《老年家庭的经济脆弱性.docx》由会员分享，可在线阅读，更多相关《老年家庭的经济脆弱性.docx（11页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、老年家庭的经济脆弱性（人口与发展杂志）2014年第二期1方法与数据11方法111VEP(VulnerabilityasExpectedPoverty)方法该方法采用Chaudhuri(2003)、Chaudhuri(2002)的分析框架评估脆弱性，在家庭层面数据可得的情况下，家庭i在时间t的脆弱性水平由下式测度:其中，Xi代表一些家庭及户主的特征变量，比方家庭人口、户主的年龄、性别、受教育程度等。Chaudhuri(2002)讨论了计算脆弱性时门槛值的敏感性问题，本文计算的VEP采用Chaudhuri(2002)建议的05脆弱性门槛值，即家庭的脆弱性水平超过50%时视为脆弱性家庭。112VEU
2、(VulnerabilityasExpectedUtility)方法Ligon(2003)将特定时段的脆弱性定义为确定性等价效用与家庭期望效用之差:12数据本研究使用的数据取自“中国健康和营养调查(CHNS)数据集。该调查覆盖9个省(辽宁、黑龙江、山东、江苏、河南、湖北、湖南、广西、贵州)的城镇和农村，采用多阶段分层整群随机抽样方法。从1989年开场，该调查迄今已进行了8次(1989年、1991年、1993年、1997年、2000年、2004年、2006年及2009年)，固然这一调查不是专门为研究贫困问题而设计的，但调查中包括了收入、家庭及个人特征的信息，为我们研究贫困的脆弱性提供了可能。本文
3、选取了2006、2009年两轮调查都介入的家庭，没有采用更常年份的数据，一方面是由于年份越长样本的数量下降越快，另一方面也是考虑到研究的时效性问题。为研究老年家庭经济脆弱性及贫困问题，剔除掉了户主小于60岁的家庭，得到了一个904户家庭两年共1808个样本。另外，本文计算VEU效用将不是定义在消费上，而是定义在收入上，这样处理是考虑到CHNS数据搜集的消费数据比拟粗糙(比方无法得到食品支出一类的消费)。CHNS调查提供了家庭净收入的计算数据，它等于家庭总收入减去家庭总支出，家庭总收入由下面部分组成，家庭小手工业和小商业收入、家庭渔业收入、家庭养殖收入、家庭农业收入、家庭果菜园收入、退休金收入、
4、非退休的工资收入、补助收入、其他收入。家庭总支出包括家庭小手工业和小商业支出、家庭渔业支出、家庭养殖支出、家庭农业支出、家庭果菜园支出。固然这里的家庭净收入概念与传统的净收入概念有一些不同，但由于该调查的家庭支出项中并没有包括全部的家庭支出数据，所以，本文退而求其次使用了CHNS调查的家庭净收入定义。家庭人均收入用按CPI折算到2009年家庭总收入除以家庭规模计算得到。另外，本文中的贫困线采用125美元标准。养儿防老、家庭养老观念在一些地区中仍然盛行(农村尤其如此)，子女给予父母的经济帮助可能给老年家庭的收入提升提供了保障，本文家庭控制变量中增加了代际间向上流动的私人转移支付即子女给予父母的经
5、济帮助变量，进而考察私人转移支付对老年家庭经济脆弱性、贫困的影响。本文使用的控制变量及其均值描绘参见表1。2实证分析21VEP经历分析这一部分脆弱性测度是基于VEP方法做出的。我们根据式(4)和式(5)计算出每一年份的收入均值及其方差，而且，我们还使用面板数据的GLS方法进行回归从表2中能够看出，户主教育程度低、户主不工作、家庭规模大、家庭中领取养老金人数少、寓居中西部地区者其陷入贫困的概率较高。有趣的是，年龄变量除在2009年对对数收入有比拟显著的负向影响外，在2006年及面板数据的GLS回归中，固然表现出了户主年龄越大其对数收入越低的倾向，但均不显著。男性户主比女性户主更不容易陷入贫困，但
6、该结论在2006年并不明显成立。在婚户主比非在婚户主的收入低(2006年该变量并没有表现出显著性)。代际间向上流动的私人转移支付对贫困的影响方向并没有明确的答案，比方，2006年，该变量对对数收入的影响系数为负号，而在2009年及面板数据回归中，该变量的系数又转为正向，其对收入影响的不确定性产生的原因可能是转移支付数量较少，在老年家庭收入中占比拟低引致的。城乡变量对对数收入的影响并不都是显著的。表2还显示，家庭中领取退休金人数较多者其收入的方差在下降，这可能讲明领取退休金人数较多的家庭有更平稳的收入流，收入风险下降。值得指出的是，在2006年，代际间向上流动的私人转移支付比拟显著地降低了老年家
7、庭的收入方差，讲明这种私人转移支付可能为老年家庭收入提供了一些“保险作用。下面转向对每个年份每个家庭VEP的测度计算，假如某个家庭收入将来陷入贫困线下面的概率超过50%，那么，该家庭即被以为是经济脆弱性的家庭。表3汇报了20062009年贫困与脆弱性的情况，在2006年，我们预测448%的家庭在2009年将陷入贫困(概率超过50%)，2009年的实际贫困人口为2334%。表3还显示，固然并非所有的贫困家庭都是经济脆弱性家庭，但贫困家庭陷入经济脆弱性的概率较高，比方2006年，贫困家庭的61%是经济脆弱性家庭，2009年39%的贫困家庭是经济脆弱性家庭。另外，24%35%的非贫困家庭是经济脆弱性
8、家庭，这讲明反贫困政策中不仅应包括减缓当前贫困的措施，还应包括预防贫困策略，同时，也讲明减少经济脆弱性和减少贫困的策略并不完全一样。表4汇报了20062009年分组的贫困与脆弱性情况，从表4的时间序列比拟上能够发现，无论怎样定义分组标志，贫困和脆弱性都显示出了如下规律:贫困与脆弱性随时间增加均呈现下降态势，而且，每个年份的经济脆弱性基本上都比贫困人口率高。农村的经济脆弱性和贫困均高于城市;中西部地区的经济脆弱性和贫困高于东部地区;除2009年收到子女私人转移支付的家庭和未收到私人转移支付的家庭在经济脆弱性上相等以外，收到子女给的私人转移支付的家庭贫困及脆弱性反而比未收到的高，这可能是子女给予父
9、母的经济帮助是象征性的，其对老年家庭收入的提升只起到了杯水车薪的作用;老年家庭中没有领取养老金的人其贫困及脆弱性远远高于家庭中有领取养老金者，老年家庭中有两人领取退休金者其贫困及脆弱性几乎下降到0，这也讲明社会保障在老年家庭中发挥着极其重要的作用;以老年人为户主的大家庭型态的贫困及脆性性远高于小家庭型态的贫困及脆弱性;随着户主教育程度提高到大专以上，2009年老年家庭的贫困及经济脆弱性的数值为0;年纪较轻的老人和高龄、甚高龄老人的贫困及脆弱性难以找到明确的比拟结论;户主能否工作与年龄分组的结果也大致一样。22VEU经历分析表5显示了把平均脆弱性(VEU)分解为平均贫困(P)、平均协同性风险(A
10、)、平均异质性风险(I)和平均不可解释风险(U)等四部分的分解结果。表5第一行的第二列VEU的数值为31486，讲明假如不存在收入风险和不平等，那么老年家庭的平均效用将会提高31486%。其中不平等减少脆弱性的奉献为56%，老年家庭遭到了正向的收入不平等的冲击，老年家庭人均收入的基尼系数从2006年的055下降到2009年的051，收入不平等的改善可以以从图1的20062009年洛伦兹曲线图中反映出来。而风险因素增加脆弱性的奉献为1056%，风险因素对脆弱性的奉献在绝对数值上远远大于不平等对脆弱性的奉献。不同风险类型在经济脆弱性中的角色也不尽一样，不可解释风险(U)作用最大(85%)，协同性风
11、险(A)作用最小。协同性风险(A)减少脆弱性的奉献为32%，中国老年家庭遭到了正向的协同性风险(统计不显著)冲击，可能的原因在于老年家庭享遭到了经济发展的好处，更可能的原因在于近年来社会保障覆盖面的快速扩张。值得指出的是异质性风险(I)在经济脆弱性中的作用也不容忽视，其奉献为23%，这讲明风险处置中应适当引入一些非正式的制度安排及市场导向的风险管理工具的内容。表5还汇报了经济脆弱性各组成部分对控制变量的均值的回归结果。年龄越大的户主其VEU的数值越大(并没有表现出统计显著性)，这主要是这类家庭的不可解释风险导致，当然也是由于这类家庭有较高的贫困和不平等，还由于这类家庭可能由于收入手段单一容易遭
12、到异质性风险的侵袭。男性户主表现出了较大的不显著的VEU数值，但其在贫困不平等、协同性风险方面比女性户主低，但其异质性风险和不可解释的风险较高，这也从另一个侧面反映了女性户主的异质性风险较低，比方女性户主为应对生活不测更普遍地具有勤勉特征(农村尤其如此)。户主在婚与否对VEU及VEU的各个组成部分的影响而言均没有表现出统计显著性。教育程度变量大致表现出了对贫困不平等、异质性风险的抑制作用，但由于较高文化程度的户主其不可解释的风险及协同性风险较高，使得户主教育程度变量对VEU并没有表现出统计显著性。有工作的户主能显著地降低家庭贫困，并且异质性风险也呈现降低态势，但由于较大的不可解释风险驱使，使得
13、该变量对VEU表现出了不显著的正号。与Ligon(2003)、aghbendra(2010)的研究结论一样，老年家庭规模越大，其经济脆弱性越高，可能的原因是规模较大的老年家庭其收入来源渠道较窄，分散收入波动的风险及应对负面冲击的能力更弱。家庭中的儿童数量对VEU及VEU的各个组成部分的影响而言均没有表现出统计显著性。代际间向上流动的私人转移支付除了会降低一些协同性风险外，该变量对脆弱性、贫困不平等、异质性风险和不可解释风险的影响均为正号，当然该变量的所有影响并没有表现出统计显著性，可能的原因之一是子女给予父母的经济帮助并没有到达临界值(一定的规模)，而且，在富有的老年家庭中，老年人给予子女的私
14、人转移支付远远大于子女给予父母的私人转移支付，即富有家庭中出现的啃老现象，可能的原因之二是贫困的代际传递，贫弱老人的后代一般不会纵向流动到富有阶层，子女本身尚且不能脱离贫困，遑论帮助父母摆脱贫困脆弱性，依靠这种非正式的制度安排来减少老年家庭的经济脆弱性在现阶段还难以奏效。家庭中领取养老金的人数多，经济脆弱性呈现出降低倾向(统计不显著)，并且贫困显著下降，异质性风险及不可解释的风险也呈现下行态势。寓居东部地区的老年家庭其物质资本和人力资本的禀赋较高，更兼具地理优势，其贫困及不平等显著地低于中西部地区，经济脆弱性、协同性风险及不可解释风险均呈现出一些下降趋势。城市家庭的经济脆弱性低于农村，但没有表
15、现出统计显著性，另外，城市家庭的异质性风险与农村家庭无差异，讲明城市老年家庭应对收入冲击的工具并不比农村为多，当然，出现这种结果的原因还可能在于CHNS对城乡的定义与传统的以户籍来划分城乡有所不同，CHNS调查中的农村其实包括了县城，而县城中有不少公职人员。表6和表7是城乡分组的VEU回归分解结果。城市的VEU为06403，农村的VEU为44662，讲明假如不存在不平等和风险，那么城市和农村的平均效用将会增加6403%、44662%，在城市家庭VEU的组成部分中，不平等减少脆弱性的奉献为53%，风险因素增加脆弱性的奉献为153%，风险因素对脆弱性的奉献在绝对数值上远远大于不平等对脆弱性的奉献，
16、在风险因素构成中，不可解释的风险增加脆弱性的奉献最大(160%)，协同性风险增加脆弱性的奉献最小(118%)，异质性风险的奉献居中，其减少脆弱性的奉献为125%。与城市的结果基本类似，在农村家庭VEU的组成部分中，风险因素对脆弱性的奉献在绝对数值上远远大于不平等对脆弱性的奉献，不平等减少脆弱性的奉献为2%，风险因素增加脆弱性的奉献为102%。在风险因素构成中，不可解释的风险增加脆弱性的奉献最大(110%)，协同性风险增加脆弱性的奉献最小(78%)，异质性风险的奉献居中，其减少脆弱性的奉献为86%。城乡各控制变量的均值对VEU的影响不尽一样，比方在城市家庭中，影响经济脆弱性的变量为教育、家庭规模
17、、家庭中儿童数量、领取退休金的人数，详细而言，随着教育程度的提高，其经济脆弱性在下降，高中与小学毕业组的脆弱性下降显著，教育对不平等的下降也起到了明显的推动作用;家庭规模越大，经济脆弱性也越高，这主要由于不可解释的风险上升导致;子女给予父母转移支付反而增加了父母的贫困(不平等)，在城市中流行啃老的风气下，接受子女私人转移支付的父母本身可能是贫困的;领取养老金的人数越多，其家庭的经济脆弱性越低，而且不容易遭受贫困(不平等)的侵袭，其不可解释的风险也显著下降;寓居在东部地区的老年家庭，其经济脆弱性的数值较低(统计不显著)，而且其贫困(不平等)的程度也显著地比中西部地区为低。在农村家庭中，户主年龄越
18、大的家庭更易陷入贫困，其脆弱性数值也较高(但统计不显著);婚姻和性别变量对脆弱性的影响不显著，这些变量只是显著地影响到了协同性风险和异质性风险;教育程度变量对VEU及其组成部分的影响均不显著;60岁以上继续工作的户主能降低贫困(不平等)，但由于正向的异质性风险和不可解释的风险等原因，使得户主工作与否变量对家庭脆弱性的影响表现出了不显著的正号;与城市家庭表现大致一样，农村家庭中领取养老金的人数越多，其家庭的经济脆弱性越低(统计不显著)，而且不容易遭受贫困(不平等)的侵袭，其不可解释的风险也显著下降。3结论本文利用中国健康与营养调查(CHNS)2006和2009年的面板数据测度了老年家庭的经济脆弱
19、性，检验各因素对经济脆弱性和贫困的相对影响力。结果显示，老年家庭的经济脆弱性高于贫困;户主特征和家庭变量不同程度地影响到了经济脆弱性及贫困，代际间向上流动的私人转移支付对老年家庭的经济脆弱性和贫困没有作用;超过24%的非贫困家庭是经济脆弱性家庭;期望效用的脆弱性(VEU)方法表明，不平等固然减少了脆弱性，但其影响经济脆弱性的气力最小，不可解释的风险是最重要的因素，异质性风险和协同性风险的气力居中。本文的政策含义是，反贫困政策中不仅应包括减缓当前贫困的措施，还应包括预防贫困策略，减少经济脆弱性和减少贫困的策略不应完全一样。应对异质性风险应适当引入一些非正式的或市场导向的风险管理工具，比方保险市场，而降低协同性风险则需要政府的干涉。另外，上文经历分析中的养老金变量基本上会降低经济脆弱性和贫困，所以城乡老人都应该享受一定数量的养老金保障，减小他们将来可能遭受的贫困脆弱性。当然，解决老年家庭的经济脆弱性和贫困问题，不能仅靠一方气力来应对，需要政府、市场、社区、家庭和个人等多方面合作，提高老年家庭的福利水平。本研究的缺乏之处在于:由于数据的局限性，本文未能考虑老年人的寓居安排、健康状况等变量，而这些变量可能会影响到老年家庭的福利水平。另外，本文在计算贫困脆弱性时没有考虑到社区因素的影响。这些都需要在将来数据可得时进行完善。