随着我国人口老龄化趋势的日益显著,人口数量红利趋于消失、社会养老保险基金不足的问题逐渐凸显。西方国家采用 “提高退休年龄”来解决上述问题，为解决我国老龄化的相关问题提供了借鉴。延迟退休政策的提法已经出现了多年，迟迟无法得到实施的重要原因之一在于，现行的退休制度沿用多年，对于延迟退休可能造成的影响一直众说纷纭。学界对延迟退休的研究主要集中于对劳动力市场的影响、对财政和养老保险的影响以及对企业竞争力的影响，研究对象主要集中于对青年人就业的挤出效应和财政的可持续性方面，而关于退休对于退休人员健康的影响却十分鲜见，健康是衡量个体福利水平的一个重要维度，在统计上探明退休对于健康的影响具有实际意义。

雷晓燕、谭力、赵耀辉使用2005年1%全国人口抽样调查数据,利用中国退休制度对人们退休决定的外生冲击以及断点回归设计研究了退休(指永久性离开劳动力市场)对人们健康状况的影响，发现在正常退休年龄退休对男性健康有显著的负面影响,对女性则没有影响,而提前退休对男性和女性的健康都没有影响。由于提前退休多是自愿发生的,而正常退休则是强制性的,研究表明,在设计退休制度时,应该给劳动者一定的选择退休年龄的灵活性。邓婷鹤、何秀荣基于中国家庭追踪调查(CFPS)2012年数据,以男性为例采用模糊断点回归的方法识别退休对个体心理、生理健康的因果影响。结果显示,退休对个体的生理健康并没有显著影响,但对其心理健康有显著的正向效应。从影响渠道来看,退休后个体压力减少,认知功能、记忆力以及对生活满意程度提升是导致健康(尤其是心理健康)改善的主要原因。董夏燕、臧文斌利用中国健康与养老追踪调查(CHARLS)数据,采用法定退休年龄作为工具变量,研究退休(指需要办理退休手续)对中老年人健康的影响。研究显示,退休对自评健康、抑郁和认知均产生了负面影响且对女性、教育程度较低、45~54岁的人群影响更为显著。此外,对影响路径的分析表明,退休会通过显著减少人们的社交活动和休息时间来危害健康。结论是退休对健康有负面影响,延迟退休有助于优化人们整个生命周期的健康水平。刘国恩、李星宇、石菊利用中国家庭跟踪调查(CFPS)2010年的成年人数据,以是否达到法定退休年龄退休为工具变量,实证检验了退休对自评健康状况、日常行动障碍、心理健康和自评记忆力的影响。结果显示,正常退休对女职工(非干部)自评健康状况和心理健康有显著的正向影响,对男性职工或其他方面没有显著效果。刘生龙、郎晓娟基于2010、2012和2014年中国家庭动态跟踪调查(CFPS)数据,利用中国退休政策在男女退休年龄上的规定,使用断点回归设计,探讨退休对身体健康和心理健康的影响,并检验退休影响健康的机制。研究发现,退休对男性的健康影响不显著,而对女性的自评健康和心理健康产生显著正向的影响,主要原因是退休后女性增加了锻炼的频率;虽然男性的锻炼频率在退休后也有所增加,但退休后男性超重的概率也随之增加,这很可能在一定程度上抵消了锻炼的健康效应。Bound和Waidmann利用英国老年追踪调查（ELSA）数据研究退休对健康（包括客观健康和自评健康）的影响，他们发现退休对健康不存在负面影响且对男性来说有正面作用。Norma和Zamarro利用欧洲健康、老年与退休调查（SHARE）2004年11个国家的数据，研究退休与健康的相关关系与因果关系，结果发现就相关关系而言，退休与健康显著负相关，但就因果关系来说，退休对人们的平均健康有显

著的正向作用。Rohwedder和Willis利用美国、英国和欧洲11个国家2004年的可比调查数据，研究退休对认知能力的影响，研究发现退休会显著降低人们的认知能力。Coe等运用美国健康与退休调查（HRS）数据估计退休对认知的影响，研究发现就白领工人而言，退休时长与其晚年认知无显著关系。Hernaes等利用涵盖挪威全部人口的数据库，基于挪威对特定人群降低退休年龄的政策变化，运用双重差分模型研究退休与死亡的关系，他们发现退休年龄对死亡无影响。

通过以上文献综述可以发现，从数量上来讲，国内对于该问题的研究不多，几乎就是以上所列举的这些研究，国外由于研究对象（不同国家）的多样性，研究更为丰富。但无论是国内还是国外，主流的研究方法都是工具变量法（多以特殊年龄为工具变量）以及断点回归。每一种研究方法都有利有弊，断点回归要求单一的混淆变量，并且如果其他自变量也出现了某种中断，则很难判明是什么原因导致了因变量取值的中断；而工具变量法所推论出的因果关系为局部平均处理效果（LATE），并且对于一个好的工具变量的要求较高。倾向得分匹配法（PSM）相对于前二者更加容易实施。更加能够容忍个体的异质性，不特定（变量关系未必呈线性）的函数形式也是它的优点。当然，PSM方法需要尽量保证排除不可观测的混淆变量的影响，这对前期匹配变量的选择与处理要求较高。无论如何，采用PSM方法研究国内退休对于居民健康的影响，是一个有价值的尝试。本文的工作主要建立在StefanieBehncke以及Lucia Coppola和DanieleSpizzichino对于该研究问题的贡献。

2. 研究的基本内容与方案

基于中国健康与养老追踪调查（CHARLS）数据，运用倾向得分匹配方法，实证不同群体的退休对不同健康结果的影响，定性定量地得出这一影响的具体效应正负向以及大小，并且探明影响可能的渠道与机制。

实施倾向得分匹配方法需要首先明确结果变量（健康）与处理变量（退休），在参考前期理论研究的基础上控制同时影响结果变量与处理变量的混淆变量。接下来预测倾向值，这一步是利用已知的混淆变量使用 Logistic或 Probit 模型来预测个体接受处理的概率。然后是基于倾向值进行匹配，有了上面的 Probit 模型，我们就能够预测每个研究个体的倾向值。最后运用最近邻匹配、半径匹配、核匹配三种方式进行匹配。最后基于匹配样本进行因果系数估计。在这个匹配好的样本中，我们只需比较处理组和控制组个体的平均差值就可以估计出处理本身对结果的影响。由于配对样本的倾向值近似，配对个体在混淆变量上的取值极为近似，这样也就控制了混淆变量的影响。换句话说，我们得到的组间差异就只能归因于处理的有无。最后需要进行共同支撑假设与平行假设的检验，以及敏感性检验。

研究方法：文献研究法实证研究法

技术路线图：