我国基本养老保险能否提升老人幸福感？——来自CGSS的证据
作者：李雅诗 黄茜茜 刘步平 2021-10-26 19:24 新传播 【字号：大 中 小】
预计到“十四五”期末，我国将进入“中度老龄化”社会，实施积极应对人口老龄化政策已上升为国家战略，完善的社会养老保险制度是积极应对老龄化的重要政策。认识我国基本养老保险对老人幸福感的影响有利于更好地评价基本养老保险的政策效果，应对老龄化。基于中国社会调查2015年的数据，利用倾向得分匹配模型，研究我国基本养老保险对老人幸福感的影响，实证分析表明，基本养老保险对不同群体老人的幸福感的影响存在差异。基本养老保险对提升中等收入老人的幸福感比较明显，对低收入和高收入老人的影响则不够明显，低收入老人参保水平有限，获得的保障不足是幸福感无法整体改善的重要原因；基本养老保险对农村地区老人幸福感的提升作用更显著，对城市地区老人则不显著；基本养老保险能显著提升女性老人的幸福感，对男性老人则不显著。城乡居民基本养老保险统筹层次低、统筹账户资金来源有限导致基本养老保险提供的基础养老金有限，无法很好地发挥保险互助共济、再分配的基本功能，导致低收入群体参保水平有限，参保积极性不高，获得感不强。建议扩大统筹账户统筹层次和资金来源，给予低收入群体更多参保激励。
二、研究设计
倾向得分匹配法（Propensity Score Matching，简称PSM）基本思想是试图运用模型匹配比较同一人在“拥有基本养老保险”与“没有基本养老保险”两种状态下主观幸福感的差异表现。主要思路是把样本分为处理组（有养老保险）和控制组（没有养老保险），通过logit模型获得倾向得分对样本进行匹配，匹配后的两组样本在个体、社会特征上无显著差异，然后计算匹配后的处理组和控制组的平均处理效应ATT （Average Effect of Treatment on the Treated）。
（一）获得倾向得分
公式（1）所示，Xi是拥有社会养老保险个体自身的特征变量，本文将所有样本分为两大类：一是处理组即拥有社会养老保险记为 Ci=1；二是控制组，没有养老保险记为Ci=0。采用log it模型来对二元被解释变量进行回归，依据匹配变量的回归系数计算倾向得分PS值。
（二）匹配
根据P S值（倾向得分）进行匹配，寻找出最能够代表处理组的控制组。通常的匹配方法主要有三种：最近邻匹配方法( Nea rest Neighbor Matching)、半径匹配方法(Radius Matching)和核匹配方法(Kernel Matching)。我们主要运用最近邻匹配法进行匹配，其基本思想根据处理组的倾向得分值（PS）找出与处理组倾向得分值（PS）最邻近的控制组。如式 （2）所示，Pi和Pj分别是处理组和控制组成员的倾向值，当倾向值之差的绝对值在i和j之间倾向值的所有可能配对中最小时，即找到一个与i匹配的j。
（三）计算平均处理效应ATT
通过倾向得分匹配之后的处理组和控制组理论上在各匹配变量上已经不存在显著差异，主要区别即是否拥有社会基本养老保险，可以通过ATT结果分析养老保险带来的老人幸福感的变化，本文选取如式（3）所示，表示处理组与控制组在输出变量上（衡量幸福感的指标）的平均组间差距，T代表处理组，NT代表处理组的数量， C代表控制组。Yi和Yj为输出变量，就是我们需要用来衡量主观幸福感的指标，与处理组i匹配成功的控制组样本数量用Nci表示，权重
c4d032d1-1359-488d-9493-075c1cede8f9.jpg)