Page 154 - 《社会》2014年第2期

不确定性防范与城市务工人员主观幸福感

面的类似，例如，都有城市务工的经历，都曾生活和成长在农村等。
另一个需要注意的问题是，城市务工人员的异质性可能成为影响
其是否采取不确定性防范的重要因素。因为教育年限越长、收入水平
越高和社会网络关系越强的城市务工人员可能获得更多有关不确定性
防范的重要信息。因此，两组样本之间存在着显著的禀赋差异和能力
差异。如果我们直接将两组样本通过最小二乘法回归进行相关幸福感
的比较，则会导致极大的估计偏误。一是因为残差项中可能包含了与
不确定性防范能力有关但无法通过可观测变量控制的因素，二是因为
即使可观测的变量可以用来解释未观测的变量，但两者之间的关系并
非线性的，也会导致残差项中存在白噪音。为了解决上述问题，基于倾
向值匹配的思想，通过引入一个代理变量，将不可观测因素抽取出来，
从而使得 残 差 与 因 变 量 之 间 呈 现 相 互 独 立 的 关 系 （陈 炜、刘 阳 阳，
２０１０ ）。在倾向得分的估计过程中，仔细选择条件变量和 犔狅 犵 犻狋 回归的
正确设定对于倾向值匹配来说十分关键。尽管这一领域的学者提出了
众多规则与方法，但仍未发现有确定无疑的方法。普遍的做法是根据
犚狅狊犲狀犫犪狌犿犪狀犱犚狌犫犻狀 （ １９８４ ）的建议，应用逐步 犘狉狅犫犻狋 回归来选择 变
量，根据 犠犪犾犱 统计量来决定纳入或者排除条件变量。因此，我们在估
计倾向值得分时采纳这一方法。
根据研究目的，本文采用的代理变量为是否采取不确定性防范的
概率，通过将采取不确定性防范的倾向得分加入方程中后进行估计，这
就是倾向得分的线性匹配。倾向得分是指在给定样本特征 犡 的情况
下，个体采取不确定性防范的条件概率，即：
犘 （ 犡 ） ＝ 犘 ［ 犠 ＝１ 狘犡 ］ ＝犈 ［ 犠 狘犡 ］ （ １ ）
其中， 犠 是一个虚拟变量，如果城市务工人员采取了不确定性防范，则
犠＝１ ，否则 犠 ＝０ 。由于倾向得分是潜在不可观测的，因此，通常需要
利用 犘狉狅犫犻狋 概率模型进行估计。
对于个体 犻 而言，假定其倾向得分已知，那么其不确定性防范限制
条件下的平均处理效应（ 犪狏犲狉犪 犵 犲狋狉犲犪狋犿犲狀狋犲犳犳犲犮狋 ， 犃犜犈 ）为：
｝ （ ２ ）
犃犜犈 ＝犈 ｛［（ 犢 １犻狘犠 犻 ＝１ ） － （ 犢 ０犻狘犠 犻 ＝０ ）］ 狘犡 犻
分别表示同一个体在是否采取不确定性防范的两种情
其中， 犢 １犻 和 犢 ０犻
不能被同时观测到，因
况下的主观幸福感。在现实中，由于 犢 １犻 和 犢 ０犻
此在考察不确定性防范对城市务工人员幸福感影响时，如果直接比较

· １ ４ ７ ·