農(nóng)村空巢老人主觀福利-經(jīng)濟支持還是情感支持_第1頁
農(nóng)村空巢老人主觀福利-經(jīng)濟支持還是情感支持_第2頁
農(nóng)村空巢老人主觀福利-經(jīng)濟支持還是情感支持_第3頁
農(nóng)村空巢老人主觀福利-經(jīng)濟支持還是情感支持_第4頁
農(nóng)村空巢老人主觀福利-經(jīng)濟支持還是情感支持_第5頁
免費預(yù)覽已結(jié)束,剩余1頁可下載查看

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

農(nóng)村空巢老人主觀福利-經(jīng)濟支持還是情感支持農(nóng)村空巢老人主觀福利:經(jīng)濟支持還是情感支持

中圖分類號:F328文獻標(biāo)志碼:A文章編號:1009-055X〔2022〕06-0026-09

doi:10.19366/jki.1009-055X.2022.06.005

一、引言及文獻回憶

“空巢老人〞通常是指子女因工作、學(xué)業(yè)、婚姻等原因長期離家或家中無子女而獨守“空巢〞的老年人。伴隨著人口快速老齡化,家庭的核心化與小型化,中國空巢老人問題愈加突出。根據(jù)國家統(tǒng)計局頒布的?2022年國民經(jīng)濟和社會開展統(tǒng)計公報》,2022年中國60周歲及以上老年人共2.22億,占總?cè)丝诘?6.1%。國家衛(wèi)計委發(fā)布的?中國家庭開展報告〔2022年〕》那么顯示空巢老年人已占老年人總數(shù)的一半,其中獨居老人占老年人總數(shù)的10%??粘怖先瞬粌H經(jīng)歷著身體機能衰退等生理障礙,同時由于子女不在身邊,也面臨著物質(zhì)層面的贍養(yǎng)不足以及精神層面的寂寞與孤獨,這極大地影響了這局部人群的生活質(zhì)量。因此,空巢老人的心理健康狀況比一般老年人更差[1-3],抑郁狀況更加嚴(yán)重[4,5],生活稱心度更低。[6]由于農(nóng)村地區(qū)經(jīng)濟水平相對落后,文化設(shè)施和文化活動相對匱乏,以及養(yǎng)老保障力度有限,農(nóng)村空巢老人相對于城市空巢老人面對的養(yǎng)老難題更加復(fù)雜嚴(yán)峻。其中一點尤為明顯,即農(nóng)村勞動力的大量外流使得農(nóng)村家庭養(yǎng)老模式的根底開始發(fā)生轉(zhuǎn)變,加大了農(nóng)村老年人尤其是空巢老人的農(nóng)業(yè)生產(chǎn),撫育孫輩以及人情往來的壓力和負擔(dān)。

在農(nóng)村社會保障體系還未完善,正式社會支持力度還有限的情境下,目前中國農(nóng)村老年人的養(yǎng)老方式仍是以家庭養(yǎng)老為主。家庭支持對農(nóng)村老年人,尤其是農(nóng)村空巢老人的主觀福利有不可替代的作用。[7]則現(xiàn)階段提高農(nóng)村空巢老人主觀福利更需要的是家庭經(jīng)濟支持還是情感支持?何種類型的農(nóng)村老巢老人對家庭支持需求最為迫切?接下來,本文將試圖答復(fù)上述問題。這對改良農(nóng)村養(yǎng)老效勞體系,提高空巢老年人生活質(zhì)量具有重要意義。

家庭支持是老年人接受的非正式社會支持的核心,可分為實際支持〔receivedsupport〕和領(lǐng)悟性支持〔perceivedsupport〕,實際支持指家庭其他成員對老年人在物質(zhì)和經(jīng)濟上的援助及效勞,領(lǐng)悟性支持那么是指老年人接受家庭其他成員、精神和情緒上寬慰的主觀判斷[8],按照這種分類的含義,我們也可將家庭支持大致分為經(jīng)濟支持和情感支持,前者是家庭其他成員對老人的轉(zhuǎn)移支付,后者那么主要是家庭其他成員看望、通訊及生活照料等。主觀福利那么是個體對其精神生活和物質(zhì)生活的評價[9],通常是指心理健康水平、主觀幸福感或生活稱心度。[10-11]其中,心理健康水平是對精神生活的主觀評價,而主觀幸福感和生活稱心度那么表示精神生活和物質(zhì)生活的綜合評價。

目前在關(guān)于家庭支持與老人主觀福利關(guān)系的研究中,多數(shù)認(rèn)同家庭支持的增益作用。張文娟和李樹茁〔2022〕指出,子女提供的經(jīng)濟支持滿足了老人因經(jīng)濟和生理狀況惡化產(chǎn)生的需求,從而有助于老人的心理健康和生活稱心度。[12]王萍和高蓓〔2022〕發(fā)現(xiàn),子女的經(jīng)濟支持和情感支持均能減緩老人認(rèn)知功能的衰退,改善心理福利。[13]陶裕春和申昱〔2022〕認(rèn)為,子女是家庭中的核心成員,其經(jīng)濟支持是老年人晚年的根本生活保障,有利于降低老人的日常生活壓力,子女與老人的情感交流有助于減少老年人的孤獨感、分擔(dān)和排解老人的負面情緒。[14]張騎和王玲鳳〔2022〕對浙江的1250例城市空巢老年人進行調(diào)查,發(fā)現(xiàn)子女經(jīng)濟支持以及情感支持對空巢老人的心理健康均有顯著正向影響。[15]Leungetal.〔2022〕基于臺灣507位城市老年人數(shù)據(jù)統(tǒng)計得出,情感交流和精神寬慰比經(jīng)濟上的幫忙對老人心理健康的增益作用更加明顯。[16]吳海盛〔2022〕針對江蘇省農(nóng)戶的微觀調(diào)查研究結(jié)果顯示,經(jīng)濟支持主要來源于配偶及子女,子女的精神慰藉令農(nóng)村老人生活稱心度更高。[17]

概括而言,目前絕大多數(shù)研究顯示家庭支持對農(nóng)村老人的主觀福利有正向影響,關(guān)于家庭經(jīng)濟支持和情感支持對老年人主觀福利影響差別的研究較少,以農(nóng)村空巢老人為研究對象的文獻更為零星,且以上研究未考慮家庭支持與老年人主觀福利間的內(nèi)生性,存在有效性和可靠性的問題。此外,已有相關(guān)研究所得結(jié)果多數(shù)基于區(qū)域性小樣本數(shù)據(jù),其結(jié)果的適用性和地域代表性有限。因此,文章基于2022年和2022年覆蓋28個省150個縣的中國健康與養(yǎng)老追蹤調(diào)查〔CHARLS〕數(shù)據(jù),首先采用線性概率模型〔LPM〕初步判斷家庭經(jīng)濟支持和情感與空巢老人主觀福利的關(guān)系,而后運用遞歸多變量Probit模型〔RecursiveMultivariateProbit〕參加相應(yīng)工具變量進行估計試圖克服可能存在的內(nèi)生性問題,進而得到家庭經(jīng)濟支持和情感支持對空巢老人主觀福利影響的一致估計。在此根底上進一步研究在不同空巢老人特征上這種影響的差別,得出提高農(nóng)村空巢老人主觀福利的有效措施。

二、數(shù)據(jù)描述與實證策略

〔一〕數(shù)據(jù)來源

文章所使用的數(shù)據(jù)來自2022年和2022年的中國健康與養(yǎng)老追蹤調(diào)查〔CHARLS〕數(shù)據(jù)。CHARLS是目前我國唯一以中老年人為調(diào)查對象的大型家戶調(diào)查,其調(diào)查對象是隨機抽取的家庭中45歲及以上的居民,調(diào)查內(nèi)容包括家戶信息、被訪者健康狀況和功能、醫(yī)療保健與保險、工作、退休和養(yǎng)老金以及收入、支出與資產(chǎn)等情況。CHARLS調(diào)查每兩年進行一次,全國基線調(diào)查于2022―2022年進行,覆蓋28個省150個縣,約1萬戶家庭中的1.7萬人,2022年CHARLS進行了首次追蹤調(diào)查。由于研究對象為農(nóng)村空巢老人,根據(jù)定義,為體現(xiàn)子女的長期離家的特征,在數(shù)據(jù)中保存60歲及以上的不與子女同住且居住距離至少為本縣/市的其他村莊,或無子女的農(nóng)村空巢老人樣本。剔除相關(guān)變量數(shù)據(jù)缺失嚴(yán)重的樣本后,最終得到樣本數(shù)量為8549個?!捕衬P驮O(shè)定與變量表明

1.模型設(shè)定

文章的根本回歸模型如下:

SWit=β0+β1FSit+β2ESit+β3Xit+εit〔1〕

式〔1〕中,SWit代表第i個空巢老人在第t期的主觀福利,選取有無抑郁病癥和生活是否稱心。FSit和ESit分別表示第i個空巢老人在第t期家庭經(jīng)濟支持和情感支持,分別選取有否經(jīng)濟支持和情感支持測度。Xit為一系列隨時間變化的控制變量。εit為個人層面的隨機擾動項。當(dāng)因變量為虛擬變量時常用的計量模型包括Probit、Logit、LPM模型等。由于在面板數(shù)據(jù)中采用固定效應(yīng)Probit或者Logit模型所得估計系數(shù)有偏[18],故采用線性概率模型〔LPM〕初步判斷家庭經(jīng)濟支持和情感支持與農(nóng)村空巢老人的主觀福利的關(guān)系。

以上為不考慮內(nèi)生性時的模型形式,如模型中存在內(nèi)生性,上述模型的關(guān)鍵自變量估計量將有偏且不一致,因此采用帶工具變量的遞歸多變量Probit模型進行估計。一方面,由于農(nóng)村空巢老人的主觀福利與家庭經(jīng)濟支持以及情感支持并不相互獨立,因此這些方程組的誤差項極有可能相關(guān),比方由于子女工作生活繁忙等原因,在其自身時間資源分配中,更多地將時間用于工作來獲取更多的經(jīng)濟回報,以求更好地贍養(yǎng)老人及撫育下一代,因而在老人的家庭支持中,出現(xiàn)了經(jīng)濟支持削弱、替代情感支持的現(xiàn)象。[19-20]如此,分別以家庭經(jīng)濟支持和情感支持為因變量的方程間的誤差項相關(guān)的可能性很高,而多變量Probit模型那么允許方程之間的誤差項相關(guān),可以很好地解決這方面問題。另一方面,考慮到家庭支持與農(nóng)村空巢老人主觀福利間可能存在的雙向因果關(guān)系或者由其他不可觀測因素共同影響,參照已有研究的做法[21-22],對兩個關(guān)鍵自變量參加工具變量并進行聯(lián)立估計以求糾正這一方面的內(nèi)生性。具體模型可以由下列方程組表示:

SW*it=β0+β1FSit+β2ESit+β3Xit+εit≥0[WB]〔2〕

FS*it=β0′+β1′IV1+β2′Xit′+εit′≥0[DW]〔3〕

ES*it=β0″+β1″IV2+β2″Xit″+εit″≥0[DW]〔4〕

式〔2〕~〔4〕式的因變量SW*it、FS*it和ES*it為不可觀測的潛變量,當(dāng)其大于0時,相應(yīng)結(jié)果變量SWit、FSit和ESit等于1,否那么結(jié)果變量等于0。所選取的工具變量需要滿足與其對應(yīng)的內(nèi)生變量顯著相關(guān),但與誤差項無關(guān)的條件。通過上述遞歸多變量Probit模型,可以得到家庭經(jīng)濟支持和情感支持對農(nóng)村空巢老人主觀福利影響的一致估計。

2.變量表明與描述

〔1〕因變量

文章的因變量為農(nóng)村空巢老人的主觀福利,借鑒已有典型文獻的指標(biāo)選取[23,24],采用有否抑郁病癥以及生活稱心度進行衡量。抑郁病癥由CHARLS問卷中包含10個問題的簡版抑郁自評量表〔CES-D10〕所得抑郁指數(shù)轉(zhuǎn)化得到。CES-D10量表具有較高的信度和效度[25],量表中每個問題均有四個選項代表相應(yīng)程度的上下,一般從低到高分別賦值為0~3分,10個問題匯總即可得到最終的抑郁指數(shù),其取值范圍為0~30分抑郁量表的10個問題包括:過去一周“我因一些小事而煩惱〞“我在做事時很難集中精力〞“我感到情緒低落〞“我覺得做任何事都很費力〞“我對未來充斥希望〞“我感到膽怯〞“我的睡眠不好〞“我很愉快〞[ZZ〕]“我感到孤獨〞“我覺得我無法繼續(xù)我的生活〞。各個問題均有相同的四個選項,分別為:①很少或者基本沒有〔〔2〕自變量

家庭支持情況。CHARLS問卷關(guān)于家庭支持的變量包括子女經(jīng)濟支持、孫子女經(jīng)濟支持、子女看望、子女通訊聯(lián)系等,我們將家庭經(jīng)濟支持變量設(shè)為虛擬變量,農(nóng)村空巢老人去年收到過子女或者孫子女的轉(zhuǎn)移支付,那么賦值為1,否那么賦值為0。類似的,將家庭情感支持也設(shè)為虛擬變量,分為看望與通信兩類,按照兩者的特點進行辨別,如子女看望頻率為每半年一次及以上,那么賦值看望變量為1,否那么賦值為0;如與子女通過打等方式通信的頻率為每月一次及以上,那么賦值通信變量為1,否那么賦值為0。具體變量表明和統(tǒng)計見表1,可見農(nóng)村空巢老人接收的家庭經(jīng)濟支持、家庭情感支持中的看望和通信的總體概率分別為76%、81%和56%。與2022年相比,2022年總體家庭經(jīng)濟支持概率大幅提高,增加了29個百分點,而家庭情感支持中看望頻率增長有限,通信頻率提高了17個百分點。

控制變量。參考相關(guān)研究,選取的控制變量包括被訪者的人口統(tǒng)計特征、社會保障與家庭情況、初始健康狀況以及健康行為四方面。其中,人口統(tǒng)計特征包括性別、年齡、婚姻狀態(tài)、受教育程度、工資收入;社會保障與家庭情況包括有否醫(yī)療保險、養(yǎng)老保險、家庭人口規(guī)模;初始健康狀況與健康行為對應(yīng)有否慢性病和是否加入社交活動。具體變量表明與統(tǒng)計見表1。

〔3〕工具變量

家庭經(jīng)濟支持的工具變量。借鑒Young和Chetna〔2022〕的做法[27],將農(nóng)村空巢老人健在子女個數(shù)作為家庭支持中經(jīng)濟支持的工具變量。理論而言,空巢老人的主觀福利與其健在子女個數(shù)并無直接聯(lián)系,其福利取決于其子女的經(jīng)濟和情感支持,而空巢老人的健在子女個數(shù)越多,其接收到的子女轉(zhuǎn)移支付的概率將更大。因此,健在子女個數(shù)理應(yīng)滿足工具變量所需的相關(guān)性與外生性要求。家庭情感支持的工具變量。為區(qū)別家庭經(jīng)濟支持的工具變量,這里采用子女平均受教育程度作為情感支持工具變量。一方面,子女的受教育程度越高,更有可能樂于維系代際情感關(guān)系,提高看望和通信空巢老人的頻率。另一方面,空巢老人的主觀福利與子女的受教育程度并無直接關(guān)系,而與子女教育所衍生出的經(jīng)濟支持和情感支持直接相關(guān)。如此,子女的受教育程度也滿足工具變量的要求。

三、實證結(jié)果

〔一〕基準(zhǔn)估計結(jié)果

表2報告了家庭經(jīng)濟支持與情感支持與農(nóng)村空巢老人主觀福利關(guān)系的LPM模型估計結(jié)果。第〔1〕―〔2〕列與〔3〕―〔4〕列分別為以看望作為家庭情感支持變量的LPM模型和LPM固定效應(yīng)模型回歸結(jié)果,第〔5〕―〔8〕列與第〔1〕―〔4〕列所采用的模型相同,但選取的家庭情感支持變量為通信變量。

由基準(zhǔn)估計結(jié)果可知,無論選取的家庭情感支持變量是看望還是通信,以及是否選用固定效應(yīng)模型,家庭經(jīng)濟支持和情感支持均與農(nóng)村空巢老人的抑郁病癥有顯著的負相關(guān)關(guān)系,同時顯著與農(nóng)村空巢老人的生活稱心度正相關(guān)。從各關(guān)鍵自變量發(fā)揮作用的大小來看,多數(shù)回歸結(jié)果支持家庭情感支持對老年人的抑郁病癥緩解作用和生活稱心度的增益效應(yīng)相對更大,即農(nóng)村空巢老人每年接受家庭經(jīng)濟支持對其主觀福利的邊際促進作用可能并不如子女每半年的看望或每月的通信。

〔二〕遞歸多變量Probit模型估計

如前所述,單方程Probit模型所得估計量的無偏有效性依賴于模型設(shè)定不存在內(nèi)生性問題,一旦出現(xiàn)這一問題,以上模型的估計結(jié)果將是不可靠的。因此,接下來采用帶工具變量的遞歸多變量Probit回歸模型進行估計以求解決這一問題。

表3報告了以看望作為家庭情感支持變量,最終因變量分別為抑郁病癥和生活稱心度的兩個遞歸多變量Probit回歸模型的協(xié)方差矩陣及似然比檢驗結(jié)果,從該表數(shù)據(jù)可知,兩個方程組的似然比檢驗χ2值分別為18.02和13.36,均通過了1%的顯著性檢驗,說明兩個方程組中的各個方程間的誤差項存在相關(guān)性,這顯示了采用多變量Probit模型的合理性。同時,在方程間的協(xié)方差矩陣中,分別以看望與經(jīng)濟支持為因變量的方程誤差項顯著相關(guān),這也合乎前述討論。

表4為以看望變量代表家庭情感支持,且?guī)Чぞ咦兞康倪f歸多變量Probit模型的回歸結(jié)果。在解釋回歸結(jié)果前,首先檢驗工具變量選取的可靠性??梢园l(fā)現(xiàn),不管是以何種主觀福利度量方式的方程組中,包括健在子女?dāng)?shù)以及子女平均受教育程度均與相應(yīng)因變量有顯著的相關(guān)性,且通過了1%的顯著性檢驗。用于檢驗工具變量的有效性似然比檢驗結(jié)果顯示,最終因變量為抑郁病癥和生活稱心度的遞歸多變量Probit模型的似然比檢驗χ2值分別為68.94和66.58,均在1%的顯著性水平上拒絕原若,表明參加工具變量有助于緩解內(nèi)生性問題。

從遞歸多變量Probit模型回歸結(jié)果來看,家庭經(jīng)濟支持和情感支持均能顯著提高農(nóng)村空巢老人的生活稱心度,比照兩者系數(shù)可知,家庭情感支持生活稱心度促進作用更大。同時,家庭情感支持對農(nóng)村空巢老人的抑郁病癥有顯著的負向影響,而家庭經(jīng)濟支持的影響并不顯著。該結(jié)果與基準(zhǔn)估計所得結(jié)果根本一致。文章也以通信變量代表家庭情感支持限于篇幅,并未在文中報告,讀者如感興趣可向作者索取。下同。,采用帶工具變量的遞歸Probit模型進行回歸估計,發(fā)現(xiàn)方程組的各方程間仍存在顯著的誤差項的相關(guān)性,估計結(jié)果與看望作為家庭情感支持變量的結(jié)果類似,家庭情感支持仍是改善農(nóng)村空巢老人的抑郁病癥,提高生活稱心度的相對更重要的支持方式。

[HT4〞F]〔三〕穩(wěn)健性檢驗:家庭支持影響的異質(zhì)性

以上是將農(nóng)村空巢老人作為一個整體進行的研究,但不能忽略因不同個體特征形成的異質(zhì)性,研究這一群體的異質(zhì)性有助于提高認(rèn)識問題的深入性和制定問題對策的針對性。因此,文章分別從性別、年齡、婚姻狀況等方面對樣本進行了分組子樣本回歸。其中,年齡分為65歲下列和65歲及以上,前者表示退休初期,而后者表示退休中后期?;橐鰻顩r分為已婚同居和其他〔包括離婚、喪偶等〕。

表5列出了以看望作為家庭情感支持變量,采用遞歸多變量Probit模型的各組子樣本回歸結(jié)果。從性別分組來看,家庭支持尤其是情感支持對農(nóng)村女性空巢老人的抑郁病癥改善和生活稱心度提高更明顯;從年齡分組來看,家庭情感支持對65歲及以上的農(nóng)村空巢老人的抑郁病癥有顯著負向影響,對生活稱心度的影響正向顯著,而對65歲下列的農(nóng)村空巢老人的作用那么未通過顯著性檢驗;從婚姻狀況分組來看,家庭情感支持對農(nóng)村離婚、喪偶的空巢老人的抑郁病癥和生活稱心度有更加明顯的影響,且情感支持的主觀福利增益作用更大。產(chǎn)生這一結(jié)果的原因在于,在老人群體中,女性在教育程度、收入等社會經(jīng)濟水平上往往比男性老人更低,且相對更可能成為孤寡老人,高齡老人常常伴隨著更惡劣的生理狀況,獨居老年人更加不足情感交流,這局部老人群體的心理健康水平和生活稱心度相對更低[28,29],而家庭支持對心理壓力處于中高程度具有更大的增益效應(yīng)。[30]因此,女性、高齡和鰥寡空巢老人更需要家庭支持,尤其是子女的看望和精神交流。

同樣的,以通信作為家庭情感支持變量,運用相

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論