幸福感能降低中老年人受骗风险吗?——基于CHARLS数据的实证研究

饶育蕾, 陈地强, 彭叠峰, 朱锐

计量经济学报 ›› 2021, Vol. 1 ›› Issue (2) : 303-317.

PDF(934 KB)
PDF(934 KB)
计量经济学报 ›› 2021, Vol. 1 ›› Issue (2) : 303-317. DOI: 10.12012/CJoE2020-0006
论文

幸福感能降低中老年人受骗风险吗?——基于CHARLS数据的实证研究

    饶育蕾1(), 陈地强1(), 彭叠峰1, 朱锐2
作者信息 +

Does Happiness Reduce the Fraud Risks in Middle-Aged and Elderly?—Empirical Evidence From CHARLS Data

    Yulei RAO1(), Diqiang CHEN1(), Diefeng PENG1, Rui ZHU2
Author information +
文章历史 +

摘要

未被满足的情感需求是导致中老年人决策偏差和经济损失的关键因素.利用2015年中国健康与养老追踪调查(CHARLS)的追踪数据,本文研究了幸福感对中老年人受骗风险的影响.结果表明,中老年人幸福感与受骗风险存在明显的负相关关系.进一步考虑内生性等问题之后,发现基本结果仍然成立.此外,论文支持幸福感或通过增强中老年人自我控制而降低其受骗风险的假设.在中老年人诈骗事件频发的背景下,本文的研究结论有助于社会各界深入认识心理健康对中老年人经济决策的重要性,也为监管部门构建诈骗风险防范体系提供了政策依据.

Abstract

Dissatisfaction in feeling state is crucial factors causing decision-making bias and economic loss among middle-aged and elderly. Based on the tracking data of the 2015 China Health and Retirement Longitudinal Study (CHARLS), this paper empirically analyzes the impact of happiness on the fraud risk in middle-aged and elderly. The results show that there is a significant negative correlation between the happiness of middle-aged and elderly people and the risk of being cheated. Besides, we find the result is still robust after controlling endogeneity and other methodological alternatives. Moreover, this paper provide enough evidence to support the hypothesis that happiness could prevent middle-aged and elderly from bearing fraud risk by increasing their self-control capacity. Against the background of frequent frauds among the middle-aged and elderly, this paper helps to understand the role of mental health in their economic decision-making, offering policy makers suggestions to establish a fraud prevention system for middle-aged and elderly.

关键词

受骗风险 / 幸福感 / 中老年人 / 情感需求

Key words

fraud risk / happiness / the middle-aged and elderly / feeling state

引用本文

导出引用
饶育蕾 , 陈地强 , 彭叠峰 , 朱锐. 幸福感能降低中老年人受骗风险吗?——基于CHARLS数据的实证研究. 计量经济学报, 2021, 1(2): 303-317 https://doi.org/10.12012/CJoE2020-0006
Yulei RAO , Diqiang CHEN , Diefeng PENG , Rui ZHU. Does Happiness Reduce the Fraud Risks in Middle-Aged and Elderly?—Empirical Evidence From CHARLS Data. China Journal of Econometrics, 2021, 1(2): 303-317 https://doi.org/10.12012/CJoE2020-0006

1 引言

随着我国人口老龄化加剧, 一系列与中老年人相关的社会问题日益凸显. 尤为值得关注的是, 中老年人成为遭遇各类诈骗的高危人群. 《中国养老金融发展报告(2017)》指出, 在理财或其他金融活动消费中上当受骗且金额在1万元以上的各年龄段中, 50岁及以上中老年占比高于其他年龄段. 腾讯110于2019年发布的《中老年反欺诈白皮书》显示, 70后已经成为被欺诈重灾区, 而60后被诈骗金额最大, 数据显示4550岁的受骗群体占比达65.2%. 西南财经大学中国家庭金融调查与研究中心公布的《2016年中国养老理财报告》显示受骗金额在10万元以上的人群中, 50岁及以上中老年占比高于其他人群. 在此背景下, 研究中老年人受骗风险的成因, 揭示中老年人受骗的内在机制, 对保障中老年人退休生活福利、促进社会和谐稳定具有重要的现实意义.
为何中老年人会成为诈骗分子所青睐的对象已引起了社会各界的关注, 相关的社会调查显示诈骗团伙经常利用中老年人爱交友的特点, 先通过聊天骗取信任, 再以突发情况、产品推荐为由实施诈骗1. 已有研究表明中老年人在财务上更易受到不公平地对待(Egan, Matvos and Seru et al. (2019)), 存在明显的财务脆弱性. Spreng et al. (2016)建立的概念模型情感与认知能力是影响中老年人受骗风险的关键变量, 并且生理因素在其中起重要的调节作用(见图 1).
1例如腾讯110于2019年发布的《中老年人反欺诈白皮书》, 见: https://tech.qq.com/a/20191009/005008.htm.
图1 老年人遭受金融诈骗概念模型

Full size|PPT slide

相比于年轻人而言, 中老年人因认知能力退化而更依赖于情感框架决策, 经常受负面情感困扰的中老年人, 其理性决策框架常常遭受非理性因素的侵蚀, 从而引发系统性决策偏差. 另外, 由于情感需求无法得到满足, 中老年人也容易在各种心理诱导下进入诈骗者精心设计的决策陷阱, 导致错误决策和经济损失.
虽然概念模型认为认知能力是导致中老年人难以识别金融诈骗的关键因素, 但是社会调查数据分析发现教育在识别金融诈骗风险的作用并不强(DeLiema (2018), Burnes et al. (2017)). 相反, 中老年的情感状态在金融诈骗风险上表现出明显的预测作用(Shao et al. (2019)), 例如, 孤独、抑郁的老人更容易遭受金融诈骗(Lichtenberg (2016), Oliver et al. (2015)). 正如相关社会调查所指出的, 中老年人很多情况下甘愿被骗以期待获得情感的陪伴. 可见, 缺乏情感上的满足使老人产生更强的社交需求, 进而产生更高的被诈骗风险. Dimmock et al. (2017)的研究就显示, 金融欺诈存在明显的传染性, 在受害者存在更强的社交网络建立动机下, 这种诈骗传染性会更强. 那么, 是否可以认为幸福感更高的老人更不易陷入诈骗陷阱中呢? 一方面, 幸福感更高的决策主体风险规避意愿更高, 这将有利于降低个人的冒险行为, 降低其受骗风险; 另一方面, 也有学者认为幸福感越高的个人, 更容易产生乐观偏差(optimism bias) 与正向偏差(positivity bias), 从而导致决策非理性. 幸福感究竟是会增大个人的受骗风险还是降低个人的受骗风险呢? 这是本文试图探讨的主要问题.
借助2015年中国健康与养老追踪调查数据(CHARLS (2015)), 本文通过实证研究发现越是感到满足幸福的中老年人, 受骗风险越低. 经稳健性检验后, 结论依旧成立. 本文的主要贡献在于利用中国数据分析中老年人幸福感与其受骗风险之间的关系, 揭示中老年人受骗风险的形成机理, 为Spreng et al. (2016)提出的中老年人受骗风险理论提供了样本外证据. 本文其他部分安排如下: 第二部分是文献回顾与研究假设, 第三部分是数据样本与变量介绍, 第四部分是实证分析, 最后是研究结论与政策启示.

2 文献回顾与研究假设

主观幸福感对于个体决策的影响一直是充满争议的问题2. 幸福感将影响个人对他人的信任和个人的自我控制水平, 从而影响决策行为与受骗风险. 从信任角度看, 具有更高幸福感的个体具有更高的人际关系满意度(修宗峰和周泽将(2016)), 愿意耗费精力以经营社会关系. 所以, 高幸福感的个人对待朋友或陌生人会表现出更多的信赖(王磊(2018)), 这种信任容易使个人产生正向偏差. 而个人出于对他人的信任(Judges et al. (2017))、渴望社交与他人的关注、不能抵制短期满足的诱惑(Schreck (1999))等原因, 导致个人容易将对他人的信任感错误地转移到对方所传递的信息. 这种错置信任导致个人无法调用理性思维来判断所接收信息的真伪, 从而使决策系统更多为快系统主导, 进而为非理性因素所侵蚀, 最终导致决策的系统性偏差, 出现更高的受骗可能.
2目前的经济学研究中, 更多视角关注在何种因素会影响居民幸福感. 自从伊斯特林悖论提出以来, 众多学者就在不断探索除了收入以外, 究竟还有什么因素会影响个人的幸福感. 例如近期的研究发现子女性别(陆方文, 刘国恩和李辉文(2017))、金融市场参与以及借贷市场的可获得性(尹志超, 岳鹏鹏和陈悉榕(2019))、乃至于空气质量(Levinson (2012))都能直接影响中老年人的主观幸福感.
现有文献认为, 中老年人成为受骗高危人群与其更高的信任倾向存在紧密关联. Castle et al. (2012)的实验研究发现, 相比年轻人, 中老年人对陌生人面孔标记了更多的可信赖程度. 这种信任倾向使得中老年人可能更具有亲和力与合作倾向, 从而易为他人所操纵(Lee and Ashton (2004), Pinsker, McFarland, Pachana (2010)). 在年龄的催化作用下, 中老年人的幸福感与对他人的信任倾向会同步增长(李涛, 黄纯纯和何兴强(2008)), 使其在决策过程中更多调用的是情感系统而非认知系统, 从而更容易产生正向偏差、过度自信等心理偏差(Be Bruine et al. (2007), Lane (2017)), 使其更易成为消费诈骗的受害者. 由此, 本文提出以下假设:
另一方面, 幸福感也影响个人的自我控制(赵小华和郑毓煌(2017)). 自我控制被认为是影响个人受骗风险最为关键的因素, 个人的负面情感会极大的削弱自我控制能力(Pham (2007)). 处于弱自我控制状态时, 个人会产生更多的冲动决策行为, 导致高的冒风险活动(Van Wilsem (2011)), 会更容易参与成瘾性与风险性活动(例如抽烟、饮酒、赌博甚至超速驾驶) (Forde (1997)). 弱自我控制使个人更愿意追求短期利益与效用满足, 因此有更高的冲动消费、冲动投资倾向. 这种更高的风险寻求行为会导致个人频繁暴露于高风险环境中. 反之, 当个人处于一种快乐的情感时, 因其满足状态而更可能处于价值函数的收益区域, 因而存在更高的风险规避心理(叶德珠和周丽燕(2015)). 因此个人也不需通过成瘾性行为、过度消费等冲动来获得效用满足, 从而处于更高的自我控制状态中, 从而有更低的受骗风险.
基于以上信任原理与自我控制理论, 我们提出下述相反的两个备选假设:
假设1a(信任假设): 幸福感越高, 中老年人受骗风险越高.
假设1b(自我控制假设): 幸福感越高, 中老年人受骗风险越低.

3 样本与变量定义

本文使用由北京大学发展研究院、北京大学中国社会科学调查中心2015年执行的"中国健康与养老追踪调查" (CHARLS)项目调查数据3. 参照世界卫生组织关于中老年划分标准后仅保留45岁及以上的受访者样本, 并依据相关研究剔除了年龄与教育回答为0的异常样本. 最终样本为来自17660个受访者的数据.
3CHARLS数据是一套旨在收集中国45岁及以上中老年人健康与养老行为特征的微观数据, 以期推动中国老龄化问题的研究. 该项目于2011年开始全国范围的基线调查, 覆盖150个县级单位, 450个村级单位, 约1万户家庭中的1.7万人, 项目每两年进行一次. 由于本文研究的是个人受骗风险问题, 而对这一行为的调查于2015年的问卷中首次出现, 故本文仅使用2015年CHARLS截面调查数据.
1) 被解释变量与解释变量
本文的被解释变量为个人受骗风险, 我们根据问卷中"您是否有遭遇诈骗的经历"这一问题来构造, 若受访人回答"有"则赋值为1, 反之赋值为0.
本文关注的核心解释变量即幸福感, 基于已有研究的观点: 个人主观幸福感与其生活、婚姻、家庭乃至健康等方面的满意度具有极为密切的关联. 由此, 根据问卷中关于个人满意度的问题设计"您对您的健康满意吗?""总体来看, 您对您的生活是否感到满意""您对您的婚姻满意吗? 也就是说您对您和您配偶的关系满意吗?""您对您和您子女的关系满意吗?", 通过计算个人对四个问题回答的得分加总或提取主成分两种算法来构造幸福感, 以得分加总值定义"总幸福感", 以提取主成分4定义"综合幸福感".
4提取主成分即使用主成分分析方法来计算不同满意度的因子载荷矩阵, 从而计算出累积载荷超过80% 的主成分得分. 随后计算出所选取的主成分得分与对应的方差贡献率乘积之和, 该和值即为所提取的综合满意度. 下文提及的抑郁指数构造方法与此相同.
2) 关键控制变量
根据Spreng et al. (2016)提出的概念框架, 个人心理情感、认知能力是影响受骗风险的重要渠道, 而生理健康则在其中起重要的调节作用. 本文借鉴胡宏伟等(2012)对中老年人健康满意的相关研究, 构造个人健康状况、认知能力与心理情感三个变量. 关于个人健康状况, 本文对CHARLS问卷中对个人日常生活自理能力(activity of daily living, ADL)方面问题信息的得分加总来构造5. 关于个人认知能力, 借鉴Judges et al. (2017)的观点, 对问卷中简易智能精神量表中记忆力相关问题得分加总构造记忆能力变量. 关于心理健康状况, 借鉴李涛等(2018)的定义方法, 对问卷中关于测度个人抑郁量表的十个问题, 根据每个问题的得分提取主成分来构造抑郁指数. 具体包括"因一些小事儿烦恼""感到情绪低落""感到害怕""觉得无法继续生活""感到孤独"" 做事很难集中精力""做事费劲""睡眠不好""对未来充满希望""感到愉快"等问题. 其中最后两个问题测度的是积极情绪, 因而将最后两项回答的分值进行逆序处理以保持和其他问题的回答方向一致.
5具体来说, ADL包含穿衣、洗澡、吃饭、上下床、上厕所、控制大小便、做家务、做饭、外出购物、管理财务、打电话、吃药等12项活动. 本文把这12项活动综合成一个变量, 即将个人对每一项回答得分进行加总.
3) 其他控制变量
关于中老年人受骗风险的其他控制变量, 借鉴Judges et al. (2017), James et al. (2014)及其他相关研究, 控制了一系列社会人口学特征变量和家庭规模、经济状况等变量, 具体包括: 年龄、性别、教育、婚姻状况、个人资产、消费支出、子女数量、户口类型. 此外, 在回归方程中, 还控制个人所在省份等因素以降低省份异质因素的影响. 变量定义情况参见表 1.
表1 变量定义
变量类型 涵义 度量方式
被解释变量 受骗风险 有诈骗经历定义为1, 否则为0
解释变量 综合幸福感 对四个度量满意度的问题提取主成分计算得分
总幸福感 对四个度量满意度的问题分值进行加总并取对数
人口特征变量 年龄 被访者年龄, 以真实出生日期进行调整: 但若无真实数据则以身份证日期代替
婚姻状况 一共有7种分类, 1为已婚且同居、2为已婚未同居、3为分居、4为离异、5为丧偶、6为未婚、7为同居
教育状况 1为未受教育、2为未读完小学、3为私塾、4为小学、5为初中、6为高中、7为中专、8为大专、9为本科、10为硕士、11为博士
性别 为男性时取1, 女性取0
儿女个数 以健在儿女数为准, 且在回归中进行对数处理
个人资产 为问卷中个人现金+存款+持有股票、债券与基金面值+公积金总额, 若无具体数额, 则取回答范围的均值代替. 并在回归中取对数处理
家庭消费支出 为问卷中一年家庭消费支出总和对数值
户口 城市户口为1, 农村户口为0
主要控制变量 抑郁指数 基于CHARLS问卷中关于测度个人抑郁量表的十个问题提取主成分, 得分越大代表抑郁程度越高
记忆力 基于CHARLS问卷中简易智能精神量表中记忆力相关问题得分加总构造记忆能力变量并取对数.该数值越大, 代表个人记忆能力越强.
生活自理能力 基于CHARLS问卷中对个人日常生活自理能力(ADL)方面
问题信息的得分加总并取对数值, 值越大代表个人生活自理能力越差

4 实证分析

4.1 模型设定

本文重点研究幸福感与中老年人受骗风险的关系. 由变量定义可知, 受骗风险为离散变量, 本文选用Probit离散选择模型来估计变量间的相关关系, 并且控制省份固定效应以降低省份异质效应. 模型构建如下:
Pr(fraudi=1|xi)=α+β1happinessi+γControlsi+province+μi.
(1)
式(1)中, fraudi代表第i个被访者是否有受骗经历, happinessi代表第i被访者的幸福感, Controls为其他控制变量. province为省份虚拟变量. μi为随机扰动项.

4.2 变量描述性统计

表 2是样本总体的变量描述. 可以看出: 1)中老年人报告有受骗经历的比例为9.5%, 这一比例与国外社会调查机构数据基本相近. 而从两种幸福感变量均值来看, 由于综合幸福感为主成分分析所得, 因此均值接近为0. 而总幸福感为得分加总, 均值为12.88, 中位数为13, 可知中老年人总幸福感是比较高的; 2)年龄均值为61.97岁, 表明调查样本中老年样本占有相当的比重, 年龄中位数为61岁. 可知被访者年龄分布在61岁左右, 分布较为均匀; 3)从个人资产与家庭消费支出状况看, 可以看出被访问者样本存在极大的差异, 消费支出与个人资产均值均超过一万, 但中位数都在5000以下, 均值高出中位数2倍以上, 说明被访者资产与消费的分布更多分布在均值以下. 由于该两个变量存在较为明显的极端情况, 为此在后续回归中拟进行连续变量分布1%与99%的缩尾处理并取对数; 4)从其他变量均值与中位数分布来看, 样本男女基本均衡, 男性比例为48.2%; 中老年平均受教育水平为小学以下; 大部分婚姻状态为已婚且同居; 生活自理能力均值为12.08, 中位数为12; 对12个项目是否有困难的回答上, 大部分回答为并无困难或困难较低, 说明中老年人总体身体状况较好. 而从中老年抑郁程度与记忆力变量分布来看, 总体抑郁程度为正而记忆能力相对较低.
表2 基本变量的描述性统计
变量 均值 中位数 标准差 最小值 最大值 观测值
受骗风险 0.095 0 0.293 0 1 16572
综合幸福感 0 0.002 0.797 3.152 2.276 14120
总幸福感 12.88 13 2.768 1 20 16577
年龄 61.97 61 9.974 45 106 17660
个人资产 15380 1000 41283 0 300300 16489
家庭消费支出 12317 4300 24558 0 161610 17640
教育水平 3.436 4 1.962 1 10 17651
婚姻状况 1.606 1 1.378 1 7 17660
健在子女数 2.72 2 1.41 1 15 17441
性别 0.482 0 0.5 0 1 17660
生活自理能力 12.08 12 6.018 2 49 17643
抑郁程度 0.001 0.205 0.768 0.922 2.887 15306
记忆力 10.1 11 4.674 0 25 16661

4.3 单变量检验

我们按照两个幸福感变量从小到大排序, 将样本分成5组, 每组中的受骗比例见图 2. 可以直观看出, 中老年人的幸福感与中老年人受骗风险总体呈负相关关系, 最幸福组受骗比例比最不幸福组低5%左右, 后者是前者的2倍. 可见, 幸福感越高, 受骗风险越低, 这与假设H1b预期相符. 按照被访者总幸福感得分是否高于中位数, 我们将样本分为低幸福和高幸福两组. 表 3报告了组间差异的检验结果: 高幸福组的受骗比例为0.077, 小于低幸福组的0.109, 且该差异在1%的统计水平上显著. 中位数检验的结果表明了相同的情况, 进一步验证了假设H1b的预期.
图2 幸福感与受骗风险

Full size|PPT slide

表3 单变量分析(按总幸福感分组)
变量 低幸福组 高幸福组 差异T/Z检验
样本 均值 中位数 样本 均值 中位数 T检验 Z检验
被诈骗经历 9483 0.109 0 7021 0.077 0 0.032 48.300
年龄 9532 62.621 62 7045 60.403 60 2.218 155.811
性别 9532 0.446 0 7045 0.532 1 0.086 119.497
教育水平 9530 3.399 4 7042 3.522 4 0.123 13.656
健在子女数 9364 1.263 1.099 7037 1.222 1.099 0.041 30.907
个人资产 9422 7.168 6.909 6995 7.662 7.439 0.494 112.134
家庭消费 9528 7.806 8.343 7039 8.156 8.517 0.350 27.100
户口 9532 0.391 0 7045 0.395 0 0.004 0.296
抑郁指数 8627 0.196 0.008 6661 0.251 0.401 0.447 943.305
记忆力 9277 2.158 2.303 6949 2.26 2.398 0.102 46.426
生活自理能力 9532 2.445 2.485 7045 2.269 2.485 0.176 494.386
注: T值与Z值分别为按照总幸福感中位数分组后均值与中位数检验结果. 代表在1%的置信度内拒绝两组样本均值无差异的原假设, 代表在5%的置信度内拒绝原假设, 代表在10%的置信度内拒绝原假设.

4.4 多元回归分析

表 4报告了假设H1的检验结果: 回归(1)中仅引入综合幸福感作为解释变量, 被解释变量为是否有受骗经历的虚拟变量, 我们发现综合幸福感的系数为0.128, 在1%的水平上显著; 回归(2)中, 进一步控制了省份固定效应后, 综合幸福感的参数系数依旧在1%的水平上显著为负; 回归(3)中控制了基本人口特征变量与家庭经济变量, 综合幸福感的系数增大到0.131, 仍在1%的水平上显著; 最后, 在回归(4)中加入了抑郁指数、记忆力与生活自理能力这三个衡量情感、认知与生理状况的变量, 发现综合幸福感的系数直接下降至0.068, 但仍通过了1%的统计水平检验. 在回归(5)、(6)、(7)和(8)中, 将幸福感指标替换为总幸福感, 得到的结论不变.
表4 幸福感与被诈骗风险的Probit回归结果
变量 (1) (2) (3) (4) (5) (6) (7) (8)
被诈骗风险(Fraud)
综合幸福感 0.128 0.118 0.131 0.068
(0.000) (0.000) (0.000) (0.003)
总幸福感 0.363 0.332 0.396 0.244
(0.000) (0.000) (0.000) (0.001)
年龄 0.402 0.378 0.376 0.381
(0.001) (0.001) (0.006) (0.003)
性别 0.080 0.075 0.138 0.130
(0.013) (0.013) (0.000) (0.000)
教育水平 0.001 0.009 0.006 0.003
(0.912) (0.312) (0.579) (0.773)
已婚且暂时分居 0.111 0.108 0.121 0.123
(0.070) (0.074) (0.057) (0.050)
分居 0.345 0.104 0.348 0.097
(0.432) (0.665) (0.437) (0.710)
离异 1.366 0.314 1.380 0.332
(0.005) (0.021) (0.005) (0.022)
丧偶 0.043 0.026
(0.394) (0.629)
未婚 0.237 0.437
(0.506) (0.258)
同居 0.320 0.218
(0.504) (0.651)
健在子女数 0.138 0.122 0.127 0.125
(0.011) (0.013) (0.026) (0.016)
个人资产 0.034 0.030 0.035 0.032
(0.000) (0.000) (0.000) (0.000)
家庭消费 0.022 0.019 0.019 0.015
(0.003) (0.003) (0.016) (0.035)
户口 0.102 0.103 0.117 0.118
(0.003) (0.001) (0.001) (0.000)
抑郁指数 0.124 0.120
(0.000) (0.000)
记忆力 0.151 0.136
(0.000) (0.000)
生活自理能力 0.177 0.175
(0.000) (0.000)
截距项 1.334 0.399 1.375 0.520 3.742 2.556 4.384 3.694
(0.000) (0.001) (0.000) (0.000) (0.000) (0.000) (0.000) (0.000)
观测值 14, 072 16, 504 14, 072 16, 504 13, 957 16, 214 12, 939 14, 749
省份固定效应 不控制 不控制 控制 控制 控制 控制 控制 控制
chi2 45.22 59.69 129.2 149.2 228.6 255.2 274.9 313.1
R2_pesudo 0.006 0.005 0.016 0.014 0.027 0.025 0.035 0.033
注: 表中年龄、健在子女数、中老年人资产与家庭消费支出、生活自理能力与记忆力均为对数处理后的参数值; 婚姻变量为生成7个虚拟变量并以已婚且同居作为基准组; 户口为虚拟变量, 城市为1而农村为0. , , 分别代表p值小于等于1%, 5%, 10%的统计显著性水平, 括号内为经稳健标准误调整后的p值.
从控制变量来看, 年龄、性别、子女数量、资产、消费、户口与受骗风险显著正相关, 这与已有研究结论一致(Judges et al. (2017), James et al. (2014)). 而教育水平与受骗风险在样本中未发现统计上的相关关系, 同样与已有研究结论相近. 此外, 抑郁指数、记忆力与生活自理能力均被发现与受骗风险存在显著的正相关关系. 这与Spreng et al. (2016)提出的影响路径与预期存在一定出入, Spreng et al. (2016)认为当个人情感状况越偏向于负面时, 其寻求改善情感的动机越强并因而越容易产生其他行为偏差, 导致高的受骗风险. 而当个人认知能力越强时, 其越容易看清实施诈骗者的手法而降低受骗概率. 同理, 中老年人生理健康值的下降, 会直接影响其决策能力并更可能导致低落情绪, 因而导致高的受骗风险. 本文抑郁指数与生活自理能力参数为正与Spreng et al. (2016)预期一致, 但记忆力符号为正则与其不符, 可能的原因是记忆力并非认知能力的合理代理变量.
综上, 在控制其他因素后, 幸福感与中老年人受骗风险之间呈显著负相关关系, 说明中老年人幸福感越高, 受骗概率显著越低. 这在一定程度上支持了自我控制假设(假设H1b), 但不支持信任假设(H1a).

4.5 稳健性检验

1) 内生性问题
负面经历会降低中老年人幸福感(Brenner (2020)). 幸福感与受骗经历可能存在一定的内生性, 没有遭遇过诈骗的人幸福感会更高, 而遭遇过诈骗本身就可能导致其幸福感的降低. 此外, 幸福感是一种中老年人对所处环境、生活的主观认知与态度, 故而可能与包括中老年人所处城市特征、心理状态等变量在内的遗漏变量相关. 可见基本回归结果可能存在一定的内生性问题, 因此本文引入工具变量进行2SLS回归.
在一系列研究幸福感与个人经济行为的文章中, 如Lane (2017), Guven (2012), Guven and Hoxha (2015)认为天气与幸福感存在高度相关性, 若晴天越多或日照时间越长, 个人的幸福感也越高. 同时, 天气变量为外生变量, 与模型的随机误差项并不直接相关. 借鉴已有研究的思路, 本文构造"未预期晴天"作为工具变量6. 另外, 本文也选取了"亲人生理健康"7作为幸福感工具变量以保证估计更为有效. "亲人生理健康"作为工具变量依据为: 第一, 亲人的身体状况与被访者的幸福感有极大关联性; 但亲人的身体状况相对外生, 不会直接影响中老年人受骗风险. 而且, 本文选取2个工具变量可以进行过度识别检验, 以检验工具变量的有效性(薛新东和刘国恩(2012)).
6具体构造思路为: 通过爬虫方法获取天气后报网中关于被调查城市2011年1月–2015年12月一共60个月的晴天数量; 随后, 由于2015年的调查问卷在7–8月份执行, 因而计算出2015年1–6月被调查城市的加权平均晴天数量(越接近被调查月份则权重越大); 最后, 以2015年1–6月加权平均晴天数减去2011–2015年1–6月的平均晴天数量, 以二者的差值作为未预期晴天.
7我们发现问卷中的家庭ID仅有两个组合, 要么一个家庭ID对应一个被访者, 要么对应两个被访者. 我们以有两个被访者的家庭ID样本构造亲人生理健康变量, 即以对方的生活自理能力作为亲人的生理健康变量.
本文以IVProbit模型, 并以极大似然估计方法重新估计式(1), 结果如表 5所示.在控制内生性问题后, 幸福感与中老年人受骗风险依旧显著负相关, 符合假设H1b的预期. 第二阶段回归中Wald外生性检验拒绝了不存在内生性的原假设, 可知使用IVProbit估计较为合理. 而第一阶段回归中F值均大于10, 可知不接受工具变量弱有效假设, 并且第二阶段的工具变量过度识别检验结果不能拒绝工具变量与误差项不相关的原假设(Andreson-Rubin Overid检验p值均未通过10%的统计检验), 可见本文选取的两个工具变量较为合适.
表5 工具变量回归结果
变量 (1) (2) (3) (4)
第一阶段回归 第二阶段回归
总幸福感 综合幸福感 被诈骗风险(Fraud)
总幸福感 3.305
(0.008)
综合幸福感 0.787
(0.012)
亲人生理健康 0.013 0.044
(0.002) (0.008)
未预期晴天 0.006 0.027
(0.000) (0.000)
控制变量 控制 控制 控制 控制
常数项 2.688 0.454 4.793 3.705
(0.000) (0.044) (0.229) (0.000)
省份固定效应 控制 控制 控制 控制
观测值 12, 021 11, 866 12, 011 11, 845
R2 0.190 0.210
chi2 2672 455.1
Wald Test 3.719 3.417
F 66.61 74.19
Andreson-Rubin Overid 0.9369 0.6537
注: Wald Test为解释变量内生性检验P值, Andreson-Rubin Overid为工具变量过度识别检验P值; 括号内为参数检验经稳健标准误调整后P值; 控制变量与表 4保持一致. , , 分别代表p值小于等于1%, 5%, 10%的统计显著性水平, 括号内为经稳健标准误调整后的p值.
2) 解释变量指标的其他构建方法
本文所定义的幸福感为四个满意度变量所合成, 而已有研究也认为生活满意度、健康满意度、婚姻满意度亦可作为幸福感的代理变量. 为测试研究结论对幸福感衡量指标的敏感性, 我们进一步使用这四个满意度指标分别代替基本回归的幸福感变量. 由表 6, 可以看出即便是使用四个满意度作为幸福感代理变量, 它们与受骗风险仍旧呈显著负相关关系. 而健康满意度虽然在基本回归中未通过统计检验(系数为0.003, p值为0.886), 但我们再次使用IVProbit估计后发现所有满意度指标均与受骗风险呈显著负相关关系, 说明本文的结论对幸福感指标不敏感.
表6 解释变量替代性检验结果
变量 (1) (2) (3) (4) (5) (6) (7) (8)
probit估计 Ivprobit估计
受骗风险(Fraud)
生活满意度 0.040 0.826
(0.051) (0.007)
健康满意度 0.003 1.069
(0.886) (0.000)
婚姻满意度 0.085 0.750
(0.000) (0.015)
子女满意度 0.075 0.900
(0.000) (0.004)
亲人生理健康 0.047 0.010 0.068 0.031
(第一阶段) (0.003) (0.449) (0.000) (0.043)
未预期晴天 0.024 0.013 0.020 0.024
(第一阶段) (0.000) (0.088) (0.002) (0.000)
控制变量 控制 控制 控制 控制 控制 控制 控制 控制
常数项 4.280 4.342 4.143 3.930 1.645 0.988 1.118 0.515
(0.000) (0.000) (0.000) (0.000) (0.308) (0.675) (0.564) (0.823)
观测值 14, 712 14, 705 13, 050 14, 651 11, 987 11, 979 11, 945 11, 936
省份固定 控制 控制 控制 控制 控制 控制 控制 控制
chi2 306.3 300.4 287.2 310.3 34039 1547 488.0 2722
Wald Test 0.046 0.072 0.088 0.049
R2_pesudo 0.0327 0.0321 0.0362 0.0335
注: Wald Test为解释变量内生性检验P值, 括号内为参数检验经稳健标准误调整后P值; 控制变量与表 4保持一致. , 分别代表p值小于等于1%, 5%的统计显著性水平, 括号内为经稳健标准误调整后的p值.
3) 增加控制变量
为进一步控制可能遗漏的地区层面因素对回归结果的影响, 引入城市虚拟变量与社区虚拟变量重新估计式(1), 结果发现(见表 7)幸福感与受骗风险依旧在1%的水平上显著负相关. 对比表 4 (第4与第8列结果)后可知引入城市虚拟变量对结果影响并不大, 然而引入社区虚拟变量后幸福感对受骗风险的作用增强(总幸福感影响系数由0.244变为0.407, 综合幸福感影响系数由0.066变为0.126), 而其他控制变量符号与显著性变化与表 4保持一致. 表 7结果说明本文的研究结果并不是因为遗漏了某些地区或社区层面的不可观测变量所导致.
表7 城市与社区固定效应结果
变量 (1) (2) (3) (4)
被诈骗风险(Fraud)
总幸福感 0.407 0.230
(0.007) (0.003)
综合幸福感 0.126 0.066
(0.005) (0.005)
年龄 0.439 0.382 0.300 0.307
(0.102) (0.188) (0.026) (0.033)
性别 0.293 0.321 0.148 0.157
(0.000) (0.000) (0.000) (0.000)
教育 0.015 0.033 0.004 0.012
(0.462) (0.121) (0.663) (0.248)
暂时分居 0.254 0.259 0.123 0.124
(0.043) (0.042) (0.055) (0.055)
分居 0.144 0.534 0.095 0.402
(0.775) (0.525) (0.716) (0.355)
离异 0.574 2.560 0.363 1.382
(0.029) (0.006) (0.012) (0.010)
丧偶 0.056 13.078 0.037
(0.609) (0.987) (0.500)
未婚 1.034 0.493
(0.131) (0.203)
同居 0.118 13.140 0.068
(0.913) (0.985) (0.888)
健在孩子数 0.393 0.447 0.155 0.158
(0.001) (0.001) (0.006) (0.011)
个人资产 0.059 0.068 0.033 0.036
(0.000) (0.000) (0.000) (0.000)
家庭消费 0.026 0.037 0.015 0.019
(0.069) (0.031) (0.042) (0.020)
户口 0.087 0.092
(0.032) (0.034)
抑郁指数 0.255 0.268 0.125 0.130
(0.000) (0.000) (0.000) (0.000)
记忆力 0.278 0.300 0.150 0.165
(0.000) (0.000) (0.000) (0.000)
生活自理能力 0.335 0.326 0.200 0.197
(0.000) (0.000) (0.000) (0.000)
常数项 3.075 3.947
(0.000) (0.000)
观测值 13, 532 11, 519 14, 669 12, 815
社区固定效应 控制 控制
省份固定效应 控制 控制
城市固定效应 控制 控制
Chi2 190.9 179.5 463.0 404.6
R2_pesudo 0.0259 0.0290 0.0533 0.0547
注: 表中年龄、健在子女数、中老年人资产与家庭消费支出、生活自理能力与记忆力均为对数处理后的参数值; 婚姻变量为生成7个虚拟变量并以已婚且同居作为基准组; 户口为虚拟变量, 城市为1而农村为0. , , 分别代表p值小于等于1%, 5%, 10%的统计显著性水平, 括号内为经稳健标准误调整后的p值.
4) 其他敏感性测试
本文同样进行了三个主要控制变量包括健康状况、认知能力与抑郁程度的敏感性测试. 对于健康状况变量, 本文尝试使用生活行动能力(即问卷中关于个人跑步、走路、坐久站立、上下楼梯、弯腰、屈膝、下蹲、负重、手臂延伸、拿起硬币等行动是否困难的调查)与个人自报道生理健康(即问卷中询问你认为你身体如何的问题调查)来替代生活自理能力变量; 对于抑郁变量, 本文尝试更换以得分加总取对的方法替代提取主成分方法; 对于认知能力变量, 本文尝试以问卷中关于个人定向力、计算力和复写能力相关的问题加总构建认知能力变量以替代记忆能力变量. 回归结果显示幸福感与受骗风险的负相关关系仍旧显著存在, 且该三个主要控制变量的影响方向与主回归一致8.
8限于篇幅考虑, 本文并未将该敏感性测试结果展示, 读者若有需要可向作者索取. 另: 在这些重新计算的指标中, 生活行动能力数值越大, 代表行动越困难; 自报道健康数值越大, 代表自我感觉越健康; 而抑郁分值越高, 代表抑郁程度越大; 认知能力数值越大, 代表认知能力越高.

5 研究结论与政策启示

本文以为, 中老年人的心理情感需求是导致其频繁陷入消费或投资诈骗陷阱的关键原因. 中老年人幸福感越高, 其心理情感需求会相对较低, 理论上应当会有更低的受骗风险. 我们使用2015年中国健康与养老追踪调查数据研究幸福感对中老年人受骗风险的影响, 发现幸福感与中老年人受骗风险之间存在显著的负相关关系; 在进行了包括内生性检验在内的一系列稳健性测试后, 该结论依然成立. 这表明幸福感更多通过增强中老年人的"自我控制"降低受骗风险, 即当幸福感很高时, 中老年人有更强的自我控制能力降低风险性活动的参与和其他非理性决策行为, 从而降低了受骗风险.
本文的研究意义在于, 有关决策部门应充分认识到中老年人广泛存在的情感需求是其遭遇诈骗的主要推手, 而提升中老年人幸福感是降低其受欺诈风险、构建和谐社会的关键因素. 因此, 相关政策应当着重从改善中老年人心理健康入手, 唤醒家人以及社会各阶层的共识, 以期助益于中老年人的晚年幸福生活, 并最终降低中老年人未来受骗风险.

参考文献

胡宏伟, 刘国恩, 城镇居民医疗保险对国民健康的影响效应与机制[J]. 南方经济, 2012, (10): 186- 199.
Hu H W , Liu G E , Impact of Urban Resident Basic Medical Insurance on National Health: Effect Evaluation and Evidence of Mechanism[J]. South China Journal of Economics, 2012, (10): 186- 199.
李涛, 黄纯纯, 何兴强, 周开国, 什么影响了居民的社会信任水平?——来自广东省的经验证据[J]. 经济研究, 2008, (1): 137- 152.
Li T , Huang C C , He X Q , Zhou K G , What Affects the Level of Social Trust of Residents?—Empirical Evidence From Guangdong Province[J]. Economic Research Journal, 2008, (1): 137- 152.
李涛, 徐翔, 张旭妍, 孤独与消费——来自中国老年人保健消费的经验发现[J]. 经济研究, 2018, 53 (1): 124- 137.
Li T , Xu X , Zhang X Y , Loneliness and Consumption: An Empirical Investigation of the Healthcare Consumption of China's Elderly Population[J]. Economic Research Journal, 2018, 53 (1): 124- 137.
陆方文, 刘国恩, 李辉文, 子女性别与父母幸福感[J]. 经济研究, 2017, 52 (10): 173- 188.
Lu F W , Liu G E , Li H W , The Gender of Children and Parents' Happiness[J]. Economic Research Journal, 2017, 52 (10): 173- 188.
王磊, 社会信任与家庭幸福感的关系初探——基于中国家庭幸福感热点问题调查数据的研究[J]. 中国社会心理学评论, 2018, (1): 111- 128.
Wang L , A Preliminary Investigation on the Relationship Between Social Trust and Family Happiness: A study based on Data of Chinese Family Happiness Survey[J]. China Social Psychological Review, 2018, (1): 111- 128.
修宗峰, 周泽将, 地区幸福感、社会资本与企业公益性捐赠[J]. 管理科学, 2016, 29 (2): 146- 160.
Xiu Z F , Zhou Z J , Regional Happiness, Social Capital and Corporate Philanthropic Giving[J]. Journal of Management Science, 2016, 29 (2): 146- 160.
薛新东, 刘国恩, 社会资本决定健康状况吗?——来自中国健康与养老追踪调查的证据[J]. 财贸经济, 2012, (8): 113- 121.
Xue X D , Liu G E , Does Social Capital Determine Health Status—Evidence From China Health and Retirement Longitudinal Survey[J]. Finance and Trade Economics, 2012, (8): 113- 121.
叶德珠, 周丽燕, 幸福感会影响家庭金融资产的选择吗?——基于中国家庭金融调查数据的实证分析[J]. 南方金融, 2015, (2): 24- 32.
Ye D Z , Zhou L Y , Does Happiness Affect the Choice of Household Financial Assets?—An Empirical Analysis Based on Chinese Household Finance Survey Data[J]. South China Finance, 2015, (2): 24- 32.
尹志超, 岳鹏鹏, 陈悉榕, 金融市场参与、风险异质性与家庭幸福[J]. 金融研究, 2019, 466 (4): 168- 187.
Yin Z C , Yue P P , Chen X R , Financial Market Participation, Risk Heterogeneity and Family Happiness[J]. Journal of Financial Research, 2019, 466 (4): 168- 187.
赵小华, 郑毓煌, 自我控制就一定幸福吗——自我控制对幸福感的影响研究[J]. 营销科学学报, 2017, 13 (1): 22- 40.
Zhao X H , Zheng Y H , Does Self-Control really Bring Happiness-Effects of Self-control on Subjective and Objective Happiness[J]. Journal of Marketing Science, 2017, 13 (1): 22- 40.
Be Bruine W B , Parker A M , Fischhoff B , Individual Differences in Adult Decision-Making Competence[J]. Journal of Personality and Social Psychology, 2007, 92 (5): 938- 956.
Brenner L , Meyll T , Stolper O , Walter A , Antonides G , et al. Consumer Fraud Victimization and Financial Well-being[J]. Journal of Economic Psychology, 2020, 76 (1): 102243.
Burnes D , Henderson C R , Sheppard C , Zhao R , Pillemer K , et al. Prevalence of Financial Fraud and Scams Among Older Adults in the United States: A Systematic Review and Meta-analysis[J]. American Journal of Public Health, 2017, 107 (8): 1295- 1295.
Castle E , Eisenberger N I , Seeman T E , Moons W G , Boggero I A , et al. Neural and Behavioral Bases of Age Differences in Perceptions of Trust[J]. Proceedings of the National Academy of Sciences, 2012, 109 (51): 20848- 20852.
DeLiema M , Elder Fraud and Financial Exploitation: Application of Routine Activity Theory[J]. The Gerontologist, 2018, 58 (4): 706- 718.
Dimmock S G , Gerken W C , Graham N P , Is Fraud Contagious? Coworker Influence on Misconduct by Financial Advisors[J]. Journal of Finance, 2017, 73 (3): 1417- 1450.
Egan M , Matvos G , Seru A , The Market for Financial Adviser Misconduct[J]. Journal of Political Economy, 2019, 127 (1): 233- 295.
Forde D R , Kennedy L W , Risky Lifestyles, Routine Activities, and the General Theory of Crime[J]. Justice Quarterly, 1997, 14 (2): 265- 294.
Guven C , Hoxha I , Rain or Shine: Happiness and Risk-taking[J]. The Quarterly Review of Economics and Finance, 2015, 57 (3): 1- 10.
Guven C , Reversing the Question: Does Happiness Affect Consumption and Savings Behavior?[J]. Journal of Economic Psychology, 2012, 33 (4): 701- 717.
James B D , Boyle P A , Bennett D A , Correlates of Susceptibility to Scams in Older Adults Without Dementia[J]. Journal of elder abuse & neglect, 2014, 26 (2): 107- 122.
Judges R A , Gallant S N , Yang L , Lee K , The Role of Cognition, Personality, and Trust in Fraud Victimization in Older Adults[J]. Frontiers in psychology, 2017, 8 (4): 588.
Lane T , How does Happiness Relate to Economic Behaviour? A Review of the Literature[J]. Journal of Behavioral and Experimental Economics, 2017, 68 (3): 62- 78.
Lee K , Ashton M C , Psychometric Properties of the HEXACO Personality Inventory[J]. Multivariate Behavioral Research, 2004, 39 (2): 329- 358.
Levinson A , Valuing Public Goods Using Happiness Data: The Case of Air Quality[J]. Journal of Public Economics, 2012, 96 (9): 869- 880.
Lichtenberg P A , Financial Exploitation, Financial Capacity, and Alzheimer's Disease[J]. American Psychologist, 2016, 71 (4): 312.
Oliver S , Burls T , Fenge L A , Brown K , "Winning and Losing": Vulnerability to Mass Marketing Fraud[J]. Journal of Adult Protection, 2015, 17 (6): 360- 370.
Pham M T , Emotion and Rationality: A Critical Review and Interpretation of Empirical Evidence[J]. Review of General Psychology, 2007, 11 (2): 155.
Pinsker D M , McFarland K , Pachana N A , Exploitation in Older Adults: Social Vulnerability and Personal Competence Factors[J]. Journal of Applied Gerontology, 2010, 29 (6): 740- 761.
Schreck C J , Criminal Victimization and Low Self-control: An Extension and Test of a General Theory of Crime[J]. Justice Quarterly, 1999, 16 (3): 633- 654.
Shao J , Zhang Q , Ren Y , Tian R , Lin T , Why are Older Adults Victims of Fraud? Current Knowledge and Prospects Regarding Older Adults' Vulnerability to Fraud[J]. Journal of Elder Abuse & Neglect, 2019, 31 (3): 225- 243.
Spreng R N , Karlawish J , Marson D C , Cognitive, Social, and Neural Determinants of Diminished Decision-making and Financial Exploitation Risk in Aging and Dementia: A Review and New Model[J]. Journal of Elder Abuse & Neglect, 2016, 28 (4): 320- 344.
Van Wilsem J , "Bought it, but Never Got it." Assessing Risk Factors for Online Consumer Fraud Victimization[J]. European Sociological Review, 2011, 29 (2): 168- 178.

基金

国家自然科学基金(71910107001)
国家自然科学基金(71801022)

版权

版权所有,未经授权。
PDF(934 KB)

2891

Accesses

0

Citation

Detail

段落导航
相关文章

/