社會保險成本過高是否抑制企業(yè)投資？ ①

林 靈， 曾海艦

(1. 廣西財經學院工商管理學院， 廣西 南寧 530003； 2. 廣西大學商學院， 廣西 南寧 530004)

0 引 言

企業(yè)對資本品的持續(xù)投資是經濟持續(xù)發(fā)展的關鍵要素，如果企業(yè)投資不振，則實體經濟未來的成長勢必不可持續(xù). 近年來，企業(yè)社會保險成本負擔過高的問題引起越來越多關注，根據白重恩等[1]的測算，我國的各項社會保險成本總和已經達到社會平均工資水平的40%，是世界上社保負擔最高的國家之一. 社會保險成本過高是否抑制企業(yè)投資，從而阻礙實體經濟發(fā)展？2019年國務院《政府工作報告》中提到允許地方政府大幅度降低社保費率，是否能夠有效促進企業(yè)投資，從而提振地區(qū)經濟？盡管不少新聞報道中顯示社會各界普遍認為社保成本過高是企業(yè)經營成本居高不下的重要原因，導致了企業(yè)出現經營困難，但缺乏來自大樣本數據的經驗證據支撐. 而現有國內外相關學術文獻則主要集中探討企業(yè)社保成本對勞動力市場的影響[2-5]，并沒有將重點放在實體經濟發(fā)展，企業(yè)社保成本變動是否能夠有效影響投資以及產生影響的傳導渠道也并不清晰. 文章利用工業(yè)企業(yè)數據庫大樣本數據，考察企業(yè)社保成本與投資之間的因果聯系，希望可以為解答上述問題提供科學的經驗證據. 文章的研究切合社會現實需要，有助于社會公眾和有關部門深刻理解社會福利與企業(yè)發(fā)展之間的復雜聯系，營造有利于企業(yè)發(fā)展的輿論導向，促進社會保障政策制定的全面性和針對性.

文章首先使用OLS考察企業(yè)社保成本與投資率之間是否存在負相關關系. 實證檢驗結果顯示企業(yè)社保成本與投資率之間存在顯著負相關關系. 在識別企業(yè)社保成本與投資之間的因果聯系時，存在明顯的內生性問題：投資率和企業(yè)社保成本可能同時與難以觀測的企業(yè)特質因素相關，而且企業(yè)社保成本的度量也存在一定誤差. 為了緩解內生性問題，考慮到我國社會保障體制以及地區(qū)財政的現實狀況，選取地區(qū)老年人比重作為企業(yè)社保成本的工具變量. 老年人比重屬于地區(qū)長期性的人口結構特征指標，與企業(yè)層面的特質因素關聯度很小，是合適的工具變量. 文章研究發(fā)現地區(qū)老年人比重顯著影響該地區(qū)社會保險費率，進而對企業(yè)社保成本產生正向效應. 采用工具變量估計后，企業(yè)社保成本變動對投資的經濟顯著性更高：社保成本支出上升1單位標準差，企業(yè)投資率約下降3.3%，約相當于投資率標準差的6.4%. 為了確保研究結論的穩(wěn)健性，文章還使用老年撫養(yǎng)比代替老年人比重，重新進行工具變量估計，發(fā)現得到的估計結果完全一致. 這些經驗證據充分說明企業(yè)社保成本上升將會顯著減少企業(yè)投資水平.

企業(yè)社保成本對投資的影響可能存在三個渠道. 一是勞動成本渠道：社保成本是企業(yè)投資成本的一部分，當社保成本上漲，在其他條件不變的情況下，企業(yè)投資將會減少. 二是生產率渠道：社保支出屬于企業(yè)人力資本投資，有可能改善員工人力資本質量，提升企業(yè)生產率，進而增加企業(yè)投資；但社保支出增加可能擠占企業(yè)為提升生產率所必需的投入，因此會降低生產率，從而減少企業(yè)投資. 三是融資約束渠道：當社保成本支出增加時，受到融資約束的企業(yè)可能被迫減少其他方面的支出，特別是投資支出.

為了檢驗勞動成本渠道和生產率渠道，文章考察了社保成本變動對投資的行業(yè)異質性效應. 發(fā)現在勞動密集型行業(yè)，社保成本變動對投資產生顯著影響，但在技術密集型行業(yè)，社保成本對投資沒有顯著效應. 同樣的，研究發(fā)現社保成本變動顯著負向影響企業(yè)全要素生產率增長率，而這種負面效應主要來自于勞動密集型行業(yè). 文章還考察社保成本變動對過度雇傭程度不同企業(yè)的投資異質性效應. 發(fā)現如果企業(yè)不存在超額雇傭，社保成本變動對投資沒有影響，而企業(yè)過度雇傭程度越高，社保成本變動對投資的負面效應越強. 以上實證檢驗結果表明，企業(yè)社保成本對投資的負面影響，主要源于其所引致的勞動成本變化，因而那些勞動力要素依賴程度高、勞動調整靈活性差以及勞動資源配置效率低下的企業(yè)，其投資更容易受到社保成本上漲的負面沖擊.

為了檢驗融資約束渠道，文章首先根據Whited和Wu[6]估算了我國工業(yè)企業(yè)的WW融資約束指數，然后考察融資約束程度對企業(yè)社保成本變動所引致的投資效應的影響. 發(fā)現融資約束程度越高，企業(yè)社保成本變動對投資的負面影響越大，而且勞動密集型行業(yè)的融資約束渠道效應顯著強于技術密集型行業(yè). 這些經驗證據充分說明融資約束程度高的勞動密集型企業(yè)對社保成本變動更為敏感.

文章的研究屬于社會保險成本研究，這方面的文獻重點探討社會保險成本變動對勞動市場的影響. 研究者集中于檢驗各項社會保險成本變動對企業(yè)雇傭和工資的影響，這些研究均發(fā)現社保成本變動導致員工工資減少，但對就業(yè)影響甚微，這說明企業(yè)法定繳納的社會保險成本實際被大部分轉嫁到員工工資上[2,3,7]. Kolstad和Kowalski[8]以及Prada等[9]的實證研究，也都得到類似結論. 社會保險成本對女性和男性勞動者可能有不同的影響. Vargas[4]發(fā)現企業(yè)社會保險成本上升對工資的影響具有性別差異：婦女因此而減少了7.2%的工資，而男性勞動者的工資卻相對上升7.1%. 社保成本上升有可能使得企業(yè)對臨時或非正式雇傭的需求增加. Baicker和Chandra[10]發(fā)現1996年～2002年間美國醫(yī)療保險費用上漲導致企業(yè)增加了對不需要強制繳納醫(yī)療保險費用的臨時員工的雇用，醫(yī)療保險費用上漲10%，勞動者被當作臨時工雇用的概率增加了1.9%. Kobayashi等[11]估計臨時工雇用人數增長中的30%可以被社保成本增加所解釋. Almeida和Carneiro[12]也得到類似的結論，他們的研究顯示非正規(guī)勞動者更傾向于轉移進入正規(guī)部門的企業(yè)以享受社保利益,勞動者為了享受正規(guī)部門的企業(yè)社會保險利益，愿意接受比較低的工資水平.

近年來一些研究者逐漸關注到社會保障對企業(yè)其他方面的影響.Agrawal和Matsa[13]發(fā)現勞動者失業(yè)保險所得越高的地區(qū)，其企業(yè)的負債率越高. 烏拉圭2008年的健康保險改革要求雇主需要為雇員支付更多的健康保險費用，Bergolo和Cruces[14]發(fā)現此舉使得瞞報或少報薪酬的現象相對于改革前上升了25%，而且大部分此類事例是來自小企業(yè). Olney[15]考察FDI的流向與勞動者保障之間的關系，發(fā)現勞動者保障越低的國家越能吸引到更多的來自美國的FDI；更有甚者，有明顯的證據表明很多發(fā)展中國家為了吸引FDI而競相降低法定的勞動者保障標準. Saez等[16]考察瑞典青年雇員工資稅率削減對企業(yè)行為的影響，發(fā)現隨著工資稅率下降，青年雇員比重高的企業(yè)在雇傭、就業(yè)、銷售以及利潤等方面都有顯著增長.

我國在這方面的研究開展較晚，相關研究并不多.Li和Wu[17]利用2004年～2006年140 000家工業(yè)企業(yè)的數據分析我國養(yǎng)老金改革對企業(yè)工資的影響，他們的發(fā)現與此前國外研究基本一致：養(yǎng)老成本上升導致企業(yè)員工的實際工資水平下降. 此外，他們還發(fā)現在產業(yè)集聚程度高的區(qū)域，養(yǎng)老成本增加導致企業(yè)利潤下降，說明企業(yè)無法完全將養(yǎng)老保險成本轉嫁給員工；而在產業(yè)集聚程度低的地區(qū)，養(yǎng)老成本上升反而增加了企業(yè)的利潤率，他們推測可能是由于地方政府為了吸引投資而增加對所在地區(qū)企業(yè)的養(yǎng)老成本補貼. 馬雙等[5]討論了我國各地區(qū)養(yǎng)老保險繳費費率對企業(yè)就業(yè)和工資的影響. 他們的研究表明地區(qū)養(yǎng)老保險繳費比率上漲1%，員工工資約減少0.6%，企業(yè)雇用人數減少0.8%. 他們同時發(fā)現，對于工資水平低的企業(yè)，養(yǎng)老保險繳費對工資幾乎不存在擠出效應，而是顯著減少了企業(yè)雇用人數；對于工資水平高的企業(yè)，養(yǎng)老保險繳費對工資產生了完全的擠出效應，但是沒有影響到企業(yè)雇用人數. 馬雙和孟曉雨[18]發(fā)現企業(yè)養(yǎng)老保險繳費比例上升減少了家庭創(chuàng)業(yè)可能性，特別是對于那些存在外部人員雇傭的創(chuàng)業(yè)項目. Qin等[19]利用2007年～2008年的中國家庭收入項目流動勞動力調查數據，考察勞動合約長短與社會保險覆蓋面之間的聯系，他們發(fā)現長期穩(wěn)定的勞動契約有助于提高外來勞動者的社會保覆蓋面，而短期勞動契約將使得外來勞動者接受社會保險的可能性下降.

可以看到，以上文獻均沒有涉及社保成本變動對企業(yè)投資行為的影響. 近年來，因社保成本負擔過重阻礙企業(yè)發(fā)展的相關議論一直持續(xù)不斷. 企業(yè)在資本品方面的持續(xù)投資是企業(yè)發(fā)展的根本動力，也是實體經濟可持續(xù)成長的堅實基礎，但就作者檢索所及，目前尚未發(fā)現有規(guī)范的研究考察社保成本對與企業(yè)投資行為的因果聯系，此文可能是這方面第一篇文獻.文章還進一步檢驗社保成本影響企業(yè)投資的作用渠道，發(fā)現存在兩方面影響渠道：一是投資中的勞動成本上升；二是社保支出擠占了投資支出. 該研究結果加深了對企業(yè)社保成本經濟后果的理解，并有助于決策部門制定更有針對性的政策對沖社保成本變動的負面效應. 文章的研究還在一定程度上揭示了地區(qū)社保成本差異以及經濟差異的長期人口結構根源. 文章的實證檢驗使用地區(qū)老年人比重作為企業(yè)社保成本的工具變量，研究發(fā)現地區(qū)老年人比重顯著正向影響企業(yè)社保成本，表明老齡化程度高的地區(qū)，企業(yè)需要支出更高的社保費用，因而具有較低的投資水平. 這個結果意味著地區(qū)人口結構因素是造成地區(qū)社保成本差異以及經濟差異的深層原因，如果我們沒有從根本上改變人口結構的地區(qū)差異的頂層設計，那么降低社保費率的政策很可能達不到預計的效果.

1 實證檢驗策略

文章實證檢驗企業(yè)社會保險成本變動對企業(yè)投資的影響，用于實證檢驗的基本計量經濟模型如下

INVit=α+βSC_firmit-1+γXit-1+ηs+

δt+εit

(1)

式中i和t分別代表企業(yè)和年度，INVit為投資率，定義為企業(yè)固定資產變化量/滯后一期總資產，其中固定資產變化量=當期固定資產凈值-滯后一期固定資產凈值. 為了同時控制住企業(yè)投資中來自行業(yè)和城市特征的影響，作者將INVit做調整年度—行業(yè)—城市均值處理(1)企業(yè)投資中的城市和行業(yè)效應可能是固定效應，也可能是隨年度變動的效應，因此作者每年都做行業(yè)—城市均值調整.. 企業(yè)社會保險成本(SC_firm)是文章感興趣的解釋變量，定義為工業(yè)企業(yè)數據中的“勞動和待業(yè)保險費”及“養(yǎng)老保險和醫(yī)療保險費”兩項之和與企業(yè)“應付工資總額”之比.X為一組企業(yè)和行業(yè)層面的控制變量，以便控制住企業(yè)財務狀況、經營發(fā)展、股權結構、工會、行業(yè)特征等可能影響到企業(yè)投資的因素.ηs為地區(qū)變量，根據我國各地區(qū)地理以及經濟聯系的特點，將全國各省自治區(qū)直轄市分為六大區(qū)域，分別設置相應的虛擬變量，大區(qū)劃分標準見“變量設置”部分.δt為年度虛擬變量.εit為隨機擾動項.

回歸方程(1)存在比較嚴重的內生性問題，難以正確識別出企業(yè)社會保險成本對投資的因果效應. 內生性問題來自兩個方面：一是聯立性偏誤. 投資率可能與難以觀測到的財務風險因素有關(反映在隨機擾動項εit中)，而這些因素也同時與企業(yè)社保成本支出有密切關聯，導致企業(yè)社保成本變量與εit發(fā)生關聯. 當企業(yè)財務風險程度增大時，企業(yè)可能會減少投資，也可能想方設法減少社保支出，此時可知(2)為表述簡單，此處假設回歸方程形式是單變量回歸方程，即INVit=α+βSC_firmit-1+εit，但如果為多變量回歸方程(1)，也能得到相似的表述形式以及相同的結論.

(2)

基于以上分析，可知當出現回歸方程(1)出現上述內生性問題時，OLS估計低估了企業(yè)社保支出對企業(yè)投資的負面效應.

為了緩解內生性，文章在估計回歸方程時將主要解釋變量及控制變量滯后一期以避免與隨機擾動項同期相關，但這只能緩解部分內生性. 為了比較徹底的糾正內生性偏誤，選擇企業(yè)所在城市老年人比重作為企業(yè)社會保險成本的工具變量，進行2SLS估計. 一般情況下，我國企業(yè)所必須繳納的養(yǎng)老保險和醫(yī)療保險費率加總接近30%(以工資為基數)，而其他三種社會保險費率總和不到4%. 由此可見，我國社會保險收支的重點是養(yǎng)老保險和醫(yī)療保險，而這兩塊都與老年人密切相關. 我國實行“三支柱”社保體系，即個人、企業(yè)和政府財政都要為社保支出貢獻資金. 長期以來政府財政補助是社保資金的重要來源，而且老年人比重高的地區(qū)，其社保支出上的財政壓力也相對較大[21]. 雖然現在以房養(yǎng)老等商業(yè)養(yǎng)老保險模式逐步推廣，但是仍處于發(fā)展初期[22]. 目前我國各地區(qū)企業(yè)社保費率差異明顯，不僅有橫截面差異，還有時間序列上的差異，即同一個地區(qū)存在調整社保費率的現象[5,23](5)作者收集了歷年各級地方政府社保政策文件，發(fā)現在樣本期間(2000年～2011年)大部分地方政府的社保費率都至少出現過1次調整.. 文章合理的推測地方政府存在根據本地區(qū)社保收支財政壓力狀況選擇企業(yè)社保費率的動機：老年人比重高的地區(qū)，社保財政支出壓力較大，導致地方政府選擇較高的社保費率，從而使得企業(yè)的社保支出比重也較高；老年人比重低的地區(qū)，財政狀況相對寬松，導致地方政府選擇較低的社保費率，企業(yè)社保支出比重也較低(6)盡管老年人比重社保中的養(yǎng)老和醫(yī)療保險支出密切相關，但地方政府不一定只調整養(yǎng)老和醫(yī)療保險費率，很可能綜合性調整各項費率以緩解總體的財政壓力.. 另外一個可能性是由于不少企業(yè)存在隱瞞或漏逃繳納社保費用的動機，在老年人比重高的地區(qū)，地方政府可能會加強征繳力度，從而增加了企業(yè)社保費用. 城市老年人比重屬于城市的人口結構特征變量，而人口結構變動產生的影響是長期性的，與微觀層面的企業(yè)投資沒有直接關聯，是一個比較理想的工具變量. 值得指出，雖然城市財政收支狀況以及社保費率都會影響企業(yè)社保成本(進而影響企業(yè)投資)，但企業(yè)投資水平可能影響城市經濟狀況(特別是大型企業(yè))，從而影響城市財政收支狀況和社會保險費率；而一些難以觀測的城市經濟因素變動，即可能影響企業(yè)投資決策，也可能影響到財政收支與社會保險費率. 這兩種情況都造成城市財政收支和社保費率與回歸方程(1)的隨機擾動項相關，因而不是理想的工具變量.

2 樣本數據與變量

2.1 樣本數據

研究的企業(yè)樣本來自國家統計局的工業(yè)企業(yè)數據庫，為不平衡面板. 該數據庫每年的樣本企業(yè)數目在20萬家～30萬家之間，2004年以來樣本企業(yè)數目基本保持在27萬家以上，遍及全國各個地區(qū)，是目前樣本容量最大的中國微觀數據庫.但是該數據庫相當比例的企業(yè)存在指標缺失，而且不少指標缺乏連續(xù)的記錄，如企業(yè)社保費用數據只有6年的數據(2001年、2004年、2005年、2006年、2007年以及2010年). 該數據庫還存在企業(yè)名稱與法人代碼混亂的問題(詳見聶輝華等[24]的描述)，因而文章根據聶輝華等[24]建議的程序對工業(yè)企業(yè)數據庫進行了重新整理. 此外根據研究目的，還剔除了西藏地區(qū)樣本以及事業(yè)單位樣本[24]. 最后得到時間范圍為2001年～2008年我國各類所有制性質規(guī)模以上工業(yè)企業(yè)413 228家樣本. 但這套樣本中，仍有很多指標存在不合理的異常值，在具體的實證研究中，剔除實證檢驗涉及變量出現異常值的觀測值.

研究所涉及的人口結構數據來自于各省區(qū)2000年人口普查數據、2005年1%人口抽樣調查數據以及2010年人口普查數據，受到數據收集難度所限，少數省區(qū)的2000年以及2005年人口調查數據缺失.文章的研究還涉及到地級市的各項經濟數據，這方面的數據來源于歷年的《中國城市統計年鑒》，作者從中收集了全國287個地級市、省轄區(qū)以及直轄市的2000年～2011年的相應統計指標. 此外，為了對回歸方程所涉及的名義變量做平減處理以求得實際值，文章從各省統計年鑒中獲取消費者物價指數(CPI)，然后構造以2000年初為基期的平減指標.

2.2 變量設置

因變量為投資率(INV)，定義為“企業(yè)固定資產變化量/滯后一期總資產”，其中固定資產變化量=當期固定資產凈值-滯后一期固定資產凈值.主要解釋變量為企業(yè)社會保險成本(SC_firm)，定義為“(勞動和待業(yè)保險費+養(yǎng)老保險和醫(yī)療保險費)/應付工資總額”. 文章還涉及城市層面的社保成本，即城市企業(yè)社會保險費率(SC_city)，定義為“城市養(yǎng)老、醫(yī)療、失業(yè)、生育和工傷保險費率之和”(7)其中工傷保險費率使用第一檔次費率.. 文章擬利用人口結構變量為工具變量，這方面設置變量為：老年人比重(Oldratio)，定義為“城市60歲以上老年人數/城市人口總數”；總撫養(yǎng)比(DR)，定義為“(0歲-14歲人數+60歲以上人數)/15歲～59歲人數”；少兒撫養(yǎng)比(CDR)，定義為“0歲～14歲人數/15歲～59歲人數”；老年人撫養(yǎng)比(ODR)，定義為“60歲以上人數/15歲～59歲人數”.

實證檢驗中，涉及的企業(yè)層面解釋變量是：現金持有比率(Cashratio)，定義為“(流動資產—應收賬款凈額—存貨)/總資產”；負債率(Debt)，定義為“總負債/總資產”；以2000年為基期的企業(yè)總資產實際價值的對數(Size)；銷售增長率(Salegrow)，定義為“(當期產品銷售收入-滯后一期產品銷售收入)/滯后一期產品銷售收入”；工會人員比重(Unionrate)，定義為“工會人數/企業(yè)職工人數”(8)該項數據為2004年全國經濟普查數據，為不隨時間變動的企業(yè)特征變量.；國有持股比率(State)，定義為“(國家資本金+集體資本金+法人資本金)/實收資本”；民營持股比率(Private)，個人資本金/實收資本；微型企業(yè)(Micro)：虛擬變量，如果職工人數小于10人為1，否則為0；小型企業(yè)(Small)：虛擬變量，如果職工人數大于10人但小于50人為1，否則為0；中型企業(yè)(Med)：虛擬變量，如果職工人數大于50人但小于250人為1，否則為0；大型企業(yè)(Large)：虛擬變量，如果職工人數大于250人；按照資產加權平均的行業(yè)銷售收入增長率(Indsalegrow)；按照資產加權平均的行業(yè)負債率(Indebt)；外向型企業(yè)(Open)：屬于外向型企業(yè)為1，其他為0. 外向型企業(yè)定義為“出口交貨值/工業(yè)銷售產值”大于10%，且港澳臺商持股比例或者外商持股比例大于10%；技術密集型行業(yè)(Tech),屬于較高技術含量行業(yè)的企業(yè)為1，其他為0(9)技術密集型行業(yè)有：石油加工、煉焦及核燃料加工業(yè)；化學原料及化學制品制造業(yè)；醫(yī)藥制造業(yè)；化學纖維制造業(yè)；通用設備制造業(yè)；專用設備制造業(yè)；交通運輸設備制造業(yè)；電氣機械及器材制造業(yè)；通信設備、計算機及其他電子設備制造業(yè)；儀器儀表及文化、辦公用機械制造業(yè).；勞動密集型企業(yè)(Labor)，屬于勞動密集度比較高，且較低技術含量行業(yè)的企業(yè)為1，其他為0(10)勞動密集型行業(yè)有：農副食品加工業(yè)；食品加工業(yè)；飲料制造業(yè)；煙草制造業(yè)；紡織業(yè)；紡織服裝、鞋、帽制造業(yè)；皮革、毛皮、羽毛(絨)及其制品業(yè)；木材加工及木、竹、藤、棕、草制品業(yè)；家具制造業(yè)；造紙及紙制品業(yè)；印刷業(yè)和記錄媒介的復制..

實證檢驗中，涉及城市和省級層面的解釋變量有：城市工資水平(Lncity_wage)，以2000年為基期的實際城市平均工資的對數；城市最低工資(Lnminiwage)，以2000年為基期的實際城市最低工資的對數；城市就業(yè)水平(Lncity_emp)，城市就業(yè)人數的對數；城市GDP(Lngdp)，以2000年為基期的實際城市國內生產總值的對數；城市外商直接投資(Lnfdi),以2000年為基期的實際城市外商直接投資(人民幣計價)的對數；省消費者價格指數(上年=1)(CPI). 此外，為控制地區(qū)效應，將具有相似地理和社會經濟發(fā)展特征的省區(qū)劃分為六大區(qū)域，分別設置地區(qū)虛擬變量(11)其中，東北地區(qū)包括遼寧、吉林和黑龍江；環(huán)渤海地區(qū)，包括北京、天津、河北和山東；東南地區(qū)包括上海、江蘇、浙江、福建和廣東；中部地區(qū)包括河南、湖北、湖南、安徽和江西；西南地區(qū)包括重慶、四川、云南、貴州、廣西和海南；西北地區(qū)包括山西、陜西、甘肅、寧夏、內蒙古、新疆、青海和西藏..

在以上變量中，企業(yè)社會保險成本(SC_firm)、現金持有比率(Cashratio)以及銷售增長率(Salegrow)存在一定數量的異常值，為避免異常值的影響，剔除了這三個變量最高1%的觀測值.

2.3 描述性統計

以上變量2000年～2011年的樣本描述性統計見下面的表1.

表1 描述性統計

需要特別說明：文中的社保數據樣本是六年：2001年、2004年、2005年、2006年、2007年以及2010年，因為在回歸中解釋變量為滯后一期(被解釋變量提前一期)，因此在大部分回歸中也使用到2002年、2008年以及2011年的數據. 同時，文章在計算超額雇員部分，使用到了2000年～2011年的全部數據. 考慮到這個時間跨度，因此在描述性統計中把2000年～2011年的樣本數據描述性特征統一呈現出來.

在上面的描述性統計中，可以看到企業(yè)社保支出比重與城市社保費率之間存在顯著差異，企業(yè)社保成本均值為0.081，而城市社保費率均值為0.296. 造成這種差異的一個原因是測量誤差問題，工業(yè)企業(yè)數據庫中企業(yè)報告的社會保險費用支出項目不全面或支出金額有誤. 另一個原因可能更為重要，即相當一部分比例的企業(yè)少交社保費用：一般采取少報繳費基數的方式少交社保費用[23,25]. 企業(yè)也可能存在拖欠不交社保費用的問題：根據深圳市社保局公布的信息，2015年深圳市共清理社保欠費企業(yè)22 965家，清理社保欠費約1.8億元. 從全國各城市比較，深圳市的社保費率相對較低(樣本平均值為0.185 8)，企業(yè)社保負擔也比較輕，尚且出現相當部分企業(yè)欠費，那么可以推測在社保費率較高的城市，欠費現象勢必更為普遍. 同時還可以看到，企業(yè)社保支出比重的標準差比較大，是均值的1.42倍，進一步的數據分析顯示組間標準差為0.103，組內標準差為0.063，說明變量SC_firm具有足夠的變差，而且橫截面企業(yè)之間的社保成本差異高于企業(yè)時間序列上的差異. 結果變量INV的最小取值為負值，由于這是經過年度—行業(yè)—城市均值調整后的數值，所以出現負值是正常的.

3 企業(yè)社保成本變動與企業(yè)投資

3.1 主要回歸結果

本部分給出回歸方程(1)的實證檢驗結果，見下面的表2. 其中第1列和第2列為沒有考慮內生性問題的OLS回歸結果，第3列～第6列為使用城市老年人比重為工具變量的IV回歸結果：第3列和第4列為第一階段回歸結果，第5列和第6列為第二階段回歸結果. 所有的回歸均控制了地區(qū)效應以及年度效應，并且采用企業(yè)樣本聚類的穩(wěn)健標準差.

從表2可以看到，無論是OLS還是IV回歸，企業(yè)社會保險成本(SC_firm)對企業(yè)投資率均有1%以內顯著的負面效應，而且OLS回歸所估計的負面效應明顯小于IV回歸所估計的負面效應. 正如文章實證檢驗策略部分所分析，OLS回歸的結果可能受到內生性因素干擾，導致系數估計值出現一定程度的偏誤，低估了企業(yè)社保成本對投資的負面效應.表2的OLS和IV回歸結果比較，印證了前面分析，說明OLS回歸確實受到了潛在的內生性干擾. 從經濟顯著性衡量(以第6列為準)，企業(yè)社會保險成本支出比重增加1個單位標準差(0.115)，企業(yè)投資率約下降3.3%. 如果與企業(yè)投資標準差對比，能夠解釋企業(yè)投資率變動的6.4%(0.033/0.513)，具有較強的經濟顯著性.

表2的第一階段估計結果提供了一個工具變量有效性的基本檢驗. 可以看到，城市老年人比重對企業(yè)社會保險成本的回歸結果顯示回歸系數均在1%內顯著為正，表明城市老年人比重越高，該城市的企業(yè)社保成本支出比重就越大. 表2還給出了檢驗工具變量無法識別的Kleibergen-Paap rk LM統計檢驗P值(UIT)以及檢驗工具變量是否為弱工具變量的Kleibergen-Paap Wald rkF統計量(WIT).UIT的P值顯示在1%內拒絕無法識別的原假設，WIT的F統計量遠遠大于10%偏誤下的臨界值，拒絕弱工具變量的原假設，這說明以城市老年人比重作為企業(yè)社保成本的工具變量是有較強效力的.

3.2 穩(wěn)健性檢驗

使用城市老年人比重為工具變量的邏輯是地區(qū)人口老齡化使得該地區(qū)社會保險財政支出壓力增加，從而導致該地區(qū)企業(yè)社保成本上升. 根據這個邏輯，與城市老年人比重相似的變量是城市老年撫養(yǎng)比. 當老年撫養(yǎng)比上升，意味著使用社保資金的老年人數量增長速度超過了提供社保資金的年輕人數量，這無疑將對地方財政形成社保支出壓力，進而影響到企業(yè)社保成本. 如果選取工具變量的邏輯是正確的，那么使用城市老年撫養(yǎng)比作為工具變量進行估計得到的結果應該與老年人比重作為工具變量的估計結果基本相同. 同時，文章也考察總撫養(yǎng)比和少兒撫養(yǎng)比作為工具變量的情形，這兩個變量與地方財政社保支出壓力聯系較弱，很難引起企業(yè)社保成本變動，因而不是合適的工具變量. 此外，現有一些文獻指出2010年的工業(yè)企業(yè)樣本存在一定程度的錯誤與缺失[26]，有可能扭曲實證檢驗結果，因此有必要考察剔除掉2010年樣本之后的回歸結果是否與此前不一致.

表2 企業(yè)社保成本與投資

下面的表3 Panel A和表3 Panel B分別給出以城市撫養(yǎng)比為工具變量的兩階段回歸結果，其中控制變量為表2回歸中的全部公司層面和行業(yè)層面變量. 從Panel A第一階段回歸可以看到，總撫養(yǎng)比(DR)以及少兒撫養(yǎng)比(CDR)回歸系數均顯著為負，與選擇工具變量的邏輯不符，而老年撫養(yǎng)比(ODR)系數顯著為正,與邏輯是一致的. 從工具變量有效性檢驗看，老年撫養(yǎng)比為工具變量的回歸拒絕了識別不足和弱工具變量的原假設，而以總撫養(yǎng)比作為工具變量，在5%水平上不能拒絕弱工具變量的原假設. Panel B第二階段回歸結果顯示，當以總撫養(yǎng)比以及少兒撫養(yǎng)比為工具變量時，企業(yè)社保成本變量的系數顯著為正；當以老年撫養(yǎng)比為工具變量時，企業(yè)社保成本變量的系數顯著為負. Panel A和Panel B結果表明只有以老年撫養(yǎng)比為工具變量得到的回歸結果與以老年人比重為工具變量的結果一致，其余兩個工具變量回歸得到的結果均難以得到合理的解釋. Panel C給出剔除了2010年樣本之后，分別以總撫養(yǎng)比、少兒撫養(yǎng)比、老年撫養(yǎng)比以及老年人口比重為工具變量的回歸，可以看到所得到的結論與全樣本回歸基本一致. 綜合以上，說明文章對工具變量選取是合理的，得到的結論是穩(wěn)妥可靠的.

表3 穩(wěn)健性檢驗

3.3 工具變量排除性檢驗

工具變量估計的兩階段估計結果顯示，作為工具變量的老年人比重影響企業(yè)社保成本，而企業(yè)社保成本的變動對企業(yè)投資產生影響. 根據實證策略部分的分析，老年人比重影響企業(yè)社保成本的機制是通過影響城市社會保險費率，進而影響企業(yè)社保成本(12)文章在前面也提到，地方政府增加征繳力度也能夠導致企業(yè)社保費用上升，但由于很難找到合適的方式度量社保征繳力度，現有文獻也很少這方面的論述，因而沒有做這方面的檢驗.. 本部分將實證檢驗是否確實存在這樣的影響機制，并排除老年人比重通過其他途徑影響企業(yè)社保成本的可能性. 首先使用城市樣本分析老年人口比重與城市社會保險費率之間的關系，回歸分析結果見下面表4的Panel A，回歸所加入的控制變量有：城市工資水平(Lncity_wage)、城市最低工資(Lnminiwage)、城市就業(yè)水平(Lncity_emp)、城市GDP(Lngdp)、城市外商直接投資(Lnfdi)以及省消費者價格指數(上年=1)(CPI). 此外，2004年起《最低工資規(guī)定》開始實施，全國各省市對最低工資制度的執(zhí)行力度顯著加強，多次上調最低工資標準，推動勞動用工成本持續(xù)上漲，可能對城市社會保險費率產生一定程度的影響. 此外，為了控制住2004年后最低工資法執(zhí)行強度上升的影響，還加入一個變量Effect2004，定義為2004年虛擬變量×Lnminiwage.

在Panel A的回歸中，分別考察20歲～59歲年齡段人數所占比重(Ageratio20_59)、0歲～59歲年齡段人數所占比重(Ageratio0_59)、城市老年人比重(Oldratio)以及城市老年撫養(yǎng)比(ODR)對城市社保費率的影響. 如果因老年人比重高，導致城市社保財支出壓力較大，引起城市社保費率提升，那么其他年齡段的人口比率變化應該與城市社會保險費率無關，或沒有顯著為正的效應. 從Panel A的回歸結果可以看到，Ageratio20_59的系數估計值不顯著，而Ageratio0_59的系數估計值顯著為負. 這與文章的預期一致，而且該結果意味著城市適齡勞動者越多，城市社保收入越大，社保財政支出壓力就越小，反而使得該城市保持較低社保費率. Panel A第3列和第4列估計結果顯示Oldratio和ODR的系數均顯著為正，說明城市老年人比重(或相對比重)越高，該城市社保費率就越高. 綜合Panel A的回歸結果，可以得到結論,老年人比重對城市社保費率具有顯著影響，而且該影響主要源于城市的社保財政收支壓力，而非其他的人口結構變動效應. 從經濟顯著性衡量，如果一個城市的老年人比重高于另外一個城市1個單位標準差(0.028)，則該城市社會保險費率將比對方城市約高0.007，相當于城市社會保險費率標準差的25%，即城市社會保險費率的差異有四分之一可以由該城市的老年人比重差異所解釋，具有很強的經濟顯著性.

在Panel B提供了城市社保費率影響企業(yè)社保成本的經驗證據. 可以看到，城市社保費率對企業(yè)社保成本有顯著正向效應，說明城市社保費率越高，企業(yè)需要支出的社保費用占工資比例就越高. 同時可以發(fā)現，城市老年人比重以及城市老年人撫養(yǎng)比對企業(yè)社保成本也有單獨的顯著正向影響. 然而一旦回歸方程同時包括城市社保費率和城市老年人比重(或老年人撫養(yǎng)比)，則可發(fā)現城市社保費率系數依然顯著為正，但城市老年人比重系數變得不顯著(老年人撫養(yǎng)比系數變?yōu)轱@著為負). 這說明城市老年人比重(或老年人撫養(yǎng)比)影響企業(yè)社保成本的主要途徑是影響城市社保費率變動，除此之外并不存在其他能夠對企業(yè)社保成本產生正向影響的渠道.

Panel C給出以城市社保費率代替企業(yè)社保成本變量的工具變量回歸結果. 可以看到，當工具變量為總撫養(yǎng)比、老年撫養(yǎng)比以及城市老年人比重時，城市社保費率對企業(yè)投資也同樣具有顯著負面效應，而當工具變量為少兒撫養(yǎng)比時，城市社保費率對企業(yè)投資是顯著正向作用的. Panel C的回歸結果與此前表2和表3是一致的，這也充分說明確實存在“城市人口老齡化結構—城市社保費率—企業(yè)社保成本—企業(yè)投資”的傳導機制.

表4 工具變量排除性檢驗

4 影響渠道檢驗

4.1 勞動成本渠道vs生產率渠道

企業(yè)社保成本是勞動成本的重要組成部分，因此社保支出上升必然增加企業(yè)勞動用工費用，在其他條件不變的情況下，企業(yè)投資將會減少. 從生產效率的角度看，一方面企業(yè)社保支出是對企業(yè)員工的人力資本投資，可以提高企業(yè)邊際生產效率，在其他條件不變的情況下，將增加企業(yè)投資邊際收益，從而促使企業(yè)擴大投資規(guī)模；另一方面社保支出增加有可能擠占企業(yè)提高生產效率所必需的資金，使得企業(yè)人員設備技術等生產要素得不到及時更替升級，生產效率下降，從而導致投資水平下降(13)李廣眾等[27]發(fā)現企業(yè)財務狀況影響其人力資本投資支出，從而影響員工生產率.. 如果勞動成本渠道占優(yōu)，可以觀測到企業(yè)社保支出負向影響企業(yè)投資；如果生產率渠道中人力資本投資效應占優(yōu)，將發(fā)現企業(yè)社保支出正向影響企業(yè)投資，但如果資金擠占效應占優(yōu)，則社保支出將會負向影響企業(yè)投資.

文章將企業(yè)樣本劃分歸屬三類行業(yè)：勞動密集型、技術密集型以及介于兩者之間的中間行業(yè). 一般而言，勞動密集型行業(yè)的主要生產要素是勞動，需要較多勞動力投入，其生產經營規(guī)模的擴大也需要相應的勞動投入；而技術密集型行業(yè)主要依靠技術要素投入，及少數技術水平較高的人才，愿意支付較高勞動報酬和福利待遇，其生產經營規(guī)模的擴大更倚賴于技術和設備投入. 因而對于企業(yè)社保成本的變動，文章合理的推測勞動密集型行業(yè)較敏感，其勞動成本變動幅度較大，如果勞動成本渠道或生產率渠道中的資金擠占效應占優(yōu)，則其投資相應減少；而技術密集型行業(yè)相對敏感度較低，其勞動成本和投資受到影響程度較輕. 中間行業(yè)既有一定的勞動密集度，對勞動投入的需求高于技術密集型行業(yè)；同時也有一定的技術進入門檻，對技術投入的需求程度高于勞動密集型行業(yè). 當企業(yè)社保成本上升時，中間行業(yè)勞動成本和投資受到影響的程度可能不如勞動密集型行業(yè)，但會大于技術密集型行業(yè). 如果存在生產率渠道中的人力資本投資效應，那么企業(yè)社保成本變動將會正向影響所有行業(yè)的企業(yè)生產效率.

文章根據Levinsohn和Petrin[28]建議的方法估計了企業(yè)層面全要素生產率(TFP)，該方法能夠有效緩解因不可觀測的生產率沖擊影響企業(yè)要素投入決策而產生的內生性問題. 在估計過程中，使用永續(xù)盤存法將企業(yè)固定資產賬面值統一折算為以2000年為基期的實際價值，其中價格指數采用以2000年為基期的省區(qū)層面固定資產投資價格指數；中國工業(yè)企業(yè)數據庫提供了中間品投入以及工業(yè)增加值數據. 此外，在估計中還加入年度、省區(qū)以及行業(yè)虛擬變量，分別控制住這些方面的影響. 估計得到企業(yè)全要素生產率數據后，構造了全要素生產率增長率變量(TFP_grow)，定義為(當期全要素生產率-上期全要素生產率)/上期全要素生產率. 為避免異常值的影響，在回歸中剔除TFP_grow在99%分位數以上的樣本.

文章對勞動密集型行業(yè)、中間行業(yè)以及技術密集型行業(yè)的分組樣本分別做了2SLS估計，具體結果見下面的表5. 可以看到，對于勞動密集型行業(yè)和中間行業(yè)的企業(yè)，社保成本支出變動對投資的影響顯著為負(其中勞動密集型企業(yè)的負向效應稍大一些)，而對于技術密集型行業(yè)的企業(yè)，社保成本支出對投資沒有顯著影響. 還可以看到，總體上企業(yè)社保成本支出對全要素生產率增長率存在顯著為負的效應，其中勞動密集型企業(yè)負面效應最強，而中間行業(yè)以及技術密集型行業(yè)的系數估計值不顯著. 這些結果與勞動成本渠道以及生產率渠道中的資金擠占效應的邏輯是一致的，但與人力資本投資效應的推斷不符. 表5還提供了第1列和第3列以及第5列和第7列回歸系數差異顯著性的Hausman檢驗，顯示：勞動成本渠道回歸中，勞動密集型樣本回歸與技術密集型樣本回歸的相應系數不存在顯著差異；而在生產率渠道回歸中，兩類行業(yè)樣本的回歸系數則存在顯著差異. 綜合系數估計和Hausman檢驗結果，文章認為企業(yè)社保成本支出變動影響企業(yè)投資的主要渠道之一是影響企業(yè)的勞動用工成本以及擠占企業(yè)提升企業(yè)生產率的必要資金.

表5 勞動成本渠道vs 生產率渠道

4.2 勞動成本渠道的進一步檢驗：過度雇傭

上一部分實證檢驗中，作者注意到勞動成本渠道的Hausman檢驗沒有拒絕勞動密集型行業(yè)與技術密集型行業(yè)的系數不存在顯著差異的原假設，這多少弱化了勞動成本渠道的推斷，因而需要進一步檢驗以便確認是否真正存在勞動成本渠道. 上一部分的實證檢驗策略是按照行業(yè)生產要素特征劃分企業(yè)樣本，這存在一個缺陷，即那些被劃歸為勞動密集型行業(yè)的企業(yè)并不一定會過多雇傭員工，因而社保成本變動產生的投資效應也可能來自某些不可觀測的潛在樣本特征. 為此，本部分直接考察企業(yè)過度雇傭程度與社保成本變動投資效應之間的聯系，以確保研究結論的穩(wěn)健可靠性.

如果勞動成本渠道是社保成本變動影響企業(yè)投資的主要渠道，那么可以預期過度雇傭程度高的企業(yè)更容易受到社保成本支出變動的負面影響. 企業(yè)存在過度雇傭意味著勞動資源配置效率差，勞動調整彈性較差，當企業(yè)社保成本因某種因素上升時，企業(yè)難以及時調整勞動數量，勞動用工成本更容易隨之升高，導致企業(yè)投資減少程度更大. 文章應用曾慶生和陳信元[29]以及劉慧龍等[30]所建議的方法測度企業(yè)的勞動資源配置效率. 該方法第一步需估計如下回歸方程

對于年輕人來說，正確的消費心理直接影響到消費行為，同時也適應當前生態(tài)經濟的客觀訴求。結合目前年輕人的成長環(huán)境以及培養(yǎng)要求看，必須幫助其形成正確的消費心理。對于年輕人來說，形成正確、綠色的消費心理之后帶來的經濟影響，突出表現為：

Staffit=α+β1Tangibleit+β2Salegrowit+

β3Sizeit+β4ageit+εit

(3)

式中因變量Staffit代表企業(yè)全部職工人數；Tangibleit為有形資產比率，等于固定資產凈值/總資產，表示企業(yè)的資本密集度；Salegrowit和Sizeit分別表示銷售增長率和企業(yè)規(guī)模(企業(yè)總資產對數)；ageit為企業(yè)的經營年限. 一般而言，資本和勞動需要以一定的比例配合使用，因此Tangibleit上升，企業(yè)的勞動需求也相應提高；Salegrowit表示企業(yè)的成長前景，其值越高，意味著將來業(yè)務可能會有相當大的發(fā)展，需要的人力資源也就越多；根據經驗，規(guī)模大以及經營年限長的企業(yè)通常有更多的員工.

估計回歸方程(3)后得到的擬合值代表企業(yè)正常需要的員工數量. 曾慶生和陳信元[29]以及劉慧龍等[30]均使用了OLS估計回歸方程(3)以求得擬合值，但使用OLS估計存在一個問題：企業(yè)正常需要的員工數量應該是非負數，然而OLS估計時可能出現負的擬合值(即使回歸系數均為正，常數項仍有可能出現負值，因而在解釋變量都非常小時擬合值可能出現負數). 為了避免出現負的擬合值，文章采用廣義線性模型(GLM)代替回歸方程(3). 具體而言，所采用的廣義線性模型如下

g{E(Staffit|Xit)}=βXitStaffit|Xit～Gamma

(4)

上式中設定條件分布Staffit|Xit服從Gamma分布，以保證條件期望值E(Staffit|Xit)的非負性，具體的g函數形式為g{E(Staffit|Xit)}=ln(E(Staffit|Xit)). 在估計GLM時作者使用2000年～2011年工業(yè)企業(yè)樣本(剔除西藏地區(qū)樣本以及事業(yè)單位樣本). GLM的估計結果見下面的表6，第1列為沒有控制地區(qū)和年度效應的估計結果，第2列為控制了地區(qū)和年度效應的估計結果. 從解釋變量系數值和顯著性看，估計結果與文章預期一致，而且兩列估計結果的AIC值基本相同，意味著差異甚微，因此根據奧卡姆剃刀原理，本部分采用第一列的模型設定.

表6 企業(yè)正常需要員工數量：廣義線性模型估計

(5)

如果Exstaffit<0則意味著雇傭不足，企業(yè)用人緊張，招募不到足夠的員工；如果Exstaffit>0則意味著過度雇傭，企業(yè)人員冗余，勞動資源配置效率低下.

為了考察在企業(yè)過度雇傭數量程度不同的情況下社保成本對投資率的影響，作者將企業(yè)樣本按照過度雇傭程度劃分為5等份進行分組回歸，以觀察分組回歸系數分布狀況. 同時，為了考察分組系數是否存在顯著差異，作者估計一個包含過度雇傭分位變量與企業(yè)社保成本變量交乘項的回歸模型. 如果勞動資源配置效率影響企業(yè)社保成本的投資效應，那么可以預期過度雇傭程度越多的企業(yè)，社保成本變動對其投資率的負向影響應該越來越強，而在雇傭不足或過度雇傭程度不高的企業(yè)，社保成本變動對其投資率沒有顯著作用. 具體的實證檢驗結果見下面表7，所有回歸均為工具變量回歸. 可以看到，當企業(yè)過度雇傭不足或過度雇傭程度處于較低水平時，企業(yè)社保成本變動對投資的影響并不顯著，而當企業(yè)過度雇傭程度處于較高水平時(4分位以上)，企業(yè)社保成本變動對投資具有顯著負面效應，與文章的預計一致. 表7第7列的交乘項系數估計值顯著為負，表明過度雇傭分組的系數差異在統計上是顯著的，而且當過度雇傭程度每上升一個分位，社保變動一個單位標準差對企業(yè)投資的負面效應增加0.038(0.337×0.115)，大約相當于投資標準差的7.6%，具有較強的經濟顯著性.

表7 過度雇傭與企業(yè)社保成本變動的投資效應

4.3 融資約束渠道

企業(yè)社保支出對投資的影響渠道，除了直接的勞動成本渠道外，還有間接的融資約束渠道. 對于融資約束程度高的企業(yè)而言，社保成本支出上升必然會擠占投資支出. 因此預期企業(yè)融資約束程度越高，在其他條件不變的情況下，社保支出對投資的負向效應越大.

關于企業(yè)融資約束的度量，目前公認比較可靠的是Whited和Wu[6]的WW指數. Hardlock和Pierce[31]比較了目前流行的幾種融資約束度量指標，指出WW指數對企業(yè)融資約束程度的識別效力優(yōu)于其他指標.

根據Whited和Wu[6]，結合工業(yè)企業(yè)數據庫的樣本特點，文章使用GMM估計式(11)的參數，因技術性細節(jié)比較繁瑣，且具體的估計過程與曾海艦和林靈[32]基本類似，此處不再贅言. 經過估計后，得到如下融資約束計算公式(6)

FCit=0.040 4(LongDebt)it+0.082 822×

(FirmSalegrow)it-0.027 654(Logassetit)+

0.798 1(IndSalegrow)it-0.232 43×

(CashRatio)it-0.033 006(CashFlow)it+

0.339 94(IndDebt)it

(6)

文章按照工業(yè)企業(yè)的WW融資約束指數將樣本從小到大分為5等份，然后考察每一分位樣本中，企業(yè)社保成本變動對投資的影響. 根據作者的推測，融資約束程度越高的企業(yè)樣本中，社保成本變動的負面效應就越大. 為了檢驗各個分位組的投資效應差異統計顯著性，作者將融資約束分位變量與企業(yè)社保支出變量交乘，進行全樣本回歸.

表8的Panel A給出了分位樣本和全樣本的工具變量回歸結果，可以看到當融資約束程度處于最低一組時，企業(yè)社保成本支出對投資的影響是不顯著的，說明企業(yè)社保成本支出是否影響投資，關鍵在于企業(yè)資金約束狀況，如果資金約束狀況寬松，則社保支出擠占投資的影響是可以忽略掉的. Panel A同時顯示，當融資約束程度上升，社保支出對企業(yè)投資顯示出顯著為負的效應，再融資約束程度最高的5分位樣本組中，社保支出導致的投資負面效應達到最大. Panel A第6列給出了包括交乘項的全樣本回歸結果，可以看到交乘項系數顯著為負，說明融資約束分組的投資效應差異統計上顯著. 從經濟顯著性衡量，當融資約束程度上升一個分位，社保成本每變動一個單位標準差的投資負面效應增加(0.580×0.115)，約相當于企業(yè)投資標準差的13%，經濟顯著性較強.

表8 Panel B給出了勞動密集型行業(yè)、中間行業(yè)以及技術密集型行業(yè)的分組估計結果，有助于深入理解勞動成本渠道與融資約束渠道是否存在某種聯系. 可以發(fā)現當樣本為勞動密集型時，從融資約束與企業(yè)社保成本支出交乘項系數估計獲得的投資負面效應最大，中間行業(yè)次之，技術密集型行業(yè)最低. 這表明勞動密集度行業(yè)對于企業(yè)社保成本變動更為敏感，而技術密集型行業(yè)的投資敏感度相對較低. 這可能因為勞動密集型企業(yè)在社保成本上升時所付出的費用占比相對更多，從而對投資支出的擠占也更為嚴重.

表8 融資約束與企業(yè)社保成本變動的投資效應

5 結束語

企業(yè)社保成本變動是否對實體經濟有實質影響？這是長期以來學術界和政策部門一直關注的重要問題. 文章利用工業(yè)企業(yè)微觀數據，實證檢驗企業(yè)社保成本變動對企業(yè)投資率的影響，首次回應了這個議題. 研究發(fā)現，企業(yè)社會保險成本支出比重增加1個單位標準差企業(yè)投資率約下降3.3%，能夠解釋企業(yè)投資率變動的6.4%，具有較強的經濟顯著性. 由于計量回歸分析方程中可能存在內生性問題，因此作者選擇城市老年人比重作為工具變量，進行工具變量估計. 為確保估計結果穩(wěn)健性，還選取城市老年撫養(yǎng)比作為工具變量，發(fā)現估計結果基本一致. 文章還做了影響機制排除性檢驗，發(fā)現城市老年人比重主要通過影響城市的社會保險費率進而影響企業(yè)社保成本，其他直接或間接影響渠道基本不存在. 文章對社保成本變動影響企業(yè)投資的渠道做了深入探索，發(fā)現實證檢驗結果支持勞動成本渠道、生產率渠道和融資約束渠道的存在，表現為勞動密集度、過度雇傭程度和融資約束程度越高，企業(yè)投資對社保成本支出變動的敏感度就越強. 研究沒有發(fā)現社保支出對企業(yè)生產率有顯著正向影響作用，排除了存在社保支出變動的人力資本投資效應的可能性.

如果微觀企業(yè)因成本負擔過重而無力進行投資，特別是無力進行研發(fā)創(chuàng)新(14)邢毅和王振山[33]指出研發(fā)投入需要維持較高的現金持有水平，社保成本降低可以直接提高現金持有從而為企業(yè)研發(fā)創(chuàng)新活動提供了良好的財務環(huán)境.，必然損害企業(yè)未來的成長機會，那么宏觀上表現出來的后果就是該地區(qū)實體經濟發(fā)展停滯不前，地區(qū)經濟失去活力，陷入困境. 為促進地區(qū)經濟發(fā)展，自2015年以來，我國中央政府已經連續(xù)5次公布降低社保費率政策， 2019年《政府工作報告》也指出要大幅度降低養(yǎng)老保險繳費比例，各地可降至16%，繼續(xù)下調階段性社保費率，不得采取增加小微企業(yè)實際繳費負擔的做法，不得自行對歷史欠費進行集中清繳. 研究發(fā)現過高的社會保險成本顯著抑制了企業(yè)投資，因而可以預期降低企業(yè)社保成本的政策如果能夠得到有效落實，將會刺激企業(yè)擴大投資，促進地區(qū)經濟發(fā)展. 這個結論與李青原等[34]的研究是一致的，他們發(fā)現企業(yè)節(jié)省稅費與其投資意愿具有顯著的正相關，從而提高了地區(qū)經濟增長率.

理論上，企業(yè)社會保險費用屬于法定強制性社會福利支出，傳統的觀點認為由于私人保險市場不能無差別的對所有企業(yè)員工提供保險，通過政府實施征繳強制性的社會保險制度提高了全民福利[35]. 由于企業(yè)社保支出是社會保險基金的主要來源，如果企業(yè)社保成本支出過低，也會有損于社保體系的健康持續(xù)運行. 研究表明，技術密集型企業(yè)受到社保成本變動的影響比較小，因而地方政府應該大力提倡和鼓勵技術創(chuàng)新，促進企業(yè)轉型升級，從而達到社會保險收入和企業(yè)投資同步增長的雙贏局面.