老龄化对家庭商业保险参与影响的实证研究

刘 阳，田秀雅

(南京师范大学商学院，江苏 南京 210023)

一、引言

近年来，我国人口老龄化态势日益明显。国家统计局于2021年发布的《第七次全国人口普查公报(第五号)》显示，2020年，我国65岁及以上的老年人口总数为1.91亿，占总人口的13.50%，该比重较2010年第六次全国人口普查上升了4.63%。可见，我国人口老龄化程度在持续加深。

从家庭这一微观层面来看，老龄化会加重家庭的养老负担，增加家庭健康和财务等风险。社会保障和商业保险都可以用来满足家庭的风险保障需求。《全国第六次卫生服务统计调查报告》显示，调查地区基本医疗保险覆盖率达到96.80%，2018年住院费用报销水平达到55.40%。可见，虽然社会医疗保险的覆盖率较高，但是其保障水平较低，当风险事件发生时，仅依靠社会保障难以有效地规避风险。商业保险作为家庭的外部保障，不仅可以较好地弥补社会保障的缺点，而且具有投资理财的特点，可以全面提高家庭的保障水平。自1980年我国恢复保险业至今，我国商业保险一直快速发展，保险系统机构数从1980年的1家到2020年的238家，保险密度从1980年的0.47元/人到2020年的3207.25元/人，保险深度从1980年的0.10%到2020年的4.45%。2020年世界保险密度和保险深度分别接近687美元/人、7.30%。可见，我国的商业保险虽然已经有了较大的发展，但是与发达国家相比，仍存在较大的发展空间。

目前我国较为严峻的人口老龄化问题对家庭商业保险参与会产生何种影响，具体的影响机制是什么，家庭特征是否会影响这一关系等问题，对减轻老龄化给家庭带来的养老负担以及促进我国商业保险的发展都具有一定意义。

二、文献综述

国外学者较早就开始进行有关家庭商业保险影响因素的研究。较多学者发现家庭经济状况和人口特征是影响家庭购买商业保险的主要因素，比如，Albouy等(2001)[1]发现收入和家庭资产等家庭经济状况会正向影响家庭商业保险的持有情况。J. D. Hammond等(1967)[2]和Art Goldsmith(1983)[3]从人口特征和家庭经济方面来分析商业人寿保险的影响因素，得出户主的教育、职业、收入以及净资产持有与保费支出显著相关。还有学者得出影响家庭商业保险需求的其他因素。Durlauf等(2004)[4]通过实证分析得出，家庭保险参与还会受到社会互动的显著影响。Liebenberg A.P.等(2012)[5]发现生活事件(如结婚、生孩子、买房子、找一份新工作)与人寿保险的需求之间有重要的关系。此外，还有学者专注于商业保险需求的影响机制的研究，Beenstock等(1986)[6]主要利用跨国比较来分析商业保险需求的影响机制，Lewis(1989)[7]通过对生命周期模型进行拓展来推导商业人寿保险的需求。还有较多的学者利用家庭微观调查数据来研究商业保险的影响因素。比如，Showers等(1994)[8]利用美国家庭的微观数据，采用Tobit模型分析家庭特征对商业保险需求的影响，发现家庭收入、户主年龄和家庭人口规模会正向影响家庭保险需求。随着人口老龄化的持续加深，越来越多的学者针对老龄化对家庭商业保险的影响进行研究，但得到的结论并不一致。Browne等(1993)[9]发现人口老龄化会促进家庭持有商业人寿保险，然而，Ferber等(1980)[10]却发现老龄化对家庭持有商业人寿保险有负向影响。

近年来，随着我国商业保险取得较大的发展，国内学者对家庭商业保险需求影响因素展开了越来越深入的研究。与国外学者的研究成果相似，我国学者也发现家庭经济特征和人口特征是家庭购买商业保险的主要影响因素。孙祁祥等(2013)[11]认为，收入和资产等家庭经济情况会影响家庭购买商业保险。卢亚娟和王家华(2018)[12]发现户主年龄、受教育程度和健康状况等人口特征对家庭持有商业保险具有显著影响。除此之外，还有学者发现其他显著影响家庭商业保险参与的因素。秦芳等(2016)[13]、吴雨等(2017)[14]都发现了金融知识水平也对家庭商业保险的购买产生显著正向影响。朱卫国等(2020)[15]则分析了互联网线上社会互动对商业保险购买决策的影响。桑林(2019)[16]、曹直等(2020)[17]还发现了居民自身的主观态度和情绪也会影响家庭商业保险参与。

国内大多数学者基于宏观视角来探讨老龄化对商业保险的影响。张连增和尚颖(2011)[18]基于我国1997年至2008年度省级面板数据，得出老龄化对人身保险市场的推动作用要大于其阻碍作用。齐子鹏等(2018)[19]以2006—2016年31个省(市、区)的面板数据为基础，发现我国老年人口抚养比、少年儿童抚养比对商业健康保险的需求都有显著影响，但城镇人口对商业健康保险需求的影响不显著。也有一些学者基于微观视角考察老龄化对家庭商业保险的影响，但得出的结果并不一致。樊纲治和王宏扬(2015)[20]以25211户家庭样本数据为研究对象，采用定性选择模型研究家庭人口结构与家庭商业人身保险需求的关系，发现老龄化对家庭人身保险需求有显著负向影响。任丁(2019)[21]通过选取三种人口老龄化的度量指标来考察老龄化对城乡家庭购买商业保险的影响，也得出老龄化对城乡家庭购买商业保险有显著负向影响，且城乡家庭存在一定的差异性。还有学者得出的结论与此不同，康琛宇等(2020)[22]通过分析得出，随着老龄化的加剧，居民投资保险等较安全资产的比重越大。袁成等(2020)[23]使用2017年家庭微观调查数据，采用Tobit模型进行实证分析，发现老龄化对家庭商业健康保险消费的影响呈倒U形。

综上所述，国内外大多数学者基于宏观层面研究老龄化对商业保险的影响，基于微观层面来分析老龄化对家庭商业保险影响的研究较少。此外，将具体的影响机制纳入研究的文献不多。因此，本文以家庭这一微观主体为研究对象，基于2013年、2015年、2017年和2019年四期中国家庭金融调查面板数据，采用定性选择模型探究老龄化对家庭商业保险参与广度和深度的影响，并考察家庭所处地区的差异，此外，深入分析影响机制，旨在促进商业保险功能在家庭内的充分发挥，提升家庭保障水平。

三、理论基础与模型构建

(一)理论基础

在我国人口老龄化程度持续加深的背景下，居民为了实现期望效用的最大化可能会购买商业保险。本文将保险事故发生的概率加入跨期消费决策模型，研究老龄化对家庭商业保险参与情况的影响。

假设每个消费者仅生存两期，第1期是工作期，收入为y，初始财富为w,消费为c0，储蓄为s，收益率为r；第2期是退休期，没有收入，消费为c1，储蓄收益为rs。假设家庭在第1期购买商业保险的保费支出为d，在第2期能获得的保险金为ψ，当保险事故发生时保险公司给付的保险金为A。一般来说，保费支出越多，保额越大，保险金可能也越大，因此，假设保险金是关于保费支出的函数：

A(d)=αd

(1)

其中，α是正常数。

接着，假设家庭中65岁及以上人口占比为k，保险事故发生的概率为p。CHFS问卷里将商业保险分为商业人寿保险、商业健康保险和其他商业保险，这三类保险的给付条件分别是被保险人在规定期限内生存或死亡、被保险人患有疾病和遭遇事故。一般来说，相较于青年人，老年人的免疫力更弱，老年人死亡、患有疾病和遭遇事故的概率更大，因此，保险事故发生的概率会受家庭中65岁及以上人口占比的影响。假设保险事故发生的概率是关于家庭中65岁及以上人口占比的函数：

p=ak+b

(2)

其中，a为常数，a>0。b为其他影响保险事故发生的因素。

此时，消费者在第2期能获得的保险金ψ可以表示为：

ψ=αdp=αd(ak+b)

(3)

在上述模型假设下，消费者在两期生命周期中需要满足以下动态预算约束：

c0+s+d=y+w

(4)

c1=rs+αd(ak+b)

(5)

在两期模型中，消费者购买商业保险和进行储蓄的目标是实现效用函数最大化，假设消费者的效用函数是常相对风险厌恶效用函数，即：

(6)

其中，σ是跨期替代弹性，β是折现系数，0 <β< 1。

接下来，根据以上条件，构建拉格朗日函数：

L(d,s)=U(d,s)+λ1(c0+s+d-y-w)+λ2[c1-rs-αd(ak+b)]

(7)

(8)

(9)

根据以上(8)式和(9)式，可以推导出家庭在第1期购买商业保险的保费支出和家庭中65岁及以上人口占比之间的关系：

(10)

接下来，根据家庭购买商业保险的保费支出d对家庭中65岁及以上人口占比k求偏导：

(11)

由于a和α都是正常数，因此，当(β/λ)σ> rs时，上式(11)的右边符号为负，即家庭购买商业保险的保费支出d对家庭中65岁及以上人口占比k的偏导数符号为负，这说明了当其他变量不变时，家庭购买商业保险的保费支出随着家庭中65岁及以上人口占比的提高而降低。

基于上述理论分析，提出理论假说：家庭中65岁及以上人口占比越大，家庭购买商业保险的保费支出越小，即老龄化对家庭商业保险参与具有显著负向影响。

(二)模型构建

本文旨在研究老龄化与家庭商业保险参与的关系，主要从家庭商业保险的参与广度和深度两个方面展开分析。在研究家庭商业保险的参与广度这一方面，以家庭是否参与商业保险作为被解释变量，这是一个二元选择模型，朱若然等(2018)[24]用Probit模型分析这类问题时有较高的显著性，因此，本文借鉴这一做法，选择Probit模型进行该方面的分析。基本模型如下：

Pr(own=1)=Φ(a1+a2·old_pro+a3·control+ε)

(12)

其中，own表示家庭是否参与商业保险，若家庭参与商业保险则own取1，否则取0。old_pro表示家庭中65岁及以上人口占比。control表示所有的控制变量，包括人口统计学特征变量和家庭特征变量。a1、a2和a3是系数，ε～N(0,σ2)。

在研究家庭商业保险的参与深度时，以家庭年保费支出作为被解释变量，考虑到大多数家庭没有参与家庭商业保险，这些被解释变量数据为0，因此，本文采用Tobit模型对此主题进行分析。基本模型如下：

cost*=a1+a2·old_pro+a3·control+ε

(13)

cost=max(0,cost*)

(14)

其中，cost*表示大于0的cost的观测值，cost表示去年家庭缴纳的保费支出。其他变量和字母与Probit模型中的变量和字母所表示的含义一样。

此外，本文进一步用OLS模型来研究老龄化对家庭商业保险参与深度的影响，并将其结果与Tobit模型回归结果进行比较，从而更加直观地显示影响的大小，进而凸显回归系数的经济学意义。OLS模型如下：

cost=a1+a2·old_pro+a3·control+ε

(15)

其中，各变量和字母的含义同上。

接下来，本文参照温忠麟等(2004)[25]的中介效应检验方法，采用因果逐步回归法来深入分析老龄化对家庭商业保险参与的影响机制。其中，在分析老龄化对家庭商业保险参与广度的影响机制时，设立以下递归方程模型：

Pr(own=1)=Φ(a1+a2·old_pro+a3·control+ε)

(16)

M=b1+b2·old_pro+b3·control+ε

(17)

Pr(own=1)=Φ(c1+c2·old_pro+c3·M+c4·control+ε)

(18)

在分析老龄化对家庭商业保险参与深度的影响机制时，设立以下递归方程模型：

cost*=a1+a2·old_pro+a3·control+ε

(19)

cost=max(0,cost*)

(20)

M=b1+b2·old_pro+b3·control+ε

(21)

cost*=c1+c2·old_pro+c3·M+c4·control+ε

(22)

cost=max(0,cost*)

(23)

其中，M表示中介变量，包括金融素养(因子分析法)、金融素养(得分加总法)和户主风险态度。a2表示老龄化对被解释变量的总效应，c2表示老龄化对被解释变量的直接效应，b2·c3表示中介效应的大小。其他变量和参数的含义同Probit模型、Tobit模型中变量和参数的含义。

为了进一步分析家庭对商业保险的参与是否存在一定的城乡差异，本文根据全国范围内的家庭总样本、城镇家庭样本和农村家庭样本分别进行实证研究。

四、数据来源与变量选取

(一)数据来源

本文使用的数据来源于西南财经大学中国家庭金融调查与研究中心2013年、2015年、2017年和2019年进行的中国家庭金融问卷调查(CHFS)。CHFS覆盖了全国29个省(包含自治区、直辖市)，收集了家庭成员的人口统计学特征、家庭的资产和负债、保险和保障、支出与收入等方面的微观家庭金融数据，数据质量较高。

考虑到极端值可能会影响回归结果，本文通过Stata13.0软件对家庭商业保险保费支出、家庭年收入、资产和负债上下1%的样本进行缩尾处理，之后，剔除缺失值，最终合并成四期面板数据，家庭样本共9424户。

(二)变量选取

1.被解释变量

本文选取家庭是否参与商业保险和家庭商业保险的参与程度作为被解释变量。

家庭是否参与商业保险是一个虚拟变量，用own表示。2013年CHFS问卷里将商业保险分为了商业人寿保险、商业健康保险、商业养老保险、商业财产保险和其他商业保险，2015年、2017年和2019年CHFS问卷里将商业保险分为了商业人寿保险、商业健康保险和其他商业保险，如果家庭中至少有一个人购买了某一种商业保险，则认为该家庭参与商业保险，own取值为1，否则取值为0。家庭商业保险的参与程度用去年家庭缴纳的保费支出cost来表示。

2.解释变量

本文选取家庭老龄化作为解释变量。家庭老龄化程度用家庭中65岁及以上人口占比old_pro来表示[26]，由家庭中65岁及以上人口的数量除以家庭人口总数计算得来，取值范围为[0,1]。

3.中介变量

本文的中介变量是金融素养和户主风险态度，其中，金融素养包括金融素养(因子分析法)fin_literacy_1和金融素养(得分加总法)fin_literacy_2。金融素养的构造利用CHFS问卷中有关利率计算、通货膨胀预期和投资风险认知的3个问题。由于受访者回答错误与不会回答所反映的金融素养不同，因此，本文参照尹志超等(2014)[27]的做法，针对每个问题设置“是否正确回答”和“是否直接回答”两个虚拟变量。对设置的六个虚拟变量进行迭代公因子方差的主因子法提取主因子，再将各主因子的方差贡献率作为权重，加总预测的因子得分，最终得到金融素养(因子分析法)fin_literacy_1。得分加总法是假设受访者每回答正确1题记1分，将这三个问题回答正确的个数进行加总，得到金融素养(得分加总法)fin_literacy_2。

CHFS问卷中询问了户主的投资倾向类型，本文以此来表示户主的风险态度，按照选项“不愿意承担任何风险”“略低风险、略低回报的项目”“平均风险、平均回报的项目”“略高风险、略高回报的项目”“高风险、高回报的项目”分别赋值1～5。

4.控制变量

本文控制了可能会影响到家庭持有商业保险的人口统计学特征变量和家庭特征变量。

考虑到家庭保险购买决策可能更多地受户主的影响，所以，本文选取的人口统计学特征变量是户主的一些特征变量，具体包括：户主的年龄(age)：CHFS问卷里询问了户主的出生年份，据此计算出户主的年龄；性别(gender)：是一个虚拟变量，若户主为男性，则gender取1，否则取0；教育水平(education)：CHFS问卷里询问了户主的文化程度，本文将其文化程度折算为受教育年限：将“没上过学”赋值为0、“小学”为6、“初中”为9、“高中/中专/职高”为12、“大专/高职”为15、“大学本科”为16、“硕士研究生”为19、“博士研究生”为22；婚姻状况(marriage)：已婚、再婚赋值为1，其他情况赋值为0；身体状况(health)：CHFS问卷里询问了与同龄人相比，户主现在的身体状况如何，按照选项“非常好”“好”“一般”“不好”“非常不好”分别赋值1～5。户主去年工作单位类型(work)：CHFS问卷里询问了户主去年工作单位类型，若户主选择“机关团体/事业单位”“政府部门”或“事业单位”，则work取1，否则取0。

本文选取的家庭特征变量包括：家庭人口规模(size)：即家庭中的人口总数；家庭总收入(income)：问卷中的家庭总收入包括工资性收入、农业经营收入、工商业经营收入、转移性收入和投资性收入；家庭总资产(asset)：包括非金融资产和金融资产；家庭总负债(debt)；所处地区(rural)：是一个虚拟变量，农村家庭取1，城镇家庭取0。

(三)描述性统计

变量的描述性统计如下表1所示。

表1

在9424个家庭样本中，持有商业保险的家庭占比约21.8%，说明我国整体家庭持有商业保险的概率比较低，我国商业保险的普及率存在较大的提升空间，居民的投保意识亟待加强。因此，从家庭层面探究商业保险的持有情况具有一定的意义。家庭年保费支出的最小值是0，最大值是72000，均值为839.3，标准差为3557，均值较小、标准差较大，说明不同家庭的保费支出情况差别较大。中介变量金融素养(因子分析法)的均值为负，仅为-0.054，金融素养(得分加总法)的均值也较小，为0.662，说明样本中家庭成员的金融素养较弱，有较大的提升空间。户主的风险态度的均值为2.358，说明大多数户主厌恶风险。户主的平均年龄为52.4岁，最小的仅9岁，最大的达97岁。户主以男性居多，占83.4%。户主教育水平的均值为8.335，即平均的受教育年限不足九年，说明总体教育水平还存在较大的提升空间。已婚的户主居多，达90.9%。户主身体状况的均值为3.018，说明普遍来说户主的身体状况较好。家庭人口规模的均值为3.966，说明样本中三口之家、四口之家较多。家庭总收入、总资产和总负债的标准差都较大，说明不同家庭间的资产状况有较大的不同。一小部分家庭总收入为负数，主要是生产经营性项目亏损或者金融市场投资亏损所致。

五、实证结果与分析

(一)老龄化对家庭商业保险参与广度的影响

根据式(12)检验老龄化对家庭商业保险参与广度的影响是否显著，估计结果如表2所示。

表2 Probit模型回归结果

续表

由表2可知：在全国范围样本中，家庭老龄化通过了1%水平的显著性检验，家庭中65岁及以上人口占比的边际效应约为-0.129，而城镇家庭中、农村家庭中该变量的边际效应分别约为-0.202、-0.100，这表明了无论是全国范围、城镇范围还是农村范围，家庭中65岁及以上人口占比都对家庭商业保险的参与广度有负向影响，且城乡两样本间差距较大，这种负向影响在城镇家庭中更加明显。导致这种现象的原因可能是以下几点：第一，超过一定年龄或者患有疾病的家庭成员可能会被排除在被保险范围之外。第二，一般而言，商业保险的保费随着被保险人年龄的增加而提高，商业保险价格的提高可能会抑制老年人的投保。第三，我国老龄化具有“未富先老”的特点，老龄化加大了家庭的负担，增加了家庭的养老支出，从而可能会挤占投保的资金，降低家庭对商业保险的有效需求。第四，老年人较为保守，可能更倾向于以储蓄等方式抵御风险。第五，相比于年轻人，老年人可能对保险不太了解，掌握的保险相关知识较少，因而降低了其购买商业保险的可能性。我国目前老龄化问题较为严峻，抑制了家庭形成有效的商业保险需求。

就控制变量而言，除了户主性别、身体状况和去年工作单位类型没有通过10%的显著性检验，其他的控制变量都通过了显著性检验。在全国范围样本与城镇家庭样本中，户主年龄都显著为负，表明随着户主年龄的增长，家庭商业保险参与的概率减小。无论是全国范围还是城镇范围、农村范围，户主教育水平都通过了1%的显著性检验，户主教育水平的提高会对家庭参与商业保险起到一定的促进效果。在全国范围样本与城镇家庭样本中，户主为已婚状态可能会抑制家庭购买商业保险。家庭人口越多，家庭参与商业保险的可能性越大。家庭的收入、资产和负债越多，家庭参与商业保险的可能性越大。家庭所处地区在1%水平上显著为负，即相较于城镇地区，农村地区的家庭商业保险参与广度更小。

(二)老龄化对家庭商业保险参与深度的影响

根据式(13)和式(15)检验老龄化对家庭商业保险参与深度的影响是否显著，估计结果如表3所示。

可以看出，Tobit模型中，各解释变量和控制变量的边际效应的符号和Probit模型回归结果基本一致。具体来说，家庭中65岁及以上人口占比会对家庭商业保险参与深度有负向影响。全国范围样本、城镇家庭样本和农村家庭样本中，家庭老龄化的边际效应分别为-486.419、-1191.268、-94.624，从数值上可以看出，家庭老龄化对商业保险支出比重的负向影响在城镇家庭中尤为明显。

表3

就控制变量而言，在全国家庭、城镇家庭和农村家庭中，户主年龄对商业保险参与深度都具有负向影响，且都在1%水平上显著。除此之外，对家庭商业保险参与深度有负向影响的变量有户主为男性、户主去年工作类型为公共部门、家庭在农村。对家庭商业保险参与深度有正向影响的变量有户主教育水平、婚姻状况、身体状况、家庭人口规模、家庭总收入、家庭总资产和家庭总负债。在Tobit模型中家庭总负债的显著性比在Probit模型中大大增加，说明了家庭总负债对家庭商业保险参与深度有显著的促进作用。

OLS模型结果明显不如Tobit模型的回归结果。在OLS模型中，只有全国范围样本中的解释变量通过了10%的显著性检验，且影响方向为正，和Tobit模型中影响方向相反。各控制变量对家庭商业保险参与广度和深度的影响类似Tobit模型的回归结果。通过比较可以得知，用Tobit模型来研究老龄化对家庭商业保险参与深度的影响更具有实际意义。

与城镇家庭样本相比，农村家庭样本的显著性较弱，这可能是因为：第一，土地会给农村居民的生活提供一定的保障，从而在一定程度上降低其保险需求；第二，农村居民的储蓄较少，支付能力相对较弱，对商业保险的需求难以实现[28,29]；第三，相较于城镇地区而言，农村地区的教育条件相对落后，农村居民教育水平相对不高，参保意识相对薄弱[30]；第四，农村地区的保险公司网点较少，且保险公司在农村地区进行的保险宣传力度较弱，从而导致农村家庭商业保险的参与广度和深度较小。

(三)影响机制检验

根据式(16)至式(23)对影响机制进行检验，为了简化检验过程，仅针对全国范围样本进行检验。当中介变量为金融素养(因子分析法)fin_literacy_1和金融素养(得分加总法)fin_literacy_2时，检验结果分别如表4、表5所示。

表4 中介变量为金融素养(因子分析法)fin_literacy_1时的检验结果

表5 中介变量为金融素养(得分加总法)fin_literacy_2时的检验结果

由表4和表5可以看出，老龄化对家庭商业保险参与广度和深度有显著负向影响，金融素养对家庭商业保险参与广度和深度有显著正向影响，在加入金融素养这个中介变量之后，老龄化的影响系数变小了，显著性和影响方向不变。这表明老龄化会通过影响金融素养，进而影响家庭商业保险参与广度和深度。

当中介变量为户主风险态度risk时，检验结果如表6所示。

表6 中介变量为户主风险态度risk时的检验结果

由表6可以看出，户主风险态度对家庭商业保险参与广度和深度有显著正向影响，在加入户主风险态度这个中介变量之后，老龄化对家庭商业保险参与广度和深度的影响系数变小了，显著性和影响方向不变。这表明老龄化会通过影响户主风险态度，进而影响家庭商业保险参与广度和深度。

(四)内生性问题

由于有的家庭的老年人口占比为0，只有那些老年人口占比不为0的家庭才可以进一步谈论老龄化问题，进而论证老龄化对家庭商业保险参与的影响，因此，本研究可能存在样本选择性偏误这一内生性问题，本文借鉴郭玥(2018)[31]的做法，采用Heckman两步法来解决样本选择性偏误带来的内生性问题，回归结果如表7所示。

由表7可知，解释变量和各控制变量的回归结果与前文的估计结果基本一致，而且mills值没有通过10%的显著性检验，说明本研究没有严重的样本选择性偏误问题。

表7 Heckman两步法检验结果

续表

六、稳健性检验

以上的实证分析中，构建的各模型中LR值的p值都小于0.01，表明模型是稳健的。为了使结论更加可靠，本文还采用以下四种方式进行稳健性检验。第一，由于超过一定年龄的家庭成员可能会被排除在被保险范围之外，因此将年龄超过75岁的家庭成员排除在老年人行列之外，重新进行Probit和Tobit回归。第二，将样本按照家庭收入进行分类，进行稳健性检验。第三，将样本按照户主教育水平进行分类，进行稳健性检验。第四，将前文中的Probit模型换为Logit模型，进行稳健性检验。这四种方式下各变量的边际效应和标准误如表8所示。由表可知，各变量的回归结果与前述回归结果基本一致，可见回归结果是稳健的。

表8 稳健性检验结果

续表

七、结论与启示

本文分别采用Probit模型和Tobit模型实证检验了老龄化对家庭商业保险参与广度和深度的影响，在此基础上深入分析影响机制，并将城乡家庭之间的差异纳入模型中进行分析。得出以下结论：老龄化对家庭商业保险参与广度和深度都具有显著负向影响，这种负向影响在城镇家庭中更加明显；金融素养和户主风险态度是老龄化对家庭商业保险参与产生影响的重要渠道。

除此之外，户主年龄和家庭在农村对商业保险参与广度和深度有一定的负向影响；与此相反，户主教育水平、家庭人口规模、家庭总收入、总资产和总负债对家庭持有商业保险起到一定的促进效果。此外，本文还进行了多种方式的稳健性检验，都验证了结论的可靠性。

基于以上结论得到以下启示：第一，增强居民的保险意识，提高家庭购买商业保险的可能性。例如政府可以倡导社区发放宣传保险知识的传单、播放有关保险知识的广播，也可以倡导学校开设相关课程和举办讲座。除此之外，随着互联网对居民生活的渗透，居民可以利用互联网多去补充保险知识，了解保险产品，增强商业保险购买意愿。保险公司也可以根据城乡家庭之间的不同开发相应的保险品种，并通过电话访问和节日慰问等方式定期进行保险产品的宣传，从而促进商业保险更大限度地发挥规避风险和投资理财的功能。第二，增强居民的金融素养，以发挥金融素养在老龄化对家庭持有商业保险的负向影响中所起的抑制效应。例如，政府可以加大对金融知识的宣传，并通过模拟投资比赛等方式增强居民的金融素养。第三，加大教育投入以及促进家庭总收入和总资产的增长，以减轻家庭的养老负担，加强家庭商业保险参与广度和深度。例如，政府可以统筹城乡资源，针对城乡家庭之间的差异进行不同力度的减税，提升全民福利，从而促进商业保险的长远发展。