降低養老保險費率能擴大企業雇傭規模嗎?

［摘要］降低企業養老保險費率是“減稅降費”政策的重要一環。我國于2019年推出了《降低社會保險費率綜合方案》的政策，故使用2014—2022年A股上市公司數據，通過雙重差分模型檢驗該政策的實施對企業雇傭規模所產生的影響。研究發現，此次降費政策總體上對企業的雇傭規模存在顯著的正向影響，使企業的雇傭規模增加2.6%，該結果在經過一系列穩健性檢驗過后依然成立。此外，本次降費的政策效果呈現出顯著的企業異質性，更有利于制造業企業以及非國有企業雇傭規模的擴大。有關影響機制的分析顯示，養老保險降費政策主要通過現金流效應以及要素替代效應影響企業的雇傭規模。

［關鍵詞］養老保險費率；降費政策；雇傭規模；影響機制

［中圖分類號］F840.61

［文獻標志碼］A［文章編號］10044833（2024）05009011

一、引言

就業是最大的民生。黨的二十大報告指出，要不斷強化就業優先政策，加快健全就業促進機制。近年來的政府工作報告也多次提出要穩定現有就業，繼續強化就業優先政策。

企業在中央全面落實“就業優先”工作中扮演著重要角色。然而高社會保險費率所帶來的勞動成本壓力卻極大地限制了企業的就業吸納能力，其中養老保險繳費已經成為企業重要的勞動力成本支出。已有研究發現，高養老保險費率不僅會抑制企業的全要素生產率［1］，而且會對企業的雇傭規模［2］、員工工資［3］、投資規模［4］以及創新程度［5］等方面帶來一定的不利影響，甚至會加強企業的逃費避稅動機［6］。由此可見，高養老保險費率對企業造成的這些負面影響已經給政府部門的“就業優先”工作帶來了極大的挑戰。

基于以上原因，我國早在2015年就已經開始并在之后的幾年中持續推進社會保險降費政策。人力資源和社會保障部2015年先后就調整失業保險費率、工傷保險費率以及生育保險費率發布通知，將上述三項社會保險的單位繳費率合計下調約1.75%。緊接著在2016年發布了關于階段性降低養老保險費率的通知，通知要求養老保險單位費率在20%以上的，降至19%～20%。進一步地，2019年5月1日中央又推出了《降低社會保險費率綜合方案》，該方案也是我國社會保險制度建立以來費率下降幅度最大的一次，方案明確開始實施新一輪的降費措施，并要求各地將企業職工基本養老保險單位費率降至16%。

關于養老保險費率對企業雇傭規模的影響，國內外學者進行了深入的探討。國外學者重點關注工薪稅率以及社會保險費率與企業用工需求的關系。一方面，已有研究大都認為工薪稅率與企業雇傭規模之間呈現顯著的負向關系，工薪稅率上調會導致失業率上升［7］，而稅率的下降則使得企業的勞動力需求擴張，提高了就業率［8］。另一方面，有關社會保險費率與企業用工需求的研究中，結論并不完全一致，部分學者認為社會保險費率的浮動與企業雇傭規模的擴大之間為負向關系［9］，但也有學者認為社會保險費率的浮動對企業雇傭規模的擴大沒有顯著影響［1013］。

近年來，許多學者開始關注我國的養老保險降費政策、社保繳費水平對于雇傭規模的影響，但結論不一。其中呂學靜和何子冕發現降低費率對企業雇傭員工的數量無明顯擠出效應［14］，宋弘等則發現降低費率顯著提高了企業勞動力需求［15］，尹恒等人進一步發現社保降費極大提高了服務業的勞動需求［16］。趙海珠等人以2019年出臺的《降低社會保險費率綜合方案》為準自然實驗，發現該方案的實施顯著增加了在線招聘的崗位數量，產生了良好的就業促進作用［17］。馬孟琛和白晨卻發現該方案的推行顯著提高了上市公司的員工福利水平，但對雇傭人數與員工工資的影響不顯著［18］。此外，一些文獻發現社會保險繳費對就業存在顯著的擠出作用，企業的實際社保繳費負擔越高，其雇傭規模越小，并且其勞動力雇傭增長率會顯著降低［1920］，進一步的研究發現社保繳費對工資水平與就業規模的轉嫁效應在勞動密集型行業和低風險行業中更為明顯［21］。同時，社保繳費會提高勞動力的相對價格，促使企業減少勞動力雇傭和增加固定資產投資［22］。

總的來看，國內外學者圍繞養老保險費率對企業雇傭規模的影響已經進行了許多有益的探索，本文的邊際貢獻主要體現在以下兩方面：

首先，評估了2019年養老保險降費政策的就業效應。已有的相關研究大都關注社保費率水平的高低對于就業規模的影響，研究社保費率政策變化對于就業影響的文獻較少。2019年發布的《降低社會保險費率綜合方案》是我國迄今為止幅度最大的一次養老保險費率下降，且該方案實施不久就遭遇了新冠疫情的暴發及長期持續，因此本次降費政策的實施環境與以往也有所不同。目前僅有個別文獻關注了2019年社保降費政策的就業效應，但其中存在著研究區域的選擇缺乏全國代表性，以及研究結論之間存在著明顯分歧等問題。因此，本文使用全國性數據以及雙重差分模型評估了2019年社保降費政策對于就業規模的影響，不僅有助于更全面地理解本次養老保險降費政策的社會經濟影響，還可以為當下穩定與擴大就業提供新的政策思考。

其次，從現金流效應和要素替代效應出發，探索了養老保險降費政策影響企業雇傭規模的內在機制。由于資本和勞動力是企業生產過程中相互可替代的兩種生產要素，已有的研究主要基于要素替代效應，分析養老保險費率與雇傭規模之間的關系。本文在此基礎上，從企業現金流方面進行了相關拓展。事實上，已有大量研究基于融資約束分析企業的相關決策（如避稅、創新等），但涉及社保費用與雇傭規模方面的分析相對較少。本文基于現金流效應和要素替代效應兩個機制闡釋了養老保險降費政策影響企業雇傭規模的作用路徑，為探索養老保險降費政策如何影響企業雇傭規模提供了新的解釋視角。

二、理論分析與研究假說

（一）我國養老保險制度的背景

我國目前的社會養老保險制度始建于1997年，其中基本養老保險包括城鎮職工養老保險和城鄉居民養老保險。前者覆蓋范圍是城鎮企業及員工、個體工商戶和自由職業者，城鄉居民基本養老保險的覆蓋范圍為年滿16周歲（不含在校學生），非國家機關和事業單位工作人員及不屬于城鎮職工基本養老保險制度覆蓋范圍的城鄉居民［2324］。本文主要討論的是城鎮職工基本養老保險，它要求參保單位和個人分別繳納工資總額的一定比例，其中企業養老保險費率由最初的20%及以上逐步降至2019年之后的16%，個人繳費比例始終保持在8%不變，企業和個人的繳費分別進入社會統籌賬戶和職工個人賬戶中，繳費滿15年并達到退休年齡者可以領取養老金。

在我國的養老保險制度框架中，養老保險費率主要由中央政府確定，地方政府對當地的費率具有一定的決策權，并長期負責征收養老保險費用。因此在制度運行過程中，地方政府出于當地養老金收支情況或者減輕企業繳費負擔、吸引更多企業投資的考慮，可能會適當地調整企業費率水平，從而導致了各省份之間在費率水平上的參差不一。此外，較高的養老保險繳費負擔增加了企業的逃費動機，許多企業通過不參加或僅給部分工人參加養老保險、人為降低個人的繳費基數等方式逃避養老保險繳費義務，而地方政府出于發展經濟等原因對上述逃費現象的治理并不嚴格［25］。

（二）養老保險費率下降影響企業雇傭規模的理論分析

養老保險費對社會就業水平的影響主要取決于企業能否將此項成本部分或者完全轉嫁到員工的身上［2］。以養老保險費率上升為例，當勞動力市場處于均衡狀態時，養老保險費率的上升會導致企業用工成本的上漲，此時便可能會產生養老保險費對企業雇傭規模的擠出效應［26］。擠出效應是否存在主要取決于勞動力供給的彈性大小以及員工對養老保險的偏好。勞動供給彈性小意味著企業更容易通過降低工資的方式轉嫁養老保險費率上升所帶來的勞動力成本增加［11］。養老保險費率上升所帶來的勞動力成本增加由企業轉嫁到員工身上，如果以降低員工工資水平作為代價，那么就會減少對就業的擠出。此外，員工對養老保險的偏好影響到員工是否愿意降低當前可支配收入來繳納養老保險費，一般而言，低教育程度以及非技術員工更傾向于獲得當前可支配收入，養老保險費對這部分人群的擠出效應也更為明顯［12］。

從對擠出效應的分析來看，企業所承擔的社會保險費只能通過降低員工工資水平和縮減企業雇傭規模的方式進行部分轉嫁［21］。但是，根據粘性工資理論可知，一方面企業為了自身持續發展會選擇與員工簽訂長期契約，契約規定的基本薪酬一般不輕易隨經營狀況的好壞而發生變化；另一方面，員工作為風險規避者，往往會拒絕工資水平的降低。如此便導致了企業員工的工資水平不能隨著勞動供求變化以及企業經營狀況靈活調整。同時，工資本身具有可升不可降的“剛性”特征，再加上最低工資制度等原因，企業無法及時有效的調整員工工資水平，也就無法通過這一途徑來轉嫁養老保險成本負擔，而一旦員工工資不能完全吸收企業所轉移給員工的養老保險費用成本，就會對就業產生明顯的擠出效應。結合2019年養老保險降費背景，本文認為養老保險費對就業的擠出效應其實是持續存在的，除非將養老保險費對就業的擠出完全轉移到降低員工工資水平上，又或者企業和員工們一致認為養老保險費并非是一種成本而是福利，但上述兩種情況對我國目前的勞動力市場來說都不實際。因此無論養老保險費率如何浮動，擠出效應都會一直發揮作用，只是強度有所不同。當養老保險費率下降時，勞動力成本的減少會弱化養老保險費對就業的擠出，有利于企業擴大雇傭規模。基于上述分析，本文提出研究假說H1。

H1：養老保險降費政策有利于擴大企業的雇傭規模。

在此基礎上，考慮到我國目前的勞動力市場狀況，本文認為可以從勞動供給彈性以及企業融資難易程度兩個方面對養老保險降費政策的異質性效果展開進一步分析。

企業所在的行業。不同行業所面臨的勞動供給彈性不同，勞動供給彈性的差異本質上反映了勞動供給行為在群體之間的異質性［27］。一般而言，制造業企業的資本勞動比率相對較低，其勞動雇傭需求也會相對較高。相較于非制造業企業而言，養老保險降費政策的實施所帶來的勞動成本下降會顯著提高制造業企業的勞動需求，直接表現為降費政策實施后雇傭規模的顯著擴大。因此，本文認為養老保險降費政策能顯著擴大制造業企業的雇傭規模。

企業的股權性質。根據所有制可以大致將企業分為國有企業和非國有企業（民營、外資等）。相較于非國有企業，國有企業的雇傭規模以及內部組織結構趨于穩定，人員流動性相對較弱［28］。同時，國有企業面臨的融資約束往往要低于非國有企業，其獲取現金流的手段更多且獲取難度更低［29］，降費政策帶來的充足現金流對國有企業擴大雇傭規模的激勵作用不大。由于非國有企業的融資難度要高于國有企業，降費帶來的政策效果必然在兩種性質的企業間有顯著差異。因此本文認為，養老保險降費政策更能顯著擴大非國有企業的雇傭規模。

在上述分析的基礎上，本文提出研究假說H2a、H2b。

H2a：養老保險降費政策更能顯著擴大制造業企業的雇傭規模。

H2b：養老保險降費政策更能顯著擴大非國有企業的雇傭規模。

本文進一步分析養老保險降費政策擴大企業雇傭規模的內在作用機制。一方面，緩解企業的現金流約束是增加企業勞動雇傭規模的重要機制，學術界對此已經形成相對一致的共識。企業所需承擔的勞動力成本除了養老及其他社會保險費和職工工資福利以外，還包括前期的宣傳推廣、中期的招聘考核與后期的入職培訓［30］，企業需要有充足的內部現金流為其企業招聘、員工培訓、工資支付等一系列雇傭活動支付成本。同時，由于企業勞動報酬支付與內部現金流入之間存在一定的時間差，勞動成果轉化為企業盈利存在一定的時間滯后性。在此期間，企業的雇傭活動需要現金流的持續保障。養老保險費率的浮動會一定程度上影響到企業內部資金充足與否，從而影響到勞動力雇傭活動能否順利開展［31］。對于流動性約束得到緩解的企業，會增加對勞動力的投資［32］，從而助于改善就業狀況［3334］。基于上述邏輯，養老保險費率的下降會降低企業用工成本［35］，緩解企業融資約束，使企業有足夠的現金流來維持擴大雇傭規模，本文將其稱之為現金流效應。

另一方面，勞動力與資本作為企業生產過程中不可或缺的兩種要素，由于養老保險費是企業勞動力成本的重要組成部分，養老保險降費政策的出臺意味著企業勞動力成本的下降，因此相比于資本價格而言，企業的勞動力價格會相對下降［20］。由于資本和勞動力是相互之間可替代的生產要素，勞動力價格的相對下降會促使企業使用勞動力代替資本進行生產，這被稱之為要素替代效應［36］。因此，隨著養老保險降費政策的出臺，勞動力與資本之間相對價格的下降將促使企業擴大雇傭規模。

現金流效應與要素替代效應共同解釋了勞動力價格的相對下降給企業足夠的現金流以及動機去擴大雇傭規模。首先，現金流效應意味著企業的融資約束得到一定的緩解，為企業擴大雇傭規模提供足夠的現金流保障，同時要素替代效應又激勵企業使用勞動力來替代資本，兩種效應共同作用會提高企業的雇傭規模。因此，本文提出研究假說H3。

H3：養老保險降費政策通過現金流效應與要素替代效應擴大了企業的雇傭規模。

三、研究設計

（一）模型設定

本文主要研究兩個問題：養老保險費率的降低是否擴大了企業的雇傭規模；如果雇傭規模擴大了，那么受哪些機制驅動。因此，本文將使用雙重差分法檢驗養老保險降費對雇傭規模的影響，引言部分所提到的2019年全國性養老保險降費政策為本文構建雙重差分模型提供了很好的準自然實驗。具體計量模型的設定表示如下：

lnLabit=β0+β1Treati×Postt+β2Controlsit+μi+γt+Indtrendj+Protrendc+εit（1）

在模型（1）中，被解釋變量雇傭規模用lnLabit表示，下標i、t、j和c分別表示企業、年份、行業以及省份；Treat為反映2019年養老保險降費政策是否實施的虛擬變量，若企業處于該政策之下則為實驗組，取值為1，否則為控制組，取值為0；Post是政策實施年份的虛擬變量，當企業處于2014—2018年取值為0，處于2019—2022年取值為1；Controlsit為一系列企業層面以及員工層面的控制變量；εit為誤差項。μi和γt為個體固定效應和時間固定效應。此外，由于本文使用全國范圍內的上市公司來劃分實驗組與控制組，考慮到省份之間的地區差異會對企業的雇傭規模產生影響以及不同行業間的勞動力需求差異會影響到結果的穩健性與可靠性，本文進一步控制了行業時間趨勢Indtrendj與省份時間趨勢Protrendc。

（二）數據來源

本文使用的數據主要來源于國泰安數據庫（CSMAR）2014—2022年A股上市公司樣本，另有部分數據來源于中國統計年鑒。以CSMAR數據庫中的上市公司樣本作為本文的研究樣本有明顯的合理性。首先，我國企業養老保險費的繳納會受到養老保險繳費基數的影響，由于本文的樣本多為業績良好的上市公司，與中小民營企業相比，逃費動機較弱［37］。繳費基數對本文的研究結果影響不大。其次，2020年的新冠疫情對國內企業帶來了嚴重的負面影響。與中小企業相比，上市公司具有更高的盈利能力和現金流水平，疫情的影響會相對減弱［38］。此外，CSMAR數據庫中披露了上市公司“應付職工薪酬”及其具體科目，包括企業當年的養老保險繳費額以及員工人數和員工工資總額等重要指標，本文根據上述指標構建雇傭規模等關鍵變量。

本文通過以下五個步驟對初始樣本進行了篩選：剔除金融類和在股票交易市場被實行特別處理的ST類上市公司；剔除2014年之后上市的公司；剔除員工人數少于100人的公司；剔除關鍵變量數據（如雇傭規模、養老保險費等）缺失嚴重的樣本；為了降低異常值帶來的影響，對回歸所涉及的連續變量進行1%的縮尾處理。通過以上處理，本文最終獲得了9年的非平衡面板數據，共25000個樣本。

（三）變量選取與描述性統計

1.被解釋變量。企業的雇傭規模等于當年員工總人數減去監管層人數后，再取自然對數，在本文中用lnLab來表示。另外，為了檢驗2019年養老保險降費政策帶來的養老保險實際費率變化對企業雇傭規模的影響，前提條件是必須檢驗養老保險費率的降低是否導致企業人均養老保險成本支出顯著減少。因此，有必要先檢驗上述成本是否受降費政策的影響，再對雇傭規模進行回歸。為此，本研究構建了人均養老保險成本指標，界定為養老保險費總額與員工總數的比值，并取對數。

2.解釋變量。其為反映t年企業i所在省份是否受養老保險降費政策影響的虛擬變量，即模型（1）中Treat與Post的交互項。我國2019年出臺的養老保險降費政策實施范圍覆蓋全國所有省份，但事實上部分省份的養老保險費率在降費政策實施前就已經低于16%。在查閱中國各省市人社部門和政府官網后發現，在2010年前，廣東省佛山市、中山市、珠海市以及深圳市等部分市區的企業養老保險費率水平遠遠低于全國平均水平，僅為10%。隨后才逐漸統一至13%～15%的水平。與廣東省做法相似的浙江省，于2012年進行養老保險繳費省級統籌改革，將全省企業養老保險費率統一為14%的水平。因此在降費政策實施后，除浙江省與廣東省以外其他地區的養老保險政策費率都有不同程度的下降。所以可以近似看成浙江省與廣東省的養老保險政策費率并沒有受到2019年養老保險降費政策的影響，這便為本文的研究提供了一個良好的準自然實驗。因此本文將處于浙江省和廣東省的企業歸類為控制組，將處于其他地區的企業歸類為實驗組。

3.控制變量。參考唐玨和封進等人的做法［22］，本文還選取了相關企業層面控制變量，具體包括公司年齡、公司規模、企業成長性、所有者權益、資產負債率以及賬面市值比。并在此基礎之上，本文加入了相關員工層面控制變量，包括員工平均工資以及員工平均福利。

表1給出變量的分樣本描述性統計結果。從表1的分樣本描述性統計中可以發現，相較于控制組，實驗組企業的雇傭規模更大。在企業層面，實驗組企業有更久的發展歷史和更大的公司規模，同時其所有者權益、資產負債率以及賬面市值比也更高，但成長性要略低于控制組企業。在員工層面，實驗組企業員工的平均工資要略低于控制組，但福利水平要高于控制組。表1統計結果中還顯示實驗組企業和控制組企業變量的均值差異基本在1%水平上顯著。

四、計量檢驗結果

我們首先使用雙重差分模型檢驗養老保險降費政策對企業人均養老保險支出以及雇傭規模的影響，然后從多維角度檢驗計量結果的穩健性，最后檢驗上述影響的企業間的異質性，主要結果如下。

（一）基準回歸結果

表2報告了養老保險降費政策對企業人均實際養老成本（Cost）和雇傭規模影響的DID估計結果。在估計過程中，我們采用了逐步加入控制變量的方法，且每次回歸都控制了時間固定效應和個體固定效應。表2的第（1）列至第（4）列匯報了養老保險降費政策對企業人均實際養老成本的回歸結果。從逐步回歸的結果中可以看出，所有Treat×Post的估計系數均在1%的水平上顯著小于0。這說明養老保險降費政策使得企業人均實際養老成本顯著下降了9%，證實了此次降費政策確實減少了上市公司的養老保險繳費支出。

表2的第（5）列至第（8）列匯報了養老保險降費政策對企業雇傭規模影響的回歸結果。具體來看，表中第（5）列是僅加入企業層面控制變量的回歸結果，Trea×Post的交互項系數大于0，但并不具有統計學意義。第（6）列在前述回歸基礎上加入了員工層面控制變量，Trea×Post的交互項系數在5%的水平上顯著大于0。在此基礎上，本文在第（7）列和第（8）列中分別先后控制了行業時間趨勢與省份時間趨勢，Trea×Post的交互項系數仍然在10%和5%水平上顯著為正，說明2019年養老保險降費政策對企業雇傭規模存在正向影響，即養老保險政策費率的降低可以擴大企業的雇傭規模。相較于未受到降費政策影響的企業，此次養老保險政策費率的下降可以使受政策影響企業的雇傭規模擴大2.6%。因此假說1得以驗證，養老保險降費政策有利于擴大企業的雇傭規模。以上回歸結果意味著，養老保險降費政策顯著擴大了企業雇傭規模，對于穩定與擴大就業具有明顯的意義。

（二）平行趨勢檢驗

精準識別養老保險降費政策效應的前提條件是實驗組和控制組在政策實施前的企業雇傭規模滿足平行趨勢。也就是實驗組在還未受到養老保險降費政策沖擊時，被解釋變量雇傭規模應該與控制組具有一致的時間變化趨勢。因此，借鑒Jacobson等學者的做法［39］，本文以政策實施年份的前一年（2018年）為基期，并構建了Treat與Post的交互項。圖1報告了年份之間交互作用的估計系數以及95%的置信區間。從圖1可以看出，在2019年養老保險降費政策實施前，實驗組與控制組之間的差異并不顯著，其雇傭規模并不存在系統性的差異，說明基準回歸通過了平行趨勢檢驗。

同時，從該圖也能看出養老保險降費政策實施后，實驗組地區企業的雇傭規模呈現出逐步增長的趨勢。具體來看，在養老保險降費政策實施的第0期，實驗組地區企業的雇傭規模有增長趨勢但并不顯著，這主要是由于政策實施效果存在一定的時滯性。而隨著時間的推移，政策實施后第1期實驗組地區企業的雇傭規模顯著擴大。這意味著養老保險降費政策對企業雇傭規模的擴大發揮了積極的激勵作用，進一步驗證了基準回歸結果的穩健性。值得注意的是，在降費政策實施后的第2期（2021年），企業雇傭規模有下降的趨勢，直到第3期才顯著回升為正，本文認為這與新冠疫情有很大關聯。受疫情影響，很多企業遇到困難，雇傭規模因此受到一定影響。本文的基準回歸結果通過了平行趨勢檢驗。

（三）安慰劑檢驗

從基準回歸結果可知，養老保險費率下降會使得企業雇傭規模擴大2.6%。盡管在基準回歸模型中已經加入大量與企業層面以及員工層面的控制變量，但企業雇傭規模的變化仍然可能會受到某些不可觀測因素的影響，而非此次養老保險降費政策所致。因此本節通過構造安慰劑對基準結果進行檢驗，以確保結論的準確性。

1.改變政策發生時間。首先，本文采用“反事實”手段來驗證實驗組與控制組的雇傭規模之間是否存在共同趨勢。假定將2019年5月1日實施養老保險降費政策的時間提前至2018年5月1日、2017年5月1日、2016年5月1日以及2015年5月1日，再構造相應的政策實施虛擬變量進行雙重差分回歸。如果Treat與Post交互項系數不顯著，則證實企業雇傭規模的擴大是由2019年養老保險降費政策引起的，而不是其他的因素。

表3匯報了改變政策發生時間后的估計結果，第（1）列至第（4）列分別是政策時間提前至2018年、2017年、2016年以及2015年后的回歸結果，結果顯示，在四種虛擬政策發生時間下，Treat與Post交互項的估計系數均不顯著且遠低于基準回歸結果（0.026），說明此次企業雇傭規模的擴大確實是由2019年養老保險降費政策引起的。

2.構造隨機分組變量。本文通過構造虛假的實驗組與控制組對樣本進行500次隨機分組沖擊，隨機抽取部分上市公司作為實驗組樣本，通過構造虛假的交互項，對模型（1）進行回歸，得到虛假交互項的系數估計值βrandom1。重復500次上述過程，并將估計系數、P值和核密度繪制在圖2中。圖2是500個βrandom1的核密度及其P值，可以看到隨機生成的βrandom1主要集中于0的附近且呈正態分布，P值大多高于0.1，不具有統計學意義。而本文對實際養老保險降費政策的估計系數為0.026，位于核密度分布的右邊邊沿位置，與安慰劑測試結果有著顯著差異。

（四）穩健性檢驗

本部分從使用平衡面板數據、替換被解釋變量、加入更多控制變量、使用PSM-DID模型以及排除其他政策影響五個維度來檢驗上述基準回歸結果的穩健性，回歸結果匯報如下。

1.使用平衡面板數據。本研究使用雙重差分法來檢驗2019年養老保險降費政策對企業雇傭規模可能存在的政策效應，基準回歸結果顯示此次降費對上市公司雇傭規模的擴大有一定的積極作用。為了保留有效樣本量，本研究使用非平衡面板數據進行研究，而非平衡面板數據的一個不足在于，由于每個企業被觀測到的次數不同，因此可能存在樣本選擇偏差問題。為此，本文在穩健性檢驗中將原有數據轉化為平衡面板數據后再次進行基準回歸。使用平衡面板數據后的回歸結果見表4第（1）列，可知，Treat與Post交互項的估計系數在1%水平上顯著為正。

2.替換被解釋變量。本文的初始被解釋變量為雇傭規模，其界定為企業每年的在職職工人數，這一界定可能無法準確的反應企業職工人數的逐年變動幅度。因此，為檢驗被解釋變量的界定是否會對基準回歸結果產生影響，本文構建了一個新的被解釋變量來衡量企業員工人數變化，具體如下公式（2）所示，通過就業人數的逐年變化率來刻畫受養老保險降費政策實施前后影響的企業勞動力雇傭規模的變動幅度。替換被解釋變量后的回歸結果見表4第（2）列。

雇傭增長率=（本年度員工人數-上年度員工人數）/上年度員工人數*100（2）

在替換被解釋變量為雇傭增長率過后，Treat與Post交互項的估計系數在5%水平上顯著為正。這說明階段性降費政策可以使企業的雇傭增長率提高2.0%，養老保險費率的下降確實對雇傭增長率的提高產生了正向影響。

3.加入更多控制變量。為檢驗控制變量的選取對基準回歸結果的影響，本文在模型（1）的基礎上納入了更多控制變量。具體加入的變量為：

（1）考慮到公司監管層的雇傭決策會影響到雇傭規模，因此增加第一大股東持股比例、董事會規模以及董事長與總經理兼任情況三個變量作為公司治理層面的控制變量。

（2）考慮到雇傭規模與企業所處城市的經濟發展以及人口特征相關，在基準回歸已經控制省份時間趨勢的基礎之上，進一步增加相關城市層面的控制變量，分別為人均地區生產總值的對數與從業人員期末人數的對數，以上兩項數據均來自中國城市統計年鑒。同時，將省份時間趨勢進一步細化到城市時間趨勢（Muntrendc）。

（3）考慮到2020年暴發的新冠疫情對上市公司的盈利能力以及就業吸納能力可能帶來的沖擊，本文在省級層面控制了反映疫情影響的變量（各省新冠感染率），界定為各省每萬人口新增確診數比例，數據來源于CSMAR數據庫與中國統計年鑒。

表4第（3）列為增加了上述控制變量后的回歸結果。可以看出，養老保險降費對企業雇傭規模影響的Treat與Post交互項系數估計值為0.031，且在5%的水平上統計顯著，上述結果與基準回歸基本一致。

4.使用PSM-DID模型。在研究設計中，由于本文使用全國范圍內的上市公司來劃分實驗組與控制組，省份之間的地區差異會對企業的雇傭決策產生影響，可能會產生由樣本選擇性偏差導致的內生性問題，進而會影響到結果的穩健性與可靠性，在此使用PSM-DID模型進行檢驗。

本文先通過傾向得分匹配（PSM）構造“反事實”樣本，再將匹配成功的樣本重新進行DID估計。為盡量獲得相似企業，本文選取基準回歸模型（1）中的控制變量作為協變量，同時采用1∶2最近鄰匹配方法執行逐年匹配。圖3和圖4分別繪制了匹配前后實驗組與控制組樣本傾向得分值的核密度圖，可以發現匹配后兩組樣本的核密度曲線相比于匹配前更為相似，說明匹配后的兩組樣本在企業特征變量上更為相近。表4第（4）列匯報了PSM-DID的估計結果。可以發現，養老保險降費政策對企業雇傭規模的影響仍在10%的水平上顯著為正。以上結果說明，在通過PSM-DID模型緩解了內生性問題以后，本文關于養老保險降費政策顯著擴大企業雇傭規模的研究結論依然成立。

5.排除其他政策的影響。首先，排除其他社會保險降費政策的影響。在本文的樣本期間內，除了養老保險，其他社會保險也進行了不同程度的降費改革。比如，人社部門于2015年先后就調整失業保險費率、工傷保險費率以及生育保險費率發布通知，當年三項社會保險的單位繳費比例合計下調約1.75%。上述社會保險費率的下調有助于降低企業融資約束，并起到擴大就業的作用。因此，有必要排除其他社會保險降費政策的干擾。為此，本文分別測算企業的人均工傷保險支出、人均失業保險支出以及人均生育保險支出，計算方式同上文中的人均養老保險支出（養老保險費與員工人數的比值，并取自然對數），并將這些變量作為控制變量加入到基準回歸模型中進行回歸。表4第（5）列匯報了排除其他社會保險降費政策影響后的估計結果。可以發現，Treat與Post的交互項系數仍在1%的水平上顯著為正，且系數要大于基準回歸結果（0.026）。

其次，排除減稅政策的影響。在本文的樣本期間內，我國陸續出臺并施行了一些減稅政策，主要涉及所得稅、增值稅以及營業稅。這些政策在一定程度上節省了企業的開支，有助于企業擴大雇傭規模。為排除減稅政策的干擾，本文在CSMAR數據庫中獲取企業2014—2022年年末的應交稅費，測算企業稅負（上市公司應交稅費的自然對數），并將企業稅負作為控制變量加入基準回歸模型中。表4第（6）列匯報了排除減稅政策影響后的估計結果。可以發現，Treat與Post的交互項系數與基準回歸系數一致。

（五）異質性分析

本部分通過企業所處行業以及企業股權性質兩方面進行異質性分析，回歸結果詳見表5。

1.按行業分類。本文按照2017年國民經濟行業分類標準，將樣本中的所有企業分成制造業企業與非制造業企業，然后檢驗養老保險降費對不同行業企業雇傭規模影響的異質性。表5第（1）列和第（2）列為按行業分類的回歸結果，可以看到，制造業的交互項系數在1%的水平上顯著為正，而非制造業的交互項系數雖然為正，但并不顯著。以上結果說明養老保險降費政策更能顯著擴大制造業企業的雇傭規模，因此假說2a成立。

2.按股權性質分類。我們將全部樣本分為國有企業樣本與非國有企業樣本，然后檢驗養老保險費率下降對不同股權性質企業雇傭規模影響的異質性。表5第（3）列和第（4）列為相關估計結果，可以看出國有企業樣本的交互項系數為-0.004且不具有統計顯著性。而非國有企業的交互項系數不僅在1%水平上顯著而且遠高于基準回歸結果的交互項系數，為0.044。這表明相較于國有企業，此次養老保險降費政策更有利于非國有企業雇傭規模的擴大。因此假說2b成立。

五、影響機制檢驗

（一）對現金流效應的檢驗

本文從企業現金流水平及融資約束程度出發，檢驗養老保險降費政策對企業雇傭規模的現金流效應。由理論部分可知，如果雇傭規模受到現金流效應的影響，那么企業的現金流水平在2019年之后應該呈上升趨勢，從而有助于緩解企業的融資約束。因此本文依據相關文獻選取了兩個衡量企業融資約束程度的指標［40］，分別是企業WW指數與企業現金流水平（界定為企業經營活動過程中產生的現金流的對數）。WW指數一般與企業所面臨的融資約束程度成正比，WW指數越高說明企業面臨的融資約束程度越高。本文設定了以下兩個模型：

WWit=β0+β1Treati×Postt+β2Controlsit+μi+γt+Indtrendp+εit（3）

Cashit=β0+β1Treati×Postt+β2Controlsit+μi+γt+Indtrendp+εit（4）

在模型（3）和模型（4）中，WWit和Cashit為被解釋變量WW指數以及企業現金流水平，其他變量定義同模型（1）。表6第（1）列和第（2）列為相應的回歸結果，可知對WW指數檢驗的交互項的估計系數在1%的水平上顯著為負，而對現金流檢驗的交互項的估計系數在5%的水平上顯著為正，這表明養老保險費率的降低有效緩解了企業的融資約束困境，提高了企業的現金流水平，說明養老保險降費對企業雇傭規模的影響受到了現金流效應的作用。

（二）對要素替代效應的檢驗

我們從固定資產投資以及資本密集度兩個維度出發，檢驗養老保險降費政策對企業雇傭規模的要素替代效應。如果雇傭規模受到要素替代效應影響，那么企業對資本的投資規模在2019年之后理應減少。因此本文通過構建固定資產凈額并取自然對數的方式來衡量企業固定資產投資。并設定以下模型：

Invit=β0+β1Treati×Postt+β2Controlsit+μi+γt+Indtrendp+εit（5）

進一步考慮到企業資本密集度也可以反映要素替代效應，當勞動力價格相比于資本價格相對較低時，企業會加大對勞動力的投入，此時企業的資本密集度會趨于下降。因此本文同時設定了以下模型：

Capit=β0+β1Treati×Postt+β2Controlsit+μi+γt+Indtrendp+εit（6）

在模型（5）和模型（6）中，Invit和Capit為被解釋變量固定資產投資以及資本密集度，其他變量定義同模型（1）。表6第（3）列和第（4）列分別為模型（5）和模型（6）的回歸結果，結果顯示：對固定資產投資檢驗的交互項估計系數在10%的水平上顯著為負，這表明養老保險費率的下降縮小了固定資產投資規模。類似地，對資本密集度檢驗的交互項估計系數在5%的水平上顯著為負，這說明養老保險費率的下降顯著降低了企業的資本密集度。上述結果意味著，養老保險降費政策促進了勞動力對資本的替代，即養老保險降費對企業雇傭規模的影響受到了要素替代效應的作用。

綜合表6的估計結果，可以發現2019年養老保險降費政策通過現金流效應與要素替代效應等兩條機制影響了企業的雇傭規模。首先，養老保險費率下降緩解了企業的融資約束，為擴大企業雇傭規模提供充足的現金流供應。其次，受要素替代效應影響，養老保險費率下降引致的勞動力相對價格下降使企業有動機去擴大雇傭規模。因此假說3成立。

六、結論

本文基于“減稅降費”的大背景，利用2014—2022年A股上市公司面板數據，將2019年5月1日起開始實施《降低社會保險費率綜合方案》視為一項準自然實驗，采用雙重差分法評估了養老保險費率降低對企業雇傭規模的影響，主要得出以下結論：

首先，2019年養老保險降費政策對企業雇傭規模的擴大存在顯著正向影響，可以使上市公司的雇傭規模增加2.6%，且上述結果在一系列穩健性檢驗過后依然成立。異質性檢驗進一步發現：相比于非制造業企業，養老保險政策費率的降低更有利于制造業企業雇傭規模的擴大；相較于國有企業，養老保險政策費率的降低更有利于非國有企業雇傭規模的擴大。此外，對影響機制的檢驗顯示，養老保險降費政策對雇傭規模的影響受到現金流效應和要素替代效應的雙重作用。

根據本文的研究結論，我們提出如下政策建議：第一，在當前經濟轉型和增速放緩的背景下，有必要在兼顧養老保險基金可持續性的前提下，科學測算養老保險費率的進一步下降空間，從而充分發揮降低養老保險費率對于促進就業的積極作用。第二，由于養老保險降費政策對制造業企業和非國有企業的就業促進作用更大。因此可以考慮制定并實施具有針對性的降費政策，從而更加充分地發揮養老保險降費的就業效應。第三，可以增加對制造業以及中小微企業的金融政策支持力度，充分發揮降費政策和金融政策在擴大就業方面的協同作用。

參考文獻：

［1］趙健宇，陸正飛.養老保險繳費比例會影響企業生產效率嗎［J］.經濟研究，2018（10）：97112.

［2］馬雙，孟憲芮，甘犁.養老保險企業繳費對員工工資、就業的影響分析［J］.經濟學（季刊），2014（3）：9691000.

［3］封進.社會保險對工資的影響——基于人力資本差異的視角［J］.金融研究，2014（7）：109123.

［4］任超然.階段性降低養老保險繳費率增加了企業投資嗎？——來自A股上市公司的證據［J］.保險研究，2021（4）：106120.

［5］曾益，楊悅.社會保險繳費率下調能促進企業創新嗎？［J］.保險研究，2021（6）：114127.

［6］魏志華，夏太彪.社會保險繳費負擔、財務壓力與企業避稅［J］.中國工業經濟，2020（7）：136154.

［7］Fiorito R，Padrini F.Distortionary taxation and labour market performance［J］.Oxford Bulletin of Economics and Statistics，2001，63（2）：173196.

［8］Saez E，Schoefer B，Seim D.Payroll taxes，firm behavior，and rent sharing：Evidence from a young workers tax cut in Sweden［J］.American Economic Review，2019，109（5）：17171763.

［9］Boeri T，Brsch-Supan A，Tabellini G.Pension reforms and the opinions of European citizens［J］.American Economic Review，2002，92（2）：396401.

［10］Gruber J，Krueger A B.The incidence of mandated employer-provided insurance：Lessons from workers compensation insurance［J］.Tax Policy and the Economy，1991，5：111143.

［11］Gruber J.The incidence of mandated maternity benefits［J］.American Economic Review，1994，84（3）：622641.

［12］Bauer T，Riphahn R T.Employment effects of payroll taxes-an empirical test for Germany［J］.Applied Economics，2002，34（7）：865876.

［13］Saez E，Matsaganis M，Tsakloglou P.Earnings determination and taxes：Evidence from a cohort-based payroll tax reform in Greece［J］.The Quarterly Journal of Economics，2012，127（1）：493533.

［14］呂學靜，何子冕.養老保險費率降低的工資與就業效應——基于上市公司的實證分析［J］.社會保障評論，2019（4）：5469.

［15］宋弘，封進，楊婉彧.社保繳費率下降對企業社保繳費與勞動力雇傭的影響［J］.經濟研究，2021（1）：90104.

［16］尹恒，張子堯，曹斯蔚.社會保險降費的就業促進效應——基于服務業的政策模擬［J］.中國工業經濟，2021（5）：5775.

［17］趙海珠，蔡衛星，羅連化.社會保險降費政策促進就業了嗎——基于在線招聘崗位數據的分析［J］.廣東財經大學學報，2022（4）：5670.

［18］馬孟琛，白晨.社會保險費率下降的就業促進與增收效應——基于上市公司數據的實證分析［J］.勞動經濟研究，2023（2）：5783.

［19］ 錢雪亞，蔣卓余，胡瓊.社會保險繳費對企業雇傭工資和規模的影響研究［J］.統計研究，2018（12）：6879.

［20］劉貫春，葉永衛，張軍.社會保險繳費、企業流動性約束與穩就業——基于《社會保險法》實施的準自然實驗［J］.中國工業經濟，2021（5）：152169.

［21］葛結根.社會保險繳費對工資和就業的轉嫁效應——基于行業特征和經濟周期的考察［J］.財政研究，2018（8）：93104.

［22］唐玨，封進.社會保險繳費對企業資本勞動比的影響——以21世紀初省級養老保險征收機構變更為例［J］.經濟研究，2019（11）：87101.

［23］王亞柯，李鵬.降費綜合方案下城鎮職工養老保險的精算平衡和再分配研究［J］.管理世界，2021（6）：99112+144+6+114.

［24］唐高潔，閆東藝，馮帥章.走向共同富裕：再分配政策對收入分布的影響分析［J］.經濟研究，2023（3）：2339.

［25］趙仁杰，唐玨，張家凱等.社會監督與企業社保繳費——來自社會保險監督試點的證據［J］.管理世界，2022（7）：170184.

［26］邱志剛，苗萌，王子悅，楊真.企業養老保險繳費率、繳費基數與就業效應［J］.經濟理論與經濟管理，2022（5）：95111.

［27］程杰，朱鈺鳳.勞動供給彈性估計：理解新時期中國勞動力市場轉變［J］.世界經濟，2021（8）：2854.

［28］錢雪松，石鑫.企業財務杠桿、債務償還壓力與勞動雇用：來自中國的證據［J］.世界經濟，2023（9）：108132.

［29］方先明，胡丁.企業ESG表現與創新——來自A股上市公司的證據［J］.經濟研究，2023（2）：91106.

［30］Oi W Y.Labor as a quasi-fixed Factor［J］.Journal of Political Economy，1962，70（6）：538555.

［31］張三峰，張偉.融資約束、金融發展與企業雇傭——來自中國企業調查數據的經驗證據［J］.金融研究，2016（10）：111126.

［32］Barrot J，Nanda R.The employment effects of faster payment：Evidence from the federal quickpay reform［J］.The Journal of Finance，2020，75（6）：31393173.

［33］Liu G，Liu Y，Ye Y，et al.Collateral menus and corporate employment：Evidence from Chinas property law［J］.Journal of Economic Behavior amp; Organization，2021，189（1）：686709.

［34］Liu G，Liu Y，Zhang C.Tax enforcement and corporate employment：Evidence from a quasi-natural experiment in China［J］.China Economic Review，2022，73（June）：101771.

［35］許紅梅，李春濤.勞動保護、社保壓力與企業違約風險——基于《社會保險法》實施的研究［J］.金融研究，2020（3）：115133.

［36］Garrett D，Ohrn E，Serrato J C S.Tax policy and local labor market behavior［J］.American Economic Review：Insights，2020，2（1）：83100.

［37］Nielsen I，Smyth R.Who bears the burden of employer compliance with social security contributions？evidence from chinese firm level data［J］.China Economic Review，2008，19（2）：230244.

［38］Gu X，Ying S，Zhang W，Tao Y.How do firms respond to COVID19？First evidence from Suzhou，China［J］.Emerging Markets Finance and Trade，2020，56（10）：21812197.

［39］Jacobson L S，LaLonde R J，Sullivan D G.Earnings losses of displaced workers［J］.American Economic Review，1993，83（4）：685709.

［40］Whited T M，Wu G.Financial constraints risk［J］.The Review of Financial Studies，2006，19（2）：531559.

Can the Reduction of Public Pension Contribution Rate Increase Employment Scale？

Abstract： Reducing the enterprise pension insurance premium rate is an important part of the “tax reduction” policy. China launched the policy of “Comprehensive Program for Reducing Social Insurance Premium Rates” in 2019， and this paper examines the impact of the implementation of this policy on the employment scale of enterprises through the double-difference model based on the data of A-share listed companies in 2014-2022. It is found that the fee reduction policy has a significant positive impact on the employment scale of enterprises in general， which increases the employment scale of enterprises by 2. 6%， and this result still holds after the robustness test and endogeneity discussion. In addition， the policy effect of this fee reduction shows significant firm heterogeneity， which is more conducive to the expansion of the employment scale of manufacturing firms as well as non-state-owned firms. The analysis of the impact mechanism shows that the pension insurance premium reduction policy affects the employment scale of enterprises through the cash flow effect and the factor substitution effect.

Key Words： public pension contribution rate; fee reduction policy; employment scale; influence mechanism