高社会互动频率和社会信任度会促进农民参加基本养老保险吗?——基于CGSS2018的实证分析
Will High Frequency of Social Interaction and High Social Trust Promote Farmers’ Partici-pation in Basic Pension Insurance?—Empirical Analysis Based on CGSS2018
DOI: 10.12677/AAM.2022.115263, PDF, HTML, XML, 下载: 379  浏览: 634 
作者: 赵 维:上海工程技术大学管理学院,上海
关键词: 基本养老保险社会互动社会信任Basic Pension Insurance Social Interaction Social Trust
摘要: 本文采用二元Logit回归模型,以2018年中国社会综合调查(CGSS)为基础,围绕社会互动与社会信任对农村居民基本养老保险参保行为的影响展开分析。实证分析的结论是:第一,随着农村居民之间社会互动频率的增加,农民会更愿意参加基本养老保险,社会互动呈现显著的积极影响;其次,社会信任程度的提高对农民参加基本养老保险而言意义突出,因为它有利于不同群体之间的信息交流,就基本养老保险的回报和保障的预期价值而言,这在一定程度上提高了农民对其的预期。因此,为了尽快建成覆盖全民的社会保障体系,政府可以采取相应措施,以此来鼓励农民积极参加基本养老保险。
Abstract: This paper uses a binary Logit regression model, based on the 2018 China General Social Survey (CGSS), to analyze the impact of social interaction and social trust on rural residents’ basic pension insurance participation behavior. The empirical analysis concludes that, firstly, as the frequency of social interaction among rural residents increases, farmers will be more willing to participate in basic pension insurance, and social interaction shows a significant positive impact; secondly, the in-crease in social trust is of outstanding significance for farmers’ participation in basic pension in-surance, as it facilitates the exchange of information among different groups, which, in terms of the expected value of the returns and guarantees of basic pension insurance, to a certain extent raised farmers’ expectations of it. Therefore, in order to build a social security system covering the whole population as soon as possible, the government can take corresponding measures as a way to en-courage farmers to actively participate in basic pension insurance.
文章引用:赵维. 高社会互动频率和社会信任度会促进农民参加基本养老保险吗?——基于CGSS2018的实证分析[J]. 应用数学进展, 2022, 11(5): 2491-2499. https://doi.org/10.12677/AAM.2022.115263

1. 引言

由于当前中国社会人口的老龄化趋势和人口高龄化趋势的严重程度正在日益加剧,逐步建立健全适合中国实际的城乡居民基本养老保险制度既是当前促进当代中国统筹城乡协调发展战略的一项紧迫的需要,也是保障人民群众幸福晚年健康生存发展的重要制度保证。根据七普调查结果显示,60岁及以上人口数为2.64亿,占全国总人口的18.70%,其中65岁及以上人口为1.91亿,占13.50% [1]。“十四五”规划纲要提出我国的基本养老保险参保率要提高到95%,以期早日建成覆盖全民的社会保障体系。截至2020年年末,全国城乡居民基本养老保险的参保人数达54,244万人 [2]。但正如中国社会保障学会会长郑功成教授所指出的:“我国仍有相当部分群体未参加社会养老保险”。因此本文将通过探讨社会互动和社会信任对其参保行为的影响,以期能对提高农民社会养老保险的参保率提出相关建议,以及为完善我国的基本养老保险制度出一份力。

2. 文献综述与研究假设

随着人口老龄化的加剧,城市化进程的加速,农村的青年劳动力向城市流动,造成了空巢老人的增多,加之由于家庭规模的小型化导致无论是在财力上还是精力上传统家庭养老的功能在不断弱化。在2009年,我国为能更好地在制度层面满足农村老人的养老需求,给农村老人提供更完善的养老服务,中央出台了具有历史意义的新型农村社会养老保险。老年人的养老问题一直是国内外学者不断在研究探讨的热门话题。关于农村社会保障制度的探讨,许多学者认为,中国农村社会养老保险制度的不断完善和发展可以有效解决中国人口老龄化问题,建设新中国,促进农村经济社会发展 [3]。农村养老保险制度有利于提升农民的生活幸福感 [4]。

在以往的文献中,有关农民基本养老保险参与行为的影响因素多从个人、家庭、政策等方面进行探讨。政策宣传与实施程度、接触工作人员办事态度、处理手续的便利性等因素对农民参加基本养老保险有很大的影响 [5]。家庭赡养率和投保人的行为之间存在显著的负相关 [6]。农村老人的抚养比、物价上涨水平、农民收入水平等因素是影响其参保率的重要原因 [7]。农民自我评估的健康水平愈低愈倾向于参加保险;对自己的老年生活不怎么担忧者的参保意愿愈高;预计将在家里度过晚年的农民不太可能参加保险,而那些经济上比较贫穷的人比经济上比较好的人更不可能参加保险 [8]。农民的加入保险的意愿与其职业关系密切,且与性别、年龄和子女数目等特定变量呈负相关关系,而地域因素对参保意愿的影响较大 [9]。个人缴费负担的增加,会导致居民在“退出制度”上做出抉择,另外,城乡居民的养老保险制度与城镇职工的待遇差距存在很大的差异,也会进一步影响到他们参保人的主动性和积极性 [10]。

社会互动是两个行动者之间的相互影响和互动,并在这个过程中基于他们之间的信息传递 [11]。社会互动范式认为,社会互动通过内生和外生互动影响金融投资选择,内生互动有积极作用,外生互动的影响则视具体情况再分析 [12]。从社会互动的角度,国外学者对影响商业保险投保意愿及投保行为的因素进行了研究 [13] [14]。社会互动对农民参与农村养老保险具有正向影响,并且这种影响通过弱关系实现 [15]。社会互动使得居民了解商业医疗保险,提高其主观满意度,具有“跟进”作用,对居民选择商业医疗保险具有重要的正面作用 [16]。根据以往的研究分析,可以将农民的参保行为看作金融决策。根据社会互动的范式,可以认为社会互动程度愈高的居民,愈能从外界获得更多的资讯,愈能降低其取得资讯的费用,愈能增进其与身边人的交往与互动。据此,提出本文的第一个研究假设:

H1:社会互动水平越高的农民,参与农民养老保险的可能性越大。

普特南强调信任在一定程度上可以降低成本和误解的机会,进而使合作变得更加容易。目前大部分研究表明,社会信任促进了居民对共同活动的参与。社会信任可以促进社区居民间的信息交流与合作,增加其对商业医疗保险收益的期望,进而影响到居民是否购买商业医疗保险。信用是影响社会资本的一个重要因素,它能提高居民对保险公司未来收入的期望,进而促使他们选择商业医疗保险 [17]。农民基本养老保险制度还在逐步完善中,社会信任在一定程度上有利于消除农民的部分疑虑,增加他们的参保可能性。据此,提出本文的第二个研究假设:

H2:社会信任度越高,农民参加农村基本社会养老保险的可能性就越大。

过去关于农村居民参与城乡基本养老保险的因素的研究,多是从经济方面进行实证分析和制度层面的分析,关于社会因素的研究还较少。由此,本文以2018年的中国综合社会调查为基础,建立相关模型,通过探讨社会互动与信任对农民参加城乡居民基本养老保险的影响,旨在丰富中国城乡居民基本养老保险的研究,为完善中国的基本养老保险制度提供相关建议。

3. 数据来源与变量界定

3.1. 数据来源

本文数据来源于中国人民大学中国调查与数据中心主持实施的2018年中国综合社会调查(简称“CGSS2018”)。在此基础上,本文选取了有关的变量,对于“不知道”、“不适用”或缺少观察数据的样本,本文将其删除,最后得出了5389个样本,其中参加基本养老保险的比例为3616人,占67.1%。选取样本的描述性统计如下:1) 性别:男性46.13%,女性53.87%;2) 婚姻状况:未婚9.32%,其余90.68%;3) 年龄:60岁及以上22.3%;4) 自评健康状况:健康79.55%,不健康20.45%;5) 区域分布:东部35.16%,中部38.82%,西部26.02%;6) 受教育程度:小学及以下45.93%,初中32.6%,高中13.71%,大学及以上7.76%;7) 社会基本医疗保险:参保者90.68%,未参保者9.32%。

3.2. 变量界定

3.2.1. 被解释变量

本文的被解释变量为:农民是否参加了基本养老保险。主要是根据受访者对“您目前是否参加了城市/农村基本养老保险?”的问题进行反映。当被调查者的答案是“参与了”,赋值为“1”;“没有参与”,赋值为“0”。

3.2.2. 解释变量

本文的核心解释变量是社会互动和社会信任。本次研究对象是农民的社会养老保险的参保行为的影响因素,社会互动变量用问题“请问您与邻居进行社交娱乐活动(如互相串门,一起看电视,吃饭,打牌等)的频繁程度”来测量,将回答选项设定为1~7的连续变量,数值越高,互动频率越低。社会信任变量根据问题“总的来说,您同不同意在这个社会上,绝大多数人都是可以信任的”来反映,回答选项设定为1~5的连续变量,数值越高,社会信任度越高。

3.3.3. 控制变量

根据以往的研究设计,本文选取受访者的性别、年龄、健康状况、婚姻状态、受教育程度、个人收入状况和是否参加基本医疗保险作为控制变量。

上述变量赋值及描述性统计如表1所示:

Table 1. Variables and assignment

表1. 变量及赋值

3.3. 模型构建

为了实证分析农民基本养老保险参保行为的影响因素,由于被解释变量为农民是否了参加基本养老保险,是非连续型的二分类变量,适宜用二元Logit回归模型用于结果估计。假设农民参加了基本养老保险的概率为 p i ;则农民没有参加基本养老保险的概率为 1 p i ;则具体地非线性函数表示为:

p ( y ) = exp ( α + i = 1 n β i x i ) 1 + exp ( α + i = 1 n β i x i ) (1)

接着对上式进行对数转化,得到Logit模型的线性表达式:

Y = ln ( p i 1 p i ) = α + i = 1 n β i x i + u (2)

上述公式(1)和(2)中,其中α为常数项, x 1 , x 2 , , x i 为影响农民基本养老保险参保行为的相关因素, β i ( i = 1 , 2 , , n ) 为变量的回归系数,n为解释变量的个数,u表示随机误差,即可能对农民参保行为产生影响的其他潜在因素。

4. 实证分析

模型1只反映了控制变量的影响,模型2主要反映社会信任变量的影响,模型3则是反映了社会互动变量的相应影响,模型4是一个完全模型。模型1、模型2、模型3和模型4的回归结果见表2

Table 2. Logit regression results of social interaction, social trust and farmers’ basic pension insurance participation behavior

表2. 社会互动、社会信任与农民基本养老保险参保行为的Logit回归结果

注:*,**,***分别表示在10%,5%,和1%的水平下显著(下同)。

通过模型1的回归分析,发现除了性别、健康等因素之外,其它因素对农村居民的参保行为均有显著的影响。其中的影响分别体现为:1) 年龄。农民随着年龄的增长,参与基本养老保险的可能性就越大,而且会产生明显的效果。2) 受教育程度。回归分析发现,文化程度愈高的农户参加基本养老保险的可能性愈大,且影响显著。3) 婚姻情况。通过回归分析发现,与未婚农民相比,已婚的农民参与基本养老保险的几率较大,且影响显著。4) 经济状况。农民个人收入愈高,经济状况愈好,愈有可能参加基本养老保险。5) 社会医疗保险。相较于没有参保的农民来看,参加社会医疗保险的农民更愿意参加社会养老保险。产生这种情况的原因可能是农民通过参加社会医疗保险从而进一步增强了自身的保障意识,并且也从中获得了实实在在的制度和物质保障,因此这一部分群体也更愿意参加社会养老保险以增强保障。

4.1. 社会信任对农民基本养老保险参保行为的影响

模型2的回归结果表明,社会信任对我国农民的基本养老保险参保行为有明显的影响,具体表现为农民的社会信任程度越高,其参加社会养老保险的可能性就越大,本文的研究假设1得到验证。农村社区主要是以血缘和地缘搭建起的熟人社会,并且农村社区的环境异质性相对较低,这可能会在一定程度上增强居民社会信任基础。首先,这种普遍信任的不断加强,会通过提高农民对参加社会养老保险预期收益的可能性,一定程度上弥补制度宣传力度不足的缺陷,从而降低制度交易成本对农民参加社会养老保险的行为产生积极影响。其次,提高社会信任度有利于增强群体间的可信度。农民的个体参保行为也要建立在他们掌握和认同相关制度的基础之上,社会信任程度越高的农民更有可能在主观上相信和认同他人传递的信息,所以社会信任度越高的居民通过了解和信任他人传递的农民社会养老保险的相关内容,会更有可能发生参保行为。

4.2. 社会互动对农民基本养老保险参保行为的影响

模型3的回归结果显示,社会互动变量(同邻居间的互动)对我国农民基本养老保险参保行为有显著影响,具体表现为农民同邻居间的互动频率越高,其参加基本养老保险的可能性就越大,本文的研究假设2得到验证。社会互动对个体投资选择的影响体现在内生性互动和情景性互动两个方面 [18]。内生性互动指的是个人和参照群体之间的相互影响,个人的选择既受参照群体的影响,也影响受参照群体成员的选择;相反,情境性互动侧重于参考群体对个人的单向影响,它可以是积极的或消极的。就本文的相关研究而言,内生性互动对农民基本养老保险参保行为的影响机制主要体现在,首先,目前我国的农民社会养老保险的统筹层次还较低,基本上是处于县级或市级统筹。因此,农民和邻居之间的互动可以增加农民对基本养老保险知识获取的机会,通过与邻居间的互动可以了解到有关农民基本养老保险的相关内容,比如农民基本养老保险的保障水平、参保条件以及缴费信息等。其次,具有类似社会特征的人倾向于追随对方,因此二者的行为方式也会逐渐趋向于相同。农民愿意做出与自己本身社会经济状况相似的邻居相同的选择,并且这种相同的选择行为会随着与领居间的互动频率的增加而增加,即居民与邻居间的互动频率越高,其基本养老保险的参保行为就越可能发生。

5. 稳健性检验

在进行稳健性检验时,通常采用替换核心变量或替换模型,以提高研究的可靠性。本文采用了一种新的模型来验证该研究的可靠性,由于被解释变量为“农民是否参加了社会基本养老保险”,是非连续型的二分类变量,所以采用了原模型Logit、Probit和OLS三种模型再次对其进行了回归,其结果如表3所示。回归分析表明,核心解释变量的预测值与原始预测值具有显著的相关性。所以作者认为,本文通过构建模型所得出的结论是相对可靠的。

Table 3. Comparison of the results of Logit regression, Probit regression and OLS regression

表3. Logit回归、Probit回归与OLS回归的结果对比

6. 异质性检验

为了进一步分析社会信任和社会互动对农民参加基本养老保险的影响,在不同地区的样本中,社会信任和社会互动对农民是否参加基本养老保险的影响程度是不同的。因此本文通过控制地区进一步对样本数据进行异质性分析,具体结果如表4所示:

Table 4. OLS regression results for sub-regional samples

表4. 分区域样本OLS回归结果

注:东部地区:北京市、福建省、广东省、广西壮族自治区、海南省、河北省、江苏省、辽宁省、山东省、上海市、天津市、浙江省、深圳市;中部地区:安徽省、河南省、黑龙江省、湖北省、湖南省、吉林省江西省、宁夏回族自治区;西部地区:甘肃省、贵州省、宁夏回族自治区、青海省、陕西省、四川省、西藏自治区、新疆维吾尔自治区、云南省、重庆市。

表4中,将总样本按地区分别划为东部地区、中部地区和西部地区进行分样本回归分析。由于各个地区的经济发展水平高低不一,这也会影响到农民社会养老保险的参保行为。表4的回归结果表明:第一,当控制变量不变时,东部、中部地区的社会信任对农村居民的基本养老保险参保行为有明显的促进作用,这与本论文的假设1一致。这也可以解释为:相对于西部,东部和中部更容易通过增加社会信任程度来推动农民参与基本养老保险。其次,从社会互动效应对农村居民基本养老保险投保人的影响上,以中部为最大,西部次之,与本研究假设2一样,而东部则无明显影响。

7. 结论与建议

7.1. 主要结论

覆盖全民的基本养老保险制度是我国社会保障体系全面覆盖的一项重要内容。本文从非经济因素入手,采用二元Logit回归模型,以CGSS2018的调查数据为基础,围绕社会互动与社会信任对农村居民基本养老保险参保行为的影响展开分析。通过实证分析,得出以下结论:1) 社会信任对农民基本养老保险参保行为有显著的正向作用。一方面,社会信任能够在一定程度上可以增加农民对基本养老保险回报和保障的期望,同时也使其更有信心参与到社会养老保险中去。另一方面,社会信任可以促进农户之间的资讯交流,而信任度愈高,其接受资讯与意见的可能性愈大。2) 社会互动对农民基本养老保险参保行为存在显著正向影响。农民与邻居之间的互动频率愈高,就越容易做出和他人相同的选择,从而提高农民社会养老保险的参保率。3) 在控制变量上。年龄愈大的、受教育程度愈高的和个人收入状况愈好的农民参加社会养老保险的可能性更大;有配偶的农民参加社会养老保险的可能性更大。社会保障项目方面显示,已经参加社会医疗保险的农民其参加社会养老保险的可能性更大。

7.2. 相关建议

本文从非经济因素出发对影响农民社会养老保险参保行为的因素做出了相关解释,从而也为促进农民参与社会养老保险提供了可行的有关建议。为了实现真正意义上的基本养老保险的全民覆盖,大力推进农民积极参与到社会养老保险制度中来是必不可少的一环。根据本文的相关研究成果和实际情况,为了早日实现基本养老保险的全民覆盖目标,提出如下建议:一是提高社会信任度。社会信任程度的提高,可以促进居民间进行信息交流,从而减少居民搜索社会养老保险相关信息的成本,促进农民积极参与基本养老保险;二是居民之间要提高互动频率。居民间的社会互动频率越高,就越可能参加社会养老保险;三是针对以上两点,政府应该制定相应措施,利用农民的社会关系优势来降低制度交易成本,以此来刺激农民的参保积极性。四是要不断完善我国的基本养老保障体系,提高农民的基本养老保险水平。为了有效的抵当居民步入晚年生活后的相关风险,基本养老保险作为一项有特色的制度设计应运而生,但在该项制度的不断推行和发展完善的过程中,不难发现一项制度其本身的完善才能在最大程度上促进农民的进一步参保。

参考文献

[1] 中国国家统计局. 第七次全国人口普查公报(第五号) [R]. 2021.
[2] 中华人民共和国人力资源和社会保障部. 2020年度人力资源和社会保障事业发展统计公报[R]. 2020.
[3] 李雪丹, 李蕊, 康锁倩, 等. 我国农村养老保险问题与对策[J]. 合作经济与科技, 2020, 632(9): 160-162.
[4] 齐海鹏, 姜阳, 魏春艳. 完善我国农村社会养老保险的思考[J]. 地方财政研究, 2018, 169(11): 74-78, 84.
[5] 穆怀中, 闫琳琳. 新型农村养老保险参保决策影响因素研究[J]. 人口研究, 2012, 36(1): 73-82.
[6] 边芳, 张林秀, 罗仁福, 等. 农民新农保参保行为及其影响因素[J]. 农业现代化研究, 2018, 39(1): 80-86.
[7] 张红梅, 周燕. 基于面板数据的农村社会养老保险影响因素分析[J]. 中央财经大学学报, 2011(10): 60-64.
[8] 邓大松, 刘国磊. 新型农村社会养老保险参保行为影响因素分析[J]. 统计与决策, 2013, 379(7): 90-93.
[9] 王媛. “新农保”参保影响因素分析——基于农户调查的Logit回归模型[J]. 农村经济, 2011(7): 85-88.
[10] 吴玉锋, 李德权. 社会互动与中青年农民保险续费意愿[J]. 河北大学学报(哲学社会科学版), 2021, 46(3): 150-160.
[11] 郑杭生. 社会学概论新修[M]. 第4版. 北京: 中国人民大学出版社, 2013: 136.
[12] 吴玉锋, 孙金岭. 社会互动、信任与农民养老保险参与行为研究[J]. 华中科技大学学报(社会科学版), 2015, 29(3): 98-105.
[13] Desmet, M., Chowdhury, A.Q. and Islam, M.K. (1999) The Potential for Social Mo-bilisation in Bangladesh: The Organisation and Functioning of Two Health Insurance Schemes. Social Science & Medi-cine, 48, 925-938.
https://doi.org/10.1016/S0277-9536(98)00393-1
[14] Duflo, E. and Saez, E. (2002) Participation and Investment Decisions in a Retirement Plan: The Influence of Colleagues’ Choices. Journal of Public Economics, 85, 121-148.
https://doi.org/10.1016/S0047-2727(01)00098-6
[15] 江海洋, 谷政. 社会互动与家庭保险市场参与——基于CHFS的实证分析[J]. 金融理论探索, 2018(3): 56-64.
[16] 刘金华, 吴静. 社会互动、社会信任对居民商业医疗保险参保行为的影响[J]. 社会保障研究, 2019(6): 73-79.
[17] 何兴强, 李涛. 社会互动、社会资本和商业保险购买[J]. 金融研究, 2009(2): 116-132.
[18] Manski, C.F. (2000) Economic Analysis of Social Interaction. Journal of Economic Perspective, 14, 115-136.
https://doi.org/10.1257/jep.14.3.115