養(yǎng)老保險(xiǎn)與城鎮(zhèn)職工工資效應(yīng)探究

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了養(yǎng)老保險(xiǎn)與城鎮(zhèn)職工工資效應(yīng)探究范文，希望能給你帶來靈感和參考，敬請(qǐng)閱讀。

一、數(shù)據(jù)來源及方法說明

CHIPS是目前衡量全國(guó)家庭住戶收入情況最好的指標(biāo)之一。本文最終選擇6065個(gè)樣本量。其中參加養(yǎng)老保險(xiǎn)的樣本共有4869個(gè)，沒有參加養(yǎng)老保險(xiǎn)的樣本有1196個(gè)。參保率高達(dá)80%。本文估計(jì)收入的經(jīng)典模型為明瑟工資方程，將此方程作如下變換:yj=Aj+αDj+βXj+Ej(1)式(1)中y是第j個(gè)城鎮(zhèn)職工的月工資，D是本文關(guān)注的主要變量，即養(yǎng)老保險(xiǎn)。X是影響城鎮(zhèn)職工工資的其他控制變量，α和β是待估計(jì)參數(shù)，E是隨機(jī)誤差項(xiàng)。我們使用傾向得分匹配方法來控制個(gè)體的人力資本等特征變量，選擇性偏差問題將會(huì)得到解決。首先，我們根據(jù)將城鎮(zhèn)職工分為兩個(gè)群體，“參加養(yǎng)老保險(xiǎn)”為參與組，“沒有參加養(yǎng)老保險(xiǎn)”為控制組。ATT的計(jì)算分為兩個(gè)部分，首先使用Probit或者Logit模型得到傾向指數(shù)，其次，在匹配的基礎(chǔ)上計(jì)算ATT值，公式如式(2)所示:ATT=E［Y1i－Y0i|Di=1］={E［Y1i|Di=1］－E［Y0i|Di=1］}=E［{E［Y1i|Xi，Di=1］－E［Y0i|Xi，Di=0］}|Di=1］(2)

二、實(shí)證結(jié)果

通過傾向得分匹配法的實(shí)證檢驗(yàn)，我們可以分別計(jì)算匹配前與匹配后，養(yǎng)老保險(xiǎn)的參與組和控制組的平均月工資，以及兩組之間的差異。表1中匹配前的參與組平均工資是2387元，控制組平均工資是2103元，匹配之前的ATT值是283元。顯然，匹配前的養(yǎng)老保險(xiǎn)對(duì)城鎮(zhèn)職工工資的影響是溢價(jià)效應(yīng)。但是，匹配之后的控制組工資上升為2553元，而且控制組工資高于參與組工資，城鎮(zhèn)職工工資和參加養(yǎng)老保險(xiǎn)之間是存在替代效應(yīng)的。為了確保養(yǎng)老保險(xiǎn)對(duì)工資影響效果的準(zhǔn)確性，接下來本文分別使用半徑匹配方法和核匹配方法重新估計(jì)，對(duì)上述結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)。表2是分別使用一對(duì)一匹配方法和核匹配方法計(jì)算的ATT值，結(jié)果都具有統(tǒng)計(jì)學(xué)意義。

三、總結(jié)

由實(shí)證結(jié)果表明，養(yǎng)老保險(xiǎn)對(duì)城鎮(zhèn)職工具有替代效應(yīng)，企業(yè)為城鎮(zhèn)職工提供養(yǎng)老保險(xiǎn)時(shí)，會(huì)將其作為用工城鎮(zhèn)轉(zhuǎn)嫁給城鎮(zhèn)職工，從而在短期內(nèi)降低城鎮(zhèn)職工工資。所以針對(duì)這些問題，社會(huì)保障部門在實(shí)施養(yǎng)老保險(xiǎn)政策的時(shí)候，就應(yīng)該考慮到這些因素，為了保障城鎮(zhèn)職工的社會(huì)保障利益，首先，在指定養(yǎng)老保險(xiǎn)政策的時(shí)候，應(yīng)該讓城鎮(zhèn)職工群體和企業(yè)都應(yīng)該少繳納養(yǎng)老金，而政府應(yīng)該給予更多的補(bǔ)貼。

作者：馬勝男 單位：南京財(cái)經(jīng)大學(xué)