導(dǎo)語：商業(yè)養(yǎng)老保險增收效應(yīng)分析一文來源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

目前，中國的養(yǎng)老保障體系包括三大層次，一是滿足居民基本養(yǎng)老生活需求的、強(qiáng)制性的基礎(chǔ)養(yǎng)老金體系；二是由企業(yè)建立發(fā)起的，自愿性質(zhì)的企業(yè)年金養(yǎng)老金體系；三是以自愿為前提的個人儲蓄型的補(bǔ)充養(yǎng)老金體系。商業(yè)養(yǎng)老保險稅收優(yōu)惠政策在經(jīng)過多輪論證后終于落地實(shí)施相關(guān)試點(diǎn)，為商業(yè)養(yǎng)老保險的發(fā)展奠定了基礎(chǔ)。商業(yè)養(yǎng)老保險平衡了工作時和退休后的收入，保障老年人對于更高生活水平的需求。本文的關(guān)注重心是商業(yè)養(yǎng)老保險，著重分析商業(yè)養(yǎng)老保險在老年人退休所產(chǎn)生的收入增收作用，期待商業(yè)養(yǎng)老保險能夠良序健康發(fā)展，為構(gòu)建更加完善的多層次養(yǎng)老保險體系添磚加瓦。收入與壽險需求的相關(guān)關(guān)系在理論界主要有兩種觀點(diǎn)，一種是“莫森悖論”，另一種是“生命價值理論”?！澳Ｕ摗闭J(rèn)為[1]：一個人擁有的財富越多，則保險需求越少。而“生命價值理論”認(rèn)為：一個人在工作時可以將人力資本轉(zhuǎn)化為金融資本，在其退休后可以將金融資本兌現(xiàn)，壽險可以視為經(jīng)濟(jì)生命的延續(xù)，該理論為現(xiàn)代壽險的發(fā)展奠定了理論基礎(chǔ)。宏觀層面關(guān)于收入與壽險關(guān)系的研究一般聚焦于社會經(jīng)濟(jì)的發(fā)展，大部分學(xué)者的實(shí)證研究均支持收入對壽險具有正向影響。唐廣應(yīng)等（2016）[2]、杜薇（2017）[3]使用時間序列數(shù)據(jù)，通過回歸分析，均發(fā)現(xiàn)壽險業(yè)發(fā)展與居民生活水平呈現(xiàn)正相關(guān)。徐佳和龔六堂（2016）[4]等基于2011年全國25省家庭調(diào)查微觀數(shù)據(jù)的研究表明，保險作為家庭財富的一種象征正在隨著居民生活水平的提高而提高。部分學(xué)者研究結(jié)論有所不同。畢泗鋒和孫秀清[5]（2016）[5]使用中國省區(qū)2002—2013年面板數(shù)據(jù)的研究表明，保障型壽險收入彈性隨著地區(qū)的不同而呈現(xiàn)出不同的彈性系數(shù)。縱觀國內(nèi)外的研究，發(fā)現(xiàn)研究商業(yè)養(yǎng)老保險的文獻(xiàn)大部分聚焦于收入對于商業(yè)養(yǎng)老保險參保的影響，而研究參保商業(yè)養(yǎng)老保險對于老年退休后收入的影響的研究暫時較少，故本文立足于此，基于全國綜合性微觀調(diào)查數(shù)據(jù)，驗證商業(yè)養(yǎng)老保險對老年人個人收入的增收效應(yīng)。

1數(shù)據(jù)來源與樣本選擇

本文所選取的數(shù)據(jù)來自于中國綜合社會調(diào)查項目（CGSS）2015年的調(diào)查數(shù)據(jù)。在本文的研究中，相關(guān)因變量的問卷設(shè)置為“您個人去年（2014年）全年的總收入是多少？”。本文旨在研究參加商業(yè)養(yǎng)老保險是否在老年人退休后有明顯的增收效應(yīng)，同時參考相關(guān)商業(yè)保險公司對于商業(yè)養(yǎng)老保險金的領(lǐng)取年齡要求，故樣本僅限于所截取的男60歲女55歲及以上的樣本家庭。在整理原始數(shù)據(jù)，刪除了不符合要求的樣本及缺失記錄后，得到包含被調(diào)查對象基本指標(biāo)特征的調(diào)查樣本為3304戶。

2模型設(shè)定與變量說明

2.1OLS多元線性回歸。參考以往研究[6]，為了驗證商業(yè)養(yǎng)老保險對于老年群體退休后的收入效應(yīng)，本文首先建立多元回歸方程進(jìn)行檢驗。本文根據(jù)居民是否參與商業(yè)養(yǎng)老保險分為參保組和未參保組，分別對兩組進(jìn)行OLS多元線性回歸分析，并參考明瑟收入函數(shù)建立多元線性回歸模型：1n(y)=β0+β1insurance+β2X+εE(ε)=0其中，1n(y)是結(jié)果變量；β0表示常數(shù)項;β1為在控制其他條件保持不變的情況下，參加了商業(yè)養(yǎng)老保險對比沒有參加商業(yè)養(yǎng)老保險收入所增加的百分比;insurance是處理變量，代表是否參加商業(yè)養(yǎng)老保險；X為其他控制變量組成的協(xié)變量矩陣；β2為其協(xié)變量矩陣的系數(shù)，具體的X分別包括:性別、年齡、婚姻狀況、教育程度、健康狀況、戶籍。ε代表誤差項，誤差項的分布符合正態(tài)分布。結(jié)果變量。y表示個人年收入，將其取對數(shù)處理，1n(y)是最終的結(jié)果變量處理變量。本文主要研究參加商業(yè)養(yǎng)老保險對老年人收入的影響，因此選擇“是否參加商業(yè)養(yǎng)老保險”（insur-ance）作為處理變量，insurance=1表示參加商業(yè)養(yǎng)老保險的居民（下文簡稱為實(shí)驗組），insurance=0表示沒有參加商業(yè)養(yǎng)老保險的居民（下文簡稱對照組）。一個基本的假設(shè)是根據(jù)現(xiàn)實(shí)情況判斷，居民在退休后，基本不再有工資性的收入，而養(yǎng)老金的收入將是其收入的主要來源，所以參加商業(yè)養(yǎng)老保險能夠顯著提高老年人的收入水平。相關(guān)控制變量。大量的實(shí)證研究[7，8]表明人力資本和戶籍因素會顯著地影響居民的收入。本文在引入是否參保這個核心變量之后，進(jìn)一步考慮居民之間的異質(zhì)性特征，考察在引入新的變量之后，商業(yè)養(yǎng)老保險的收入效應(yīng)是否還存在。具體來說，本文引入的人力資本因素包括健康狀況和教育程度。戶籍因素方面由于戶籍改革，統(tǒng)一將農(nóng)業(yè)戶口與居民戶口中以前是農(nóng)業(yè)戶口的統(tǒng)稱為農(nóng)村戶口，其他的為城鎮(zhèn)戶口。具體的變量設(shè)定見表1。2.2傾向得分匹配法。根據(jù)相關(guān)計量經(jīng)濟(jì)學(xué)的理論，當(dāng)我們需要評估某政策或項目實(shí)施后的效應(yīng)，這里所謂的項目效應(yīng)稱之為處理效應(yīng)。具體的處理方法可以把項目參與者設(shè)置成實(shí)驗組，而未參與項目者設(shè)置成控制組，為了正確地評估參與商業(yè)養(yǎng)老保險的處理效應(yīng)，一個自然的做法是直接比較參保組和未參保組的收入，但考慮到一種情況，是否參與商業(yè)養(yǎng)老保險不是隨機(jī)產(chǎn)生的，而是自我選擇的結(jié)果，那么采用OLS分析方法估計出來的商業(yè)養(yǎng)老保險的收入效應(yīng)可能有偏。另外盡管在模型中引入了居民異質(zhì)性特征控制變量，但遺漏變量的存在不可避免，導(dǎo)致收入差異的其他特征因素不能被完全分離出來。為了解決這些問題，故嘗試使用傾向匹配得分法來估計參加商業(yè)養(yǎng)老保險的收入效應(yīng)，該方法與OLS回歸分析具有一定的關(guān)聯(lián)性，以虛擬變量Di{0，1}表示個體i是否參加商業(yè)養(yǎng)老保險，即1為參與，0為未參與，以Yi表示居民收入，那么Y1i表示參加商業(yè)養(yǎng)老保險的居民的收入，Y0i表示未參加商業(yè)養(yǎng)老保險的居民的收入，令X表示性別、年齡、婚姻、教育等其他自變量，采用OLS回歸估算出的結(jié)果實(shí)際為:E(Y1i/X|Di=1)-E(Y0i/X|Di=0)將其展開:E(Y1i/X|Di=1)-E(Y0i/X|Di=1)+E(Y1i/X|Di=0)-E(Y0i/X|Di=0)其中E(Y1i/X|Di=1)-E(Y0i/X|Di=1)表示參與者平均處理效應(yīng)(AverageTreatmentEffectontheTreated，ATT)，實(shí)際意義是“參保組”居民的收入與“未參保組”居民的收取差異，反映了是否參與商業(yè)養(yǎng)老保險對于個人年收入的獨(dú)立影響，正是得到的無偏估計結(jié)果，另外E(Y1i/X|Di=0)-E(Y0i/X|Di=0)表示選擇性偏差，實(shí)際意義是“參保組”居民假設(shè)沒有參加商業(yè)養(yǎng)老保險所得到的年收入與那些實(shí)際“未參保組”居民得到的年收入的差異，基于此，可以得出結(jié)論，在傳統(tǒng)的OLS回歸模型中不僅有ATT，即是否參加商業(yè)養(yǎng)老保險造成的收入差異，還包括選擇性偏誤導(dǎo)致的OLS回歸偏差[9]。ATT即為本文需要的結(jié)果，即需要準(zhǔn)確估計E(Y1/X|Di=1)和E(Y0/X|Di=1)的數(shù)值，E(Y1/X|Di=1)的取值根據(jù)相關(guān)公式比較容易估計，但是E(Y0/X|Di=1)，即“參保組”居民假設(shè)沒有參加商業(yè)養(yǎng)老保險所得到的年收入值為反事實(shí)狀態(tài)，一般無法獲取，因此利用傾向得分匹配處理?？捎^察的異質(zhì)性問題在采用傾向得分匹配的方法后可以得到處理，具體方法是找到投保個體與未投保個體特征相似的樣本，分析他們處于相反的狀態(tài)下的收入水平。由于經(jīng)過匹配處理后，處理組（投保個體）和控制組（未投保個體）的個體特征等是一致的，因此減少了由于自我選擇導(dǎo)致的偏差問題。傾向得分匹配法的基本思路為:利用Logit模型估計出每位居民參保概率，將實(shí)驗組和控制組中傾向性得分相同或相近的農(nóng)村居民樣本進(jìn)行匹配，兩者的收入之差就是ATT。

3實(shí)證結(jié)果分析

3.1多元線性回歸結(jié)果。表2（見下頁）列出了多元線性回歸的相關(guān)結(jié)果。如表2所示，基于CGSS微觀數(shù)據(jù)，一個基本的結(jié)論是居民參與商業(yè)養(yǎng)老保險能夠顯著提高其在老年退休后的收入水平。具體來看，從表2模型（1）可知，在控制了人口統(tǒng)計學(xué)特征后，與“未參保”組個人相比較，參加了商業(yè)養(yǎng)老保險的個人在其老年后收入增加幅度達(dá)到82.21%，并且如表2的模型（2）和模型（3）所示，在引入了人力資本和戶籍相關(guān)變量之后，發(fā)現(xiàn)參加商業(yè)養(yǎng)老保險對于老年人的收入增幅達(dá)到55.24%和25.02%，三者的商業(yè)養(yǎng)老保險的回歸系數(shù)均在1%的顯著性水平上顯著，模型的擬合優(yōu)度R-squared從3.62%上升到了25.44%最終上升到41.48%，加入了人力資本和戶籍因素后模型的解釋度更高。模型（1）至模型（3）在加入了不同的控制變量后商業(yè)養(yǎng)老保險的系數(shù)發(fā)生了顯著的變化，對比以往的相關(guān)研究[10]其在研究城鄉(xiāng)居民保險的收入效應(yīng)時，在模型中依次加入了人力資本和社會資本后相關(guān)研究變量的系數(shù)沒有發(fā)生顯著變化，一個比較可信的解釋是城鄉(xiāng)居民養(yǎng)老保險屬于基本養(yǎng)老保險，有一定的普及性，即使不同居民之間存在明顯的異質(zhì)性，但“自我選擇”沒有特別明顯的影響參保結(jié)果，而商業(yè)養(yǎng)老保險屬于補(bǔ)充養(yǎng)老保險，其是否參保更多地受到“自我選擇”的影響，所以在加入了人力資本和戶籍后系數(shù)發(fā)生了大幅度的變化，但總體來看商業(yè)養(yǎng)老保險的增收效應(yīng)仍然十分具有統(tǒng)計學(xué)意義。3.2傾向得分匹配估計結(jié)果。3.2.1城鄉(xiāng)居民基本養(yǎng)老保險制度對家庭收入的影響。上文用傳統(tǒng)的OLS回歸模型已經(jīng)證明參加商業(yè)養(yǎng)老保險會對老年人的收入產(chǎn)生明顯的正向促進(jìn)作用，但也存在非常嚴(yán)重的“自我選擇”偏差和內(nèi)生性問題，因此為了解決這些問題，本文在控制了居民的異質(zhì)性特征基礎(chǔ)上，再次使用PSM傾向得分匹配模型去驗證商業(yè)養(yǎng)老保險對于老年人收入的促進(jìn)作用。本文選擇的匹配變量主要包括性別、年齡、婚姻、教育、健康、戶籍等，相關(guān)的系數(shù)估計值如表3所示，經(jīng)過近鄰匹配一對四匹配后實(shí)驗組的平均處理效應(yīng)ATT達(dá)到39.17%，且對應(yīng)的T值為3.46，遠(yuǎn)遠(yuǎn)大于1.96的臨界值，故顯著。通過兩個模型的對比可以發(fā)現(xiàn)，無論是傳統(tǒng)的OLS多元回歸模型還是PSM傾向得分匹配，商業(yè)養(yǎng)老保險對老年人收入有促進(jìn)作用的結(jié)論依然成立，并且使用傳統(tǒng)OLS模型顯然是低估了商業(yè)養(yǎng)老保險對于老年人收入的增收作用，大概低估了14%左右，這也從側(cè)面說明傳統(tǒng)的OLS多元回歸存在居民的“自我選擇”偏誤，而用PSM傾向得分匹配后，很好地平衡了居民的“自我選擇”偏誤，從而得出更為準(zhǔn)確的結(jié)果。此外本文參考文獻(xiàn)[9]進(jìn)一步使用半徑匹配法和核匹配法對數(shù)據(jù)進(jìn)行匹配，比較各個不同匹配方法得出的系數(shù)發(fā)現(xiàn)各個系數(shù)差別不大且都明顯顯著，說明應(yīng)用了PSM傾向得分匹配后不但能夠消除居民“自我選擇”偏誤，且結(jié)果具有穩(wěn)健性。3.2.2匹配的平衡性檢驗。為了檢驗傾向得分是否很好地匹配了實(shí)驗組與控制組，需要進(jìn)行平衡性檢驗，以確定匹配后的實(shí)驗組與控制組不再存在明顯的系統(tǒng)差別[11]。如表4所示，是三種不同匹配法得出的檢驗結(jié)果。如表4所示，匹配前，參加商業(yè)養(yǎng)老保險的居民和未參加商業(yè)養(yǎng)老保險的居民的個體特征存在著顯著差異，而匹配后的結(jié)果中，大多數(shù)變量的標(biāo)準(zhǔn)化偏差（%bias）小于10%，且所有變量的t檢驗的結(jié)果均大于5%，不拒絕實(shí)驗組與控制組無系統(tǒng)差異的原假設(shè)，也就是說，經(jīng)過傾向得分匹配后居民之間的個體稟賦特征是一致的。圖1至圖3分別表示平衡性條件的檢驗結(jié)果，不同變量在匹配前與匹配后的標(biāo)準(zhǔn)化偏差，顯然在匹配前的標(biāo)準(zhǔn)化偏差較大，而匹配后大部分變量都集中在0周圍，標(biāo)準(zhǔn)化偏差顯著下降，同樣能夠說明匹配程度良好。

4結(jié)論及建議

本文基于2015年中國綜合社會狀況調(diào)查，驗證得出參與商業(yè)養(yǎng)老保險對于個人具有明顯的收入效應(yīng)，增收幅度在25%左右，在經(jīng)過傾向得分匹配后得到處理效應(yīng)為39%，故傳統(tǒng)的多元線性回歸低估了商業(yè)養(yǎng)老保險對老年人收入的增收效應(yīng)，大致低估了14%左右。為了更好地促進(jìn)我國補(bǔ)充養(yǎng)老金的發(fā)展，使商業(yè)養(yǎng)老保險造福于民，本文提出以下建議：第一，做好制度的頂層設(shè)計，完善商業(yè)養(yǎng)老保險稅收優(yōu)惠政策，規(guī)范資本市場。具體的稅收優(yōu)惠形式包括EET(稅前繳費(fèi))和TEE（稅后繳費(fèi)）兩種，EET適合正規(guī)部門就業(yè)人群，而TEE型個人賬戶比較適合靈活就業(yè)群體，制定兩種稅收優(yōu)惠的雙向政策是保障各個群體利益的重要方式。同時只依賴稅收優(yōu)惠政策也是不夠的，要實(shí)現(xiàn)商業(yè)養(yǎng)老保險的長遠(yuǎn)發(fā)展，需要資金的保值增值，而資金在市場上投資需要完善成熟的資本市場，這是一個資本市場與保險資金相互促進(jìn)、良性互動的過程。第二，建立完善的制度監(jiān)督與業(yè)務(wù)監(jiān)管機(jī)制，預(yù)防商業(yè)養(yǎng)老保險在投資運(yùn)營中面臨的各種風(fēng)險。商業(yè)養(yǎng)老保險作為一種比較特殊的保險，具有投資周期長、安全性要求高、收益要求穩(wěn)定的特點(diǎn)，但是其投資與運(yùn)營依托市場，對于經(jīng)濟(jì)波動非常敏感，應(yīng)當(dāng)設(shè)立一套完整的市場風(fēng)險評估體系，合理配置保險投資組合，避免非系統(tǒng)性風(fēng)險，減少系統(tǒng)性風(fēng)險產(chǎn)生的損失，保障資金的安全平穩(wěn)運(yùn)行。同時在制度運(yùn)行中也要進(jìn)行有效的業(yè)務(wù)監(jiān)管，遏制諸如提前退休、偽造投保資料等投機(jī)性行為，防止商業(yè)養(yǎng)老保險成為高收入人群避稅的途徑。第三，規(guī)范商業(yè)養(yǎng)老保險相關(guān)公司與從業(yè)人員的行為，確保市場良序健康發(fā)展。保險在中國已經(jīng)發(fā)展了三十多年，但是由于保險市場自身發(fā)展不完善等問題，導(dǎo)致人民群眾對于保險仍然持一種懷疑的態(tài)度，產(chǎn)生信任危機(jī)。商業(yè)養(yǎng)老保險作為多層次養(yǎng)老金中的重要組成，一定要深刻反思其他保險在發(fā)展中產(chǎn)生的諸多問題，建立一套嚴(yán)格且有效的行業(yè)規(guī)范準(zhǔn)則。

作者:李杰 黃春杰 單位:青島大學(xué)