Page 33 - 南京医科大学学报社科学版
P. 33
南京医科大学学报(社会科学版)京医科大学学报(社会科学版)
第5期 总第112期 南
2022年10月 Journal of Nanjing Medical University(Social Sciences)of Nanjing Medical University(Social Sciences) · 451 ·
Journal
表1 变量定义 (三)识别策略与模型设定
变量类型 变量名称 赋值说明 本文运用双重差分法测量长护险政策如何影
被解释变量 家庭消费 总支出加1取对数 响家庭消费。具体而言,借鉴 Moser [32] 、叶芳 [33] 、陈
主要解释变量 after 2018年取1,否则取0 林 [34] 和边恕 [35] 等相关研究,本文设置分组变量treat,
treat 实施长期护理保险政策的城市
如果城市属于长护险政策以内,treat 取 1,否则取
取1,否则取0
0。同时,根据长护险政策出台时间设置时间变量
控制变量 家庭收入 总收入加1取对数 after,当样本量为 2018 年时,该变量取 1,否则取 0。
性别 男性=1;女性=0
年龄 受访者年龄 计量模型如下:
Y = β + β treat × after + βcontrol + μ + λ + ε (1)
受教育程 文盲=1;小学未毕业=2;私塾= it 0 1 i t it i t it
度 3;小学毕业=4;初中毕业=5;高 在模型(1)中,下标 i , t 分别代表城市和年份;
中毕业=6;中专毕业=7;大专毕 Y 是家庭消费;treati为分组变量, after 为时间变量;
业=8;大学毕业=9;研究生及以 it t
controlit 为控制变量;μ 为不随时间变化的个体效
上毕业=10 i
应, λ 为时间固定效应, ε 为随机扰动项。值得注
it
t
婚姻状况 在婚=1;不在婚=2
子女数量 健在的子女数量 意的是,采用包括个体和时间效应的双向固定模
型,减少可能影响本文识别结果的因素进行实证检
自评健康 很不好=1;不好=2;一般=3;好=
状况 4;很好=5 验。重点观察 treati和 after 交互项系数 β ,以衡量
t
1
日常生活 重度失能=1;中度失能=2;轻度 长护险政策冲击对家庭消费的因果效应。
能力 失能=3;完全健康=4
二、长护险政策对家庭消费的影响
户口特征 城市=1;农村=0
区域特征 西部=1;中部=2;东部=3 为考察长护险政策是否以及如何影响家庭消
是否退休 是=1;否=0 费,从以下三个部分进行实证检验:①为满足平行
表2 主要变量描述性统计
变量名称 观测值 均值 标准差 最小值 最大值
家庭消费 27 762 38 508.435 59 982.354 0 283 761
家庭收入 27 762 57 222.832 57 699.769 0 233 307
年龄 27 762 61.017 0.146 45 103
受教育程度 27 762 3.431 1.876 1 10
子女数量 27 762 2.646 1.325 0 10
自评健康 27 762 2.993 0.968 1 5
日常生活能力 27 762 3.755 0.593 1 4
趋势假定,绘制实验组与对照组家庭消费的时间趋 10.4
势图,观察两组家庭消费的变化趋势;②结合单变
量双重差分模型,初步考察长护险政策对家庭消费 10.2
的因果关系;③引入一系列控制变量,包括个体和 家庭消费 10.0
时间双向固定效应的双重差分模型进行实证检验,
9.8
更深层次实证检验长护险政策对家庭消费的影响。
(一)家庭消费的时间趋势图 9.6
2010 2012 2014 2016 2018
本文通过绘制实验组和对照组家庭消费的时 年份
实验组 对照组
间趋势图,揭示两组家庭消费的动态时间变化趋
纵轴表示家庭消费取对数后的结果。
势,结果见图1。
图1 实验组和对照组家庭消费的时间趋势
图 1 显示,在 2016 年长护险政策出台之前,两
组家庭消费维持基本平行状态。但在长护险政策 为对照组。before 表示长护险政策出台之前的时
出台之后,实验组家庭消费高于对照组,并反映出 期(2011 年、2013 年和 2015 年),after 表示长护险政
差距增加的时间趋势。 策出台之后的时期(2018 年)。分别计算两组家庭
(二)长护险政策冲击对家庭消费的影响:单变 消费在 before 和 after 时期的平均值,结合 t 检验观
量双重差分结果 察两组家庭消费是否在政策冲击前后表现出系统
本文采用单变量双重差分模型初步检验长护 差异。
险政策对家庭消费的静态影响。具体地,将实施 对照组家庭消费均值在长护险政策出台之前
长护险政策的城市设为实验组,未实施的城市设 为 9.913,政策出台之后达到 10.306,增加了 0.393