抑郁傾向?qū)趧?dòng)收入的影響

張曉明 向迪 劉生龍

摘 要：本文采用2010年中國家庭調(diào)查數(shù)據(jù)實(shí)證檢驗(yàn)了居民抑郁傾向?qū)趧?dòng)收入的影響，結(jié)果表明抑郁傾向能顯著降低居民的勞動(dòng)收入，對(duì)個(gè)人就業(yè)產(chǎn)生負(fù)向影響。為克服個(gè)人精神狀況與收入之間的反向因果關(guān)系所導(dǎo)致的內(nèi)生性問題，本文使用機(jī)器學(xué)習(xí)方法篩選工具變量，使得工具變量估計(jì)結(jié)果相比于傳統(tǒng)方法更加精確，進(jìn)一步驗(yàn)證了抑郁傾向?qū)€(gè)人勞動(dòng)收入的負(fù)向影響。異質(zhì)性分析表明男性個(gè)體、位于農(nóng)村地區(qū)的個(gè)體、青年個(gè)體受到抑郁傾向的影響更為嚴(yán)重，收入下降程度更為顯著，而受教育程度的提高則能夠在一定程度上減少抑郁傾向給收入帶來的負(fù)面影響。機(jī)制分析表明，抑郁傾向通過抑制個(gè)人的社交能力與社交意愿、損害個(gè)人的勞動(dòng)能力等方式來影響個(gè)人的勞動(dòng)參與和勞動(dòng)收入。

關(guān)鍵詞：機(jī)器學(xué)習(xí)；勞動(dòng)收入；工具變量；抑郁傾向

健康作為人力資本的重要組成部分（Mushkin，1962），對(duì)人們的勞動(dòng)和生產(chǎn)行為有著重要的影響。隨著經(jīng)濟(jì)的高速發(fā)展和醫(yī)療技術(shù)水平的顯著提高，人們的生理健康狀況已經(jīng)得到快速改善，2016年世界新生兒健康預(yù)期壽命已增至63.3歲，中國新生兒健康預(yù)期壽命增至68.7歲（WHO， 2019）。然而，與樂觀的生理健康前景相對(duì)應(yīng)的，是人們?cè)诳旃?jié)奏的現(xiàn)代生活中越來越突顯出的心理健康問題，尤其是抑郁癥問題。2017年WHO統(tǒng)計(jì)數(shù)據(jù)顯示，全球已有超過3億人患有抑郁癥，相當(dāng)于世界總?cè)丝诘?.4%，并且這一數(shù)字仍在不斷增加，其中中國抑郁癥患者約占世界比重的1/5。為了推進(jìn)健康中國建設(shè)，提高人民健康水平，中共中央、國務(wù)院于2016年10月25日印發(fā)實(shí)施《“健康中國2030”規(guī)劃綱要》（簡稱“綱要”）。“綱要”中指出健康是促進(jìn)人的全面發(fā)展的必然要求，是經(jīng)濟(jì)社會(huì)發(fā)展的基礎(chǔ)條件。在促進(jìn)心理健康工作方面，要加強(qiáng)對(duì)抑郁癥、焦慮癥等常見精神障礙和心理行為問題的干預(yù)，加大對(duì)重點(diǎn)人群心理問題早期發(fā)現(xiàn)和及時(shí)干預(yù)力度。

目前學(xué)界的相關(guān)研究表明，由抑郁癥帶來的身心健康和壽命的損傷會(huì)縮短患者的工作時(shí)間，降低工作能力及工作效率，進(jìn)而抑制患者的勞動(dòng)參與行為，降低患者的勞動(dòng)收入（Ettner et.al，1997；Frijters et.al， 2010）。此外，抑郁癥作為一種疾病，不僅不利于人力資本的積累，減少勞動(dòng)力市場(chǎng)上的勞動(dòng)供給，同時(shí)還會(huì)引發(fā)治療費(fèi)用以及間接費(fèi)用等經(jīng)濟(jì)損失。由此可見，關(guān)注心理疾病對(duì)個(gè)人和社會(huì)帶來的經(jīng)濟(jì)影響是十分重要的。

然而，目前針對(duì)抑郁癥對(duì)個(gè)人和社會(huì)的影響的研究多以發(fā)達(dá)國家為研究對(duì)象，對(duì)發(fā)展中國家的研究較少，國內(nèi)關(guān)于心理健康狀況對(duì)經(jīng)濟(jì)效益的影響研究也相對(duì)較為缺乏?；诖?，本文采用CFPS2010數(shù)據(jù)，從微觀個(gè)體的角度出發(fā)，研究抑郁傾向?qū)€(gè)人收入的影響，尤其是對(duì)勞動(dòng)收入的影響，從而對(duì)相關(guān)領(lǐng)域的研究進(jìn)行補(bǔ)充。此外，由于個(gè)人勞動(dòng)收入與心理健康之間存在較強(qiáng)的反向因果關(guān)系（Hollingshead and Redlich， 2007），為克服內(nèi)生性問題，本文采用工具變量法，并利用LASSO回歸挑選對(duì)于個(gè)人抑郁傾向影響程度較大的變量作為工具變量，克服了傳統(tǒng)方法通過先驗(yàn)觀念而非科學(xué)方法構(gòu)造工具變量的弊端，提升了模型的擬合效果，從而提高了研究結(jié)論的準(zhǔn)確性和科學(xué)性。

本文后續(xù)部分的結(jié)構(gòu)安排如下：第二部分介紹已有相關(guān)文獻(xiàn)的研究進(jìn)展，第三部分介紹本研究采用的實(shí)證策略與描述性統(tǒng)計(jì)結(jié)果，第四部分介紹本文的主要實(shí)證結(jié)果，包括基本模型回歸結(jié)果、工具變量回歸結(jié)果、LASSO回歸結(jié)果和異質(zhì)性分析結(jié)果，第五部分為研究結(jié)論。

一、文獻(xiàn)綜述

本文的研究主要與兩類文獻(xiàn)相關(guān)，一類是分析心理健康狀況對(duì)個(gè)人勞動(dòng)收入影響的研究，另一類是利用機(jī)器學(xué)習(xí)方法改善傳統(tǒng)計(jì)量方法，將機(jī)器學(xué)習(xí)用于輔助實(shí)證分析的相關(guān)研究。首先，心理健康與勞動(dòng)收入相互關(guān)系的研究由來已久。早期的文獻(xiàn)集中于研究心理疾病與收入之間的反向相關(guān)性，這類文獻(xiàn)的研究表明在收入較低的群體中，產(chǎn)生心理健康問題的風(fēng)險(xiǎn)更高，貧困人群的心理疾病發(fā)病率相對(duì)高于非貧困人群（Hollingshead and Redlich， 2007；Holzer et.al， 1986； Bruce et.al， 1991）。近年來，隨著研究方法和技術(shù)的不斷提高和豐富，越來越多的文獻(xiàn)側(cè)重于考察心理健康對(duì)個(gè)人和社會(huì)的影響。具體來說，Ettner et.al（1997）指出心理疾病使得男性和女性的就業(yè)率降低了11%左右，并主要通過工資效應(yīng)減少了個(gè)人收入。其次，心理疾病顯著縮短了人們的勞動(dòng)時(shí)間，從而帶來了收入上的損失。已有研究表明，重度抑郁癥患病員工每年會(huì)損失27.2個(gè)工作日（Kessler，et.al，2006）。此外，在持久收入方面，與心理健康的人群相比，患有心理疾病的人群提前退休的風(fēng)險(xiǎn)更高（Doshi et al.， 2008），平均來說，抑郁癥患者的退休年齡比沒有抑郁癥的人要少1.5歲（Karpansalo et.al， 2005），這就使得心理疾病患者的持久收入要相對(duì)低于心理健康的群體。

在研究方法上，利用工具變量分離心理健康對(duì)勞動(dòng)收入的影響是學(xué)者們常用的方法?，F(xiàn)有文獻(xiàn)中所使用的工具變量可以概括為以下三類：第一類是以研究對(duì)象過去的經(jīng)歷或者精神狀況，作為研究對(duì)象當(dāng)期心理健康狀況的工具變量，考察其對(duì)研究對(duì)象當(dāng)期的收入及勞動(dòng)供給的影響。此類工具變量包括：童年時(shí)期患有心理疾病的經(jīng)歷（Ettner et al.， 1997；Chatterji et al.， 2007），在接受調(diào)查前三個(gè)月的心理健康狀況（Hamilton et al.， 1997），前期的抑郁傾向（高晶晶等，2018）。第二類是以研究對(duì)象的父母、親朋好友的健康狀況及經(jīng)歷，作為研究對(duì)象自身心理狀況的工具變量進(jìn)行研究。此類工具變量包括：父母的心理疾病史（Ettner et al.， 1997；Marcotte et al.， 2000），過去一年是否有親密朋友去世（Frijters et.al ，2010）。第三類是與研究對(duì)象的心理狀況有關(guān)，但不影響其收入和勞動(dòng)供給的社會(huì)和自身因素。此類工具變量包括：宗教信仰（Alexandre and French， 2001；Chatterji et al.， 2007），社會(huì)支持（Hamilton et al.， 1997；Alexandre and French， 2001；Ojeda et al.， 2009），體育鍛煉頻率和壓力事件（Hamilton et al.， 1997）。此外，在心理學(xué)上，居住流動(dòng)性已被視為一種緊張的生活事件（Raviv et al.，1990），威脅到兒童的自我概念和自尊（Hendershott， 1989）。不僅如此，住宅的流動(dòng)性還會(huì)導(dǎo)致焦慮、興奮和孤獨(dú)，以及較低的長期幸福感，而積極價(jià)值刺激的消除會(huì)導(dǎo)致緊張和攻擊性（Agnew， 1992；Oishi and Talhelm， 2012）。上述文獻(xiàn)表明，童年時(shí)的搬家經(jīng)歷對(duì)個(gè)人心理健康狀況具有一定的影響，因此，本文將童年時(shí)期是否有過搬家經(jīng)歷也作為了一個(gè)工具變量進(jìn)行研究。

除了上述的相關(guān)研究外，近年來機(jī)器學(xué)習(xí)方法由于其具有較強(qiáng)的預(yù)測(cè)性能和泛化性能，被越來越多地應(yīng)用于計(jì)量經(jīng)濟(jì)學(xué)領(lǐng)域進(jìn)行實(shí)證分析和模型預(yù)測(cè)。Chernozhukov（2015）使用監(jiān)督學(xué)習(xí)中的LASSO算法來選擇對(duì)于影響結(jié)果變量的最重要的協(xié)變量進(jìn)行控制以得到有效的估計(jì)結(jié)果。Mullainathan和Spiess（2017）通過對(duì)現(xiàn)有的機(jī)器學(xué)習(xí)算法進(jìn)行介紹，指出其可以被應(yīng)用于工具變量第一階段的回歸估計(jì)中，提高工具變量對(duì)被解釋變量的估計(jì)能力，從而解決弱工具變量問題。Athey和Wager（2019）利用監(jiān)督學(xué)習(xí)中的隨機(jī)森林方法，即通過有放回的隨機(jī)抽樣方式，在每次選擇一定數(shù)量協(xié)變量的情況下構(gòu)造不同的模型樹，從而實(shí)現(xiàn)對(duì)平均處理效應(yīng)的估計(jì)，并且對(duì)從不同的模型樹中得到的結(jié)果進(jìn)行加和取平均值，即得到政策的平均處理效應(yīng)異質(zhì)性的估計(jì)。Doudchenko和Imbens（2016）將機(jī)器學(xué)習(xí)中的LASSO算法應(yīng)用于雙重差分過程中，不僅幫助篩選出重要的協(xié)變量，并且與合成控制法相結(jié)合，為處理組的每個(gè)單元從對(duì)照組中選出與之在協(xié)變量方面相匹配的最佳單元組合，通過加權(quán)方式構(gòu)造與處理組最相似的單元集合。作者利用該方法對(duì)三篇雙重差分法的經(jīng)典文獻(xiàn)研究結(jié)果進(jìn)行了重新計(jì)算，并發(fā)現(xiàn)使用機(jī)器學(xué)習(xí)方法能夠最大限度控制處理組與對(duì)照組之間的不平衡性，從而改善了估計(jì)結(jié)果。Shi et.al.（2020）利用LASSO算法篩選出對(duì)于家庭直接碳排放和間接碳排放最重要的影響因素，并指出這種關(guān)注“影響大小”而非僅僅關(guān)注“是否影響”的結(jié)果更有助于為政策制定者提供參考。Belloni（2012）利用LASSO方法篩選出對(duì)于法官判決影響程度最大的個(gè)人特征變量作為工具變量，顯著改善了工具變量估計(jì)性能，提高了工具變量估計(jì)結(jié)果的準(zhǔn)確性和可靠性。

綜上，盡管現(xiàn)有文獻(xiàn)關(guān)于健康對(duì)個(gè)人勞動(dòng)收入的影響已有較多討論，但仍然存在著一些不足，主要表現(xiàn)為：第一，目前國內(nèi)將健康作為人力資本，考察健康與收入和勞動(dòng)參與之間的實(shí)證關(guān)系的研究大多是從生理健康的角度進(jìn)行，或者只將心理健康作為健康評(píng)價(jià)指標(biāo)體系的一個(gè)維度加以考察，表明了健康對(duì)收入增長以及勞動(dòng)參與具有正面作用，而直接研究心理健康或者抑郁癥對(duì)收入及勞動(dòng)參與影響情況的文獻(xiàn)相對(duì)較少。第二，雖然利用工具變量能在一定程度上緩解由心理健康和收入之間存在的雙向因果關(guān)系而導(dǎo)致的內(nèi)生性問題，但是由于影響個(gè)人收入的因素眾多而且作用機(jī)制復(fù)雜，傳統(tǒng)的計(jì)量方法不能很好地將眾多影響因素都納入模型中進(jìn)行研究，在挑選變量方面也缺乏有效的選擇標(biāo)準(zhǔn)，具有一定的主觀性，從而會(huì)影響模型的擬合效果，降低結(jié)果的準(zhǔn)確性和可信性。本文在后續(xù)的實(shí)證檢驗(yàn)過程中，通過LASSO回歸篩選出對(duì)于個(gè)人抑郁傾向影響能力最強(qiáng)的變量作為工具變量，相比于傳統(tǒng)方法改善了工具變量的估計(jì)結(jié)果。

二、數(shù)據(jù)和模型

（一）數(shù)據(jù)來源

本文所使用的數(shù)據(jù)來自北京大學(xué)社會(huì)調(diào)查中心的中國家庭跟蹤調(diào)查（CFPS），該調(diào)查反映了中國社會(huì)、經(jīng)濟(jì)、人口、教育和健康的變遷，為學(xué)術(shù)研究和公共政策分析提供了可靠的數(shù)據(jù)來源。CFPS樣本覆蓋25個(gè)省/市/自治區(qū)，目標(biāo)樣本規(guī)模為16 000戶，調(diào)查對(duì)象包含樣本家戶中的全部成員。該調(diào)查于2010年正式開展訪問，經(jīng)2010年基線調(diào)查界定出來的所有基線家庭成員將成為永久追蹤對(duì)象。由于2010年基線調(diào)查中保留的受訪者個(gè)人信息較為詳細(xì)，因此本文使用CFPS2010年調(diào)查數(shù)據(jù)作為樣本進(jìn)行分析。此外，本文研究的重點(diǎn)為抑郁傾向?qū)τ趧趧?dòng)收入的影響，因此使用CFPS2010年成人問卷調(diào)查數(shù)據(jù)并排除60歲及以上的老年全體樣本數(shù)據(jù)。

（二）變量設(shè)定

本文的被解釋變量為個(gè)人收入，使用個(gè)人年度總收入的自然對(duì)數(shù)形式表示，為了排除極端值對(duì)回歸結(jié)果可能造成的影響，本文在1%和99%水平上對(duì)樣本進(jìn)行縮尾處理，以保證回歸結(jié)果具有良好的可靠性。

本文的核心解釋變量為受訪者的抑郁得分，CFPS2010調(diào)查問卷使用美國流行病調(diào)查中心開發(fā)的抑郁癥量表CES-D簡化量表對(duì)居民抑郁狀況進(jìn)行衡量，該量表要求受訪者匯報(bào)近一個(gè)月內(nèi)抑郁相關(guān)癥狀的發(fā)生頻率，主要包含六個(gè)問題：1.情緒沮喪、郁悶、做什么事都不能振奮；2.精神緊張；3.坐臥不安，難以保持平靜；4.感到未來沒有希望；5.做任何事都感到困難；6.認(rèn)為生活沒有意義。對(duì)于上述六個(gè)問題的發(fā)生頻率分別為：1.幾乎每天；2.經(jīng)常；3.一半時(shí)間；4.有一些時(shí)候；5.從不。在問卷處理過程中，調(diào)查人員將上述抑郁癥狀依據(jù)頻率進(jìn)行打分，并匯報(bào)了使用因子分析輸出的因子得分作為個(gè)人抑郁程度的得分，記為變量fdepression，由于因子得分越小通常意味著抑郁程度越嚴(yán)重，因此本文在回歸中對(duì)fdepression取相反數(shù)得到nfdepression變量，用來表示受訪者的抑郁程度，該指標(biāo)越大則意味著受訪者的抑郁程度越嚴(yán)重。

本文的控制變量包括個(gè)人背景與家庭背景兩部分，其中個(gè)人背景包括城鄉(xiāng)分類、性別、年齡、民族、教育程度、身體健康狀況，家庭背景包括婚姻狀況、兄弟姐妹數(shù)量、家庭成員數(shù)量、子女?dāng)?shù)量、父母是否健在等變量。在回歸中引入上述變量可以控制不同個(gè)體之間的差異，實(shí)現(xiàn)對(duì)核心解釋變量的準(zhǔn)確估計(jì)。

由于在識(shí)別抑郁傾向?qū)趧?dòng)收入的影響的過程中，存在著較強(qiáng)的雙向因果關(guān)系，并由此導(dǎo)致OLS估計(jì)結(jié)果可能存在一定的偏誤，因此，本文在借鑒Belloni et al.（2012）文章的基礎(chǔ)上，將已有文獻(xiàn)中所使用的工具變量全部納入工具變量第一階段回歸中，并使用LASSO回歸進(jìn)行篩選，保留對(duì)于第一階段結(jié)果影響最大的工具變量，在一定程度上提高第一階段估計(jì)值的準(zhǔn)確度，從而提升工具變量的估計(jì)結(jié)果的可靠程度。

本文的機(jī)制變量包括受訪者的自評(píng)人際關(guān)系得分，受訪者的社交意愿及受訪者的運(yùn)動(dòng)能力，這些變量能夠通過影響受訪者的社會(huì)關(guān)系或者自身勞動(dòng)能力來影響其收入，其中人際關(guān)系得分變量來自問題“您認(rèn)為自己的人緣有多好”，該問題共有1-5分五個(gè)選項(xiàng)，用于受訪者匯報(bào)自身的人際關(guān)系狀況，得分越高意味著受訪者的自評(píng)人際關(guān)系越好。受訪者的社交意愿通過受訪者的社交時(shí)長來衡量，如果受訪者的社交時(shí)長高于平均水平，則認(rèn)為該受訪者擁有更強(qiáng)烈的社交意愿，反之則認(rèn)為受訪者的社交意愿相對(duì)較弱。受訪者自身的勞動(dòng)能力通過CFPS2010問卷中關(guān)于受訪者運(yùn)動(dòng)能力的相關(guān)問題進(jìn)行衡量，包括“雙手是否能夠接觸到頸根”“雙手是否能夠接觸到后腰”“坐一段時(shí)間后能否馬上從椅子上起來”“能否撿起地上的書”四個(gè)問題，如果受訪者在以上任一問題中的回答結(jié)果為“否”，則認(rèn)為受訪者的運(yùn)動(dòng)能力存在一定程度的缺陷，反之則認(rèn)為受訪者的運(yùn)動(dòng)能力正常。

（三）模型與描述性統(tǒng)計(jì)

1. 基本回歸模型

3. 主要變量的描述性統(tǒng)計(jì)

表1中匯報(bào)了本文在回歸過程中使用到的主要變量的描述性統(tǒng)計(jì)結(jié)果。從個(gè)體層面來看，本文使用的樣本中來自城鎮(zhèn)的樣本約為46.0%，男性占比為51.3%，漢族比例達(dá)到91.1%，受訪者的平均年齡在39-40歲之間，教育程度為文盲與高中以上的比例分別為21.4%和23.4%，身體質(zhì)量指數(shù)（Body Mass Index）處于良好狀態(tài)的個(gè)體占比62.4%；從家庭層面來說，受訪者的已婚率達(dá)到86.9%，兄弟姐妹數(shù)量平均為2.77個(gè)，家庭成員數(shù)量平均為4.32個(gè)，子女?dāng)?shù)量平均為1.47個(gè)，父親健在的比例為59.3%，母親健在的比例為72.8%。

三、實(shí)證結(jié)果

（一）基本回歸結(jié)果

本文首先利用OLS模型實(shí)證檢驗(yàn)抑郁傾向?qū)τ趥€(gè)人收入的影響，并逐步加入控制變量和地區(qū)固定效應(yīng)，得到如表2所示的基本回歸結(jié)果。表2中的（1）列顯示了僅考慮抑郁傾向即CES-D得分的單變量回歸結(jié)果，（2）列顯示了加入控制變量后的回歸結(jié)果，（3）列顯示了同時(shí)加入控制變量及地區(qū)固定效應(yīng)后的回歸結(jié)果。

可以看出，無論是單變量回歸還是加入控制變量及地區(qū)固定效應(yīng)后的回歸，抑郁傾向?qū)趧?dòng)收入都具有顯著的負(fù)向影響。具體來說，表2的（3）列顯示，在控制了性別、年齡等控制變量以及地區(qū)固定效應(yīng)后，抑郁傾向?qū)?duì)數(shù)收入的系數(shù)為﹣0.07，這意味著抑郁傾向得分每增加1分，對(duì)數(shù)收入會(huì)減少0.07，相當(dāng)于對(duì)數(shù)收入的0.02個(gè)標(biāo)準(zhǔn)偏移，說明抑郁傾向顯著減少了個(gè)人勞動(dòng)收入。但由于低收入在一定程度上會(huì)影響到勞動(dòng)者的生存境況和生活質(zhì)量、加重勞動(dòng)者的焦慮情緒和對(duì)工作生活的不滿意進(jìn)而引發(fā)抑郁傾向，即抑郁傾向與收入之間存在雙向因果關(guān)系，因而導(dǎo)致基本回歸模型結(jié)果存在偏差。為解決這一問題，我們?cè)诤罄m(xù)的分析中利用LASSO方法構(gòu)造工具變量，排除收入對(duì)抑郁傾向的反向因果干擾。此外，從基本回歸結(jié)果中還可以看出，控制變量中屬于個(gè)人背景的性別、年齡、受教育情況和居住地位于城市還是鄉(xiāng)村以及屬于家庭背景的子女個(gè)數(shù)也對(duì)收入具有顯著影響。

除了使用勞動(dòng)收入作為被解釋變量用以識(shí)別抑郁傾向的影響外，本文出于回歸的穩(wěn)健性考慮，對(duì)被解釋變量進(jìn)行了變量重設(shè)。對(duì)個(gè)人來說，工作是獲得勞動(dòng)收入的最重要的途徑，工資也是勞動(dòng)收入中最重要的部分，因而可以用受訪者是否就業(yè)作為替代變量，利用Logit模型和Probit模型進(jìn)行回歸分析。相關(guān)回歸結(jié)果如表3所示。表3中（1）列表示Probit模型單變量回歸結(jié)果，（2）列表示Probit模型中加入控制變量和地區(qū)固定效應(yīng)后的回歸結(jié)果。第（3）列為Logit模型單變量回歸結(jié)果，第（4）列為Logit模型中加入控制變量和地區(qū)固定效應(yīng)后的回歸結(jié)果。從邊際效應(yīng)看出，在兩種模型中，抑郁傾向?qū)趧?dòng)參與都具有顯著的負(fù)影響。抑郁得分每增加一分，個(gè)人參與勞動(dòng)的概率將減少0.034，在考慮到控制變量和地區(qū)固定效應(yīng)的影響情況下，個(gè)人參與勞動(dòng)的概率將減少0.026。穩(wěn)健性檢驗(yàn)結(jié)果表明抑郁傾向?qū)@著降低個(gè)人參與勞動(dòng)的意愿，因而會(huì)對(duì)個(gè)人收入產(chǎn)生負(fù)面影響。這與基本回歸模型的結(jié)論一致。說明本文的結(jié)論具有穩(wěn)健性，并不隨著變量和模型的改變而變化。

（二）內(nèi)生性問題及識(shí)別策略

由于個(gè)人情緒狀況與收入之間通常存在著較為明顯的雙向因果關(guān)系（羅楚亮，2009；魯元平、王韜，2010），因此在進(jìn)行抑郁傾向?qū)τ趧趧?dòng)收入的因果識(shí)別時(shí)面臨著潛在的內(nèi)生性問題。為了解決此類問題，目前相關(guān)研究大都使用工具變量法以得到更為準(zhǔn)確的估計(jì)結(jié)果。前述文獻(xiàn)綜述中對(duì)于現(xiàn)有文獻(xiàn)中的工具變量進(jìn)行了概括，指出童年時(shí)期患有心理疾病的經(jīng)歷、在接受調(diào)查前三個(gè)月的心理健康狀況、前期的抑郁傾向、父母的心理疾病史、過去一年是否有親密朋友去世、宗教信仰、社會(huì)支持、體育鍛煉頻率和壓力事件等均可被用作個(gè)人抑郁狀況的工具變量用以衡量。如此眾多的工具變量足以說明目前的實(shí)證文獻(xiàn)中關(guān)于工具變量的選擇實(shí)際上缺乏統(tǒng)一標(biāo)準(zhǔn)。Belloni et al.（2012）在利用機(jī)器學(xué)習(xí)中的LASSO回歸進(jìn)行工具變量選擇的時(shí)候同樣指出，目前實(shí)證研究中采用的工具變量大多依靠直覺設(shè)立，這種依靠先驗(yàn)的判斷而非一定的客觀標(biāo)準(zhǔn)來選擇工具變量的方法通常無法保證估計(jì)結(jié)果的準(zhǔn)確度。尤其是在存在較多可供選擇的工具變量時(shí)，一些工具變量的估計(jì)結(jié)果理應(yīng)優(yōu)于另外一些工具變量的估計(jì)結(jié)果，然而傳統(tǒng)的計(jì)量經(jīng)濟(jì)學(xué)方法往往對(duì)這些工具變量的有效性缺乏衡量的標(biāo)準(zhǔn)。

在進(jìn)行工具變量回歸時(shí)，本文參考Belloni et al.（2012）的做法，對(duì)于第一階段進(jìn)行LASSO回歸，選擇對(duì)內(nèi)生解釋變量影響最大的外生變量作為工具變量，以保證本文使用的工具變量具有盡可能好的準(zhǔn)確性。具體來說，本文使用的工具變量及相關(guān)定義見表4。

值得一提的是，關(guān)于社會(huì)支持的定義中，Hamilton et al.（1997）和Ojeda et al.（2009）均提到使用一組相關(guān)問題加總的方式來匯總計(jì)算社會(huì)支持得分，但是計(jì)算加總得分的方式忽略了不同問題可能對(duì)抑郁傾向的影響能力不同的情況，容易使得工具變量的預(yù)測(cè)能力下降，因此本文利用LASSO方法直接篩選出其中對(duì)于抑郁傾向預(yù)測(cè)能力最強(qiáng)的變量作為工具變量。此外，由于各解釋變量可能并非是與抑郁狀況直接相關(guān)，而是通過變量間相互作用的方式才對(duì)抑郁狀況產(chǎn)生影響，因此交互項(xiàng)的引入可以擴(kuò)大工具變量的選擇范圍，在較大程度上提高工具變量第一階段的準(zhǔn)確性。圖1和圖2分別表示了在不考慮交乘項(xiàng)以及考慮交乘項(xiàng)時(shí)工具變量篩選的結(jié)果。根據(jù)前述定義，us值越高，意味著該變量在對(duì)抑郁傾向的解釋中越重要，因此本文在工具變量回歸中分別使用圖1和圖2中篩選出來的對(duì)抑郁傾向解釋能力最強(qiáng)的外生變量作為工具變量，相關(guān)結(jié)果匯報(bào)在表5中。

表5中的（1）-（3）列是利用已有文獻(xiàn)中的工具變量得到的回歸結(jié)果，（4）和（5）列則是使用LASSO方法篩選出的工具變量得到的回歸結(jié)果。從回歸結(jié)果中可以看出，利用已有文獻(xiàn)中的工具變量進(jìn)行第一階段回歸時(shí)Cragg-F值均小于10，存在弱工具變量問題，從而使得第二階段結(jié)構(gòu)式的估計(jì)存在較大的偏差。因此，為了提升工具變量在第一階段的估計(jì)性能，本文使用LASSO方法篩選得到外生變量social_2作為工具變量，得到（4）列的估計(jì)結(jié)果，可以看出第一階段的Cragg-F值得到了顯著提升，達(dá)到40.028，同時(shí)第二階段結(jié)構(gòu)式估計(jì)中參數(shù)的標(biāo)準(zhǔn)差也大大減小，意味著工具變量估計(jì)結(jié)果的準(zhǔn)確度有較大的提升。此外，（4）列的估計(jì)結(jié)果也表明在克服內(nèi)生性問題的情況下，抑郁傾向依然對(duì)個(gè)人收入存在顯著的負(fù)向影響。在考慮了對(duì)單變量進(jìn)行工具變量篩選后，本文還使用LASSO方法對(duì)表4中的11個(gè)外生變量及其兩兩交乘項(xiàng)共計(jì)66個(gè)變量進(jìn)行篩選，得到變量social_1和social_2的交乘項(xiàng)對(duì)抑郁傾向的解釋能力最強(qiáng)，因此本文使用兩者交乘得到的變量social_1_2作為工具變量進(jìn)行參數(shù)估計(jì)，所得到的結(jié)果匯報(bào)在（5）列中。從中可以看出，在使用第一階段解釋能力更強(qiáng)的工具變量后，抑郁傾向?qū)€(gè)人收入的影響依然顯著為負(fù)，而第一階段的Cragg-F值得到了進(jìn)一步的提高，達(dá)到48.552，同時(shí)第二階段結(jié)構(gòu)式估計(jì)中參數(shù)的標(biāo)準(zhǔn)差也相對(duì)小于（4）列中的估計(jì)結(jié)果，因此本文后續(xù)使用交乘變量social_1_2作為工具變量，進(jìn)行異質(zhì)性分析中的參數(shù)估計(jì)。

（三）異質(zhì)性分析

在中共中央、國務(wù)院于2016年頒布實(shí)施的《“健康中國2030”規(guī)劃綱要》中，明確提出“要堅(jiān)持共建共享、全民健康……突出解決好婦女兒童、老年人、殘疾人、流動(dòng)人口、低收入人群等重點(diǎn)人群的健康問題”。通常來說，個(gè)人背景往往決定了個(gè)體受抑郁傾向的影響程度，而了解不同群體對(duì)于抑郁問題的敏感程度，有利于更加準(zhǔn)確地制定相關(guān)政策，用以針對(duì)特定人群開展社會(huì)保障工作。

由于生活環(huán)境和工作背景不同，城市勞動(dòng)者與農(nóng)村勞動(dòng)者在勞動(dòng)收入（羅楚亮等，2018；陳浩等，2016）和社會(huì)保障等方面存在差異，受心理疾病和抑郁傾向影響的可能性和程度也存在差異。考慮到這一點(diǎn)，本文對(duì)抑郁傾向?qū)€(gè)人勞動(dòng)收入的城鄉(xiāng)異質(zhì)性效應(yīng)進(jìn)行了檢驗(yàn)，表6顯示了分析結(jié)果?？梢钥闯?，無論是城市樣本還是農(nóng)村樣本，抑郁傾向?qū)κ杖刖a(chǎn)生顯著的負(fù)面影響。對(duì)于城市樣本，抑郁傾向每增加1分，對(duì)數(shù)收入將減少1.531，相當(dāng)于對(duì)數(shù)收入的0.210個(gè)標(biāo)準(zhǔn)偏移，而對(duì)于農(nóng)村樣本，抑郁傾向每增加1分，對(duì)數(shù)收入將減少2.376，相當(dāng)于對(duì)數(shù)收入的0.326個(gè)標(biāo)準(zhǔn)偏移。因此，抑郁傾向?qū)κ杖氲呢?fù)向影響在農(nóng)村居民身上更加明顯，一個(gè)可能的解釋是，相對(duì)于城市居民，農(nóng)村居民對(duì)于個(gè)人的心理健康狀況給予的關(guān)注更少，當(dāng)面臨心理健康問題時(shí)難以通過有效途徑減少其對(duì)個(gè)人生活產(chǎn)生的負(fù)面影響，因而會(huì)使得其抑郁傾向?qū)κ杖刖哂懈黠@的負(fù)面影響。

此外，受“男主外，女主內(nèi)”的傳統(tǒng)觀念的影響，在目前的社會(huì)勞動(dòng)分工中，男性從事的工作多為外向型的，需要更多地進(jìn)入到社會(huì)環(huán)境中或者與外界建立更多的聯(lián)系，而女性則更多地承擔(dān)了照顧家庭的責(zé)任，在擇業(yè)時(shí)也會(huì)考慮到兼顧家庭的需要。工作屬性的不同導(dǎo)致了男性和女性的勞動(dòng)收入受抑郁傾向的影響存在差異。表7中顯示了抑郁傾向?qū)趧?dòng)收入影響的性別異質(zhì)性分析結(jié)果。結(jié)果顯示，抑郁傾向?qū)δ行詷颖镜氖杖刖哂酗@著的負(fù)面影響，抑郁傾向每增加1分，男性對(duì)數(shù)收入將減少1.860，相當(dāng)于對(duì)數(shù)收入的0.255個(gè)標(biāo)準(zhǔn)偏移，而對(duì)女性樣本的收入的影響則相對(duì)較弱，這與高晶晶等學(xué)者（2018）的研究結(jié)果一致。出現(xiàn)這種現(xiàn)象的原因在于，平均來說，男性要承擔(dān)養(yǎng)家糊口的重任，比女性承受的工作壓力更大，且工作屬性決定了男性的社交需求也更大，因此其勞動(dòng)受抑郁傾向的影響也更顯著，所以勞動(dòng)收入下降更大。

在出現(xiàn)抑郁傾向時(shí)及時(shí)察覺并采取有效的措施，對(duì)避免和緩解抑郁傾向?qū)ψ陨碓斐傻牟焕绊懢哂兄匾饔?。而通常情況下，受教育程度越高的勞動(dòng)者，其知識(shí)儲(chǔ)備和獲取知識(shí)的能力相對(duì)也越高。抑郁傾向?qū)Σ煌芙逃降膭趧?dòng)者的影響可能存在差異。同時(shí)，受教育程度較高的勞動(dòng)者，其從事的工作多為腦力勞動(dòng)，而受教育程度越低的勞動(dòng)者，其從事的勞動(dòng)多為體力勞動(dòng)，抑郁傾向?qū)δX力勞動(dòng)和體力勞動(dòng)的影響也可能存在差異。因而本文按照是否具有高中學(xué)歷，將全體樣本分成了高中以下學(xué)歷和高中及以上兩組，考察抑郁傾向?qū)Σ煌芙逃降膭趧?dòng)者收入的影響的差異。表8顯示了分析結(jié)果。從結(jié)果來看，抑郁傾向?qū)Ω咧幸韵聦W(xué)歷的人群的收入具有顯著的負(fù)效應(yīng)，抑郁傾向得分每增加1分，對(duì)數(shù)收入減少2.428，相當(dāng)于對(duì)數(shù)收入的0.333個(gè)標(biāo)準(zhǔn)偏移，而抑郁傾向?qū)Ω咧屑耙陨蠈W(xué)歷人群的收入并無顯著影響。上述結(jié)果說明抑郁傾向?qū)w力勞動(dòng)的影響更為顯著，且高中及以上學(xué)歷人群由于受教育程度更高，能夠更及時(shí)地察覺到自己存在抑郁傾向，并且能夠更主動(dòng)和更有效地采取恰當(dāng)?shù)拇胧?，如自我排解或者尋求心理醫(yī)生的幫助等，降低抑郁傾向?qū)€(gè)人勞動(dòng)能力和勞動(dòng)收入的影響。

由于不同年齡階段的勞動(dòng)者成長環(huán)境不同、在社會(huì)勞動(dòng)中的分工不同，因此受抑郁傾向的影響應(yīng)當(dāng)也會(huì)存在差異。面對(duì)抑郁癥人群逐漸向低齡化發(fā)展的趨勢(shì)，分析其對(duì)不同年齡段群體的勞動(dòng)收入影響具有十分重要的意義。本文以44歲為分界線，將全樣本分為44歲及以下的青年組和44歲以上的中老年組，考察了抑郁傾向?qū)Σ煌挲g階段的勞動(dòng)者收入的影響，如表9所示。抑郁傾向?qū)δ挲g在44歲及以下的青年組具有顯著的負(fù)面效應(yīng)，抑郁傾向得分每增加1分，對(duì)數(shù)收入減少2.589，相當(dāng)于對(duì)數(shù)收入的0.355個(gè)標(biāo)準(zhǔn)偏移，而對(duì)年齡在44歲以上的中老年組則沒有顯著的影響。這可能是因?yàn)榕c父輩相比，青年一代雖然擁有優(yōu)越的生活條件和成長環(huán)境，但在急速變遷的時(shí)代其面臨的風(fēng)險(xiǎn)和不確定性也隨之增加，在難以形成有效舒緩機(jī)制的情況下，其受抑郁傾向的影響更為顯著。

（四）機(jī)制分析

已有的研究結(jié)果表明，抑郁傾向主要通過兩種途徑影響個(gè)人勞動(dòng)收入：其一，抑郁傾向作為一種心理疾病，會(huì)對(duì)患者的精神狀況及身體狀況產(chǎn)生影響。由心理健康問題導(dǎo)致的缺勤會(huì)影響員工的工作進(jìn)展和工作質(zhì)量，長期欠佳的精神狀況也會(huì)影響員工的工作能力和處理日常事務(wù)的能力，降低員工的決策能力和溝通能力，從而導(dǎo)致效率損失，并導(dǎo)致勞動(dòng)收入下降（Lerner et.al， 2005； Goetzel et.al， 2002； Evans-Lacko， 2016）。其二，抑郁傾向會(huì)導(dǎo)致心情沮喪，加深對(duì)現(xiàn)實(shí)生活的失望和不滿，降低患者的社交意愿和能力，并通過影響患者的社交關(guān)系進(jìn)而影響患者的勞動(dòng)供給行為與勞動(dòng)收入（Mullahy and Sindelar， 1993；Souvik B. et.al， 2017）。

為進(jìn)一步考察和驗(yàn)證抑郁傾向?qū)€(gè)人勞動(dòng)收入的影響機(jī)制，在參考已有研究的基礎(chǔ)上，本文選用了受訪者的自評(píng)人際關(guān)系得分、受訪者的社交意愿及受訪者的運(yùn)動(dòng)能力三個(gè)變量作為機(jī)制變量進(jìn)行回歸分析。其中，自評(píng)人際關(guān)系得分、社交意愿可通過影響受訪者的社交關(guān)系網(wǎng)絡(luò)和所擁有的社會(huì)資本狀況來影響受訪者的勞動(dòng)收入，受訪者的運(yùn)動(dòng)能力則直接通過影響受訪者的勞動(dòng)能力來影響其收入。

表10的（1）列顯示了抑郁傾向?qū)κ茉L者自評(píng)人際關(guān)系得分的回歸結(jié)果。（2）列顯示了抑郁傾向?qū)κ茉L者社交意愿的回歸結(jié)果，（3）列顯示了抑郁傾向?qū)κ茉L者運(yùn)動(dòng)能力的回歸結(jié)果?？梢钥闯?，抑郁傾向與受訪者的自評(píng)人際關(guān)系得分、社交意愿具有顯著的負(fù)相關(guān)關(guān)系，與缺乏運(yùn)動(dòng)能力具有顯著的正相關(guān)關(guān)系。說明抑郁傾向越高，受訪者的自評(píng)人際關(guān)系得分越低，社交意愿也越低，而運(yùn)動(dòng)能力的受損程度也越高。由于抑郁傾向會(huì)使得人們對(duì)自身及他人抱有消極態(tài)度，加深自卑感及對(duì)人際交往的恐懼感，從而影響人們的社交關(guān)系網(wǎng)絡(luò)以及社會(huì)資本的形成與積累，同時(shí)，當(dāng)抑郁傾向加重時(shí)會(huì)影響到人們的身體機(jī)能，從而降低人們的運(yùn)動(dòng)和勞動(dòng)能力。在上述社會(huì)資本與勞動(dòng)能力受到雙重?fù)p害的情況下，抑郁傾向會(huì)使得個(gè)人的勞動(dòng)收入出現(xiàn)顯著下降。此外，從回歸結(jié)果的顯著性水平還可以看出，抑郁傾向?qū)ψ栽u(píng)人際關(guān)系得分和運(yùn)動(dòng)能力的影響都在1%的水平上顯著，而對(duì)社交意愿的影響只在10%的水平上顯著，說明相比于社交意愿，抑郁傾向影響人們的人際關(guān)系和運(yùn)動(dòng)能力進(jìn)而影響到勞動(dòng)收入是更為主要和顯著的傳導(dǎo)機(jī)制。

四、結(jié) 論

運(yùn)用2010年中國家庭追蹤調(diào)查數(shù)據(jù)，本文就抑郁傾向?qū)趧?dòng)收入的影響展開研究，以便更精確地了解和把握當(dāng)下日益突出的抑郁癥問題對(duì)個(gè)人和社會(huì)產(chǎn)生的影響。結(jié)果顯示，抑郁傾向顯著地降低了個(gè)人的勞動(dòng)收入。同時(shí)，在使用勞動(dòng)參與替代勞動(dòng)收入運(yùn)用Proit和Logit兩種模型進(jìn)行穩(wěn)健性檢驗(yàn)時(shí)，結(jié)果與基本回歸結(jié)果一致，即抑郁傾向顯著降低了個(gè)人的勞動(dòng)參與狀況，說明本文的研究結(jié)論不隨解釋變量和模型設(shè)定的變化而改變。此外，為了克服勞動(dòng)收入與抑郁傾向之間潛在的雙向因果關(guān)系帶來的內(nèi)生性問題，本文使用LASSO回歸方法篩選工具變量，相比于傳統(tǒng)的工具變量法得到了更為準(zhǔn)確、精確度更高的因果識(shí)別結(jié)果。在異質(zhì)性分析方面，本文從城鄉(xiāng)、性別、年齡和受教育情況四個(gè)方面來討論，從而保證本文的結(jié)果能夠?qū)σ钟魞A向的異質(zhì)性效應(yīng)得到比較全面的探索。從城鄉(xiāng)差異來看，抑郁傾向城鄉(xiāng)居民的收入的影響都顯著為負(fù)，但對(duì)農(nóng)村居民的影響程度更大。從性別差異來看，抑郁傾向?qū)δ行允杖氲挠绊戯@著為負(fù)，而對(duì)女性收入的影響則相對(duì)較小。從年齡差異來看，抑郁傾向?qū)η嗄耆后w收入的影響顯著為負(fù)，對(duì)中老年群體收入的影響并不顯著。從受教育情況差異來看，抑郁傾向?qū)Ω咧幸韵碌牡蛯W(xué)歷群體具有顯著的影響，而對(duì)高中及以上學(xué)歷的相對(duì)高學(xué)歷群體并沒有顯著的影響。出現(xiàn)上述差異的原因主要是，不同類型的個(gè)體所面臨的壓力、成長環(huán)境和承受能力、社交需求狀況以及緩解和控制抑郁傾向方面的能力存在差異，從而導(dǎo)致了抑郁傾向?qū)€(gè)體收入的影響程度存在著一定的差別。

綜上，在中國經(jīng)濟(jì)高速增長的過程中，心理健康狀況仍然對(duì)個(gè)人的勞動(dòng)參與和工作收入產(chǎn)生著明顯的影響。在參考國家《“健康中國2030”規(guī)劃綱要》的基礎(chǔ)上，本文認(rèn)為政府應(yīng)當(dāng)高度重視抑郁傾向?qū)€(gè)人和社會(huì)帶來的不利影響，加大全民心理健康科普宣傳力度，加強(qiáng)對(duì)抑郁癥、焦慮癥等常見精神障礙和心理行為問題的干預(yù)，加大對(duì)重點(diǎn)人群心理問題早期發(fā)現(xiàn)和及時(shí)干預(yù)力度，積極幫助和引導(dǎo)具有抑郁傾向的人們降低和擺脫抑郁帶來的困擾和危害，尤其需要重點(diǎn)關(guān)注農(nóng)村居民以及受教育程度較低的青年群體，從而在全面建成小康社會(huì)的新時(shí)期，防止由于抑郁傾向而導(dǎo)致的貧困問題的發(fā)生，切實(shí)提升人民群眾的幸福感，使人民群眾充分享受到高質(zhì)量的生活。此外，對(duì)于罹患抑郁癥等心理疾病的相關(guān)人群，也應(yīng)當(dāng)建立起較為長效和針對(duì)性的醫(yī)療保障、社會(huì)保障機(jī)制，加強(qiáng)市級(jí)統(tǒng)籌，制度設(shè)計(jì)以控制抑郁癥治療費(fèi)用上漲（付明衛(wèi)等，2020），減輕抑郁傾向?qū)€(gè)人帶來的經(jīng)濟(jì)壓力，從而大幅提高全民健康水平。

參考文獻(xiàn)

[1] 陳浩，孫斌棟. 工資水平、就業(yè)機(jī)會(huì)與人口流動(dòng)——基于分位數(shù)回歸的實(shí)證分析[J].產(chǎn)業(yè)經(jīng)濟(jì)評(píng)論，2016（05）：105-115.

[2] 付明衛(wèi)，王普鶴，趙嘉珩，朱恒鵬. 市級(jí)統(tǒng)籌、制度設(shè)計(jì)與醫(yī)?？刭M(fèi)[J]. 產(chǎn)業(yè)經(jīng)濟(jì)評(píng)論，2020（06）：53-69.

[3] 高晶晶，朱逸杉，王霞. 抑郁傾向?qū)χ袊欣夏耆后w勞動(dòng)參與的影響——基于CHARLS面板數(shù)據(jù)的實(shí)證分析[J]. 勞動(dòng)經(jīng)濟(jì)研究，2018，6（1）：63-80.

[4] 羅楚亮，曹思未. 地區(qū)差距與中國居民收入差距（2002-2013）[J].產(chǎn)業(yè)經(jīng)濟(jì)評(píng)論，2018（03）：35-53.

[5] 羅楚亮. 絕對(duì)收入、相對(duì)收入與主觀幸福感——來自中國城鄉(xiāng)住戶調(diào)查數(shù)據(jù)的經(jīng)驗(yàn)分析[J].財(cái)經(jīng)研究， 2009，35（11）：79-91.

[6] 魯元平，王韜. 主觀幸福感影響因素研究評(píng)述[J].經(jīng)濟(jì)學(xué)動(dòng)態(tài)，2010（5）：125-130.

[7] Agnew R. Foundation for A General Strain Theory of Crime and Delinquency[J]. Criminology， 1992， 30（1）， 47-88.

[8] Alexandre P， Michael F. Labor Supply of Poor Residents in Metropolitan Miami， Florida： The Role of Depression and The Co-morbid Effects of Substance Use[J]. Journal of Mental Health Policy Economics， 2001， 4（4）， 161-173.

[9] Athey S， Wager S. Estimating Treatment Effects with Causal Forests： An Application. [J]， arXiv preprint， 2019， arXiv：2001.09887.

[10] Banerjee S， Chatterji P， Lahiri K. Effects of Psychiatric Disorders on Labor Market Outcomes： A Latent Variable Approach Using Multiple Clinical Indicators[J]. Health Economics， 2015， 26： 184-205

[11] Belloni A， Chen D， Chernozhukov V， et al. Sparse Models and Methods for Optimal Instruments with An Application to Eminent Domain[J]. Econometric， 2012， 80（6）： 2369-2429.

[12] Bruce M， Takeuchi DT ， Leaf P. Poverty and Psychiatric Status： Longitudinal Evidence From the New Haven Epidemiologic Catchment Area Study[J]. Arch Gen Psychiatry， 1991， 48（5）：470-474.

[13] Chatterji P ， Margarita a， Lu M， et al. Psychiatric Disorders and Labor Market Outcomes： Evidence from the National Latino and Asian American Study[J]. Health Economics， 2007，16（10） ：1069-1690.

[14] Chernozhukov V， Hansen C， SPINDLER M. Valid Post-Selection and Post-Regularization Inference： An Elementary， General Approach[J]. Annual Review of Economics， 2015， 7（1）：649-688.

[15] Doshi J， Cen L， Daniel P. Depression and Retirement in Late Middle-Aged U.S. Workers[J]. Health Services Research， 2008， 43（2）： 693-713.

[16] Doudchenko N， Imbens G. Balancing， Regression， Difference-In-Differences and Synthetic Control Methods： A Synthesis[J]. Nber Working Papers， 2016.

[17] Ettner S， Richard G， Ronald C. The Impact of Psychiatric Disorders on Labor Market Outcomes[J]. Industrial and Labor Relations Review， 1997， 51（1）： 64–81.

[18] Evans-Lacko S， Knapp M. Global patterns of workplace productivity for people with depression： absenteeism and presenteeism costs across eight diverse countries[J]. Soc Psychiatry Psychiatr Epidemiol， 2016， 51（11）：1525-1537.

[19] Frijters P， Johnston D， Shields M. Mental Health and Labour Market Participation： Evidence from IV Panel Data Models[J]. IZA Discussion Papers， 2010.

[20] Goetzel R， Ozminkowski R， Sederer L， et al. The business case for quality mental health services： Why employers should care about the mental health and well-being of their employees[J]. Journal of Occupational & Environmental Medicine， 2002， 44（4）：320-330.

[21] Hamilton V， Merrigan P， Dufresne E. Down and out： estimating the relationship between mental health and unemployment[J]. Health Economics， 1997， 6（4）：397-406.

[22] Hendershott A. Residential Mobility， Social Support， and Adolescent Self-Concept[J]. Adolescence， 1989， 24（93）：217-232.

[23] Hollingshead A， Redlich F. Social Class and Mental Illness： A Community Study[J]. American Journal of Public Health， 2007， 97（10）：1756-1757.

[24] Holzer C， Shea B， Swanson J， et al. The increased risk for specific psychiatric disorders among persons of low socioeconomic status[J]. The American journal of social psychiatry， 1986， 6（4）：259-271.

[25] Karpansalo M， Kauhanen J， LAKKA T， et al. Depression and early retirement： prospective population based study in middle aged men[J]. J Epidemiol Community Health， 2005， 59（1）：70-74.

[26] Kessler R， Akiskal H， Ames M， et al. Prevalence and Effects of Mood Disorders on Work Performance in a Nationally Representative Sample of U.S. Workers[J]. American Journal of Psychiatry， 2006， 163（9）：1561-1568.

[27] Lerner D， Adler D， Chang H， et al. Unemployment， Job Retention， and Productivity Loss Among Employees With Depression[J]. Psychiatric Services， 2005， 55（12）：1371-1378.

[28] Marcotte D， Wilcox-Gok V， Redmon D. The Labor Market Effects of Mental Illness： The Case of Affective Disorders[J]. Research in Human Capital & Development， 2000， 13：181-210.

[29] Mullahy J， Sindelar J. Alcoholism， work and income[J]. Journal of Labor Economics， 1993， 11： 494–520.

[30] Mullainathan S， Spiess J. Machine Learning： An Applied Econometric Approach[J]. Journal of Economic Perspectives， 2017， 31（2）：87-106.

[31] Mushkin S. Health as an Investment[J]. Journal of Political Economy， 1962， 70（5）： 129-157.

[32] Oishi S， Talhelm T. Residential Mobility： What Psychological Research Reveals[J]. Current Directions in Psychological Science， 2012， 21（6）：425-430.

[33] Ojeda V， Richard G， Thomas G， et al. Mental Illness， Nativity， Gender and Labor Supply[J]. Health Economics， 2009， 19（4）： 396-421.

[34] Raviv A， Keinan G， Yehuda A， et al. Moving as A Stressful Life Event for Adolescents[J]. Journal of Community Psychology， 1990， 18（2）： 130–140.

[35] Shi X， Wang K， Cheong T， et al. Prioritizing driving factors of household carbon emissions： An application of the LASSO model with survey data[J]. Energy Economics， 2020， 92： 1-13.

[36] World Health Organizaiton. World Health Statistics 2019： Monitoring health for the SDGs[R]. Geneva： WHO， 2019.

The Effect of Depression on Labor Income： Instrumental Variable Identification Based on LASSO Regression XIAOMING ZHANG

（School of Public Policy & Management， Tsinghua University）

DI XIANG

（School of Economics， University of Chinese Academy of Social Sciences）

SHENGLONG LIU

（Institute for China Study， Tsinghua University）

Abstract： This paper uses the data from China Family Panel Studies 2010（CFPS 2010） to empirically test the impact of residents depression tendency on labor income. The results show that depression tendency can significantly reduce residents labor income， and has a negative impact on individual employment. In order to solve the endogenous problem caused by the reverse causal relationship between personal mental status and income， this paper uses machine learning method to screen instrumental variables， which makes the estimation results of instrumental variables more accurate than traditional methods， and further verifies the negative impact of depression tendency on personal labor income. Heterogeneity analysis shows that male individuals， individuals in rural areas and young individuals are more seriously affected by depression tendency， and the decline of income is more significant. The improvement of education level can reduce the negative impact of depression tendency on income to a certain extent. Mechanism analysis shows that depressive tendency affects personal labor participation and income by inhibiting personal social ability and willingness and damaging personal labor ability.

Key Words： machine learning； labor income； instrumental variable； depression

〔執(zhí)行編輯：劉自敏〕