養(yǎng)老保險降費(fèi)改革的經(jīng)濟(jì)效應(yīng)評估

[摘 要：近年來，我國開展大規(guī)模減稅降費(fèi)，評估降費(fèi)改革的經(jīng)濟(jì)效應(yīng)是未來持續(xù)深化改革的重要依據(jù)。本文基于2019年養(yǎng)老保險降費(fèi)政策的準(zhǔn)自然實驗，以中國A股上市企業(yè)為樣本，使用事件研究法，分析了養(yǎng)老保險降費(fèi)改革對企業(yè)市場價值的影響。研究發(fā)現(xiàn)，降費(fèi)后，實驗組企業(yè)的市場價值提升了2 000億—3 100億元，該結(jié)果在排除一系列同時期事件的影響后仍然穩(wěn)健。機(jī)制分析表明，養(yǎng)老保險降費(fèi)對企業(yè)市場價值存在繳費(fèi)負(fù)擔(dān)效應(yīng)、繳費(fèi)轉(zhuǎn)嫁效應(yīng)和征管預(yù)期效應(yīng)。進(jìn)一步分析表明，養(yǎng)老保險降費(fèi)改革導(dǎo)致養(yǎng)老保險基金收入損失約為3 800億—4 800億元，經(jīng)過納入非上市企業(yè)收益數(shù)據(jù)的綜合測算后，養(yǎng)老保險降費(fèi)改革促使企業(yè)市場價值提升了4 000億—6 000億元，養(yǎng)老保險降費(fèi)改革帶來的所有企業(yè)價值提升能夠彌補(bǔ)其給政府帶來的收入損失。本文揭示了養(yǎng)老保險降費(fèi)改革對企業(yè)市場價值的影響機(jī)制，對認(rèn)識和推動我國養(yǎng)老保險繳費(fèi)制度改革提供了一定的決策參考。

關(guān)鍵詞：養(yǎng)老保險；降費(fèi)改革；市場價值；事件研究法

中圖分類號：F840.67文獻(xiàn)標(biāo)識碼：A文章編號：1000?176X（2023）04?0058?14 ]

一、問題的提出

2019年《政府工作報告》指出，“下調(diào)城鎮(zhèn)職工基本養(yǎng)老保險單位繳費(fèi)比例，各地可降至16%”。這是自1997年以來，職工養(yǎng)老保險經(jīng)歷的最大規(guī)模的繳費(fèi)改革。黨的二十大報告指出，“多層次社會保障體系更加健全”是未來五年的主要目標(biāo)任務(wù)之一，要“健全基本養(yǎng)老、基本醫(yī)療保險籌資和待遇調(diào)整機(jī)制”。持續(xù)深化養(yǎng)老基本保險繳費(fèi)（籌資）制度改革，仍是未來黨和國家的工作重點。對現(xiàn)有改革政策的評估，是未來持續(xù)深化改革的基礎(chǔ)。準(zhǔn)確評估此次降費(fèi)改革在企業(yè)層面的政策效應(yīng)，測算改革的成本和收益，對完善我國養(yǎng)老保險繳費(fèi)制度設(shè)計和深化未來養(yǎng)老保險制度改革，具有十分重要的意義。

養(yǎng)老保險繳費(fèi)率，是近年來我國大規(guī)模減稅降費(fèi)改革的重要組成部分。減稅降費(fèi)需要政府承擔(dān)較大的改革成本，因此，改革措施能否達(dá)到預(yù)期的政策效果引起學(xué)術(shù)界普遍關(guān)注。相關(guān)文獻(xiàn)主要集中在以下四個方面：第一，養(yǎng)老保險繳費(fèi)負(fù)擔(dān)對企業(yè)發(fā)展的影響。Yohei等［1］與馬雙等［2］認(rèn)為，企業(yè)養(yǎng)老保險繳費(fèi)負(fù)擔(dān)增加，會提高企業(yè)的勞動成本，減少就業(yè)。林靈和曾海艦［3］研究發(fā)現(xiàn)，養(yǎng)老保險繳費(fèi)負(fù)擔(dān)增加會擠出企業(yè)投資。趙健宇和陸正飛［4］與于新亮等［5］認(rèn)為，養(yǎng)老保險繳費(fèi)負(fù)擔(dān)增加會降低企業(yè)全要素生產(chǎn)率。許紅梅和李春濤［6］發(fā)現(xiàn)，養(yǎng)老保險繳費(fèi)負(fù)擔(dān)增加會提高企業(yè)的經(jīng)營性負(fù)債和違約概率。魏志華和夏太彪［7］則發(fā)現(xiàn)，社保繳費(fèi)負(fù)擔(dān)提高了避稅程度。第二，養(yǎng)老保險征管改革對企業(yè)的影響。唐玨和封進(jìn)［8-9］指出，養(yǎng)老保險征管改革后企業(yè)繳費(fèi)負(fù)擔(dān)增加，會降低企業(yè)的資本勞動比，導(dǎo)致企業(yè)進(jìn)入概率下降、退出概率提高。許紅梅和李春濤［10］發(fā)現(xiàn)，加強(qiáng)社保征管會降低企業(yè)避稅。沈永建等［11］基于2018年7月的社保征繳機(jī)構(gòu)改革事件，考察了養(yǎng)老保險征管與企業(yè)價值之間的關(guān)系，發(fā)現(xiàn)征管改革后，預(yù)期未來補(bǔ)交養(yǎng)老金越多的企業(yè)，市場價值下降越大。第三，養(yǎng)老保險降費(fèi)改革對企業(yè)的影響。宋弘等［12］與趙邵陽等［13］發(fā)現(xiàn)，2012年浙江省養(yǎng)老保險降費(fèi)提高了企業(yè)的社保參與率、社?？偫U費(fèi)支出、勞動力需求、人均薪資和投資水平。程煜等［14］指出，由于2016年養(yǎng)老保險降費(fèi)改革存在繳費(fèi)不實的情況，企業(yè)實際繳費(fèi)率的下降程度低于政策繳費(fèi)率的下降程度。任超然［15］則發(fā)現(xiàn)，2016年養(yǎng)老保險階段性降費(fèi)改革使上市公司新增投資顯著增加了1.6%—3.1%。臧文佼和章玉貴［16］研究發(fā)現(xiàn)，2019年養(yǎng)老保險降費(fèi)政策降低了企業(yè)成本粘性。趙海珠等［17］考察了2019年養(yǎng)老保險降費(fèi)改革的就業(yè)效應(yīng)，研究發(fā)現(xiàn)，養(yǎng)老保險降費(fèi)改革促進(jìn)了企業(yè)在線招聘崗位數(shù)量的增加。第四，我國養(yǎng)老保險降費(fèi)改革對養(yǎng)老保險基金收支的影響。曾益等［18］測算了2019年養(yǎng)老保險降費(fèi)率、征繳率和延遲退休對養(yǎng)老保險基金可持續(xù)性的影響。劉斌和林義［19］測算發(fā)現(xiàn)，企業(yè)養(yǎng)老保險繳費(fèi)率下降至16%后，至2050年養(yǎng)老保險基金當(dāng)期缺口預(yù)計達(dá)到7萬億元，累計缺口達(dá)76.8萬億元。楊再貴和陳肖華［20］認(rèn)為，降費(fèi)改革會導(dǎo)致未來財政壓力節(jié)節(jié)攀升，有必要建立財政支付壓力預(yù)警機(jī)制。景鵬等［21］則認(rèn)為，降費(fèi)改革不一定會增加財政壓力。另外，于新亮等［5］與曾益等［22］基于不同的假設(shè)測算了我國企業(yè)養(yǎng)老保險的最優(yōu)繳費(fèi)率。

綜上所述，現(xiàn)有文獻(xiàn)中有關(guān)養(yǎng)老保險降費(fèi)改革對企業(yè)影響的研究，大部分基于降費(fèi)改革前地區(qū)間或企業(yè)間的實際費(fèi)率差異，但是這種差異主要是企業(yè)內(nèi)生性選擇的結(jié)果，而非來自繳費(fèi)率的外生變化。征管體制改革雖然會帶來繳費(fèi)率的外生沖擊，但其是在法定繳費(fèi)率不變的情況下提高實際繳費(fèi)率，與降費(fèi)改革的邏輯并不相同。現(xiàn)有基于養(yǎng)老保險降費(fèi)改革的研究也沒有考察降費(fèi)對企業(yè)市場價值的影響。而且，現(xiàn)有文獻(xiàn)中關(guān)于養(yǎng)老保險降費(fèi)改革的研究，僅關(guān)注基金收支等制度內(nèi)參數(shù)，或者關(guān)注最優(yōu)繳費(fèi)率的測算，忽略了養(yǎng)老保險降費(fèi)改革對企業(yè)的影響。鑒于此，本文基于2019年養(yǎng)老保險降費(fèi)改革，使用事件研究法考察養(yǎng)老保險降費(fèi)改革對企業(yè)市場價值的影響。

本文可能的學(xué)術(shù)貢獻(xiàn)主要體現(xiàn)在以下兩個方面：第一，本文將相關(guān)研究拓展到養(yǎng)老保險降費(fèi)改革對企業(yè)市場價值的影響，為充分認(rèn)識養(yǎng)老保險降費(fèi)改革的影響提供了新的證據(jù)和視角。第二，本文提出并識別了養(yǎng)老保險降費(fèi)改革對企業(yè)市場價值產(chǎn)生影響的繳費(fèi)負(fù)擔(dān)效應(yīng)、繳費(fèi)轉(zhuǎn)嫁效應(yīng)和征管預(yù)期效應(yīng)三種作用機(jī)制，是對現(xiàn)有文獻(xiàn)的重要補(bǔ)充。

二、研究假設(shè)

養(yǎng)老保險繳費(fèi)率上升會對企業(yè)發(fā)展產(chǎn)生負(fù)面影響。馬雙等［2］研究發(fā)現(xiàn)，養(yǎng)老保險繳費(fèi)率上升會提高勞動力總成本，降低企業(yè)勞動雇傭量和生產(chǎn)規(guī)模。雖然唐玨和封進(jìn)［8］發(fā)現(xiàn)，養(yǎng)老保險繳費(fèi)負(fù)擔(dān)增加促使企業(yè)用資本替代低技能勞動，但是社保成本會嚴(yán)重擠占企業(yè)用于投資和技術(shù)進(jìn)步的資金，對企業(yè)投資和創(chuàng)新產(chǎn)生不利影響。例如，林靈和曾海艦［3］研究指出，養(yǎng)老保險繳費(fèi)負(fù)擔(dān)增加會顯著降低企業(yè)投資。趙健宇和陸正飛［4］研究發(fā)現(xiàn)，養(yǎng)老保險繳費(fèi)負(fù)擔(dān)增加會顯著減少企業(yè)創(chuàng)新，降低企業(yè)全要素生產(chǎn)率。可見，較高的養(yǎng)老保險繳費(fèi)負(fù)擔(dān)會損害企業(yè)價值，基于上述分析，筆者提出如下研究假設(shè)：

假設(shè)1：養(yǎng)老保險繳費(fèi)率的降低會提升企業(yè)的市場價值。

養(yǎng)老保險降費(fèi)可以降低企業(yè)的勞動力成本，提高企業(yè)的經(jīng)營利潤和現(xiàn)金流，進(jìn)而提高企業(yè)的市場價值，這即是養(yǎng)老保險降費(fèi)影響企業(yè)市場價值的繳費(fèi)負(fù)擔(dān)效應(yīng)。如果繳費(fèi)負(fù)擔(dān)效應(yīng)是存在的，則可以預(yù)期養(yǎng)老保險降費(fèi)對勞動密集度高的企業(yè)影響更大。因為企業(yè)勞動密集度越高，勞動成本對企業(yè)經(jīng)營利潤和現(xiàn)金流的影響越大，養(yǎng)老保險降費(fèi)對企業(yè)市場價值的影響也就越大。基于上述分析，筆者提出如下研究假設(shè)：

假設(shè)2：養(yǎng)老保險繳費(fèi)率越低，對勞動密集型企業(yè)市場價值的提升作用越大。即養(yǎng)老保險降費(fèi)存在繳費(fèi)負(fù)擔(dān)效應(yīng)。

在面臨養(yǎng)老保險高繳費(fèi)時，繳費(fèi)轉(zhuǎn)嫁能力不同的企業(yè)所承受的實際繳費(fèi)負(fù)擔(dān)不同。轉(zhuǎn)嫁能力越強(qiáng)的企業(yè)，越傾向于將繳費(fèi)成本轉(zhuǎn)嫁給員工。因而在養(yǎng)老保險降費(fèi)改革出臺后，轉(zhuǎn)嫁能力強(qiáng)的企業(yè)也更可能通過調(diào)整員工工資水平，與員工共同分享養(yǎng)老保險降費(fèi)改革的收益。對于轉(zhuǎn)嫁能力較弱的企業(yè)來說，在養(yǎng)老保險降費(fèi)改革前主要由企業(yè)承擔(dān)養(yǎng)老保險繳費(fèi)負(fù)擔(dān)，因而養(yǎng)老保險降費(fèi)帶來的勞動力成本下降和現(xiàn)金流節(jié)約收益，也主要留在企業(yè)中由企業(yè)獨享。封進(jìn)［23］研究發(fā)現(xiàn)，企業(yè)養(yǎng)老保險繳費(fèi)轉(zhuǎn)嫁能力受到員工的人力資本水平影響，企業(yè)可以將繳費(fèi)轉(zhuǎn)嫁給低教育水平或非技術(shù)型員工，而不能轉(zhuǎn)嫁給高教育水平或技術(shù)型員工。因此，企業(yè)高教育水平員工占比越高，繳費(fèi)轉(zhuǎn)嫁能力越弱，高教育水平員工占比越低，轉(zhuǎn)嫁能力越強(qiáng)。除了人力資本外，行業(yè)聚集程度也會影響企業(yè)繳費(fèi)轉(zhuǎn)嫁能力，因為行業(yè)聚集程度越高，企業(yè)面臨的競爭也越激烈，為了留住人才、保持競爭力，企業(yè)通常不能將社保繳費(fèi)轉(zhuǎn)嫁給員工。Li和Wu［24］發(fā)現(xiàn)，在行業(yè)聚集程度較高的地區(qū)，企業(yè)很難轉(zhuǎn)嫁社保繳費(fèi)負(fù)擔(dān)。劉行和趙曉陽［25］也認(rèn)為，公司數(shù)量較多、營收集中度較低的行業(yè)，企業(yè)轉(zhuǎn)嫁勞動成本的能力較差。基于上述分析，筆者提出如下研究假設(shè)：

假設(shè)3：企業(yè)轉(zhuǎn)嫁養(yǎng)老保險繳費(fèi)負(fù)擔(dān)的能力越弱，養(yǎng)老保險降費(fèi)對企業(yè)市場價值的提升作用越大。即養(yǎng)老保險降費(fèi)存在繳費(fèi)轉(zhuǎn)嫁效應(yīng)。

我國社保征繳存在社保部門征收和稅務(wù)部門征收兩種體制，并且由于稅務(wù)部門具有信息優(yōu)勢和更強(qiáng)的征繳能力，一般認(rèn)為稅務(wù)部門具有更強(qiáng)的繳費(fèi)征管能力。唐玨和封進(jìn)［26］研究指出，由稅務(wù)部門進(jìn)行社保繳費(fèi)征管，會顯著提高企業(yè)的實際繳費(fèi)率。趙靜等［27］與趙紹陽等［28］研究指出，我國企業(yè)普遍采取低報繳費(fèi)基數(shù)、逃避參保、中斷繳費(fèi)等方式逃避繳費(fèi)。因此，在我國養(yǎng)老保險繳費(fèi)遵從度低、養(yǎng)老基金償付能力面臨挑戰(zhàn)的背景下，政府大幅下調(diào)養(yǎng)老保險單位繳費(fèi)比率會產(chǎn)生一種預(yù)期，即政府可能從嚴(yán)征繳、提高繳費(fèi)遵從度，以彌補(bǔ)法定費(fèi)率下降對養(yǎng)老保險基金可持續(xù)性的威脅。如果市場產(chǎn)生征管加強(qiáng)的預(yù)期，會抵消降費(fèi)改革對企業(yè)價值的提升作用，且這種抵消作用應(yīng)該在征管強(qiáng)度較大的地區(qū)更強(qiáng)?；谏鲜龇治?，筆者提出如下研究假設(shè)：

假設(shè)4：社保征管能力較弱的地區(qū)，養(yǎng)老保險降費(fèi)對企業(yè)市場價值的提升作用較大。即養(yǎng)老保險降費(fèi)存在征管預(yù)期效應(yīng)。

三、研究設(shè)計

（一）數(shù)據(jù)與樣本說明

2019年3月5日，李克強(qiáng)總理在《政府工作報告》中指出，“下調(diào)城鎮(zhèn)職工基本養(yǎng)老保險單位繳費(fèi)比例，各地可降至16%”。2019年3月5日是股票交易日，股票市場當(dāng)天即對該信息作出反應(yīng)。因此，本文將事件日確定為2019年3月5日。本文A股上市企業(yè)股票市場價格數(shù)據(jù)、財務(wù)數(shù)據(jù)來自CSMAR數(shù)據(jù)庫、Wind數(shù)據(jù)庫和東方財富Choice數(shù)據(jù)庫；因子數(shù)據(jù)和無風(fēng)險利率數(shù)據(jù)來自中央財經(jīng)大學(xué)中國資產(chǎn)管理研究中心網(wǎng)站；各地區(qū)養(yǎng)老保險繳費(fèi)率數(shù)據(jù)來自51Labour網(wǎng)站、國務(wù)院官網(wǎng)和各地區(qū)人社廳（局）官網(wǎng)；各省市養(yǎng)老保險、醫(yī)療保險參保人數(shù)和基金收入數(shù)據(jù)來自歷年《中國統(tǒng)計年鑒》、人力資源和社會保障部官網(wǎng)和國家醫(yī)療保障局官網(wǎng)。

本文以所有A股上市企業(yè)為初始樣本，進(jìn)行如下篩選：（1）剔除ST、*ST股票；（2）剔除2018年2月1日以后IPO上市或借殼上市的股票，即剔除上市日期晚于估計窗口期開始前一個月的股票；（3）剔除2018年3月1日至2019年4月5日期間退市的股票；（4）剔除估計窗口期內(nèi)交易天數(shù)少于等于30個交易日，或事件窗口期［-2，4］內(nèi)交易天數(shù)少于7個交易日的股票。篩選后，樣本包含3 186家上市企業(yè)。首先，基于上市企業(yè)估計窗口期內(nèi)股票收益數(shù)據(jù)估計因子模型，獲得因子模型的參數(shù)估計量。其次，計算企業(yè)在事件窗口期的累計超額收益率。最后，獲得包含事件窗口期內(nèi)累計超額收益率、2018年末企業(yè)財務(wù)特征等變量的橫截面數(shù)據(jù)，樣本量為3 186。

（二）變量定義

1.被解釋變量

本文的被解釋變量是企業(yè)在事件日前后的累計超額收益率（Cumulative Abnormal Return，簡稱CAR）。為了計算CAR，首先，估計公司股票的正常收益。本文選擇市場模型、Fama-French三因子模型和Fama-French五因子模型三種預(yù)期收益率的估計模型，將事件日之前［-245，-3］窗口期，即事件日過去1年作為估計窗口期。事件日后第0、1、2日，養(yǎng)老保險繳費(fèi)率下降幅度不同的企業(yè)組之間單日超額收益率的差異顯著異于0。因此，參考Doidge和Dyck［29］的設(shè)定，選取［0，2］窗口期作為基準(zhǔn)模型的事件窗口期。同時，參考Berkowitz等［30］與劉行和葉康濤［31］的做法，選擇［0，1］、［0，4］、［-2，2］、［-2，4］窗口期作為穩(wěn)健性檢驗的事件窗口期。

2.解釋變量

本文的解釋變量為2019年養(yǎng)老保險降費(fèi)政策導(dǎo)致企業(yè)所在省市養(yǎng)老保險單位繳費(fèi)比率的下降幅度（[Treati]），取值空間為0、2、3、4，其中，變量取值為4表示養(yǎng)老保險繳費(fèi)比率下降4個百分點，以此類推。2019年全國各省市養(yǎng)老保險降費(fèi)幅度如表1所示。

3.機(jī)制變量

本文的機(jī)制變量包括：（1）企業(yè)勞動密集度（Labor_density），用員工工資總額/營業(yè)收入表示，并對該指標(biāo)進(jìn)行上下1%縮尾處理；（2）企業(yè)高教育水平員工占比（High_edu），分別用本科及以上學(xué)歷員工占比（High_edu1）和專科及以上學(xué)歷員工占比（High_edu2）兩種方式表示，數(shù)據(jù)來源于上市公司2018年年報披露的不同學(xué)歷員工人數(shù)；（3）行業(yè)聚集度，用行業(yè)企業(yè)數(shù)量（Num）和行業(yè)營業(yè)收入的赫芬達(dá)爾指數(shù)（HHI）衡量，其中，Num取值越大，說明行業(yè)聚集度越高，而HHI取值越大，說明行業(yè)聚集度越低；（4）社保征管強(qiáng)度（Shebao），如果企業(yè)所在省市社保繳費(fèi)由社保部門征收，取值為1，如果由稅務(wù)部門征收，則取值為0。

4.控制變量

借鑒Berkowitz等［30］的做法，本文控制變量包括：總資產(chǎn)（lnAsseti），用企業(yè)總資產(chǎn)的自然對數(shù)表示；負(fù)債（[Levi]），用企業(yè)的資產(chǎn)負(fù)債率表示；資產(chǎn)報酬（[ROAi]），用企業(yè)的總資產(chǎn)報酬率表示；賬面市值比（[PBi]），用企業(yè)賬面價值與股票的市場價值之比表示；托賓Q（Q），用企業(yè)的Tobin Q表示；現(xiàn)金流（[CFi]），用企業(yè)經(jīng)營活動產(chǎn)生的現(xiàn)金流量凈額與總資產(chǎn)之比表示。上述控制變量均采用2018年年末數(shù)據(jù)刻畫。

（三）模型設(shè)定

本文設(shè)定基準(zhǔn)回歸模型如下：

[CAR0，2i=γ0+γ1Treati+7j=2γjControli+Indk+εi]? ? ?（1）

其中，[CAR [0， 2] i]用[CAR [0， 2]MMi]、[CAR [0， 2]FF3i]和[CAR [0， 2]FF5i]衡量，分別表示基于市場模型、Fama-French三因子模型和Fama-French五因子模型計算出的企業(yè)[i]在［0，2］窗口期上累計超額收益率。[γ1]表示企業(yè)所在省市養(yǎng)老保險繳費(fèi)比率每下降1個百分點，事件窗口期內(nèi)企業(yè)市場價值的變化。[ε]表示隨機(jī)擾動項。由于最終樣本數(shù)據(jù)為橫截面數(shù)據(jù)，并且解釋變量是根據(jù)企業(yè)所在省市定義的，因此，參考Berkowitz等［30］與劉行和葉康濤［31］的設(shè)定，在回歸模型中沒有控制時間效應(yīng)和城市效應(yīng)，而是控制了行業(yè)固定效應(yīng)Indk。另外，考慮到相同省市面臨相同的養(yǎng)老保險法定繳費(fèi)率，本文所有估計系數(shù)的標(biāo)準(zhǔn)誤均為省份層面的聚類穩(wěn)健標(biāo)準(zhǔn)誤。

養(yǎng)老保險降費(fèi)對企業(yè)市場價值產(chǎn)生影響的機(jī)制檢驗?zāi)Ｐ腿缦拢?/p>

[CAR0，2i=γ0+γ1Treati+γ2Labor_densityi+β1Treati×Labor_densityi+8j=3γjControli+Indk+εi]? ? （2）

[CAR0，2i=γ0+γ1Treati+γ2Transferi+β1Treati×Transferi+8j=3γjControli+Indk+εi]? ? （3）

[CAR0，2i=γ0+γ1Treati+γ2Shebaoi+β1Treati×Shebaoi+8j=3γjControli+Indk+εi]? ? ?（4）

其中，Labor_density表示企業(yè)的勞動密集度；Transferi表示企業(yè)繳費(fèi)轉(zhuǎn)嫁能力，包括High_edu1、High_edu2、Num和HHI；Shebaoi表示企業(yè)所在地區(qū)的社保征管強(qiáng)度。

（四）描述性統(tǒng)計

主要變量的描述性統(tǒng)計結(jié)果如表2所示。

四、實證分析

（一）基準(zhǔn)回歸結(jié)果與分析

表3報告了基準(zhǔn)回歸的估計結(jié)果。表3列（1）—列（6）分別采用了不同的CAR估計模型。從表3可以看出，在所有的模型設(shè)定下，解釋變量Treat的估計系數(shù)均在1%或5%水平上顯著為正。這說明，降低養(yǎng)老保險法定繳費(fèi)率，通過降低企業(yè)用工成本，增加企業(yè)的經(jīng)營利潤和現(xiàn)金流，可以顯著提高企業(yè)的市場價值。表3列（2）、列（4）和列（6）中，R2分別是0.224、0.103和0.076，這說明，模型的解釋變量和控制變量已經(jīng)對被解釋變量的變化具有了較強(qiáng)的解釋力。在不同的模型設(shè)定下，上市企業(yè)所在省市養(yǎng)老保險單位繳費(fèi)比率每下降1%，企業(yè)在［0，2］事件窗口期內(nèi)的累計超額收益率提高0.160%—0.247%。假設(shè)1得到驗證。本文以2019年3月4日收盤價計算每家企業(yè)的A股流通市值，乘以所在省市繳費(fèi)比率的下降幅度，再乘以表3中的估計系數(shù)，計算得到實驗組企業(yè)市場價值提升額。將不同省市企業(yè)的市場價值提升額加總后，發(fā)現(xiàn)2019年3月5日宣布下調(diào)養(yǎng)老保險單位繳費(fèi)比率，使得在［0，2］事件窗口期內(nèi)實驗組企業(yè)的總市場價值提升了2 000億—3 100億元。劉行和葉康濤［31］研究表明，2017年4月19日“減并增值稅稅率”改革（將增值稅稅率從13%降至11%），使得實驗組企業(yè)的總市場價值增加了約370億元。由于社保繳費(fèi)在企業(yè)經(jīng)營成本中占據(jù)十分重要的地位，養(yǎng)老保險降費(fèi)改革對企業(yè)市場價值的提升作用，在經(jīng)濟(jì)意義上遠(yuǎn)遠(yuǎn)超過了減并增值稅改革。

（二）平行趨勢檢驗

本文對基準(zhǔn)回歸模型進(jìn)行平行趨勢檢驗。分別對事件日前后各5個交易日的單日超額收益率、連續(xù)兩天累計超額收益率進(jìn)行模型（1）的估計，連續(xù)兩天累計超額收益率的估計系數(shù)如圖1所示。1其中，超額收益率的計算均是基于Fama-French三因素模型，-5交易日代表［-6，-5］事件窗口期，依此類推。從圖1可以看出，在事件日之前，不同降費(fèi)幅度省市公司的累計超額收益率并沒有呈現(xiàn)出明顯的差異性趨勢。事件日之前的-5、-4、-3、-1交易日的估計系數(shù)均不顯著；-2交易日的估計系數(shù)顯著為負(fù)，與降費(fèi)改革的影響方向相反，可能是偶然因素導(dǎo)致的。在事件日之后的1、2交易日，估計系數(shù)均在5%水平上顯著為正；而3、4、5交易日的估計系數(shù)同樣不再顯著。圖1的估計結(jié)果表明，本次養(yǎng)老保險降費(fèi)改革在宣布之前并沒有被市場預(yù)期到，并且本文選擇2019年3月5日作為事件日是合適的。

為確認(rèn)實驗組和控制組企業(yè)在改革事件發(fā)生前不存在顯著差異，排除自選擇問題對本文研究結(jié)論的影響，參考Berkowitz等［30］的研究設(shè)計進(jìn)一步檢驗。本文選擇養(yǎng)老保險降費(fèi)幅度差別最大的兩組企業(yè)（即Treat=4與Treat=0），比較它們在事件日附近1個、2個和5個交易日窗口期內(nèi)超額收益率的差異，以及它們在過去一年（2018年3月5日至2019年3月4日）內(nèi)相等長度窗口期內(nèi)平均超額收益率的差異，結(jié)果如表4所示。從表4的列（1）—列（4）可以看出，在事件日前一年內(nèi)，Treat=4組公司日均超額收益率為-0.001%，Treat=0組公司日均超額收益率為-0.002%，二者的差異僅為0.001%，在10%水平上與0無差異；而在事件日后第0、1、2個交易日，兩組企業(yè)超額收益率的差異分別為0.152%、0.327%和0.499%，比過去一年均值水平提高了兩個數(shù)量級，并且第1、2個交易日的差異分別在5%和1%水平上顯著。表4列（5）—列（9）分別報告了事件日附近連續(xù)兩個和連續(xù)5個交易日窗口期，與過去一年內(nèi)相同長度區(qū)間內(nèi)兩組企業(yè)收益率的情況，結(jié)果與表4列（1）—列（4）一致。這表明，在改革發(fā)生之前，兩組企業(yè)在資本市場上的表現(xiàn)是不存在系統(tǒng)性差異的，而在改革發(fā)生后的時間窗口期內(nèi)，兩組企業(yè)股票的超額收益率則呈現(xiàn)出明顯的差異。因此，可以認(rèn)為這種差異是由養(yǎng)老保險降費(fèi)改革導(dǎo)致的。

（三）穩(wěn)健性檢驗1

第一，排除同時期事件的影響。事件研究法的重要假設(shè)之一，是在事件窗口期內(nèi)不存在其他事件造成的混合效應(yīng)，否則估計結(jié)果就包含了其他同時性事件的影響。本文選擇2019年李克強(qiáng)總理在《政府工作報告》中宣布的養(yǎng)老保險降費(fèi)政策作為改革事件，然而《政府工作報告》還宣布了未來將進(jìn)行的很多其他改革，這些同時性的改革措施同樣會使得資本市場作出相應(yīng)的反應(yīng)。這些改革包括：（1）深化增值稅改革，將制造業(yè)等行業(yè)現(xiàn)行16%的稅率降至13%，將交通運(yùn)輸業(yè)、建筑業(yè)等行業(yè)現(xiàn)行10%的稅率降至9%；（2）支持企業(yè)加快技術(shù)改造和設(shè)備更新，將固定資產(chǎn)加速折舊優(yōu)惠政策擴(kuò)大至全部制造業(yè)領(lǐng)域；（3）國有大型商業(yè)銀行小微企業(yè)貸款要增長30%以上；（4）增加特定國有金融機(jī)構(gòu)和央企上繳利潤；（5）一般性支出壓減5%以上、“三公”經(jīng)費(fèi)再壓減3%左右；（6）深化電力市場化改革，清理電價附加收費(fèi)，降低制造業(yè)用電成本；（7）深化收費(fèi)公路制度改革，推動降低過路過橋費(fèi)用，兩年內(nèi)基本取消全國高速公路省界收費(fèi)站，取消或降低一批鐵路、港口收費(fèi)。為了排除這些同時性事件的影響，本文針對每一項改革設(shè)計了相應(yīng)的穩(wěn)健性檢驗。所有檢驗結(jié)果均表明，本文的基準(zhǔn)結(jié)果穩(wěn)健。

第二，更換事件窗口期。分別計算事件日附近2個交易日、5個交易日和7個交易日的累計超額收益率CAR［0，1］、CAR［0，4］、CAR［-2，2］、CAR［-2，4］。更換事件窗口期后，實證結(jié)果仍然保持穩(wěn)健。

第三，更換解釋變量。重新定義四個虛擬變量Treat1、Treat2、Treat3和Treat4作為解釋變量。其中，Treat1的定義是，當(dāng)企業(yè)所在省市養(yǎng)老保險繳費(fèi)比率下降時取值為1，否則取值為0；Treat2則是當(dāng)企業(yè)所在省市養(yǎng)老保險繳費(fèi)比率下降2%時取值為1，否則取值為0，其余情況為缺失值；Treat3與Treat4的定義類比于Treat2。更換變量定義后，本文實證結(jié)果保持穩(wěn)健。

第四，剔除所有金融類企業(yè)的樣本。結(jié)果顯示，在不同模型設(shè)定下，解釋變量Treat仍然全部顯著為正，這說明，本文的研究結(jié)果對是否包含金融類企業(yè)都是穩(wěn)健的。

五、機(jī)制分析

（一）養(yǎng)老保險降費(fèi)的繳費(fèi)負(fù)擔(dān)效應(yīng)

繳費(fèi)負(fù)擔(dān)效應(yīng)預(yù)測，勞動密集度越高的企業(yè)，勞動力成本對企業(yè)利潤和企業(yè)市場價值的影響越大，因此，降費(fèi)改革對企業(yè)市場價值的提升作用越大。為了考察養(yǎng)老保險費(fèi)的繳費(fèi)負(fù)擔(dān)效應(yīng)，本文將企業(yè)勞動密集度Labor_density與解釋變量Treat做交乘，進(jìn)行交互項回歸，估計結(jié)果如表5所示。從表5可以看出，在三種不同的被解釋變量定義下，交互項Treat×Labor_density的估計系數(shù)均不顯著?；貧w結(jié)果表明，養(yǎng)老保險降費(fèi)對企業(yè)市場價值不存在繳費(fèi)負(fù)擔(dān)效應(yīng)。

（二）養(yǎng)老保險降費(fèi)的繳費(fèi)轉(zhuǎn)嫁效應(yīng)

繳費(fèi)轉(zhuǎn)嫁效應(yīng)預(yù)測，繳費(fèi)轉(zhuǎn)嫁能力越弱的企業(yè)，在降費(fèi)改革前繳費(fèi)負(fù)擔(dān)主要由企業(yè)自己承擔(dān)，因而降費(fèi)改革的收益主要由企業(yè)獨享。即繳費(fèi)轉(zhuǎn)嫁能力越弱的企業(yè)，降費(fèi)改革對企業(yè)價值的提升作用越大。現(xiàn)有文獻(xiàn)研究發(fā)現(xiàn)，企業(yè)員工教育水平越高、企業(yè)所在行業(yè)的競爭越激烈，其繳費(fèi)轉(zhuǎn)嫁能力越弱。本文將企業(yè)高教育水平員工占比High_edu與解釋變量Treat做交乘，進(jìn)行交互項回歸，估計結(jié)果如表6所示。從表6可以看出，各列交互項估計系數(shù)均不顯著，這說明，以員工教育水平度量的養(yǎng)老保險降費(fèi)對企業(yè)市場價值的繳費(fèi)轉(zhuǎn)嫁效應(yīng)在我國并不存在。

行業(yè)競爭方面，本文將行業(yè)集中度的度量指標(biāo)Num和HHI分別與解釋變量做交乘。行業(yè)集中度交互項回歸的估計結(jié)果如表7所示，從表7可以看出，Treat×Num的估計系數(shù)顯著為正，而Treat×HHI的估計系數(shù)顯著為負(fù)。兩個不同變量的回歸結(jié)果均表明，行業(yè)聚集度越高（即企業(yè)轉(zhuǎn)嫁繳費(fèi)能力越弱），降費(fèi)改革給企業(yè)帶來的市場價值提升作用越強(qiáng)。所以，養(yǎng)老保險降費(fèi)影響企業(yè)市場價值的繳費(fèi)轉(zhuǎn)嫁效應(yīng)存在。假設(shè)3得到驗證。

（三）養(yǎng)老保險降費(fèi)的征管預(yù)期效應(yīng)

征管預(yù)期效應(yīng)預(yù)測，在社保征管能力較強(qiáng)的地區(qū)，降費(fèi)改革后市場對政府加強(qiáng)征管的預(yù)期越強(qiáng)，從而可能會抵消降費(fèi)改革對企業(yè)市場價值的提升作用。為了檢驗征管預(yù)期效應(yīng)是否存在，本文將社保征管強(qiáng)度Shebao與解釋變量Treat做交乘，進(jìn)行交互項回歸，估計結(jié)果如表8的列（1）、列（3）和列（5）所示，從表8可以看出，Treat×Shebao的系數(shù)均在1%水平上顯著為正，這說明，由社保部門征管繳費(fèi)的企業(yè)在降費(fèi)改革后市場價值的提升幅度顯著高于由稅務(wù)部門征管的企業(yè)。回歸結(jié)果支持了征管預(yù)期效應(yīng)。假設(shè)4得到驗證。本文在驗證征管預(yù)期效應(yīng)的基礎(chǔ)上，重新考察繳費(fèi)負(fù)擔(dān)效應(yīng)。由于上文繳費(fèi)負(fù)擔(dān)效應(yīng)的估計結(jié)果不顯著，可能是受到了征管預(yù)期的影響。因此，將勞動密集度Labor_density與變量Treat、Shebao做交乘，進(jìn)行高階交互項回歸，估計結(jié)果如表8列（2）、列（4）和列（6）所示，從表8可以看出，Treat×Shebao×Labor_density顯著為正。這說明，繳費(fèi)負(fù)擔(dān)效應(yīng)在嚴(yán)征管預(yù)期較低的地區(qū)是顯著存在的。假設(shè)2得到驗證。

六、進(jìn)一步分析：養(yǎng)老保險降費(fèi)改革的成本測算

評估減稅降費(fèi)改革，不僅要關(guān)注改革給企業(yè)帶來的經(jīng)濟(jì)效益，還需要考察改革給政府帶來的稅費(fèi)收入損失。根據(jù)李嘉圖等價定理，政府的稅費(fèi)收入損失在將來可能對經(jīng)濟(jì)社會發(fā)展產(chǎn)生負(fù)向影響。然而與評估改革收益類似，評估改革的成本時也會面臨反事實不可觀測的困難。即在改革后，只能觀測到發(fā)生了改革情況下政府的稅費(fèi)收入，而無法觀測到如果沒有發(fā)生改革政府的稅費(fèi)收入。本文基于2019年5月1日城鎮(zhèn)職工基本養(yǎng)老保險單位繳費(fèi)率下調(diào)，而基本醫(yī)療保險繳費(fèi)率不變的準(zhǔn)自然實驗，借助養(yǎng)老保險與醫(yī)療保險月度基金收入比率的變化，評估繳費(fèi)改革對政府社保基金收入的影響。該方法的假設(shè)是，在未發(fā)生降費(fèi)改革的情況下，城鎮(zhèn)職工基本養(yǎng)老保險與基本醫(yī)療保險月度基金收入的比值是保持穩(wěn)定的。這一假設(shè)基本符合事實，原因如下：第一，各地基本養(yǎng)老保險與醫(yī)療保險適用的繳費(fèi)基數(shù)規(guī)定相同，均是“職工以本人上年度收入為繳費(fèi)基數(shù)”“用人單位以上年度職工工資總額為繳費(fèi)基數(shù)”“職工工資高于當(dāng)?shù)仄骄べY300%的，以當(dāng)?shù)仄骄べY的300%為繳費(fèi)基數(shù)”“職工工資低于當(dāng)?shù)仄骄べY60%的，以當(dāng)?shù)仄骄べY的60%為繳費(fèi)基數(shù)”。第二，各地區(qū)基本養(yǎng)老保險與基本醫(yī)療保險參保職工數(shù)相差不大，因為大部分地區(qū)規(guī)定單位和職工必須同時參加基本養(yǎng)老保險和基本醫(yī)療保險。根據(jù)《中國統(tǒng)計年鑒》，2018年全國各省市城鎮(zhèn)職工基本養(yǎng)老保險和基本醫(yī)療保險參保職工數(shù)的相關(guān)系數(shù)為99%，2019年為98%。在繳費(fèi)基數(shù)和參保職工數(shù)接近的情況下，兩種保險的基金收入之比主要由二者的法定繳費(fèi)率決定。

圖2描繪了2019年1—11月1職工基本養(yǎng)老保險和醫(yī)療保險的基金收入之比（粗虛線），以及職均基金收入2之比（粗實線）。圖2中的點虛線分段描繪了改革前后兩種保險基金收入之比的月均值，橫虛線則分段描繪了改革前后兩種保險職均基金收入之比的月均值。從圖2可以看出，在降費(fèi)改革前的2019年1—4月，兩種保險的基金收入之比平均為3.870，職均基金收入之比平均為3.000；而在降費(fèi)改革后的5—11月，兩種保險基金收入之比的平均值降至3.310，職均基金收入之比的平均值則降為2.580。3這明顯是由養(yǎng)老保險降費(fèi)改革引起的。

如果沒有發(fā)生養(yǎng)老保險降費(fèi)改革，在2019年5月之后，兩種保險的基金收入之比應(yīng)該與5月之前大致持平?；谶@一假設(shè)，本文構(gòu)造2019年5—11月的養(yǎng)老保險基金收入反事實估計。即基于2019年1—4月兩種保險基金收入之比的均值、職均基金收入之比的均值，以及5—11月的醫(yī)療保險基金收入、參保職工數(shù)、養(yǎng)老保險參保職工數(shù)，估計如果沒有發(fā)生降費(fèi)改革，5—11月的基本養(yǎng)老保險基金月收入?；趦蓚€比值估計出來的5—11月養(yǎng)老保險月基金收入之和分別為33 436億元和33 290億元，兩個估計值非常接近。而2019年5—11月基本養(yǎng)老保險的實際基金收入為28 604億元，這意味著養(yǎng)老保險降費(fèi)改革導(dǎo)致的基金收入損失約為4 686億—4 832億元。

本文還基于另一個更簡單的假設(shè)進(jìn)行了估計。表9列出了2013年到2019年1—11月城鎮(zhèn)職工基本養(yǎng)老保險基金收入及同比增速。從表9可以看出，相比于前5年（2014—2018年）的增速，2019年基金收入增速存在著數(shù)量級的下降。這很可能是受到了養(yǎng)老保險降費(fèi)改革的影響，因為2019年參保職工數(shù)增速相比于前5年并沒有太大的變化。本文假設(shè)在沒有發(fā)生養(yǎng)老保險降費(fèi)改革的情況下，職工養(yǎng)老保險基金收入將保持前5年的平均增速，則2019年1—11月基金收入應(yīng)該為50 786.900億元。減去實際基金收入，可得當(dāng)年1—11月基金收入損失為4 876億元。當(dāng)然從表9還可以看出，2017年基金增速異常高于其他年份，如果將該年數(shù)據(jù)剔除，應(yīng)用本方法的估計結(jié)果為：2019年1—11月養(yǎng)老保險基金收入損失為3 782億元。

本文基于兩組完全不同的假設(shè)，得到的2019年養(yǎng)老保險基金收入損失估計結(jié)果非常接近，這說明，該估計結(jié)果是基本合理的。

本文基于兩組不同的假設(shè)估計得出，2019年降費(fèi)改革導(dǎo)致養(yǎng)老保險基金收入損失約3 800億—4 800億元。如前文所述，降費(fèi)改革帶來實驗組上市企業(yè)的市場價值增加約2 000億—3 100億元，與當(dāng)年潛在的征繳收入損失數(shù)量相當(dāng)。值得注意的是，本文僅評估了上市企業(yè)的市場價值增加量。施新政等［32］測算發(fā)現(xiàn)，目前我國上市企業(yè)年產(chǎn)值約占GDP的一半左右。將非上市企業(yè)納入考慮后，養(yǎng)老保險降費(fèi)改革帶來的全國企業(yè)市場價值大約達(dá)到4 000億—6 000億元，基本會超過政府承受的養(yǎng)老保險基金收入損失。另外，上述基金收入損失估計尚沒有考慮到養(yǎng)老保險降費(fèi)改革對企業(yè)和職工參保繳費(fèi)的激勵作用。趙靜等［27］與馬雙等［33］研究發(fā)現(xiàn)，提高養(yǎng)老保險繳費(fèi)率會導(dǎo)致企業(yè)和職工逃避參保、減少繳費(fèi)。宋弘等［12］也發(fā)現(xiàn)，降低養(yǎng)老保險繳費(fèi)率將有助于促進(jìn)企業(yè)的參保率和繳費(fèi)額。如果考慮到養(yǎng)老保險降費(fèi)改革對參保繳費(fèi)的激勵作用，政府的養(yǎng)老保險基金收入損失會小得多。

本文在估計養(yǎng)老保險基金收入損失時，僅使用了2019年的數(shù)據(jù)，沒有考慮2020年及以后的基金損失情況。因為2020年1月及以后的養(yǎng)老保險基金收入，會受到新型冠狀病毒感染疫情以及階段性減免社保費(fèi)政策的影響。更重要的是，由于養(yǎng)老保險降費(fèi)改革可以促進(jìn)企業(yè)和職工參保繳費(fèi)，基金收入下降的時間通常都很短。封進(jìn)［34］的測算結(jié)果甚至表明，將養(yǎng)老保險政策繳費(fèi)率下調(diào)5個百分點，會帶來實際繳費(fèi)率的顯著增加，在長期內(nèi)反而可以增加基金收入。宋弘等［12］基于2012年浙江省社保繳費(fèi)率下調(diào)統(tǒng)籌改革研究發(fā)現(xiàn)，養(yǎng)老保險降費(fèi)改革在3年內(nèi)顯著提高了企業(yè)的社保繳費(fèi)總支出。減稅改革的相關(guān)研究也得到了類似的結(jié)論，馬雙等［33］考察了2004年東北地區(qū)增值稅轉(zhuǎn)型對企業(yè)應(yīng)繳增值稅的影響，研究發(fā)現(xiàn)，僅在2004年實驗組企業(yè)增值稅出現(xiàn)下降，在2005年下降的趨勢就消失了，甚至到2006年和2007年由于減稅提高了企業(yè)經(jīng)營活力，企業(yè)的增值稅繳納額反而提高了。所以，僅使用2019年數(shù)據(jù)估計養(yǎng)老保險基金收入損失，并不會帶來嚴(yán)重的估計偏誤。

七、結(jié)論與政策建議

（一）結(jié)論

本文基于2019年3月5日李克強(qiáng)總理宣布“降低養(yǎng)老保險單位繳費(fèi)比率”政策的準(zhǔn)自然實驗，使用事件研究法，考察了養(yǎng)老保險降費(fèi)對企業(yè)市場價值的影響，并且識別了養(yǎng)老保險降費(fèi)影響企業(yè)市場價值的三個作用機(jī)制，在此基礎(chǔ)上進(jìn)一步開展養(yǎng)老保險降費(fèi)改革對政府收入影響的分析，綜合測算養(yǎng)老保險降費(fèi)改革的成本和收益。本文研究結(jié)論如下：第一，上市企業(yè)所在省市養(yǎng)老保險繳費(fèi)率下調(diào)，顯著提升了企業(yè)的市場價值，并且價值提升的規(guī)模遠(yuǎn)遠(yuǎn)超過了減并增值稅稅率改革提升的規(guī)模，實證結(jié)果在排除了一系列同時性改革事件后仍然成立。第二，機(jī)制分析表明，養(yǎng)老保險降費(fèi)對企業(yè)市場價值存在繳費(fèi)負(fù)擔(dān)效應(yīng)、繳費(fèi)轉(zhuǎn)嫁效應(yīng)和征管預(yù)期效應(yīng)。第三，養(yǎng)老保險降費(fèi)改革對全國所有企業(yè)的市場價值均有提升作用，基本會大于政府承受的養(yǎng)老保險基金收入損失。

（二）政策建議

上述結(jié)論對于我國養(yǎng)老保險改革具有明確的政策啟示，基于此，筆者提出如下政策建議：第一，2019年養(yǎng)老保險降費(fèi)改革不但大幅提升了企業(yè)的市場價值和市場活力，而且改革收益基本大于基金損失的成本。政府可依據(jù)相關(guān)的最優(yōu)繳費(fèi)率測算結(jié)果，繼續(xù)深化養(yǎng)老保險降費(fèi)改革，推動社會保險與企業(yè)發(fā)展的良性互動。第二，當(dāng)前政府在推進(jìn)養(yǎng)老保險降費(fèi)改革時，要注意穩(wěn)定社會的征管預(yù)期。養(yǎng)老保險降費(fèi)改革的政策效果在一定程度上取決于社會各界對未來征管強(qiáng)度的預(yù)期。雖然從長期看，推進(jìn)嚴(yán)格征管、做實企業(yè)和職工繳費(fèi)是大勢所趨，但是在目前養(yǎng)老保險總體法定繳費(fèi)率仍然偏高、最低繳費(fèi)基數(shù)制度急需調(diào)整的背景下，不宜急切地改變社保征管體制，以免吞噬現(xiàn)有相關(guān)社保改革的寶貴成果。政府應(yīng)當(dāng)在未來社保繳費(fèi)率調(diào)整到位、繳費(fèi)基數(shù)制度大幅優(yōu)化之后，再行改革社保征管體制，以確保養(yǎng)老保險綜合改革的平穩(wěn)推進(jìn)。

參考文獻(xiàn)：

［1］ YOHEI K，KOICHI K，KEITA O，et al．Social security contributions and employment structure： a microeconometric analysis focused on firm characteristics［R］．RIETI discussion paper series 13-E-067，2013.

［2］ 馬雙，孟憲芮，甘犁.養(yǎng)老保險企業(yè)繳費(fèi)對員工工資、就業(yè)的影響分析［J］．經(jīng)濟(jì)學(xué)（季刊），2014（3）：969-1000.

［3］ 林靈，曾海艦.社會保險成本過高是否抑制企業(yè)投資？［J］．管理科學(xué)學(xué)報，2020（7）：57-75.

［4］ 趙健宇，陸正飛.養(yǎng)老保險繳費(fèi)比例會影響企業(yè)生產(chǎn)效率嗎？［J］．經(jīng)濟(jì)研究，2018（10）：97-112.

［5］ 于新亮，上官熠文，于文廣，等.養(yǎng)老保險繳費(fèi)率、資本—技能互補(bǔ)與企業(yè)全要素生產(chǎn)率［J］．中國工業(yè)經(jīng)濟(jì)，2019（12）：96-114.

［6］ 許紅梅，李春濤.勞動保護(hù)、社保壓力與企業(yè)違約風(fēng)險——基于《社會保險法》實施的研究［J］．金融研究，2020（3）：115-133.

［7］ 魏志華，夏太彪.社會保險繳費(fèi)負(fù)擔(dān)、財務(wù)壓力與企業(yè)避稅［J］．中國工業(yè)經(jīng)濟(jì)，2020（7）：136-154.

［8］ 唐玨，封進(jìn).社會保險繳費(fèi)對企業(yè)資本勞動比的影響——以21世紀(jì)初省級養(yǎng)老保險征收機(jī)構(gòu)變更為例［J］．經(jīng)濟(jì)研究，2019（11）：87-101.

［9］ 唐玨，封進(jìn).社保繳費(fèi)負(fù)擔(dān)、企業(yè)退出進(jìn)入與地區(qū)經(jīng)濟(jì)增長——基于社保征收體制改革的證據(jù)［J］．經(jīng)濟(jì)學(xué)動態(tài)，2020（6）：47-60.

［10］ 許紅梅，李春濤.社保費(fèi)征管與企業(yè)避稅——來自《社會保險法》實施的準(zhǔn)自然實驗證據(jù)［J］．經(jīng)濟(jì)研究，2020（6）：122-137.

［11］ 沈永建，梁方志，蔣德權(quán)，等.社會保險征繳機(jī)構(gòu)轉(zhuǎn)換改革、企業(yè)養(yǎng)老支出與企業(yè)價值［J］．中國工業(yè)經(jīng)濟(jì)，2020（2）：155-173.

［12］ 宋弘，封進(jìn)，楊婉彧.社保繳費(fèi)率下降對企業(yè)社保繳費(fèi)與勞動力雇傭的影響［J］．經(jīng)濟(jì)研究，2021（4）：90-104.

［13］ 趙邵陽，佘楷文，周博.養(yǎng)老保險費(fèi)率下降、繳費(fèi)遵從度與企業(yè)異質(zhì)性反應(yīng)——基于全國稅收調(diào)查的微觀證據(jù)［J］．財經(jīng)科學(xué)，2021（9）：66-79.

［14］ 程煜，何益欣，劉玉萍.社保降費(fèi)改革的政策效果評估——基于企業(yè)異質(zhì)性的視角［J］．山西財經(jīng)大學(xué)學(xué)報，2021（8）：1-15.

［15］ 任超然.階段性降低養(yǎng)老保險繳費(fèi)率增加了企業(yè)投資嗎？——來自A股上市公司的證據(jù)［J］．保險研究，2021（4）：106-120.

［16］ 臧文佼，章玉貴.養(yǎng)老保險降費(fèi)政策與企業(yè)成本粘性［J］．財經(jīng)論叢，2021（11）：59-68.

［17］ 趙海珠，蔡衛(wèi)星，羅連化.社會保險降費(fèi)政策促進(jìn)就業(yè)了嗎——基于在線招聘崗位數(shù)據(jù)的分析［J］．廣東財經(jīng)大學(xué)學(xué)報，2022（4）：56-70.

［18］ 曾益，魏晨雪，李曉林，等.征收體制改革、延遲退休年齡與養(yǎng)老保險基金可持續(xù)性——基于“減稅降費(fèi)”背景的實證研究［J］．公共管理學(xué)報，2019（10）： 108-118.

［19］ 劉斌，林義.國家安全視角下構(gòu)建多層次養(yǎng)老保險體系的制度創(chuàng)新——基于城鎮(zhèn)職工養(yǎng)老保險繳費(fèi)比例下調(diào)后基金缺口的測算［J］．財經(jīng)科學(xué)，2020（8）：39-51.

［20］ 楊再貴，陳肖華.降費(fèi)綜合方案與機(jī)關(guān)事業(yè)單位養(yǎng)老保險財政支付壓力預(yù)警［J］．經(jīng)濟(jì)社會體制比較，2020（5）：68-78.

［21］ 景鵬，陳明俊，楊思琦.降低養(yǎng)老保險繳費(fèi)率一定會加重財政養(yǎng)老負(fù)擔(dān)嗎？［J］．財貿(mào)研究，2020（1）：70-81.

［22］ 曾益，李曉林，楊思琦.征收體制改革、養(yǎng)老保險繳費(fèi)率下調(diào)空間與企業(yè)繳費(fèi)負(fù)擔(dān)［J］．經(jīng)濟(jì)科學(xué)，2020（2）：74-86.

［23］ 封進(jìn).社會保險對工資的影響——基于人力資本差異的視角［J］．金融研究，2014（7）：109-123.

［24］ LI Z，WU M．Estimating the incidences of the recent pension reform in China： evidence from 100000 manufacturers［J］．Contemporary economic policy，2013，31（2）： 332-344.

［25］ 劉行，趙曉陽.最低工資標(biāo)準(zhǔn)的上漲是否會加劇企業(yè)避稅？［J］．經(jīng)濟(jì)研究，2019（10）：121-135.

［26］ 唐玨，封進(jìn).社會保險征收體制改革與社會保險基金收入——基于企業(yè)繳費(fèi)行為的研究［J］．經(jīng)濟(jì)學(xué)（季刊），2019（3）：833-854.

［27］ 趙靜，毛捷，張磊.社會保險繳費(fèi)率、參保概率與繳費(fèi)水平——對職工和企業(yè)逃避費(fèi)行為的經(jīng)驗研究［J］．經(jīng)濟(jì)學(xué)（季刊），2015（1）：341-372.

［28］ 趙紹陽，周博，佘楷文.社保政策繳費(fèi)率與企業(yè)實際參保狀況——以養(yǎng)老保險為例［J］．經(jīng)濟(jì)科學(xué)，2020（4）：111-124.

［29］ DOIDGE C，DYCK A．Taxes and corporate policies： evidence from a quasi natural experiment ［J］．Journal of finance，2015，70（1）： 45-89.

［30］ BERKOWITZ D，LIN C，MA Y．Do property rights matter？ Evidence from a property law enactment［J］．Journal of financial economics，2015，116（3）： 583-593.

［31］ 劉行，葉康濤.增值稅稅率對企業(yè)價值的影響：來自股票市場反應(yīng)的證據(jù)［J］．管理世界，2018（11）：12-24.

［32］ 施新政，高文靜，陸瑤，等.資本市場配置效率與勞動收入份額——來自股權(quán)分置改革的證據(jù)［J］．經(jīng)濟(jì)研究，2019（12）：21-37.

［33］ 馬雙，吳夕，盧斌.政府減稅、企業(yè)稅負(fù)與企業(yè)活力研究——來自增值稅轉(zhuǎn)型改革的證據(jù)［J］．經(jīng)濟(jì)學(xué)（季刊），2019（2）：483-504.

［34］ 封進(jìn).中國城鎮(zhèn)職工社會保險制度的參與激勵［J］．經(jīng)濟(jì)研究，2013（7）：104-117.The Economic Effects of Old?Age Insurance Premium Reform

YU Hai?yue

（School of Finance，Dongbei University of Finance & Economics，Dalian 116025，China）

Summary：In the Government Work Report on the second conference of the 13th National Peoples Congress， Premier Li Keqiang announced that， employers premium rate of Urban Basic Pension Scheme will fall to 16%. This reform was an important part of taxes?reduction and fees?cutting reforms in China recently. Taxes?cutting reforms make the government bear heavy fiscal burden， thus the effectiveness of those reforms becomes a common concern of the society. Based on the quasi?natural experiment of 2019 pension premium reform， this paper studies the effect and mechanisms of reducing old?age insurance contribution burden on firms market value.

Employing the event study approach， this paper reveals that the total market value of publicly listed firms in treat group increase by 180 to 300 billion yuan， after the announcement of reducing pension premium. The economic effect scale of old?age insurance reform outdistances that of value?added tax reform. And the basic results of this paper keep robust after a series of robustness checks. These robustness checks includs： excluding the effects of other simultaneous reforms， alternative event windows， alternative definition of main explantory variable and subsample regressions. The mechanism analyses show that： Firstly， market value of firms with weaker ability to shifting contribution burden increases more; Secondly， market value of firms in the areas with lower expectation of strict contribution collection increases more; and thirdly， the contribution burden effect exist significantly in those areas with lower expectation of strict contribution collection. The studies of this paper support the existence of contribution burden effect， contribution shifting effect and collection expectation effect.

At last， in order to comparing the benefits and costs of this reform more comprehensively， this paper estimates the impact of pension premium reform on the revenue of social security fund. Based on the quasi?natural experiment of unchanged medical insurance premium scheme， this paper finds that the revenue loss of social security fund is just amount to market value increase of the only publicly listed firms. So the market value increase of whole firms of China will exceed social security funds revenue loss significantly.

This paper makes three main contributions to the literatures. Firstly， almost all the researches on the pension premium reforms focus on calculating the optimal premium rate or deficit of pension fund， and fail to make identification based on the exogenous variation of premium rate. This paper contributes to the two literatures. This paper estimates the effect of old?age pension premium cutting on firms market value for the first time in the literature， and provides a new perspective in evaluating pension reform. Secondly， this paper suggests and identifies three main effect mechanism of pension premium reform on firms market values， which makes a theoretical contribution to the literature.Thirdly， this paper reveals that the premium collection regime has an impact on the policy effect of premium cutting reform， which means the collection reform should be set a lower?priority relative to premium reform， otherwise the two reforms will be conflict to each other.

Key words：old?age insurance; premium reform; firms market value; event study method

（責(zé)任編輯：巴紅靜）

［DOI］10.19654/j.cnki.cjwtyj.2023.04.005

［引用格式］余海躍．養(yǎng)老保險降費(fèi)改革的經(jīng)濟(jì)效應(yīng)評估［J］．財經(jīng)問題研究，2023（4）：58-71.

收稿日期：2023?01?25

基金項目：國家自然科學(xué)基金項目“累退費(fèi)率背景下的養(yǎng)老保險繳費(fèi)制度改革研究：經(jīng)驗、理論與政策模擬”（72004022）

作者簡介：余海躍（1992-），男，安徽滁州人，副教授，博士，主要從事基本養(yǎng)老保險制度改革研究。E?mail：yuhaiyue@

dufe.edu.cn

1 單日超額收益估計系數(shù)圖形與圖1類似，未在正文中列出，留存?zhèn)渌鳌?/p>

1 穩(wěn)健性檢驗結(jié)果未在正文中列出，留存?zhèn)渌鳌?/p>

1 之所以從2019年1月開始，是因為國家醫(yī)療保障局從2019年1月開始公布每月的職工基本醫(yī)療保險基金收支數(shù)據(jù)。此前醫(yī)療保險的相關(guān)數(shù)據(jù)由中華人民共和國人力資源和社會保障部公布，但是無法區(qū)分城鎮(zhèn)職工基本醫(yī)療保險和城鎮(zhèn)居民基本醫(yī)療保險。數(shù)據(jù)沒有包含12月，是因為每年12月社?；鹗杖胫卸及罅康呢斦a(bǔ)貼，使得數(shù)據(jù)失真。例如，2019年1—11月職工基本養(yǎng)老保險基金月收入都在3 800億—4 600億元左右，醫(yī)療保險基金月收入都在1 600億—2 300億元左右；而12月養(yǎng)老保險基金收入超過6 000億元，醫(yī)療保險基金收入超過2 700億元。

2 職均基金收入，定義為“基金收入/參保職工人數(shù)”。

3 在2019年養(yǎng)老保險降費(fèi)改革前，除廣東、福建、浙江外，各地區(qū)職工基本養(yǎng)老保險繳費(fèi)比例（單位+個人）為28%或27%。除北京、天津、廣東等少數(shù)省市，各地區(qū)職工基本醫(yī)療保險繳費(fèi)比率大多為10.5%或8.5%，其中，個人繳費(fèi)率為2%，單位繳費(fèi)率為6%或8%，再加上生育保險繳費(fèi)率為0.5%。所以，各地基本養(yǎng)老保險與基本醫(yī)療保險的繳費(fèi)率之比，應(yīng)該在2.570—3.290之間。筆者計算出來，改革前兩種保險職均基金收入之比的全國平均值為3.000，剛好接近區(qū)間中值。同理，在2019年養(yǎng)老保險降費(fèi)改革后，各地區(qū)基本養(yǎng)老保險與基本醫(yī)療保險的繳費(fèi)率之比，應(yīng)該在2.190—2.820之間。本文計算出來改革后兩種保險職均基金收入之比的全國平均值為2.580，剛好又接近區(qū)間中值。這也說明，本文的測算結(jié)果基本可靠。