论文首页哲学论文经济论文法学论文教育论文文学论文历史论文理学论文工学论文医学论文管理论文艺术论文 |
1、 引言 (科教论文网 lw.NsEac.com编辑整理)
目前,中国的高储蓄现象已备受人们关注,很多学者认为中国目前养老保险制度不健全、养老保险覆盖面小是造成居民高储蓄的重要原因。他们大多认为,“扩大养老保险覆盖范围,解决了人们的后顾之忧,居民在工作期间就可以放心消费,从而减少储蓄”。然而,我国从90年代中期实行“统账结合”的养老保险制度起,养老保险覆盖范围逐年扩大,截至2006年底,参保的在职职工已达到14130.9万人,是1990年参保人数的2.7倍;参保的离休、退休退职人数已达到4635.4万人,是1990年的近4.8倍,城镇居民储蓄率不但没有减少,反而却分别从1990年的15.3%、增加到2006年的26%。可见,近10几年养老保险覆盖范围不断扩大究竟能否降低居民储蓄率,还有待于深入研究。因而,评价中国养老保险制度实施对居民消费的影响,在理论和现实上都有着重要的意义 。
下面,本文将利用我国各地区城镇居民1994~2006年的有关数据建立经济计量模型,就这1问题进行实证研究。
2、 文献回顾
国外学术界关于分析养老保险对储蓄、消费影响的文献10分丰富。最早可以追溯到Diamond(1965)在经济增长模型中引入社会保险,从此,多年来社会保险对储蓄和资本积累的影响就成为学术界争论不休的问题。
Feldstein(1974)利用美国1930-40/1947-71样本数据估计包含养老保险指标的生命周期消费函数,通过实证,他认为社会养老保险可消减个人储蓄。然而Barro(1974)指出,当存在代际转移时,社会养老保险对储蓄没有影响。较早的关于研究这些问题的文献都没有1致的结论,例如,Feldstein(1982,1996)、Barro和Macdonald(1979)、Leimer和Lesnoy(1982)等都提出自己的观点。Cigno和他的合作者(1992)年通过对多个国家的时间序列数据实证分析,认为在完全基金制的情况下,扩大社会保险覆盖范围对储蓄有显著正的影响。Abel(1985),Kotlifoff,Shoven和 Spivak(1987)以及Hubbard(1987)等人利用部分均衡模型分析了社会保障制度与预防性储蓄的关系。他们均发现,提高社会保障水平可以显著减少预防性储蓄,进而降低储蓄率。
近几年,研究社会养老保险对储蓄的影响,国外研究者考虑更多的因素,研究方法也多有创新。
戴维斯(1995)利用生命周期理论研究养老基金对个人生命周期储蓄的影响。他认为由于以下几个原因,养老保险制度并不会使个人储蓄减少。第1,由于养老承诺的非流动性和未来收益的不确定性,尤其是在通货膨胀压力下,个人储蓄不会随着养老金收益的增加而1对1地减少;第2,流动性约束的存在使个人自由借债的能力受限,那么,个人在年轻时就应该为年老的消费积累资金,这样,个人储蓄就不会因为强制储蓄而减少;第3,为了追求闲暇,职工可能希望提前退休,这会使他增加工作期的储蓄;第4,如果从当前消费转向未来消费的税收方面有优惠政策,也会为提高个人的总储蓄而提供激励。然而,戴维斯在分析12个OECD国家、智利和新加坡的养老金后,并没有发现养老基金对个人储蓄有规律性影响。因此,他认为,基金制养老金计划对个人储蓄的影响要依各个国家经济的具体情况而定。
在《宏观经济学》(1998)1书中,奥利维尔•琼•布兰查德和斯坦利•费希尔采用戴蒙德的代际交叠模型分析养老保险对储蓄和资本积累的影响。他们得出以下结论:在完全基金制下,社会养老保险对储蓄没有影响;在现收现付制条件下,社会养老保险贡献 会使私人储蓄减少。
Zhang(1995)分析养老保险对经济增长的影响时,认为非基金制条件下的社会养老保险可以通过降低出生率和增加人力资本投资来促进经济增长。但他指出,社会养老保险对储蓄没有影响。
Ehrlich和Zhong(1998)用多国数据检测养老金/GDP这1比率与出生率、储蓄和经济增长的关系。他们发现,社会养老保险对出生率、储蓄和经济增长有显著负的影响。
Alessandro Cigno、Luca Casolaro和Furio C.Rosati(2000)通过建立VAR模型,用德国数据估计社会养老保险对储蓄和出生率的影响。他们发现,社会养老保险覆盖率对家庭储蓄有正的影响,但对出生率有负的影响。 您可以访问中国科教评价网(www.NsEac.com)查看更多相关的文章。
Cigno和Werding(2003)基于家庭网络原理,认为社会养老保险可以增加总储蓄。
中国国内关于研究社会养老保险对储蓄影响的文献还不是很多。朱青(2002)对养老金计划实行部分积累制的模式进行了经济分析,并研究养老金计划对家庭储蓄率的影响。柳清瑞和穆怀中(2003)利用代际交叠模型分析养老保险对储蓄的影响,他认为,“伴随中国人口老龄化进程的加快和制度赡养率的提高,现收现付制将出现养老金需求增加和供给不足的两难困境。同时,现收现付制将对家庭储蓄产生负面影响”。 刘俊霞(2003)认为在需求不足的条件下,实行现收现付制的养老保险制度,有利于提高边际消费倾向,从而有利于扩大消费需求。岳远斌(1997)认为养老保险基金的支付,无论从某1个年度,还是从整个生命周期考虑,总表现为社会储蓄的减少,只有在现收现付制的传统体制下,才不会对储蓄产生太大的影响。
3、 理论模型
本文的实证分析采用了杜森贝利的相对收入假设消费理论。他认为,1方面,消费者的消费支出不仅受其自身收入的影响,而且也受周围人的消费行为及收入与消费相互关系的影响,即消费具有“示范性”或“攀附性”;另1方面,消费者的消费支出不仅受自己目前收入的影响,而且也受自己过去收入和消费水平的影响,即消费又具有“不可逆性”。根据这1理论假设,杜森贝利的相对收入假设消费函数可近似地简化为下式:
(3.1)
在该模型中考虑养老保险的影响,本文使用养老保险覆盖率指标,养老保险的实施对人们消费行为的影响可能存在滞后性,故建立模型如下:
(3.2)
其中,C表示消费;Y表示收入;fgl表示养老保险覆盖率。
4、 实证分析
(1)、数据来源。
由于养老保险的相关数据只能收集到1989年到2003年,时间序列数据不足。通过近几年的《中国统计年鉴》、《中国劳动和社会保障年鉴》的相关资料进行整理,可以得到1994~2006年各地区的城镇居民人均实际可支配收入、人均实际消费支出数据、城镇就业人数及参保职工人数。本文定义养老保险覆盖率为参保职工人数与城镇就业人数的比值。 (转载自http://zw.NSEaC.com科教作文网)
(2)、模型设计
根据理论分析,建立模型如下:
(4.1)
其中, 、 分别表示城镇居民的人均实际消费支出、人均实际可支配收入(以各地区1993年的城市居民消费价格为100,从人均消费支出和人均可支配收入中剔除物价波动因素);i表示省或自治区(西藏除外),t表示年份; 表示养老保险覆盖率。
(3)、模型估计
对于模型4.1,涉及到固定与随机效应的选择问题。考虑到各个省或自治区在政策实施、经济进展、及消费行为上有许多不同,本文旨在考虑各自的影响因素对居民消费支出的影响,故不把截面单元看成来自同1总体的1组样本,故选择固定效应模型 。对模型4.1用eviews5.0估计结果见表4-1:
表4-1:模型(4.1)基于1994—2006年样本数据的拟和结果
Dependent Variable: SJZC? Sample (adjusted): 1996 2006
Cross-sections included: 30 Method: Pooled Least Squares
Variable Coefficient Std. Error t-Statistic Prob.
C 206.7854 32.03799 6.454381 0.0000
SJSR? 0.477065 0.025279 18.87220 0.0000
FGL?(-2) 237.9313 59.02837 4.030796 0.0001
SJZC?(-1) 0.307389 0.040986 7.499861 0.0000
Fixed Effects (Cross)
BEIJIN--C 258.0200
TIANJIN--C 24.37011
HEBEI--C -121.7037
SHANXI--C -112.2286
NEIMENGGU--C -76.06340
LIAONING--C 32.22301
JILIN--C 4.572188
HEILONGJIANG--C -109.0851
SHANGHAI--C 69.67936
JIANGSU--C -130.9523
ZHEJIANG--C 73.10777
ANHUI--C -49.16519
FUJIAN--C -7.967918
JIANGXI--C -200.9693
SHANDONG--C -153.0759
HENAN--C -159.7379
HUBEI--C 25.39022
HUNAN--C 58.26863
GUANGDONG--C 288.8604
GUANGXI--C -7.368855
HAINAN--C -80.54226
CHONGQIN--C 292.2889
SICHUAN--C 53.43304
GUIZHOU--C -27.22416
YUNNAN--C 40.11709
SHANNXI--C 103.2125
GANSU--C 33.62868
QINGHAI--C -30.13145
NINGXIA--C 48.95082
XINJIANG--C -60.19158
Effects Specification:Cross-section fixed (dummy variables)
R-squared 0.995020 F-statistic 1835.850
Adjusted R-squared 0.994478 Prob(F-statistic) 0.000000
注: SHANNXI表示陕西;SHXNXI表示山西
调整后的 达到0.9945;参数都显著不为0。可见,养老保险的实施对人们的消费行为起到促进作用,养老保险覆盖率每增加1个百分点,两年后人均实际消费支出增加238元。为了检验模型的合理性,本文从以下两个角度进行检验:1残差的平稳性;2模型阶段性的适应性。
(4)模型合理性检验
1、残差平稳性检验
最早使用面板数据进行单位根检验的是Bhargava等(Bhargava et al, 1982)。他们利用修正的DW统计量提出了1种可以检验固定效应动态模型的残差是否为随机游走的方法。Abuaf和Jorion(1990)基于SUR回归(seemingly unrelated regression)模型,采用GLS估计方法提出了面板单位根检验方法——SUR-DF检验。Levin and Lin(1993)建立的LLC 法也是对面板数据进行单位根检验的早期版本。Im、Pesaran 和Shin 在1997 年建立了IPS 法,但Breitung(1999)发现IPS 法对限定性趋势的设定极为敏感。Maddala and Wu(1999)建立了MW 法。2003 年Im、Pesaran 和Shin 在考虑异方差和残差自相关后,建立了面板数据单位根检验的W 检验。为了避免单1方法可能存在的缺陷,本文选择用Levin, Lin 和Chu 检验、Im, Pesaran and Shin W-stat 检验、ADF - Fisher Chi-square 检验和PP - Fisher Chi-square检验(Maddala and Wu (1999) 和Choi (2001))。这些方法出发点很类似,都考虑panel data如下的AR(1)处理过程:
(4.2)
表示外生变量,包括固定影响及各自的趋势。 表示自相关系数。 假定独立同分布。如果, ,则认为 是平稳的;如果, ,则认为 包含1个单位根。为了检测,通常对 有两个假定:1是 = 对于所有的i,Levin, Lin 和Chu检验方法就包含这个假定;2是允许 随i的不同而变化,Im, Pesaran 和 Shin (2003), Fisher- ADF 和 Fisher-PP tests检验方法包含这个假设。
用Eviews5.0检验模型残差水平数据单位根存在情况,在检验时选取具有固定效应的面板数据模型,结果见表4-2,可见残差是平稳的。
表4-2:残差平稳性检验结果
Cross-
Method Statistic Prob.** sections Obs
Null: Unit root (assumes common unit root process)
Levin, Lin & Chu t* -10.0101 0.0000 30 295
Breitung t-stat -4.62939 0.0000 30 265
Null: Unit root (assumes individual unit root process)
Im, Pesaran and Shin W-stat -5.80638 0.0000 30 295
ADF - Fisher Chi-square 134.058 0.0000 30 295
PP - Fisher Chi-square 141.805 0.0000 30 297
[NextPage]
2、模型的阶段性适应性检验
考虑面板数据模型对数据比较敏感,考虑到合理的模型对样本内的阶段性数据也应该有1定的适应性。由于在2000年,国务院出台了《关于完善城镇社会保障体系的试点方案》,提出了进1步完善社会保障体系的基本原则、目标任务,确定了进1步调整和完善我国养老保险制度的主要政策,故以2000年为间断点,分别以1994~2000、2000~2006为样本拟和模型结果如下:
表4-3:模型(4.1)基于1994—2000年样本数据的拟和结果
Dependent Variable:SJZC? Sample (adjusted): 1996 2000
Method: Pooled Least Squares Cross-sections included: 30
Variable Coefficient Std. Error t-Statistic Prob.
C 145.5405 84.11292 1.730299 0.0863
SJSR? 0.579703 0.035072 16.52898 0.0000
FGL?(-2) 292.2467 127.2074 2.297403 0.0234
SJZC?(-1) 0.187221 0.067279 2.782741 0.0063
Fixed Effects (Cross)
BEIJIN--C 194.6629
TIANJIN--C -67.36612
HEBEI--C -113.7160
SHANXI--C -42.34672
NEIMENGGU--C -152.1187
LIAONING--C -18.23536
JILIN--C -7.334862
HEILONGJIANG--C -91.12028
SHANGHAI--C 29.50539
JIANGSU--C -81.55497
ZHEJIANG--C 59.36932
ANHUI--C -44.54383
FUJIAN--C 40.25343
JIANGXI--C -170.0938
SHANDONG--C -90.54050 (转载自http://www.NSEAC.com中国科教评价网)
HENAN--C -61.56922
HUBEI--C 60.57644
HUNAN--C 71.32459
GUANGDONG--C 266.7200
GUANGXI--C 117.4767
HAINAN--C -133.5591
CHONGQIN--C 300.0115
SICHUAN--C 52.16358
GUIZHOU--C 32.38790
YUNNAN--C 75.32675
SHANNXI--C 40.96239
GANSU--C -2.537140
QINGHAI--C 1.434211
NINGXIA--C 19.44210
XINJIANG--C -104.9737
Effects Specification:Cross-section fixed (dummy variables)
R-squared 0.994404 F-statistic 633.0670
Adjusted R-squared 0.992833 Prob(F-statistic) 0.000000
表4-4:模型(4.1)基于2000—2006年样本数据的拟和结果
Dependent Variable: SJZC? Sample: 2000 2006
Method: Pooled Least Squares Cross-sections included: 30
Variable Coefficient Std. Error t-Statistic Prob.
C 337.3374 60.33006 5.591532 0.0000
SJSR? 0.556231 0.035545 15.64855 0.0000
FGL?(-2) 171.3599 88.29712 1.940719 0.0539
SJZC?(-1) 0.173444 0.056427 3.073748 0.0024
Fixed Effects (Cross)
BEIJIN--C 334.1456
TIANJIN--C 67.76995
HEBEI--C -153.9622
SHANXI--C -178.6
[1]