外來人口自雇創業的城鎮醫療保障效應
—— 以基于廣州外來人口的實證分析*

李 超，孟凡強

（廣東財經大學 國民經濟研究中心， 廣東 廣州 510220）

一、引言

人口遷移是伴隨中國城鎮化進程而出現的現象，而農村剩余勞動力向城市就業市場的遷移是我國人口遷移的主要方向。農村剩余勞動力在改革開放后隨著工業化和城市化的發展逐漸遷往城市，以謀求更好的工作條件與生活環境。但農民工本身的素質和受教育水平的低下使其難以成功的融入到城市工作中去，[1]同時城鄉二元戶籍制度的差異使進入城鎮的農民工在就業上面臨著城市就業部門的戶籍歧視，[2]從而使得農民工群體在工資收入以及社會保障方面與城市本地就業員工都處于相對弱勢。[3]與此同時，城市外來人口還包括一部分非農勞動力，他們雖然相比農民工群體具有更高的素質水平和非農戶籍身份，但作為外來人口同樣與城市本地員工存在就業差異。

城市勞動力市場中外來人口的就業狀況可以劃分為自雇創業與受雇就業。在自雇創業還是受雇就業的選擇上，外來人口選擇自我雇傭的比例遠高于城鎮本地工人。[4]外來人口選擇自我雇傭而不是受雇就業，往往是為了追求更高的經濟利益。相對于受雇就業，外來人口在城市中自雇創業能得到更好的工資待遇和更為自由的自我發展，減少來自城市就業人員的的就業歧視與排斥。相關研究表明，在農民工群體中，自我雇傭者不僅在收入方面明顯高于工資獲得者，[5]而且在社會資本與社會融入感方面也明顯高于受雇者。[6]因此，越來越多的農民工在城鎮就業中選擇自雇創業，且能力越強，資本越多的農民工更容易走向自雇創業的道路，具有更好的自雇傭概率。[7][8]特別是在2008年金融風暴后，城市農民工自我雇傭的水平進一步提高，并且農民工自我雇傭不再是在城市就業歧視下的一種被動選擇，相反，自我雇傭已經成為農民工進入城市后逐漸開始優先考慮的就業形式。[9]以農民工為主體的城市外來人口就業形式的自我雇傭化已經成為我國城鎮化進程的一大特點，對這一就業形式的研究也越來越受重視。

作為就業待遇的重要方面，對外來人口自雇創業者社會保障問題的研究也日益引起學界重視。有學者認為自雇農民工與受雇農民工相比擁有更低的社會保障，主要原因在于受雇者擁有更為豐富的社會保障選擇。[10]在眾多社會保障中，醫療保險是目前農民工最迫切希望完善與參與的險種，[11]這與農民工多從事高危、高勞工作有直接聯系。同時相比于受雇農民工，自雇者往往面臨著相對更高的工作風險，因此更為需要醫療保險等社會保障的深入與全面覆蓋。[12]雖然自雇農民工對于社會保障等勞動福利有著較高的訴求，但現實中的他們實際享有各類社會保險的比率卻顯著較低。[13]這主要是由于，一方面城市醫療保險在設計與對象方面主要考慮城市本地人，導致農民工在城市參保率普遍偏低；[14]另一方面，相比于受雇者，自雇創業的農民工因為信息不對稱等因素，在城市社會保障的參與度方面也會出現更低的情況。[15]

通過對文獻的回顧可以發現，當前研究多關注外來人口戶籍歧視和社會保障方面的問題，而專門針對外來人口自雇創業對城鎮醫療保障影響問題研究仍相對缺乏，已有研究對樣本選擇性偏差問題的考慮不足，同時，現有研究多針對農民工群體，而忽略了外來人口中的非農戶籍人口。有鑒于此，本文采用2015年全國流動人口動態監測調查數據并利用傾向得分匹配法，以廣州市為例考察外來人口自雇創業對城鎮醫療保障的影響。本文余下結構安排如下：第二部分介紹本文所使用的數據、變量和研究方法；第三部分對外來人口群體的社會特征進行相應的描述，然后利用傾向得分匹配法對外來人口自我雇傭對城鎮醫療保障的影響進行分析說明；第四部分是對全文的總結和政策建議。

二、數據、模型與變量

（一）數據說明

本文所用數據來自2015年全國流動人口動態監測調查，該數據是橫截面數據，調查對象為外來流動人口（在本地居住一個月及以上，非本區（市、縣）戶籍的15周歲及以上男性和女性流動人口），既包括農業轉移人口，也包括外來城鎮人口，調查范圍覆蓋廣州全市，調查內容包括流動人口的就業、基本公共服務等內容，樣本量為2000個，為本研究提供了比較有力的數據支持。

（二）模型設定

本文要研究的主題是自我雇傭對外來人口城鎮醫療保障的影響，最理想的方法是分別采集到外來人口自雇和受雇狀態時的城鎮醫療保障情況，兩種情況之間的差別即為自我雇傭的城鎮醫療保障效應。但是在現實的調查中只能收集到每個外來人口作為自雇或者受雇身份時的其中一個觀測值。同時，由于不同的外來人口在年齡、受教育程度、社會經歷等因素上都存在許多差異，所以也不能單獨用自雇者與受雇者城鎮醫療保障之間的差異來衡量自我雇傭對城鎮醫療保障的影響。為此，本文將采用Rosenbaum和Rubin（1983）提出的傾向得分匹配方法（PSM）對自我雇傭的社會保障效應進行研究。PSM方法是建立在反事實分析框架下的一種數據處理方法，其思想是通過得分匹配的方法，找到與每一個處理組樣本除核心解釋變量外其他方面特征都相同或類似的參照組樣本，通過將處理組與參照組進行匹配與比較，以此來盡可能地消除偏誤。在本文中，具體操作步驟如下：

首先，在分組的前提下，通過logit模型來預測廣州市外來人口選擇自我雇傭的條件概率，即每一個樣本的傾向得分，logistic概率分布函數的具體公式如下：

上式的估計式為：

（1）式和（2）式中，W為被調查者是否進行自我雇傭的二分類就業方式變量，Pi為第i個外來人口選擇自雇形式的條件概率，β為估計系數，Xi為納入該模型的解釋變量，μ為誤差項。

接下來本文主要采用傾向得分匹配中的卡尺匹配法，卡尺匹配即以傾向得分為依據，在控制組（受雇者）樣本中向前或向后尋找最接近干預組（自雇者）樣本得分的對象，并形成匹配，使自雇者都有一個傾向得分大致相同的受雇者與之對應，采用卡尺匹配法能更好的消除自我雇傭樣本的選擇性偏差。

假設在卡尺匹配法中，Pi和Pj分別表示的是自我雇傭者和受雇者的傾向得分，用I1和I0來表示自雇者和受雇者的集合，ε表示兩個樣本之間傾向得分的絕對距離，即卡尺。當樣本之間傾向得分的絕對距離小于所設定的卡尺時，即選取j作為i的一個匹配：

采用卡尺匹配后，匹配后的樣本幾乎可以使用所有類型的多元分析方法進行分析。由于本文研究的是外來人口中選擇自雇創業的城鎮醫療保障效應，把它作為解釋變量，屬于典型的二分變量，因此本文采取離散選擇模型logit模型來進行實證分析。

基于上述分析，基本模型假定如下：

(4)式中，Y表示為外來人口是否參加城鎮醫療保障；a為常數項；βi為估計系數；W代表勞動者就業身份是否為自雇創業的二值選擇變量；Xi為納入模型中的第i個影響外來人口城鎮醫療保障的解釋變量；γi為相應的解釋變量系數；ε為誤差項。影響城市外來人口參與城鎮醫療保障的因素很多，主要取決于外來人口城市融入度和外來人口城市社會保障水平，本文盡可能多的選取這些變量納入模型方程中，外來人口的城鎮醫療保障主要取決于戶口類型、流動類型、流動時間、流動原因、離開戶籍的時間與原因、是否長期居住和總收入，此外模型方程中還加入了性別、年齡、婚姻狀況和有無老人小孩等控制變量。變量的設置、含義以及取值見表1。

表1 變量設定與說明

三、結果分析

（一）描述性統計分析

表2是對樣本的描述性統計，本文共獲得1821個有效樣本值，其中自雇者730，受雇者1091，自雇創業比率達40.1%。自我雇傭者與受雇者在年齡、受教育水平、婚姻、家庭中在本地就業人數、總支出與總收入、流動時間與原因、離開戶籍年份方面都有著明顯的差距，自雇者的平均年齡37.19歲，受雇者平均年齡33.49歲，高出4.3歲。受雇者在總支出與總收入方面與自雇者有較大的差距，說明自雇創業可以為外來人口創造更多的收入。

從城鎮醫療保障來看，在城鎮醫療保險參與度方面，受雇者明顯高于自雇者，從城鎮職工醫療保險來看，受雇者參與度（46.4%）遠遠高于自雇者（5.9%），兩者相差40.5個百分點，城鎮居民醫療保險的參與度受雇者也高于自雇者2個百分點。但在新型農村合作醫療保險參與方面，自雇者則高于受雇者30多個百分點，城鄉居民合作醫療保險方面自雇者也高于受雇者近2個百分點。從描述性統計可以看出，自雇者在城鎮醫療保險方面的參與度明顯低于受雇者，但這種差異有可能是由于自雇者與受雇者兩群體間的特征差異造成的，為了單純考察自雇就業形式對城鎮醫療保障的影響效應，需要利用計量方法進一步驗證。

表2 樣本的描述性統計分析

（二）數據平衡性檢驗

在進行匹配之前，首先需要進行數據平衡性檢驗，如果自雇者和受雇者在所納入模型的變量上沒有顯著差異，則數據是平衡的，樣本間沒有選擇性偏差，不需要進行傾向得分匹配，反之，則需要進行傾向得分匹配。本文若直接將受雇與自雇者進行比較，則無法得出偏好、能力等個體特征原因所導致的估計偏差，進行數據平衡性檢驗則可以判斷外來人口的自雇創業行為是否存在樣本選擇偏差。從全部樣本均值和卡尺匹配處理后的均值比較結果可以看出，除性別、本次流動類型和本次流動原因外，其余變量方面自雇者和受雇者都存在著明顯的區別。這說明數據存在著不平衡性，需要控制樣本選擇性偏差使結果無偏。在進行卡尺匹配后，除本次流動原因外，自我雇傭者和受雇者在其他解釋變量上的差異變得不明顯，說明匹配效果較好，匹配結果與logistic回歸結果見表3。

表3 數據平衡性檢驗結果和預測傾向得分的logistic模型回歸結果

（三）實證結果

在沒有控制樣本選擇偏差時，自我雇傭的城鎮醫療保障與受雇者的城鎮醫療保障存在明顯的差距。為控制樣本選擇偏差的影響，利用卡尺匹配重新估計自我雇傭的城鎮醫療保障效應。在被解釋變量方面，本文選取了新型農村合作醫療保險（Y1）、城鄉居民合作醫療保險（Y2）、城鎮居民醫療保險（Y3）和城鎮職工醫療保險（Y4），其中城鎮居民醫療保險（Y3）和城鎮職工醫療保險（Y4）代表城鎮醫療保障，而將新型農村合作醫療保險（Y1）、城鄉居民合作醫療保險（Y2）作為比較對象。表4所示是對樣本進行匹配前后的回歸結果，從表中可以看出，在匹配前，自雇創業對于城鎮居民醫療保險和城鎮職工醫療保險參與具有顯著的負向影響，而對于新型農村合作醫療保險和城鄉居民合作醫療保險，自雇創業則具有具有正向影響。

采用卡尺匹配法糾正樣本選擇偏差后的回歸結果表明，在控制樣本選擇偏差的情況下，自我雇傭對外來人口的城鎮醫療保障依然存在顯著的影響。自我雇傭對城鎮職工醫療保險和城鎮居民醫療保險仍然存在顯著的負向影響，并且這種影響在匹配后變得更為明顯。同時，自我雇傭對新型農村合作醫療保險（Y1）、城鄉居民合作醫療保險（Y2）的參與仍有顯著正向影響，并且在匹配后這種正向影響也更為明顯。從農民工與非農戶籍外來人口比較來看，非農戶籍外來人口的城鎮醫療保障參與度更高，這一結論在匹配前后都成立。

從實證結果來看，無論是匹配前還是匹配后，自雇創業對于城鎮醫療保險參與都有顯著的負向影響，并且匹配后的這一負向影響更為明顯，這說明在其他條件相同的情況下，單純因為就業形式的差異造成的城鄉醫療保障差異仍顯著存在，自雇創業這一就業形式的城鎮醫療保障仍顯著低于受雇就業。此外，由于本研究在回歸方程中加入了戶口類型變量，因此也控制了戶籍身份帶來的影響。

圖1 匹配前后自我雇傭傾向得分的概率密度比較

（四）穩健性檢驗

本文實證結果的可靠性建立在匹配的基礎上，為了更加清楚的反映出PSM的結果，我們對匹配前后自雇者與受雇者傾向得分值的概率密度進行了比較（如圖1）。從圖1中可以明顯看出，在匹配前自雇者和受雇者在選擇自雇創業的傾向得分方面有著十分顯著的差別，而在匹配之后，兩者傾向得分的概率密度分布已經非常接近。這表明，兩者在各特征變量方面都已經十分接近，匹配效果較好。

四、結論及對策建議

在當前我國快速城鎮化的過程中，城市外來人口的就業形式不再僅僅局限于受雇就業，越來越多的城市外來人口選擇自雇創業的就業方式躋身于城市勞動力市場，而自雇者的城鎮醫療保障問題作為就業待遇的重要內容理應引起足夠的重視。本文通過采用卡尺匹配來消除樣本選擇偏差問題，對城市外來人口自雇創業的城鎮醫療保障問題進行了實證研究。研究結果發現，相對于受雇外來人口，自雇創業外來人口的城鎮醫療保障水平更低。也即相對于受雇外來人口，自雇創業外來人口的社會保障水平更低。針對不同類型的社會保障，外來人口的其他特征也表現出顯著的差異。具體來說，對于農村醫療保險，年齡、婚姻狀況、就業人數和居住意愿均對其表現出顯著差異；對于城鎮醫療保險，學歷、婚姻狀況和居住意愿也將對其產生顯著影響。在匹配的前提下，這一研究結果表明，在其他條件相同的情況下，自雇創業這一就業形式具有負向的城鎮醫療保障效應。

在當前“雙創”的大背景下，自雇創業已成為城市外來人口實現就業的重要形式，并將在新時代我國的經濟社會發展中發揮更大的作用，而作為就業待遇的重要內容，城鎮醫療保障面向自雇創業者的覆蓋不足則有可能對這一就業形式產生抑制作用，進而對經濟社會發展產生不利影響。因此，未來需要進一步完善城鎮醫療保障的相關政策，在政策制定中考慮外來人口尤其是外來自雇創業者的醫療保障訴求，建立公平公正的城鎮醫療保障制度體系。