居民受教育水平與家庭金融脆弱性實證研究

　　摘 要：家庭金融脆弱性能夠衡量消費者家庭經歷財務困難的可能性。為探究家庭金融脆弱性的影響因素，尤其是居民受教育水平在其中的作用，我們根據2018年中國家庭追蹤調查的樣本數據，使用有序 Probit模型分析家庭金融脆弱性的影響因素及其邊際效應。結果表明：家庭成員受教育水平越低的群體，家庭金融脆弱性越高;對于房貸支出低的家庭，家庭金融脆弱性更顯著地受到受教育水平的影響;家庭老齡化程度、家庭人口規模對家庭金融脆弱性有著正向影響，城鎮化水平則有 著 負 向 影 響。研究結果可為防范、化解重大金融風險和控制宏觀杠桿率提供參考。

　　陶祥興; 何嘉禾， 浙江科技學院學報 發表時間：2021-07-28

　　關鍵詞：過度負債;應急儲蓄;受教育水平;住房貸款;家庭金融脆弱性

　　中國共產黨第十九次全國代表大會報告提出，要堅決打好防范化解重大金融風險、精準脫貧、污染防治的攻堅戰。其中，打好防范化解重大風險攻堅戰，重點是防控金融風險。要深化金融體制改革，增強金融服務實體經濟能力，守住不發生系統性金融風險的底線。家庭金融風險也是國家金融風險的重要組成部分。雖然與發達國家相比，中國居民一直是低債務率和高儲蓄率，但近年這一現象有所改變，居民加杠桿節奏明顯提升，導致家庭金融脆弱性這一議題引起廣泛關注。

　　家庭金融脆弱性指居民家庭經歷財務困難的可能性或陷入財務困境的風險，包括但并不限于貧困家庭[1]。一些研究將家庭金融脆弱性的研究視角限定在負債家庭，概念近似于債務負擔[2]、債務積壓[3]和過度負債等。家庭金融脆弱性一般采用負債相關指標來度量，如家庭資產負債率、償債收入比等，超過這些指標閾值的家庭為金融脆弱家庭。謝綿陛[4]認為人力資本越高的家庭具有更高的債務收入比和負債概率，住房狀況是對家庭債務收入比影響效應最大的因素，同時戶主受教育程度的增加會提高家庭負債的概率。何麗芬等[5]分析了居民家庭負債的狀況和結構，采用 Probit模型和 Tobit模型對影響家庭負債的因素進行了實證分析，得出家庭的人口統計學特征對家庭是否持有負債及持有負債的程度存在一定的影響，而房產的持有狀況則有著非常顯著的影響。在居民受教育水平的研究方面，Anderloni等[6]的研究表明受教育水平高的人在收入和就業保障方面有更好的前景;Daud等[7]的研究表明馬來西亞的家庭債務水平持續較高，并且在亞洲保持最高。而高受教育水平有助于減輕家庭金融脆弱性，受教育水平低的人更易陷入經濟上的困境，這是由于財務緩沖水平較低的家庭更易受到失業等負面沖擊，潛在的金融脆弱性可能更大;孟德鋒等[8]的研究采用有序 Probit模型對2010年和2011年清華大學中國金融研究中心(ChinaCenterforFinancialResearch，CCFR)進行的中國消費金融現狀及投資者教育調查數據進行研究，結果表明提高金融素養能減輕家庭金融脆弱性，這在低收入家庭中最為明顯;李波等[9]使用 Probit模型對2014年中國家庭追蹤調查(ChinaFamilyPanelStudies，CFPS)數據進行研究，結果表明金融素養對正規債務杠桿率和家庭金融脆弱性的緩釋效應更大，在數字金融業態較為發達的地區，金融素養發揮這種緩釋器效應的效果更 為 明 顯;張 自 然 等[10]使用固定效應模型和隨機效應模型對2010年、2012年 和2014年 CFPS數據進行研究，結果表明家庭負債對生存型消費影響不顯著，對發展型與享樂型消費有顯著的抑制作用;祝偉等[11]使用面板 Probit/Tobit模型對2010年、2012年和2014年 CFPS數 據 進 行 研究，結果表明醫療消費和教育支出較高的家庭有較低的家庭負債;潘敏等[12]使用最小二乘法對2010年和2012年中國家庭金融調查(ChinaHouseholdFinanceSurvey，CHFS)數據進行研究，結果表明家庭杠桿會促進生存型消費 的 增 加，強 化 生 存 型 消 費 的 財 富 消 費 效 應，但 會 抑 制 發 展 型 與 享 受 型 消 費;李 濤等[13]采用固定效應模型對國家統計局2009年進行的中國城鎮家庭調查數據進行了研究，結果表明家庭住房資產主要呈現出消費品屬性，只存在微弱的資產效應，不存在財富效應;張冀等[14]也采用有序Probit模型進行研究，結果表明金融知識水平對降低受教育水平低的家庭金融脆弱性的作用最顯著。鑒于國內較少有從居民受教育水平這一視角來對家庭金融脆弱性進行研究，筆者采用經典的有序Probit模型來對2018年 CFPS數據進行實證分析，探討家庭金融脆弱性的影響因素，尤其是居民受教育水平在其中的作用。通過建立計量模型并進行經濟含義分析，提出相應的對策建議，以期為防范、化解重大金融風險及控制宏觀杠桿率提供一定的參考。

　　1 數據、變量與模型

　　1.1 數據來源

　　目前中國大多數關于家庭金融方向的研究采用中國家庭金融調查 CHFS和 CFPS的歷年數據。本研究采用北京大學社會科學調查中心收集的2018年 CFPS數據，包括25個省(自治區、直轄市)，具有較高的可信度。該數據包括家庭人口數量、年齡、健康程度、受教育程度等人口統計學特征，也包括收入、消費、儲蓄等經濟類行為特征，在剔除異常值后，剩余36395個有效樣本數據。

　　1.2 主要變量說明

　　失業勞動力一般需要3～6個月的時間來實現再就業[15]，所以家庭儲蓄水平不足以支撐3個月的生活支出表示較低的應急儲蓄水平。參考 Loke[16]的做法，將債務收入比超過30%的定義為有過度負債，具體采用指標為家庭待償貸款額與年收入之比，比值大于30%賦值為1，反之為0;參考孟德鋒等[8]的做法，家庭總儲蓄額低于3個月家庭支出時定義為無應急儲蓄，賦值為1，反之為0。具體變量說明見表1，描述性統計見表2。

　　1.3 模型設定

　　有序 Probit模型適用于具有天然排序性質的離散數據，如公司債券的評級、顧客滿意度等。本研究中被解釋變量“家庭金融脆弱性”的樣本數據為具有排序性質的離散數據，因此使用有序Probit模型來進行估計，構建模型如下：f =0， F*i ≤ X1;1， X1 X2烅烄烆 。(1)式(1)中：F*i 為家庭金融脆弱性變量的潛在因變量，F*i =βe+γxi+εi，xi 為控制變量，εi 為隨機擾動項，β 和γ 為待估參數;X1、X2 為潛在因變量F*i 的不同閾值。

　　2 實證分析

　　考慮到居民受教育水平、家庭人口規模、城鎮化程度、家庭老齡化程度等各方面因素對家庭金融脆弱性可能存在的影響，本研究運用有序 Probit模型和最小二乘法分別對樣本進行基準回歸。

　　2.1 基準回歸結果

　　基準回歸結果見表3。由表3可知，有序 Probit模型回歸和最小二乘法回歸結果的估計系數符號基本上一致，這表明基準回歸結果穩健。表3中變量e的回歸數據表明家庭成員最高學歷在1%水平上顯著影響家庭金融脆弱性、過度負債與應急儲蓄，且系數符號為負。這說明家庭成員最高學歷越高，家庭金融脆弱性越低，具有應急儲蓄的可能性越大，具有過度負債的可能性越小。從系數層面看，家庭成員最高學歷對應急儲蓄的影響較大，對過度負債的影響較小。家庭人口規模在1%的水平上顯著，且系數為正，這說明家庭人口越多，家庭金融脆弱性越高，存在過度負債和缺乏應急儲蓄的可能性也越大。城鎮化程度在1%的水平上顯著，且系數為負，說明農村戶口的家庭金融脆弱性更高，這與大部分的研究結論相符。住房貸款金額在1%的水平上顯著，且系數為正，表明住房貸款金額越大，過度負債的可能性則越大，這符合事實邏輯。

　　2.2 邊際效應分析

　　對于線性模型，邊際影響就是其估計系數值，但對于Logit、Probit等非線性模型，邊際影響與系數值不相等，因此對模型進 行 邊 際 效 應 分 析，結 果 見 表4。表4中 變量e的回歸數據表明當其 他 變 量 都 處 于 均 值 時，家 庭 內成員最高學歷每提升1個單位，則家庭金融脆弱性為輕度脆 弱 的 概 率 增 加 1.8%，而 中 度 脆 弱 的 概 率 減 小0.5%，高度脆弱 的 概 率 減 小1.2%，這 與 孟 德 鋒 等[8]的研究結果一致。表4中變量x1 的回歸數 據 表 明 家 庭 人口規模每增加1個單位，則家庭金融脆弱性為輕度脆弱的概率減小1.3%，而中度脆弱的 概 率 增 加0.4%，高 度脆弱的概率增加0.8%。表4中變量x4 的回歸數據表明戶主年齡每增加1個單位，則家庭金融脆弱性為輕度脆弱的概率增加0.2%，中度脆弱的概率增加0.1%，高度脆弱的概率也增加0.1%。

　　2.3 異質性分析

　　居民消費支出中房貸支出是較大的債務杠桿來源，同時由表2可知房貸支出對過度負債情況有較大的影響，因此對其進行分組回歸。本研究按房貸支出是否大于其均值，將整體樣本分 為 高 額 房 貸 支 出、低 額 房 貸 支 出 2 組，使 用 有 序Probit模型對家庭金融脆弱性進行回歸分析，房貸支出分組回歸結果見表5。表5中變量e的回歸數據表明高額房貸支出組中的受教育水平對家庭金融脆弱性沒有顯著影響，而低額房貸支出組中的受教育水平對家庭金融脆弱性在1%的顯著性水平上具有負向影響。這意味著當房貸支出較低時，家庭總體消費結構傾向于其他方面，綜合其他研究結果[13-17]，較大的可能是生存性消費支出，此時居民受教育水平對家庭金融脆弱性有著顯著的影響。

　　2.4 內生性檢驗

　　為解決可能存在的內生性問題，采用“家庭藏書量”作為本研究的工具變量進行內生性檢驗。一個有效的工具變量應滿足以下兩個條件，一是工具變量應與內生解釋變量相關;二是工具變量與擾動項不相關。由于本研究已將“家庭成員最高學歷”作為解釋變量，因此可以采用與受教育水平相關的變量作為解釋變量。根據常理推斷“家庭藏書量”這一變量應與假設的內生解釋變量“家庭成員最高學歷”具有正向相關性，但仍需進行檢驗。為了考察工具變量與假設的內生解釋變量“家庭成員最高學歷”的相關性，需要進行弱工具變量檢驗。原假設為：工具變量“家庭藏書量”在第一階段回歸中的系數為0。弱工具變量檢驗結果顯示F 值為332.9，遠大于臨界值10，所以強烈拒絕原假設，不存在弱工具變量問題，因此可以使用“家庭藏書量”作為工具變量。

　　驗證工具變量的合理性后，可以進行內生性檢驗。傳統的豪斯曼(Hausman)檢驗不適用于異方差的情形，因此采用改進的杜賓 吳 豪斯曼(Durbin-Wu-Hausman，DWH)檢驗，該檢驗在異方差的條件下適用且更穩健。檢驗結果顯示 DWH 檢驗的p 值為0.128，故接受原假設，可知“家庭成員最高學歷”不是內生變量，不需要引入工具變量。

　　3 結 語

　　本研究以北京大學社會科學調查中心收集的2018年CFPS數據為樣本，實證分析居民受教育水平對中國家庭金融脆弱性的影響。不同受教育水平的家庭，其金融脆弱性存在較大的差異，家庭成員受教育水平越低的群體，家庭金融脆弱性越高。對于房貸支出低的家庭，家庭金融脆弱性更顯著受到受教育水平的影響。可能的原因是該人群的消費結構更傾向于生存性消費，此時受教育水平的影響作用被明顯放大;而房貸支出較高的家庭，更傾向于發展型和享樂型消費，此類家庭群體的金融脆弱性不再主要被受教育水平所影響。家庭老齡化程度及家庭人口規模對家庭金融脆弱性有著正向影響，城鎮化水平對其有著負向影響。受教育水平低下是造成家庭金融脆弱性的重要原因之一，特別是對債務杠桿較高的家庭影響更為明顯。政府應當在一定程度上鼓勵并督促金融機構設立并發展普惠金融事業部，增加普通居民家庭接觸、了解并利用消費信貸的機會，緩解流動性約束，以滿足人民群眾多樣化、個性化的金融服務需求。另外，繼續深化房地產市場改革，堅持“房住不炒”的基本理念，促進房地產市場健康有序發展。將房價穩定在合理區間內，從而優化居民家庭債務結構，引導居民家庭合理使用債務杠桿，降低家庭金融脆弱性。需說明的是，本研究使用的數據為橫截面數據，使用面板數據可能會得出不同的結果;北京大學社會科學調查中心的CFPS數據一般2年更新一次，與往年數據相比每次都有一定維度上的變化，因此在未來的研究中數據會更豐富，結論也更有參考價值。