论文部分内容阅读
【摘 要】文章基于2017年西南财经大学中国家庭金融调查与研究中心开展的“中国金融家庭追踪调查”数据，通过probit模型和OLS回归研究了户主金融意识的高低是否对家庭住房负债成本有影响。结果表明：户主金融意识越高，家庭负债的可能性就越大，同时金融意识高的家庭住房负债成本更低。户主的工资收入、家庭住房数量的多少、户主是否已婚等与家庭住房负债成本显著相关。
【关键词】家庭金融;负债成本;金融意识
【中图分类号】F830.5 【文献标识码】A 【文章编号】1674-0688（2020）11-0116-03
1 文献综述
“家庭金融”一词正式出现是在2006年的美国金融学年会上，哈佛大学讲座教授campbell提出将家庭金融作为新的金融研究方向。2010年4月7日，由西南财经大学组建的中国家庭金融调查与研究中心成立代表国内家庭金融研究的开始。随着经济的发展和居民消费理念的转变，传统的“量入为出”消费观念正逐渐被打破，越来越多的家庭倾向于“提前消费”，家庭债务的问题也渐渐凸显。住房贷款是家庭负债的主要构成，在有负债的家庭中，家庭住房贷款的占比达到76.8%。过去的10多年中，我国居民杠杆率从2008年的17.9%上升到2018年49%，而美国从20%增长到50%约用40年。
近年来，国内外学者在家庭负债方面的研究取得了丰富的研究成果。坎贝尔（2006）报告中指出，低收入和低教育水平的个人（这些特征与金融意识密切相关）在利率下降时期不太可能再融资;Annamaria Lusardi（2015）通过实证研究得出金融意识较低的家庭倾向于以高成本的方式进行交易，使用高成本的借款，产生更高的费用。金融知识水平较低的人往往会不能判断自己的债务过高。从国内研究文献来看，何丽芬和吴卫星等人（2012）通过研究发现，房产持有状况、是否持有金融资产、家庭风险态度、家庭消费预期等对家庭负债与否具有显著的影响。吴卫星（2018）发现，金融素养高的家庭更能持有负债及从正规渠道取得借款，并且金融素养的提高可以降低家庭过度负债。
2 数据来源、变量与模型
2.1 数据
本文选取的数据来源于西南财经大学中国家庭金融调查与研究中心“中国家庭金融调查”（CHFS）的数据样本。该项目每兩年调研一次，在全国范围内开展，旨在收集我国居民微观经济数据。涵盖人口特征信息、住房资产、金融资产、借贷资金、消费情况、保险参与等多方面的信息，CHFS第四轮全国调查（CHFS2017）数据共采集样本40 011户，覆盖全国29个省、355个区县、1 428个社区，具有全国、省级和部分副省级城市代表性。在对数据的处理过程中，为了避免结果受极端值的影响，本文对关键变量的缺失值和极端值进行了处理，其中家庭收入约1%的样本进行缩尾处理。
2.2 变量
2.2.1 被解释变量
（1）是否有负债。问卷中的利率计算、通货膨胀、股票基金问题：？譹 是否有医疗借款。？譺 是否有因从事工商业未还清的民间借款。 是否有未还清的银行贷款。 是否有未还清的教育负债。 是否有其他负债。根据这5个问题的回答情况，构建“是否负债“的二值虚拟变量，有负债取值为1，反之则为0。
（2）住房负债成本。问卷中的房贷问题：“这套住房每月的房贷是多少？”根据居民的回答情况和房贷利率构造住房负债成本，住房负债成本为连续变量。
2.2.2 核心解释变量
本文所关注的核心解释变量是居民金融意识水平。参考之前大部分文献选取利率计算、通货膨胀、股票基金风险问题回答，受访对象的问题回答情况见表1。从表1可以看出，我国居民的金融意识水平偏低，还有很大的提升空间。
本文用熵值法构建金融意识变量，与Rooij等一样，本文认为问题回答不出来与问题回答错误所代表的居民金融意识是不一样的，因此本文将问题回答不出来赋值为1，问题回答错误赋值为2，回答正确赋值为3，用熵值法确定通货膨胀、利率计算、风险选择的权重，再用得出的权重乘以居民问题回答结果，得到居民金融意识指标fin_awareness。
2.2.3 控制变量
参照以往文献，控制了可能与金融意识或者家庭负债相关的户主特征变量及家庭特征变量，包括户主性别、年龄平方/100、是否已婚、受教育状况、工资收入、身体健康状况、幸福感、家庭人口数量及家庭住房数量等，剔除了控制变量中存在的缺失值变量。
2.3 相关性分析
由于本文涉及研究标量较多，可能存在共线性问题，因此本文进行了方差膨胀因子（VIF）检验，结果显示最大值为1.31，均值为1.10，一般认为VIF值大于10具有多重共线性。通过检验得出变量之间没有多重共线，可以进行下一步分析。
2.4 模型
本文主要研究金融意识与家庭房贷成本之间的关系，主要分为两个部分：一是金融意识是否能够对家庭是否负债产生影响。二是金融意识是否与家庭房贷成本有关系。第一部分主要采用probit模型，具体如下：
Prob（Debt=1）=α×fin_awareness+β×X+cons+ε （1）
其中，Debt代表家庭负债，Debt=1代表家庭有贷款，fin_awareness代表居民金融意识，X代表一系列控制变量，包括性别、年龄平方/100、是否已婚、是否农村户口、学历情况、户主工资收入、住房数量、家庭成员数量、健康状况、幸福感;cons代表截距项，ε代表随机误差项。在模型（1）中，金融意识可能与家庭是否负债存在内生性关系。一方面，可能存在反向影响关系，居民可能因为有了负债，所以会主动关注财经信息，提高自己的金融意识;另一方面，可能存在遗漏变量。因此，本文参考以往学者的做法，加入父母最高教育情况，家中是否有人从事金融行业构造工具变量，使用IV-probit模型处理内生性问题，具体模型如下： fin_ factor=γ×IVfin_awareness+μ×X+cons+ω （2）
其中，IVfin_awareness代表金融意识的工具变量。
对于第二部分家庭房贷成本的关系，因为家庭负债成本为连续变量，所以本文采用OLS进行回归。同样考虑到内生性的问题，本文采用和是否负债一样的方法，采用加入工具变量进行2SLS回归。
Cost=α×fin_awareness+β×X+cons+ε （3）
其中，Cost代表家庭房贷负担成本;其余变量与上文一致。
3 回归结果及分析
3.1 金融意识与家庭是否负债
表2是运用probit和IV-probit回归的结果，公式（1）和公式（3）代表的是基本模型分析结果和加入内生变量的回归结果，从基本回归模型结果可以看出金融意识高低与家庭是否负债存在显著的正相关关系，也就是说，金融意识越高的家庭，其负债的可能性越大。通常，居民在银行进行借贷时，银行会调查家庭偿还能力。在户主为男性的家庭中，家庭负债的概率更高，女性户主对于贷款一般比较谨慎，不愿意接触民间借贷等高利率借贷。回归结果中显示户主收入越高其负债的可能性越大，负债可以使家庭实现提前消费。户主年龄与家庭是否负债呈现反向关系，这说明户主年龄越大，其借贷的可能性越低，这是比较符合现实情况的，相较于年轻人，风险承受能力更低。值得注意的是，家庭幸福感的高低与是否借贷呈反向变动的关系，家庭幸福感越高的家庭越注重风险，幸福感低的家庭负债的概率更高。
3.2 金融意识与家庭住房负债成本
本文以普通最小二乘法和两阶段最小二乘法的回归结果进行分析。其中，OLS是基本模型的分析结果，2SLS是加入工具变量后的回归结果。
从基本模型的回归结果可以看出，户主是否已婚对家庭负债成本具有显著的正向影响，作为一家之主的户主在进行负债抉择时更多的是站在家庭的角度考虑，因此在住房成本的考虑上更谨慎。值得注意的是，户主户口是农村与住房负债成本显著正相关，说明农村居民在进行住房贷款时负担的成本更高。和预期一样，户主工资收入和家庭住房數量多少与借贷成本正向变动，银行在开展借贷时会对个人收入和家庭情况展开调查，收入越高、家庭状况越好的家庭更容易从银行取得较低的借款。
本文研究发现，金融意识与家庭负债成本呈显著的负相关关系，在构建金融意识指标时，熵值法算出来的权重乘以相应的问题回答情况，数值越高代表金融意识越高，这代表金融意识越高的家庭，更容易取得较低的住房贷款。这表明金融意识越高的家庭在取得住房贷款时会计算房贷负担成本。
4 结论与政策性建议
居民家庭借贷行为影响的不仅是居民自身，作为微观主体的家庭与宏观经济的运行息息相关。本文通过实证研究得出的结果表明：金融意识的高低对家庭是否参与借贷及住房贷款成本有显著的影响，金融意识越高的家庭更可能拥有负债，金融意识越高的家庭其在进行住房贷款时所负担的成本相较于金融意识不高的家庭更低。
我国农村居民和城镇居民在杠杆率上具有很大的差别，根据回归结果可以看出，农村居民负债参与度较低，这表明居民负债率主要集中在城镇家庭。不同城市的家庭的杠杆率也不一样，居住在一、二线城市的居民杠杆率更高，这是因为一、二线城市消费水平、房价、经济发展水平更高，居住在三、四线城市的家庭其房价较低，经济发展水平跟不上一、二线城市。在将来的发展中，我国政府应该从两个方面入手：一方面，政府可以通过加强金融监管和进行多方调控抑制房价的上升，同时将“房住不炒”的理念贯彻到底，防止居民因为过多的住房提高杠杆率，给宏观经济的运行产生不良影响。另一方面，有针对性地提升居民的金融意识，尤其是给予农村居民开展更多的金融知识培训，普及居民的金融知识。
参 考 文 献
[1]Campbell J Y.Household Finance[J].Journal of Finance，2006，61（4）：1553-1604.
[2]annamarialusardi.Debt literacy，nancial experiences，and overindebtedness[J].PEF，Cambridge University Press，2015，14（4）：332–368.
[3]鲍静海.对提高全民金融意识的思考[J].河北金融，2006（2）：17-18.
[4]何丽芬，吴卫星，徐芊.中国家庭负债状况、结构及其影响因素分析[J].华中师范大学学报（人文社会科学版），2012，51（1）：59-68.
[5]吴卫星，张旭阳，吴锟.金融素养对家庭负债行为的影响——基于家庭贷款异质性的分析[J].财经问题研究，2019（5）：57-65.
[6]孟宏玮，闫新华.金融素养、家庭杠杆率与家庭消费[J].金融发展研究，2019（12）：30-39.
[7]姜南.金融知识对家庭负债行为的影响[J].市场周刊，2019（12）：137-138.
【关键词】家庭金融;负债成本;金融意识
【中图分类号】F830.5 【文献标识码】A 【文章编号】1674-0688（2020）11-0116-03
1 文献综述
“家庭金融”一词正式出现是在2006年的美国金融学年会上，哈佛大学讲座教授campbell提出将家庭金融作为新的金融研究方向。2010年4月7日，由西南财经大学组建的中国家庭金融调查与研究中心成立代表国内家庭金融研究的开始。随着经济的发展和居民消费理念的转变，传统的“量入为出”消费观念正逐渐被打破，越来越多的家庭倾向于“提前消费”，家庭债务的问题也渐渐凸显。住房贷款是家庭负债的主要构成，在有负债的家庭中，家庭住房贷款的占比达到76.8%。过去的10多年中，我国居民杠杆率从2008年的17.9%上升到2018年49%，而美国从20%增长到50%约用40年。
近年来，国内外学者在家庭负债方面的研究取得了丰富的研究成果。坎贝尔（2006）报告中指出，低收入和低教育水平的个人（这些特征与金融意识密切相关）在利率下降时期不太可能再融资;Annamaria Lusardi（2015）通过实证研究得出金融意识较低的家庭倾向于以高成本的方式进行交易，使用高成本的借款，产生更高的费用。金融知识水平较低的人往往会不能判断自己的债务过高。从国内研究文献来看，何丽芬和吴卫星等人（2012）通过研究发现，房产持有状况、是否持有金融资产、家庭风险态度、家庭消费预期等对家庭负债与否具有显著的影响。吴卫星（2018）发现，金融素养高的家庭更能持有负债及从正规渠道取得借款，并且金融素养的提高可以降低家庭过度负债。
2 数据来源、变量与模型
2.1 数据
本文选取的数据来源于西南财经大学中国家庭金融调查与研究中心“中国家庭金融调查”（CHFS）的数据样本。该项目每兩年调研一次，在全国范围内开展，旨在收集我国居民微观经济数据。涵盖人口特征信息、住房资产、金融资产、借贷资金、消费情况、保险参与等多方面的信息，CHFS第四轮全国调查（CHFS2017）数据共采集样本40 011户，覆盖全国29个省、355个区县、1 428个社区，具有全国、省级和部分副省级城市代表性。在对数据的处理过程中，为了避免结果受极端值的影响，本文对关键变量的缺失值和极端值进行了处理，其中家庭收入约1%的样本进行缩尾处理。
2.2 变量
2.2.1 被解释变量
（1）是否有负债。问卷中的利率计算、通货膨胀、股票基金问题：？譹 是否有医疗借款。？譺 是否有因从事工商业未还清的民间借款。 是否有未还清的银行贷款。 是否有未还清的教育负债。 是否有其他负债。根据这5个问题的回答情况，构建“是否负债“的二值虚拟变量，有负债取值为1，反之则为0。
（2）住房负债成本。问卷中的房贷问题：“这套住房每月的房贷是多少？”根据居民的回答情况和房贷利率构造住房负债成本，住房负债成本为连续变量。
2.2.2 核心解释变量
本文所关注的核心解释变量是居民金融意识水平。参考之前大部分文献选取利率计算、通货膨胀、股票基金风险问题回答，受访对象的问题回答情况见表1。从表1可以看出，我国居民的金融意识水平偏低，还有很大的提升空间。
本文用熵值法构建金融意识变量，与Rooij等一样，本文认为问题回答不出来与问题回答错误所代表的居民金融意识是不一样的，因此本文将问题回答不出来赋值为1，问题回答错误赋值为2，回答正确赋值为3，用熵值法确定通货膨胀、利率计算、风险选择的权重，再用得出的权重乘以居民问题回答结果，得到居民金融意识指标fin_awareness。
2.2.3 控制变量
参照以往文献，控制了可能与金融意识或者家庭负债相关的户主特征变量及家庭特征变量，包括户主性别、年龄平方/100、是否已婚、受教育状况、工资收入、身体健康状况、幸福感、家庭人口数量及家庭住房数量等，剔除了控制变量中存在的缺失值变量。
2.3 相关性分析
由于本文涉及研究标量较多，可能存在共线性问题，因此本文进行了方差膨胀因子（VIF）检验，结果显示最大值为1.31，均值为1.10，一般认为VIF值大于10具有多重共线性。通过检验得出变量之间没有多重共线，可以进行下一步分析。
2.4 模型
本文主要研究金融意识与家庭房贷成本之间的关系，主要分为两个部分：一是金融意识是否能够对家庭是否负债产生影响。二是金融意识是否与家庭房贷成本有关系。第一部分主要采用probit模型，具体如下：
Prob（Debt=1）=α×fin_awareness+β×X+cons+ε （1）
其中，Debt代表家庭负债，Debt=1代表家庭有贷款，fin_awareness代表居民金融意识，X代表一系列控制变量，包括性别、年龄平方/100、是否已婚、是否农村户口、学历情况、户主工资收入、住房数量、家庭成员数量、健康状况、幸福感;cons代表截距项，ε代表随机误差项。在模型（1）中，金融意识可能与家庭是否负债存在内生性关系。一方面，可能存在反向影响关系，居民可能因为有了负债，所以会主动关注财经信息，提高自己的金融意识;另一方面，可能存在遗漏变量。因此，本文参考以往学者的做法，加入父母最高教育情况，家中是否有人从事金融行业构造工具变量，使用IV-probit模型处理内生性问题，具体模型如下： fin_ factor=γ×IVfin_awareness+μ×X+cons+ω （2）
其中，IVfin_awareness代表金融意识的工具变量。
对于第二部分家庭房贷成本的关系，因为家庭负债成本为连续变量，所以本文采用OLS进行回归。同样考虑到内生性的问题，本文采用和是否负债一样的方法，采用加入工具变量进行2SLS回归。
Cost=α×fin_awareness+β×X+cons+ε （3）
其中，Cost代表家庭房贷负担成本;其余变量与上文一致。
3 回归结果及分析
3.1 金融意识与家庭是否负债
表2是运用probit和IV-probit回归的结果，公式（1）和公式（3）代表的是基本模型分析结果和加入内生变量的回归结果，从基本回归模型结果可以看出金融意识高低与家庭是否负债存在显著的正相关关系，也就是说，金融意识越高的家庭，其负债的可能性越大。通常，居民在银行进行借贷时，银行会调查家庭偿还能力。在户主为男性的家庭中，家庭负债的概率更高，女性户主对于贷款一般比较谨慎，不愿意接触民间借贷等高利率借贷。回归结果中显示户主收入越高其负债的可能性越大，负债可以使家庭实现提前消费。户主年龄与家庭是否负债呈现反向关系，这说明户主年龄越大，其借贷的可能性越低，这是比较符合现实情况的，相较于年轻人，风险承受能力更低。值得注意的是，家庭幸福感的高低与是否借贷呈反向变动的关系，家庭幸福感越高的家庭越注重风险，幸福感低的家庭负债的概率更高。
3.2 金融意识与家庭住房负债成本
本文以普通最小二乘法和两阶段最小二乘法的回归结果进行分析。其中，OLS是基本模型的分析结果，2SLS是加入工具变量后的回归结果。
从基本模型的回归结果可以看出，户主是否已婚对家庭负债成本具有显著的正向影响，作为一家之主的户主在进行负债抉择时更多的是站在家庭的角度考虑，因此在住房成本的考虑上更谨慎。值得注意的是，户主户口是农村与住房负债成本显著正相关，说明农村居民在进行住房贷款时负担的成本更高。和预期一样，户主工资收入和家庭住房數量多少与借贷成本正向变动，银行在开展借贷时会对个人收入和家庭情况展开调查，收入越高、家庭状况越好的家庭更容易从银行取得较低的借款。
本文研究发现，金融意识与家庭负债成本呈显著的负相关关系，在构建金融意识指标时，熵值法算出来的权重乘以相应的问题回答情况，数值越高代表金融意识越高，这代表金融意识越高的家庭，更容易取得较低的住房贷款。这表明金融意识越高的家庭在取得住房贷款时会计算房贷负担成本。
4 结论与政策性建议
居民家庭借贷行为影响的不仅是居民自身，作为微观主体的家庭与宏观经济的运行息息相关。本文通过实证研究得出的结果表明：金融意识的高低对家庭是否参与借贷及住房贷款成本有显著的影响，金融意识越高的家庭更可能拥有负债，金融意识越高的家庭其在进行住房贷款时所负担的成本相较于金融意识不高的家庭更低。
我国农村居民和城镇居民在杠杆率上具有很大的差别，根据回归结果可以看出，农村居民负债参与度较低，这表明居民负债率主要集中在城镇家庭。不同城市的家庭的杠杆率也不一样，居住在一、二线城市的居民杠杆率更高，这是因为一、二线城市消费水平、房价、经济发展水平更高，居住在三、四线城市的家庭其房价较低，经济发展水平跟不上一、二线城市。在将来的发展中，我国政府应该从两个方面入手：一方面，政府可以通过加强金融监管和进行多方调控抑制房价的上升，同时将“房住不炒”的理念贯彻到底，防止居民因为过多的住房提高杠杆率，给宏观经济的运行产生不良影响。另一方面，有针对性地提升居民的金融意识，尤其是给予农村居民开展更多的金融知识培训，普及居民的金融知识。
参 考 文 献
[1]Campbell J Y.Household Finance[J].Journal of Finance，2006，61（4）：1553-1604.
[2]annamarialusardi.Debt literacy，nancial experiences，and overindebtedness[J].PEF，Cambridge University Press，2015，14（4）：332–368.
[3]鲍静海.对提高全民金融意识的思考[J].河北金融，2006（2）：17-18.
[4]何丽芬，吴卫星，徐芊.中国家庭负债状况、结构及其影响因素分析[J].华中师范大学学报（人文社会科学版），2012，51（1）：59-68.
[5]吴卫星，张旭阳，吴锟.金融素养对家庭负债行为的影响——基于家庭贷款异质性的分析[J].财经问题研究，2019（5）：57-65.
[6]孟宏玮，闫新华.金融素养、家庭杠杆率与家庭消费[J].金融发展研究，2019（12）：30-39.
[7]姜南.金融知识对家庭负债行为的影响[J].市场周刊，2019（12）：137-138.