《Research on Aging》：Changes in Instrumental Support Around Retirement: Longitudinal Evidence From Europe
编辑推荐：
随着人口老龄化加剧及欧洲退休人口比例持续上升，个体退休后是否保持活跃的问题日益凸显。已知退休者比在职者提供更多工具性支持。然而，既往研究多依赖退休者与在职者之间的组间比较，退休转型如何影响个体工具性支持提供的纵向变化尚不明确。研究人员利用欧洲健康、老龄与退休调
随着人口老龄化加剧及欧洲退休人口比例持续上升，个体退休后是否保持活跃的问题日益凸显。已知退休者比在职者提供更多工具性支持。然而，既往研究多依赖退休者与在职者之间的组间比较，退休转型如何影响个体工具性支持提供的纵向变化尚不明确。研究人员利用欧洲健康、老龄与退休调查(Survey of Health, Ageing and Retirement in Europe, SHARE)2004—2022年间覆盖19个国家的八轮数据（n=7,422个观测，来自3,711名50岁及以上个体），采用固定效应回归(fixed-effects regression)发现，从就业到退休的转型与家庭外工具性支持提供频率的增加相关。研究人员还发现提示性证据表明，该关联在社会支出较高的国家更强。这些发现表明，退休可能促进活跃性并有助于参与帮助他人的活动。
研究背景：欧洲人口老龄化加剧，老年人口比例持续上升，积极老龄化政策对老龄社会可持续性和老年人福祉的重要性日益凸显。有偿就业常被视为主要活动，各国政府通过提高法定退休年龄延长工作年限。然而，随着欧洲退休人口比例不断增长，积极老龄化的重要方面 increasingly 包括参与机会和在劳动力市场之外做出贡献的能力，例如在社会和公民事务中。退休是重大生命历程转型，导致日常生活重组。退休虽终结了日常生活中的重要活动，但可能增强个体参与其他活动的机会，因为退出就业可释放时间并减少竞争性时间需求。既往欧洲纵向研究已发现退休与志愿服务之间存在正相关，退休与照料孙子女之间亦存在正相关。关于个人照护提供，结果不一，尽管各研究对照护的定义不同。一项研究发现完全退休与帮助患病或残疾熟人或邻居的频率增加相关，而其他研究未发现退休增加照料患病家庭成员或朋友的可能性或照料残疾人的可能性。既往结果差异可能源于照护特别是对照近亲的照护往往由迫切需求而非机会驱动，但机会不可避免地影响照护频率。与此论点一致，一项使用17个欧洲国家数据的研究发现退休不影响为父母提供照护的概率，但增加了照护者中的照护频率。关于退休如何影响比个人照护要求更低的工具性支持形式的纵向调查稀缺。一项例外是荷兰研究聚焦父母、子女和朋友，发现完全退休与向子女提供更多实际帮助正相关，尽管在帮助父母或朋友方面未发现显著效应。本研究考察退休如何影响工具性支持，即向家庭外某人提供的非财务帮助，包括实际帮助、个人照护和文书帮助。总体而言，工具性支持提供随时间随年龄增长而下降，尽管退休者提供此类支持的可能性更高。然而，关于退休如何影响工具性支持提供的证据有限，因为既往研究比较组间个体差异而非分析与退休相关的个体内变化，仅考察提供个人照护的可能性而非其他类型工具性支持，且仅聚焦某些亲密关系而非更广泛地研究给予他人的支持。为弥补文献空白，研究人员使用19个欧洲国家的纵向数据和个体内模型考察向退休转型是否与向家庭外某人提供工具性支持的频率相关，以及这是否因个体和国家特征而异。理论方法上，连续性理论认为个体在变化时期倾向于寻求稳定性，特别是依靠先前建立的行为模式和社会参与。资源视角认为个体资源越好，越容易适应退休，也越可能参与无偿活动。基于连续性和资源视角，研究人员提出假设1：从就业到退休的转型与家庭外工具性支持提供频率的增加相关。此外，退出劳动力可释放时间，但参与帮助活动需要时间之外的充足资源。因此研究人员扩展框架，提出子假设考察个体资源（假设2a—2c）和国家层面资源（假设3）如何调节退休对工具性支持提供的影响。假设2a：退休转型与家庭外工具性支持提供频率的增加在退休前自评健康较好的个体中更强。假设2b：退休转型与家庭外工具性支持提供频率的增加在受教育程度较高的个体中更强。假设2c：退休转型与家庭外工具性支持提供频率的增加在退休前财务状况较好的个体中更强。假设3：退休转型与家庭外工具性支持提供频率的增加在社会总支出水平较高国家更强。
研究人员开展的研究：使用SHARE八轮（第1、2、4—9轮）2004—2022年间约每两年收集一次的纵向调查数据，覆盖19个欧洲国家：奥地利、比利时、克罗地亚、捷克共和国、丹麦、爱沙尼亚、法国、德国、希腊、匈牙利、意大利、卢森堡、荷兰、波兰、葡萄牙、斯洛文尼亚、西班牙、瑞典和瑞士。第三轮（SHARELIFE）因回顾性生活史焦点和不同问卷被排除。第七轮数据收集包括对未参加第三轮者的SHARELIFE问卷，而此处使用的常规问卷仅针对参加过第三轮SHARELIFE者。第八轮受COVID-19疫情中断，研究人员使用该轮疫情暴发前收集的数据。由于第七轮问卷不同和第八轮中断，第七轮进入SHARE的国家仅有少数参加过两轮的受访者，因此被排除。最终研究样本包括7,422个观测来自3,711名至少参加两个研究波次且在研究波次间退休的个体。因变量为家庭外工具性支持提供频率。SHARE中受访者被问及过去12个月是否向家庭外某人提供工具性支持，对象可为家庭成员或非亲属。问卷明确该问题指个人照护、实际家务帮助和文书帮助。受访者被明确指示不在此报告照料孙子女，因为该内容由单独问题询问。支持最常提供给自己的父母（18%）和子女（17%），其次是邻居（11%）、父母或子女以外的其他亲属（10%）、朋友（9%）、岳父母/公婆（6%）和他人（4%）。受访者进一步被问及提供的工具性支持类型；然而该信息在第4和第5轮未收集。排除这些波次的观测后，样本中最常见支持类型为实际帮助（52%）和文书帮助（24%），个人照护提供（13%）较少见。提供工具性支持者被要求报告频率，使用量表1=大约每天，2=大约每周，3=大约每月，4=较少。该问题最多针对三个不同的人询问，产生三个独立的工具性支持变量。为构建单一工具性支持测量，研究人员遵循既往研究使用的量表转换方法，首先将量表转换为代表提供工具性支持的天数：大约每天=365天；大约每周=52天；大约每月=12天；较少=6天。转换量表后，研究人员将三人的天数相加并 capped 在每年最多365天（每波1%—2%有更高值被重新编码为365）。最后，由于原始信息反映有序频率类别而非精确天数，研究人员将测量重新编码为有序量表用于主要分析：0=无；1=少于12天（后称"少于每月"）；2=12至51天（"大约每月"）；3=52至103天（"大约每周"）；4=104至365天（"每周数次"）。主要分析使用该有序测量作为因变量，而基于连续天数的测量以及三人中声明的最高值也用于敏感性分析。主要自变量为受访者的退休状态。问卷中受访者被问及给定情境中哪个最能描述访谈时的就业状况：1）退休；2）就业或自雇；3）失业；4）永久患病或残疾；5）家庭主妇/主夫；6）其他。分析中研究人员仅选择在某一波次自我定义为就业或自雇（0=工作）且在下一波次退休（1=退休）的受访者，因为研究聚焦于就业到退休转型并调查受访者退休前后的工具性支持提供。由于退休与工具性支持提供的关联可能因个体和国家层面特征而异，研究人员考察了受访者自评健康、财务状况、教育水平和国家组别的差异。 respondents 被要求使用五点量表评价健康，随后被重新编码为三类：0=至少一般，1=好，2=很好。关于教育水平，受访者被问及获得的最高学位（基于国际教育标准分类），被重新编码为四类：0=小学或以下；1=初中；2=高中；3=高等教育或以上。受访者财务状况通过询问家庭如何管理财务使用四点量表测量，随后被重新编码为两类：0=有困难，1=相当容易或更好。除这些个体层面特征外，研究人员还考察了受访者性别的差异作为探索性检查，鉴于既往测试性别作为退休对相关无偿活动影响调节变量的研究结果不一致。国家组别用于代替个别国家以保持统计效力。国家根据Eurostat（2024）关于研究波次期间人均总社会支出（按2010年不变价格）的平均数据分为三组，使用从研究样本计算的國家层面社会支出均值得出的三分位切点。由于国家层面样本量差异，所得组别大小不等。组别定义如下：1=低（低于8千欧元：克罗地亚、捷克共和国、爱沙尼亚、希腊、匈牙利、意大利、波兰、葡萄牙、斯洛文尼亚、西班牙）；2=中（8—11千欧元：奥地利、比利时、法国、德国）；3=高（高于11千欧元：丹麦、卢森堡、瑞典、瑞士、荷兰）。分析中还控制了受访者婚姻状况，其可能影响工具性支持提供并可能与退休决定及其时机相关。此外，由于研究人员运行面板固定效应建模，所有时不变因素在设计本身中已被考虑。由于样本基于结果变量的变化选择，其不代表所有从就业转型到退休的个体。研究人员利用个体内（或面板固定效应）模型考察退休是否与工具性支持提供的变化相关。在个体内模型中，重复测量（即个体观测）嵌套在受访个体内，模型考虑个体随时间的特定变化。参与者作为自己的对照，因此个体内模型消除所有时不变因素，意味着不随时间变化的因素即使数据中不可得也被控制，如性别、稳定人格特质、许多遗传因素以及其他选择效应。由于因变量为有序量表，研究人员使用Stata中的feologit命令利用固定效应有序逻辑回归模型。固定效应（有序）logit估计量的一个特定特征是工具性支持频率在两次观测间未变化的个体不贡献估计因此被排除在分析样本外。为评估结果是否由该估计量特定选择驱动，研究人员还使用结果的替代连续规格估计线性固定效应模型。这些模型保留全部7,990名合格转型者，包括支持频率保持不变的受访者，产生与主要分析一致的结果。有序逻辑模型的结果以回归系数呈现于表中。由于固定效应有序logit模型无法估计平均边际效应，研究人员通过使用logitmarg后估计命令计算平均边际效应及95%置信区间来说明结果。主要模型中，时变特征（年龄、自评健康、财务状况和婚姻状况）作为个体内控制变量纳入，而在调节分析中，个体层面特征（自评健康、财务状况和教育水平）在基线测量以捕捉预先存在的资源并避免潜在的退休后混杂。值得注意的是，由于估计样本中每个个体的退休状态从0变为1，退休系数是在两次观测波次间个体内年龄变化之外识别的。访谈间经过时间的变异范围为连续波次到多个波次间隔，提供估计单独退休和年龄系数所需的识别变异；然而，每人仅两次观测时，这种分离依赖于年龄趋势的假定函数形式。所有统计分析使用Stata 19软件进行。
主要关键技术与方法：研究使用欧洲健康、老龄与退休调查(SHARE)八轮纵向数据（2004—2022年，19国，n=7,422观测来自3,711名50岁及以上个体）；采用个体内面板固定效应有序逻辑回归(fixed-effects ordinal logistic regression)模型，以个体自身为对照消除所有时不变混杂因素；通过平均边际效应(marginal effects at the average)解释效应大小；通过交互项分析个体层面（基线自评健康、教育、财务状况）和国家层面（社会支出三分位组）资源的调节作用；并进行多种敏感性分析（限制连续波次、排除同年度退休者、排除因照护动机退休者、纳入孙子女照护和家庭内照护作为竞争性照护责任、替代结果规格和建模方法、按支持类型分层分析）。
研究结果：
过渡到退休与工具性支持提供：在控制年龄、自评健康、财务状况、婚姻状况变化及所有时不变特征（如性别和教育水平）后，研究人员发现退休转型与工具性支持提供频率正相关（系数=0.25，p<0.001，95%CI：0.12—0.39）。这与未调整的前后分布中支持提供在退休后下降形成对比。该系数考虑了年龄和其他时变特征的同期变化，表明退休可能部分抵消负面年龄趋势。为更好解释主要结果，研究人员从回归模型计算了工具性支持各类别概率的平均边际效应。退休降低了不提供任何工具性支持或提供少于每月支持的可能性。相反，退休转型增加了落入其他结果类别的概率：大约每月、大约每周和每周数次。这些统计显著边际效应的幅度约为：不提供支持?5个百分点，少于每月?0.4，每月+1，每周+2，每周数次+3。为检查可能的性别差异，研究人员在模型中引入性别与退休的交互项，尽管未检测到显著效应。此外，研究人员进行了多项敏感性分析。限制分析仅连续波次（1,696名独特个体）提供与主要分析相似的结果（系数=0.23；p=0.028；CI：0.03—0.44）。对于大多数受访者，数据缺乏退休确切时间信息，但为考虑事件时间顺序（即退休和工具性支持提供），研究人员通过限制样本为参与访谈同年未退休的受访者（3,183名独特个体）运行主要分析，结果非常相似（系数=0.21；p=0.005；CI：0.06—0.36）。为评估由预期照护需求驱动的退休是否驱动研究发现，研究人员考虑受访者陈述的退休原因，尽管仅74%回答了该问题。在排除因近亲健康不佳（<1%）或为花更多时间与家人相处（约5%）而退休的个体后，其余3,484名个体中效应几乎相同（系数=0.23；p=0.001；CI：0.09—0.37）。研究人员还通过将孙子女照护和家庭内照护纳入模型考虑潜在竞争性照护职责，主要结果在幅度和显著性上保持高度相似（系数=0.23；p=0.001；CI：0.09—0.36）。此外，使用替代结果规格和建模方法的敏感性分析提供一致结果。当使用所有接受者中报告的最高工具性支持值作为因变量时，结果几乎相同。同样，将主要有序结果视为连续变量并使用基于连续天数的工具性支持测量（两者均保留全部7,990名合格转型者）也产生一致发现。最后，研究人员运行额外分析考察退休与工具性支持提供的关联是否因支持类型而异。研究人员排除缺乏特定工具性支持类型信息的第4和第5轮，并分别估计实际帮助、文书帮助、个人照护和所有类型支持的模型。结果表明总体退休效应由实际帮助提供驱动，这是最常见的工具性支持形式。相反，照护和文书帮助的系数较小且统计不显著。然而这些结果应谨慎解释。按支持类型的分析基于减少且有限的样本，特别是照护和文书的观测数较低。因此这些较少见支持类型的估计可能不稳定，不应过度解释。
退休前资源与退休和工具性支持关联：接下来，研究人员通过分别在模型中引入退休与不同资源（退休前即时间1测量）的交互项考察关联是否因个体层面资源而异。然而，研究人员未观察到退休与教育水平、自评健康或财务状况之间的任何显著交互效应。随后，研究人员考察国家层面社会支出是否调节退休与工具性支持之间的关联。退休与国家组的交互在高支出组相对于低支出参照组具有统计显著性，但中支出组不显著。研究人员再次从交互模型计算工具性支持各类别概率的平均边际效应。边际效应模式与分级关联一致：退休与高支出国家组中支持提供的最大增加相关（不提供支持约?8个百分点，每周数次达+4），中支出组效应稍小但仍统计显著，而低支出组效应最小且统计不显著。作为稳健性检查，研究人员还使用国家层面社会支出的替代操作化测试交互：连续测量（系数=0.014；p=0.126；CI：?0.004—0.032）、中位数分割（系数=0.145；p=0.050；CI：0.0002—0.290）和最高三分位与其余国家的二元对比（系数=0.114；p=0.133；CI：?0.035—0.262）。关联方向在各规格中一致，但统计显著性各异，表明跨国家组观察到的分级模式应谨慎解释。
讨论部分总结：退休是重大生命历程转型，重构日常生活，标志着作为中心日常活动的有偿工作的结束。根据连续性理论，老年人在向退休过渡期间可能通过依靠先前建立的社会参与模式寻求连续性，这可在退休后为其活动提供一致性感。本研究聚焦家庭外一种常见社会参与即工具性支持提供，考察其是否随退休转型而变化。与连续性理论一致，研究人员发现从就业到退休的转型与欧洲老年人家庭外工具性支持提供的增加相关。该发现与早期纵向研究一致，表明退休与参与帮助活动如志愿服务和照料孙子女的增加相关。然而关于工具性支持的研究有限，主要聚焦个人照护或对特定接受者如父母和成年子女的帮助。既往调查例如发现退休对照护提供可能性无影响，同时显示已在提供照护者中照护频率增加。此外一项研究发现退休增加向子女提供实际帮助，但不增加帮助父母或朋友。本研究中研究人员更广泛地考察工具性支持，包括实际帮助、文书帮助和个人照护，提供给家庭外任何人。根据资源视角，资源较好的个体更容易适应退休，也依资源更可能参与无偿活动。因此研究人员进一步考察退休对工具性支持提供效应的幅度是否因个体资源而异。主要模型中时变特征作为个体内变化被考虑，而时不变因素通过固定效应规格本身控制。调节分析中个体层面资源在退休前测量以捕捉可能塑造个体如何应对退休转型的预先存在差异，并避免使用可能本身受退休影响的特征。尽管既往研究表明健康较好、教育程度较高和财务状况较好的个体比健康差、教育低或财务状况差的个体提供更多工具性支持，研究人员未发现证据表明这些因素会塑造退休对工具性支持提供的效应。该零发现表明退休相关的工具性支持增加在不同资源水平个体间相对稳定。相反，研究人员发现提示性证据表明退休转型与工具性支持提供频率的更强增加在社会总支出水平较高国家相关。然而该模式在三组分类中仅高支出组统计显著，使用替代社会支出操作化的额外稳健性检查显示一致方向但统计显著性各异，表明该调节应谨慎解释。该结果与既往发现大体一致，表明较高公共社会支出与老年人非正式帮助可能性更大相关。作为对既往研究的贡献，研究发现提供初步证据表明制度背景可能塑造老年人退休后如何重新分配时间。本研究具有若干优势。这是首个调查退休转型如何与家庭外工具性支持提供相关的研究，未将分析限制于特定亲密关系或特定工具性支持形式。调查基于广泛的纵向跨国SHARE数据，同一批个体多次访谈，使分析退休前后工具性支持变化成为可能。为充分利用面板结构，研究人员应用个体内回归模型聚焦个体随时间内的变异并考虑所有时不变因素包括个体间未观察差异。此外数据允许纳入时变因素并考察退休与工具性支持提供关系是否因个体和国家层面特征而异。本研究并非没有局限。虽然数据允许对工具性支持提供有更广泛视角，但遗憾的是由于数据限制无法进一步分析退休与不同形式工具性支持之间的关联。尽管方法论有若干优势，使用固定效应（有序）logit模型的后果是工具性支持频率在研究波次间未经历任何变化的受访者按设计被排除在分析样本外。这些被排除的受访者主要是退休前未提供任何支持者（86%，相比保留者中34%），即在两个时间点均未提供工具性支持者。被排除组教育程度也稍低、财务安全性较低、更多居住在社会支出较低国家。这可能限制研究发现的一般性，特别是对工具性支持在退休转型期间保持稳定（尤其是不存在）的个体，并需要对国家组别差异的解释保持谨慎。然而使用全部合格样本的线性固定效应模型产生与主要关联一致的结果，表明这种排除未驱动总体结论。进一步局限涉及退休时机的潜在内生性，因为个体可能预期帮助需求增加而退休。虽然这不与时间资源解释矛盾，但会限制系数的因果解释，因为部分观察到的关联可能反映选择而非退休本身的效应。然而排除报告此类动机的受访者未改变结果。此外，尽管研究人员能够考虑退休转型如何影响工具性支持提供，但调查基于两个时间点（即退休前后）。然而退休适应可能是较长过程，个体在此过程中适应变化的生活环境，意味着社会活动的变化可能发生在较长时间内，另一方面资源变化如健康下降也可影响该过程。未来研究应更密切调查该过程的动态。此外工具性支持提供是退休者可能投入时间和精力的一种活动。未来研究应考察退休转型如何与不同类型并发活动相关以及时间如何在它们之间分配。结论部分翻译：快速老龄化的人口结构强调积极老龄化政策对老龄社会可持续性和老年人福祉的重要性。随着欧洲退休人口比例不断增长，一个突出问题是如何组织退休后的日常生活。本研究聚焦家庭外工具性支持提供，其价值尽管具有潜在社会和经济重要性但并非总被充分认识。参与帮助活动可增强老年人自身福祉，通过帮助他人他们为其社会网络的福祉做出贡献。特别是要求高的照护提供甚至可能替代否则将带来显著公共或私人成本的福利服务。然而要求较低的工具性支持形式如交通帮助或家务照料也可回应否则需要公共援助或仍未满足的需求。本研究表明尽管退休标志劳动力市场活动的结束，但其与参与其他形式社会生产性活动即帮助他人的增加相关。此外有提示性证据表明该关联在社会支出较高国家更强，表明更广泛的社会背景也可能塑造退休后老年人的参与。
