中图分类号：F328文献标志码：A文章编号：1009-055X（2016）06-0026-09
doi：10.19366/j.cnki.1009-055X.2016.06.005
一、引言及文献回顾
“空巢老人”通常是指子女因工作、学业、婚姻等原因长期离家或家中无子女而独守“空巢”的老年人。伴随着人口快速老龄化，家庭的核心化与小型化，中国空巢老人问题愈加突出。根据国家统计局公布的《2015年国民经济和社会发展统计公报》，2015年中国60周岁及以上老年人共2.22亿，占总人口的16.1%。国家卫计委发布的《中国家庭发展报告（2015年）》则显示空巢老年人已占老年人总数的一半，其中独居老人占老年人总数的10%。空巢老人不仅经历着身体机能衰退等生理障碍，同时由于子女不在身边，也面临着物质层面的赡养缺乏以及精神层面的寂寞与孤独，这极大地影响了这部分人群的生活质量。因此，空巢老人的心理健康状况比一般老年人更差[1-3]，抑郁状况更加严重[4，5]，生活满意度更低。[6]由于农村地区经济水平相对落后，文化设施和文化活动相对匮乏，以及养老保障力度有限，农村空巢老人相对于城市空巢老人面对的养老难题更加复杂严峻。其中一点尤为明显，即农村劳动力的大量外流使得农村家庭养老模式的基础开始发生转变，加大了农村老年人尤其是空巢老人的农业生产，抚育孙辈以及人情往来的压力和负担。
在农村社会保障体系还未完善，正式社会支持力度还有限的情境下，目前中国农村老年人的养老方式仍是以家庭养老为主。家庭支持对农村老年人，尤其是农村空巢老人的主观福利有不可替代的作用。[7]那么现阶段提高农村空巢老人主观福利更需要的是家庭经济支持还是情感支持？何种类型的农村老巢老人对家庭支持需求最为迫切？接下来，本文将试图回答上述问题。这对改进农村养老服务体系，提高空巢老年人生活质量具有重要意义。
家庭支持是老年人接受的非正式社会支持的核心，可分为实际支持（receivedsupport）和领悟性支持（perceivedsupport），实际支持指家庭其他成员对老年人在物质和经济上的援助及服务，领悟性支持则是指老年人接受家庭其他成员、精神和情绪上宽慰的主观判断[8]，按照这种分类的含义，我们也可将家庭支持大致分为经济支持和情感支持，前者是家庭其他成员对老人的转移支付，后者则主要是家庭其他成员看望、通讯及生活照料等。主观福利则是个体对其精神生活和物质生活的评价[9]，通常是指心理健康水平、主观幸福感或生活满意度。[10-11]其中，心理健康水平是对精神生活的主观评价，而主观幸福感和生活满意度则表示精神生活和物质生活的综合评价。
目前在关于家庭支持与老人主观福利关系的研究中，多数认同家庭支持的增益作用。张文娟和李树茁（2005）指出，子女提供的经济支持满足了老人因经济和生理状况恶化产生的需求，从而有助于老人的心理健康和生活满意度。[12]王萍和高蓓（2011）发现，子女的经济支持和情感支持均能减缓老人认知功能的衰退，改善心理福利。[13]陶裕春和申昱（2014）认为，子女是家庭中的核心成员，其经济支持是老年人晚年的基本生活保障，有利于降低老人的日常生活压力，子女与老人的情感交流有助于减少老年人的孤独感、分担和排解老人的负面情绪。[14]张骑和王玲凤（2010）对浙江的1250例城市空巢老年人进行调查，发现子女经济支持以及情感支持对空巢老人的心理健康均有显著正向影响。[15]Leungetal.（2007）基于台湾507位城市老年人数据统计得出，情感交流和精神宽慰比经济上的帮助对老人心理健康的增益作用更加明显。[16]吴海盛（2009）针对江苏省农户的微观调查研究结果显示，经济支持主要来源于配偶及子女，子女的精神慰藉令农村老人生活满意度更高。[17]
概括而言，目前绝大多数研究显示家庭支持对农村老人的主观福利有正向影响，关于家庭经济支持和情感支持对老年人主观福利影响差异的研究较少，以农村空巢老人为研究对象的文献更为零星，且以上研究未考虑家庭支持与老年人主观福利间的内生性，存在有效性和可靠性的问题。此外，已有相关研究所得结果多数基于区域性小样本数据，其结果的适用性和地域代表性有限。因此，文章基于2011年和2013年覆盖28个省150个县的中国健康与养老追踪调查（CHARLS）数据，首先采用线性概率模型（LPM）初步判断家庭经济支持和情感与空巢老人主观福利的关系，而后运用递归多变量Probit模型（RecursiveMultivariateProbit）加入相应工具变量进行估计试图克服可能存在的内生性问题，进而得到家庭经济支持和情感支持对空巢老人主观福利影响的一致估计。在此基础上进一步研究在不同空巢老人特征上这种影响的差异，得出提高农村空巢老人主观福利的有效措施。
二、数据描述与实证策略
（一）数据来源
文章所使用的数据来自2011年和2013年的中国健康与养老追踪调查（CHARLS）数据。CHARLS是目前我国唯一以中老年人为调查对象的大型家户调查，其调查对象是随机抽取的家庭中45岁及以上的居民，调查内容包括家户信息、被访者健康状况和功能、医疗保健与保险、工作、退休和养老金以及收入、支出与资产等情况。CHARLS调查每两年进行一次，全国基线调查于2011―2012年进行，覆盖28个省150个县，约1万户家庭中的1.7万人，2013年CHARLS进行了首次追踪调查。由于研究对象为农村空巢老人，根据定义，为体现子女的长期离家的特征，在数据中保留60岁及以上的不与子女同住且居住距离至少为本县/市的其他村庄，或无子女的农村空巢老人样本。剔除相关变量数据缺失严重的样本后，最终得到样本数量为8549个。 （二）模型设定与变量说明
1.模型设定
文章的基本回归模型如下：
SWit=β0+β1FSit+β2ESit+β3Xit+εit（1）
式（1）中，SWit代表第i个空巢老人在第t期的主观福利，选取有无抑郁症状和生活是否满意。FSit和ESit分别表示第i个空巢老人在第t期家庭经济支持和情感支持，分别选取有否经济支持和情感支持测度。Xit为一系列随时间变化的控制变量。εit为个人层面的随机扰动项。当因变量为虚拟变量时常用的计量模型包括Probit、Logit、LPM模型等。由于在面板数据中采用固定效应Probit或者Logit模型所得估计系数有偏[18]，故采用线性概率模型（LPM）初步判断家庭经济支持和情感支持与农村空巢老人的主观福利的关系。
以上为不考虑内生性时的模型形式，如模型中存在内生性，上述模型的关键自变量估计量将有偏且不一致，因此采用带工具变量的递归多变量Probit模型进行估计。一方面，由于农村空巢老人的主观福利与家庭经济支持以及情感支持并不相互独立，因此这些方程组的误差项极有可能相关，比如由于子女工作生活繁忙等原因，在其自身时间资源分配中，更多地将时间用于工作来获取更多的经济回报，以求更好地赡养老人及抚育下一代，因而在老人的家庭支持中，出现了经济支持削弱、替代情感支持的现象。[19-20]如此，分别以家庭经济支持和情感支持为因变量的方程间的误差项相关的可能性很高，而多变量Probit模型则允许方程之间的误差项相关，可以很好地解决这方面问题。另一方面，考虑到家庭支持与农村空巢老人主观福利间可能存在的双向因果关系或者由其他不可观测因素共同影响，参照已有研究的做法[21-22]，对两个关键自变量加入工具变量并进行联立估计以求纠正这一方面的内生性。具体模型可以由以下方程组表示：
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）式的因变量SW*it、FS*it和ES*it为不可观测的潜变量，当其大于0时，相应结果变量SWit、FSit和ESit等于1，否则结果变量等于0。所选取的工具变量需要满足与其对应的内生变量显著相关，但与误差项无关的条件。通过上述递归多变量Probit模型，可以得到家庭经济支持和情感支持对农村空巢老人主观福利影响的一致估计。
2.变量说明与描述
（1）因变量
文章的因变量为农村空巢老人的主观福利，借鉴已有典型文献的指标选取[23，24]，采用有否抑郁症状以及生活满意度进行衡量。抑郁症状由CHARLS问卷中包含10个问题的简版抑郁自评量表（CES-D10）所得抑郁指数转化得到。CES-D10量表具有较高的信度和效度[25]，量表中每个问题均有四个选项代表相应程度的高低，一般从低到高分别赋值为0～3分，10个问题汇总即可得到最终的抑郁指数，其取值范围为0～30分抑郁量表的10个问题包括：过去一周“我因一些小事而烦恼”“我在做事时很难集中精力”“我感到情绪低落”“我觉得做任何事都很费劲”“我对未来充满希望”“我感到害怕”“我的睡眠不好”“我很愉快”[ZZ）]“我感到孤独”“我觉得我无法继续我的生活”。各个问题均有相同的四个选项，分别为：①很少或者根本没有（<1天）；②不太多（1～2天）；③有时或者说有一半的时间（3～4天）；④大多数的时间（5～7天）。在对每题赋值时，第5题与第8题（下划线标注）的赋值方向与其他题目相反，按照选项分别赋值3～0。，抑郁指数越高表示抑郁程度越高，心理健康水平越低。抑郁指数在10分及以下表示无抑郁症状，10分以上表示存在抑郁症状。[26]CHARLS问卷生活满意度变量原为五级变量，分别为“极其满意”“非常满意”“比较满意”“不太满意”和“一点也不满意”，这里将前三项定义为满意，后两项定义为不满意，分别赋值1和0。表1为各变量的描述性统计，全样本中37%的农村空巢老人存在抑郁症状，生活满意的空巢老人占总体的87%。与2011年相比，2013年农村空巢老人的抑郁症状发生率下降9个百分点，生活满意度基本不变，可见农村空巢老人主观福利随时间推移有一定的提升。
（2）自变量
家庭支持情况。CHARLS问卷关于家庭支持的变量包括子女经济支持、孙子女经济支持、子女看望、子女通讯联系等，我们将家庭经济支持变量设为虚拟变量，农村空巢老人去年收到过子女或者孙子女的转移支付，则赋值为1，否则赋值为0。类似的，将家庭情感支持也设为虚拟变量，分为看望与通信两类，按照两者的特点进行区分，如子女看望频率为每半年一次及以上，则赋值看望变量为1，否则赋值为0；如与子女通过打电话等方式通信的频率为每月一次及以上，则赋值通信变量为1，否则赋值为0。具体变量说明和统计见表1，可见农村空巢老人接收的家庭经济支持、家庭情感支持中的看望和通信的总体概率分别为76%、81%和56%。与2011年相比，2013年总体家庭经济支持概率大幅提高，增加了29个百分点，而家庭情感支持中看望频率增长有限，通信频率提高了17个百分点。
控制变量。参考相关研究，选取的控制变量包括被访者的人口统计特征、社会保障与家庭情况、初始健康状况以及健康行为四方面。其中，人口统计特征包括性别、年龄、婚姻状态、受教育程度、工资收入；社会保障与家庭情况包括有否医疗保险、养老保险、家庭人口规模；初始健康状况与健康行为对应有否慢性病和是否参加社交活动。具体变量说明与统计见表1。
（3）工具变量
家庭经济支持的工具变量。借鉴Young和Chetna（2012）的做法[27]，将农村空巢老人健在子女个数作为家庭支持中经济支持的工具变量。理论而言，空巢老人的主观福利与其健在子女个数并无直接联系，其福利取决于其子女的经济和情感支持，而空巢老人的健在子女个数越多，其接收到的子女转移支付的概率将更大。因此，健在子女个数理应满足工具变量所需的相关性与外生性要求。 家庭情感支持的工具变量。为区别家庭经济支持的工具变量，这里采用子女平均受教育程度作为情感支持工具变量。一方面，子女的受教育程度越高，更有可能乐于维系代际情感关系，提高看望和通信空巢老人的频率。另一方面，空巢老人的主观福利与子女的受教育程度并无直接关系，而与子女教育所衍生出的经济支持和情感支持直接相关。如此，子女的受教育程度也满足工具变量的要求。
三、实证结果
（一）基准估计结果
表2报告了家庭经济支持与情感支持与农村空巢老人主观福利关系的LPM模型估计结果。第（1）―（2）列与（3）―（4）列分别为以看望作为家庭情感支持变量的LPM模型和LPM固定效应模型回归结果，第（5）―（8）列与第（1）―（4）列所采用的模型相同，但选取的家庭情感支持变量为通信变量。
由基准估计结果可知，无论选取的家庭情感支持变量是看望还是通信，以及是否选用固定效应模型，家庭经济支持和情感支持均与农村空巢老人的抑郁症状有显著的负相关关系，同时显著与农村空巢老人的生活满意度正相关。从各关键自变量发挥作用的大小来看，多数回归结果支持家庭情感支持对老年人的抑郁症状缓解作用和生活满意度的增益效应相对更大，即农村空巢老人每年接受家庭经济支持对其主观福利的边际促进作用可能并不如子女每半年的看望或每月的通信。
（二）递归多变量Probit模型估计
如前所述，单方程Probit模型所得估计量的无偏有效性依赖于模型设定不存在内生性问题，一旦出现这一问题，以上模型的估计结果将是不可靠的。因此，接下来采用带工具变量的递归多变量Probit回归模型进行估计以求解决这一问题。
表3报告了以看望作为家庭情感支持变量，最终因变量分别为抑郁症状和生活满意度的两个递归多变量Probit回归模型的协方差矩阵及似然比检验结果，从该表数据可知，两个方程组的似然比检验χ2值分别为18.02和13.36，均通过了1%的显著性检验，表明两个方程组中的各个方程间的误差项存在相关性，这显示了采用多变量Probit模型的合理性。同时，在方程间的协方差矩阵中，分别以看望与经济支持为因变量的方程误差项显著相关，这也符合前述讨论。
表4为以看望变量代表家庭情感支持，且带工具变量的递归多变量Probit模型的回归结果。在解释回归结果前，首先检验工具变量选取的可靠性。可以发现，不论是以何种主观福利度量方式的方程组中，包括健在子女数以及子女平均受教育程度均与相应因变量有显著的相关性，且通过了1%的显著性检验。用于检验工具变量的有效性似然比检验结果显示，最终因变量为抑郁症状和生活满意度的递归多变量Probit模型的似然比检验χ2值分别为68.94和66.58，均在1%的显著性水平上拒绝原假设，说明加入工具变量有助于缓解内生性问题。
从递归多变量Probit模型回归结果来看，家庭经济支持和情感支持均能显著提高农村空巢老人的生活满意度，对比两者系数可知，家庭情感支持生活满意度促进作用更大。同时，家庭情感支持对农村空巢老人的抑郁症状有显著的负向影响，而家庭经济支持的影响并不显著。该结果与基准估计所得结果基本一致。文章也以通信变量代表家庭情感支持限于篇幅，并未在文中报告，读者如感兴趣可向作者索取。下同。，采用带工具变量的递归Probit模型进行回归估计，发现方程组的各方程间仍存在显著的误差项的相关性，估计结果与看望作为家庭情感支持变量的结果类似，家庭情感支持仍是改善农村空巢老人的抑郁症状，提高生活满意度的相对更重要的支持方式。
[HT4”F]（三）稳健性检验：家庭支持影响的异质性
以上是将农村空巢老人作为一个整体进行的研究，但不能忽略因不同个体特征形成的异质性，研究这一群体的异质性有助于提高认识问题的深入性和制定问题对策的针对性。因此，文章分别从性别、年龄、婚姻状况等方面对样本进行了分组子样本回归。其中，年龄分为65岁以下和65岁及以上，前者表示退休初期，而后者表示退休中后期。婚姻状况分为已婚同居和其他（包括离婚、丧偶等）。
表5列出了以看望作为家庭情感支持变量，采用递归多变量Probit模型的各组子样本回归结果。从性别分组来看，家庭支持尤其是情感支持对农村女性空巢老人的抑郁症状改善和生活满意度提高更明显；从年龄分组来看，家庭情感支持对65岁及以上的农村空巢老人的抑郁症状有显著负向影响，对生活满意度的影响正向显著，而对65岁以下的农村空巢老人的作用则未通过显著性检验；从婚姻状况分组来看，家庭情感支持对农村离婚、丧偶的空巢老人的抑郁症状和生活满意度有更加明显的影响，且情感支持的主观福利增益作用更大。产生这一结果的原因在于，在老人群体中，女性在教育程度、收入等社会经济水平上往往比男性老人更低，且相对更可能成为孤寡老人，高龄老人常常伴随着更恶劣的生理状况，独居老年人更加缺乏情感交流，这部分老人群体的心理健康水平和生活满意度相对更低[28，29]，而家庭支持对心理压力处于中高程度具有更大的增益效应。[30]因此，女性、高龄和鳏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。
同样的，以通信作为家庭情感支持变量，运用相同方法进行分组子样本回归估计，所得结论基本一致。
四、结论与建议
农村空巢老人主观福利直接关系到整体农村老年人的生活质量及家庭和睦程度，对农村社会的稳定发展有重要影响。文章根据2011年和2013年中国健康与养老追踪调查（CHARLS）两期数据运用线性概率模型（LPM）初步考察了家庭经济支持和情感支持与农村空巢老人主观福利的关系，同时，考虑到可能存在的内生性问题，采用带工具变量的递归多变量Probit模型进行回归估计，并分别从性别、年龄、婚姻等方面进行分组子样本回归以检验模型的稳健性。研究结果表明，家庭经济支持和情感支持均有助于提升农村空巢老人的主观福利，且两者中情感支持发挥着更为重要的作用。同时，家庭支持，尤其是家庭情感支持，对农村女性、年龄较大、鳏寡空巢老人的主观福利有更明显的促进作用。 本文的研究结论对提升农村空巢老人的主观福利具有重要的现实意义。为《中华人民共和国老年人权益保障法》中所提到的“与老年人分开居住的家庭成员，应当经常看望或者问候老年人”要求提供了经验证据。子女外出后往往更重视给农村父母更多的经济补偿，但却忽视了与父母的情感交流和精神慰藉，而这恰恰可能是现阶段农村空巢老人所最需要的。因此，对于农村空巢老人的子女，在保证经济支持的同时，应通过更多的情感支持降低父母的孤独感，提高生活满意度。要达到这一点，一方面是通过宣传以及立法等方式唤醒子女对空巢老人提供更多的家庭情感支持，另一方面，需要给予农民工更多权利，着力提高其收入水平，从而从根本上缓解农村空巢老人问题。此外，作为家庭支持的补充，社区养老服务的数量和质量也需得到提高。鉴于不同类型农村空巢老人的异质性，社区养老服务和家庭支持，尤其是家庭情感支持，应对女性、高龄和鳏寡的空巢老人有所侧重。
