-
首页
-
出版物展开 / 收起
sidenav background出版物
sidenav header background简报2012年第037期（总第999期）：第三届CHARLS用户会议简报之三
发布日期：2012-08-02 10:22 来源：北京大学国家发展研究院
2012年7月20日至7月22日，第三届CHARLS用户培训会于北京大学国家发展研究院万众楼大教室召开。本期报道南加州大学John Strauss教授、北京大学国家发展研究院雷晓燕助教授的发言。John Strauss：健康产出模型（Health-Productivity Modeling）
John Strauss教授指出，很多学者在研究健康状况与收入等经济状况的关系时遇到了反向因果关系（reverse causality）以及遗漏变量偏误（omit variable bias）问题，他将从一个被广泛使用的静态模型入手来讨论这些问题的解决方案。
这个模型的设定主要包括健康生产函数、市场工资函数、效用函数和预算约束。其中健康生产函数决定了健康状况，对健康生产的投入包括营养的摄入以及是否有吸烟、喝酒等生活习惯。市场工资函数的自变量中既包含个人的教育背景、家庭背景和市场的劳动需求，也包含个人的健康状况，这是把健康对收入的直接影响模型化的一个方法。类似的，健康状况也直接进入效用函数。预算约束中包括劳动收入与非劳动收入、消费支出与健康支出。值得注意的是，在健康生产函数、市场工资函数和效用函数中均存在用于描述无法被研究者观测到的个人信息的变量。
给出上述假定以后求解最大化问题可以得到一组一阶条件，我们最为关注的是关于健康投入和健康状况的一阶条件。我们假设健康状况能提高工资、健康投入能提高健康状况，那么健康投入的影子价格会低于健康投入的市场价格。由于个人掌握所有的信息，他们将对影子价格而不是市场价格作出反应，因此对健康投入的需求比研究者使用市场价格所估计的要多。这意味着由于存在研究者无法观测但却被个人所掌握的信息，我们在使用OLS估计的时候会产生遗漏变量偏误，从而得到有偏的估计量。此外，反向因果关系也不容忽视。例如健康状况更好的个人会获得更高的收入，而获得高收入的个人会增加其健康投入从而反过来提高自己的健康状况。
另一个在研究中经常遇到的问题是对于健康状况的衡量。在衡量健康的数据中往往存在两类误差：随机性误差和系统性误差。后者常见于自我报告的（self-reported）数据，例如高收入的人群往往更容易发现自己患有疾病，这可能不是因为他们的健康状况不够好，而是因为他们更频繁的的去做健康检查。由于系统性的误差更难于处理，健康经济学家们更偏好使用生理指标（biomarker）而不是自我报告的数据来避免系统性错误。
处理反向因果关系和遗漏变量偏误问题的第一篇文章由John Strauss教授发表在26年前的JPE上，他在文章中估计了塞拉利昂农民生产率与农民营养状况的关系，之后又用1997年巴西的数据做了类似的研究。这两篇文章中均使用了相对粮食价格作为IV（instrument variable）。需要指出的是，之所以没有直接用粮食价格作为IV是因为经济理论中研究的是实际变量而不是名义变量，因此在文章中使用了一系列价格指数做了折算。
John Strauss教授还简要介绍了一篇未发表的文章中的结果。这篇文章基于一项被称为WISE（Worker Iron Supplementation Evaluation）的随机控制实验。从生理学的角度，这项研究表明补铁对于提高血红蛋白含量有着显著影响。从经济学的角度，这项研究启发我们把补铁药剂的价格作为一个IV。
John Strauss教授还讨论了动态问题。考虑动态健康生产函数以及动态工资函数。与静态健康生产函数相比，动态健康生产函数中所有的变量都增加了t的下标，这意味着t时刻的健康状况将依赖于整个生命的历程，包括过去生病、治疗的经历等。类似的我们可以的得到动态工资函数。
研究动态问题需要面板数据。研究者拿到数据后往往会首先对数据作固定效应或一阶差分，并认为这解决了因果性问题，但实际上并非如此。一个例子是Gertler 和Gruber于2002年发表在JPE的文章，他们用一阶差分处理了IFLS( Indonesian Family Life Survey )数据但并没有消除因果性问题。而Genoni于2012发表在EDCC上的文章则给出了改进，引入健康投入的价格作为IV从而解决了这一问题。
最后，John Strauss教授指出社会经济状况与健康状况之间的关系在发达国家和发展中国家之间可能存在显著差异，并以BMI（Body Mass Index）为例进行了简单的说明。总体来看发达国家如美国居民BMI较高，而中国等发展中国家居民BMI较低。在发展中国家里又有一些有意思的相同点，比如中国、印尼、南非和墨西哥的女性，BMI随着教育年限先增加后减小，在教育年限5年左右达到最大。而发达国家女性的BMI变化并没有类似规律。
雷晓燕：代际转移问题研究的理论与应用
雷晓燕助教授介绍了代际转移问题引起广泛关注的原因。首先，代际转移现象非常普遍，不仅存在于发展中国家，也存在于发达国家，只是转移的方向不同。其次，研究代际转移问题对于理解资源的配置非常重要，代际转移所带来的“挤出效应”在政府制定公共转移政策时不应被忽视。此外，由于代际转移具有维度广、衡量难等特征，研究者很难识别代际转移的动机，在这一领域还有很大的空间可供研究。
雷晓燕助教授进行了文献回顾。人们普遍认为代际转移的动机主要有两点：无私和交换。Becker最早建立了无私者模型，他把子女的效用引入了父母的效用函数中，这意味着父母不仅关心自己的消费，而且关心子女的效用。在标准的无私者模型中，一个典型的家户是由一个家长和一个孩子组成，家长相对富裕。由于家长关心孩子的效用，因此代际转移就进入了家长的预算约束。经过简单推导可以得出一个著名的方程，这个方程表明如果家庭总收入不变，家长的收入增加1元钱而孩子的收入减少1元钱，那么从家长到孩子的代际转移就会增加1元钱。这是1对1情形下的挤出效应。
另一个动机是交换，即父母给子女钱是为了子女将来能够以照顾、陪伴等方式予以回报。为了与普通的交换相区分，通常的做法是把交换引入无私模型，使得整个模型可以同时描述交换和无私这两种动机。经过计算可以得出一些可供检验的预测结果。如果父母进行代际转移的动机是无私，那么当子女收入提高时，父母进行代际转移的概率会变小，而且那些仍然进行的代际转移数额也会变小；如果父母进行代际转移的动机是交换，那么当子女收入提高时，父母进行代际转移的概率也会变小，但仍然进行的代际转移的数额如何变化取决于子女提供服务的价格弹性。
除以上两个动机以外，还有一些文献提出代际转移也许是出于互相帮助的目的或者进行代际转移的一方能够从代际转移这个行为本身获得效用。但这些文献数量有限，大部分文献还是集中于前两个动机。
各国的实证数据对于理论模型的检验得到了不同的结果。有关美国的一些研究拒绝了无私动机，而另外一些则拒绝了交换动机；有关法国的研究几乎都拒绝了无私动机；有关德国的研究则是支持无私动机的多一点；而有关意大利的研究则同时拒绝了无私动机和交换动机。
有关中国公民代际转移动机的研究主要有以下3篇文章Secondi (1997)、Liu 和Reilly(2004)以及Cai、Giles和Meng (2006)。这3篇文章的共同问题是对代际转移的定义不清晰，例如将财富在没有住在一起的家庭成员之间的流动定义为代际转移，因此将夫妻之间的财物往来也计入了代际转移。此外，这3篇文章所用的数据不能清晰的反应两代人的信息，比如无法区分代际转移是发生在父母与儿子之间还是发生在父母与女儿之间。
CHARLS的数据非常清晰而全面。按照国际通用做法，代际转移被定义为不住在一起的父母与子女之间的财物往来，这是因为共同居住的父母与子女之间的财物往来很难清晰的界定。另外，CHARLS对于代际转移的信息调查的非常具体，在方向上调查了是由父母到儿子、儿媳还是女儿、女婿，是由子女到亲生父母还是岳父母。在形式上调查了是实物转移还是货币转移。在频率上调查了是按月份、季度还是过年过节。
雷晓燕助教授使用2011年CHRALS的数据对中国的代际转移做了一个概括性的描述。在2011年的CHRALS调查数据中，有37%的受访者收到了来自子女的代际转移，13.8%的受访者向子女进行了代际转移，净的子女向父母的代际转移是35.3%。对于整个样本而言，父母平均一年收到1493.1元，而所有收到子女代际转移的父母平均一年收到4036.9元，相当可观。
最后，雷晓燕助教授提出了几个可行的研究方向。一是检验动机，正如前面提到的，现有的检验中国代际转移动机的文章非常少，并且这些文章中所用到的数据都有缺陷，而CHARLS数据质量非常好，可以支持更进一步的研究。二是分析代际转移在子女之间或父母与配偶的父母之间的差异。三是研究代际转移与公共转移的关系，检验公共转移的效果。四是可以看代际转移与劳动力供给的关系，比如看独生子女一代是否会因为养老压力大而增加劳动供给。五是看最优养老政策，研究是由儿子养老还是由女儿养老或是入住福利院的老人幸福程度最高。
（种鹏整理）
国家发展研究院官方微信
Copyright© 1994-2012 北京大学 国家发展研究院 版权所有, 京ICP备05065075号-1
保留所有权利，不经允许请勿挪用
-
首页
-
出版物展开 / 收起
sidenav background出版物
sidenav header background简报2012年第037期（总第999期）：第三届CHARLS用户会议简报之三
发布日期：2012-08-02 10:22 来源：北京大学国家发展研究院
2012年7月20日至7月22日，第三届CHARLS用户培训会于北京大学国家发展研究院万众楼大教室召开。本期报道南加州大学John Strauss教授、北京大学国家发展研究院雷晓燕助教授的发言。John Strauss：健康产出模型（Health-Productivity Modeling）
John Strauss教授指出，很多学者在研究健康状况与收入等经济状况的关系时遇到了反向因果关系（reverse causality）以及遗漏变量偏误（omit variable bias）问题，他将从一个被广泛使用的静态模型入手来讨论这些问题的解决方案。
这个模型的设定主要包括健康生产函数、市场工资函数、效用函数和预算约束。其中健康生产函数决定了健康状况，对健康生产的投入包括营养的摄入以及是否有吸烟、喝酒等生活习惯。市场工资函数的自变量中既包含个人的教育背景、家庭背景和市场的劳动需求，也包含个人的健康状况，这是把健康对收入的直接影响模型化的一个方法。类似的，健康状况也直接进入效用函数。预算约束中包括劳动收入与非劳动收入、消费支出与健康支出。值得注意的是，在健康生产函数、市场工资函数和效用函数中均存在用于描述无法被研究者观测到的个人信息的变量。
给出上述假定以后求解最大化问题可以得到一组一阶条件，我们最为关注的是关于健康投入和健康状况的一阶条件。我们假设健康状况能提高工资、健康投入能提高健康状况，那么健康投入的影子价格会低于健康投入的市场价格。由于个人掌握所有的信息，他们将对影子价格而不是市场价格作出反应，因此对健康投入的需求比研究者使用市场价格所估计的要多。这意味着由于存在研究者无法观测但却被个人所掌握的信息，我们在使用OLS估计的时候会产生遗漏变量偏误，从而得到有偏的估计量。此外，反向因果关系也不容忽视。例如健康状况更好的个人会获得更高的收入，而获得高收入的个人会增加其健康投入从而反过来提高自己的健康状况。
另一个在研究中经常遇到的问题是对于健康状况的衡量。在衡量健康的数据中往往存在两类误差：随机性误差和系统性误差。后者常见于自我报告的（self-reported）数据，例如高收入的人群往往更容易发现自己患有疾病，这可能不是因为他们的健康状况不够好，而是因为他们更频繁的的去做健康检查。由于系统性的误差更难于处理，健康经济学家们更偏好使用生理指标（biomarker）而不是自我报告的数据来避免系统性错误。
处理反向因果关系和遗漏变量偏误问题的第一篇文章由John Strauss教授发表在26年前的JPE上，他在文章中估计了塞拉利昂农民生产率与农民营养状况的关系，之后又用1997年巴西的数据做了类似的研究。这两篇文章中均使用了相对粮食价格作为IV（instrument variable）。需要指出的是，之所以没有直接用粮食价格作为IV是因为经济理论中研究的是实际变量而不是名义变量，因此在文章中使用了一系列价格指数做了折算。
John Strauss教授还简要介绍了一篇未发表的文章中的结果。这篇文章基于一项被称为WISE（Worker Iron Supplementation Evaluation）的随机控制实验。从生理学的角度，这项研究表明补铁对于提高血红蛋白含量有着显著影响。从经济学的角度，这项研究启发我们把补铁药剂的价格作为一个IV。
John Strauss教授还讨论了动态问题。考虑动态健康生产函数以及动态工资函数。与静态健康生产函数相比，动态健康生产函数中所有的变量都增加了t的下标，这意味着t时刻的健康状况将依赖于整个生命的历程，包括过去生病、治疗的经历等。类似的我们可以的得到动态工资函数。
研究动态问题需要面板数据。研究者拿到数据后往往会首先对数据作固定效应或一阶差分，并认为这解决了因果性问题，但实际上并非如此。一个例子是Gertler 和Gruber于2002年发表在JPE的文章，他们用一阶差分处理了IFLS( Indonesian Family Life Survey )数据但并没有消除因果性问题。而Genoni于2012发表在EDCC上的文章则给出了改进，引入健康投入的价格作为IV从而解决了这一问题。
最后，John Strauss教授指出社会经济状况与健康状况之间的关系在发达国家和发展中国家之间可能存在显著差异，并以BMI（Body Mass Index）为例进行了简单的说明。总体来看发达国家如美国居民BMI较高，而中国等发展中国家居民BMI较低。在发展中国家里又有一些有意思的相同点，比如中国、印尼、南非和墨西哥的女性，BMI随着教育年限先增加后减小，在教育年限5年左右达到最大。而发达国家女性的BMI变化并没有类似规律。
雷晓燕：代际转移问题研究的理论与应用
雷晓燕助教授介绍了代际转移问题引起广泛关注的原因。首先，代际转移现象非常普遍，不仅存在于发展中国家，也存在于发达国家，只是转移的方向不同。其次，研究代际转移问题对于理解资源的配置非常重要，代际转移所带来的“挤出效应”在政府制定公共转移政策时不应被忽视。此外，由于代际转移具有维度广、衡量难等特征，研究者很难识别代际转移的动机，在这一领域还有很大的空间可供研究。
雷晓燕助教授进行了文献回顾。人们普遍认为代际转移的动机主要有两点：无私和交换。Becker最早建立了无私者模型，他把子女的效用引入了父母的效用函数中，这意味着父母不仅关心自己的消费，而且关心子女的效用。在标准的无私者模型中，一个典型的家户是由一个家长和一个孩子组成，家长相对富裕。由于家长关心孩子的效用，因此代际转移就进入了家长的预算约束。经过简单推导可以得出一个著名的方程，这个方程表明如果家庭总收入不变，家长的收入增加1元钱而孩子的收入减少1元钱，那么从家长到孩子的代际转移就会增加1元钱。这是1对1情形下的挤出效应。
另一个动机是交换，即父母给子女钱是为了子女将来能够以照顾、陪伴等方式予以回报。为了与普通的交换相区分，通常的做法是把交换引入无私模型，使得整个模型可以同时描述交换和无私这两种动机。经过计算可以得出一些可供检验的预测结果。如果父母进行代际转移的动机是无私，那么当子女收入提高时，父母进行代际转移的概率会变小，而且那些仍然进行的代际转移数额也会变小；如果父母进行代际转移的动机是交换，那么当子女收入提高时，父母进行代际转移的概率也会变小，但仍然进行的代际转移的数额如何变化取决于子女提供服务的价格弹性。
除以上两个动机以外，还有一些文献提出代际转移也许是出于互相帮助的目的或者进行代际转移的一方能够从代际转移这个行为本身获得效用。但这些文献数量有限，大部分文献还是集中于前两个动机。
各国的实证数据对于理论模型的检验得到了不同的结果。有关美国的一些研究拒绝了无私动机，而另外一些则拒绝了交换动机；有关法国的研究几乎都拒绝了无私动机；有关德国的研究则是支持无私动机的多一点；而有关意大利的研究则同时拒绝了无私动机和交换动机。
有关中国公民代际转移动机的研究主要有以下3篇文章Secondi (1997)、Liu 和Reilly(2004)以及Cai、Giles和Meng (2006)。这3篇文章的共同问题是对代际转移的定义不清晰，例如将财富在没有住在一起的家庭成员之间的流动定义为代际转移，因此将夫妻之间的财物往来也计入了代际转移。此外，这3篇文章所用的数据不能清晰的反应两代人的信息，比如无法区分代际转移是发生在父母与儿子之间还是发生在父母与女儿之间。
CHARLS的数据非常清晰而全面。按照国际通用做法，代际转移被定义为不住在一起的父母与子女之间的财物往来，这是因为共同居住的父母与子女之间的财物往来很难清晰的界定。另外，CHARLS对于代际转移的信息调查的非常具体，在方向上调查了是由父母到儿子、儿媳还是女儿、女婿，是由子女到亲生父母还是岳父母。在形式上调查了是实物转移还是货币转移。在频率上调查了是按月份、季度还是过年过节。
雷晓燕助教授使用2011年CHRALS的数据对中国的代际转移做了一个概括性的描述。在2011年的CHRALS调查数据中，有37%的受访者收到了来自子女的代际转移，13.8%的受访者向子女进行了代际转移，净的子女向父母的代际转移是35.3%。对于整个样本而言，父母平均一年收到1493.1元，而所有收到子女代际转移的父母平均一年收到4036.9元，相当可观。
最后，雷晓燕助教授提出了几个可行的研究方向。一是检验动机，正如前面提到的，现有的检验中国代际转移动机的文章非常少，并且这些文章中所用到的数据都有缺陷，而CHARLS数据质量非常好，可以支持更进一步的研究。二是分析代际转移在子女之间或父母与配偶的父母之间的差异。三是研究代际转移与公共转移的关系，检验公共转移的效果。四是可以看代际转移与劳动力供给的关系，比如看独生子女一代是否会因为养老压力大而增加劳动供给。五是看最优养老政策，研究是由儿子养老还是由女儿养老或是入住福利院的老人幸福程度最高。
（种鹏整理）
访问学者申请
EMAIL
北京大学
ENGLISH
