商业养老保险增收效应分析

目前，中国的养老保障体系包括三大层次，一是满足居民基本养老生活需求的、强制性的基础养老金体系；二是由企业建立发起的，自愿性质的企业年金养老金体系；三是以自愿为前提的个人储蓄型的补充养老金体系。商业养老保险税收优惠政策在经过多轮论证后终于落地实施相关试点，为商业养老保险的发展奠定了基础。商业养老保险平衡了工作时和退休后的收入，保障老年人对于更高生活水平的需求。本文的关注重心是商业养老保险，着重分析商业养老保险在老年人退休所产生的收入增收作用，期待商业养老保险能够良序健康发展，为构建更加完善的多层次养老保险体系添砖加瓦。收入与寿险需求的相关关系在理论界主要有两种观点，一种是“莫森悖论”，另一种是“生命价值理论”。“莫森悖论”认为[1]：一个人拥有的财富越多，则保险需求越少。而“生命价值理论”认为：一个人在工作时可以将人力资本转化为金融资本，在其退休后可以将金融资本兑现，寿险可以视为经济生命的延续，该理论为现代寿险的发展奠定了理论基础。宏观层面关于收入与寿险关系的研究一般聚焦于社会经济的发展，大部分学者的实证研究均支持收入对寿险具有正向影响。唐广应等（2016）[2]、杜薇（2017）[3]使用时间序列数据，通过回归分析，均发现寿险业发展与居民生活水平呈现正相关。徐佳和龚六堂（2016）[4]等基于2011年全国25省家庭调查微观数据的研究表明，保险作为家庭财富的一种象征正在随着居民生活水平的提高而提高。部分学者研究结论有所不同。毕泗锋和孙秀清[5]（2016）[5]使用中国省区2002—2013年面板数据的研究表明，保障型寿险收入弹性随着地区的不同而呈现出不同的弹性系数。纵观国内外的研究，发现研究商业养老保险的文献大部分聚焦于收入对于商业养老保险参保的影响，而研究参保商业养老保险对于老年退休后收入的影响的研究暂时较少，故本文立足于此，基于全国综合性微观调查数据，验证商业养老保险对老年人个人收入的增收效应。

1数据来源与样本选择

本文所选取的数据来自于中国综合社会调查项目（CGSS）2015年的调查数据。在本文的研究中，相关因变量的问卷设置为“您个人去年（2014年）全年的总收入是多少？”。本文旨在研究参加商业养老保险是否在老年人退休后有明显的增收效应，同时参考相关商业保险公司对于商业养老保险金的领取年龄要求，故样本仅限于所截取的男60岁女55岁及以上的样本家庭。在整理原始数据，删除了不符合要求的样本及缺失记录后，得到包含被调查对象基本指标特征的调查样本为3304户。

2模型设定与变量说明

2.1OLS多元线性回归。参考以往研究[6]，为了验证商业养老保险对于老年群体退休后的收入效应，本文首先建立多元回归方程进行检验。本文根据居民是否参与商业养老保险分为参保组和未参保组，分别对两组进行OLS多元线性回归分析，并参考明瑟收入函数建立多元线性回归模型：1n(y)=β0+β1insurance+β2X+εE(ε)=0其中，1n(y)是结果变量；β0表示常数项;β1为在控制其他条件保持不变的情况下，参加了商业养老保险对比没有参加商业养老保险收入所增加的百分比;insurance是处理变量，代表是否参加商业养老保险；X为其他控制变量组成的协变量矩阵；β2为其协变量矩阵的系数，具体的X分别包括:性别、年龄、婚姻状况、教育程度、健康状况、户籍。ε代表误差项，误差项的分布符合正态分布。结果变量。y表示个人年收入，将其取对数处理，1n(y)是最终的结果变量处理变量。本文主要研究参加商业养老保险对老年人收入的影响，因此选择“是否参加商业养老保险”（insur-ance）作为处理变量，insurance=1表示参加商业养老保险的居民（下文简称为实验组），insurance=0表示没有参加商业养老保险的居民（下文简称对照组）。一个基本的假设是根据现实情况判断，居民在退休后，基本不再有工资性的收入，而养老金的收入将是其收入的主要来源，所以参加商业养老保险能够显著提高老年人的收入水平。相关控制变量。大量的实证研究[7，8]表明人力资本和户籍因素会显著地影响居民的收入。本文在引入是否参保这个核心变量之后，进一步考虑居民之间的异质性特征，考察在引入新的变量之后，商业养老保险的收入效应是否还存在。具体来说，本文引入的人力资本因素包括健康状况和教育程度。户籍因素方面由于户籍改革，统一将农业户口与居民户口中以前是农业户口的统称为农村户口，其他的为城镇户口。具体的变量设定见表1。2.2倾向得分匹配法。根据相关计量经济学的理论，当我们需要评估某政策或项目实施后的效应，这里所谓的项目效应称之为处理效应。具体的处理方法可以把项目参与者设置成实验组，而未参与项目者设置成控制组，为了正确地评估参与商业养老保险的处理效应，一个自然的做法是直接比较参保组和未参保组的收入，但考虑到一种情况，是否参与商业养老保险不是随机产生的，而是自我选择的结果，那么采用OLS分析方法估计出来的商业养老保险的收入效应可能有偏。另外尽管在模型中引入了居民异质性特征控制变量，但遗漏变量的存在不可避免，导致收入差异的其他特征因素不能被完全分离出来。为了解决这些问题，故尝试使用倾向匹配得分法来估计参加商业养老保险的收入效应，该方法与OLS回归分析具有一定的关联性，以虚拟变量Di{0，1}表示个体i是否参加商业养老保险，即1为参与，0为未参与，以Yi表示居民收入，那么Y1i表示参加商业养老保险的居民的收入，Y0i表示未参加商业养老保险的居民的收入，令X表示性别、年龄、婚姻、教育等其他自变量，采用OLS回归估算出的结果实际为:E(Y1i/X|Di=1)-E(Y0i/X|Di=0)将其展开: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)表示参与者平均处理效应(AverageTreatmentEffectontheTreated，ATT)，实际意义是“参保组”居民的收入与“未参保组”居民的收取差异，反映了是否参与商业养老保险对于个人年收入的独立影响，正是得到的无偏估计结果，另外E(Y1i/X|Di=0)-E(Y0i/X|Di=0)表示选择性偏差，实际意义是“参保组”居民假设没有参加商业养老保险所得到的年收入与那些实际“未参保组”居民得到的年收入的差异，基于此，可以得出结论，在传统的OLS回归模型中不仅有ATT，即是否参加商业养老保险造成的收入差异，还包括选择性偏误导致的OLS回归偏差[9]。ATT即为本文需要的结果，即需要准确估计E(Y1/X|Di=1)和E(Y0/X|Di=1)的数值，E(Y1/X|Di=1)的取值根据相关公式比较容易估计，但是E(Y0/X|Di=1)，即“参保组”居民假设没有参加商业养老保险所得到的年收入值为反事实状态，一般无法获取，因此利用倾向得分匹配处理。可观察的异质性问题在采用倾向得分匹配的方法后可以得到处理，具体方法是找到投保个体与未投保个体特征相似的样本，分析他们处于相反的状态下的收入水平。由于经过匹配处理后，处理组（投保个体）和控制组（未投保个体）的个体特征等是一致的，因此减少了由于自我选择导致的偏差问题。倾向得分匹配法的基本思路为:利用Logit模型估计出每位居民参保概率，将实验组和控制组中倾向性得分相同或相近的农村居民样本进行匹配，两者的收入之差就是ATT。

3实证结果分析

3.1多元线性回归结果。表2（见下页）列出了多元线性回归的相关结果。如表2所示，基于CGSS微观数据，一个基本的结论是居民参与商业养老保险能够显著提高其在老年退休后的收入水平。具体来看，从表2模型（1）可知，在控制了人口统计学特征后，与“未参保”组个人相比较，参加了商业养老保险的个人在其老年后收入增加幅度达到82.21%，并且如表2的模型（2）和模型（3）所示，在引入了人力资本和户籍相关变量之后，发现参加商业养老保险对于老年人的收入增幅达到55.24%和25.02%，三者的商业养老保险的回归系数均在1%的显著性水平上显著，模型的拟合优度R-squared从3.62%上升到了25.44%最终上升到41.48%，加入了人力资本和户籍因素后模型的解释度更高。模型（1）至模型（3）在加入了不同的控制变量后商业养老保险的系数发生了显著的变化，对比以往的相关研究[10]其在研究城乡居民保险的收入效应时，在模型中依次加入了人力资本和社会资本后相关研究变量的系数没有发生显著变化，一个比较可信的解释是城乡居民养老保险属于基本养老保险，有一定的普及性，即使不同居民之间存在明显的异质性，但“自我选择”没有特别明显的影响参保结果，而商业养老保险属于补充养老保险，其是否参保更多地受到“自我选择”的影响，所以在加入了人力资本和户籍后系数发生了大幅度的变化，但总体来看商业养老保险的增收效应仍然十分具有统计学意义。3.2倾向得分匹配估计结果。3.2.1城乡居民基本养老保险制度对家庭收入的影响。上文用传统的OLS回归模型已经证明参加商业养老保险会对老年人的收入产生明显的正向促进作用，但也存在非常严重的“自我选择”偏差和内生性问题，因此为了解决这些问题，本文在控制了居民的异质性特征基础上，再次使用PSM倾向得分匹配模型去验证商业养老保险对于老年人收入的促进作用。本文选择的匹配变量主要包括性别、年龄、婚姻、教育、健康、户籍等，相关的系数估计值如表3所示，经过近邻匹配一对四匹配后实验组的平均处理效应ATT达到39.17%，且对应的T值为3.46，远远大于1.96的临界值，故显著。通过两个模型的对比可以发现，无论是传统的OLS多元回归模型还是PSM倾向得分匹配，商业养老保险对老年人收入有促进作用的结论依然成立，并且使用传统OLS模型显然是低估了商业养老保险对于老年人收入的增收作用，大概低估了14%左右，这也从侧面说明传统的OLS多元回归存在居民的“自我选择”偏误，而用PSM倾向得分匹配后，很好地平衡了居民的“自我选择”偏误，从而得出更为准确的结果。此外本文参考文献[9]进一步使用半径匹配法和核匹配法对数据进行匹配，比较各个不同匹配方法得出的系数发现各个系数差别不大且都明显显著，说明应用了PSM倾向得分匹配后不但能够消除居民“自我选择”偏误，且结果具有稳健性。3.2.2匹配的平衡性检验。为了检验倾向得分是否很好地匹配了实验组与控制组，需要进行平衡性检验，以确定匹配后的实验组与控制组不再存在明显的系统差别[11]。如表4所示，是三种不同匹配法得出的检验结果。如表4所示，匹配前，参加商业养老保险的居民和未参加商业养老保险的居民的个体特征存在着显著差异，而匹配后的结果中，大多数变量的标准化偏差（%bias）小于10%，且所有变量的t检验的结果均大于5%，不拒绝实验组与控制组无系统差异的原假设，也就是说，经过倾向得分匹配后居民之间的个体禀赋特征是一致的。图1至图3分别表示平衡性条件的检验结果，不同变量在匹配前与匹配后的标准化偏差，显然在匹配前的标准化偏差较大，而匹配后大部分变量都集中在0周围，标准化偏差显著下降，同样能够说明匹配程度良好。

4结论及建议

本文基于2015年中国综合社会状况调查，验证得出参与商业养老保险对于个人具有明显的收入效应，增收幅度在25%左右，在经过倾向得分匹配后得到处理效应为39%，故传统的多元线性回归低估了商业养老保险对老年人收入的增收效应，大致低估了14%左右。为了更好地促进我国补充养老金的发展，使商业养老保险造福于民，本文提出以下建议：第一，做好制度的顶层设计，完善商业养老保险税收优惠政策，规范资本市场。具体的税收优惠形式包括EET(税前缴费)和TEE（税后缴费）两种，EET适合正规部门就业人群，而TEE型个人账户比较适合灵活就业群体，制定两种税收优惠的双向政策是保障各个群体利益的重要方式。同时只依赖税收优惠政策也是不够的，要实现商业养老保险的长远发展，需要资金的保值增值，而资金在市场上投资需要完善成熟的资本市场，这是一个资本市场与保险资金相互促进、良性互动的过程。第二，建立完善的制度监督与业务监管机制，预防商业养老保险在投资运营中面临的各种风险。商业养老保险作为一种比较特殊的保险，具有投资周期长、安全性要求高、收益要求稳定的特点，但是其投资与运营依托市场，对于经济波动非常敏感，应当设立一套完整的市场风险评估体系，合理配置保险投资组合，避免非系统性风险，减少系统性风险产生的损失，保障资金的安全平稳运行。同时在制度运行中也要进行有效的业务监管，遏制诸如提前退休、伪造投保资料等投机性行为，防止商业养老保险成为高收入人群避税的途径。第三，规范商业养老保险相关公司与从业人员的行为，确保市场良序健康发展。保险在中国已经发展了三十多年，但是由于保险市场自身发展不完善等问题，导致人民群众对于保险仍然持一种怀疑的态度，产生信任危机。商业养老保险作为多层次养老金中的重要组成，一定要深刻反思其他保险在发展中产生的诸多问题，建立一套严格且有效的行业规范准则。

作者:李杰 黄春杰 单位:青岛大学