政府年金還能信嗎？別歸零，也別全靠

勞保會破產，所以政府年金都不用算了嗎？

談退休金時，很多人會直接把政府年金歸零：「反正勞保會破產，我們這一代領不到。」這句話聽起來很清醒，其實也可能是另一種偷懶。

因為退休規劃最麻煩的地方，不是要你相信政府永遠沒事，也不是要你假裝勞保危機不存在。真正的問題是：政府年金到底該算多少？如果它打折，你自己還缺多少？

答案不是「全信」，也不是「歸零」。比較務實的做法是：把政府年金當成第一層底座，承認它有風險，但不要把它從試算表裡刪掉。你可以把它想成一張有折扣風險的票：票還在，但不能只靠這張票安排整趟旅程。

這種不信任不是憑空來的。富邦投信與中華經濟研究院的「安心樂活享退」系列調查，捕捉到一個很清楚的斷點：已退休族把「政府退休金」當成主要收入來源的比例，從 2020 年的 65.2%，在 2021 年掉到 51.7%，一年少了 13.5 個百分點。

這是 9 年序列裡最劇烈的單年變化。時間點也很關鍵：2020 到 2021 年，勞保財務危機、年金改革、破產年限等新聞密集出現，讓很多人第一次把「繳了以後能不能領到」當成現實問題。

更值得注意的是，這個信心沒有完全回去。後來幾年數字有回升，2024 年到 59.6%，2025 年到 56.4%，但沒有回到 2020 年 65.2% 的高點。這表示問題不是一場短期情緒，而是制度信任留下裂痕。

這也是為什麼 100029〈台灣退休信心十年走勢〉會把 2021 年視為轉折點：從那之後，台灣人的退休策略開始從「靠政府」轉向「靠自己」。

而「靠自己」之所以變成主線，不只因為政府年金信任下降，也因為另一條傳統退路正在變薄：子女奉養。這部分可接著看 100037〈子女奉養率腰斬後，你的老後生活費要靠誰？〉。

信心裂痕最清楚的地方，是已退休族和未退休族對收入來源的排序完全不同。

富邦×中經院 2025 年資料裡，已退休族的第一大收入來源仍是政府退休金，比例是 56.4%。但未退休族預期的前三名變成：

也就是說，已退族還活在「政府年金是主力」的世界；未退族已經把政府年金降到第三順位。這不是單純的悲觀，而是世代對制度的信任不同。

但這裡有一個陷阱：未退族不信政府，不代表他們真的準備好了。政府年金往後退，個人儲蓄和投資往前站，責任就轉到自己身上。問題是，金融素養、收入能力、可投資本金，並不會因為責任轉移就自動變好。

所以「政府年金不可靠」這句話，不能直接推論成「那就自己買 ETF 就好」。它真正該推論的是：政府那一層可能不夠，所以你要知道自己需要補哪一段。

把政府年金歸零，表面上保守，實際上會製造兩個問題。

第一，它會把目標金額灌得太高。假設你完全不算勞保、勞退，那所有退休生活費都要靠自己存。對多數人來說，這會把缺口放大到一看就放棄，最後反而什麼都不做。

第二，它會讓你看不清三支柱的分工。台灣退休保障本來就不是單一來源，而是三層接力：

100010〈退休金的三層、三原則〉講的是制度全貌，100011〈勞保 vs 勞退〉講的是第一層和第二層的設計差異。本篇只補一個實務判斷：第一層有信任風險，但它仍然是第一層；不能把它當全部，也不用把它當零。

比較好的做法，是把政府年金分成三種情境來看：

歸零可以當壓力測試，但不該當日常規劃。日常規劃需要的是比較接近現實的保守情境。

所以「勞保會不會破產」這題，對個人規劃來說其實問得太大。你控制不了制度改革，也控制不了政府財政。你能控制的是下面三件事：

第一，先估一個目前制度下的版本：勞保、勞退大概能提供多少月收入。

第二，做一個打折版本：假設未來給付變少、開始領的時間延後，或通膨讓購買力下降。

第三，把差額接到自己的儲蓄和投資計畫。也就是用 100017〈分齡退休缺口試算〉的方式，把「制度焦慮」轉成「每年需要補多少」。

這樣做的好處是，你不會被新聞標題牽著走。新聞問的是「勞保會不會破產」；你的試算表問的是「如果政府那一層少 20%、少 30%，我還能不能補」。前者讓人焦慮，後者才會讓人行動。

政府年金還能信嗎？比較誠實的答案是：可以信一部分，但不能只信它。

2021 年的信心崩盤告訴我們，台灣人已經不再把政府退休金當成穩到不用想的答案；未退族把政府年金降到第三順位，也代表世代信任已經改寫。但制度仍然存在，勞保、勞退仍然是退休金三層裡的前兩層。

所以實務上不要走兩個極端：不要把政府年金當成萬靈丹，也不要把它當成零。把它當底座，做保守折扣，再把缺口交給自己能控制的儲蓄、投資與保險安排。這才是面對制度不確定性比較成熟的做法。

退休規劃不是賭政府會不會完美兌現，而是先承認它可能不完美，然後仍然把自己的路算出來。

本文為一般性財經資訊與教育，不針對任何個別個股、ETF、基金或保險商品提供買賣推介、目標價或進出場時機建議。勞保、勞退與年金制度會隨法規調整，個人給付金額請以主管機關與個人實際投保資料試算為準。