推文人 | 王洋

原文链接：https://www.sciencedirect.com/science/article/abs/pii/S0167629619310586

 

随着世界经济的发展和生活水平的提高，大部分国家的各年龄段人群的预期寿命都呈现出增加的趋势，老龄人口的增加给各国的财政支出增加了负担，各国政府开始考虑延长退休年龄以应对老龄化加剧带来的养老金费用增加。在这一背景下，关于退休和健康问题的探讨不断增多，退休带来的身心放松可能会改善健康水平，而退休后导致人们与社会脱节有可能会带来一定的心理创伤，同时健康水平的恶化又可能会导致劳动力提前退休，退休和健康的关系受多重因素干扰很难干净识别。本文着重于处理内生性问题，分别选取了断点回归和固定效应工具变量模型（FE-IV）。本文的研究选取英国的多套数据，包括人口普查数据、住院记录、大型横截面和纵列调研数据，以及死因数据库，以保证能够有多个数据来源和变量的支撑，实现多角度全方位的探究退休对健康的影响，同时多套数据同一类型变量的估计结果之间可以相互验证，也保证了回归结果的稳健性。

 

数据、变量和识别策略

 

本文的数据来源十分丰富，如Table 1所示，包括人口普查数据、住院记录、大型横截面和纵列调研，以及死因数据库。

本文主要研究退休对个人健康水平的影响，简化版公式如式（1）所示，其中Ri表示识别个体i是否退休的二值变量，Hi是衡量个体i健康状况的变量。

但是，正如前文提到的，探究退休对健康的影响会面临内生性问题，为了解决内生性，作者首先采用断点回归的设计，利用可以领取养老金的年龄作为门槛。由于英国的养老金制度主要以年龄限制为领取养老金的标准，到了一定年龄（2010-2020年适用的标准为65岁，男女统一标准）即可领取养老金，没有其他适用于较早年龄段的养老金制度，也不会根据劳动力的决定改变制度，因此可领取养老金的年龄适合作为断点回归的分组变量临界点。断点回归的方程如（2）式所示。

其中，PensionEligiblea是衡量a年龄队列是不是到了可以领取养老金的年龄。带宽设定为5年。

 

除了断点回归设计，作者还选取了适用于面板数据的固定效应模型，而固定效应模型只能控制不随时间变化的不可观测因素的干扰，对于负面健康冲击可能会导致提前退休这一反向因果的影响则无法控制，因此作者进一步利用可领取养老金的年龄来作为工具变量。可领取养老金的年龄只与是否退休相关，与其他因素无关，即该工具变量只能通过影响是否退休来影响个体健康。如方程（3）所示，

Rit是个体i在t时的退休状态，Zit代表工具变量。方程（3）的被解释变量预测值进一步用于方程（4），

其中，ηt表示时间固定效应，ρi表示个体固定效应。

 

回归结果

 

作者在回归结果部分展示了基于多个数据库的测算结果，并进行了对比分析，以此保证回归结果的稳健性。

 

作者首先检验领取养老金的年龄对退休状态的预测效果如何。基于2011年英国人口普查数据，作者分性别，基于样本年龄和退休年龄差距作图看样本分布，如Figure1所示，从图中可以看出，无论是男性还是女性样本，在非临界点处，样本随年龄的分布是连续光滑的，在临界点处则出现了退休比例的跳跃，男性的增加幅度相对更大些。

进一步，作者基于Table1中提到的调研数据库，即HSE、ELSA、BHPS，分别采用断点回归和FE-IV的方法分男女样本对可领取养老金年龄对退休状态的影响进行了估计，估计结果如Table 2所示。

对比Table 2中的回归结果可以看出，无论哪套数据，领取养老金年龄对退休状态的影响都是显著的，作图和回归结果都表明本文选取的分组临界值对样本分组状态的预测作用很强。

进一步，作者利用领取养老金年龄作为断点回归的临界值和FE-IV回归中的工具变量，来探究退休对各健康结果变量的影响。对自评健康的影响如Table 3所示。

从对男性样本的估计结果可以看出，退休会导致自评健康为差或极差（都在bad组里面）的比例显著下降，以2001年人口普查数据估计的结果显示下降2.3个百分点，以2011年人口普查数据估计的结果显示下降0.3个百分点，以调查数据估计的结果显示下降6.9个百分点，下降幅度高于人口普查数据的估计结果。

退休对心理健康和认知能力影响的估计结果如Table 4所示，从估计结果可以看出，退休对心理健康和认知能力没有显著影响，作者解释这可能是由于退休所带来的心理健康层面的影响在短时间内无法显现。

 

除了考察对自评健康水平的影响外，作者进一步引入衡量健康水平的其他变量，包括日常生活行为、客观测度的健康变量以及对医疗保健服务的利用情况。男性样本的回归结果如Table 5所示，女性样本的回归结果如Table 6所示。在Table 5和Table 6中（a）部分第（1）列衡量的是对日常行为活动的影响，即在穿衣或洗澡的过程中身体活动是否受限；第（2）列是受访者回答列表中与健康有关的问题，结果变量是对受访者回答的健康出现问题情况的加总，；第（3）列是虚拟变量，受访者存在任何一个列表中的健康问题即被定义为1；第（4）、（5）、（6）列中的血压和脉搏是由专业的护士测量记录的。从Table 5中的回归结果可以看出，退休会导致男性健康出现问题的可能性显著降低，而从Table 6中基于女性样本的回归结果则未发现显著影响，作者认为这可能是由于男性退休后有更多的时间可以处于身体放松的状态，不再受限于紧张固定的工作环境，而女性可能仍旧需要在退休后承担家务劳动，身体仍旧无法处于完全放松的状态。进一步观察血压和脉搏的影响结果，可以发现男性和女性样本均可以观察到血压或脉搏的显著下降，而已有研究表明，高血压和脉搏通常与压力相关，这就说明退休后退休者的压力有所减小。

 

Table 5和Table 6的（b）部分衡量的是对医疗保健服务的利用情况的影响，分别是看医生的次数（1），看牙医的次数（2），做眼睛检查的次数（3），做血压检测的次数（4），做胆固醇检测的次数（5）。除了退休后女性去医院的次数显著减少外，其他变量都没有呈现显著变化，表明退休基本上没有影响到对医疗保健服务的利用程度。

 

作者进一步基于死因数据库估计了退休对归因于不同死因死亡率的影响，尽管基础回归发现了部分诸如癌症和糖尿病致死的可能性在退休后有所增加，但更换带宽的稳健性检验结果并没有发现显著影响，因此作者认为退休对归因于不同死因的死亡率没有显著影响。

 

除了对健康水平的考察，作者还对健康行为进行了考察，如Table 8和Table 9 所示，包括生活习惯（a）、与亲戚朋友的日常联系（b）和对时间的利用方式（c）。

生活习惯部分的结果变量包括吸烟、饮酒、锻炼，估计结果表明，除了女性在退休后锻炼频率显著减少外，其他变量均未发现显著影响，作者解释认为对于吸烟、饮酒等成瘾性消费，在短期行为很难发生改变；与亲戚朋友的日常联系部分结果变量包括是否每周去探望朋友和家人、外出聚餐、认为友谊是否有意义、对社会的满意度、对生活的满意度、亲近朋友的年龄，估计结果表明，退休后男性探望朋友的可能性显著减小，外出聚餐的可能性显著增加，对生活的满意度显著增加，女性认为友谊有意义的可能性显著增加。对于时间利用方式，主要考察在工作、家务、睡觉和娱乐之间的时间分配，回归结果表明，无论男性还是女性，退休后工作的时间都显著大幅度下降，睡觉和娱乐时间都显著增加。

 

作者通过改变带宽的方式对上述回归结果进行了稳健性检验。作者还进一步将样本按照受教育水平分组对上述结果做了异质性分析，感兴趣的读者可以去详读原文。

 

结论

 

本文的研究更像是一个基于多来源数据、多种内生性处理方法的梳理性研究，作者详细梳理总结了已有研究存在的问题，即已有部分研究发现退休会导致退休者的身体和心理健康水平下降，但本文作者认为上述研究并没有考虑到内生性问题带来的干扰，尤其是没有排除究竟是退休导致身心健康水平下降，还是由于健康水平下降而退休的概率更高。同时，本文作者指出已有研究对于健康变量的识别并不完全。本文作者结合多套数据，生成的衡量健康的变量较为全面，在变量的选取上十分值得借鉴。

 

Abstract

 

This paper utilizes census records, inpatientrecords, comprehensive surveys, and mortality records from England to trace outthe effect of reaching retirement age on retirement status and health outcomes. Applying a regression discontinuity design leveraging the pension age, I findthat retirement substantially improves well-being and reported health. I find noimmediate effect of retirement on behavioral outcomes and no evidence ofchanges to cognitive ability, utilization, or mortality. While prior literaturehas considered the effects of retirement on specific outcomes, this papersystematically examines the full range of health-related outcomes withadministrative and survey data in a unified context.