華靜 陸祺靈 耿仲鐘
近30年來,我國老年人口撫養比由不足9%上升到17.8%,老齡化步伐日益加快,預計在“十四五”期間,全國老年人口將突破3億人,將從輕度老齡化邁入中度老齡化。為了積極應對日趨嚴重的老齡化問題,2016年我國實施全面放開二胎政策;2017年黨的十九大報告進一步指出:“實施健康中國戰略,促進生育政策和相關經濟社會政策配套銜接,構建養老、孝老、敬老政策體系和社會環境,推進醫養結合,加快老齡事業和產業發展。”2019年,為積極應對人口老齡化,中共中央、國務院印發《國家積極應對人口老齡化中長期規劃》,從夯實社會財富儲備、改善勞動力供給、健全養老服務和產品供給體系、強化科技創新能力和構建多元互動的社會環境等5 個方面部署了應對老齡化的具體工作任務;2020年中共中央頒布《關于制定國民經濟和社會發展第十四個五年規劃和二〇三五年遠景目標的建議》,提到從優化生育政策和健全基本養老服務體系等方面實施積極應對人口老齡化國家戰略。2021 年5 月31 日,中央政治局會議指出進一步優化生育政策,實施一對夫妻可以生育三個子女政策及配套支持政策,進一步加強人口發展戰略。
在當前放松生育政策和人口快速老齡化的新形勢下,西北地區微觀家庭的人力資本投資的動機和決策機制是什么?養老負擔與撫幼負擔是如何影響家庭內部人力資本決策的?實際影響效應如何?這是本文所要回答的問題。
關于人力資本投資的研究主要是從宏觀視角進行探討(張川川,2015;陸旸和蔡昉,2016),其中基于老齡化背景的研究主要集中于人口老齡化對勞動生產率和人力資本形成的影響(吳俊培和趙斌,2015;昌忠澤,2018)。家庭作為人力資本投資的微觀主體,老齡化對家庭人力資本投資的影響尚未有一致結論,早期學者認為老齡化會促進家庭投資(Fougere et al,2009;Cervellati and Uwe,2011),部分學者認為老齡化會擠占家庭對教育資源的投資,會顯著降低家庭人力資本投資水平及其占家庭總支出的比重,從政策上更加傾向重視高技能產業、提升高等教育資源配置的均衡化和配置效率等(毛毅和馮根福,2012;李超,2016;李宜航,2019)。
關于子女撫養負擔和家庭人力資本投資的研究,最早始于Becker提出的孩子質量與數量選擇的理論,認為家庭收入提高會使得父母更加偏好孩子的質量,進而家庭生育孩子的數量會減少。基于這一理論大多數研究發現家庭規模對質量有負面影響(劉永平和陸銘,2008;汪偉,2015)。青少年時期是人力資本形成的最重要階段(Heckman and Kautz,2014),不少研究認為子女天賦(Tamara,2017)、父母的社會經濟條件(Goode et al,2014)、父母工作時間(吳賈等,2019)、家庭資源(陶東杰等,2017)、對子女的教養方式(張皓辰和秦雪征,2019)等因素會影響到子女數量變化下家庭內部的教育投資水平。部分學者針對社會普遍存在的“重男輕女”現象進行研究,發現父母對兒子的投資多于對女兒的投資(鄧衛廣等,2019)。
家庭內部存在著代際談判、競爭、妥協與合作。代際之間出于利他和利己兩種動機存在著投資和收益的動態平衡,等同于與市場交換類似的“互惠方式”,由此形成了人力資本投資的代際合作關系:父母對未成年子女進行教育投入,期望子女在父母年老時提供營養醫療保健投入(張蘇和朱媛,2018),主要表現為人力資本反饋式代際合作和隔代合作兩種模式。在既定家庭收入約束下,家庭收入會在不同年齡段家庭代際成員間進行人力資本分配,這便形成了家庭人力資本投資的代際競爭關系。大多數研究圍繞家庭決策和勞動時間兩個角度展開,研究發現在人力資本投資過程中各代際家庭人員間表現為此消彼長的代際競爭,且隨著老齡化程度的加深,用于老年的家庭資源和社會資源會對子女人力資本投資產生擠出效應(De and Fink,2018)。
綜上可知,已有研究中關于老齡化、人力資本投資的研究多是從經濟增長的宏觀層面探討,同時考慮養老負擔與撫幼負擔的微觀家庭內部資源決策研究有待深入,且在人口結構變動和生育政策放松雙重背景下的研究較少,更缺乏微觀機制系統性的研究;而且專門針對欠發達地區的家庭人力資本決策機制更是缺乏。
本文將家庭人力資本投資細化為教育投資和健康保健投資,分別對應家庭生命周期的未成年期的子女教育投入和老年期的營養醫療保健投入,立足人口結構和生育政策調整綜合背景下優化家庭資源配置,探究代際合作和代際競爭關系下家庭人力資本投資的動機和決策過程,具體見圖1。

圖1 家庭人力資本投資決策的形成機制
1.在老齡化背景下,處于家庭凈支付地位的成年期成員面臨著養老撫幼的雙重負擔,在對子女進行教育投入方面,已有文獻認為投資動機主要包括利他和利己兩種偏好。如果出于利他偏好,家庭決策者將子女視為“消費品”,隨著人口老齡化的加劇,老年人的醫療和健康支出會有所增加,對老人的贍養支出會提高,在家庭有限的收入約束下,家庭資源需要在不同代際間權衡,當養老支出增加時,家庭會相應的降低子女教育支出,這意味著養老負擔會對子女的人力資本投資產生擠出效應;如果處于利己偏好,家庭決策者會把子女視為“投資品”,當人口老齡化帶給家庭更重的養老負擔時,家庭會進一步未雨綢繆,提高收入的激勵效應,會在子女身上投資更多的人力資本資源,提升家庭未來收入的可能。
2.在生育政策調整方面,子女數量與質量可能存在替代效應。Becker提出“子女數量與質量替代模型”,模型認為在家庭中孩子可以視作一種耐用消費品,在以家庭效用最大化為目標的前提下,家庭收入的提高將增加父母對子女數量和質量的需求。也就是說父母將生育更多孩子并盡可能提供更好的教育。當家庭收入等資源受到約束時,子女數量和質量的替代關系將得到顯現,也就是說,子女質量的提高需要更多家庭資源,這將間接導致子女數量下降。反過來講,家中孩子越多,分配給每個孩子的醫療和教育資源就越少,子女的平均質量也就越低,這表明在約束性家庭資源下,隨著生育政策的放松,子女數量如果進一步增加,子女的平均人力資本投資,主要是教育投資就會受到約束,也就是說撫幼負擔對家庭人力資本投資也具有擠出效應。
本文數據來源于中國家庭追蹤調查(CFPS)2012 年、2014 年、2016 年和2018 年四期非平衡面板數據,該數據庫樣本覆蓋全國25個省區市,跟蹤收集個體、家庭、社區三個層次的數據,共有村居問卷、家庭問卷、成人問卷和少兒問卷4種問卷,覆蓋抽樣家庭的全部成員。考慮到區域特色,本文選取了西北五省區(陜西省、甘肅省、青海省、寧夏回族自治區、新疆維吾爾自治區)的三代直系家庭為主要研究人群,即家庭中至少包含1 個60 歲以上老人、1 個中間代父母、1 個19 歲以下子女在一起生活,經過篩選、數據清洗和整理,共計獲得1402 個家庭樣本。
1.被解釋變量。本文選取家庭教育總支出作為衡量家庭人力資本投資的主要變量。考慮到我國實行九年義務教育制度,本文把家庭教育支出分為義務教育支出和非義務教育支出,在運用Tobit模型和Heckman 兩階段模型探究養老負擔和撫幼負擔對家庭人力資本投資影響時,被解釋變量為家庭教育總支出;在進行穩健性回歸時選擇教育總支出占家庭支出的比例和非義務教育支出作為被解釋變量進行穩健性分析。
2.主要解釋變量。在養老撫幼負擔對家庭人力資本投資影響模型中,解釋變量主要為家庭年齡結構變量,其中常用的老齡化衡量指標為老年人口占家庭總人口的比重或老年撫養比,本文選取家庭成員中60 歲及以上人口數及占比來衡量老齡負擔;一般來說,19 歲及以下少年多處于高中階段,還需要父母的經濟支持,所以用家庭中19 歲以下的人口數及家庭占比來衡量家庭撫幼負擔。
3.控制變量。控制變量包括家庭特征變量和戶主特征變量:①家庭特征變量。選取家庭收入、家庭凈資產等作為衡量家庭經濟能力的指標;選取戶口變量衡量城鄉差異;家庭規模用家庭成員數量來衡量。②戶主特征變量。在家庭成員調查中以財務回答人作為戶主,選取年齡、婚姻狀況、受教育年限作為戶主特征。
變量定義見表1。

表1 變量定義表
由于部分樣本中家庭教育總支出存在為零的情況,同時結合家庭教育支出和非義務教育支出的核密度函數,故家庭教育總支出為歸并數據(censored variables)使用線性OLS 估計方法不能得到一致的估計,故本文在家庭教育支出作為被解釋變量的回歸中使用面板隨機效應Tobit模型:

其中,yit為被解釋變量,具體表示家庭教育總支出和非義務教育支出;xit為解釋變量,controlit為控制變量;隨機效應vi、εit服從正態分布,且不相關。
一般來說,家庭教育投資決策存在兩個階段:(1)家庭決策是否要進行教育支出;(2)家庭決策教育支出的數量。為進一步探究家庭人力資本投資的機制,本文在基礎回歸的基礎上繼續采用Heckman 兩階段模型探究人口老齡化負擔和子女撫養負擔對微觀家庭人力資本投資決策中的影響效果,具體模型如下:
假設回歸模型為yi=θ′Xi+εi,其中被解釋變量yi是否可以觀測取決于二值選擇變量zi(取值為0或1)

而決定二值變量zi的方程為:



其中,yi為被解釋變量,Xi表示所有變量的集合,包括解釋變量和控制變量。
1.描述性統計分析。表2 報告了變量的描述性統計結果。1402個樣本的平均家庭教育支出為3832元,其標準差大于均值,表明家庭間不同類型教育支出差別較大;家庭結構中60 歲以上老年人的比重平均為0.305,高于家庭中19歲以下少兒比重的0.284,可見隨著家庭規模的增加,老年人規模增量大于子女人口增量。

表2 變量描述性統計表
2.回歸結果分析。表3以戶口作為分類變量,報告了面板Tobit 模型的回歸結果,其中被解釋變量為家庭教育總支出的對數,回歸(1)以家庭中19歲及以下的人口占比和家庭中60 歲及以上的人口占比作為解釋變量,估計系數分別為-0.663和-0.993,分別在5%和1%的水平上顯著為負,表明子女撫養負擔和養老負擔對家庭人力資本投資均有擠出效應;回歸(2)以家庭中19歲及以下的人口數量和家庭中60歲及以上的人口數量作為解釋變量,二者估計系數分別為-0.144 和-0.174,均在1%的水平上顯著為負,表明家庭中養老撫幼負擔對家庭人力資本投資均產生負效應;回歸(3)在回歸(1)的基礎上加入了控制變量,回歸(4)在回歸(2)的基礎上加入了控制變量,解釋變量的估計系數仍然顯著為負,且衡量撫幼負擔的變量系數均低于衡量養老負擔變量的系數,表明撫幼負擔對家庭人力資本投資的影響效應(19 歲以上的人口數量這一變量影響系數為-0.165)明顯高于養老負擔對家庭人力資本投資的影響效應(60 歲以上的人口數量這一變量影響系數為-0.153),進一步表明子女撫幼負擔對家庭人力資本投資的擠出效應高于養老負擔的效應,間接證明了我國生育決策中存在子女的質量與數量替代關系。

表3 Tobit模型回歸結果
就回歸(3)和(4)的控制變量結果來看,家庭收入和家庭凈資產這兩個變量對家庭人力資本投資的影響系數均為正,表明家庭收入和家庭凈資產越高,家庭教育總支出越高;家庭規模對家庭教育總支出的影響系數為正,這一結果可能源于家庭成員數量越大,子女數量增加的速度高于父母數量的增加量,用于子女教育的支出就越大;戶主年齡的估計系數顯著為正,其年齡平方的估計系數顯著為負,這意味著隨年齡增長,戶主傾向于提高家庭子女教育支出,而年長到一定階段以后就會傾向于降低對年輕家庭成員的教育投資。
表4 報告了運用Heckman 兩階段模型剖析老齡化負擔和子女撫幼負擔對家庭人力資本投資的影響結果,其中回歸(5)和(6)的被解釋變量為家庭教育總支出的對數,回歸(7)和(8)的被解釋變量為非義務教育支出的對數,回歸(5)和(6)以家庭中19歲以下的人口占家庭比重和家庭中60歲以上的人口占家庭比重作為解釋變量,回歸(7)和(8)以家庭中19歲以下的人口數量和家庭中60歲以上的人口數量作為解釋變量。在回歸(5)中19 歲以下的人口數量占比對家庭教育支出的影響系數是1.095,顯著正向影響,60歲以上的人口占比對家庭教育支出的影響系數為-0.627,呈顯著負效應;在回歸(7)中19 歲以下的人口數量對家庭教育支出的影響系數是0.188,顯著正向影響,60歲以上的人口數量對家庭教育支出的影響系數為-0.159,呈現顯著負效應。結果表明在家庭人力資本投資決策上:撫幼負擔對家庭教育支出有正向影響;養老負擔對家庭教育支出有負向影響;同理,在第二階段的具體的教育投資數量上:撫幼負擔對家庭教育支出有負向影響;養老負擔對家庭教育支出有負向影響。

表4 Heckman兩階段回歸結果
3.穩健性檢驗。表5 將被解釋變量替換成了家庭教育總支出占家庭總支出的比重和非義務教育支出,其中回歸(9)和(10)的被解釋變量為家庭教育總支出占家庭總支出的比重,回歸(11)和(12)的被解釋變量為非義務教育支出的對數。結果表明,無論是子女負擔還是老齡化負擔對被解釋變量的影響顯著為負,表明子女負擔和老齡化負擔均對家庭教育支出產生擠占效應,與前面結論一致,表明本文結論是穩健的。

表5 穩健性檢驗
本文運用中國家庭追蹤調查(CFPS)2012-2018 年四期面板數據,以三代直系家庭為研究人群,統籌考慮養老負擔與撫幼負擔對家庭人力資本的影響,采用面板Tobit 模型和Heckman 兩階段模型實證分析老齡化負擔和撫幼負擔對微觀人力資本投資的實際影響效果。研究結果表明:(1)撫幼負擔和養老負擔均對家庭人力資本投資產生負向效應;(2)撫幼負擔對家庭人力資本投資的擠出效應高于養老負擔效應,間接證明了我國生育決策中存在子女的質量與數量替代關系。根據研究結論,提出以下建議:
1.相比于養老負擔,撫幼負擔對家庭人力資本投資的負效應更大,為進一步降低家庭子女撫幼負擔對家庭人力資本投資的擠出效應,建議在放開生育政策的同時制定配套政策,統籌考慮生育、養育、教育等方面,為二胎和三胎家庭提供教育資金,降低家庭教育開支,進一步降低撫幼負擔對家庭人力資本投資的負向效應。
2.為積極應對人口老齡化負擔對農村家庭的擠出效應,要加快建立健全相關政策體系和制度框架,如加大財政投入力度,完善老齡事業發展財政投入政策、多層次多渠道地構建籌資機制;以老年人的需求設置推動主體和代際項目,因地制宜地開發和創建農村家庭代際互動和參與平臺,構建家庭人力資源有效配置的模式。
3.基于教育和養老視角化解家庭養老撫幼投入產生的代際沖突。教育方面,加大老齡化程度較高的農村地區的基礎教育支出,緩解人口老齡化對基礎教育帶來的復雜性影響;養老服務方面,完善新農保的入口和出口補貼政策,合理優化代際成員間教育支出和健康保健支出,結合“老年友好”與“青年友好”理念,構建新型代際互動的公共政策規制體系,積極應對家庭養老撫幼投入的代際沖突。