不同创业方式对劳动者主观幸福感的影响

中文摘要本文使用2015年中国综合社会调查的数据，考察创业对幸福感的影响。运用OrderedProbit模型分析了创业对劳动者主观幸福感的影响，结果表明:创业者比非创业者的幸福感更高。运用倾向得分匹配的方法进行分析，同样得到了创业可以提升劳动者幸福感的结论。在异质性分析中发现，相对于自雇型创业，雇主型创业对幸福感的提升作用更大；相对于城镇户籍，农村户籍的创业者对幸福感的提升作用更大；相对于女性创业者，男性创业者对幸福感的提升作用更大。进一步研究发现创业通过工作收入、社会地位、工作时间来影响劳动者的幸福感。选择创业的劳动者工作收入增加，社会地位提升，有利于幸福感的提升，但是创业的工作时间比选择非创业工作时间长，对幸福感有着负面的影响。关键词：创业；幸福感；有序Probit模型；倾向得分匹配；CGSSAbstractThisarticleusesdatafromthe2015ChinaComprehensiveSocialSurveytoexaminetheimpactofentrepreneurshiponhappiness.UsingtheOrderedProbitmodeltoanalyzetheimpactofentrepreneurshiponworkers'subjectivewell-being,theresultsshowthatentrepreneursarehappierthannon-entrepreneurs.Theanalysisusingthetendencyscorematchingmethodalsoobtainedtheconclusionthatentrepreneurshipcanimproveworkers'happiness.Heterogeneityanalysisfoundthat,comparedwithself-employedentrepreneurs,employer-basedentrepreneurshiphasagreatereffectonimprovinghappiness;comparedwithurbanhouseholdregistration,entrepreneurswithruralhouseholdregistrationhaveagreatereffectonimprovinghappiness;comparedtofemaleentrepreneurship,Maleentrepreneursplayagreaterroleinimprovinghappiness.Furtherresearchfoundthatentrepreneurshipaffectsworkers'happinessthroughworkincome,socialstatus,andworkinghours.Workerswhochoosetostartabusinesshaveanincreaseinworkingincomeandsocialstatus,whichisconducivetotheimprovementofhappiness.However,workinghoursofstartingabusinessarelongerthanchoosingnon-enterpriseworkinghours,whichhasanegativeimpactonhappiness.Keywords:entrepreneurship;happiness;orderedprobit;psm;cgss1.引言1.1研究的背景、意义幸福是人类工作生活的根本追求，幸福感除了可以用来衡量个人的主观感受，还可以用来衡量经济发展成效和国民福利的高低。党的十九大报告提出,要使人民获得感、幸福感、安全感更加充实、更有保障、更可持续。伊斯特林(1974)发现,经济发展并不总是能够给人们带来幸福感的提升,这一发现被称为“伊斯特林悖论”。近年来我国居民幸福感并没有随着经济的发展而提高,反而出现停滞或下降的情况。联合国发表的《全球幸福报告》显示,在2018、2019、2020年,中国内地居民幸福感在调查的156个国家中排名分别为第86位、第93位、第86位。创业不仅能够增加个人收入，解决个人的就业问题，还能带动更多就业，对一国经济的发展具有重要的作用，2015年以来,面对就业压力越来越大的局面，我国出台了一系列鼓励创业的政策，我国政府倡导"大众创业,万众创新",将创业、创新视为经济发展的重要推动力。创业在稳定就业市场，增加就业岗位，促进经济发展等方面都有着重要的作用，而经济增长的目的就是改善生活质量，提高人们的幸福感。Cooper和Artz(1995)指出,幸福感是创业者城北的重要因素。创业会对劳动者的幸福感产生什么样的影响？如果创业能够提高劳动者的幸福感，自然应该加大扶持创业的力度，而如果创业降低了创业者的幸福感，那政府应该采取什么政策来提升幸福感。随着国家鼓励创业政策的落实，创业者的数量急速增加，因此，研究创业对劳动者的幸福感，对创业者个体、家庭乃至社会都具有十分重要的影响。1.2研究内容本文的研究目标是创业对主观幸福感的影响。本文首先梳理总结了以往的文献，提出三条假说。基于2015年中国综合社会调查（CGSS）的数据，用有序Probit模型分析创业对幸福感的影响。由于创业群体可能存在异质性现象，根据创业方式、性别、户籍的不同分析创业对幸福感的影响。接着，为了探究幸福感的影响机制，从工作收入、社会地位和工作时间三方面进行研究。最后，总结以上实证分析得到的结论并提出了相关政策建议。2.提出假设基于以上内容，本研究拟检验如下假设:假设一：创业能够显著地提升创业者的主观幸福感假设二：创业对幸福感的影响具有异质性：相对于自雇型创业，雇主型创业对幸福感的提升作用更大；相对于城镇户籍，农村户籍的创业者对幸福感的提升作用更大；相对于女性创业者，男性创业者对幸福感的提升作用更大。假设三：创业主要通过影响创业者的工作收入、社会地位、工作时间来影响幸福感。3.模型3.1OrderedProbit模型被解释变量为幸福感，是一个多分类有序分类变量，其赋值是1-5的整数，分别对应着非常不幸福、不幸福、一般、幸福、和、非常幸福的回答。故采用OrderedProbit模型研究创业对劳动者幸福感的影响。3.2倾向得分匹配在使用观测数据进行研究时，如何克服样本的选择性偏差是一个关键的问题。运用OrderedProbit模型分析可能存在选择性偏差和内生性问题，为解决这些问题，本文利用倾向得分匹配方法(PSM)这一模型对创业对劳动者幸福感的影响进行稳健性检验，并得到真正的因果效应。由于我们要研究创业对于劳动者幸福感的影响，如果我们使用计量回归，得到的结果并不仅是创业对劳动者幸福感的影响，还有因为不同劳动者其他个人特征的差异带来的影响。而倾向得分匹配估计方法基于反事实分析框架，其估计思想源于匹配估计量，即寻找非创业的劳动者作为控制组，但要求这个非创业的劳动者的个体特征和家庭特征应与创业的劳动者尽可能地相似。概括起来，倾向得分匹配方法的具体步骤如下:第一步，选择合适的协变量，根据协变量采用Logit模型估计倾向得分，通过计算得到的一个介于0到1之间的预测概率就是每个劳动者选择创业的倾向得分值。第二步，在共同支持区域范围内，对创业者和非创业者的所有个体和家庭特征进行平衡性检验，以确保处理组和控制组的可比性;第三步，根据倾向得分估计的结果，将创业者与非创业者中具有相同或相近倾向得分的个体进行匹配，衡量相同或相近的标准有很多，常见的方法有：近邻匹配、半径匹配、核匹配，本文将使用不同的匹配方法进行匹配，以此证明结果的稳健性。第四步，计算得到创业者与非创业者的平均处理效应(ATT)。平均处理效应ATT的计算公式如下：ATT=E[Y1i-Y0i丨Di=1]=E[Y1i-Y0i丨Di=1,P(Xi)]=E[Y1i丨Di=1,P(Xi)]-E[Y0i丨Di=1,P(Xi)]Di表示劳动者i的创业状态，Di=1表示劳动者i选择创业,Di=0表示劳动者i没有创业，Xi为协变量，概率值P(Xi)为劳动者i对应的倾向得分，Y1i和Y0i表示劳动者i在创业和非创业时的幸福感。第五步，评估匹配的质量，进行平衡性检验和共同支撑检验域的检验。4.数据4.1数据来源数据来源于中国人民大学组织实施的2015年中国综合社会调查(CGSS2015)，该调查以分层随机抽样的方法，先在中国大陆地区抽取了村/居委会，并在每个村/居委会抽取家庭，在家庭中中随机选取1人作为被访者，通过问卷调查对受访者进行调查。使用本数据具有几个优势:首先，CGSS调查覆盖了全国大陆地区的29个省区及直辖市，具有很强的代表性。其次，2015年的数据是最新发布的数据，时效性较强。最重要的是，CGSS数据中包含的信息丰富，除了幸福感，还包含了详细的个人信息和家庭信息。由于本文研究的是创业与非创业在影响劳动者幸福感方面的差异，所以我们剔除了正在务农、没有工作和已退休的群体，经过整理，最终获得了3949个样本。4.2变量描述被解释变量：主观幸福感。在CGSS2015数据中，受访者根据“非常不幸福”、“比较不幸福”、“一般”、“比较幸福”和“非常幸福”五个等级对自己的主观幸福感进行评价，并以1-5从低到高的赋值分别表示上述的五种幸福感水平。核心解释变量：创业。在CGSS数据中，根据岗位特征，将“自己是老板”、“个体工商户”、定义为创业者；将受雇于他人（有/无固定雇主）、劳务工/劳务派遣人员、家庭帮工（领/不领工资）与自由职业者定义为，为非创业者。控制变量：参考以往的研究，并结合CGSS2015数据中的特点，选取进入控制变量包括将个人特征变量:户籍、性别、年龄、年龄的平方、婚姻状况、政治面貌、婚姻状态、受教育水平、所属地区，家庭特征变量:14岁时父母的教育水平，14岁时父母的创业状态。表4-1主要变量和描述性统计变量变量描述总体创业者非创业者均值标准差均值标准差均值标准差主观幸福感幸福程度，1-53.8860.7643.9370.7053.8730.778户籍城镇=1，农村=00.7830.4120.7730.4190.7860.410性别男=1，女=00.5570.4970.5710.4950.5530.497年龄受访者年龄40.45511.73341.65710.83540.14711.937年龄的平方受访者年龄的平方1774.2531003.7411852.576965.4051754.2361012.786政治面貌党员=1，非党员=00.1230.3290.0430.2040.1440.351婚姻状况已婚=1，未婚=00.7920.4060.8860.3180.7680.422受教育水平受教育年数11.2123.9959.8003.43411.5764.048所属地区1=东部，0=非东部0.4760.4990.3740.4840.5030.50014岁时父亲受教育水平14岁时父亲的受教育年数6.1394.7275.2214.5456.3744.74414岁时母亲受教育水平14岁时母亲的受教育年数4.6774.5693.5344.1734.9734.62014岁时父亲是否创业1=创业，0=非创业0.0630.2420.0780.2690.0590.23514岁时母亲是否创业1=创业，0=非创业0.0380.1920.0520.2230.0350.184观测样本量3949394980531445.实证结果5.1OrderedProbit模型表5-1给出了使用OrderedProbit模型估计创业对劳动者幸福感的回归结果，并列出了每个解释变量均值时创业对劳动者幸福感的边际效应估计，表5-1中第(1)列是创业对劳动者幸福感的回归，可以看出，劳动者选择创业，幸福感增加15%，在1%的显著性水平下显著。这说明劳动者选择创业导致幸福感提升，该结果与假设一一致，第(2)、(3)、(4)、(5)、(6)列表示当幸福感取值为1、2、3、4、5时OrderedProbit模型的边际效应，表示解释变量每变化一单位，被解释变量概率的变化。可以看出，劳动者选择创业，非常不幸福、不幸福、一般的概率均下降，幸福和非常幸福的概率提升。这说明创业是提升幸福感的重要因素。从个体特征变量来看，户籍方面，城镇居民的幸福感比农村居民的高；性别方面，女性的幸福感比男性高。从年龄上看，随着年龄增长幸福感存在倒“U”形分布的特点，即在某个年龄拐点之前，幸福感随着劳动者的年龄的增长而降低，拐点之后，幸福感则随着年龄增长而增加。回归结果也可以看出，已婚人士、党员的幸福感更高，随着劳动者受教育水平的提高，幸福感也在增加。在所属地区方面，可以看出东部地区的劳动者更幸福。在家庭特征变量方面，父母的受教育水平对子女幸福感的提升有着显著的影响。表5-1创业对劳动者幸福感的orderedprobit回归结果变量(1)非常不幸福(2)不幸福(3)一般(4)幸福(5)非常幸福(6)创业0.158***-0.00277***-0.0120***-0.0287***0.00348**0.0400***-0.0459(0.000830)(0.00333)(0.00817)(0.00138)(0.0121)户籍-0.06610.001240.005240.0121-0.00234*-0.0163(0.0456)(0.000836)(0.00353)(0.00832)(0.00134)(0.0114)性别-0.01730.0003390.001410.00320-0.000761-0.00419(0.0365)(0.000713)(0.00296)(0.00673)(0.00159)(0.00882)年龄-0.0746***0.00146***0.00608***0.0138***-0.00331***-0.0180***(0.0102)(0.000296)(0.000903)(0.00194)(0.000793)(0.00248)年龄平方0.0008***-1.58e-05***-6.58e-05***-0.000149***3.58e-05***0.000195***(0.000116)(3.28e-06)(1.02e-05)(2.20e-05)(8.73e-06)(2.82e-05)政治面貌0.127**-0.00222**-0.00968**-0.0231**0.00273**0.0322**(0.0591)(0.000980)(0.00421)(0.0105)(0.00112)(0.0157)婚姻状况0.554***-0.0168***-0.0565***-0.104***0.0642***0.113***(0.0513)(0.00316)(0.00704)(0.0100)(0.0103)(0.00892)受教育0.0309***-0.000605***-0.00252***-0.00570***0.00137***0.00745***(0.00585)(0.000145)(0.000498)(0.00110)(0.000374)(0.00142)所属地区0.148***-0.00289***-0.0120***-0.0272***0.00630***0.0358***(0.0366)(0.000830)(0.00305)(0.00677)(0.00197)(0.00890)14岁时父亲受教育水平0.0120**-0.000235**-0.000976**-0.00221**0.000532**0.00289**(0.00531)(0.000110)(0.000437)(0.000984)(0.000258)(0.00128)14岁时母亲受教育水平0.00270-5.30e-05-0.000220-0.0004990.0001200.000653(0.00568)(0.000112)(0.000463)(0.00105)(0.000253)(0.00137)14岁时父亲是否创业-0.003035.95e-050.0002470.000559-0.000136-0.000730(0.0842)(0.00166)(0.00689)(0.0156)(0.00385)(0.0203)14岁时母亲是否创业-0.174*0.004160.01590.0328-0.0142-0.0386*(0.105)(0.00309)(0.0107)(0.0202)(0.0126)(0.0214)注：*、**、***分别表示在1%、5%、10%的置信水平下显著用OrderedProbit模型估计得到的结果可能会存在由于反向因果关系导致的内生性问题，即创业会影响劳动者的幸福感，同时劳动者的幸福感也会对其是否进行创业产生一定的影响。接下来使用倾向得分匹配的方法来消除内生性。5.2倾向得分匹配5.2.1使用Logit模型估计倾向得分在进行倾向得分匹配前，首先需要选取协变量建立Logit模型估计影响劳动者选择创业的因素，通过计算得到的一个介于0到1之间的预测概率就是每个劳动者选择创业的倾向得分值。表5-2第（1）列是以“是否创业”作为被解释变量，户籍、性别等协变量作为解释变量的Logit回归的结果，从结果可以看出在个人特征方面，劳动者的性别、年龄、户籍、年龄的平方、政治面貌、婚姻状况、受教育水平、所属地区均对于其是否进行创业有显著的影响；在家庭特征方面，除了14岁时父亲的受教育年数对子女是否进行创业没有显著的影响，其余变量：14岁时母亲的受教育水平和14岁时父、母亲是否创业均对子女是否选择创业有着显著的影响。由于Logit回归的系数与一般的线性回归的系数不同，反映的是是指在其它变量不变的情况下，解释变量每变化一单位，对数发生比的改变。为了方便理解，表5-2中第（2）列为计算得到的边际效应，表示各个解释变量变化一个单位时对因变量的影响，并且边际效应和Logit回归系数的显著性一致。表5-2第（2）列显示的边际效应可以看出，年龄的边际效应为正，年龄的平方的边际效应为负，这反映了年龄对于劳动者选择创业的影响是倒U型。在个人特征中，是否为共产党员对劳动者是否进行创业的影响最大，党员劳动者选择创业的概率比非党员劳动者低12%。受教育水平越低的劳动者，城镇户口以及男性，已婚的劳动者更容易选择创业。在地域影响方面，东部地区的劳动者相比于非东部地区创业的可能性更低。在家庭特征中，母亲的受教育水平和父母亲是否进行创业对子女有着显著的影响，这说明原生家庭的条件对子女未来是否选择创业有着极大的影响。父亲或母亲选择创业，其子女创业概率要比那些父母亲不是创业者的人高9%。表5-2Logit回归的结果变量Logit回归边际效应（1）（2）个人因素户籍0.294**0.0409***(0.102)(0.0134)性别0.214*0.0313**(0.0843)(0.0122)年龄0.0604*0.00888**(0.0255)(0.00375)年龄的平方0.000796**-0.000117***(0.000291)(4.27e-05)政治面貌-1.073***-0.121***(0.189)(0.0152)婚姻状况0.733***0.0938***(0.134)(0.0147)受教育水平-0.0860***-0.0127***(0.0130)(0.00191)所属地区-0.435***-0.0637***(0.0848)(0.0123)家庭因素14岁时父亲的受教育水平0.009640.00142(0.0121)(0.00178)14岁时母亲的受教育水平-0.0405**-0.00596***(0.0134)(0.00197)14岁时父亲是否创业0.556**0.0947***(0.188)(0.0363)14岁时母亲是否创业0.567*0.0975**(0.23)(0.0451)截距项-2.105***(0.532)伪R20.0716LRchi2286.12Prob>chi20.0000样本量3949注：*、**、***分别表示在1%、5%、10%的置信水平下显著模型的似然比为286.12，对应的p值为0.0000，表明模型的拟合效果较好，显著性较高。由于该模型为Logit模型，此时R2意义不大，可以通过绘制ROC曲线和计算AUC值衡量，图中的凸起的线为ROC曲线,ROC围成的面积为AUC，即AUC=0.6893，说明模型的拟合效果较好。图5-1Logit模型的ROC曲线5.2.2平均处理效应估计结果在得到每个劳动者的倾向得分后，采用不同的匹配方法：最近邻匹配、半径匹配、核匹配将处理组（创业劳动者）和控制组（非创业劳动者）中拥有相近倾向得分的个体进行匹配。表5-3创业者与非创业者的主观幸福感差异匹配方法样本处理组控制组ATT匹配前3.936643.873400.06324**(2.10)最近邻匹配匹配后3.937813.840040.09777**(2.25)半径匹配匹配后3.937813.818140.11967***（3.96）核匹配匹配后3.937813.826190.11162***（3.74）注：*、**、***分别表示在1%、5%、10%的置信水平下显著由以上三中不同的倾向匹配方法估计得到的ATT可以看出，对于创业劳动者而言，创业显著提升了劳动者的幸福感，使用最近邻匹配估计得到的ATT值在1%的显著性水平下为0.09777，而使用半径匹配和核匹配的方法也得到了同样的结论。5.2.3平衡性检验与共同支撑检验在进行创业者与非创业者的倾向得分估计之前，需要对倾向得分匹配的效果进行平衡性检验，以确保处理组和控制组在劳动者个体特征变量和家庭特征变量上无显著差异。为判断创业者与非创业者基于各协变量的均值差异是否显著以及检验匹配的效果，计算了处理组和控制组基于所有协变量的标准偏差，并进行了T检验。由表5-2中的T值和P值可以看到，在进行倾向得分匹配以前，除了户籍、性别这两个个人变量，其它的变量在创业组和非创业组之间都有着显著的差异，而在匹配之后，所有的变量都差异都变得不显著了。从表中的偏远比例可以发现，经过倾向匹配后，所有的变量偏误比例都小于8%，并且与样本匹配前相比，除了14岁时父亲是否创业这个变量，其余变量的偏误减低比例都在45%以上。也就是说，创业组与非创业组的各个变量之间的差异变得十分接近，差异不再显著，这满足平衡性检验的要求。表5-4平衡性检验结果变量匹配前后处理组控制组偏差比例（%）偏差比例降低（%）T值P值户籍匹配前0.772670.78626-3.345.1-0.840.404匹配后0.772390.77985-1.8-0.360.72性别匹配前0.571430.553443.672.40.920.359匹配后0.57090.5659210.20.841年龄匹配前41.65740.14813.274.93.260.001匹配后41.67241.2923.30.70.485年龄的平方匹配前1852.61754.29.970.62.480.013匹配后1853.81824.82.90.610.541政治面貌匹配前0.043480.14377-34.998.8-7.780匹配后0.043530.04478-0.4-0.120.903婚姻状况匹配前0.885710.7678131.597.97.40匹配后0.885570.88806-0.7-0.160.875受教育水平匹配前9.811.574-47.398.7-11.430匹配后9.80479.78230.60.120.904所属地区匹配前0.373910.50223-26.186.4-6.540匹配后0.374380.356973.50.720.46914岁时父亲的受教育水平匹配前5.22116.3737-24.879.4-6.20匹配后5.22764.995.11.040.29814岁时母亲的受教育水平匹配前3.53424.9698-32.686.7-8.020匹配后3.53113.33964.40.940.34914岁时父亲是否创业匹配前0.078260.058527.85.52.060.039匹配后0.077110.058467.41.490.13714岁时母亲是否创业匹配前0.052170.034998.434.92.260.024匹配后0.0510.03985.51.080.281图5-2是标准化后的匹配前后的样本偏差与平衡性对比，可以发现，样本匹配后，偏差大大降低，并且很好的控制在8%之内。图5-2匹配前后的样本偏差图5-3是样本匹配前后处理组（创业劳动者）和控制者（非创业劳动者）的核密度曲线图。在进行匹配前，处理组（创业劳动者）和控制者（非创业劳动者）差异较大，创业劳动者的倾向得分偏高，非创业劳动者的倾向得分偏低。在匹配之后，创业劳动者的核密度曲线与非创业劳动者的核密度曲线几乎重合，两者的差异不在显著。两条几乎重合的核密度曲线说明有足够的数据在共同支撑领域可以让控制组和处理组进行匹配。图5-3匹配前、后的核密度曲线5.3异质性分析5.3.1研究不同创业方式对劳动者主观幸福感的影响创业方式分为两种，一种是雇主型创业，也就是自己是老板或合伙人的创业者，还有一种是自雇型创业，即个体经营者。为了研究不同的创业方式对劳动者主观幸福感的异质性影响，首先将雇主型创业者当做处理组，非创业者当做控制组，用半径匹配的方法研究雇主型创业者和非创业者的幸福感差别。由表5-5可以看出，在进行半径之后，计算得到的ATT为0.13832，在1%的水平下显著，同时对比发现，估计得到的ATT值高于表5-5中的创业者与非创业者的ATT值：0.09777，也就是说，雇主型创业者对幸福感的正面影响更高。接着将自雇型创业者当做处理组，非创业者当做控制组，用最近邻匹配的方法研究自雇型创业者和非创业者的幸福感差别。由表5-5可以看出，在进行最近邻匹配之前，计算得到的ATT为0.03590，在10%的水平下不显著，但是在匹配之后，计算得到的ATT为0.09042，在5%的水平下显著。这说明如果没有使用倾向得分匹配的方法进行分析，仅仅比较自雇型创业与非创业的幸福感差别，会得到错误的结论，而倾向得分匹配是在控制了协变量的情况下研究，更具有因果关系，所以可以得到自雇型创业者与非创业者的幸福感有显著差异的结论，同时对比发现，估计得到的ATT值低于表5-5中的创业者与非创业者的ATT值，也就是说，自雇型创业者对幸福感的提升不如雇主型创业者。雇主型创业者和自雇型创业者对主观幸福感均有着显著的正面影响，但是雇主型创业对幸福感的提升更大，这种差异可以用创业动机来解释，雇主型创业者意味着高风险高报酬，劳动者更多是发现商机，为了追求高利润成为雇主型创业者，即机会型创业；而自雇型创业者风险低，劳动者更多是为了生计选择个体经营，即生存型创业。机会型创业者可以带来自我价值的提升，幸福感的提升更强，而生存型创业更多在意物质回报，精神回报较少，故幸福感的提升较低。表5-5不同创业方式对劳动者幸福感的影响匹配方法样本雇主型创业非创业ATT自雇型创业非创业ATT匹配前4.005493.880540.12495**(2.16)3.916533.880630.03590(1.08)半径匹配匹配后4.011043.872720.13832***(2.64)3.918003.827580.09042***(2.75)注：*、**、***分别表示在1%、5%、10%的置信水平下显著5.3.2研究户籍对劳动者主观幸福感的影响为了研究不同的户籍对主观幸福感的异质性影响，分别将城镇创业者和农村创业者当做处理组，非创业者当做控制组，用半径匹配的方法研究户籍对劳动者主观幸福感的影响。由表5-6可以看出，在进行半径匹配之前，计算得到的城市创业者的ATT为0.04343，在10%的水平下不显著，但是在匹配之后，计算得到的ATT为0.09951，在1%的水平下显著，可以得知城镇创业者对幸福感有着正面的影响。农村创业者估计得到的ATT为0.15321，在1%的水平下显著，对比发现，估计得到的ATT值高于城镇创业者的ATT值，也就是说，农村创业者对幸福感的提升比城镇创业者更高。城镇创业者和农村创业者对主观幸福感均有着显著的正面影响，但是农村创业对幸福感的提升更大。这是因为比起城镇居民，农民在就业时往往遇到很多歧视，大多从事需要体力且收入不高的工作，农民工讨薪问题更是社会的热点问题，在选择了创业后，生活水平得到提高，对幸福感的提升作用更强。表5-6户籍对劳动者主观幸福感的影响匹配方法样本城镇居民创业非创业ATT农村居民创业非创业ATT匹配前3.924433.88100.04343(1.26)3.978143.845230.13291**(2.13)半径匹配匹配后3.924433.824910.09951***(2.89)3.978023.824800.15321**(2.49)注：*、**、***分别表示在1%、5%、10%的置信水平下显著5.3.3研究不同性别创业对劳动者主观幸福感的影响为了研究不同的性别对主观幸福感的异质性影响，分别将男性创业者和女性创业者当做处理组，非创业者当做控制组，用半径匹配的方法研究性别对劳动者主观幸福感的影响。由表5-7可以看出，男性创业者估计得到的ATT为0.11537，在1%的水平下显著，女性创业者计算得到的ATT为0.08902，在5%的水平下显著。女性创业者估计得到的ATT值低于创业者的ATT值，也就是说，女性创业者对幸福感的提升比男性创业者更低。男性创业者和女性创业者对主观幸福感均有着显著的正面影响，但是女性创业对幸福感的提升更大。这是因为传统的性别刻板印象，女性往往承担着工作和家庭的双重期待，既需要参加工作，又需要照顾家庭。大多数的创业圈子都是以男性为主导，女性创业者往往被排斥在外，大多数的女性的创业范围较小，这也就导致了女性创业者对幸福感的提升比男性创业者更低。表5-7不同性别创业对劳动者主观幸福感的影响匹配方法样本男性创业男性非创业ATT女性创业女性非创业ATT匹配前3.969233.862160.10706***(2.70)3.888563.888090.00047(0.01)半径匹配匹配后3.977873.862490.11537***(2.90)3.888563.799530.08902**(1.94)注：*、**、***分别表示在1%、5%、10%的置信水平下显著5.4作用机制分析创业可以通过工作收入、社会地位、工作时间来影响劳动者的幸福感。收入是影响主观幸福感的重要因素，收入的增加可以促进劳动者幸福感的提升，创业可以通过提高劳动者的工作收入来提升幸福感。社会地位对幸福感具有重要的作用，一般社会地位越高，人就越幸福。工作时间也是影响劳动者幸福感的重要因素，工作时间越长，劳动者的身心就会越疲累，休闲时间也会相对的减少，从而降低劳动者的幸福感。接下来分别以工作收入、社会地位、工作时间为被解释变量，是否创业作为解释变量，控制变量不同，处理组为创业者，控制组为非创业者，对其进行倾向得分匹配估计。结果如下：表5-8创业影响幸福感的作用机制分析被解释变量变量含义样本处理组控制组ATT工作收入年收入匹配后71063.947835843.394235220.5536***(4.24)社会地位从低到高用1-10表示匹配后4.580844.123540.45729***（4.45）工作时间每周工作时间匹配后52.8731344.070918.80221***（6.20）注：*、**、***分别表示在1%、5%、10%的置信水平下显著由结果可以发现，在工作收入方面，估计得到ATT值为35220.5536，在1%的显著性水平下显著，也就是说创业者比非创业者的工作收入多35200元/年。这说明，创业可以带来收入的提高，进而促进幸福感的提升。在社会地位方面，估计得到ATT值为0.45729，在1%的显著性水平下显著，也就是说创业者比非创业者的社会地位高0.45729。劳动者在创业之后，社会地位提高，故而幸福感比未创业者高。在工作时间方面，估计得到ATT值为8.80221，在1%的显著性水平下显著，也就是说创业者比非创业者的周工作时间高8.8小时。因此可以得出，创业会增加工作时间，导致劳动者幸福感降低。6.结论与政策建议6.1结论本文使用2015年中国综合社会调查的数据，在理论分析后提出相关研究假说，并进行了实证分析。第一，运用OrderedProbit模型分析了创业对劳动者主观幸福感的影响，并进行了边际效应分析。结果表明:创业者比非创业者的幸福感更高，创业能使劳动者感觉“非常不幸福”“不幸福”和“一般”的概率分别下降0.277%、1.2%、2.87%，并使劳动者感觉“幸福”和“非常