養老計劃傾向與商業養老保險需求
——基于CFPS數據的實證研究

鄒小芃 葉子涵 楊芊芊

(1.浙江大學 經濟學院， 浙江 杭州 310027； 2.浙江財經大學 金融學院， 浙江 杭州 310018)

一、 引 言

壽命不確定性是個人所面臨的一大風險，它可能造成個人長壽風險，即個人所積累的財富不足以維系實際壽命的開支所致的財務風險。商業養老保險作為以個人生存為給付條件的長期人身險，通常保障個人在生命周期內以年金形式獲得財務支持，因此是管理個人長壽風險的有效工具。我國人口老齡化問題嚴峻，根據國家統計局公布數據，我國65歲及以上老年人口的占比在2018年達到11.9%，而發展商業養老保險可對基本養老保險、企業年金形成有效補充，因此對提高社會養老保障水平具有重要的現實意義。但相較而言，當前我國商業養老保險市場發展尤其不足?！吨袊B老金發展報告2015》指出，2015年我國商業養老保險資產占GDP比重僅為2.6%，遠低于美國的42.5%，而商業養老保險替代率以及保險密度則分別低至1.1%與185元/人。

經典理論預測個人或多或少會持有商業養老保險并從中獲益，然而現實中所觀察到的商業養老保險市場有限參與則有悖于此[1]，這一現象被稱為“年金之謎”(Annuity Puzzle)。研究并解釋“年金之謎”是一項世界性的議題，現有文獻業已指出有限參與中存在的理性因素(如不完全市場、管理成本[2-4]等)與行為因素(如解釋保險產品的框架[5]、損失厭惡[6]等)。作為商業養老保險需求理論(也是一般家庭資產配置理論)所普遍采納的研究分析框架，生命周期模型通常假設家庭以終身消費效用最大化為目標來計算最優的未來消費與儲蓄路徑。隨之而來的疑問便是，家庭是否確如理論所假設的那樣計算過儲蓄需求以為未來做準備？簡單而言，家庭是否嘗試計算過養老費用？對該問題的回答被視為家庭是否具有養老計劃傾向的一種指標[7-9]。

養老計劃傾向指的是家庭為滿足未來養老需求而制定長期計劃的傾向性[10]，反映了家庭為實現特定養老目標在計劃制定上付出努力的程度，具有養老計劃傾向的家庭更符合經典生命周期理論的假設，且更容易做出理論所預期的相對理性的經濟行為[11]。與商業養老保險有限參與相對的是，許多家庭并不具有養老計劃傾向。清華大學與騰訊于2018年聯合發布的《國人養老準備報告》中指出，22%的受訪者從未考慮過退休規劃，69%的受訪者想過但未具體制定，這表明我國家庭的養老計劃傾向尚顯不足。現有研究業已發現家庭養老計劃傾向可以顯著預測家庭的儲蓄、風險資產配置決策，并最終使這些家庭在退休時擁有更高的財富積累水平[8,10,12-13]，但尚未實證檢驗養老計劃傾向與商業養老保險參與之間的關系。

基于此，本文利用2014年中國家庭追蹤調查(China Family Panel Studies,CFPS)數據，對家庭養老計劃傾向與商業養老保險參與之間的關系開展實證研究。2014年的CFPS問卷設置有金融知識試驗題組，其中詢問了受訪者是否計算過養老費用，本文以此作為解釋變量進行研究。結果顯示，計算過養老費用在不同模型設定下均會顯著提高家庭參與商業養老保險的概率，這種影響同時具有統計學與經濟學上的顯著性。比如，計算過養老費用會提高戶主或其配偶3.3%的參保概率，約占樣本平均參保概率的45.8%。同時，本文采用兩類方法緩解由反向因果、遺漏變量等造成的內生性問題：其一，利用2016年的參保指標作為被解釋變量；其二，以受訪家庭所在縣(市、區)其他家庭的平均養老計劃傾向作為工具變量。內生性檢驗表明家庭養老計劃傾向存在一定的外生性，其與商業養老保險需求之間的關系具有較強的穩健性。這意味著，計算過養老費用的家庭更可能遵循經典需求理論的預測而購買商業養老保險以管理個人長壽風險。上述結論表明，是否具有養老計劃傾向是解釋“年金之謎”的一個行為因素，而具有養老計劃傾向的家庭則在一定程度上更符合商業養老保險需求的理性選擇假設[14]。

此外，本文還進行了兩方面的拓展研究：第一，關注計算過養老費用的子樣本家庭，我們發現，預期養老費用越高的家庭越傾向于持有商業養老保險。我們認為預期養老費用里可能包含家庭對長壽預期的考量，預期養老費用越高，反映家庭對長壽的預期越強，商業養老保險因此對其更具持有價值，表明家庭的參保決策存在逆向選擇。第二，本文構造了家庭整體商業保險參與指標，回歸得出養老計劃傾向不僅會提高家庭商業養老保險需求，還能提高家庭商業保險市場整體參與水平，包括商業保險購買概率、商業保費支出以及商業保險深度，表明長壽風險并非養老計劃過程中家庭所面臨的唯一不確定性因素。

就有限所知，本文主要的創新點在于首次研究了養老計劃傾向對家庭商業(養老)保險參與決策的影響，提示養老計劃傾向可能是解釋商業養老保險市場有限參與的一個行為因素。

全文余下部分結構如下：第二章對相關文獻進行綜述并提出研究假設；第三章介紹本文所使用的數據、樣本、變量并做描述性統計；第四章實證分析養老計劃傾向與商業養老保險參與之間的關系，探究內生性問題并作拓展研究；第五章總結全文。

二、 文獻綜述與研究假設

(一) 養老計劃傾向的經濟結果、機制與成因

家庭為養老做準備的過程依次涉及產生養老意識、計算養老費用、制定具體的養老計劃并在現實中執行養老安排[15]。作為養老計劃的初始步驟，文獻將是否經?？紤]養老問題或計算養老費用視為家庭具有養老計劃傾向與否的指標。實證研究發現，養老計劃傾向可以顯著預測家庭的經濟結果：具有養老計劃傾向的家庭更可能維持相對合理的消費水平以避免過度消費[10,16]，更可能持有股票等風險資產以實現資產增值[12]，并最終提高家庭在退休時的財富積累水平[10,13]。養老計劃傾向還可以提高家庭的信用評分[17]。除了客觀經濟結果外，養老計劃傾向更能促進家庭的主觀感受，包括對退休生活質量的評價[12]以及主觀財務滿意度[18]。

經濟學家通常假設家庭經濟決策是家庭在預算約束下(消費)效用最優化選擇的結果。從經濟決策的生命周期理論角度來講，最優化選擇要求家庭進行一定的計劃活動[19]，即安排未來各期消費、儲蓄及投資等以實現終身消費效用最大化。然而，許多家庭實際上并沒有參與到跨期最優化的計劃行為中[19]，也即這類家庭的經濟決策過程并不滿足生命周期理論模型的假設。相反，具有養老計劃傾向的家庭則更符合生命周期理論對理性行為人的假定，即經?？紤]養老問題并著手計算養老費用的家庭更傾向于在未來與當期之間做跨期決策。因此，這些家庭更可能遵從生命周期理論的預測，做出相對理性的經濟行為[11]，比如在工作期有更高的儲蓄水平、風險資產配置概率以滿足退休后的財富消耗需求。正如Hurst所指出的，未做計劃的消費者在消費決策上多表現出“拇指法則”特征，即根據當期收入進行消費，而與依據生命周期模型進行消費的計劃者大相徑庭[20]。家庭在理性、前瞻性的最優化行為決策模式上的異質性造成了家庭經濟決策與經濟結果的異質性(如財富積累差異)[21]。

同時，另一部分文獻則關注家庭養老計劃傾向異質性的成因。其一方面來源于制定養老計劃的成本，包括信息的搜集與處理成本、心理成本等[22]。計算養老費用是一項復雜的任務，需要搜集利率、風險資產收益等詳盡的信息，并計算得出最優的跨期安排；同時，在傳統思維里，老年生活往往與低效、疾病和孤獨相聯系，獲取并評估養老信息并非一件快事。Lusardi指出，具有一定的金融素養以及生活經歷(譬如有親戚在晚年突遇財務困境或健康沖擊等)會顯著降低計算養老費用的計劃成本，從而提高家庭的養老計劃傾向[12]。家庭養老計劃傾向的差異另一方面則來源于處理自控問題的態度與技能[10]，包括拖延[23]、風險態度[10]、未來時間觀[24]、自信[9]等。自控失效會導致個人在長期目標與當前行為上的不匹配，養老計劃傾向可以裨益家庭經濟結果的原因之一也在于計劃本身所具有的自控機制，可以緩解將內心意圖轉為實際行動時所面臨的意志力不足的問題[25-27]。需要注意的是，處理自控問題的態度與技能雖然反映了一般化的計劃傾向，但針對養老的計劃傾向不一定適用于其他領域的目標實現，比如戒煙[28]。

(二) “年金之謎”與本文研究假設

Yaari開創了商業養老保險需求的理論，其將壽命不確定性納入生命周期模型中，推導出在完全市場等假設條件下，不具有遺贈動機的消費者應將所有的財富年金化以提高終身效用[29]。后續研究則放寬了Yaari模型的嚴格設定，推導出更為一般性的結論，比如Davidoff等指出，在不完全市場下消費者也應將自己大部分財富年金化，而遺贈動機的存在亦無法完全消除對年金產品的需求[30]。但是，現實中所觀察到的商業養老保險市場參與在世界范圍內均較為有限[1]?，F有針對“年金之謎”的討論主要從理性與行為兩個角度入手，Brown[2]、Benartzi等[14]對其做了系統的綜述。理性角度認為，商業養老保險的有限需求已反映理性消費者的最優化決策，各類因素如商業養老保險定價因管理成本、逆向選擇而抬高[3-4]，家庭成員之間形成的風險互擔機制[31]，來自社會或企業保障的已年金化的資產[32]，不完全市場難以滿足消費異質性需求等，均會降低理性消費者的商業養老保險需求，但是，理性角度難以完全解釋商業養老保險過低的參與水平[2]。因此，許多研究指出年金需求決策中可能存在的行為因素，如解釋保險產品的框架[5]、損失厭惡[6]以及心理賬戶等造成了對自持資產的偏好等。

個人長壽風險是一類跨期風險，因此經典商業養老保險需求理論皆以生命周期模型為分析框架，認為參與商業養老保險會提高家庭終身消費效用。從這一角度來講，當家庭具有生命周期理論所假設的跨期最優化行為決策模式時，其行為更可能服從經典商業養老保險需求理論的預期，即購買商業養老保險以管理個人長壽風險[29-30]。而諸如遵循“拇指法則”的消費者[20]則更多考慮當期消費效用最大化問題，對未來消費支出的商業養老保險自然需求有限。因而，當養老計劃傾向的差異(計算養老費用與否)反映了跨期最優化行為決策模式差異時，具有養老計劃傾向的家庭比不具有的家庭在理論上會有更高的商業養老保險參與概率。

結合商業養老保險需求經典理論的建模思路與相關心理學文獻，我們對養老計劃傾向作用于商業養老保險參與的過程做一般性描述：具有養老計劃傾向的家庭會形成清晰的養老目標[17]，即家庭的財富積累能夠滿足退休生活所需費用(并實現終身消費效用最大化)，為此，家庭需要對未來情況進行預測并形成預期，這種未來情況往往具有不確定性[33]。壽命不確定性是計算養老所需費用的不確定性的主要來源，在計劃制定過程中，家庭會提高對壽命不確定性的風險認知。具有養老計劃傾向的家庭會在風險認知下采取準備措施[17]，強化風險管理意圖，而商業養老保險在管理個人長壽風險上正具有天然優勢。當然，制定商業養老保險決策同樣具有復雜性，比如選擇合適的保險產品與參保時間等[34]，而反映了計劃成本差異的養老計劃傾向則可以減少這種復雜性對商業養老保險需求的阻礙[2]。簡言之，計算過養老費用會提高家庭對個人長壽風險的風險認知與管理意圖。此外，計劃本身具有的自控機制也有助于消費者將內心意圖轉換為現實行動[25-27]。基于上述分析，本文提出如下假設：

在其他條件類似的情況下，具有養老計劃傾向的家庭的商業養老保險參與水平更高。

三、 數據、樣本、變量和描述性統計

(一) 數據與樣本

本文數據來源為北京大學中國社會科學調查中心自2010年開始實施的中國家庭追蹤調查，該調查在2014年第二次追訪問卷中設置有金融知識相關的試驗題組，其中包含本文核心解釋變量構造所需問題——是否計算過養老費用，該問題有效回答數量涵蓋了2 422個家庭。本文研究養老計劃傾向與商業養老保險參保的關系，實證檢驗中將同時控制家庭與戶主的特征。戶主應當對家庭財務決策發揮關鍵作用，本文定義戶主為最熟悉家庭財務狀況的成員，同時剔除戶主與金融知識試驗題組的受訪者不匹配的家庭。保留所需家庭信息以及戶主信息完整的家庭信息，最后共計得到1 341個家庭樣本。

(二) 變量定義

在金融知識試驗題組中受訪者被詢問：“您或您的配偶是否‘計算’過需要攢多少錢才夠養老？”基于該問題可以構造本文核心解釋變量，即養老計劃傾向指標。若回答“是”，則代表具有養老計劃傾向(記為1)；若回答“否”，則無(記為0)。

本文的被解釋變量為商業養老保險參保情況，由于引出養老計劃傾向的問題并未區分受訪者與配偶，我們設計了兩個不同的指標，即個人參保以及個人或配偶參保。為了減少反向因果問題，本文不考慮已經開始領取各類型養老保險給付金的情況，因此根據問卷設計，將樣本限制于年齡小于45周歲或年齡大于等于45周歲但并未領取各類型養老保險給付金的個人。對于正在參與商業養老保險的個人(或配偶)，個人參保(個人或配偶參保)取1，反之取0。戶主配偶的參保信息有所缺失，因此個人或配偶參保指標的觀測值較個人參保指標略有下降。

在解釋養老計劃傾向與家庭商業養老保險參保行為時，需要著重關注金融素養在降低計劃成本以及促進參保行為上的直接作用。金融素養指標從涵蓋利率(復利)計算、通貨膨脹、時間價值、投資風險識別的六道題目中獲取，對每一個問題我們都設置了是否回答正確以及是否不知道兩個虛擬變量，并對12個虛擬變量用因子分析法進行分析，提取首個因子作為金融素養的指標[35]。

同時，作為生命周期模型中最重要的參數[12]，我們在回歸中控制了戶主的風險厭惡、時間偏好特征。對于風險厭惡，金融試驗題組中的問題為：“假如您家投資/在投資中，您愿意承擔的風險如何？”回答賦值1—4，分別代表“高風險、高收益”“適中風險、穩健收益”“低風險、低收益”與“不愿意承擔任何投資風險”，數值越高，越厭惡風險。對于時間偏好，金融試驗題組中的問題為：“我更傾向于活在當下，未來的事情不去考慮?！被卮鹳x值1—5，分別代表“完全不符合”“比較不符合”“一般符合”“比較符合”與“完全符合”，數值越高，越偏好當前時間。

此外，我們還相應控制了戶主與家庭的其他一系列基礎特征變量[1,36-38]，包括戶主的人口以及社會經濟特征，如年齡及其二次項、性別、婚否、教育年限、是否工作、是否從事金融行業以及自評健康狀況。此外，本文還以兩個虛擬變量分別表征戶主是否被社會或企業養老保險與社會醫療保險所覆蓋。家庭控制變量有：反映家庭結構變量的家庭人口規模、16歲以下兒童比例、65歲及以上老人比例；反映家庭經濟特征的家庭收入、包括各類金融資產與房產等非金融資產的家庭總資產以及包括金融負債與房貸等在內的家庭總負債(1)在回歸中家庭收入、總資產、總負債均取自然對數以降低偏度，部分家庭的總資產或總負債為0，因此在回歸時將所有樣本的總資產與總負債進行加1處理?；貧w中加入三個指標的二次項并不影響本文的回歸結論。，同時我們還控制了是否具有家庭住房，因為住房也是養老的一種形式。

(三) 描述性統計

具體的變量定義以及樣本描述性統計見表1。樣本家庭中戶主(或其配偶)參與商業養老保險的比例為4.8%(7.2%)，約49%的戶主或配偶計算過養老費用，也意味著另有一半的家庭不具有養老計劃傾向。戶主平均年齡約41.1歲(2)鑒于大部分商業養老保險設有投保年齡上限，商業養老保險參保問題與相對年輕或未到退休年齡的個人更為相關。但各類商業養老保險投保年齡上限并不完全統一，如中國太平洋保險提供的相關產品承保年齡范圍既有0—55周歲，也有50—70周歲，見http://www.cpic.com.cn/market/jsjg/?searchType=all&content=%u5E74%u91D1。同時，Donaldson等指出計劃養老活動在退休后依然持續，因此本文將所有年齡的戶主均納入回歸以避免年齡選擇的任意性，但限制戶主年齡(如不超過70周歲，占樣本量的1.1%；或55周歲，占10.7%)并不影響本文的回歸結論。參見Donaldson T., Earl J.K. & Muratore A.M.,″Extending the Integrated Model of Retirement Adjustment: Incorporating Mastery and Retirement Planning,″ Journal of Vocational Behavior, Vol.77, No.2(2010), pp.279-289。；戶主性別比例相當，女性占50.9%；82.7%的戶主已婚或者同居；戶主平均受教育年限為11.1年；80.8%的戶主依然處于工作狀態，2.9%的戶主從事金融行業。分別有65.8%與84.9%的戶主被社會(企業)養老保險、社會醫療保險所覆蓋；戶主平均表現出一定的風險厭惡態度，而時間偏好相對中性。樣本家庭平均規模約為3人，其中兒童與老人比例分別為13.3%與4.4%；全部家庭年純收入約7.2萬元，總資產與總負債分別為71.9萬元與5.8萬元；大部分(80.2%)家庭自有住房。

表1 主要變量定義與描述性統計

注： 觀測值為1 341，其中個人或配偶參保的觀測值為1 137。

四、 實證結果

(一) 基準回歸

本文研究養老計劃傾向對商業養老保險參保的影響，基準回歸采取如下模型：

Annuityi=α+β×Propensityi+γ×Head Controlsi+λ×Household Controlsi+∑Provi+εi

(1)

其中，Annuity為商業養老保險兩類指標，Propensity指代養老計劃傾向，Head Controls和Household Controls分別為戶主與家庭控制變量，下標i代表樣本家庭。本文所有回歸分析均對省份進行了控制，以消除地區文化等差異造成的影響，模型則采用Probit回歸(3)我國商業養老保險參與有限，一些省份的樣本家庭商業養老保險參保概率為0，因此Probit回歸方法會自動剔除該部分省份樣本(包括陜西、內蒙古、浙江、安徽、福建、湖北、廣西、重慶、貴州和云南)。OLS回歸方法可以避免這些省份樣本被自動剔除，但不影響回歸結論。。

構造解釋變量(是否計算過養老費用)的問題所針對的是戶主或者其配偶，而在基準回歸中我們只考慮了戶主的特征，因此存在兩種可能的問題：第一，養老計劃傾向在樣本家庭中可能對配偶具有更顯著的影響；第二，配偶特征變量可能為遺漏變量問題的來源。為此，我們就兩類被解釋變量分別進行穩健性檢驗：當被解釋變量為個人參保時，我們將配偶參與商業養老保險與否作為單獨的觀測值與戶主的觀測值一同納入回歸，回歸模型如(2)所示，Individual Controls為戶主或其配偶的控制變量，其中j代表樣本家庭中的戶主或其配偶；當被解釋變量為個人或配偶參保時，我們僅利用有配偶的子樣本并同時控制配偶的個人特征變量(Spouse Controls)，回歸模型如(3)所示(4)金融素養、時間偏好兩個變量僅為戶主回答所得，因此在模型(2)中令配偶共享戶主兩個變量的數值，而在模型(3)中則僅控制戶主的這兩個變量，其他配偶變量均為配偶個人信息。。

Annuityij=α+β×Propensityi+γ×Individual Controlsij+

λ×Household Controlsi+∑Provi+εij

(2)

Annuityi=α+β×Propensityi+γ1×Head Controlsi+γ2×Spouse Controlsi+

λ×Household Controlsi+∑Provi+εi

(3)

如表2所示，列(1)與列(2)為模型(1)的回歸結果，計算過養老費用的戶主(或其配偶)參與商業養老保險的概率比沒有計算過養老費用的平均高2.0%(3.3%)，占樣本平均購買概率的41.7%(45.8%)，系數通過10%(5%)的顯著性檢驗。列(3)將配偶信息作為獨立觀測值納入模型(2)，結果顯示養老計劃傾向平均提高1.7%的個人參與概率，占樣本均值(4.1%)的41.5%，該系數通過5%的顯著性檢驗。列(4)則聚焦有配偶的子樣本，將戶主以及配偶的信息同時作為控制變量進行回歸，系數6.2%通過1%的顯著性檢驗，而有配偶樣本的參保均值為7.5%?？梢?，養老計劃傾向對商業養老保險參保行為同時具有統計學以及經濟學意義上的顯著性。在現實中，計算過養老費用的家庭為了降低個人長壽風險的可能性，會系統性地提高商業養老保險參保概率以提高保障程度，這表明具有養老計劃傾向的家庭在一定程度上符合理性選擇假設。

表2 計劃成本、養老計劃傾向與商業養老保險參與

續表2

注：***、**和*分別表示通過1%、5%和10%的顯著性水平檢驗。表中的系數為邊際效應，括號內為異方差(或家庭層面的聚類)穩健標準誤，下同。

從控制變量上來看，金融素養與商業養老保險需求顯著正相關，金融素養可以增進個人對商業養老保險的認知從而直接提高參保意愿。養老計劃傾向系數在控制了金融素養后依然顯著，意味著養老計劃傾向對商業養老保險參與具有直接的影響。低風險厭惡水平以及偏好當前時間的個人會降低商業養老保險的需求，然而風險厭惡與時間偏好的系數未表現出顯著的影響。戶主年齡與家庭商業養老保險參與具有倒U形關系，拐點位于40歲左右，一方面年齡越高的個體具有更高的養老意識;另一方面,在不完全市場下,針對超過一定年齡的個體的產品供給也較為稀少。同時，在金融行業工作會顯著提高商業養老保險參與概率；家庭總資產水平也與商業養老保險參與顯著正向相關，財富水平較低的家庭更傾向于自持資產以應對短期的支出風險；自有住房則會顯著降低商業養老保險需求，意味著自有住房與商業養老保險在養老安排上可能存在替代關系。

(二) 內生性檢驗

在回歸中使用同年的數據會忽略養老計劃實施的時滯性，同時也可能存在反向因果問題，即商業養老保險參與行為可能先于養老費用計算。譬如，個人在保險推銷員的推薦下購買了商業養老保險，降低了壽命不確定性在養老費用計算上的困難程度，從而計算養老所需費用并著手計劃養老。反向因果關系產生的內生性問題也存在于被解釋變量與其他控制變量之間，如個體可能在商業養老保險參保決策制定過程中提升金融素養。因此，本文借鑒李濤和張文韜的做法[39]，將2016年的個人代碼與2014年的個人代碼相匹配，用2016年的數據替代被解釋變量，因此樣本有所減少。結果如表3面板一顯示，各列養老計劃的系數符號均為正，且至少通過10%的顯著性檢驗。因此，我們認為本文基準回歸所得結果并不受變量之間的反向因果關系所影響。值得一提的是，金融素養指標在該內生性檢驗中的系數接近于0且不再具有顯著性，意味著金融素養與商業養老保險決策之間同期的正向關系可能更多來源于商業養老保險參保決策制定過程所帶來的金融素養提升效應。

表3 內生性檢驗

注： 面板一的被解釋變量采用2016年數據，面板二為工具變量法第二階段(利用同縣、市、區其他受訪家庭計劃平均值)。其他變量包含表2基準回歸中所示的所有控制變量，下同。

即使考慮了反向因果問題，上述回歸結果依然會受到遺漏變量問題的影響，比如構造變量的測量誤差、其他遺漏變量如預防性儲蓄動機、遺贈動機等。借鑒如尹志超等學者的一般做法[40-43]，我們利用受訪家庭所在縣(市、區)其他家庭的平均養老計劃傾向作為受訪家庭計劃傾向的工具變量，這一工具變量的邏輯是，Lusardi發現21%的家庭(不論受教育程度如何)在計算養老費用時會向朋友或者親戚進行咨詢[12]，養老計劃傾向存在習得性，因此家庭養老計劃傾向會受所在縣(市、區)其他家庭的養老計劃傾向影響，而縣(市、區)家庭平均養老計劃傾向相對于受訪者的商業養老保險參與決定是嚴格外生的。工具變量的第一階段結果顯示，縣(市、區)其他家庭的平均傾向指標與受訪家庭養老計劃傾向高度相關。面板二則匯報了工具變量的第二階段結果，列(1)至列(3)中Wald統計量并未通過顯著性檢驗，意味著在相應回歸模型中接受養老計劃傾向不存在內生性的假設，因而可以信賴表2所對應列的回歸結果[43]。面板二列(4)中養老計劃傾向系數依然顯著正相關，Wald統計量也通過了10%的顯著性檢驗，但接近10%。從Wald統計量來看，養老計劃傾向相對于商業養老保險需求具有一定的外生性，表2中多元回歸結果受內生性問題的影響較弱。

內生性檢驗結果表明，養老計劃傾向對商業養老保險參與的正向影響具有較強的穩健性。

(三) 進一步研究

1.逆向選擇問題

所以，營造好的教育生態意義重大。在這一點上，我們應該促成家長、學校和社會形成共識。如果有共識，那么所有的苦惱都不會成為好教育過程中的絆腳石，而會成為我們推動好教育發展的一種動力。共識是好的教育生態中最重要的一個支持。好教育需要好的社會共識、家庭共識和學校共識。

雖然本文基準回歸結果表明，計算過養老費用的家庭會系統性地提高商業養老保險參保概率，但這些家庭的實際參保情況仍然存在異質性，對自身長壽風險的認知差異可能是其中一個原因。在控制了可觀察到的影響養老費用的各控制變量之后，預期養老費用可能存在解釋參保異質性的主觀預期壽命信息，即計算結果包括了家庭因長壽預期而提高的養老費用。本文利用已計算過養老費用的家庭子樣本，將養老費用計算結果取自然對數值后替換養老計劃傾向指標，將其作為解釋變量納入各回歸模型中，表4結果顯示，各回歸系數均通過一定的顯著性檢驗(面板二列(3)中系數的p值為0.103，接近顯著)，表明計算所得養老費用越高的家庭因為預期能從商業養老保險中獲益更多，其參保概率也會相應提高。該回歸結果表明，家庭在商業養老保險參保決策上存在逆向選擇，這不但在一定程度上反映了家庭參保決策中所表現出來的理性選擇假設，也間接證明了本文所提出的計算養老費用與否影響商業養老保險需求的機制。

表4 養老費用計算結果中的逆向選擇問題

注： 面板一的被解釋變量采用2014年數值，面板二的被解釋變量采用2016年數值。

2.養老計劃傾向提高家庭整體商業保險參與水平

除了個人長壽風險外，計算養老費用時還可能對其他類型的風險形成風險認知與管理意圖，家庭為保障未來的消費水平不致為潛在風險所累，會提高相應的商業保險產品需求以抹平風險。比如，為了避免如意外的健康沖擊、財富損失等造成的巨大損失，個體或將增加對商業健康保險、財產險的需求。再者，為了避免因自身意外事件而影響家人的生活水平，個體也可能增加對商業人壽保險的需求。因此，養老計劃傾向不僅會提高與養老安排直接相關的商業養老保險需求，還可能提高家庭整體的商業保險參與水平。為了檢驗這一可能性，我們構造了是否購買商業保險、商業保費支出(6)該指標受到異常值的影響，處理前的樣本均值、標準差、最大值分別為0.612、14.383與480，遂將13個該指標大于1的樣本進行縮尾處理，處理后的樣本均值、標準差、最大值分別為0.038、0.123與1。、商業保費占家庭收入之比(指代家庭保險深度)三個家庭指標(7)這三個指標為家庭所有的商業保險參與情況，包括商業醫療保險、汽車險、房屋財產保險、商業人壽保險等。2014年的CFPS未對商業保險各類險種的參保及保費支出進行區分，因此難以開展不同險種的研究。此外，受訪者可能在商業保險參與問題中考慮屬于強制險的汽車保險，但在回歸模型中增加是否擁有汽車這一變量不影響養老計劃傾向的系數及其顯著性，所以養老計劃傾向與商業保險參與的關系并不受可能的強制險考慮的影響。。由于被解釋變量為家庭層面指標，我們利用模型(1)以及模型(3)所示形式進行回歸，是否購買商業保險利用Probit模型回歸，而商業保費支出、家庭保險深度則用Tobit模型回歸。

表5面板一顯示，計算過養老費用的家庭購買商業保險的概率比沒有計算過養老費用的家庭平均高7.2%，且系數通過1%的顯著性檢驗，占樣本家庭平均購買概率(32.3%)的22.3%。同時，相比于不具有養老計劃傾向的家庭，具有養老計劃傾向的家庭的商業保費支出平均增加67.4%，保險深度提高1.7%，兩者均通過1%的顯著性檢驗。列(4)中我們將參與商業養老保險(包括戶主與配偶之外的家庭成員的參保行為)的家庭從全樣本中剔除，結果表明，計算過養老費用的家庭，其除商業養老保險外的其他商業保險的參保概率同樣更高，意味著這些家庭在養老計劃中可能存在對不同類型風險的認知程度差異，從而引起對商業保險險種的不同偏好。面板二中增加了配偶的控制變量，系數依然顯著為正?？梢姡B老計劃傾向會提高家庭整體商業保險參與水平，印證了上述分析(8)類似于前述內生性檢驗，將2016年數值作為被解釋變量不影響回歸結論；另外，利用同縣(市、區)其他受訪家庭養老計劃平均值作為工具變量也顯示，上述回歸模型中接受養老計劃傾向變量不存在內生性的假設，因此表5回歸結果可靠。。

表5 養老計劃傾向與家庭整體保險參與水平

注： 面板一的被解釋變量為家庭整體保險參與水平，面板二中增加了戶主配偶的特征。兩個面板中的列(4)“購買商業保險”均剔除了參與商業養老保險家庭。

五、 結論與啟示

在老齡化以及個人長壽風險趨嚴的背景下，我國社會保障力度尚不足以維系大部分人的老年生活，家庭應當及早制定未來的養老規劃。作為管理個人長壽風險的有效工具，商業養老保險是為養老做準備的有力舉措。本文利用是否計算過養老費用指代養老計劃傾向，實證分析了養老計劃傾向對商業養老保險參與的影響，結果顯示，計算過養老費用會系統性地提高商業養老保險參保概率。在計算養老費用這一信息的搜集與處理過程中，家庭會提高對長壽風險的風險認知與管理意愿。但風險的認知程度會對商業養老保險的參與決策形成異質性影響，計算所得養老費用越高的家庭越容易從商業養老保險市場中獲益，其參與概率也越高，這意味著商業養老保險市場存在逆向選擇問題。進一步研究還顯示，養老計劃傾向還會提高家庭對除商業養老保險外其他類型商業保險的需求，從而促進家庭整體商業保險參與水平。對不同類型風險的認知程度差異可能會影響家庭對相應商業保險產品的需求，這也是未來的一個研究方向。

本文的政策含義在于：為推動商業養老保險市場甚至整個商業保險市場的發展，并使其在家庭保障與風險管理上發揮更大的作用，政府應該通過適當的宣傳手段提高家庭在養老風險背景下對各類型風險的風險認知與管理意圖，鼓勵家庭利用不同的渠道計算養老費用，或者向其提供養老費用計算所需的服務。比如，便利社會醫療與社會養老保障具體信息的獲取，提供一般家庭養老費用的計算標準作為參考，提高家庭養老計劃傾向并輔以具體計劃的制定。此外，社會在個體成長各階段的學習教育中都應該重視培養其計劃意識與計劃能力，這對金融市場發展具有長期意義。