德国失业救济金非领取率及数据说明 [page::13][page::14][page::15]

• 2008-2020年加权修正后的非领取率（NTR）从约29%上升至近40%，平均约32.7%。

- Beta误差率（模拟误差）维持在6%左右，显示模拟质量较高。

• 两类样本（Admin与GenPop）中，GenPop样本非领取率明显高于Admin样本。

影响非领取的基线模型结果及变量边际效应 [page::17][page::16]

• 收入差距（相对收入缺口）与领取概率正相关，边际效应为0.25。

- 年龄增大、低教育程度、家庭结构（夫妻、有小孩）提升领取概率。

• 少数群体（如早退户、自报领取其他福利户、GenPop样本）非领取率显著较高，边际效应显著负向。

量化因子：长期领取经历显著正向影响领取概率 [page::20][page::17]

• 过去三年每年UB II领取天数比例，特别是上年度比例，提升本年领取概率（最高边际效应达0.36，且长期效果明显）。

- 纳入经历因子后，相对收入差距和部分变量边际效应显著减弱，家庭结构效应则增强。

量化因子：收入潜力与收入波动的作用 [page::21][page::22]

• 过去三年平均等价收入水平显著负向影响领取，短期增加1000欧元月收入会降低约10%领取概率。

- 一次性收入增长（正向冲击）降低领取概率，而收入波动（不稳定性）对领取概率无显著影响。

• 说明家庭的申领主要应对即时负面收入冲击，长期波动作用不大。

样本选择、数据质量及模拟模型说明 [page::9][page::11][page::12][page::28][page::29]

• 研究样本剔除非工作年龄、收入信息不一致和多社区情况的家庭，最终估计样本约2.5万户。

- 利用PASS-ADIAB行政数据解决调查自报误差问题，减少低估非领取率偏差。

• 使用开源税收转移支付模拟器GETTSIM对家庭UB II资格及额度进行精确模拟，调整模型以更好匹配费用实际情况。

- 模拟和实际收入分布高度匹配，模拟效能较高。

非领取行为的跨时稳定性分析 [page::18]

| Take-up类型 | 户数 | 百分比（加权） |
|--------------|--------|-------------------------|
| 永不领取 | 1,482 | 36.7% |
| 有时领取 | 1,274 | 12.7% |
| 始终领取 | 7,700 | 50.6% |

• 超过87%家庭跨年保持领取或不领取稳定状态，表明非领取为行为持久特征。

深度分析报告解构：

《Non-Take-Up of Unemployment Benefit II in Germany: A Longitudinal Perspective Using Administrative Data》
作者：Jürgen Wiemers，Institute for Employment Research (IAB)
发布时间：2025年9月1日

---

1. 元数据与报告概览

报告标题：Non-Take-Up of Unemployment Benefit II in Germany: A Longitudinal Perspective Using Administrative Data
作者：Jürgen Wiemers
机构：Institute for Employment Research (IAB)
时间：2025年9月1日
主题：德国失业救济金II（Unemployment Benefit II，简称UB II）的非领取现象（Non-Take-Up），重点从长时间视角分析其影响因素，利用结合调查与行政数据的面板数据进行实证研究。
核心论点：非领取社会福利是一种普遍现象，尤其针对德国的UB II项目，报告发现在传统模型基础上，长时间因素（如过往领取历史、收入潜力、收入冲击等）对非领取行为有显著影响。采用长时间序列数据与行政数据相结合，克服了以往仅依赖自报数据的不足，更准确地模拟了非领取率。
目标：揭示长时间因素如何影响UB II非领取概率，纠正现有非领取模型中忽略动态因素可能的错估，实现对领取行为的更准确理解。
评级及结论意图：报告并非投资评级性质，而是政策评估。清晰传达纳入长期动态因素模型后，对UB II非领取现象的理解更为全面，对相关政策设计有重要启示。

---

2. 逐节深度解读

2.1 摘要与引言 （Abstract & Introduction，页0-2）

关键点总结：

• 非领取（Non-Take-Up）指符合条件但不申请福利的现象，是全球福利制度中普遍存在的问题。

- 现有研究常将非领取视为理性决策，即当领取福利净效用为负时选择不申请。

• 报告强调长期因素（如收入波动、过去领取经验）对该决策的重要影响，但此前研究受数据限制较少涉及。

- 本研究通过链接德国劳动市场和社会保障面板调查（PASS）和联邦就业局行政数据（PASS-ADIAB），首次引入长时间收入和福利领取数据，结合微观模拟模型GETTSIM模拟资格。

• 研究发现长历史领取增加领取概率，高收入潜力和正面收入冲击减少领取概率，且引入长期因素后，传统影响因素的效应显著变化，说明现有模型存在规范错误。

支撑逻辑与论据：

• 理论上，长期收入不稳定导致可能短暂资格，降低领取积极性。

- 既往福利体验双向作用：熟悉流程降低申报成本，负面体验增加社会污名感。

• 利用行政数据校正自报信息误差，提升模拟精度。

- 整合微观模拟模拟资格，定量分析非领取行为。

---

2.2 制度背景（Institutional background，页3-4）

关键内容总结：

• UB II为德国基本最低生活保障，面向至少有一名适龄劳动力的家庭，用于补充到法定最低收入的差额。

- 家庭被定义为“需求共同体”，包括单身成人、夫妻及其25岁以下子女。

• 福利组成包括标准补助及租金、取暖和医疗费用补贴。

- 资格受收入及财富状况测试，部分资产如自住房屋、车辆等在合理范围内排除。

• 2024年UB II覆盖约580万个人，支付426亿欧元，规模为德国最大保障项目。

- 住房补贴（HB）和补充儿童补贴（SCB）优先于UB II，如HB/SCB资格超过UB II则不领取UB II。

逻辑分析：

• 该制度组成及严格的资格测试机制决定了模拟资格需要复杂计算收入与资产。

- HB与SCB的优先权影响领取行为，且可能导致误报。

---

2.3 实证方法（Empirical approach，页5-8）

2.3.1 非领取建模逻辑

• 模型基于效用最大化，家庭会领取福利（P=1）当领取效用超出不领取时，利用二元选择模型（probit随机效应模型）估计领取概率。

- 利用福利资格的收入差距（relative income gap）量化福利领取潜在收益，归一至0-1之间，考虑非线性关系（二次多项式入模）。

• 控制家庭特征（类型、年龄、教育、移民状态、残疾、住址、房主身份、样本类型等），加入时间固定效应及个体效应，消除未观测异质性影响。

- 额外纳入控制变量：自报“提前退休”家庭、报告其他福利领取、是否属于一般人群样本，以控制制度及样本结构差异。

2.3.2 数据来源及样本选择

• 数据源：PASS 2008-2020年14波数据（实际使用波2-14），结合PASS-ADIAB行政数据。

- PASS包含两子样本：基于行政UB II领取者抽样(sample Admin)及一般人口随机抽样(GenPop)，两者联用保证研究全面覆盖低收入家庭。

• 采用GETTSIM微观模拟模型首次应用于PASS，基于详细问卷和行政信息模拟福利资格。

- 样本选择过程中排除无配偶信息、多需求共同体家庭、不一致雇佣收入信息、养老年龄成员、学生或培训人员、难民家庭（因结构特殊且占比小），确保合规资格模拟和模型稳定。

• 经过多步筛选，实证最终样本约2.5万家庭-时间观察值，期间平均非领取率（NTR）根据行政数据校正后约为33%。

---

2.4 结果解读（Results，页13-22）

2.4.1 NTR模拟结果（页13-16）

• 校正后的非领取率（NTR）平均约32.7%，符合文献报告。

- NTR呈上升趋势，主要由Admin子样本的时间结构效应带动，GenPop样本NTR相对平稳。

• 模拟质量指标Beta Error Rate保持较低且稳定（约6.3%），表明模型模拟资格准确。

- 图表1显示NTR及Beta Error随时间的变化趋势，图表2展示子样本间NTR差异，强调权重调整的重要性。

2.4.2 基线模型（Baseline specification，页15-17）

• 相对收入差距是影响领取概率的核心因素，非线性关系显示较大收入差距显著增加领取概率，边际效应约0.25。

- 年龄增加和教育水平下降与领取概率正相关。

• 家庭类型影响显著，配偶及有子女的家庭领取可能性更高。

- 小孩年龄 ≤3岁对领取有正面影响。

• 部分特征如性别、移民、残疾、房屋所有权和地理因素影响不显著。

- 特殊组群（GenPop样本、提前退休家庭、报告其他福利领取者）非领取率极高，边际效应大幅负向。

2.4.3 长期因素加入模型（Extended models M1-M3，页17-22）

M1：过往UB II领取经验

• 使用前三年每年领取天数比例衡量经验，前三年领取比例显著正向影响当前领取概率，尤其最近一年贡献最大（边际效应约0.36）。

- 结果显示先前领取减少领取成本，增加当前决策领取积极性。

• 引入领取经验后，基线模型部分变量边际效应减弱（收入差距、部分类别特征），家庭类型影响反而显著增强。

- 表2显示87%家庭非领取行为稳定，12%偶尔变动。

M2：过去收入潜力（3年均等效收入）

• 过去收入较高家庭倾向非领取，表明收入缓冲延迟申请的可能。

- 边际效应较小，长期潜力影响不显著，短期收入影响更强。

• 所有三年前收入均纳入模型，主要由最近一年收入驱动。

M3：收入波动与收入冲击

• 收入变动定义为前一年同比收入变化，波动定义为过去3年收入标准差。

- 正面收入冲击减少领取概率（边际效应幅度虽较小，-4.4%），收入波动影响不显著。

• 说明家庭对即时负面收入冲击更敏感，而非长期不稳定。

- 该结论与低储蓄能力限制“平滑”收入冲击的理论相符。

---

3. 图表深度解读

3.1 表1：非领取率及误差率（页14）

• 展示2008-2020年加权非领取率，校正前后数据对比，校正减少约3个百分点，反映自报误差。

- 误差率较低，模拟质量较好。

• 表格突出显示了NTR整体趋势及校正必要性。

3.2 图1（页15）

• 以折线图展示校正与未校正非领取率随年份的变动趋势，校正后的非领取率持续上升。

- Beta误差率相对保持稳定，说明模拟稳定性好。

• 置信区间显示数据统计显著性及可靠性。

3.3 图2（页16）

• 分子样本（Admin）与一般样本（GenPop）非领取率的差异明显，GenPop非领取率显著更高而且呈上升态势。

- 权重调整后结果更能反应真实情况。

3.4 图3（页17）

• 基线模型各变量边际效应，图示置信区间体现显著水平。

- 收入差距、家庭类型、年龄、教育等影响显著。

• 早退、其他福利领取、样本身份显著负向影响领取。

3.5 图4（页18）

• 收入差距与领取率的非线性关系呈抛物线型，随着收入缺口增大领取率递增至高峰后趋缓。

- 数据分布不均，收入差距极高的家庭最集中。

3.6 表2（页19）

• 基于家庭层面，长期领取状态分类，显示大部分家庭领取行为稳定，少数切换。

3.7 图5至图7（页20-22）

• 图5展现增加领福利经验变量后的模型，历史领取比例与当前领取正相关。

- 图6新增收入潜力，显示收入高者领取率降低，但效应相对较弱。

• 图7引入收入波动及变动，收入冲击影响显著，波动影响不明显。

3.8 图表附录C（页29-30）

• C1图对比模拟与自报收入的分布，显示模拟与真实数据整体吻合，符合资格划分的直觉特征。

- C2图显示领取家庭与非领取家庭的模拟福利差异，领取家庭模拟福利水平明显更高，且与报告福利分布趋势相符。

---

4. 估值分析

本研究非典型估值报告，但使用了GETTSIM微观税收福利模拟模型，核心估值环节为模拟资格、领取资格和领取金额。

• 关键参数包括当地租金上限调整，考虑法规中租金补贴限制（从默认10欧元/平方米提高至15欧元，匹配实际数据）。

- HB资格规则扩大，加入80%规则判定，增加模拟灵活性和准确度。

• 通过模拟匹配行政数据做校验，保障模型有效性。

- 边际效应采用随机效应probit模型估计，控制单位异质性。

---

5. 风险因素评估

文中未专门列出系统性风险因素，但隐含风险可通过以下方面理解：

• 数据偏差风险：自报误差和数据链接中的非同意和非匹配风险，但作者指出非同意影响有限，采用行政数据显著减少了误报风险。

- 模型设定风险：模拟模型对租金规定等参数的假设调整可能带来模拟偏差，作者已做校对和调整减小此类风险。

• 样本选择偏差：难民家庭和多需求家庭被排除，可能降低模型对所有群体的外推性。

- 行为复杂性风险：家庭收益波动与申领决策的动态复杂性可能未完全捕获，导致模型解释能力有限。

---

6. 批判性视角与细微差别

• 作者精准识别了长期因素的动态影响，弥补传统“截面”研究的不足，方法论严谨。

- 利用行政数据纠正非领取研究中的测量误差是一大优势。

• 样本限制（例：排除变更户主的家庭和多需求家庭）可能限制结论的普适性，尤其对多功能家庭结构的研究不足。

- 长期收入波动的无显著效应与部分文献不符，可能是收入波动度量方式或模拟时间窗口限制所致。

• 对模型非线性关系的捕捉较充分，但涉及“效用净收益”概念的隐性假设，行为模型进一步阐释空间仍存在。

- 结构模型与经验模型结合不足，未来研究可在理论驱动的微观结构模型中整合长时间动态。

---

7. 结论性综合

本文通过结合德国劳动市场调查和联邦就业局行政数据，创新性地引入长期福利领取经验、收入潜力及收入冲击等动态因素，深化了对德国UB II非领取行为的理解。

关键发现包括：

• 长期福利领取史显著降低非领取概率，揭示信息和流程成本对申领行为的深刻影响。

- 较高的过去收入潜力降低领取倾向，反映家庭对收入波动的风险规避和等待策略。

• 正面短期收入冲击降低申领概率，收入波动无显著效应，强调即时财政状况对决策的主导。

- 引入长期因素后，传统变量边际效应发生显著变化，表明此前模型存在漏变量偏误。

• 估计的非领取率平均约为33%，符合现有文献和政策预估。

- 利用校正后的行政数据确保了更准确的非领取评估。

报告在方法上结合微观模拟模型GETTSIM和随机效应probit，有效捕捉了非领取的决定机制，提升了对社会保障体系效率与公平性的理解。此研究成果对德国及类似福利国家制定更具针对性的促领政策，降低非领取现象、提高贫困缓解能力具有重要参考价值。

---

参考文献及数据支持

• 广泛引用了社会福利、劳动经济领域主流文献，包括Blundell et al.、Bruckmeier et al.、Ko & Moffitt等权威研究。

- 使用德国联邦就业机构提供的高质量面板数据（PASS）及行政数据（PASS-ADIAB）。

• 微观模拟工具GETTSIM开源且适用于多数据集。

---

附加图表展示

图1：非领取率与Beta误差随时间趋势

图2：UB II非领取率按样本子组分化呈现

图3：基线模型各变量边际效应估计

图4：收入差距与领取率关系曲线（抛物线形态）

图5-7：分模型M1-M3边际效应图，分别体现过往领取经验、历史收入及收入波动影响

附录C1-C2：模拟与真实收入及福利领取分布对比

---

总结

该报告利用独特的长面板数据融合行政记录和高质量微观模拟工具，创新性地揭示了UB II福利非领取的动态决定因素，弥合了传统实证分析中的测量误差和动态数据缺失问题。通过系统纳入长期福利经验和收入变化的影响，其结论不仅为德国的福利领取政策提供了科学依据，也为全球福利非领取研究树立了实证方法范本。[page::0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,26,27,28,29,30,31,33,36,37,38,39]

报告