當前位置:江苏十一选五号码遗漏 > 論文寶庫 > 經濟管理論文 > 金融論文 > 正文

江苏十一选五时间:住房對家庭金融資產配置的影響

江苏十一选五号码遗漏 www.pypna.com 來源:UC論文網2019-11-13 08:08

摘要:

  摘要:通過建立一個包含住房的家庭跨期資產決策模型并進行參數賦值,從理論層面分析了住房資產對家庭金融資產配置的影響,且在此基礎上使用西南財經大學中國家庭金融調查(CHFS)2013年全國調查數據進行了實證檢驗,研究表明住房資產對家庭金融市場參與和風險金融資產配置存在擠出效應,而當家庭財富水平或分布區域不同時,擠出效應存在明顯的異質性。本文的研究結論從微觀上說明了完善家庭資產結構、分散家庭投資風險...

  摘要:通過建立一個包含住房的家庭跨期資產決策模型并進行參數賦值,從理論層面分析了住房資產對家庭金融資產配置的影響,且在此基礎上使用西南財經大學中國家庭金融調查(CHFS)2013年全國調查數據進行了實證檢驗,研究表明住房資產對家庭金融市場參與和風險金融資產配置存在擠出效應,而當家庭財富水平或分布區域不同時,擠出效應存在明顯的異質性。本文的研究結論從微觀上說明了完善家庭資產結構、分散家庭投資風險的必要性,從宏觀上解釋了住房市場過度繁榮對金融市場的資源擠占問題。據此,本文提出合理配置住房資產、緩解中低收入家庭住房壓力、合理引導發達地區房地產市場發展,實現房價平穩回歸等政策建議。


  關鍵詞:住房資產;金融資產配置;跨期資產決策模型;金融風險


  作者:周雨晴,何廣文(中國農業大學經濟管理學院,北京100083)


  一、引言與文獻綜述


  20世紀60年代末,以Campbell為代表的經濟學家開始研究異質性家庭的金融行為和資產配置問題,家庭金融領域受到廣泛關注并逐漸成為繼資產定價和公司金融之后又一熱門研究方向。根據美國貝恩資本與招商銀行聯合發布的《2017中國私人財富報告》①,2016年中國個人持有的可投資資產總額達165萬億元,規模相當可觀。隨著國民財富的積累,許多家庭的金融理財意識也逐漸增強,開始進入金融市場并配置以股票、基金為代表的風險金融資產。參與金融市場和風險金融資產配置成為投資者實現資產保值升值的重要途徑。


  根據2016年小牛資本與西南財經大學聯合發布的《中國家庭金融資產配置風險報告》②,2015年我國有68.4%的家庭未參與股票市場,但是13.5%的家庭配置的股票資產占家庭金融資產的比例高達90%以上。由此可見,不同于傳統的資產組合理論③,異質性家庭在參與金融市場和配置風險金融資產時的行為選擇存在極大差異,這在一定程度上是由于背景風險(勞動收入風險、住房和健康風險等)和一些人口統計學因素差異導致的[1]。


  作為家庭資產的構成部分,住房在家庭總資產中占有相當大的比重,尤其是對于中等收入家庭來說,房產是占比最高的資產,因此住房是影響家庭金融資產配置的重要因素[2]。2015年西南財經大學出版的《中國家庭金融調查報告(2014)》顯示④,我國居民住房擁有率高達90%,高于德國、日本、美國和英國等發達國家,房產在家庭總資產中的占比將近七成,高出美國2倍多,房產在我國居民家庭資產中的重要地位不言而喻。


  住房作為家庭重要的背景風險之一,影響著家庭的金融市場參與和金融資產配置行為。Cocco在生命周期模型中引入住房后,發現模型能夠更好地解釋現實中所觀察到的金融資產投資組合問題,并且認為住房資產會擠出投資者在股票等風險資產上的投資份額[3]。國外多數研究也同樣認為住房投資會減少股票、基金等權益資產在總金融資產中所占的份額[4][5][6]。但也有國外學者關注住房資產帶來的財富效應和信心機制等正向影響,認為住房投資會給家庭帶來財富增值,還能增強家庭的信心和安全感,促進家庭持有更多的風險金融資產[7][8]。


  縱覽國外文獻可以發現,20世紀末國外學者就已經開始了相關研究,如今研究方法和數據都較為成熟。我國受制于微觀家庭數據來源有限,對該方向的研究尚處于起步階段。國內部分學者認為房產投資明顯降低了居民投資風險金融資產的概率,兩者之間具有替代性[9],而且房產也通過減少家庭流動性資產,造成流動性約束從而擠出了家庭風險金融資產的配置[10]。但也有一些研究結論支持房產投資的正向影響,指出在房價大幅上漲的趨勢下住房資產帶來的財富效應會顯著提升家庭參與金融市場概率以及風險金融資產持有比例[11]。


  總而言之,住房資產是我國居民家庭資產結構中最為重要的部分,而金融資產配置關系到居民財富的保值增值和資本市場的健康發展。當前我國房產市場蓬勃發展而金融市場卻略顯疲弱,在這一特定情境下,研究住房資產對我國居民家庭金融市場參與和風險金融資產配置的影響具有重要意義。而我國現有文獻除了研究結論尚未達成一致之外,也存在著重實證而輕理論、缺乏對理論模型和影響機制的探討、實證方法可能存在內生性、對異質性影響研究不足等問題。因此本文試圖從現有研究的不足出發,構建含住房的跨期資產決策模型并進行參數賦值,從理論上分析住房資產對金融資產配置決策的影響,并進一步在克服內生性的基礎上實證檢驗住房資產對家庭金融市場參與和風險金融資產配置的擠出效應及其異質性。本文的研究成果在微觀上有利于理解家庭資產結構的內在聯系,在宏觀上能夠解釋住房市場與金融市場的聯動關系。


  二、模型構建與假設提出


  (一)模型建立與推導


  Cocco最早構建了含住房的跨期資產組合模型,這是一個生命周期內的多期資產決策模型,探討了住房和資產組合的共同演變[3]。Chetty和Szeidl在研究住房權益和住房抵押貸款時將Cocco的模型簡化為僅含兩期的跨期決策模型,添加了消費的預算約束條件,并將求解目標改為終期效用最大化[12]。為了研究房產價值外生變化對金融資產配置的影響,我們借鑒Chetty和Szeidl的跨期設定[12],但省略了住房抵押貸款和住房遷移概率等參數的設置和推導,使得求解過程更為簡單和一般化。


  假設家庭僅在兩期內進行投資與消費決策,在第0期家庭進行投資決策,在第1期獲得收益并進行消費。第0期家庭初始的住房擁有量為H0,初始房價為P0;第1期家庭住房擁有量為H1,房價為P1。在第1期,家庭的瞬時效用函數可以表示為:


  width=105,height=44,dpi=110


  (1)


  式(1)中,C1為第1期的非耐用品(除住房)消費,θ用來衡量家庭在住房H和非耐用品C之間的偏好,γ是相對風險回避系數。


  假設家庭在第0期進行投資決策時,在所有金融資產L0中,家庭投資的風險金融資產占比為α,無風險金融資產占比為1-α。風險金融資產的收益率為1+R=exp(r),其中width=84,height=20,dpi=110無風險金融資產的收益率是常數,表示為1+Rf=exp(rf)。此外,第0期的房價P0=1,第1期的房價width=187,height=20,dpi=110


  家庭金融投資組合的總收益率可以表示為Rp=αR+(1-α)Rf,其中α∈[0,1]。家庭需要在第0期決定資產在住房與其他消費品之間的分配,也需要決定投資于無風險資產以及風險資產的相對份額。家庭在第1期能夠實現的消費和住房則取決于第0期的投資結果和第1期的勞動收入Y1。由此可以將約束條件表示為:


  C1+P1H1=(1+Rp)L0+P1H0+Y1


  (2)


  家庭的目標是,在預算約束(2)下選擇使效用(1)最大的α。我們使用Campbell和Viceira的對數線性化的方式[13],最終生成簡化的對數線性歐拉方程為:


  width=145,height=41,dpi=110


  (3)


  式(3)中,v′是邊際效用U′的對數,cov(r,v′)是r和v′的協方差。由于Chetty和Szeidl的模型考慮了住房遷移概率[12],使得模型求解過程更為復雜,本文從更一般視角出發,簡化模型設置和推導過程,使用標準化方法從歐拉式(3)中推導出最終的α。


  首先,為了求解出v′,我們先求解U′。我們假設第1期家庭財富W1完全分配于消費和住房之上,則C1=βW1,H1=(1-β)W1/P1,將其代入效用函數(1)中可得:


  width=234,height=44,dpi=110


  (4)


  對U(W1)求導,可得width=269,height=20,dpi=110為了求出U′的對數v′,我們要先得到W1的對數w1。給定家庭財富W1=(1+Rp)L0+P1H0+Y1,進行線性對數化,可以得到:


  w1≈(1-m)[l+αr+(1-α)rf]+mp1+k1


  (5)


  式(5)中,width=117,height=41,dpi=110可以衡量住房資產在家庭財富中的相對比重,l為流動性資產L0的對數,k1為一個常數。求U′(W1)的對數,可得:


  v′≈k2+θ(γ-1)p1-γw1


  ={k2-γk1-γ(1-m)[l+(1-α)rf]}+[θ(γ-1)-γm]p1-γ(1-m)αr


  (6)


  當α給定時,k2-γk1-γ(1-m)[l+(1-α)rf]是常數,由此可以得到:


  width=346,height=20,dpi=110


  (7)


  由式(3)可得:


  width=333,height=41,dpi=110


  (8)


  由式(8)解得風險金融資產占比α:


  width=264,height=67,dpi=110


  (9)


  為了求出住房資產H0對風險金融資產配置α的影響,我們對式(9)求導,可得:


  width=393,height=67,dpi=110


  (10)


  (二)參數賦值與假設提出


  在式(10)中,分母width=79,height=20,dpi=110為正,dα/dH0的正負取決于兩分子的和,因此我們參考相關文獻給參數賦值并進行比較靜態分析。


  在模型參數賦值上,由于國內目前沒有類似研究,所以本文參考國外相關文獻的賦值方式。我國金融資產收益率和收益方差與歐美等國較為相似,但居民家庭相對風險回避系數和住房相對偏好較高??悸俏夜質登榭齪?,本文發現Cocco等、Chetty和Szeidl對相關參數的賦值與我國現實比較接近,可以參考借鑒[12][14]。具體參數值賦值情況及參考文獻如表1所示。


  表1參數賦值及參考文獻


  width=692,height=146,dpi=110


  參數賦值后,可以得知width=76,height=20,dpi=110的值為0.0525,[γ(θ-1)-θ]cov(r,p1)的值為-5.05cov(r,p1)。此時,還有一個未知參數cov(r,p1),即風險資產收益率與房價的關系,該指數的賦值較為復雜,其正負和大小直接影響dα/dH0的結果。在此經計算得知,如cov(r,p1)大于0.005,dα/dH0為負,反之dα/dH0為正。這說明在風險資產收益率和房價有正向關系的前提下(即使相關度比較微小),住房資產對風險金融資產配置存在負向影響。


  對于風險資產收益率和房價的相關關系,學界尚有一定爭論。尤其在不同的國家和區域,股票等風險資產收益率和房價的關系并不一致。雖然國外有一些學者認為風險資產收益率和房價負相關[15][16],或不相關[17]。但是更多的研究表明風險資產收益率和房價存在共同漲跌的正向關系[18][19][20][21]。在國內,由于存在宏觀調控和政策影響,股市和房市的收益率并不完全由市場決定,但在經濟穩定增長時期,兩者的收益率在長期中會呈現出一定的正向關系[22][23]。


  在風險資產收益率和房價存在一定正向關系的假定下,只要cov(r,p1)大于0.005,dα/dH0就為負。Chetty和Szeidl在考慮美國的實際情況后,給cov(r,p1)賦值為0.1[12]。而且國內外大多文獻也支持住房資產對風險金融資產配置的負向影響,即住房資產會擠占家庭對風險金融資產的投資[3][4][5][6][9]。據此,我們提出假設H1。


  H1:住房資產對家庭金融市場參與和風險金融資產配置具有負向影響,存在擠出效應。


  此外,我們進一步考慮擠出效應的異質性。從式(10)中我們可以看出,擠出效應并非是固定不變的,當其他因素一定時,住房資產占總財富的比例(m)的大小會影響擠出效應的強弱。從理論上來講,住房資產占總財富的比重越大,給家庭造成的流動性約束越嚴重,住房資產對家庭金融市場參與和風險金融資產配置的負向影響就越顯著。


  一方面,擠出效應的異質性與家庭總財富有關。Campbell曾提出住房資產是中產家庭中占比最重的資產,而更加富有的家庭在投資住房之余尚有能力持有更多的權益資產,這恰好與我們的理論模型結論相符[2]。從我國的現實來看,對于財富水平較高的家庭,住房負擔相對較小,對金融資產配置造成的擠出效應也相對較弱,而中低產家庭則因為配置住房造成了極大的流動性約束,在住房壓力下,這些家庭更多地選擇不參與金融市場或者配置極少的風險金融資產。由此,我們提出假設H2:


  H2:對于資產較少和收入水平較低的家庭來說,住房資產對家庭金融市場參與和風險金融資產配置的擠出效應尤為顯著。


  另一方面,擠出效應的異質性也與家庭所處區域有關。中國區域發展不平衡的問題較為嚴重,發達地區經濟繁榮發展,人口迅速膨脹的同時房價也一路攀升,相對于中西部發展較為緩慢的地區,發達地區居民家庭的購房壓力也更沉重。在其他條件相當的前提下,處在發達地區的家庭難免存在住房資產在家庭總財富中占比過高的問題,從而加劇了住房資產的擠出效應。因此,我們進一步提出假設H3:


  H3:在經濟較為發達的區域,住房資產對家庭金融市場參與和風險金融資產配置的擠出效應更為顯著。


  三、數據介紹、變量選擇和模型設定


  (一)數據介紹


  本文基于西南財經大學中國家庭金融調查與研究中心主持的“中國家庭金融調查(CHFS)”2013年全國調查數據開展研究。CHFS采用抽樣調查的方法在全國范圍內選取了不含我國港澳臺地區和新疆、西藏自治區以外的29個省(自治區、直轄市),28141戶家庭,其中農村家庭8932戶,城市家庭19209戶。調查內容包括家庭成員的人口統計特征、家庭資產負債、保險與保障、支出與收入四大方面,所包含的調查信息可以覆蓋本文所需的所有數據。


  需要說明的是,CHFS將家庭總資產分為流動性較差的非金融資產和流動性較好的金融資產兩部分。非金融資產包括農業經營資產、工商業經營資產、土地資產、房產、車輛資產和其他非金融資產。金融資產包括無風險金融資產和風險金融資產,其中無風險金融資產包括社保賬戶余額、現金、存款和債券等;風險金融資產包括股票、基金、衍生品、理財、外幣資產和黃金等。


  (二)變量選擇


  本文關注的被解釋變量有“是否參與金融市場(Ifrisk)”和“風險金融資產占金融資產比例(Risk_finance)”。前者衡量家庭是否參與金融市場,即是否配置風險金融資產;后者衡量參與金融市場的程度,即家庭配置的風險金融資產占金融資產的比重。


  我們關注的核心解釋變量是家庭的“住房資產(House)”,即房產的當前價值。當然,研究住房資產對金融市場參與和風險金融資產配置的影響時可能存在一定的內生性問題,一方面,房產和風險金融資產都屬于高風險高收益資產,家庭的人格特質、理財經驗等不可觀測因素可能會同時影響房產和風險金融資產投資;另一方面,金融資產配置行為也可能反方向影響住房資產配置,尤其對于那些專職或習慣炒股理財的家庭來說,反向因果問題極可能存在。為了解決可能存在的內生問題,我們用“房產增值(Hincrease)”(即住房現有價值同購房成本之間的差值),作為“住房資產(House)”的工具變量。


  在我們關注的解釋變量外,還有許多因素會影響家庭金融市場參與和風險金融資產配置,我們必須對這些因素加以控制。我們通過對相關文獻的整理和分析,構造了如下一系列控制變量:首先,家庭的資產和收入水平是影響金融決策的主要因素[3][5][9],因此我們控制了“家庭總資產(Asset)”和“家庭年收入(Income)”。其次,家庭特征和人口統計學特征也是重要的影響因素[2],因而,我們控制了“家庭成員數量(Num)”“受訪者風險規避程度(Riskaversion)”“受訪者受教育年限(Education)”“受訪者年齡(Age)”“受訪者性別(Gender)”“受訪者婚姻狀態(Married)”和“受訪者健康狀況(Health)”。最后,為了排除城鄉差異導致的影響,我們還控制了“是否農村居民(Rural)”這一二元變量。需要說明的是,由于年齡對風險金融資產配置可能存在倒U型的生命周期效應[2],我們在實證過程中通過設置4個虛擬變量劃分出4個年齡階段,分別是:青年(18~35歲)、中青年(36~50歲)、中老年(51~65歲)和老年(65歲以上)。此外,“住房資產(House)”“房產增值(Hincrease)”“家庭總資產(Asset)”和“家庭年收入(Income)”這些變量在不同家庭間的差異很大,為了使得數據更為平穩,在實證檢驗中我們采取對數形式。


  表2是變量說明及其描述性統計。如表2所示,樣本家庭金融市場平均參與率為12.14%,配置風險金融資產占總金融資產的比例平均為4.11%,由此可見,我國居民家庭金融市場“有限參與”問題非常嚴重,居民主要以持有無風險金融資產為主。而樣本家庭住房資產平均已達到40余萬元,且住房資產在家庭總資產中占比超過一半,由此可見,住房資產無疑是家庭資產中最重要的構成部分。


  (三)模型設定


  1.基準模型。本文研究住房資產對金融市場參與和風險金融資產配置的影響,由于被解釋變量“是否參與金融市場(Ifrisk)”為二元離散變量,“風險金融資產占金融資產比例(Risk_finance)”為截斷變量,因此我們選擇了Probit模型與Tobit模型。在Probit回歸中,因變量Ifriski只能取0、1兩個值,并且其取值情況由潛變量width=40,height=20,dpi=110決定。潛變量width=40,height=20,dpi=110的大小由住房資產Lnhousei、控制變量Controli和不可見的家庭特質隨機變量ui決定。


  表2變量說明及其描述性統計


  width=692,height=287,dpi=110


  width=160,height=46,dpi=110


  (11)


  width=225,height=20,dpi=110


  Tobit回歸同理,因變量Yi(Risk_financei)由潛變量width=17,height=20,dpi=110決定,當width=96,height=20,dpi=110當width=102,height=20,dpi=110即width=122,height=20,dpi=110潛變量width=17,height=20,dpi=110的大小同樣由住房資產Lnhousei、Controli和不可見的家庭特質隨機變量ηi決定。


  width=204,height=20,dpi=110


  (12)


  2.克服內生性的模型。為了克服可能存在的內生性問題,我們使用“房產增值的對數(Lnhincrease)”作為“住房資產的對數(Lnhouse)”的工具變量來進行IVProbit和IVTobit回歸。從理論上來講,房產的當前價值有很大一部分是由于房產增值帶來的,因此房產增值與住房資產(即住房當前價值)密切相關,而且房產增值是進行購房決策后不受家庭成員意識支配的外生性變動,與家庭金融資產配置行為不存在直接關系,也不與其他家庭特征和人口統計學因素相關。通過理論分析可以表明“房產增值”是一個較為合適的工具變量,在下文中我們將進一步通過計量檢驗證明工具變量的有效性。在式(12)中,若Lnhouse內生,工具變量法需要進行兩階段估計,我們將第一階段方程表示為:


  Lnhousei=γ1Lnhincreasei+γ2Controli+vi


  (13)


  假設式(11)和式(13)中的擾動項(ui,vi)服從期望值為0的二維正態分布,即:


  width=187,height=49,dpi=110


  ui的方差被標準化為1,ρ為(ui,vi)的相關系數。在此設定下,ui對于vi的總體回歸方程可寫為:


  ui=δvi+εi


  (14)


  將式(14)代入式(11)可得,


  width=257,height=20,dpi=110


  (15)


  已知εi~N(0,1-ρ2),為了把εi的方差標準化為1,將式(15)兩邊同時除以width=52,height=20,dpi=110


  width=354,height=49,dpi=110


  (16)


  由于式(16)中的vi不可觀測,我們首先對簡化式(13)進行OLS回歸,得到殘差,其次,以殘差width=14,height=23,dpi=110代替式(16)中的vi,進行Probit估計,得到系數的一致估計值。同理,含內生變量的Tobit模型估計方法也類似于IVProbit,都使用兩步法先對式(13)進行OLS估計,得到殘差width=17,height=23,dpi=110然后將殘差作為解釋變量加入式(12)中,進行Tobit估計。


  四、實證檢驗


  (一)基準回歸及工具變量回歸結果


  表3中的4列依次匯報了Probit、Tobit及IVProbit、IVTobit模型的回歸結果。由于非線性回歸的系數不能直接反映解釋變量的作用,且使用工具變量后得到的一致估計值是除以width=46,height=20,dpi=110后的變換系數,因此直接匯報系數并不可靠,以下所有表格均匯報平均邊際效應。


  表3基準回歸及工具變量法回歸結果


  width=692,height=610,dpi=110


  注:(1)*、**、***分別表示在10%、5%和1%的水平上顯著;(2)括號中的數值為平均邊際效應的標準誤;(3)Tobit模型的平均邊際效應取在無條件期望(unconditionalmean)處。下同。


  根據表3,我們發現,IVProbit和IVTobit模型中,第一階段回歸的F統計量都非常大,工具變量的T檢驗也十分顯著,這說明“房產增值”作為“住房資產”的工具變量是合適的,不存在弱工具變量問題。其次,我們對比了基準回歸和工具變量法的區別。IVProbit模型與Probit模型的回歸結果十分接近,而且Wald檢驗的P值為0.8036,無法拒絕住房資產外生的原假設,可以直接使用Probit的估計結果。但是,IVTobit模型結果顯示,Wald檢驗的P值為0.0586,在10%的顯著性水平上拒絕了外生性的原假設,這表明本文有理由采用IVTobit克服內生問題。Probit模型中不存在內生問題而Tobit模型中存在,這可能是因為配置風險金融資產的多少可能會在一定程度上反向影響居民家庭住房資產的配置,例如一些家庭專職炒股,會將大量資金投放于股市,從而反向擠出了住房投資。但家庭參與金融市場的門檻則較低,即使僅擁有一只股票或基金都可視為參與金融市場,這不足以影響住房資產的配置。


  首先,分析住房資產對家庭金融市場參與和風險金融資產配置的影響。如表3所示,住房資產的平均邊際效應在4個模型中都顯著為負,這證明了住房資產對家庭金融市場參與和風險金融資產配置存在擠出效應,假設1成立。由于Probit模型中不存在內生問題,IVProbit和Probit回歸結果幾乎完全一致。IVTobit模型在克服了內生性之后,相對于Tobit模型的結果,住房資產的平均邊際效應的絕對值變小,也就是說內生問題的存在略微高估了住房資產的擠出效應,但在克服內生性之后,其影響方向和顯著性程度仍未改變。


  其次,除住房資產以外,大多數控制變量也對家庭金融市場參與和風險金融資產配置產生了顯著影響。第一,家庭資產和收入具有顯著的正向影響,資產越多和收入水平越高的家庭金融資產配置行為越積極,這與國內外學者的研究結果一致[3][5][6][9][24]。第二,家庭規模對金融市場參與和風險金融資產配置具有負向影響,這可能是由于規模較大的家庭一般撫養比(家庭中孩子和老人與壯年勞動力的比例)較高,家庭負擔較重,風險意識更強,傾向于減持風險金融資產。第三,風險回避意識也起到了顯著的負向影響,風險回避程度越高的人越不會進入金融市場并配置風險金融資產。第四,受教育年限同樣提高了金融市場參與和風險金融資產持有比例,這可能是因為股市存在固定信息成本,受教育程度高的投資者更易于克服信息障礙[25](P134)[26]。第五,金融市場參與和風險金融資產配置存在倒U型的“生命周期效應”。相對于青年時期,其他年齡階段的投資策略都更為進取,在財富積累和心智都成熟的中老年階段達到頂峰,在退休后的老年階段又開始回落。第六,相對于男性受訪者,女性受訪者掌握家庭財務決策時參與金融市場的概率和配置風險金融資產的比例更高,這代表金融資產配置行為存在性別差異。第七,婚姻狀態也顯著地影響了金融決策行為。已婚的家庭明顯比未婚、離異或喪偶的家庭更傾向于進入金融市場并配置更多風險金融資產,這可能是因為已婚家庭生活狀態更為穩定,需要承擔的不確定風險較小。最后,相較于城鎮居民,農村居民更少參與金融市場或配置風險金融資產,這可能是由于農村的社保體系、思想觀念及金融基礎設施都較為落后。


  (二)住房資產擠出效應的異質性研究


  1.資產和收入水平不同時擠出效應的異質性。在驗證了住房資產對金融市場參與和風險金融資產配置具有擠出效應之后,我們進一步考慮擠出效應在不同資產和收入水平家庭中的異質性。我們在原有的模型中分別加入了住房資產與家庭總資產的交互項以及住房資產與家庭年收入的交互項。由于Probit模型中不存在內生性問題而Tobit模型中存在,因此我們這里直接匯報Probit與IVTobit模型的回歸結果。如表4所示,前兩列是引入住房資產與家庭總資產交互項后的回歸結果,后兩列是引入住房資產與家庭年收入交互項后的回歸結果。


  如表4所示,加入交互項以后,住房資產的平均邊際效應仍顯著為負,家庭總資產和年收入的平均邊際效應仍顯著為正,與未加入交互項前的結果一致。從表4前兩列結果來看,Probit模型中住房資產與家庭總資產的交互項在1%的顯著性水平上拒絕了原假設,IVTobit模型中住房資產與家庭總資產的交互項在5%的顯著性水平上拒絕了原假設,且兩個模型中交互項平均邊際效應均為正,這代表隨著家庭資產水平提高,其受到的擠出效應相對削弱。同理,從表4后兩列結果來看,Probit與IVTobit模型中住房資產與家庭年收入的交互項均在5%的顯著性水平上拒絕了原假設,且交互項系數均為正,這代表隨著家庭收入水平提高,其受到的擠出效應逐漸減弱。總的來說,兩個交互項的平均邊際效應均顯著為正,這說明資產和收入水平較高的家庭受到的擠出效應弱,而資產和收入水平較低的家庭則受到更為顯著的擠出效應,假設2得以驗證。這可能是因為在中低產家庭中,住房占據家庭絕大部分財富,增加了家庭的流動性風險,出于預防性或謹慎性動機,家庭會少參與金融市場或配置風險金融資產[6][27]。除了住房資產的異質性影響之外,其他控制變量在引入交互項后平均邊際效應的大小、方向和顯著性程度均未發生較大變化,模型結果相對穩健。


  表4加入交互項后的Probit與IVTobit回歸結果


  width=692,height=668,dpi=110


  2.區域分布不同時擠出效應的異質性。為進一步檢驗家庭處于不同區域時的異質性影響,本文按照我國1986年“七五計劃”把全國經濟區域劃分為東中西三個地區,其中東部包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南;中部包括山西、吉林、黑龍江、安徽、江西、河南、湖北和湖南;西部包括內蒙、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海和寧夏。總體來講,東部絕大多數是最早實行沿??耪?、經濟發展水平較高的省市;中部多是經濟次發達省份,而西部則更多的是經濟相對欠發達地區。在劃分區域后本文進行了分樣本回歸,由于本文關注的是住房資產擠出效應的異質性,限于篇幅,表5和表6僅匯報了Probit與IVTobit模型中住房資產的平均邊際效應,省略了其余控制變量。


  表5中Probit模型的分樣本回歸結果顯示,住房資產對家庭金融市場參與的擠出效應在東部地區最為顯著,中部其次,西部最弱。同樣的,表6中IVTobit模型的分樣本回歸結果顯示,住房資產對家庭風險金融資產配置比例的擠出效應在東部地區最強,在中部較弱,在西部地區則不顯著。由此可見,相對于經濟發展較為滯后的中西部地區,在經濟較為發達的區域,住房資產對家庭金融市場參與及風險金融資產配置的擠出效應更為顯著,假設3得以驗證。這可能是因為多數經濟發達區域房價上漲過高過快,中低收入家庭為了購置住房背上了沉重的還貸負擔,中高收入的家庭則在房價上漲的預期下大量配置房產以謀求資產升值,因此住房在這些家庭的資產結構中都占據了最大比例,使得他們無法或不愿意進入金融市場并配置股票、基金等風險金融資產。


  表5Probit模型分區域回歸結果


  width=692,height=176,dpi=110


  表6IVTobit模型分區域回歸結果


  width=692,height=176,dpi=110


  (三)穩健性檢驗


  由上文可知,在基準回歸、工具變量法和加入交互項后各解釋變量的平均邊際效應均十分類似,總體結果穩健。為了進一步證明結論的可靠性,本文采取更換被解釋變量的方法來進行穩健性檢驗。由于股票是最具代表性的風險金融資產,因此,本文將被解釋變量更換為“股票市場參與(Ifstock)”和“股票資產占金融資產比例(Stock_finance)。在更換解釋變量后本文依舊采用Probit和IVTobit進行了回歸,結果與未更換被解釋變量時非常類似,解釋變量的平均邊際效應方向和顯著程度幾乎都沒有發生改變,這代表回歸結果相當穩健。因篇幅所限,此處不再匯報穩健性檢驗回歸結果。


  五、結論與建議


  (一)主要結論


  本文通過建立一個包含住房的跨期資產決策模型并進行參數賦值,從理論上分析了住房資產對金融資產配置的影響,并進一步在克服內生性問題的基礎上使用西南財經大學“中國家庭金融調查(CHFS)”2013年全國調查數據檢驗了住房資產對家庭金融市場參與和風險金融資產配置的擠出效應及其異質性。通過理論和實證分析,本文得到以下結論:


  1.住房資產對家庭金融市場參與和風險金融資產配置存在顯著的擠出效應,說明住房資產作為居民家庭資產中的重要構成部分,影響到家庭金融投資決策。


  2.對于資產較少和收入水平較低的家庭,住房資產對金融市場參與和風險金融資產配置的擠出效應尤為顯著。這可能是因為對于中低收入家庭來說,配置住房占據了家庭大量財富,使得家庭流動性資產有限,給家庭造成了較少流動性風險,從而更顯著且強烈地擠出了家庭金融市場參與和風險金融資產的配置。


  3.在經濟較為發達的區域,住房資產對家庭金融市場參與和風險金融資產配置的擠出效應更為顯著。這可能是因為相對于中西部經濟相對滯后的地區,東部地區經濟增速較快,房價居高不下,中低收入家庭配置自用住房時承擔了較大壓力,高收入家庭則在房價上漲的預期下大量配置投資性住房,這些均造成了住房資產在家庭資產結構中占比過重的問題,使得擠出效應更加顯著。


  (二)政策建議


  基于本文的理論分析和實證檢驗結果,本文發現過度配置住房資產不僅使得家庭資產結構更為單一和脆弱,還會擠出家庭對風險金融資產的配置,從微觀上不利于家庭進入金融市場獲得更高的潛在收益,從宏觀上更是使得住房市場擠占了資本市場資源,不利于資本市場的發展和繁榮?;詿?,本文提出了以下政策建議:


  1.引導居民合理配置住房資產,分散家庭投資組合風險。我國居民家庭資產結構較為單一,住房資產在家庭資產中占比過重,金融資產尤其是風險金融資產配置水平較低,但是住房流動性不好,變現能力弱,過度配置住房會給家庭帶來較高的流動性風險?!噸泄彝ソ鶉詰韃楸ǜ?2014)》指出,我國收入最高的10%的家庭,戶均資產在50萬美元左右,與美國處于相同水平,但結構差異很大,我國居民家庭的金融資產占比僅為10%,美國則是41%。由此可見,受房市長期繁榮和傳統財富觀念的影響,我國居民偏好于住房投資,導致住房資產配置過剩,權益類金融資產配置十分有限,資本向樓市過度集中,這既使得微觀家庭投資風險集中,也不利于宏觀經濟的長期穩定發展。因此,應當提倡并幫助我國居民提高金融素養,優化家庭資產結構,通過資產結構多元化實現風險分散和資產保值增值。


  2.緩解中低收入家庭住房壓力,釋放大量流動性以激活金融市場。購置住房使中低收入家庭背負了沉重的壓力,住房資產占據了這些家庭的絕大多數財富,從而更少地參與金融市場及配置風險金融資產。這在微觀上使得中低收入家庭資產結構更為單一和脆弱,在宏觀上也不利于金融市場的長遠發展。中低收入家庭占我國社會的大多數,調控房價、實行嚴格的差別化住房信貸政策并完善保障性住房和租售同權等措施,來保障中低收入家庭能以合理的價格配置住房,不僅有利于社會總體福利提升,更能夠減緩這些家庭的流動性約束,提高家庭對基金、理財、股票等風險金融資產的配置,從而促使大量房產市場資金流向金融市場,推進金融市場的穩定和繁榮。


  3.重視區域均衡發展,放緩經濟增速引導發達地區房價平穩回歸。長期以來,我國區域發展差異較大,區域分化現象明顯,東部沿海等發達地區經濟高速增長的同時房價一路高漲,這不僅使得購房自住的家庭背上較為沉重的經濟負擔,被動地將大量資產配置于住房之上,而且對于那些更為富裕的家庭而言,房產市場釋放的紅利使得他們希望通過房產投資實現資產短期快速增值,而忽視長期資產配置。這種看似繁榮的現象背后其實蘊藏著巨大的風險敞口,以房價高漲為代價維持較快的GDP增速是無法長久的。在經濟新常態下,發達地區應適當放緩經濟增速,提高經濟增長質量,并實行更為嚴格的房價調控措施,引導房價平穩回歸。這不僅保障了居民權益和社會福利,而且在轉變居民投資觀念、減少住房資產過度配置和引導資金流向金融市場等方面都具有重要意義。

核心期刊推薦