养老保险对中国农户生计策略的影响——基于CHARLS两期数据的PSM-DID方法

尹永惠,王晓轩

(内蒙古科技大学 经济管理学院,内蒙古 包头 014010)

作为世界上人口老龄化程度较高的国家之一,中国老年农户的生存问题一直是影响整体发展的主要原因。截至2020年11月1日,第七次人口普查,中国65岁及以上老龄人口已经突破19 064万,基本养老保险覆盖人数近10亿。自从“十四五”规划提出乡村振兴战略,我国农村老年人口的生存成了亟待解决的问题。然而,由于生计策略不仅反映农户的生活质量,也反映了党和国家振兴农村的决心,实施乡村振兴战略将导致农户生计策略发生改变。虽然农村面貌焕然一新,但制约中国农村发展的一些问题依然存在,并因新的现象和问题而更加复杂[1]。在这种情况下,农村家庭生计策略区域的差异是显而易见的。比较不同地区农村家庭的生计策略并研究其差异,是判断区域性农业发展政策好坏的重要指标。

长期以来,农村老年人大多数是以土地为主要生活来源,如果土地受到影响,相关的农户生活质量会受到严重影响。目前,中国存在着人口众多而土地供应不足的矛盾,还有人口老龄化导致的农户人力资本缺失的问题,这样就使土地保障生活的功能受到影响。国家相应的政策接踵而出,其中养老保险作为直接惠及农户且很重要的社会福利,不仅能影响农户的风险偏好,也会对农户生计策略产生影响。鉴于农村土地的耕种和农民收入的相对缺乏,养老保险政策已成为当今农民经济和社会生活稳定的重要保障机制,养老保险已部分代替了土地的功能[2]。一方面,养老保险从不同角度影响了对家庭资产的配置以及风险资产的比例[3],减少了对预算的约束,领取养老保险增加了农户的资金,间接影响了农户对现有生计策略的选择[4]。另一方面,养老保险能够通过缓解失业、生病等不确定因素[5],使农户在遇到困难时更有信心地面对生活,改变目前的生计策略而选择最能适应现有状况的生计策略。

目前,大多数学者研究政策对农户生计策略的影响时,主要侧重于与农户息息相关的土地方面的政策,这是因为研究相关土地政策对农户生计策略的影响方法已经相当成熟,土地作为农户最主要的生计资产,严重影响着农户生计策略的选择。在脆弱的背景下[6],土地政策对农户生计策略的冲击仍然是研究热点。目前农户生计策略的研究结果虽然颇为丰硕,但是大多数集中在土地政策,养老保险的领取与否对农户生计策略影响的研究较为缺少。领取养老保险的农户是该政策最直接的受益者,但是养老保险能否对农户生计策略产生影响?领取养老保险会对各种类型的生计策略产生什么样的影响?这些问题还有待科学严谨的评估予以解答。因此本文选取全国多数省份为研究区域,借鉴大多数学者的研究方法,从农户生计资本的角度,分析养老保险对农户生计策略的处置效应。

一、研究区域与数据

(一)研究区域选择

本文的研究区域包含中国28个省市自治区的122个地级市,剔除了数据不完整的海南省、台湾省、西藏自治区、宁夏回族自治区、香港特别行政区和澳门特别行政区的问卷。为了提高研究结果的可靠性,尽可能地选择了中国大多数地级市的数据。为了研究不同地区农户生计策略的变化,本文按照秦岭—淮河一线,将28个省市自治区划分为秦岭—淮河线的南部(以下简称南方)和北部(以下简称北方)。

(二)数据来源

数据来源于北京大学制作的高质量微观数据集——中国健康与养老追踪(CHARLS)的全国调查问卷。该问卷对45岁及以上的家庭和个人具有代表性。本文选择了2013年和2018年,通过匹配个人ID来构建面板数据。由于双重差分模型对调查数据的要求极为苛刻,因此只保留了包括“处理组”和“对照组”的样本。“处理组”是指2013年没有领取养老保险,但在2018年领取了养老保险的农民。“对照组”是指在2013年和2018年都没有领取养老保险的农民。为了获得具有代表性的样本,本文考虑到区域和经济发展水平的差异,从中国34个省级行政区中选出122个城市,发放7 174份问卷。问卷地区覆盖面广,个体样本量大,使得该调查具有全国代表性。

二、模型设定及识别策略

(一)倍差模型

基于得到的数据追踪,本文首先根据农户在2016年是否领取养老保险(Du)将样本分为处理组和对照组;其次根据DID模型的性质建立了一个政策虚拟变量。其中处理组是领取养老保险户,赋值为1;对照组是未领取养老保险户,赋值为0。然后,再按照领取养老保险前后将其样本分为处理组和对照组(Dt),领取养老保险之前(2013年)赋值为0,领取养老保险之后(2018年)赋值为1。通过增加一个上述两个虚拟变量的交互项Du*Dt,更加精准地研究和估计养老保险对农户生计策略的影响和净效应。根据以上条件,将本文的问卷划分为4组子样本,即2016年之前领取养老保险的处理组(Du=1,Dt=0),2016年之后领取养老保险的处理组(Du=1,Dt=1),2016年之前领取养老保险的对照组(Du=0,Dt=0),2016年之后领取养老保险的对照组(Du=0,Dt=1)。基于上述,本研究构建如下DID基准回归模型:

Yit=β0+β1Duit+β2Dtit+β3Didit+γXit+εit

(1)

其中,i为第i个农户,t为第t年;Duit为区分领取养老保险户与否的虚拟变量,如果是领取养老保险户,则取值为1;若是未领取养老保险户,则取值为0。Dtit为领取养老保险前后的虚拟变量,领取养老保险前赋值为0,领取养老保险后赋值为1;Didit为Du与Dt的交叉项,表示领取养老保险对生计策略选择的影响。另外,Xit为农户生计资本;ε为随机扰动项;Yit为被解释变量,代表农户选择的生计策略。

(二)倾向得分匹配倍差模型(PSM-DID)

由于在使用DID模型时可能存在模型估计偏差,此时需要满足文章中的处理组和对照组共同趋势条件。同时,由于不可观察的相关因素,直接比较分析会出现异性偏差,这也可能导致生计策略的变化。为了解决可能出现的异质性偏差,本文借鉴赵丽娟等[7]的研究,采取了具有优势的倾向得分匹配倍差法(PSM-DID)来进行稳健性检验。PSM-DID算法是基于匹配估计的思想,能够在控制组和对照组中找到具有充分相似性的可测量变量,并通过“倾向得分”进行测量。将个体的倾向得分作为在给定协变量下进入处理组的条件概率。在不考虑因素的前提下,农民的生计策略是否仅依赖于养老保险,二者之间存在着可比性。匹配估计方法可以帮助解决系统的差别,但是一般情况下,匹配变量可以是一个包含多个变量的 K维,而非一个权值,这将导致数据的结果不准确;另一方面,PSM方法使用降维方式来估计每个农民的倾向性分数,并排除不合理的控制变量来匹配。

(2)

t′和t分别表示2016年领取养老保险前后的时期,Sp表示能够匹配的样本集合,I0和I1分别表示控制组与处理组样本集合,n1代表处理组中满足匹配条件的样本数,W(i,j)为配对权重。

三、数据及变量描述性统计

(一)样本选择

英国国际发展署(DEID)在2000年推出的可持续生计框架,将生计分为五大类:自然、物质、人力、社会和金融资本(1)转引自王晓轩、耿天学、赵周华《补助政策、生计资本对农户生计策略和生计结果的影响——以农牧交错带贫困地区样本为例》(《农业科学研究》2020年第3期)。。由于社会发展,心理资本逐渐成为影响农户生计策略的因素,所以本文借鉴李广东等人的研究在原有生计资本的基础上加入了心理资本[8]。基于DFID理论,结合已有研究成果,以及不同区域间的数据差异,本文选择了13项评价指标。在查阅有关科研成果和调查问卷的基础上,建立了农户生计资本指标评价体系(见表1)。

表1 生计资本指标评价体系及其描述性统计

在生计资本的六个维度中,2013年人力资本和自然资本所占的比重较高,这说明农民在领取养老保险前,农户的收入中不包括养老保险。他们为了维持基本生活,将选取与自身相匹配的劳作增加家庭收入,并且此时农户的年龄较轻,具有相对较好的身体素质,所以农户将会通过充足的土地维持家庭生活。2018年,金融资本和社会资本水平相对较高,这表明在领取养老保险之后,农户增加了来自养老保险的收入,所以此时农户的金融资本增加。由于年龄等原因农户将不再适合依赖土地增加收入,在能以养老保险维持生活的条件下,农户选择放弃原本相对较多的自然资本,进而改变其原来的生计策略。

(二)变量定义及统计性描述

生计资本的不同组合可以促使各色各样的生计策略变好,即使是同一农户也会选择不同的生计策略,然而生计策略的目标是使农户目前的生活变好[9]。因此,生计策略的选择与生计资本的状况有关,而生计策略的多样性则主要取决于对生计资本的不同组合以及不同的资金运用。生计策略的种类可以根据不同研究方向进行不同的分类,国内常见的生计策略分类是纯农型与兼农型[10]。也有学者为了可以使自己得到的数据发挥最大的效用,将农户生计策略分为农业专业化型、农业补充型、农业依赖型以及生计多样化型[11]。

生计策略多数以收入来源占比或者是务工类别为划分根据。本文则是从过去一年在家务工时间和是否有其他职业收入维度出发,将农户的务工时间以2013和2018年的数据作为整体,运用 K均值聚类分析法,通过一年中在家务农的时间将生计策略分成农业、农业兼业、非农兼业以及非农业。分类流程分为5个阶段[12]:(1)按照农户生计特点,将其生计策略分为K个;(2)随机指派K个中心点;(3)通过对各采样点到K中心的欧氏距离进行计算,将其分布到最近的中心点,构成 K个数据集合;(4)基于聚类的结果,对每个数据的每个样本的维数进行重新计算,求出一个新的中心点;(5)将每个数据集的中心点与原始数据点之间的距离进行比较,如果中间点的距离没有改变,则停止迭代,得到最佳的中心点,反之则返回到第3步进行迭代。

从在家务工时间来看,按时间从长到短排序依次为农业型、农业兼业型、非农兼业型和非农业型。在家务工时间随非农化提高而减少。从是否有其他职业来看,没有其他职业收入为农业型,有其他职业收入再根据在家务工时间的长短依次分为农业兼业型以及非农兼业型,仅有其他职业收入的为非农业型。

结合上面两个维度,本文按照以下具体条件划分生计策略类型(见表2)。一年中在家务农时间超过6个月且没其他职业收入则为农业,务农时间大于6个月但同时有其他职业比如工资是通过单位发放、在政府部门工作等为农业兼业,务农时间大于0个月小于6个月且有其他收入的则为非农兼业,务农时间为0个月且有其他的工作职务和收入则为非农业。

表2 农户生计策略类型及量化标准

四、研究结果及稳健型检验

(一) 研究结果分析

1.DID结果估计。在不考虑控制因素的情况下进行倍差模型基准检验回归,回归结果如表3所示。此时,养老保险对于农业型生计策略、农业兼业型生计策略、非农兼业型生计策略及非农型生计策略均产生了负面影响,且对农业型、农业兼业型及非农型生计策略的影响均达到了1%的显著水平。这表明在领取养老保险之后农户的收入相应增加,部分农户适当减少其余增加收入的工作,使农户4种生计策略均减少。

表3 倍差模型基准检验回归结果

在控制变量中加入生计资本后,其回归结果如表4所示,养老保险在农业型、农业兼业型、非农兼业型和非农业型生计方式上均产生了负向影响。这种影响说明领取养老保险对原有的四种生计策略的选择均产生了负面影响,即在生计资本充裕的情况下,更多的农户选择放弃现有的生计策略,选择以养老保险作为一种目前最佳的生计策略维持自身的生活。

2.PSM-DID估计结果。尽管农户生活水平有很大差别,采用双重差分倾向得分方法对农户的选择偏差进行控制,得出在领取养老保险前,两组农户的生计策略的差异(Diff1)和领取养老保险后的差异(Diff2),这两个小组的结果差异被称作“一次差分”[13],这仅仅是在处理组和对照组中农民生计策略上的不同,为了估计不同家庭的养老保险是否会产生影响,必须采用二次差分法,也就是Diff1和Diff2之差是本文最后估计值,其结果如表5所示。

表4 引入控制变量的倍差模型回归结果

表5 PSM-DID估计结果

具体而言:(1)从农业型农户的角度出发,领取养老保险后选择从事该生计策略的农户比重显著减少;(2)从农业兼业型农户的角度出发,领取养老保险后选择从事农业兼业型的农户比重增加,但是从结果中并未发现显著的特征;(3)从非农兼业型农户的角度出发,领取养老保险后选择从事该项生计策略的农户比重显著增加;(4)从非农业型农户的角度出发,领取养老保险后选择该项生计策略的农户比重显著增加。

从上述结果发现,无论在南方、北方还是总样本中,领取养老保险均对农业型生计策略的现状发生变化,均通过了显著性检验,但对农业兼业型农户生计策略现状没有产生显著变化;对于非农兼业型农户而言,除南方外,均发生显著变化,而非农业型农户除了在总样本中发生显著变化,其余子样本中并不发生显著变化。

(二)稳健型检验

1.匹配平衡性检验。PSM-DID模型中的“平行假定”是指在处理组和控制组两个不同的特征变量之间不存在显著的差别,因此必须对其进行均衡检验。若二者存在明显的差别,则表明所选择的匹配方法不当,估算结果往往是无效的。大多数的实验证明,如果匹配结果的标准差在10%以下,则代表此时的匹配已经达到了较好的结果[14]。同时,要对农民的地理特性进行有效的控制,采用PSM-DID方法,对南北两个样本进行比对时,将同一区域内的控制组和处理组的农户进行配对,以控制地理特性的影响。从表6可以看出,在整体抽样和分区匹配效应方面,所有匹配变量的标准偏差均显著降低,并且其绝对误差在10%以下。通过t检验发现,匹配前处理组和控制组的多数匹配变量t值具有显著性,也就是说,二者之间存在很大的差别;经过匹配处理后,处理组和控制组的特征变量差别明显减小,t值不存在明显的变化,从而确保了并行假定的先决条件,并对其进行了检验。

2.匹配方法检验。在实证分析中,PSM-DID模型可以采用多种匹配方式,为了提高研究的可靠性,本文采用了半径匹配、近邻+半径匹配、核匹配等方法来验证该模型的匹配效果。由3种不同匹配方法估计得到的结果具有相似性,且与前述采取核匹配方法得到的结论一致,说明表7的估计结果具有较强的稳健性。

3.安慰剂检验。为了进一步检验PSM-DID的有效性,同时“剥离”其他政策对农户生计策略的影响,本文进一步进行了安慰剂检验[15]。安慰剂检验通常采用替换处理组或者假设政策作用的不同时间再次检验系数是否显著,本文在样本中通过随机抽样的方式构造虚拟处理组。这一方法可以检验差分估计结果中的显著影响是否仅仅是一种偶然的发现。基于此思路,本文在对照组中随机选择多个个体将其视为处理组,将剩余个体视为对照组。如果最初的结论是随机不稳定的,那么在安慰剂检验中将有可能再次出现与真实处理措施相同的处理效应。结果显示,无论是全样本还是子样本,均没有对生计策略产生显著影响,安慰剂检验通过。

表6 匹配平衡性检验结果

表7 匹配方法检验

五、总结及政策建议

当代高速发展的社会,对难以维持基本生活的农户的保障显得尤为重要。养老保险是为这些农户提供的基本保障,养老保险最直接惠及的是农户,因此养老保险对农户生计策略影响的结果以及机制应当引起广泛关注。本文通过这一视角进行实证分析,首先建立生计资本测量框架,其次通过K聚类方法对农户生计策略类型进行细分,利用得到的南方和北方农户两期截面数据,然后通过使用PSM-DID法排除其他因素干扰,最终估计养老保险对农户生计策略的实际效应。结果表明:(1)养老保险对不同类型农户所产生的影响有所不同。领取养老保险会使农户选择农业型生计策略的意愿下降,会增加农户选择农业兼业型生计策略、非农兼业型生计策略以及非农业型生计策略的意愿。(2)养老保险对不同地区农户生计策略类型所产生的影响程度也有所不同。领取养老保险后北方农户比南方农户对于选择农业型生计策略的意愿下降得更多,对于农业兼业以及非农业型的生计策略,南方农户选择的意愿较高于北方农户。而对于非农兼业型生计策略而言,北方农户选择的意愿较高于南方农户。(3)采用一系列的测试方法进行稳健性测试,多个匹配算法的估计值比较接近。此外,安慰剂测试也进一步证明了本文的主要估算值是可靠的。基于以上结论,本文得出以下几点启示:

第一,从养老保险的制度制定上看,养老保险对农民的生计策略有一定的影响,而农户的生计策略则会对家庭的资产分配和经济发展产生一定的影响,在今后的养老保险制度改革中,要充分考虑到养老保险对不同地区农户产生的影响,应根据领取养老保险前农户的收入高低,制定不同的养老保险金额。同时在现有资料的基础上,应该预先模拟并评价养老金制度改革对生计策略等的影响,采取相应的对策,以有效地规避这一变化所带来的冲击。在此基础上,要做好各地区之间的差别效应评价,进一步强化政策先导,充分考虑到我国城乡发展的差距,在全国范围内进行试点,从而逐步完善相关政策的设计与运作机制。

第二,从农户区域异质性上看,养老保险对不同地区的农户生计策略产生的影响不同。为了解区域经济的差异,应进一步推动基本养老保险在全国范围内的协调,以整体调节不同地区的累计结余,填补资金缺口,降低制度运行的风险,维护社会公平。由于养老保险的管理体制是建立在中央政府制定目标和财政保障、地方政府进行区域调剂、地方统筹的统一管理和运行机制上。所以养老保险制度在中央政府和地方政府之间存在障碍和博弈,应采取实行养老保险中央调剂制度等过渡性措施,逐步改善条件,稳步推进基金统筹、制度规范、管理健全和技术标准化,从而在制度上缩小区域养老差距,为农民多样化生计策略提供基本保障。