雇者的倾向得分,用I1和I0来表示自雇者和受雇者的集合,ε表示两个样本之间倾向得分的绝对距离,即卡尺。当样本之间倾向得分的绝对距离小于所设定的卡尺时,即选取j作为i的一个匹配:
采用卡尺匹配后,匹配后的样本几乎可以使用所有类型的多元分析方法进行分析。由于本文研究的是外来人口中选择自雇创业的城镇医疗保障效应,把它作为解释变量,属于典型的二分变量,因此本文采取离散选择模型logit模型来进行实证分析。
基于上述分析,基本模型假定如下:
(4)式中,Y表示为外来人口是否参加城镇医疗保障;a为常数项;βi为估计系数;W代表劳动者就业身份是否为自雇创业的二值选择变量;Xi为纳入模型中的第i个影响外来人口城镇医疗保障的解释变量;γi为相应的解释变量系数;ε为误差项。影响城市外来人口参与城镇医疗保障的因素很多,主要取决于外来人口城市融入度和外来人口城市社会保障水平,本文尽可能多的选取这些变量纳入模型方程中,外来人口的城镇医疗保障主要取决于户口类型、流动类型、流动时间、流动原因、离开户籍的时间与原因、是否长期居住和总收入,此外模型方程中还加入了性别、年龄、婚姻状况和有无老人小孩等控制变量。变量的设置、含义以及取值见表1。
表1 变量设定与说明
表2是对样本的描述性统计,本文共获得1821个有效样本值,其中自雇者730,受雇者1091,自雇创业比率达40.1%。自我雇佣者与受雇者在年龄、受教育水平、婚姻、家庭中在本地就业人数、总支出与总收入、流动时间与原因、离开户籍年份方面都有着明显的差距,自雇者的平均年龄37.19岁,受雇者平均年龄33.49岁,高出4.3岁。受雇者在总支出与总收入方面与自雇者有较大的差距,说明自雇创业可以为外来人口创造更多的收入。
从城镇医疗保障来看,在城镇医疗保险参与度方面,受雇者明显高于自雇者,从城镇职工医疗保险来看,受雇者参与度(46.4%)远远高于自雇者(5.9%),两者相差40.5个百分点,城镇居民医疗保险的参与度受雇者也高于自雇者2个百分点。但在新型农村合作医疗保险参与方面,自雇者则高于受雇者30多个百分点,城乡居民合作医疗保险方面自雇者也高于受雇者近2个百分点。从描述性统计可以看出,自雇者在城镇医疗保险方面的参与度明显低于受雇者,但这种差异有可能是由于自雇者与受雇者两群体间的特征差异造成的,为了单纯考察自雇就业形式对城镇医疗保障的影响效应,需要利用计量方法进一步验证。
表2 样本的描述性统计分析
在进行匹配之前,首先需要进行数据平衡性检验,如果自雇者和受雇者在所纳入模型的变量上没有显著差异,则数据是平衡的,样本间没有选择性偏差,不需要进行倾向得分匹配,反之,则需要进行倾向得分匹配。本文若直接将受雇与自雇者进行比较,则无法得出偏好、能力等个体特征原因所导致的估计偏差,进行数据平衡性检验则可以判断外来人口的自雇创业行为是否存在样本选择偏差。从全部样本均值和卡尺匹配处理后的均值比较结果可以看出,除性别、本次流动类型和本次流动原因外,其余变量方面自雇者和受雇者都存在着明显的区别。这说明数据存在着不平衡性,需要控制样本选择性偏差使结果无偏。在进行卡尺匹配后,除本次流动原因外,自我雇佣者和受雇者在其他解释变量上的差异变得不明显,说明匹配效果较好,匹配结果与logistic回归结果见表3。
表3 数据平衡性检验结果和预测倾向得分的logistic模型回归结果
在没有控制样本选择偏差时,自我雇佣的城镇医疗保障与受雇者的城镇医疗保障存在明显的差距。为控制样本选择偏差的影响,利用卡尺匹配重新估计自我雇佣的城镇医疗保障效应。在被解释变量方面,本文选取了新型农村合作医疗保险(Y1)、城乡居民合作医疗保险(Y2)、城镇居民医疗保险(Y3)和城镇职工医疗保险(Y4),其中城镇居民医疗保险(Y3)和城镇职工医疗保险(Y4)代表城镇医疗保障,而将新型农村合作医疗保险(Y1)、城乡居民合作医疗保险(Y2)作为比较对象。表4所示是对样本进行匹配前后的回归结果,从表中可以看出,在匹配前,自雇创业对于城镇居民医疗保险和城镇职工医疗保险参与具有显著的负向影响,而对于新型农村合作医疗保险和城乡居民合作医疗保险,自雇创业则具有具有正向影响。
采用卡尺匹配法纠正样本选择偏差后的回归结果表明,在控制样本选择偏差的情况下,自我雇佣对外来人口的城镇医疗保障依然存在显著的影响。自我雇佣对城镇职工医疗保险和城镇居民医疗保险仍然存在显著的负向影响,并且这种影响在匹配后变得更为明显。同时,自我雇佣对新型农村合作医疗保险(Y1)、城乡居民合作医疗保险(Y2)的参与仍有显著正向影响,并且在匹配后这种正向影响也更为明显。从农民工与非农户籍外来人口比较来看,非农户籍外来人口的城镇医疗保障参与度更高,这一结论在匹配前后都成立。
从实证结果来看,无论是匹配前还是匹配后,自雇创业对于城镇医疗保险参与都有显著的负向影响,并且匹配后的这一负向影响更为明显,这说明在其他条件相同的情况下,单纯因为就业形式的差异造成的城乡医疗保障差异仍显著存在,自雇创业这一就业形式的城镇医疗保障仍显著低于受雇就业。此外,由于本研究在回归方程中加入了户口类型变量,因此也控制了户籍身份带来的影响。
图1 匹配前后自我雇佣倾向得分的概率密度比较
本文实证结果的可靠性建立在匹配的基础上,为了更加清楚的反映出PSM的结果,我们对匹配前后自雇者与受雇者倾向得分值的概率密度进行了比较(如图1)。从图1中可以明显看出,在匹配前自雇者和受雇者在选择自雇创业的倾向得分方面有着十分显著的差别,而在匹配之后,两者倾向得分的概率密度分布已经非常接近。这表明,两者在各特征变量方面都已经十分接近,匹配效果较好。
在当前我国快速城镇化的过程中,城市外来人口的就业形式不再仅仅局限于受雇就业,越来越多的城市外来人口选择自雇创业的就业方式跻身于城市劳动力市场,而自雇者的城镇医疗保障问题作为就业待遇的重要内容理应引起足够的重视。本文通过采用卡尺匹配来消除样本选择偏差问题,对城市外来人口自雇创业的城镇医疗保障问题进行了实证研究。研究结果发现,相对于受雇外来人口,自雇创业外来人口的城镇医疗保障水平更低。也即相对于受雇外来人口,自雇创业外来人口的社会保障水平更低。针对不同类型的社会保障,外来人口的其他特征也表现出显著的差异。具体来说,对于农村医疗保险,年龄、婚姻状况、就业人数和居住意愿均对其表现出显著差异;对于城镇医疗保险,学历、婚姻状况和居住意愿也将对其产生显著影响。在匹配的前提下,这一研究结果表明,在其他条件相同的情况下,自雇创业这一就业形式具有负向的城镇医疗保障效应。
在当前“双创”的大背景下,自雇创业已成为城市外来人口实现就业的重要形式,并将在新时代我国的经济社会发展中发挥更大的作用,而作为就业待遇的重要内容,城镇医疗保障面向自雇创业者的覆盖不足则有可能对这一就业形式产生抑制作用,进而对经济社会发展产生不利影响。因此,未来需要进一步完善城镇医疗保障的相关政策,在政策制定中考虑外来人口尤其是外来自雇创业者的医疗保障诉求,建立公平公正的城镇医疗保障制度体系。