长期护理保险制度对人口出生率的影响——来自12个试点城市的经验数据

荆 涛，邢慧霞

（对外经济贸易大学 保险学院，北京 100029）

一、引言

随着人均寿命的不断延长和人口出生率的下降，人口老龄化、少子化成为我国面临的重要社会问题。图1呈现了我国1996年以来人口出生率和老年人口抚养比的变化趋势①。可以看出，我国人口出生率呈不断下降的趋势，从1996年的16.98‰下降到2019年的10.48‰；而老年人口抚养比呈不断上升的趋势，从1996年的9.54%上升到2019年的17.8%。根据联合国经济和社会事务部人口司发布的《2019年世界人口展望》的预测结果，我国65 岁及以上老年人口占总人口数的比重在2035年、2050年将分别提高至20.68%、26.07%②。此外，失能人口数量也随着老龄化问题的加剧而不断增加，杨明旭等（2018）［1］预测，2050年我国失能人口数将达到4000万人，约占总人口的3%。人口老龄化、失能化的加剧使老年护理问题日益突出。基于此，我国于2016年在基本医疗保险的基础上又推出了长期护理保险（以下简称长护险）。

图1 1996-2019年我国人口出生率与老年抚养比变化

长护险制度的基本目标是为失能人群提供护理服务，是应对人口老龄化问题的重要举措，而人口出生率降低又是造成人口老龄化加剧的重要因素之一（王国军，2016［2］；严成樑，2018［3］），由此引出的问题是，长护险的实施是否会淡化生育动机进而影响个人生育行为。理论上，长护险制度对人口出生率可能产生双重影响：当年老身体发生失能时，长护险可以为失能群体提供日常生活保障，这样一方面会淡化养儿防老的理念进而减弱生育动机，即产生制度的替代效应降低人口出生率；但另一方面失能老人获得护理服务既能减轻子女经济负担，又能降低年轻时预防失能风险的储蓄压力，以此减轻当下家庭的经济负担，可以有更多的收入养育子女，进而提高生育孩子的动机，即产生制度的释放效应提高人口出生率。研究这一课题具有重要意义：如果存在抑制效应，那么长护险制度的全面铺开就会加剧人口老龄化并导致更多的护理需求，进一步加重社会负担，政府就需要重新评估和完善长护险制度；如果存在促进效应，那么该制度的实施可以在一定程度上缓解人口老龄化带来的社会问题，有利于社会经济稳定发展，则可进一步思考长护险制度如何与国家生育政策的推行相配套。

二、文献综述

从国内外相关研究来看，人口出生率的变化与社会保障制度有密切联系。Glomm 等（2008）［4］考察了社会保障公共政策对人口数量和人口质量的影响，认为社会保障可以降低不平等程度，进而影响孩子的数量和质量。Michele等（2005）［5］认为父母之所以生育孩子是因为孩子是父母生命的延续，但社会保障在一定程度上也影响了父母生育孩子的意愿。Isaac 等（2007）［6］进一步使用OECD 等国家的数据进行分析，发现社会保障税和收益不仅影响成年人的结婚意愿，而且对其生育意愿也会产生显著的影响。国内学者杨再贵（2009）［7］则将研究视角聚焦到了社会养老保险，结果发现我国的部分积累制养老保险抑制了人们的生育意愿，提高企业缴费率会导致人口出生率和代际转移率下降。郭庆旺等（2007）［8］、徐升艳等（2011）［9］认为社会保障之所以能对生育率产生重要影响，在于保障制度的建立形成了一种“社会养老”和“家庭养子”社会体系。李静（2015）［10］则认为社会保障通过提高个人对未来生活的预期进而对出生率产生抑制作用，但由于受到政策性因素约束，抑制作用不大。康意等（2013）［11］、王国军等（2016）［2］都通过实证数据证实社会保障对人口出生率的影响为负。但彭浩然等（2007）［12］及Wang（2015）［13］则认为社保缴费率可以促进人口出生率。严成樑（2018）［14］通过构建一个包含延迟退休和出生率的OLG 模型，也发现无论是现收现付制还是完全基金制的社会保障制度，延迟退休都使得均衡状态出生率上升。此外，部分研究还表明，社会保障对人口出生率的影响不确定（Wigger，1999［15］；Hirazawa等，2009［16］）。

综上所述，目前国内外学术界多从整个社会保障制度和养老保险两个视角探讨其对人口出生率的影响，鲜有文献涉及长护险。但在我国人口老龄化加剧、生育率持续降低以及长护险制度的全面实施成为必然趋势的背景下，探究该制度对人口出生率的具体影响至关重要。基于此，本文试图借助我国长护险试点这一准自然实验，首先，构建一个跨期迭代模型；其次，基于数据可得性从宏观角度利用2008-2018年41 个大中城市的平衡面板数据，对首批12 个试点城市通过倾向匹配双重差分法（PSM－DID）探究长护险制度对人口出生率的影响，并进一步分析其影响的动态趋势；最后，提出政策层面的思考与建议，以期为长护险试点的全面推广以及生育政策的完善提供理论和数据支持。

三、理论分析与研究假设

Diamond（1965）［17］是经典的两期OLG 模型，该模型能够很好地将政府行为纳入个人的代际行为中，因此，本文基于OLG模型构建一个包含长护险制度与家庭生育决策的模型。根据经济学基本假设，每个个体都是理性人，追求一生效用最大化，可以将人的一生分为两期：年轻时期和老年时期。每个人在年轻的时候（t 期）参与劳动获得收入，然后将收入用于该期消费和储蓄，并决定养育孩子的数量和培养孩子的投入；在老年时期退休后不再参与劳动，没有其他收入来源，只消费其获得的储蓄与利息③。因此，t期个体最大化效用为式（1）所示：

其中，C1，t代表年轻时期的消费、nt代表孩子的数量、qt代表培养孩子的人力资本水平、C2，t＋1代表老年时期消费，α、θ、σ、β 分别代表相应的权重。本文假定养育孩子不分性别，一个孩子的成本由生育成本ft和培养成本et组成，因此一个家庭养育孩子的总成本为ftnt＋etqtnt。其收入来源于年轻时的工资wt。根据经济学原理，假定产出方程为F（Kt，Lt），Kt表示资本投入，Lt表示劳动投入量④，得出工资水平：

假定政府对劳动力征收一次性总赋税，并可以储蓄或借债以调剂年度预算的平衡，t 期政府储蓄为St，政府储蓄的动态方程为：

其中，rt、τt分别代表储蓄的利息率和个体总赋税，Nt－1为t－1期出生t期工作的人数，即现期劳动力，Nt－1＝Lt。Gt表示政府其他支出;LTCt表示政府的长期护理支出，即政府用于失能老年人的护理支出。（3）式两边同时除以Lt，得到人均形式表述的政府储蓄的动态方程：

式（4）中，ltct为每个老年人的平均护理支出。长护险制度为老年人的失能风险提供保障，无需其在年轻时提前储蓄来应对未来风险，这样减轻了家庭经济负担，相当于变相减轻了养育孩子的压力，变为et－ltct;st、gt分别为个体在年轻时期的储蓄与个体其他支出。

个体面临如下问题：

当政府储蓄达到稳态时，st＝st＋1＝s，构造拉格朗日方程：

c1，t、c2，t＋1、nt和qt为选择变量，λ 为拉格朗日乘子，一阶条件为：

根据（7）、（8）、（9）、（10）、（11）式可以得出最优的生育率：

为了进一步分析长护险制度对人口出生率的影响，我们将（12）式两边对长护险支出ltc求偏导，得到：

四、研究设计

（一）研究方法选择

是否实施长护险制度不是一个随机行为，而是政府根据城市自身特征做出的试点选择，但这些个体特征可能会同时影响家庭生育行为，所以很难区分是否是该制度影响了人口出生率。在这种情况下，采用OLG 估计容易产生自选择导致的偏差问题。最理想的办法是比较试点城市实施长护险制度前后两种状态下的人口出生率，这两种状态下人口出生率之差则是制度影响的净效应。然而，现实中不能观测到一个试点的两种状态。如果简单地用一个试点城市和另一个非试点城市之间的出生率差异来估计，则会带来较大的偏差，因为两个城市本身的差异可能很大，不具有可比性。基于此，本文将利用倾向匹配双重差分法（PSM－DID）进行实证分析，采用该方法主要有以下两个理由：首先，PSM可以借助倾向得分为试点城市匹配与其自身特征相似的非试点城市，保证两组样本在其他方面的特征相似，可以将匹配的“非试点”城市的人口出生率视为“试点”城市实施该项制度前的结果，这样，两组样本的人口出生率差异可以归因于长护险制度；其次，虽然PSM能较好地校正选择偏差，但也存在一个明显不足：在估算倾向得分时只依赖于可观测变量，忽略了非观测因素对实施长护险制度的影响，因而得到的平均处置效应仍可能有偏差（Dehejia，2005）［18］。为此，Heckman等（1998）［19］建议将PSM和DID结合起来。DID是政策评估领域使用最广泛的一种方法，通过比较试点组和非试点组在政策实施前后的差别来评估政策的因果效应，不仅可以避免内生性问题，还可以缓解不可观测因素对结果的影响，所得结果较为稳健。根据PSM－DID的基本原理，我们可以得到综合方法的基本思路：

其中，D 是政策实施的虚拟变量（1 是实施，0是未实施），T 是处理组，C 是控制组，Y0是指政策实施前的人口出生率，Y1是指政策实施后的人口出生率。

（二）研究样本选择

确定研究方法后，需要明确研究样本。2012年7月，青岛市在全国范围内率先实施长护险政策；2016年和2020年国家先后确定两批试点城市名单，前者称为首批试点，后者称为第二批试点。对于具体研究样本，本文考虑两个方面：一是由于国家层面刚出台关于第二批试点的指导意见，所以本文只把首批试点作为研究对象，其中齐齐哈尔、石河子两个试点由于其数据不可得也给予舍去。二是青岛市于2012年在全国率先开展试点工作，而宁波、广州等地2016年才开始试点，制度实施时间不同，产生的效果也有区别，为保证研究结论的可靠性，把青岛这一试点放到稳健性检验部分。综上所述，本文最终选取了广州、重庆等12个试点城市作为处理组，深圳、天津等29个非试点城市作为对照组；同时，确定2017年、2018年为处理期，2008-2016年为非处理期。各研究数据主要来源于中国统计年鉴和各城市统计年鉴。

（三）模型设定与变量描述

1.模型设定

首先，将PSM－DID 方法的基准回归模型设定为式（15）；其次，构建式（16）所示的制度实施概率的Logit 模型，估算每个城市实施长护险制度的预测概率，即倾向得分。

其中Birthit为被解释变量；Postt×Ltci为核心解释变量；β3刻画了长护险制度对人口出生率的影响，是本文主要关注的对象；Controlsj为控制变量；Xi为影响城市实施长护险制度的特征变量。

2.变量描述

首先，被解释变量：人口出生率（‰），本文使用的是粗出生率，即一定时期内（通常指1年内）平均每千人中出生人数的比率。其次，核心解释变量：Postt×Ltci，实施长护险政策的城市Ltci取值为1，否则为0；处于2017年、2018年Postt取值为1，否则为0。最后，控制变量与特征变量。根据学界研究（李静，2015［10］；王国军，2016［2］；荆涛，2010［20］；戴卫东，2011［21］），影响人口出生率和长护险制度实施的因素包括经济发展、生活物价、人口和社会保障等四个方面；结合各研究样本数据可得性，本文选取了人均GDP、第二三产业值占比、社会保障支出占比、人口、居民消费物价指数、城镇居民可支配收入以及各卫生指标等。表1是对各变量指标的详细描述，由表1可以初步看出，实验组的人口出生率均值比对照组的人口出生率均值低1.38‰，但长护险制度对人口出生率是否有影响还有待进一步科学评估。

表1 变量描述统计

五、结果与分析

在这一节中，本文将综合使用倾向得分匹配和双重差分的方法来估计长护险制度对人口出生率的具体效应，然后对一系列实证假设与稳健性问题进行检验。

（一）实证过程

1.倾向得分估计

长护险制度是否实施与该城市的社会经济、人口医疗以及居民生活水平息息相关，由式（16）构建的Logit模型（在本文中是各城市实施该制度的概率）包括了影响该制度实施和人口出生率的主要因素，表2给出了Logit的回归结果。从协变量的P值来看，大部分变量对长护险制度的实施具有显著影响，pseudoR2达到0.16，表明模型具有较高的拟合度。

表2 logit回归结果

变量名称 回归系数 标准误 P值Tfp PGdi Cpi Person Hosp Hosbed pseudoR2-0.0047499-0.0000169 0.0021557**-0.0016332**0.2258745 0.203337 0.16 0.0362304 0.0000217 0.0684016 0.0007843 0.1300721 0.684016样本量0.896 0.437 0.03 0.037 0.118 0.975 462

2.匹配质量的统计检验和共同支撑检验

利用倾向得分预测到某个城市实施长护险制度的概率后，还需要检验这些个体特征和倾向得分在试点组和非试点组之间是否存在显著差异，才能进一步做DID。在条件外生假设下，要求所有协变量和倾向得分在试点组和非试点组的分布没有系统差异，两者基本相似。如表3所示，在经过平衡性分析过程之后，匹配后所有协变量在两者之间的偏差程度都降低了35%以上，“匹配上”样本中所有协变量的P值都较大，这表明试点组和非试点组之间没有显著差异，在统计学意义上，我们认为它们是同一个个体，即非试点的人口出生率可以作为试点城市的代表值。

表3 协变量匹配质量的检验

变量 样本 偏差降低比率%双t检验t值双t检验P值 变量 样本 偏差降低比率%双t检验t值双t检验P值TGdp 36.5 Hosp 83.2 Tfp -417.8 Hosbed未匹配匹配上未匹配匹配上83.2 8.40 0.94 8.52 0.98 0.000 0.346 0.000 0.327 PGdi未匹配匹配上未匹配匹配上未匹配匹配上77.0 4.29 2.12-0.32 1.32 2.01 0.36 0.000 0.035 0.749 0.187 0.045 0.722

此外，PSM 的有效性还需要保证研究样本的匹配质量。如果所有试点组和非试点组的个体预测得分相差很大，将无法保证匹配的样本可以直接用来估计。所以，在正式估计长护险制度对人口出生率的平均处理效应之前，还需要进行共同支撑假设检验（Heckman＆Vytlacil，2001［22］），以确保倾向得分在两组样本中有足够多的重合区域。该检验主要是剔除试点组和非试点组中倾向得分较靠近两个尾端的个体，去掉极端值，这样虽然减少了一定的样本量，但能极大地提高数据匹配的质量。图2表示了倾向得分的共同取值范围，可以直观地看出，大多数观测值在共同取值范围内，故满足PSM－DID的实证条件。

图2 倾向得分的共同取值范围

3.结果分析

为增加实证结果的可信度，本文在PSM 和PSM－DID 两种情况下做了对比分析，结果都显示，长护险制度与人口出生率呈负相关，该制度的实施使试点城市的人口出生率降低。具体分析如下：本文PSM－DID采用的是核匹配，带宽采用了0.8、0.03、0.01 三种形式，由表4可以看到，在三种带宽形式下，长护险制度对人口出生率的影响都为负，核心政策效应值较为接近，分别为－1.346、－1.474 与－1.704，且均在10%的水平下显著，即长护险政策的实施使人口出生率分别降低了1.346‰、1.474‰与1.704‰。表中还详细列出了三种形式下试点前与试点后长护险制度对人口出生率影响的效应值，均表现出显著的负效应，且试点后的效应明显大于试点前的效应，说明长护险政策确实对人口出生有抑制作用，淡化个体生育动机，有可能加剧人口老龄化的进程。表5描述了使用PSM 情况下长护险制度对人口出生率的影响，可以看到，ATT、ATU、ATE⑤三种情况的估计值都在1%的水平下显著为负，且与使用倾向匹配双重差分法结果较为接近，这进一步证明了实证结论的可靠性。

表4 长护险政策对出生率的影响：PSM-DID

表5 长护险政策对出生率的影响：PSM

上文显示长护险制度的实施对人口出生率有抑制作用，降低了人口出生率，这与前人（李静，2015［10］；王国军等，2016［2］）认为社会保障会降低人口出生率的结论基本一致，即长护险对出生率的替代效应大于释放效应。本文认为长护险之所以会降低人口出生率，主要是由于该制度的实施淡化了年轻人的生育动机，因为制度的实施为老年人失能风险提供了护理保障，形成一种“社会护理”的心理预期，淡化了我国传统的“养儿防老”的育儿观念，导致人口出生率下降。随着人口老龄化和家庭护理功能的弱化，长护险制度的全面实施已成为必然趋势，但在国家鼓励生育的大背景下，如何降低长护险制度的实施对人口出生率的负面影响应引起社会的深度思考。

（二）稳健性检验1.安慰剂检验

PSM－DID 虽然可以较好地解决样本选择偏误以及内生性带来的相关问题，但该方法仍然无法控制其他可能影响人口出生率的相关因素，因此，本文接着进行了安慰剂检验。假设试点城市没有实施长护险政策，人口出生率会怎样变化，是否和实施以后有显著差异？基于此，本文的检验思路为假设对照组的城市实施了长护险政策，而广州、上海、重庆、成都、苏州、南通等12个处理组城市没有实施该政策，然后使用倾向匹配双重差分法进行估计，如果估计结果和实际模型估计结果差别很大，就说明前文得到的结果可靠。检验结果如表5的Panel1 所示，把对照组的城市作为试点处理，处理组城市作为非试点处理，人口出生率的变化方向与模型实证结果相反，都为正且显著，这进一步说明试点城市人口出生率的变化不是由偶然因素引起的。

2.改变研究样本

青岛市于2012年率先在我国实施了长护险制度，相比其他试点城市，其实施时间较早、覆盖范围较广。截至2020年末，青岛试点共覆盖了891.03万城乡参保人员，其中城镇职工约为401.59 万人，城乡居民约为489.44 万人⑥，为应对全国人口老龄化挑战提供了地方性实践样本。青岛市实施长护险制度对人口出生率的影响怎样？是否与前文结论一致？为增加结论可靠性，本部分的研究以青岛为样本，2013-2018年长护险政策对人口出生率的影响效应结果在表6的Panel2 中列出。可以看出实施长护险制度对青岛的人口出生率也呈抑制作用，且在加入控制变量后在5%的水平下显著，具体政策效应值与前文基本保持一致，这在一定程度上说明了实施长护险政策确实会降低人口出生率。

表6 稳健性检验结果

注：***、**、*分别表示在1%，5%和10%水平上显著。在计算P值时，本文采用了聚类标准误差。

六、进一步猜想

前文表明实施长护险制度会降低人口出生率，本文进一步考虑，这种负向影响是短期效应还是长期效应。如果表现为长期效应，则会进一步加剧老龄化，引致更多的老年护理需求，造成老年护理供需失衡，加重长护险制度的负担，影响制度和经济可持续发展，那么社会就需要重新评估和完善长护险制度。因此，有必要进一步探究该制度降低人口出生率的动态效应。

本部分将采用动态扩展的PSM－DID模型实证检验各试点实施长护险制度后各年的人口出生率变化效应。根据动态扩展的PSM－DID 模型，在式（14）基础上设计了分年PSM－DID 估计框架，以实证检验长护险制度对人口出生率的影响在各试点实施该制度的第1年、第2年的变化情况，具体模型如式（17）所示：

估计结果如表7所示，长护险制度对人口出生率的影响呈逐年递减的趋势，无论采用哪种核匹配方法，第1年的估计系数都大于第2年的估计系数。为保证该结论的可靠性，本文又进一步对处理年份分别做了PSM 再检验，结果显示试点样本第2年的平均处理效应也小于第1年。因此，本文猜想长护险制度对人口出生率的抑制效应逐步减弱，表现为短期抑制效应，继续实施长护险制度不会引起人口老龄化问题的剧烈加剧。进一步猜想长护险制度对人口出生率的降低表现为短期效应的原因：制度实施初期，人们会形成一种“社会护理”的心理预期，淡化了我国传统的“养儿防老”的育儿观念，使制度的实施进一步导致人口出生率下降。随着制度的推进，人们认识到当年老失能时可以获得社会保障，意味着年轻时不用进行养老护理储蓄，可以减轻家庭经济负担，有更多的收入用于抚养子女，转而带来人口出生率降低效应的逐渐减弱。

表7 长护险制度对出生率的动态效应

注：***、**、*分别表示在1%，5%和10%水平上显著。

七、结论与建议

（一）主要结论

在我国人口老龄化加剧，长护险制度全面实施已成为必然趋势，但人口出生率持续下降的背景下，本文把长护险制度纳入将生育率内生化的世代交替模型中来考察家庭生育行为的变化，从宏观角度利用倾向得分匹配双重差分模型（PSM－DID）首次量化评估长护险制度对人口出生率的影响。实证结果显示：第一，长护险制度的实施会降低人口出生率，采用核匹配的三种宽带估计结果分别为－1.346、－1.474 与－1.704，且均在10%的水平下显著，即实施长护险政策使人口出生率分别降低了1.346‰、1.474‰、1.704‰，对人口出生率的增长有抑制作用，且实证结果通过了相关稳健性检验。第二，进一步研究发现长护险制度对人口出生率的降低效应呈现逐年递减的趋势，抑制作用逐渐减弱，不会引起人口老龄化的大幅度加剧。本文认为长护险制度之所以会降低人口出生率但降低效应逐渐减弱，主要是由于该制度的实施为老年人失能风险提供护理保障，形成一种“社会护理”的心理预期，淡化了我国传统的“养儿防老”的育儿观念，淡化了年轻人的生育动机，进而导致人口出生率的下降。但随着制度的推进，人们认识到当年老失能时可以获得社会保障，意味着年轻时不用进行养老护理储蓄，有更多的收入用于抚养子女，转而带来人口出生率降低效应的逐渐减弱。

（二）政策建议

长护险制度作为应对人口老龄化、为失能老年人提供风险保障的重要举措，全面实施已成为必然趋势。但长护险制度的实施又使民众形成一种“社会护理”的心理预期，淡化我国传统的“养儿防老”的育儿观念，导致人口出生率的下降，而人口出生率的持续降低又是导致老龄化加剧的重要因素。因此，为防止社会陷入“人口老龄化、失能化→长护险制度实施→人口出生率下降→人口老龄化加剧→老年照料供需失衡”的困境，本文提出以下政策建议：

1.鼓励子女参与家庭照护，为子女照护提供相应补贴

考虑到中国的传统习俗和庞大的失能老人群体，家庭照护仍是未来失能护理的主流，应通过鼓励子女参与家庭照护，并给予子女相应补贴，在一定程度上缓解长护险制度对人口出生率产生的降低效应。具体来说，当政府按照相应标准对参与家庭照护的子女给予资金补贴时，不仅能弥补子女因照护父母而产生的工资收入损失，同时也会使父母形成一种心理预期，即年老发生失能时不会增加家庭负担，当下会有更多的收入用于抚养子女，因此可以在一定程度上缓解人口出生率的降低效应。建议各试点城市可以根据子女的工资水平、教育程度、父母的失能程度以及试点居家自主护理的相关补贴标准，对承担照护义务的子女进行现金补贴，该补贴可以直接发给子女。

2.加大护理服务供给方建设，鼓励相关行业发展

为减轻社会失能护理压力，促进生育，本文建议加大护理服务供给方建设，充分借助市场的力量促进护理行业的发展。政府作为掌舵人，需要发挥控场作用，可以出台相关财政补贴和税收优惠，鼓励更多民营资本进入护理行业。服务供给方的增多必然会降低老年照护价格，减轻老年人的照料支出负担，间接减轻家庭负担，也使个体有更多的收入用于养育子女，促进人口的出生率。但还需要注意的是，目前长护险在服务衔接方面存在护理服务能力供给不足的问题，这也会在一定程度上抑制生育意愿。因此建议政府完善相关配套设施，鼓励更多的待业人员参与护理工作，同时为这些就业人员提供同等的社会保障。

［注 释］

①数据来源于国家统计局。

②数据来源：esa.un.org/unpd/wpp/Download/Standard/Population/。

③这里包括个体获得的养老保险收入。

④假定生产函数规模报酬不变，具有一切良好的性质（f'（kt）＞0，f″（kt）＜0），且满足Inada条件。

⑤ATT 为处理组的平均处理效应；ATU 为控制组的平均处理效应；ATE为整个样本的平均处理效应。

⑥数据来源来源于青岛市医保局的公开资料（http：//ybj.qingdao.gov.cn/n28356081/n32570957/n32570977/210208154441590180.html）其中长护险参保情况根据城镇职工基本医疗保险参保群体和城乡居民医保参保群体而得。