创业决策及其回报——基于中国家庭追踪调查的经验证据

Entrepreneurial Decision-Making andIts Returns—Based on Experimental Evidence from China Family Panel Studies (CFPS)

摘要: 创新创业是推动国家经济发展的不竭动力，是缓解中国严峻就业形势的重要途径，对于经济正处于转型升级中的中国至关重要。研究创业行为对其效用的影响是理解个体创业选择行为动机的关键，对如何激发高质量的创业活动是十分必要的。本文运用2018年中国家庭追踪调查(CFPS)的相关数据，对创业决策与创业回报之间的关系进行实证分析。研究发现：第一，关于创业决策对创业回报的影响，创业决策能够提升工作收入、工作满意度，但会降低生活满意度，与健康程度无显著相关性；第二，创业决策对创业回报的影响在不同性别、年龄、受教育程度和婚姻状况的人群中存在异质性；第三，经过内生性处理和稳健性检验后上述结果仍然成立。

Abstract: Innovation and entrepreneurship is an inexhaustible driving force to promote national economic development, an important way to alleviate the severe employment situation in China, and is crucial for China, whose economy is undergoing transformation and upgrading. Studying the impact of entrepreneurial behavior on its utility is the key to understanding the motivation of individual entrepreneurial choice behavior, and is very necessary for how to stimulate high-quality entrepre-neurial activities. This paper makes an empirical analysis of the relationship between entrepreneurial decision-making and entrepreneurial returns using the relevant data from the 2018 China Family Tracking Survey (CFPS). The research found that: First, regarding the impact of entrepreneurial decision-making on entrepreneurial returns, entrepreneurial decision-making can improve work income and job satisfaction, but it will reduce life satisfaction, and has no significant correlation with health. Secondly, the impact of entrepreneurial decision-making on entrepreneurial returns is heterogeneous among people of different gender, age, education level and marital status. Thirdly, the above results are still valid after endogenous treatment and robustness test.

1. 引言

党的二十大明确指出，要“完善促进创业带动就业的保障制度”。作为推动经济发展的不竭动力，创业是缓解我国当前严峻就业形势的重要途径。近年来，在我国这片创新热土上，掀起了“大众创业，万众创新”的浪潮。2018年国务院提出的《关于推动创新创业高质量发展、打造“双创”升级版的意见》，将对创业活动的扶持重点从“量”向“质”转变，以更好地深入实施创新驱动发展战略，进一步促进市场活力、提升社会创造力 [1]。而研究创业行为对其效用的影响是理解个体创业选择行为动机的关键，对如何激发高质量的创业活动是十分必要的。

学术界对于创业问题的讨论由来已久，主要集中在创业者的个体层面、家庭财富、以及社会外部环境等方面进行讨论。个体层面比如创业者自身的能力 [2]、对金融知识的掌握 [3]、对风险的不同偏好 [4] 等；家庭的财富水平 [5]，社会外部环境的条件，比如房价 [6]、劳动力市场的分割和对不同创业群体的歧视 [7]。但目前针对我国创业群体的研究还不够完善，尤其是对于创业回报的研究还比较少。

与此同时，伴随着“双创”转型升级的背后则是创业动机的改变，从早期的生存型创业越来越多地转变为追求成就感和自我价值实现的成就型创业和价值型创业。人们之所以选择创业一方面是因为相较于就业，创业可能会带来更多的货币回报，增加收入 [8]；另一方面，也是为了追求个人成就，更注重创业带来的非货币回报，如获得更高的工作和生活满意度 [9]。由此，判定创业成功与否不再仅通过企业绩效等财务指标还应包括一些非经济指标，例如工作关系、个人成就等，从多维度综合评判创业到底带来了什么。

基于此，本文选取创业者为研究对象，基于中国家庭追踪调查(CFPS)数据，从实证角度研究创业决策与创业回报的关系，希望能深入了解创业者在创业回报中的得与失，故本文尝试回答以下几个问题：创业者能否获得比就业者更高的收入？创业者的生活质量是否更高？不同特征人群是否存在差异？这不仅有助于丰富我国情境下创业相关研究，而且能为激活创业群体创业活力，提升高质量双创提供支持。

2. 文献回顾

自从2014年提出“大众创业，万众创新”的战略后，“创业”一词进入大众的视野，引起学者的讨论与探索。已有创业决策的研究大多集中于创业决策的影响因素，即前因变量上，而对于创业决策的结果，即结果变量涉及较少。目前关于创业的结果变量研究，可分为社会、家庭和个人三个层面。对于社会而言，创业能推动经济发展 [10]，提供更多的就业岗位，带动就业 [11]。对于家庭而言，有研究表明家庭创业会增进家庭幸福感 [12]；对于个人而言，创业似乎是把双刃剑，既能带来负面影响也能带来回报。有研究表明创业会给创业者带来休息时间不够、学习时间减少、更大的工作压力、还会增强创业者对社会的不信任感等负面影响 [13] [14]。本文主要研究创业决策在个人层面的结果变量，即个人创业回报。

长期以来，创业回报一直是国内外学者关注的热点话题。但作为一个宽泛的研究范畴，创业回报尚未有明确的界定。已有文献对创业回报的研究主要基于货币回报和非货币回报的角度分别进行讨论。学者们最早关注到创业带来的货币回报。传统研究一般会从理性经济人假设出发，认为追求效用最大化的劳动者会权衡不同就业状态的成本和收益，选择能够实现个人净收益最大的就业状态，因此个人在面临创业选择时，唯有创业活动相对于工资性工作能够给自己带来溢价收入时，才会做出创业抉择 [15]。目前已有众多学者研究表明创业会带来更高的货币回报 [16] [17]，但是收入的不确定性也随之增加 [18]。然而，也有实证研究发现创业不会提高个体的货币性收入 [19]。总之，关于创业是否会获得超额收入，学界目前仍然众说纷纭，有学者将上述富有争议的经验证据称为“创业回报之谜” [20]。显然，就创业是否会带来超额货币回报而言，学界尚无明确共识，创业者的收入情况可能不仅受到当地经济发展情况、社会发展阶段、政策等诸多外部环境因素影响，还会受到个人教育经历、创业前工作经历、个性等许多个人因素影响，难以得出统一的结论。

随着人们从物质文化需要到美好生活需要的变化，大量实证反例表明个人在进入劳动力市场时选择“创业”而非“就业”并不一定有利可图，这似乎与理性人假设相冲突。为了解释这一困境，学者们将目光转向了货币收入之外，认为在创业回报中，不仅货币回报也有非货币回报。已有研究对于创业带来的非货币回报主要集中在工作满意度、生活满意度与幸福感、健康程度三个方面。研究普遍认为创业者往往会有更高的工作满意度 [21]。相比就业者，创业可以使创业者更能体会到工作的意义、更灵活的工作时间 [19]、更多的工作自主性、独立性 [20] 和任务多样性等 [22]。有学者发现创业者不仅拥有更高的工作满意度，生活满意度也更高 [9]。不过随着创业活动的推进，幸福感、生活满意度的上升趋势将逐渐减缓 [23]。也有学者持有不同观点，认为创业者的工作–家庭冲突水平更高，生活满意度更低 [24]，这可能是不同的创业动机导致的，机会导向动机的创业者会提升幸福感，而盈利导向动机的创业者会降低幸福感 [25]。另外，随着健康理念的普及，学界也开始关注创业者的健康程度，认为创业者会遭遇更大的压力，高强度的工作和较大的风险责任会对生理与心理的健康状况造成较大影响 [26]，甚至会由此产生退出行为 [27]。

通过以上文献回顾可以发现目前关于创业决策和创业行为的影响因素等问题近年来也获得了学界的关注，关于创业回报的研究结果众说纷纭，并且遗憾的是，对于创业者个体选择创业带来的综合性货币和非货币创业回报的研究则鲜少问津。基于此，本文试图从货币回报和非货币回报两个视角探讨创业者创业回报的得与失，兼顾创业带来的经济效益和个人成就。

3. 研究设计

3.1. 模型设定

3.1.1. OLS估计

$Y_i=\alpha +\gamma entrep{\left(1,0\right)}_i+\beta X_i+{є}_i$ (1)

根据(1)式，因变量Y_i为第i个受访者获得的货币回报；entrep_i为第i个受访者的创业决策，是取值为0和1的二元变量；自变量X_i为一组影响创业回报的控制变量(包括个人特征层面，家庭背景层面，家庭经济状况层面)；α和γ为待估参数，β为待估参数的向量，є_i为随机扰动项。

3.1.2. 有序Probit模型

关于非货币回报的衡量，在CFPS问卷中工作满意度、生活满意度、健康程度均采用0~5分量表，属于有序离散变量，若运用普通的OLS回归，会将排序视为基数来处理，可能影响估计的准确性 [28]。鉴于此，本文主要采用文献中广泛使用的有序Probit模型进行估计，以获得更加稳健的结果。

假定有可以代表被解释变量Y_i的潜变量Y_i^*，而潜变量的决定方式如下：

$Y_i{}^{\text{*}}=\tau +\eta entrep{\left(1,0\right)}_i+\beta X_i+{є}_i$ (2)

(2)式中，Y_i^*表示不可观测的第i个受访者的非货币回报(即工作满意度、生活满意度和健康程度)，entrep_i表示第i个受访者的创业决策，是取值为0和1的二元变量；自变量X_i为一组影响创业回报的控制变量(包括个人特征层面，家庭背景层面，家庭经济状况层面)；τ和η为待估参数，β为待估参数的向量，є_i为随机扰动项。

由于潜变量无法观测得到，本文采用受访者 对工作、生活满意度和健康程度的评价来表示，并按1~5取值分别表示从不满意或不健康到非常满意或非常健康，依此类推。具体如下式所示：

$Y_i=\{\begin{array}{c}1,-\infty <Y_i^{*}\le r_1\\ 2,r_1<Y_i^{*}\le r_2\\ \begin{array}{l}3,r_2<Y_i^{*}\le r_3\\ 4,r_3<Y_i^{*}\le r_4\end{array}\\ 5,r_4<Y_i^{*}<\infty \end{array}$ (3)

在(3)式中，−∞ < r₁ < r₂ < r₃ < r₄ < ∞表示满意度或健康程度次序的切点，均为需要估计的参数。受访者在Y_i上的分类取决于Y_i^*的值是否跨过某个切点，落在哪个区间。可度量的Y_i落在各区间的概率为：

$P\left(Y_i=j\right)=P\left(r_{j-1}\le Y_i{}^{\text{*}}\lesssim r_j\right)$

$=P\left(r_{j-1}-\beta X_i{}^{\prime }\le {ϵ}_i\le r_j-\beta X_i{}^{\prime }\right)$ (4)

$=F\left(r_j-\beta X_i{}^{\prime }\right)-F\left(r_{j-1}-\beta X_i{}^{\prime }\right)$

式(4)中， ${є}_i|X_i\text{~}N(0,{\sigma }^2),1\le j\le 5$。把可度量的代理变量 作为被解释变量，通过有序Probit模型，最大化似然函数(MLE)：

$LnL={\displaystyle \underset{i=1}{\overset{n}{\sum }}{\displaystyle \underset{j=1}{\overset{J}{\sum }}{Y}_{\text{ij}}\text{Ln}\left[\Phi \left(r_j-\beta X_i{}^{\prime }\right)-\Phi \left(r_{j-1}-\beta X_i{}^{\prime }\right)\right]}}$ (5)

3.2. 数据来源

本文使用的数据来源于北京大学中国社会科学调查中心提供的中国家庭追踪调查(CFPS) 2018年截面数据。CFPS是一项全国性、大规模、多学科的社会跟踪调查数据，通过持续跟踪收集个体、家庭、社区三个微观层次，包括经济活动、教育成果、家庭关系与家庭动态、人口迁移、健康等在内的多维度的相关数据，2018调查涵盖了我国的31个省、市和自治区。

出于对劳动人群有效性的考虑，本文根据以往文献数据处理的通例，将目标样本的年龄限制在16至65周岁之间，并对样本数据进行了清理和筛选，剔除“拒绝回答”、“不知道”和“不适用”等无效数据。同时，将样本限制为主要工作类型为创业者和工资获得者，排除失业、务农及无法识别就业信息等并未进入劳动力市场的情况。

3.3. 变量的选择与处理

3.3.1. 被解释变量

创业回报通常可分为货币回报和非货币回报，从客观收入回报和主观感受两个维度对创业回报进行刻画。

对于货币回报，由于创业一般而言均被认为是以获取经济利益为目的的经营活动，因此本文以创业者的个人收入作为衡量指标，并将个人的年总收入取对数作为研究的被解释变量。同时，对于创业者而言，往往具备多种收入来源，具体来自创业活动的收入情况尚需严格核算方能厘清，而小规模创业者(如自雇、个体户等)大多无法提供精确信息，本文依照已有的典型研究，对存在个人收入缺失值的个体(私营)经营者创业收入采用了净收益数据作为被解释变量 [29]。此外，为了尽量减少数据不准确带来的偏误，本文还剔除了年收入100元以下的极端失常收入数据。

对于非货币回报，根据既有创业回报研究对非货币回报的指标衡量，并结合CFPS问卷，本文对创业的非货币回报包括工作满意度、生活满意度和健康程度三个维度。首先，关于工作满意度(work-satis)和生活满意度(life-satis)，分别选取问卷中调查题目G406和N12012，以五分量表的形式从1 (很不满意)至5 (非常满意)获得有序变量。其次，关于健康程度(health)，选取问卷中的调查题目P201，为统一处理并方便理解，本文对该项指标进行了正向调整，调整后的赋值为1 (不健康)、2 (一般)、3 (比较健康)、4 (很健康)、5 (非常健康)。

3.3.2. 核心解释变量

创业决策(entrep)是本文的核心解释变量，表示个体的就业状态，如果个体是创业状态则该虚拟变量为1，否则为0。是否创业主要参考个人的就业性质是自雇还是受雇，本文对创业的定义较为广泛，不仅包括私营企业创业，也包括个体工商户。本文以CFPS问卷中的相关问项为，“您这份工作是为自己/自家干活还是受雇于他人/他家/组织/单位/公司”，来区分个体是否属于创业者，其中删除了自家农业生产经营和农业打工样本。需要说明的是，本文的研究样本仅包括创业者和就业者两类在受访时有工作的人，而不包括由于创业失败或其他原因而失业或退出劳动力市场的人。

3.3.3. 控制变量

根据前文回顾的有关创业回报的理论和实证研究，本文参考已有研究，将以下可能影响到创业回报的变量作为控制变量，并按其性质分为个人特征、家庭社会背景、家庭经济状况三个层面 [30] [31]。

第一，个人特征。已有国内外研究已能广泛证明年龄(age)、性别(gender)、婚姻状况(marrige)等人口统计学特征对创业回报产生较大影响，本文将这些变量均列入控制变量范畴。其中，为了控制个体年龄的非线性影响，考察年龄是否与创业回报存在U型关系，本文同时加入年龄的二次项作为控制变量。同时，考虑到中国国情特征，本文还添加了受教育年限(eduyears)、户口状况(hukou)和是否党员(party)作为控制变量。

第二，家庭社会背景。对家庭社会背景的研究一般从家庭所在地、家庭规模和家庭可动用的社会网络等层面进行刻画，本文由此选取了家庭规模(familysize)、家庭社会网络(social-network)、家庭所在地区(region)三个指标作为控制变量。其中，依据已有研究，家庭社会网络很大程度上可以用家庭人情礼金支出金额作为衡量指标，因此本文将家庭人情礼支出金额取对数作为衡量家庭社会网络的控制变量 [32] [33]。

第三，家庭经济状况。物质和金钱资源可以在很大程度上作为对创业的支撑性因素，属于客观评价指标。出于家庭实际可供支配资源的考虑，家庭净资产相较于家庭总资产更能反映家庭对创业所能提供的支撑程度，同时，综合考虑净资产和负债情况能更好地衡量家庭的财务结构和健康情况。因此，本文分别选取家庭净资产(lnnet-asset)和家庭负债(lndebts)作为家庭经济状况的衡量指标，并分别取对数作为测度家庭经济状况的控制变量。主要变量的描述性统计如表1所示。

Table 1. Descriptive statistics of main variables

表1. 主要变量描述性统计

由表1中的全样本可以看出，我国目前的整体收入水平还处于较低水平，且存在较大的收入差距情况。而从两个分样本来看，创业人群收入略高于就业人群，并且创业人群收入差异更大，集聚效应更明显。从工作满意度看，我国居民工作满意度普遍较好，并且创业人群的工作满意度高于就业人群，这可能表明创业人群更容易在工作中获得成就感和满足感。从生活满意度看，居民的生活满意度较好，且较工作满意度更高。从分样本层面看，创业和就业人群的生活满意度较为接近，且就业人群仅略高于创业人群。从健康程度上看，居民对健康的自我认知较正向，在分样本层面上创业人群的健康认知略好于就业人群。

4. 实证结果与分析

4.1. 基准回归

本文首先对创业回报进行估计，估计结果如表2所示¹。其中，第(1)列对应创业的货币回报，即工作收入对数，采用OLS模型进行估计；第(2)至(4)列对应创业的非货币回报，分别对应工作满意度、生活满意度、健康程度。由于这三个变量都是有序离散变量，考虑使用有序离散选择模型的估计结果更为稳健，所以此处采用有序Probit模型对非货币回报进行估计。

Table 2. Standard regression results of entrepreneurial returns

表2. 创业回报基准回归结果

注：^***、^**、^*分别表示在1%、5%、10%统计水平上显著。

如表2所示，在其他条件相同的情况下，创业者收入对数比就业者平均高11%。仅从收入角度看，创业是优于就业的，创业是个体的理想就业选择。这与国内研究关于创业能够带来超额收入的结论一致，相对稳健，因此本文的结论应当是较为有效的。在创业的非货币回报中，选择创业比选择就业的工作满意度高，但生活满意度略低。而从健康程度上看，创业决策并未显现出较为显著的影响，可能表明创业与否并未对个人健康程度产生较大影响，也可能是由于健康程度变量是主观感受的自我评价，个人对自身健康状况的评估在没有大病的情况下通常较为稳定，较少产生波动。

观察一众控制变量，年龄与工作收入呈倒U型关系，而与工作满意度、生活满意度和健康程度呈U型关系；男性比女性更能获得更高收入和更好的健康程度，而工作满意度则会更低；受教育程度对收入和健康程度起积极作用，对工作和生活满意度起消极作用；已婚人士的收入、生活满意度和健康程度均有更好的表现，这不得不说是对婚姻价值的肯定；家庭资产会对收入、工作满意度、生活满意度和健康程度均呈现显著正相关，这表明更富裕的家庭确实能使人更为“幸福”；有意思的是，家庭负债与收入呈正相关，但却与工作、生活满意度和健康程度负相关，这可能表明高负债能在一定程度上刺激获得高收入的动力，并提高收入水平，但高负债显而易见的也会带来工作、生活上更大的压力，继而会影响到健康程度。

4.2. 异质性分析

对于不同特征的劳动者，选择创业或者就业所得到的回报可能存在差异。为了进一步探讨其中的差异性，本文将从性别、年龄、受教育年限、婚姻这四个方面进行异质性分析。

4.2.1. 性别分组

根据前人已有研究的结论，性别差异在创业决策和创业回报客观存在，本节首先探究不同性别的人群创业回报的异同，回归结果如表3所示。

Table 3. Regression results grouped by sex

表3. 按性别分组回归结果

注：^***、^**、^*分别表示在1%、5%、10%统计水平上显著。

由表3中可以看出，选择创业会对女性的工作收入和工作满意度产生显著的正向影响，而对女性生活满意度则产生显著的负向影响，与总体样本回归时的结论一致。结合前文女性收入显著低于男性收入的情况，可以认为，女性在职场中收入偏低，而选择创业则更容易使女性收入回归到一个较高水平。而男性则并不存在或仅存在程度更轻的收入压制情况。有趣的是，对于男性则仅在工作满意度上存在显著的正向影响，在工作收入、生活满意度和健康程度上则并无显著影响。这可能表明受“男主外，女主内”等传统观念和刻板印象等的影响，女性选择创业会在生活中遭遇更多阻碍，需要克服更大的困难。这或许也能在一定程度上解释相较于男性，女性创业概率更低的现实情况。而男性则由于传统社会分工的优势地位，是否选择创业并不会对其家庭分工和生活满意度情况产生显著影响。

4.2.2. 年龄分组

不同年龄阶段面对着不同的家庭境遇和事业难题，对工作、生活和健康的平衡与偏好可能有所不同，这可能导致创业回报存在差异。本文对年龄的划分参照青年、中年、老年的划分标准，分为16~34岁，35~50岁，51~65岁三组。表4为按年龄分组的回归结果。

Table 4. Regression results grouped by age

表4. 按年龄分组回归结果

注：^***、^**、^*分别表示在1%、5%、10%统计水平上显著。

通过回归分析可以看出，按年龄分组后，选择创业对不同年龄段的收入均存在显著正向影响，显著程度和作用力度呈现随年龄递增的现象。年龄越小越能在市场上获得与自己能力更匹配的收入，选择创业的必要性越低。从这个角度，更适合创业的应当是具备一定社会经验和工作经验的成熟职场人，而不应是初出茅庐的年轻人。创业对工作满意度的影响程度和作用力度呈现影响随年龄增大而减弱的现象，越年长则越容易适应并成为传统工作体系的一份子，创业带来的挑战性和新奇性的吸引力会越弱。对51~65岁健康程度存在显著正向影响，而创业对生活满意度则均不显著。对于退休人群而言，当同龄人面临退休时的忐忑与不适时，创业人群显然可以因仍在“为自己工作”而获得更好的自我认知，并且也有足够的信心和条件为自己提供更好的医疗照护，因此健康程度会更好。

4.2.3. 受教育年限分组

以9年制义务教育为分界线，将样本分为了受教育年限小于等于9年的和受教育年限大于9年的两类。表5为按受教育年限分组回归的结果。

Table 5. Regression results grouped by education years

表5. 按受教育年限分组回归结果

注：^***、^**、^*分别表示在1%、5%、10%统计水平上显著。

通过回归分析可以看出，按受教育年限分组后，选择创业对两组人群工作满意度均存在显著正向影响，且显著程度和影响强度接近。同时，创业会对受教育年限较低人群的收入产生显著正向影响，而对生活满意度存在显著负向影响。受教育程度低的人群较难在市场获得自己期望的收入，且更需要牺牲生活满意度来获得收入和工作满意度上的提升 [34]，不过选择创业带来的收入提升效应更为明显且更为有力。仅从收入角度出发，受教育程度低人群更具备创业的需求和动力。此外，创业则会对教育年限较高人群的健康程度有显著正向影响。这表明受教育年限高的人群可能并非为了“高收入”的特性选择创业，而是为了实现自我价值认同，因此健康程度更佳。

4.2.4. 婚姻分组

以是否有配偶为依据，将样本分为了有配偶和无配偶两组。表6为按婚姻情况分组回归的结果。

Table 6. Regression results grouped by marriage

表6. 按婚姻状况分组回归结果

注：^***、^**、^*分别表示在1%、5%、10%统计水平上显著。

通过回归分析可以看出，按婚姻情况分组后，选择创业对两组人群工作满意度均存在显著正向影响，且无配偶的正向作用强度更强。同时，创业会对有配偶人群的收入产生显著正向影响，而对生活满意度存在显著负向影响。原因可能是有配偶人群更能获得家庭支持，包括但不限于家务分配等家庭内务协调合作分工以及来自双方原生家庭的支持等，更能全身心投入创业，并获得更高收益。但也更容易面临生活和工作的平衡问题，并且可能更难处理得当。结合已有研究，有配偶人群往往更需要牺牲生活满意度来获得收入和工作满意度上的提升，而无配偶人群则较少遇到这样的问题 [35]。

4.3. 内生性处理

尽管基准回归的估计结果显示，受访者的创业决策对创业回报存在显著影响，但模型可能会存在反向因果和遗漏变量的内生性问题，因此本文试图通过工具变量法解决上述问题。

本文共构造三种工具变量，一种是将关键变量创业决策(entrep)滞后一期，即受访者2016年创业决策(entrep-16)作为工具变量，由此可以消除反向因果的影响。需要注意的是，滞后一期的创业决策仍然存在影响工作满意度的可能性，而滞后一期的外商直接投资(FDI)会影响创业活动 [36]，但不会影响个人工作满意度，所以对于工作满意度选取FDI作为工具变量。另一种是参考周烁等(2020)的做法，选择区县层面的创业率(ratio-e)，即本区县受访者中的创业人数占该区县受访者总人数的比例作为工具变量 [37]。创业率越高的地域，该地域的创业人数也越多。由此可见，区县创业率会影响劳动者个人的创业决策，但不会影响个人的创业回报，是一个合适的工具变量。

需要注意的是，前文采用有序Probit模型估计了创业决策对非货币回报的影响，工具变量法并不能直接运用于排序模型。因此，本文采用工具变量有序Probit (IV Ordered Probit)模型进行估计，来获得更为稳健的结果。考虑到Stata实际操作中没有IV-Oprobit指令，本文借鉴使用Roodman (2011)提出的条件混合过程(Conditional Mixed Process，简称CMP)估计方法在Stata16中实现对IV-Oprobit模型的估计。具体使用工具变量的估计结果如表7所示。从回归结果看，克服内生性问题后，创业决策仍然对工作收入和工作满意度存在显著的正向关系，影响系数分别提升了1.85倍和2.75倍；对生活满意度的影响相比之下提升了2.8倍；对健康程度依旧不存在显著影响，总体结果与基准回归一致，因而可知本文的结果是较为稳健的。

Table 7. Estimation results of using instrumental variables

表7. 使用工具变量的估计结果

注：^***、^**、^*分别表示在1%、5%、10%统计水平上显著。

4.4. 稳健性检验

本文通过剔除25周岁以下以及55周岁以上的样本，保留最易参与创业活动的中青年样本对回归结果进行稳健性检验，回归结果如表8所示。

Table 8. Robustness test

表8. 稳健性检验

注：^***、^**、^*分别表示在1%、5%、10%统计水平上显著。

由表8可见，保留中青年样本后，回归结果与上文相同，都仍然说明了创业决策对工作收入、工作满意度起到积极作用，但对生活满意度起到消极作用，与健康程度无显著相关性。此外，在创业决策对工作收入、工作满意度和生活满意度的影响路径中，辅助估计参数atanhrho-12均显著异于0，表明工具变量依然有效，证明更换被解释变量的测度指标后，估计结果依旧稳健可靠。

5. 结论与政策建议

作为推动经济社会发展、改善民生的重要途径，创业在当前国际形势叠加新冠疫情双重冲击我国经济社会发展的大背景下，在促进经济增长、创造就业机会、提高劳动收入、推动就业形式革新等方面发挥着重要作用。本文运用2018年中国家庭追踪调查(CFPS)的创业数据对创业决策与创业回报之间的关系进行实证分析，在此基础上从货币回报和非货币回报两个方面，试图探索创业者创业回报的得与失，进而剖析我国创业群体的创业决策机制和路径。围绕上述内容，本文形成了如下主要结论：

第一，总体来说，我国居民中，创业群体在收入、工作满意度、受教育年限等方面都有更优异的表现，且往往也更能从家庭中获得货币和非货币支持。可以初步认为，我国的创业群体的综合条件在居民总体中处于较为靠前的位置。

第二，关于创业决策对创业回报的影响，选择创业能够显著提升收入、工作满意度，但会降低生活满意度，而与健康程度则无显著相关性。

第三，不同特征的群体创业决策对创业回报的影响存在差异，具体表现在性别、年龄、受教育程度和婚姻状况这四个方面。

第四，关于工作–家庭冲突对创业决策与创业回报的影响路径，工作–家庭冲突对创业决策与工作收入和生活满意度的影响路径中起到中介作用；对创业决策与工作满意度的影响路径中起到遮掩效应。

基于以上研究结论，本文提出从多方面提出以下政策建议：

第一，研究表明我国创业群体在整体素质及家庭文化背景等方面优于社会整体。因此，政府的创新创业政策应当顺应这一特点，更多鼓励技术创业、商业模式创业等新型创业，推出针对高学历、高资产家庭创业的政策鼓励，如针对科技人才推出创业孵化基地优惠，针对高资产家庭推出创业资金税收减免优惠等。

第二，本文证明了选择创业能显著提升收入、工作满意度，但却对生活满意度产生负向效应。结合工作–家庭冲突对创业决策与工作收入和生活满意度的中介作用，可将缓解工作–家庭冲突作为帮助创业者解决实际困难的施策方向之一。例如，完善社会保障体系，关注创业者这一特殊群体需求，在教育、养老等基本生存领域提供兜底保障。在创业者集中的产业孵化园等规划政府主导、社会力量参与的养老、幼托等服务，免除创业者后顾之忧。

第三，本文还发现创业决策在不同特征的群体中对创业回报的影响存在差异。因此，针对不同群体应当制定不同的帮扶政策。从政策实行角度，对于男性创业者的扶持政策可以更多着眼于提高工作满意度，对于女性创业者则更多着眼于提高创业收入和健康程度。如：针对男性创业者可以多邀请其参加社会公益及市政宣传活动，提供更多配套非货币支持；针对女性创业者则通过税务减免、房租补贴、社保缓缴等政策提升收入效应，并联合妇联等社会团体为女性创业者提供定期体检、健康咨询等公益服务。

参考文献

NOTES

¹通过计算基准回归中各解释变量的方差膨胀因子(VIF)，发现除了年龄与年龄平方变量之外，所有解释变量的VIF都小于2，表明回归结果不会受到多重共线性问题的干扰。