信贷约束与家庭资产选择——基于中国家庭金融调查数据的实证研究,本文主要内容关键词为:家庭论文,信贷论文,中国论文,资产论文,实证研究论文,此文献不代表本站观点,内容供学术参考,文章仅供参考阅读下载。
一、引言 家庭资产选择,对提高家庭收入水平,将储蓄转化为投资继而实现家庭财富目标,具有重要意义。一方面,家庭金融投资有利于增加家庭财产性收入。家庭金融资产投资所获得的利息和红利收入是中国居民财产性收入的重要来源,占比超过80%(梁达,2013)。财产性收入,是衡量一个国家市场化和国民富裕程度的重要标志。美国居民的财产性收入占总收入的40%,仅次于工资性收入,而目前中国家庭财产性收入在总收入中的占比还不到3%(梁达,2013)。另一方面,增加家庭资产投资比例有利于储蓄转化为投资。中国是世界上储蓄率最高的国家之一,2012年中国城乡居民在银行的储蓄存款已经超过42万亿,中国国民储蓄率高达52%(郭树清,2012),而中国家庭的平均储蓄率29.2%,但股市参与率仅为8.8%(甘犁等,2012)。因此,本文对家庭资产选择行为的研究具有重要意义。 目前,国内关于家庭资产选择的文献不多,而且尚未有人研究信贷约束对家庭资产选择的影响。本文将利用2011年中国家庭金融调查数据,全面分析信贷约束对家庭资产选择和资产配置的影响。本文的主要贡献是利用问卷调查获得的直接信息对信贷约束进行度量,综合考察了正规信贷供给和需求造成的信贷约束对中国家庭资产选择的影响,补充和完善了国内外相关文献。本文不仅考察了信贷约束对家庭金融风险资产投资的影响,同时还将房产和商业资产纳入到广义的风险资产中,全面考察了信贷约束对家庭风险资产选择的影响。本文的政策含义是,政府在制定政策时,需要充分考虑家庭面临的信贷约束,并致力于缓解家庭的信贷约束,这有助于家庭更加合理地配置资产。 本文接下来的部分是这样安排的:第二部分为文献评述;第三部分是研究设计;第四部分是实证检验;第五部分研究结论与启示。 二、文献评述 家庭资产选择理论主要研究家庭可供选择的资产种类和资产配置的决定因素。现实中,家庭同时面临两个决策:消费和储蓄之间如何分配,以及金融资产中风险资产的配置比例。生命周期理论(Modigliani,1954)和持久收入理论(Friedman,1957)主要分析了家庭的第一个决策,认为家庭通过资产的跨期配置来平滑消费,实现家庭长期效用的最大化。然而家庭能否实现资产的有效跨期配置很大程度上取决于家庭能否自由借贷,并且受流动性及短期出售资产的限制,家庭的消费储蓄行为和资产选择行为密切相关:预期未来收入下降的家庭,为了维持一定的消费水平,会选择流动性好且没有短期出售限制或可以抵押的资产。Hall和Mishikin(1982)用美国收入动态面板数据估计出有20%的美国家庭受流动性约束。Mariger(1986)用美国截面数据估计流动性约束家庭占19.4%。Hubbard等(1986)用模拟净值约束的方法发现大约19%的家庭受到流动性约束。可以看出,在美国大约有20%的家庭受到流动性约束的限制,难以通过资产的跨期配置来平滑消费,其行为与传统的生命周期理论和持久收入理论是不一致的。Hayashi(1985)估计约16%日本家庭无法足额借贷。程郁等(2009)基于农村调研数据研究表明,我国有34%的农户受到正规信贷约束,有贷款需求的农户受信贷约束高达45%。上述表明,信贷约束问题在不同的国家普遍存在,而中国的情况更为突出。信贷约束将制约部分家庭的资产跨期配置,进而影响家庭的资产选择行为。 家庭的另一个金融决策是金融资产中风险资产的配置比例。根据资产组合理论,理性的投资者应该将财富按一定比例投资于所有的风险资产,投资者风险厌恶程度的差异导致风险资产投资比例的不同。但在现实中,环境的异质性会影响家庭是否投资风险资产及投资的比例。如信贷约束就是减少风险资产需求的一个重要因素(Guiso等1996)。Haliassos和Bertaut(1995)认为受信贷约束家庭的行为与无信贷约束家庭的行为是有差异的,前者将选择持有较低比例的风险资产。Koo(1998)也发现,那些预期会受到流动性约束的家庭会少持有风险资产。消费者的资产组合可能在当前没有受到流动性约束,却会受到预期未来流动性约束的影响,此时,如果销售风险资产和流动性不好的资产存在交易成本,则这些资产的实现价值会降低。Paxson(1990)证明,当信贷约束是外生时,这种交易成本可以通过持有更加安全的、流动性更好的资产来避免;而当信贷约束内生(由利率决定),借贷将依赖于用流动性差的资产作为抵押物时,家庭可通过减持流动性资产以降低未来受到信贷约束的概率。Gakidis(1998)检验了生命周期中信贷约束和收入风险的交互作用。Coceo等(2005)证明,信贷约束对不同风险厌恶、收入风险的资产组合具有重要影响,出现信贷约束的家庭会导致预防性储蓄减少。Constantinides等(2002)考虑了一个三期家庭一般均衡模型,他们认为,年轻人群未来的预期收入较高,他们面临的流动性约束对解释股权溢价之谜非常重要。Storesletten等(1998)证明在生命周期一般均衡模型中,信贷约束、持续的异质性冲击可解释大部分观察到的股权溢价之谜。Haliassos和Hassapis(1999)研究了抵押品型和收入型信贷约束对财富积累、资产组合和预防性储蓄动机的影响。对于可能面对信贷约束的投资者来说,在考虑投资组合的同时,考虑信贷约束是很有意义的。投资者最优投资选择需要考虑未来收入下降且信贷约束起作用时对效用的负面影响(Campbell和Cocco2003)。尤其对于年轻人来说,他们积累的财富较少,流动性约束更有可能起作用。在投资者其它收入下降时,收益下降的资产对于投资者来说风险更大(Campbell,2006)。Constantinides等(2002)构建了一个代际交叠模型,显示在受到借款约束的前提下,与中年人相比,年轻人的劳动收入与其股票收益的相关性较低,因此年轻人有更多的股票投资需求来分散未来劳动收入变化的风险。而年轻人积累的财富少且存在流动性约束,这抑制了对股票投资的需求,产生了更高的股票风险溢价。Guiso等(1996)用意大利家庭收入和财富调查(SHIW)数据研究了收入风险、信贷约束和家庭资产组合之间的关系。他们发现,由于交易成本,信贷约束会降低家庭持有风险资产和非流动性资产的比例。因此,研究信贷约束和家庭资产选择的关系,对改进家庭的资产配置决策、提高家庭福利水平具有重要意义。 关于信贷约束产生的原因。从信贷供给角度看,Stiglitz和Weiss(1981)的理论分析表明信息不对称引起的逆向选择和道德风险问题使得银行贷款低于最优信贷额度,使得信贷配给是市场的长期均衡状态。近几年,许多研究者注意到,信贷约束不仅来自银行的信贷配给,还来自需求者自身的风险规避、认知偏差和需求压抑等因素。Baydas等(1994)认为由于交易成本和贷款拒绝率较高,部分借款人将主动放弃贷款申请。Kon和Storey(2003)提出了“无信心借款人(discouraged borrowers)”,他们认为金融机构不健全的甄别机制会向资金需求者传递有偏的信息,导致需求者认为自己不能获得贷款而放弃贷款申请。程郁等(2009)指出,信息不对称和缺乏有效抵押品使得借款者难以从正规金融机构获得贷款。 信贷约束表现出明显的异质性。Jappelli(1990)利用美国消费者金融调查(SCF)数据研究表明,年龄、资产、当年收入与家庭受信贷约束的概率负相关,而单身、没有住房和非白人家庭更有可能面临信贷约束。朱喜和李子奈(2006)基于中国农户的调查数据研究也说明了信贷供给具有家庭异质性,其中,农户承包土地面积、生产性固定资产原值和受教育水平都对正式金融机构的信贷决策具有正向影响。邓瑛和赵雪(2011)认为房价上涨伴随着更多的房屋抵押贷款从而缓解家庭的流动性约束,而房价下跌会使负债的家庭破产,亦增加家庭的流动性约束。 综合比较国内外关于信贷约束与家庭资产选择行为的文献,国外学者主要运用微观计量、数值模拟等方法对此进行了较为深入的研究,这进一步扩展了持久收入理论,而国内尚未有人对此进行研究。一些研究信贷约束问题的文献以宏观数据为主,部分基于微观数据的研究,其研究对象也主要为农村家庭,未考虑城市家庭,城市家庭在做出资产选择、消费等决策时同样会受到信贷约束的影响。为此,本文将使用全国范围内的大样本微观家庭金融数据,全面分析信贷约束对家庭资产选择和资产配置的影响,从而弥补国内相关文献的空白,并对信贷约束与家庭资产选择的关系提供新的证据。 三、研究设计 (一)数据来源 本文的数据来源于2011年西南财经大学在全国范围内开展的中国家庭金融调查(China Household Finance Survey,CHFS)。中国家庭金融调查在全国25个省市自治区(新疆、西藏、内蒙除外)采用与人口规模成比例(PPS)的抽样方法,抽中80个县、市、区;在每个县、市、区抽出四个社区(村/居委会);最后,在每个社区,采用地图地址法绘出住宅分布图,然后随机抽取20-50户家庭,采用计算机辅助调查系统(Computer Assisted Personal Interview,CAPI)进行入户访问。该调查采用了多项措施控制抽样误差和非抽样误差,数据代表性好、质量高,共获得了8438户家庭的微观数据。在数据处理方面,与谢洁玉等(2012)一样,我们剔除家庭成员大于10的家庭,这是因为当家庭成员大于10时,家庭的资产选择变决策变得不明确。同时,也剔除了一些有异常值和数据不全的家庭,最后样本规模为8218。 在中国家庭金融调查中,家庭资产包括非金融资产和金融资产两大部分。家庭非金融资产包括农业、工商业等生产经营资产、房产与土地资产、车辆、以及家庭耐用品等资产。家庭金融资产包括活期存款、定期存款、股票、债券、基金、衍生品、金融理财产品、非人民币资产、黄金、借出款等资产。表1是中国家庭资产的构成情况。 从表1可知,家庭总资产均值约为121.4万元,其中金融资产为6.4万元,占5.3%;非金融资产为115.0万元,占94.8%。而在非金融资产中,房产占比最高,占总资产的40.1%,商业资产占10.2%。 家庭在进行资产配置时,不仅要选择金融风险资产,还要考虑非金融风险资产的配置,并且两者之间是相互影响的。根据CHFS数据,家庭的金融风险资产包括股票、企业(公司)债券、基金、衍生品、银行理财产品、非人民币资产、黄金、借出资金等,其中股票是最重要的金融风险资产;而非金融风险资产主要包括房产和商业资产。在家庭资产组合中房产是一项重要的资产,在美国,住房财富占家庭财富的比重在60%以上,并对家庭决策行为有重要影响(Campbell,2006),房产对金融风险资产具有挤出效应(Cocco,2004);Flavin和Yamashita(2002)。在我国,房产是家庭财富最主要的组成部分,占家庭总资产的40.7%。房产的流动性相对较低,并且住房具有消费品和投资品的双重属性,鉴于此,我们将房产分为消费性住房和投资性住房①,并将投资性房产作为风险资产引入到模型中。在中国有14.2%的家庭拥有商业资产,且它在总资产中的占比为10.2%(甘犁等2012)。Heaton和Lucas(2000)认为商业资产代替了股票,Carroll(2000)的研究表明,富有家庭更倾向于投资风险资产,特别是投资于自己私人拥有的企业。 综上所述,我们将风险资产由狭义到广义分四个层次来定义,风险资产I仅包括股票资产,其均值为0.9万元,在总资产中占比为0.8%。风险资产II指金融风险资产,其均值为2.1万元,在总资产中占比为1.7%。因为风险资产I和风险资产II在总资产中的占比较低,我们进一步将风险资产III定义扩展为包括家庭的投资性房产,风险资产III均值为10.8万元,在总资产中占比为8.9%。风险资产IV在风险资产III的基础加入了家庭的商业资产,其均值为23.2万元,在总资产中占比为19.1%。样本中持有四个层次风险资产的家庭在家庭总数中分别占8.8%、20.9%、29.8%和37.0%。表2是家庭对不同层次风险资产的持有情况。 (二)变量选择 本文的关注变量为信贷约束,实证研究的主要困难就是对信贷约束的度量。目前绝大多数文献是通过间接的方式识别家庭的信贷约束。间接识别法的基本思想是通过信贷约束所产生的结果来反向推出信贷约束的存在,如Hayashi(1985)和Zeldes(1989)将拥有低储蓄和低金融资产的家庭视为受信贷约束者。间接识别法的主要问题在于许多家庭虽然持有较低的资产,但他们既没有在当前受到流动性约束,也没有受到预期未来流动性约束的影响。而且,由于被解释变量就是是否持有风险资产和风险资产占比,因此这可能会产生内生性问题。也有学者根据调查问卷中的信息对信贷约束进行直接的界定。Feder等(1990)和Jappelli(1990)使用的美国消费者金融调查(SCF)数据中不但询问了家庭是否得到所需要的贷款数额,而且还询问了家庭没有贷款的原因,因此他们用“贷款担心被拒而未申请”和“申请贷款被拒”作为信贷约束的度量,这是一种较为直接的度量方法。这种方法从供给和需求两方面考察了正规信贷约束,家庭是否得到贷款从供给方面考察了家庭是否受信贷约束。而需求型信贷约束主要指那些拥有潜在或隐藏信贷需求的家庭未得到贷款,主要有两种情况:一种是申请了贷款遭到拒绝;一种是因交易成本和风险等原因而主观认为自己不能获得贷款而未申请。该方法直接且不失全面,因此本文借鉴他们的度量方法将问卷调查中获得的直接信息对信贷约束进行度量。在中国家庭金融调查中,针对家庭经营农业或工商业项目、购买房产或汽车等活动,首先询问了“是否有银行贷款”,如果没有,则继续询问“该项目为什么没有银行贷款?”选项为:“1.不需要;2.需要,但没有申请;3.申请过被拒绝;4.曾经有贷款,现已经还清。”我们将选择2和3选项的家庭界定为受正规信贷约束的家庭。 本文的控制变量主要是家庭人口特征变量和经济变量。家庭人口特征变量主要是户主的特征变量,包括年龄、学历、性别、婚姻、工资收入等。年龄对风险资产需求的影响是重要的,一方面,年轻家庭比老年家庭的劳动供给弹性大,因此更倾向于持有风险资产,另一方面,年轻家庭更容易受到流动性约束(Bodie等1992);并且在生命周期中金融信息是缓慢获取和积累的,因此年轻家庭的资产组合分散化程度低于老年家庭(King和Leape1987)。考虑到年龄对风险资产的影响可能是非线性的,我们控制了年龄的平方。女性或已婚户主可能更加厌恶风险,因此在做金融决策时更加保守(Jianakoplos和Bernasek1998)。户主的学历对于投资者风险资产参与有显著影响(Campbell,2006),研究表明学历与风险资产参与率和参与深度正相关(Mankiw和Zeldes1991:Guiso和Jappelli2002);吴卫星等2011)。户主工资收入变量则在一定程度上代表了家庭的还款能力。考虑工资收入对金融资产配置非线性的影响,本文控制工资对数和工资对数的平方两个变量。家庭特征变量包括家庭规模、家庭总资产和户主户籍。家庭规模反映家庭的人口结构和生产能力。家庭资产度量家庭的初始禀赋,衡量其对非交易性资产和非流动性资产的影响。与户主工资收入相同,家庭资产也具有非线性影响的特性,因此同样控制总资产对数和总资产对数的平方两个变量。户籍哑变量用来衡量农村和城市家庭对风险资产参与和选择的差异。此外,由于各地区的金融发展水平和社会文化差异较大,我们还在模型中控制省级虚拟变量,以便尽可能减少由于遗漏变量造成的估计偏误。 (三)计量模型设定 本文估计的基本模型设定为: 本文将用模型(2)和模型(3)分别估计信贷约束对家庭资产选择和家庭资产配置的影响。 四、实证检验 (一)中国家庭的信贷约束 在中国家庭金融调查数据中,受信贷约束的家庭有1773户,没有受到信贷约束的家庭有6456户,有21.6%的家庭受到信贷约束。表3是受信贷约束家庭和未受信贷约束家庭的特征变量对比,从描述统计结果可以看出,前者的资产总额比后者低72.8%;家庭规模大、城市户口更易受到信贷约束;受信贷约束家庭比不受信贷约束家庭工资低72.3%;受信贷约束家庭的户主较年轻,而且学历也较低;且户主为男性,已婚的家庭更易受到信贷约束。 表4给出了受信贷约束和未受信贷约束家庭风险资产持有情况的差异,从表4看出,受信贷约束的家庭无论是风险资产参与率还是风险资产参与深度都明显低于没有受信贷约束的家庭。在后文中,我们将针对此进行深入的计量分析。 我们用中国家庭金融调查获得的信息直接度量家庭是否在现在受到信贷约束,并以此作为信贷约束的哑变量,而有一部分家庭虽然未观察到信贷约束,但可能会受到潜在的信贷约束,由于我们不能观察到潜在受约束的家庭,从而造成受信贷约束家庭数量被低估。为了对信贷约束进行准确度量,以便更好地考察其对家庭资产选择行为的影响,我们进一步估计家庭受信贷约束的概率,并以此度量家庭受到的信贷约束。在本部分,我们用Probit模型估计家庭信贷约束的影响因素,并根据估计结果预测出家庭受信贷约束的概率。表5是Probit模型的估计结果。 从表5可以进一步看出家庭规模、户口在城市的家庭更容易受到信贷约束;学历越高,受信贷约束的可能性越小;总资产和户主年龄对信贷约束的影响是非线性的,呈倒U型。 用Probit获得信贷约束概率的预测值,其均值为21.3%,估计的正确率为0.78>0.5,说明预测是正确的,其中敏感性(sensitivity)为0.17,特异性为0.78;受试者操控曲线(Receiver operating characteristic,简称ROC曲线)下方的面积为0.67,进一步说明预测的正确率较高;goodness-of-fit拟合优度检验的p值为0.49,说明模型的拟合优度好②。综上所述,在下文中我们将选取信贷约束的概率来度量家庭的信贷约束程度。 然而,信贷约束可能存在内生性,因为信贷约束与风险资产选择之间可能存在相互决定和交互影响的问题。一方面,信贷约束可能使家庭不能跨越参与风险资产的最低资本门槛或是家庭没有更多的资金参与风险资产投资,从而制约家庭的风险资产参与率和参与深度;另一方面,风险资产投资使家庭面临更大的资金需求,从而使参与风险资产的家庭更容易受到信贷约束的影响。为了解决可能存在的内生性问题,我们选取社区到市中心的距离作为工具变量进行两阶段估计。社区到市中心的距离在一定程度上反映了该社区所处的外部环境,因为一般而言,社区离市中心越近,其所处的金融环境越发达,发达的金融环境不仅能为家庭提供更多的融资渠道,而且有利于家庭了解信贷知识,从而有利于缓解家庭的信贷约束,但不直接对家庭是否参与风险资产以及参与风险资产的深度产生影响。同时,社区到市中心的距离也与影响家庭资产选择的不可观测变量无关,因而我们认为选取社区到市中心的距离作为工具变量是合适的,后文还将对此进行相关检验。 (二)信贷约束与家庭资产选择 在本部分,我们将用Probit模型估计信贷约束对风险资产参与的影响③。表6的第(1)至(4)列分别估计信贷约束对风险资产参与的影响。从表6可知,信贷约束对风险资产I的边际效应为-0.20,在1%的水平上显著,说明信贷约束对股市参与率有显著负向影响;信贷约束对风险资产II的边际效应为-0.39,在1%的水平上显著,说明信贷约束对金融风险资产参与率有显著负向影响;信贷约束对风险资产III的边际效应为-0.27,在1%的水平上显著,说明信贷约束对加入了投资性住房的风险资产的影响显著为负;信贷约束对风险资产IV的边际效应为-0.63,在1%的水平上显著,说明信贷约束对加入了商业资产的风险资产IV的影响显著为负。综上所述,信贷约束对风险资产参与率有显著负向影响,即受信贷约束概率越小的家庭,越愿意持有风险资产。 第(1)列因变量为股票哑变量,信贷约束影响显著为负,其边际效应为-0.20;总资产的边际效应为0.045,而总资产的平方的边际效应为-0.001,它们都在1%的水平上显著,说明资产规模对风险资产参与率的影响先上升后下降,呈倒U型。家庭规模在10%的水平下显著,对风险资产参与正相关,说明家庭的人口越多,参与股市的可能性越大。城市户口在1%的水平上对股市参与有显著正的影响,说明城市家庭比农村家庭更有可能参与股市。工资收入的边际效应为0.004,在1%的水平上显著,说明工资收入增加将增加家庭风险资产参与的可能性,而工资收入平方对风险资产参与率的影响显著为负,说明工资收入对风险资产的影响呈倒U型的;户主年龄对风险资产参与率的影响显著为正,而户主年龄平方的影响显著为负,说明户主年龄也与风险资产参与率之间的关系呈倒U型。初等教育、中等教育和高等教育的边际效应分别为0.001、0.01和0.01,初等教育影响不显著,其他都在1%的水平上显著,说明随着户主受教育程度的越高,家庭越可能进行风险资产投资,而且这种效应是递增。 第(2)列因变量为风险金融资产哑变量,信贷约束影响也显著为负,其边际效应为-0.39,与第(1)列不同的是,工资收入对风险资产的影响由倒U型变为递增性,即工资收入越高进行风险资产投资的可能性越大,说明工资高的家庭更愿意分散投资。家庭规模、城市户口、户主年龄的影响由显著变为不显著。而男性的影响在1%的水平上显著为正,说明男性户主家庭参与风险资产的可能性更大。已婚在5%的水平上显著为负,这是因为相较于未婚家庭,已婚家庭更易受到信贷约束而导致其风险资产参与率较低④。 第(3)列的因变量在风险金融资产的基上加入了投资性房产,与第(2)列的不同之处主要表现为总资产影响不显著;家庭规模对风险资产的影响在1%水平上显著为正,越大的家庭越倾向于投资房产;城市户口的影响显著为负,边际效应为-0.04,在5%的水平上显著,说明农村家庭比城市家庭更倾向于持有投资性房产。 第(4)列的因变量在第(3)列的基础上加入了商业资产,与第(3)例的不同之处在于,工资收入对风险资产的影响呈U型,即工资越高的家庭投资商业资产的可能性越小;学历对风险资产参与率的影响显著降低,说明学历高低与是否创业的关系较弱,其他各解释变量对风险资产的影响与(3)类似。 表6的估计是假设信贷约束为外生变量的前提下进行的,然而,信贷约束可能存在内生性问题,这样估计结果将是有偏的。为解决这一问题,在表7中我们用社区到市中心的距离作为信贷约束的工具变量进行两阶段估计。表7我们用Cragg-Donald方法进行弱工具变量检验,通过一阶段回归显示,Cragg-Donald检验的F值为1077.3,远远大于Stock-Yogo弱工具变量10%偏误水平下的阀值16.38,且工具变量的t值都在1%水平下显著,可见选取市区到市中心的距离作为工具变量是合适的,不存在弱工具变量的问题。 第(1)列报告了用Durbin-Wu-Hausman检验(以下简称DWH检验)信贷约束内生性的结果,DWH值为33.03,P值为0,因此,在1%水平下拒绝了外生性的假设,因而信贷约束存在内生性。考虑内生性后,对风险资产I的边际效应为-0.42,在1%的水平上显著,边际效应与未考虑内生性时有显著提高,说明信贷约束的内生性对估计结果有重要影响。在第(2)列中,DWH统计量的值为2.2,P值为0.14,不存在内生性问题,因此Probit模型估计结果是可信的。在第(3)列中,DWH统计量的值为10.36,P值为0.0013,在1%水平下拒绝了不存在内生性的假设,因而信贷约束存在内生性,考虑内生性后,信贷约束对风险资产Ⅲ的边际效应为-0.51,在5%的水平上显著,边际效应在考虑内生性后有显著提高,说明选取工具变量进行两阶段估计是必要的。在第(4)列中,DWH统计量的值为14.12,P值为0.0002,在1%水平下拒绝了不存在内生性的假设,因而信贷约束存在内生性,考虑内生性后,信贷约束对风险资产IV的边际效应为0.45,其影响不显著。表7的结果进一步表明,信贷约束对风险资产市场参与有显著的阻碍作用。 (三)信贷约束与家庭资产配置 下面估计信贷约束对家庭风险资产占比的影响,估计结果见表8,第(1)至(4)列分别是信贷约束对不同层次风险资产占比的影响。在表8中,信贷约束对风险资产I占比的边际效应为-0.25,在1%的水平上显著,说明信贷约束对股市参与深度有显著负向影响;信贷约束对风险资产II占比的边际效应为-0.10,在1%的水平上显著,说明信贷约束与金融风险资产参与深度有显著负向影响;对风险资产Ⅲ占比影响的边际效应为-0.09,在1%的水平上显著为负,说明信贷约束与加入了投资性住房的风险资产参与深度有显著负向影响;风险资产IV的边际效应为-0.21,在1%的水平上显著,说明信贷约束与加入了商业资产的风险资产参与深度显著负相关。以上分析表明,信贷约束与风险资产参与深度之间显著负相关,即受信贷约束概率越小的家庭,越愿意花更多的钱投资风险资产。 第(1)列因变量为股票资产在金融资产中的占比,信贷约束影响显著为负,其边际效应为-0.25;总资产的边际效应为0.07,而总资产平方的边际效应为-0.002,它们都在1%的水平上显著,说明总资产规模对风险资产参与深度影响呈倒U型。家庭规模在10%的水平下显著,与风险资产占比正相关,说明家庭的人口越多,股票资产占比越大。城市户口在1%的水平上对股市参与有显著正影响,说明城市家庭股票参与深度都显著高于农村家庭。工资收入的边际效应为0.005,在1%的水平上显著,说明工资收入增加将增加家庭风险资产投资额,而工资收入平方对风险资产占比的影响显著为负,说明工资收入对风险资产投资额的影响呈倒U型;户主年龄对风险资产占比的影响显著为正,而户主年龄平方的影响显著为负,说明户主年龄也与风险资产参与深度之间呈倒U型关系。教育、男性和已婚对风险资产I占比的影响不显著。 第(2)列因变量为风险金融资产在总资产中的占比,与第(1)列结果不同的是,初等教育、中等教育和高等教育的边际效应分别为0.012、0.015和0.016,它们都在1%的水平上显著,说明户主受教育程度的越高,家庭对风险资产投资比例将增加,而且这种效应是递增的。城市户口、户主年龄等变量的影响不显著;而男性和已婚变量由不显著变得显著,男性的系数为0.004,在1%的水平上显著,说明男性户主家庭参与风险资产投资比例更大。已婚的系数为-0.006,在10%的水平上显著,已婚与家庭风险资产参与深度负相关,这再一次说明由于已婚家庭更易受到信贷约束而导致其风险资产参与率较低⑤。 第(3)列在第(2)列的基础上加入了投资性住房后,与第(2)列的不同的是,总资产对风险资产占比的影响由倒U型变为递增型,即随着总资产的增加,家庭投资风险资产III的比例是递增的。家庭规模对风险资产占比的影响显著性增强,在1%的水平上显著为正,边际效应为0.005,说明家庭人口数量越多,家庭投资房产愿意花费的钱越多。城市户口在1%的水平上显著为负,其边际效应为-0.008,说明城市家庭比农村家庭风险资产III的占比低。已婚的影响在1%的水平上显著为正。 第(4)列的因变量在第(3)列的基础上加入了商业资产,加入后带来的变化是,总资产影响由显著变为不显著,与第(3)例的不同之处在于,工资收入对风险资产的影响呈U型,即工资越高的家庭商业资产越少;学历的影响不显著。 考虑到信贷约束可能存在内生性,我们引入工具变量进行两阶段估计。表9是在Tobit模型中引入社区到市中心距离作为信贷约束工具变量进行两阶段估计的结果。Cragg-Donald弱工具变量检验的F值为1049.86,远远大于Stock-Yogo弱工具变量10%偏误水平下的阀值16.38,且工具变量的t值都在1%水平下显著。因此,选取市区到市中心的距离作为工具变量是合适的,不存在弱工具变量的问题。 表9第(1)列DWH值为17.58,P值为0,在1%水平上拒绝了不存在内生性的假设,因而信贷约束存在内生性,考虑内生性后,信贷约束对风险资产I的边际效应为-0.409,在1%的水平上显著,边际效应与未考虑内生性时有显著提高,说明信贷约束的内生性对估计结果有重要影响。在第(2)列中,DWH统计量的值为1.85,P值为0.17,不存在内生性问题,因此Tobit模型估计结果是可信的。在第(3)列中,DWH统计量的值为17.42,P值为0.0004,在1%水平下拒绝了不存在内生性的假设,因而信贷约束存在内生性,考虑内生性后,信贷约束对风险资产III的边际效应为-0.12,在10%的水平上显著,边际效应在考虑内生性后有显著提高,说明选取工具变量进行两阶段估计是必要的;在第(4)列中,DWH统计量的值为28.02,P值为0,在1%水平下拒绝了不存在内生性的假设,因而信贷约束存在内生性,考虑内生性后,信贷约束对风险资产IV的边际效应为0.11,在1%的水平上显著,说明虽然家庭是否投资商业资产不受信贷约束的影响,但家庭一旦投资了商业资产,其投资比例将受到信贷约束的影响,信贷约束将阻碍家庭商业资产的增加。表9的结果进一步表明,信贷约束对风险资产参与深度有显著的阻碍作用。 综上,本部分的估计结果表明,信贷约束不仅对家庭风险资产参与率具有显著地负向影响,还对家庭参与风险资产的深度具有显著的负向影响,以上分析证实了信贷约束将改变家庭资产配置比例。 五、研究结论与启示 本文基于中国家庭金融调查(CHFS)大型微观数据,运用极大似然估计方法,全面考察了正规信贷供给和需求形成的信贷约束对家庭资产选择行为的影响。 我们将风险资产从狭义到广义分为四个层次:股票资产、金融风险资产、金融风险资产加投资性房产、金融风险资产加投资性房产和商业资产。同时从正规信贷供给和需求两个方面来考察信贷约束,用Probit模型估计出家庭受信贷约束概率,并以此来度量信贷约束,考察信贷约束对家庭资产选择行为的影响。考虑到信贷约束可能存在内生性,我们使用社区到市中心的距离作为工具变量,用极大似然估计方法进行两阶段估计,进一步考察信贷约束对家庭资产选择行为的影响。我们的研究结果一致表明,信贷约束对家庭风险资产参与率和参与深度均具有显著的负向影响。因此,信贷约束是制约家庭资产配置优化的重要因素。 本文的研究结果还显示,家庭总资产、户主年龄对风险资产参与率和参与深度的影响呈倒U型,工资收入与风险资产的参与率和参与深度之间呈现非线性的关系。家庭规模对风险资产参与率和参与深度有显著的影响。城市家庭比农村家庭更愿意参与金融风险资产投资,且持有更多的金融风险资产,但农村家庭更愿意投资房产和商业资产。户主受教育程度与风险资产参与率和参与深度显著正相关。相对于女性,男性更愿意参与并持有更多的风险资产。已婚与风险资产选择显著负相关,说明已婚家庭更加谨慎。 本文的政策含义非常明确,政府应当积极改善金融环境,理顺信贷供求机制,从而缓解家庭信贷约束,促进家庭风险资产参与率并增加其投资额,这有助于家庭优化资产配置,并有利于促进储蓄转化为投资。另外,我们的研究也表明,那些总资产规模小、户主收入低、受教育程度低、户主为女性的家庭往往风险资产参与率和参与深度较低。因此,如何扶持这部分弱势群体,增加其收入和普及相关投资知识,也成为相关部门需要考虑的问题。 感谢Texas A&M University甘犁教授、西南财经大学金融学院金融系工作论文交流会、中国家庭金融调查与研究中心学术交流会参与者的评论和建议。 注释: ①若住房是家庭自有的,我们将其界定为消费性住房;家庭拥有的其他房产,我们将其界定为投资性住房。 ②敏感性(Sensitivity)指,即真实值取1而预测准确的概率;特异性(Specificity)是指,即真实值取0而预测准确的概率。受试者操控曲线(Receiver operating characteristic,简称为ROC曲线)是指敏感性与(1-特异性)的散点图,即预测值等于1的准确率与错误率的散点图。 ③我们也使用了信贷约束哑变量作为关注变量,其他控制变量不变,用Probit模型和Tobit模型分别估计了信贷约束对风险资产参与和风险资产占比的影响,为节省篇幅,我们没有报告估计结果,有兴趣的读者可以向作者索要。 ④从表3中可以看出已婚家庭更易受到信贷约束。 ⑤从表3中可以看出已婚家庭更易受到信贷约束。标签:金融论文; 信贷规模论文; 银行信贷论文; 中国家庭论文; 资产流动性论文; 信贷配给论文; 边际收益论文; 风险资产论文; 边际收入论文; 边际效应论文; 收入效应论文; 风险模型论文; 城市选择论文; 金融资产交易所论文; 房地产业论文; 流动性论文;