我國基本養(yǎng)老保險制度的影響因素探究
——基于短面板數(shù)據(jù)

耿 娟，郭美伶

(河北經(jīng)貿(mào)大學(xué)，河北 石家莊 050061)

一、引言

基本養(yǎng)老保險制度對退休公民的基礎(chǔ)生活起著重要的保障作用。十九大報告中對養(yǎng)老保險的期冀對我國目前的養(yǎng)老保險制度提出了更高的要求以及更加清晰的發(fā)展導(dǎo)向。近些年來，人口構(gòu)造比的老齡化特征逐年顯現(xiàn)，由此帶來的離退休費用的攀升以及基金支付期限的延長等諸多問題使我國基本養(yǎng)老保險制度面臨著巨大的挑戰(zhàn)。因此，建立健全的養(yǎng)老保險制度，多方面增強(qiáng)養(yǎng)老保障變得十分必要。而深入探究影響?zhàn)B老保險制度的因素，對促進(jìn)該制度的完善以及擴(kuò)大該制度的覆蓋面具有重要意義。

二、文獻(xiàn)綜述

通過閱讀和梳理研究者們的文章，筆者得出如下總結(jié):朱梅和魏琴探究職工基本養(yǎng)老保險基金效率問題，發(fā)現(xiàn)老年撫養(yǎng)比、制度贍養(yǎng)率等對其均會有促進(jìn)作用，而在崗職工平均工資、生產(chǎn)總值對其有明顯的抑制作用；胡揚名和劉戀通過建立二元Logistic模型對城鄉(xiāng)居民養(yǎng)老保險制度的滿意度因素進(jìn)行探究，發(fā)現(xiàn)年齡、繳費檔次、補助標(biāo)準(zhǔn)是重要影響因素；蘇煒杰提出解決農(nóng)民養(yǎng)老金收入低等問題還是要從整合優(yōu)化制度、提高養(yǎng)老金投資收益等根本基點著手；彭清溪、岳海燕發(fā)現(xiàn)人口老齡化對養(yǎng)老保險基金支出有正向的促進(jìn)作用；徐婷婷發(fā)現(xiàn)可以通過提高養(yǎng)老保險征繳和支付能力、鼓勵多生來應(yīng)對現(xiàn)實變化；張淑真建議擴(kuò)大覆蓋人群、縮短退休年限等措施應(yīng)對現(xiàn)如今出現(xiàn)的問題。本文在前人研究的基礎(chǔ)上，通過31個省(市、自治區(qū))的面板數(shù)據(jù)探究影響我國基本養(yǎng)老保險制度的因素。

三、模型的理論分析

(一)面板數(shù)據(jù)模型介紹

面板數(shù)據(jù)可按照時間長度與個體數(shù)長度對比結(jié)果分為短面板數(shù)據(jù)和長面板數(shù)據(jù)。時間長度大于個體長度的數(shù)為長面板數(shù)據(jù)，個體長度大于時間長度的數(shù)據(jù)為短面板數(shù)據(jù)。本文數(shù)據(jù)的個體長度為31，大于時間長度8，所以本文的面板數(shù)據(jù)模型為短面板數(shù)據(jù)。

y

，

i

＝1，2，…，

N

；

t

＝1，2，…，

T

i

區(qū)別于不同個體，

N

為個體總數(shù)，在本文中

N

為31，個體為省份；

t

區(qū)別于不同時間年限，

T

為時間總長度，本文數(shù)據(jù)年限為2012~2019，

T

為8。

(二)面板數(shù)據(jù)模型分類

1.混合回歸模型

y

＝

α

＋

x′β

＋

z′δ

＋

ε

，

i

＝1，2，…，

N

；

t

＝1，2，…，

T

α

為截距項，

z′

為不隨時間而變的個體特征；

β

為自變量的系數(shù)，

ε

為誤差項，囊括不可估摸的時間效應(yīng)和個體固定效應(yīng)。

2.固定效應(yīng)模型

固定效應(yīng)模型一般分為三種類別:只包含個體固定效應(yīng)的模型稱為個體固定效應(yīng)模型；只包含時間效應(yīng)的為時間固定效應(yīng)模型；既包括個體效應(yīng)也包括時間效應(yīng)的為雙向固定效應(yīng)模型。

(1)個體固定效應(yīng)模型

y

＝

x′β

＋

z′δ

＋

u

＋

ε

，

i

＝1，2，…，

N

；

t

＝1，2，…，

T

x′

為自變量；

β

為回歸系數(shù)，不隨個體不同而不同；

u

表示因個體不同而展示出區(qū)別的常數(shù)項；

ε

是跟隨時間和個體變化而變的擾動項。

(2)時間固定效應(yīng)模型

y

＝

x′β

＋

z′δ

＋

λ

＋

u

＋

ε

，

i

＝1，2，…，

N

；

t

＝1，2，…，

T

λ

是時間為

t

時所一一對應(yīng)的截距項，認(rèn)為是

t

時對自變量

y

產(chǎn)生的影響；

u

表示因個體不同而展示出不同特征的常數(shù)項，其與某個解釋變量相關(guān)。

3.隨機(jī)效應(yīng)模型

y

＝

x′β

＋

z′δ

＋

u

＋

ε

，

i

＝1，2，…，

N

；

t

＝1，2，…，

T

四、模型建立

(一)數(shù)據(jù)說明

本文所采用的數(shù)據(jù)皆來自國家統(tǒng)計局網(wǎng)站。選取2012~2019年全國31個省、直轄市、自治區(qū)的數(shù)據(jù)。

(二)變量選取

本文所選取變量詳情如表1所示:

表1 變量定義表

(三)面板數(shù)據(jù)模型的構(gòu)建

1.Chow檢驗

由表2可知，

F

檢驗的

P

值為0.000，由此我們有充分理由拒絕“混合回歸模型可以接受”的原假設(shè)，認(rèn)為個體固定效應(yīng)模型與本文的數(shù)據(jù)模型相符。

表2 F檢驗結(jié)果

續(xù)表

為了進(jìn)一步加強(qiáng)結(jié)果的準(zhǔn)確性，用LSDV(最小二乘虛擬變量)法進(jìn)行聚類穩(wěn)健標(biāo)準(zhǔn)誤的測算，由檢驗結(jié)果可知，大多數(shù)個體虛擬變量均顯著(

P

值<0.05)，由此本文有充分的理由不接受“個體虛擬變量皆是0”的假定，認(rèn)為本文中的數(shù)據(jù)存在個體效應(yīng)，此檢驗結(jié)論與Chow檢驗結(jié)果得出的結(jié)論相同。

2.Hausman檢驗

本文通過Hausman檢驗確定本文的數(shù)據(jù)模型是應(yīng)該選擇隨機(jī)效應(yīng)模型還是應(yīng)該選擇固定效應(yīng)模型。由表3可知，

P

值為0.000，拒絕原本設(shè)定的結(jié)論，得出本文數(shù)據(jù)模型更加符合固定效應(yīng)模型的結(jié)論。

表3 Hausman檢驗結(jié)果

3.聯(lián)合顯著性檢驗

在前文已知的所適模型的基礎(chǔ)上，還需檢驗是否包含時間效應(yīng)的問題，如果包含，那么本文所適模型就應(yīng)選擇雙向固定效應(yīng)模型。因此，進(jìn)行以年度為虛擬變量的聯(lián)合顯著性檢驗，檢驗結(jié)果顯示，

P

值為0.0106，在5%的顯著性水平下拒絕“不存在時間效應(yīng)”的原本假定結(jié)論，得出本文模型包含時間固定效應(yīng)的結(jié)論。

最終，綜合上文三種檢驗結(jié)果得知，雙向固定效應(yīng)模型符合本文所設(shè)模型。

(四)雙向固定效應(yīng)模型結(jié)果分析

1.HT檢驗

為了防止出現(xiàn)數(shù)據(jù)非平穩(wěn)性帶來的不良后果，在建立實證模型時需要分析一下數(shù)據(jù)是否平穩(wěn)。本文為短面板數(shù)據(jù)，由此采用HT檢驗法，即Haeeis和Tzavalis主張的根據(jù)

T

固定而

n

趨于無窮大的檢驗統(tǒng)計量。由表4所示，可知

P

值＝0.0214<0.05，即拒絕“面板包含單位根”的原假設(shè)，認(rèn)為面板為平穩(wěn)過程，可以進(jìn)行下一步分析。

表4 HT檢驗結(jié)果圖

2.雙向固定效應(yīng)模型檢驗結(jié)果

從經(jīng)濟(jì)意義上來看，由表5可知，自變量的系數(shù)均為正，即表示自變量與因變量具有正向的相關(guān)關(guān)系，符合經(jīng)濟(jì)常理。

表5 雙向固定效應(yīng)回歸結(jié)果

從模型整體擬合效果來看，由表5可知，該模型組內(nèi)

R

＝0.9327，樣本擬合優(yōu)度很好；

F

檢驗的

P

值＝0.0000，即回歸方程顯著。從顯著性水平上來看，由表5可知，只有離退休人數(shù)(

R

)和醫(yī)療保險支出(MIE)對養(yǎng)老保險基金支出產(chǎn)生了顯著影響，而其他變量不顯著。鑒其原因，PPO(老年人口撫養(yǎng)比)、在崗職工平均工資(AW)不是顯著性影響因素，是因為基本養(yǎng)老保險制度覆蓋范圍有局限性，由于制度的所適應(yīng)對象并非全部老年人口，而是退休職工。財政支出(FE)不是顯著性影響因素，是因為財政支出(FE)與醫(yī)療保險支出(OIE)存在相關(guān)系數(shù)高達(dá)0.8936的多重共線性。因此，我們可以剔除這三個變量，重新進(jìn)行雙向固定效應(yīng)模型擬合。

3.雙向固定效應(yīng)模型變量修正

為了使數(shù)據(jù)更加平穩(wěn)，故對數(shù)據(jù)加以取對數(shù)處理，進(jìn)行模型修正。由表6可知，從模型整體擬合效果來看，該模型組內(nèi)

R

＝0.9544，樣本擬合優(yōu)度很好；

F

檢驗的

P

值＝0.0000，即回歸方程顯著。

表6 雙向固定效應(yīng)模型回歸修正結(jié)果

從顯著性水平上來看，由表6可知，離退休人數(shù)(

R

)和醫(yī)療保險支出(MIE)對養(yǎng)老保險基金支出的影響高度顯著。最終可得模型方程:lnOIE＝1.491309ln

R

＋2.857256lnMIE＋3.431747

五、結(jié)論

本文基于2012~2019年的31個省、直轄市、自治區(qū)的面板數(shù)據(jù)，建立雙向固定效應(yīng)模型，探究“AW”“FE”“PPO”“R”和“MIE”對“OIE”的影響。研究發(fā)現(xiàn):①“離退休人數(shù)(R)”“醫(yī)療保險支出(MIE)”與養(yǎng)老保險基金支出有著密切的關(guān)系，對其產(chǎn)生極大的作用。②“老年撫養(yǎng)比(PPO)”“在崗平均工資(AW)”影響不顯著?？赡苁且驗榛攫B(yǎng)老保險制度并不適用于所有人，導(dǎo)致其沒有盡可能發(fā)揮優(yōu)越性。③“財政支出(FE)”與“醫(yī)療保險指出(MIE)”產(chǎn)生了較強(qiáng)的相關(guān)性，由此被剔除。

最終，得到解釋變量修正后的雙向固定效應(yīng)模型，進(jìn)行數(shù)據(jù)回歸后發(fā)現(xiàn):①離退休人數(shù)直接決定基本養(yǎng)老金的給付基數(shù)，隨著退休人數(shù)的增加，基金支出額將大幅增長；②醫(yī)療保險費用的支出對養(yǎng)老保險基金支出有重大的正向影響，而且醫(yī)療保險費用支出的上升對養(yǎng)老保險費用支出的上升有很大的正向影響。這充分說明了養(yǎng)老保險與醫(yī)療保障之間有著密切的關(guān)聯(lián)，養(yǎng)老醫(yī)療和患病一對一，醫(yī)療保障與養(yǎng)老保障同步發(fā)展，共同進(jìn)步，實現(xiàn)了雙贏發(fā)展。由此可見，“離退休人數(shù)”“醫(yī)療保險支出”三者對基本養(yǎng)老保險體制有重大影響。