破解新农保象征性缴费陷阱.PDF

《破解新农保象征性缴费陷阱.PDF》由会员分享，可在线阅读，更多相关《破解新农保象征性缴费陷阱.PDF（18页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、破解“新农保”象征性缴费陷阱 2018.07 科学决策 45 破解“新农保”象征性缴费陷阱 基于“大饥荒”经历的经验证据 摘 要： 基于 CFPS2012 年数据 ，将 “大饥荒 ”经历作为认知因素中创伤性记忆的典型事件 ，检 验其对 “新农保”象征性缴费行为的解释力 。研究发现 “大饥荒”经历能显著提高参保人选择较 高缴费档次的概率 ；这种影响还对不同年龄段人群产生了程度不同的队列效应 ，对幼儿组观测值 的效应显著为正 ，并且效应大于婴儿组与童年组 。饥荒持续时间也能显著正向影响选择较高缴费 档次的概率 ，但缴费档次的选择会随着饥荒严重程度的加剧而降低 。 “大饥荒 ”经历产生正向促 进作用

2、可归因于童年遭遇的饥荒经历能长期深刻影响农户的风险态度 ，进而影响其参保缴费档次 的选择。 鉴于此， 改变农户的风险态度及政策认知应是 “新农保” 摆脱最低缴费痼疾的突破方向。 关键词： 大饥荒；新农保；缴费；创伤性记忆；风险态度； DOI：10.3773/j.issn.1006-4885.2018.07.045 中图分类号：F713.55 文献标识码：A 文章编号：1002-9753（2018）07-0045-18 1 引 言 2009 年开始试点新型农村社会养老保险制度 （以下简称 “新农保” ） ，2012 年 推广到全国。 “新农保” 提供每年 100、2001400、1500 等 1

3、4 个不同的缴费档次给 参保人自愿选择 。理论上 ，参保人会根据各自收入风险 、养老需求而选择不同的缴 费标准， 选择结果会近似服从一种均匀分布。 然而，CFPS2012 年数据显示， 参保人 阳义南 唐鸿鸣 基金项目 ： 广东省自然科学基金项目 （项目编号 ：2016A030313209） ； 华南理工大学基本科研业务费重大项目 培育（项目编号：ZDPY05）。 作者简介： 阳义南 （1981-） ，湖南衡阳人 ，华南理工大学公共管理学院教授 ，管理学博士 。研究方向 ：社会 保障与保险、老龄经济学。 通讯作者： 唐鸿鸣（1996-），湖南长沙人，中山大学岭南学院本科生。研究方向：发展经济学

4、。破解“新农保”象征性缴费陷阱 46 科学决策 2018.07 缴费 200 元 / 年的占到了 92.35%， 而缴费 300 元 / 年的只有 7.65%。 这表明绝大部 分参保农户实际上是在采取一种 “象征性缴费策略” （钟涨宝， 聂建亮，2014 1 ）， 使得 “新农保” 制度落入了一个 “最低档缴费陷阱” （邓大松， 李玉娇，2014 2 ）。 最低档缴费困境不仅会严重削弱基金的财务平衡能力 ，还会降低 “新农保 ”的养老 保障作用， 使 “新农保” 这项惠及 5 亿人的民生工程 “象征意义” 大于 “实质作用” 。 而这正是 “旧农保”对农户缺乏吸引力并最终失败的前车之鉴 。因此

5、 ，非常有必要 探究新农保最低档缴费困境的成因并寻求破解之法。 学者们已从多个方面探讨了 “新农保”最低档缴费困境的成因 ，包括农户支付 能力低 、个人账户收益率过低 、捆绑参保政策 、固定的人口补贴机制 、信息不对称 等等 。不难看出 ，这些研究主要聚焦于考察宏观制度 、农户个体特征等客观因素 。 而 Chetty（2015） 3 指出对公共政策的研究归根究底是对人的行为的研究 。相比经 济因素和制度因素 ，认知因素在农民参保决策中的作用也同样至关重要 （钟涨宝 ， 聂建亮，2014 1 ） 。 参保农户的最低档缴费行为很可能受到以往生活经验、 行为模 式等认知因素潜移默化的影响。 因此，

6、我们不妨， 从认知因素的角度去搜寻破除 “新 农保 ”最低档缴费顽疾的对策 。而从文献检索的结果来看 ，此类实证研究及经验证 据目前还十分稀少。 认知因素中最深刻的是创伤性记忆 （Post-traumatic Stress Disorder） 。该概念最 先由 Speckhard（1994） 4 提出 ，指的是能够引起心理 、情绪甚至生理的不正常状 态的记忆 。神经科学和遗传学研究表明 ，逆境会影响长期性 （甚至永久性）的生理 和生物大脑的变化 （Labonte 等，2012 5 ） 。鉴于此 ，本文对参保农户 “象征性缴 费策略”提出一个新的解释机制 “创伤性记忆 ”会影响农户的风险意识进而

7、影 响其缴费档次选择 。在我国 ，学者们往往把 “大饥荒 ”经历作为 “创伤性记忆 ”的 典型事件来进行研究 。为此 ，我们进一步将解释机制聚焦为 参保农户的缴费档 次选择可能与“大饥荒”经历等创伤性记忆有关。 2 文献回顾 创伤性记忆的概念广泛应用于神经科学 、遗传学与心理学相关领域的研究 。近 年来学者将这一理论引入劳动经济学领域 ，研究集中在自然灾害 （Bucciol 和 Zarri,2013 6 ） 、大萧条 （Malmendier 和 Nagel,2011 7 ）等 。在诸多创伤经历中 ， 自然灾害对个人的影响更具持久性 ，如儿童的成长发展 、投资者的投资组合决策 （Bucciol

8、和 Zarri,2013 6 ）、CEO 风险承受能力 （Bernile 等，2016 8 ） 、高管企 业融资决策（Malmendier 等，2011 9 ）。破解“新农保”象征性缴费陷阱 2018.07 科学决策 47 国内对 “创伤性记忆” 的研究主要集中于早年的 “大饥荒” 经历 a 。 赵民伟和晏 艳 阳（2015） 10 认为 “大饥荒”经历使管理者的财务决策更加保守 。陈永伟和陈 立 中（2016） 11 则认为 “大饥荒” 改变了经历者的风险态度使得他们更规避风险。 张信东和郝盼盼 （2017） 12 通过实证分析得出 CEO 饥荒经历对企业创新投入的影 响要大于 CEO 过度

9、自信品质的影响 ；CEO 早年饥荒经历阻碍了企业创新投入 ，且 在童年期和青少年时期经历饥荒的影响更明显 。虽然存在分歧 ，但学界均认可 “大 饥荒” 经历可以作为研究儿童早期的负面环境可能造成的长期影响的 “自然实验” 。 其中 ，关于某一时期特定经历对人的影响 ，学界普遍采用队列效应 （Cohort Effect）模 型（Malmendier 和 Nagel,2011 7 ； 程令国， 张晔，2011 13 ； 陈永伟， 陈 立中， 2016 11 ） 。 这是剖析社会变迁对个体生命历程影响的有效途径。 队列 （Cohort） 是指在相同时期经历了相同事件的人的集合 。因此 ，队列效应可以

10、表征社会变迁在 个体身上留下的烙印 ，这种影响会随着队列的成长持续施加作用 ，不同队列的影响 程度往往也不同 （封婷等 ，2013 14 ） 。这有别于年轮效应 （Age Effect） 。年轮效 应指的是不同年龄人口由于生物老化过程和年龄阶段不同 ，其行为模式表现出不同 的特征。 由于观察的时间点是固定的 ，队列效应与年轮效应不可避免地存在交集 。具体 而言 ，在分析 “大饥荒 ”经历的时候可能既包含队列效应 ，也包含年轮效应 。而年 轮效应和队列效应对人的净影响是相互独立的 ，因此需要对年轮效应 、队列效应加 以区分 。国内已有学者意识到这个问题 ：周黎安等 （2007） 15 认为考虑到

11、中国经 济周期的特殊性 ，队列效应与年轮效应的信息会相互干扰 。封婷等 （2013） 14 发 现年龄和队列变量的值反向消长 ，研究中通常采用的年龄变量 ， 一般也包含了队列 效应， 因此需要对年轮效应和队列效应加以区分。 就 “新农保 ”制度而言 ，程杰 （2014） 16 通过对成都市农户的抽样调查发现 60 岁及以上的老年人更偏好低缴费档次 。大部分经历 “大饥荒”的人群也恰好处于 60 岁及以上的年龄段 。除此之外 ，目前还没有关于 “大饥荒 ”经历与 “新农保 ”缴 费档次选择之间关系的更多实证研究。 3 研究设计 3.1 理论分析 饥荒经历作为一种特殊外生事件会影响缴费档次的选择

12、，理论依据及传导机制 a 国内所有关于“大饥荒”的研究都是研究早年。破解“新农保”象征性缴费陷阱 48 科学决策 2018.07 是什么 ？相关的解释理论较多 ，典型的包括 ：其一 ，内生偏好理论 （Endogenous Preference Literature） 。该理论认为一个人生命周期中的宏观历史冲击 （Macroeconomics Shocks）或自然灾害能改变一个人的内生偏好 。内生偏好理论得 到了很多学者的实证证据的支撑， 如 Callen （2015） 17 论证了印度洋地震和海啸改 变了当地幸存者的时间偏好 ；Malmendier 和 Nagel（2011） 7 认为美国 “

13、大萧条”这 一经历改变了人们的风险偏好， 即经历过 “大萧条” 的人会更加不愿意承担金融风险 ； Alesina 与 Fuchs-Schundeln（2007） 18 认为不同的政治环境会塑造不同的政治偏好 ； Chen （2016） 19 认为 “大饥荒” 经历能改变幸存者的节俭偏好， 即经历过 “大饥荒” 的人更加节俭等。在这一系列文献中，与本文密切相关的文献是外生的创伤性经 历使人更加风险厌恶 （Callen 等， 2014 20 ;Kim 和 Lee,2014 21 ；Mengel 等， 2016 22 ）； 其二，决策理论（Decision Theory）中的 BPC a 模型（Le

14、e, 1971 23 ），即一个人的决 策受个人的信念、 偏好以及预算约束的影响， 而偏好对一个人决策的影响具有持久性。 风险偏好能影响养老保险的选择（Rooij 等，2007 24 ），这种风险偏好的影响具有持 久性分别得到了心理学 （Soane 和 Chmiel，2005 25 ） 、经济学等学科的论证 。结合 中国具体国情 ，孟颖颖 （2011） 26 发现农民工是否参加社会保险是由其风险偏好决 定的行为选择，风险规避行为的复杂性意味着任何一个外生或内生的因素都可能通过 影响农民工的风险偏好而最终影响其行为选择结果。 有鉴于此， 本文的传导机制如下 ： “大饥荒”作为外生的创伤性经历能使

15、参保户更倾向于规避不确定性。这种认知层面 上的影响使他们对养老保障的需求高于未经历“大饥荒”的人群。因此，他们选择缴 纳更高水平保费的概率会更高。如图 1 所示。 图 1 “大饥荒”经历影响“新农保”缴费水平的效应传导路径 3.2 样本数据 为进行检验 ，本文使用了中国家庭动态跟踪调查 （CFPS）2012 年数据 。CFPS a 全称是 beliefs, preferences and constraints model 。破解“新农保”象征性缴费陷阱 2018.07 科学决策 49 是一项全国性的跟踪调查 ，旨在通过跟踪调查个体 、家庭 、社区三个层次的样本 ， 反映中国社会 、经济 、人

16、口 、教育和健康的变迁 。选用此数据的原因如下 ： （1） 2012 年 “新农保” 制度已实现了全覆盖， 参保人数达到 4.6 亿 人 ；（2） 样本覆盖全 国 28 个省 （自治区、 直辖市） ， 具有广泛的代表性 ； （3） 该问卷提供了 “新农保” 的缴费水平数据 ，可作为本文的被解释变量 ； （4）样本年龄组分布齐全 ； （5）有 丰富的控制变量。 进一步对样本做如下清洗 ： （1） 因本文以参保农户的 “象征性缴 费陷阱” 作为研究对象， 故而剔除 “新农保” 缴费水平为 0 或空值的样本观测值 ； （2） 剔除各控制变量数据有异常值的样本观测值 。相关连续型变量均在 1% 和 9

17、9% 水平 上进行了 winsorize 处理。 3.3 变量的选择与度量 （1）被解释变量 被解释变量为参保缴费水平。 借鉴以往文献的做法 （程杰，2014 16 ），本 文 将 “新农保” 缴费水平设置为 5 个 档 次：第 1 档 （缴费金额 200 元 / 年 ），第 2 档（ 200 元 / 年 缴费金额 300 元 / 年 ）， 第 3 档（300 元 / 年 缴费金额 400 元 / 年 ）， 第 4 档（400 元 / 年 缴费金额 500 元 / 年 ）， 第 5 档 （缴费金额 500 元 / 年 ）。 即被解释变量为取值 1-5 的有序离散变量。 （2）核心解释变量 第一

18、个解释变量为 “大饥荒”经历 。我们借鉴两篇文献度量 “大饥荒”经历的 做法 ：一是参照许年行和李哲 （2016） 27 的做法 ，将 “大饥荒”经历设为二值虚 拟变量 ，变量名 Famine_yes。当参保人出生年份为 1949-1961 年间时 ，经历了 “大 饥荒”，Famine_yes=1 ，否则为 0。图 2 各年龄段的参保缴费水平 图 3 缴费水平在 61 岁（1951 年生）的“断点”现象 第二个解释变量是将 “大饥荒” 经历进一步细化为的四个出生队列 （cohorts）。破解“新农保”象征性缴费陷阱 50 科学决策 2018.07 通过图 2 的散点图和断点图分析发现原本连续的

19、曲线在 61 岁处出现了明显断点 1951 年前后出生的参保户的缴费水平出现了显著的差异 。即年满 61 岁的倾向于选 择较低的缴费档次， 而未满 61 岁的则选择更高的缴费标准。 鉴于此， 我们调整了 “大 饥荒”经历的时间窗口，如表 1 所示。 表 1 4 个不同出生队列的设定 出身队列 调查时年龄 出生年份 1959-1961 年时年龄（岁） 1959-1961 年所处生命周期 Cohort 1 51，56 1956,1961 3 婴儿期 Cohort 2 54，60 1952-1958 3，7 幼儿期 Cohort 3 58，67 1945-1954 (7，14 童年期 表 1 中 ，

20、将 1961 年后出生的参保户归为未出生队列。 参照陈永伟和陈立中 （2016） 11 的做法将 “大饥荒” 时期小于 3 岁的人群设定为婴儿期队列。 借鉴邓金洗 （1960） 28 的标准 ，将 3-7 岁归为幼儿期队列 。此外 ，参见 儿童权利公约 与 中华人民共 和国刑法将 “大饥荒”时期为 7-14 岁的设为童年组 。也就是说 ，以 “大饥荒”时 期为基准， 将全部样本观测值区分为未出生组、 婴儿组、 幼儿组、 童年组等四个队列。 这样做就不限于考察 “大饥荒 ”经历的整体效应 ，还可以进一步细致地考量各个不 同年龄段受“大饥荒”经历的影响及其差异。 第三个解释变量为饥荒持续时间 。四

21、川 、甘肃 、安徽和云南于 1958 年冬季就出 现死亡率大幅攀升的现象， 而全国大规模爆发则始于 1959 年春天。 1962 年 “大饥荒” 在全国大部分省份已停止， 但吉林和福建于 1963 年才结束。 考虑到各地的饥荒持续 时间存在差异 ，本文构建虚拟变量 Famine_time 作为饥荒持续时间的代理变量 ，将 饥荒持续时间超过 3 年的省份赋值为 1，等于或小于 3 年的省份赋值为 0。 第四个解释变量是饥荒严重程度 。关于 “大饥荒 ”严重程度的代理变量 ，现有 研究是采用 “出生缩减率” （程令国和张晔，2011 13 ； 陈永伟和陈立中，2016 11 ） 和 “死亡增加率”

22、 （Lin 和 Yang,2000 29 ; 陈永伟和陈立中，2016 11 ） 这两种做法。 考虑到死亡率的数据失真的概率较大 ，本文将使用 “出生缩减率”的概念和指标 。 采用基本数据如下 ： 首先采用 新中国 60 年统计资料汇编 的数据， 计算 “大饥荒” 前三年 （1956-1958 年） 和后三年 （1962-1964 年） 两个时期的平均出生率， 作为 “大 饥荒”前后正常水平的出生率 （B Normal ） 。再计算 “大饥荒 ”期间 （1959-1961 年） 平均人口出生率 （B Famine ） 。 然后根据下列公式构造 “大饥荒” 时期的 “出生缩减率” ：（1）破解“

23、新农保”象征性缴费陷阱 2018.07 科学决策 51 （3）控制变量 根据程杰 （2014） 16 与陈永伟和陈立中 （2016） 11 的研究 ，我们在模型中设 置了如下控制变量 ： 性别 （Gender， 1= 男， 0= 女 ）、年 龄（ Age） 、 年龄平方项 （Age_ sq） 、是否居住在城市 （Urban，1= 是，0= 否 ） 、是否破损家庭 （Family_bro ，1= 丧偶 / 离 婚，0= 其它） 、是否有宗教信仰 （Religion ，1= 是，0= 否） 、受教育年限 （Education） 、干部信任度 （Trust_c，取值 1-10） 、是否身体不健康 （

24、Unhealthy， 1= 不健康 / 一 般；0= 比较健康 / 很健康 / 非常健康） 、家庭规模 （Family_size，家 庭人数 ） 、家庭净收入 （Family_income，去年一年家庭净收入 ，取对数 ） 。此外 ， 鉴于已有大量学者使用灯光数据作为经济发展程度的代理变量， 本文采用各省份 （地 区）的灯光密度 a 作为地区发展水平差异的代理变量 ，并对各省份 （地区）的灯光 密度进行了对数化处理。 3.4 计量模型 为检验 “大饥荒”经历的总体影响 ，并探讨 “大饥荒”持续时间长短对不同出 生队列的影响，我们使用有序 Probit 交互效应模型。共设计了 4 个计量模型。

25、模型一 ，只引入 Famine_yes（是否经历 “大饥荒 ” ）作为解释变量 ，探讨是否 经历“大饥荒”对参保缴费行为的影响。（2） 模型二 ，同时引入 Famine_time 与 Famine_yes，以及它们的交互项 Famine_ time * Famine_yes， 看饥荒持续时间长短对 “新农保” 缴费档次选择是否具有调节作用。 此时，重点关注系数 。（3） 模型三， 同时引入 Index 与 Famine_yes， 以及它们的交互项看饥荒严重程度对 “新 农保”缴费档次选择是否具有调节作用 ，即经历饥荒的差异是否依赖于饥荒严重程 度。（4） 模型四 ，引入 Cohort 1 、C

26、ohort 2 和 Cohort 3 ，关注 “大饥荒 ”经历对不同出生队 列对参保缴费行为的影响。 a 本文采用 DMSP-OLS 公布的 2013 年稳定灯光数据作为原始数据 ，使用中国地级市的行政区划矢量图进行 边界裁剪， 将得到的栅格数据与灯光数据进行叠加， 计算各省份 （或地区） 的 DN 平均值 （DN 总值 / 栅格数） ， 即灯光亮度或灯光均值。再用该灯光亮度除以地区的面积，得到该省份（地区）的灯光密度值。破解“新农保”象征性缴费陷阱 52 科学决策 2018.07（5） 4 实证结果分析 4.1 描述性统计 由表 2 全样本描述性统计结果可知 ： （1）经历过 “大饥荒”的个

27、体占全部样本 观测值的 28.81%，共计 3273 人；（2） “大饥荒 ”时期处于婴儿期的 （cohort 1 ）为 1320 人， 占 11.63%； “大饥荒 ”时期处于幼儿期的 （ cohort 2 ）为 2520 人， 占 22.18%；“大饥荒”时期处于童年期的（cohort 3 ）为 1240 人，占 10.9%。 表 2 全样本描述性统计 变量名 符号 样本数 均值 标准差 最小值 最大值 缴费档次 Y 11362 1.299 0.952 1 5 饥荒经历 Famine_yes 11362 0.288 0.453 0 1 婴儿组 Cohort 1 11362 0.058 0.

28、233 0 1 幼儿组 Cohort 2 11362 0.222 0.415 0 1 童年组 Cohort 3 11362 0.009 0.093 0 1 年龄 Age 11362 43.600 11.096 16 86 性别 Gender 11353 0.469 0.499 0 1 宗教信仰 Religion 11362 0.114 0.317 0 1 受教育年限 Education 11361 5.674 4.311 0 16 居住地 Urban 11327 0.257 0.437 0 1 不健康 Unhealthy 11362 0.366 0.482 0 1 家庭破损 Family_br

29、o 11362 0.036 0.186 0 1 家庭规模 Family_size 11347 4.621 1.774 1 14 家庭年收入 Fincome_net 11042 9854.02 14143.19 3.33 349733.3 干部信任度 Trust_c 11287 5.080 2.487 0 10 灯光密度 Light 11358 11.136 0.809 9.688 13.234 表 3 比较了具有饥荒经历的参保个体与其对照组在 “新农保 ”参保缴费水平方 面的描述性统计量。首先，无论从 T 检验还是 Wilcoxon Z 检验的统计值来分析，有 过 “大饥荒”经历的参保个体都比

30、没有 “大饥荒”经历的缴费水平更高 。这初步说 明有过 “大饥荒” 经历的参保人更具风险规避， 寻求保障的风险意识强于未经历 “大 饥荒”的人 。但目前还无法甄别这种差异究竟是年轮效应 （Age Effect）造成的 ，还 是真的由“大饥荒”经历产生的。破解“新农保”象征性缴费陷阱 2018.07 科学决策 53 表 3 按早年“大饥荒”经历分组的描述性统计检验 变量 未经历“大饥荒” 经历“大饥荒” T Test Wilcoxon Z Mean Median Mean Median Y 1.266 1 1.379 1 3.94 * -4.982 * 注： * ， * 和 * 分别表示在 10

31、%、5% 和 1% 的水平上显著。 4.2 实证结果分析 表 4 基本估计结果 解释变量 （1） （2） （3 ） （4） Oprobit Oprobit Oprobit Oprobit Famine_yes 0.233 * （0.066） 0.276 * （0.073） 0.624 * （0.155） Famine_time 0.153 * （0.039） Index 0.248 （0.189） Famine_yes * Famine_time -0.105 （0.070） Famine_yes * Index -0.982 * （0.348） Cohort 1 -0.091 （0.078）

32、 Cohort 2 0.232 * （0.061） Cohort 3 -0.005 （ 0.058） Gender 0.027 （ 0.033） 0.028 （0.033） 0.029 （0.033） 0.026 （0.033） Age 0.064 * （0.012） 0.062 * （0.012） 0.063 * （0.012） 0.057 * （0.013） Age_sq -0.0007 * （0.0002） -0.0007 * （0.0002） -0.0007 * （0.0002） -0.0006 * （0.0002） Religion -0.117 * （0.055） -0.123 *

33、 （0.055） -0.120 * （0.055） -0.106 * （0.055） Education 0.022 * （0.004） 0.022 * （0.004） 0.022 * （0.004） 0.022 * （0.004）破解“新农保”象征性缴费陷阱 54 科学决策 2018.07 解释变量 （1） （2） （3 ） （4） Oprobit Oprobit Oprobit Oprobit Urban 0.236 * （0.035） 0.246 * （0.036） 0.239 * （0.036） 0.236 * （0.035） Unhealthy -0.042 （0.034） -0.0

34、42 （0.032） -0.041 （0.034） -0.041 （0.034） Family_bro -0.199 * （0.096） -0.201 * （0.096） -0.227 * （0.096） -0.199 * （0.096） Family_size - 0.068 * （0.010） -0.064 * （0.010） -0.067 * （0.010） -0.067 * （0.010） Family_income 0.023 （0.015） 0.026 * （0.015） 0.024 （0.015） 0.023 （0.015） Trust_c 0.006 （0.006） 0.007

35、 （0.006） 0.006 （0.006） 0.007 （0.006） Light 0.131 * （0.024） 0.123 * （0.024） 0.131 * （0.024） 0.129 * （0.024） N 10931 10931 10931 10928 R 2 _p 0.029 0.030 0.030 0.029 注：() 内是 t 值， * 、 * 、 * 分别表示在 10%、5% 和 1% 水平显著。 从表 4 的实证结果可以得出如下发现： 1. 年轮效应对 “新农保 ”缴费水平的影响 。在量化 “大饥荒 ”经历影响的过程 中不可避免地夹杂了年龄因素的影响 （年轮效应 ） ，因

36、此本文引入年龄和年龄的平 方项识别个人特殊经历对行为决策的净影响 。在模型 （1）-（3）中 ，参保缴费水平 都与年龄显著正相关 ，而与年龄平方项显著负相关 。这说明参保缴费水平与年龄之 间呈倒 U 形关系 。这与程杰 （2014） 16 的研究发现是吻合的 。相对来看 ，年轻人 和老年人更倾向于较低档次的缴费水平 ，而中年人更有可能选择较高档次的缴费水 平 。这符合经典的保险购买行为 风险低和风险高的购买保险意愿最低 。在控制 年轮效应后，再继续重点关注“大饥荒”经历对参保人缴费档次选择的影响。 2.“大饥荒”经历对 “新农保”缴费水平的影响 。根据表 4 第 1 列估计结果 ， 模 型（1

37、）中早年饥荒经历 （Famine_yes）的回归系数显著为正 。这也与描述性统计 结果保持一致 。在控制了年轮效应后 ，饥荒经历与参保缴费水平显著正相关 ，特殊 的磨难经历会让人更加倾向于规避风险 ，对社会保障的需求更高 。具体而言 ，相比 没有 “大饥荒”经历的参保人 ，有 “大饥荒”经历的参保人选择较高缴费档次的概 续表破解“新农保”象征性缴费陷阱 2018.07 科学决策 55 率要显著更高 23.3%。 3.“大饥荒”持续时间对 “新农保”缴费水平的影响 。模型 （2）中继续添加了 饥荒持续时间 （Famine_time）作为新的解释变量 。结果显示 ，饥荒持续时间的影响 在 1% 水

38、平显著为正， 说明饥荒经历的持续时间对被解释变量的影响是相互协同的。 换言之， 参保人经历 “大饥荒” 的跨时越长， 会更倾向于选择较高水平的缴费档次。 4.“大饥荒”严重程度对 “新农保”缴费水平的影响 。模型 （3）中饥荒严重程 度越深 ，参保户会更有可能选择低水平的缴费档次 。在实证结果中 ，即饥荒严重程 度每增加 1 个单位 , “大饥荒”经历对参保缴费档次选择的正向影响机制会削弱。 5.“大饥荒”经历对不同出生队列人群 “新农保”缴费水平的影响 。模型 （4） 的全样本回归结果在 1% 水平下联合显著 ，说明 “大饥荒”经历对不同年龄段样本 个体的影响确实是异质的 。具体而言 ，出生

39、队列 Cohort 2 在 1% 水平显著为正 ，在幼 儿期经历 “大饥荒 ”的参保人选择较高缴费水平的概率要显著更高 23.2%。这与 Famine_yes 的整体效应为正相契合。 控制变量中， 综合 A 栏、 B 栏的全样本回归结果来看， 是否居住在城市 （Urban）、 是否是破损家庭 （Family_bro ） 、 是否拥有宗教信仰 （Religion）、家 庭 规 模（ Family_ size） 、受教育年限 （Education） 、家庭年收入 （Family_income）始终显著影响参 保户缴费档次的选择 。其中 Urban 在 1% 水平显著为正影响缴费档次的选择 ，即如

40、果参保户现居于城市 ，则更倾向于缴纳较高水平的养老保险 。考虑到破损家庭对认 知的影响 ，本文纳入了是否离婚和丧偶的虚拟变量 Family_bro，该变量同样保持很 强的显著性 。说明农户如果遭遇离婚或丧偶 ，更倾向于缴纳较低水平的保费 。宗教 信仰始终显著负向影响缴费意愿 。即有宗教信仰的农户更倾向于缴纳较低的保费 。 此外 ，家庭规模 （Family_size）对缴费档次的选择具有显著负向影响 。这是因为家 庭养老与社会养老之间存在一定的替代关系 （张川川和陈斌开 ，2014） 30 。身体 状况不健康 （Unhealthy）的更倾向于选择较低的缴费档次 。Family_income 均显

41、著 正向影响缴费档次的选择 ，说明家庭年收入越高 ，更有可能选择较高档次的缴费水 平 。灯光密度 （light）的回归系数都在 1% 水平显著为正 ，而灯光密度越高表明地 区经济越发达，对应的参保人选择高档次缴费的概率越高。这些都符合常理。 4.3 稳健性检验 由上述结果可知 ，如果参保户经历过 “大饥荒 ” ，则更有可能缴纳较高水平的 养老保险费 。并且其影响不同出生队列对参保缴费档次的选择效应也不同 。尽管如 此， 仍可能存在一些问题影响分析结果 ： （1） 是否没有控制住其它因素的影响 ； （2） 实证结果是否仅仅是由时间趋势造成的 ； （3） 是否存在内生性问题。 对应进行如下破解“新

42、农保”象征性缴费陷阱 56 科学决策 2018.07 的稳健性检验。 （1 ）增加控制变量的稳健性检验 。 “新农保 ”作为重大民生工程 ，本质上反映 了个人的风险态度。上述回归结果没有考虑医疗保险、是否从事农业生产、饮用水对 风险偏好的影响。因此，为检验结论的可信度，本文又增加了 3 个新的控制变量，分 别是医疗保险 （M_insurance） 、是否从事农业生产工作 （Agriculture）与煮饭用水是 否为自来水 （Cookingwater）。 表 6 报告了增加控制变量之后 4 个模型的结果 。结果 显示 ，新纳入的控制变量均在 1% 水平下显著影响参保缴费水平 。所有模型的拟合优

43、度均有上升， 且实证分析结果与前述结论保持一致。 这说明表 5 的实证结果是稳健的。 表 5 增加控制变量后的模型回归结果 解释变量 (1) (2) (3) (4) Oprobit Oprobit Oprobit Oprobit Famine_yes 0.215 * (0.065) 0.258 * (0.071) 0.636 * (0.154) Famine_time 0.154 * (0.039) Index 0.346 * (0.188) Famine_yes * Famine_time -0.102 (0.070) Famine_yes * Index -1.050 * (0.349)

44、Cohort 1 -0.108 (0.077) Cohort 2 0.226 * (0.060) Cohort 3 -0.023 ( 0.058) M_insurance -0.265 * (0.081) -0.258 * (0.081) -0.267 * (0.080) -0.268 * (0.081) Agriculture -0.237 * (0.042)-0.240 * (0.041) -0.243 * (0.042) -0.239 * (0.041) Cookingwater 0.141 * (0.032) 0.141 * (0.032) 0.140 * (0.032) 0.144

45、* (0.032) Other Variables Controlled Controlled Controlled Controlled N 10931 10931 10931 10928R 2 _p 0.035 0.036 0.036 0.035 注：() 内是 t 值， * 、 * 、 * 分别表示在 10%、5% 和 1% 水平显著。破解“新农保”象征性缴费陷阱 2018.07 科学决策 57 （2）Placebo 检验。 从 Placebo 试验的角度对上述实证结果进行稳健性检验。 通 过上述实证结果发现 “大饥荒 ”经历对参保缴费档次的选择存在影响 。但这种影响 是否确切产生于饥荒

46、经历 ？如果存在遗漏变量 ，导致不同省 （区）在缴费档次的选 择上表现出不同的趋势 ，那么也可能出现类似于前文的实证结果 。因此 ，有必要进 行 Placebo 检验 。大致思路如下 ：如果不同地区在参保决策上的差异是由某些遗漏 变量造成的， 且这些变量在 “大饥荒” 之后继续发生作用， 那么选取那些未经历 “大 饥荒 ”参保户进行回归就该得到与前文一致的估计结果 。具体操作如下 ：将变量 Famine_yes 改成 1949 年前与 1961 年后出生的受访者 ，Cohort 1 改成 1961-1965 年出 生的，Cohort 2 改成 1966-1970 年出生的，Cohort 3 改

47、成 1970 年之后出生的。 通过表 8， 我们发现 Famine_yes 在模型 （1）、模 型（2）、模 型（3） 中依然保 持显著， 但是作用方向却发生了逆转。 此外， 模型 （4） 中幼儿组的可决系数方向也 发生逆转 。可见 ，Placebo 检验结果与全样本回归结果不一致 ，即缴费行为上的差异 并不是由于遗漏的外生变量造成的。 表 6 Placebo Test 结果 解释变量 (1) (2) (3) (4) Oprobit Oprobit Oprobit Oprobit Famine_yes -0.250 * (0.064) -0.301 * (0.071) -0.582 * (0.

48、150) Famine_time 0.052 (0.058) Index -0.946 * (0.285) Famine_yes * Famine_time 0.126 * (0.070) Famine_yes * Index 0.861 * (0.335) Cohort 1 -0.214 * (0.076) -0.209 * (0.075) Cohort 2 -0.460 * (0.097) -0.399 * (0.096) Cohort 3 -0.341 * ( 0.120) -0.274 * (0.119) Other Variables Controlled Controlled Controlled Controlled N 10931 10931 10931 10931 R 2 _p 0.0248 0.0267 0.0261 0.0255 注：() 内是 t 值， * 、 * 、 * 分别表示在 10%、5% 和 1% 水平显著。