家庭资产负债的决定因素：基于多变量Tobit方程系统方法

谢绵陛

一、引言

家庭作为社会经济的一个基本单元，其财务状况对宏观和微观经济都有重要的影响。在宏观方面，家庭的债务水平和流动性会影响宏观货币政策等的有效性，当家庭财务状况普通脆弱时，一旦出现宏观经济波动，就可能导致大面积的家庭破产、住房被拍卖等现象，家庭消费收缩，从而导致总需求下降，经济衰退 （Mian 和 Sufi，2010［1］，2011［2］，2015［3］）。 这就是美国次贷危机后的表现。在微观上，家庭的财务状况直接影响家庭的消费支出、效用水平，以及对生活和社会的满意度；随着年龄的增长和社会老龄化的发展，家庭财务状况也决定了家庭自身对养老支出的承受能力。

在美国2008年次贷危机之后，国际学术界和金融管理部门广泛开展了以微观家庭调查数据为基础的家庭金融研究。Mian和Sufi等的系列文献主要研究了美国家庭住房债务的特征、影响因素以及对大衰退之后经济复苏的影响，这些成果对美国当前的宏观经济政策产生了深远的影响 （Mian 和 Sufi，2010［1］，2011［2］，2015［3］； Zinman，2015［4］； Dunn 和 Mirzaie，2016［5］）。2010年起，欧洲中央银行 （ECB）开始协调欧盟各国开展家庭金融与消费调查 （HFCS），协调并纳入了欧盟各国原有家庭金融和消费调查；并以此为基础广泛开展欧盟各国的家庭金融研究 （Bover等，2016［6］； Du Caju等，2014［7］； Bruggeman 和 Nieuwenhuyze，2013［8］）。

对家庭金融的研究，主要有两条主线，其一是研究家庭财富的分布和决定因素，以及家庭的资产构成等。家庭财富就是家庭的总资产与总负债之差，如：Wolff （2002）［9］，Headey 等 （2005）［10］，Davies 等（ 2011 ）［11］，Wakita 等 （ 2000 ）［12］，Huggett（1996）［13］，Kessler 和 Wolff （1991）［14］，李 实 等（2000，2005）［15-16］的研究。 其二是研究家庭负债的特征、决定因素及其对宏观经济的影响等，这类研究主要是在美国次贷危机之后引起了广泛的关注，并形成了以美国消费金融调查 （SCF）数据为基础的大量文献。 如：Mian和 Sufi等的系列文献［1-3］，Zinman（2015）［4］，Dunn 和 Mirzaie （2016）［5］。 但是这种围绕家庭资产负债表中的单个因素展开的研究有其局限性，特别是在研究家庭资产或负债的决定因素时。

实际上，家庭总资产、总负债和净资产 （俗称家庭财富）是家庭资产负债表中三个相互依存的有机构成成分。首先，家庭净资产等于家庭总资产减去家庭总负债；但家庭总资产并非只是简单地包括净资产，家庭总资产是家庭能够控制的资产。在传统上，家庭被认为只是储蓄和消费部门，不从事生产，其所控制的资产不易带来收入和增值；但随着金融市场和房地产市场的快速发展，家庭理财和投资活动的普遍开展，家庭已经能够运用其控制的资产进行投资或投机而获得收入或资产增值，从而增加其家庭净资产。其次，家庭负债在传统上被认为只是家庭平滑消费的行为，而现在，家庭可能通过负债而获得投资性资产，如融资购买证券，投资性的按揭购房等；家庭负债通过增加总资产而间接地增加家庭净资产。此外，家庭负债也依赖于家庭资产或净资产，如按揭购房、汽车金融和分期付款的各类家庭耐用品消费信贷，都以占有资产为前提而获得负债；同时，家庭越富裕，也越容易获得贷款。因此，随着社会经济的发展、金融市场的进步、家庭投资意识的觉醒，家庭资产与负债之间的依存关系也会更加地显著。但在资产负债统一框架下研究家庭资产负债决定因素的文献却不多。多数文献都是以单方程方法研究家庭净资产或负债的决定因素，如： Van Rooij等 （2012）［17］以单方程方法研究了瑞典的家庭财富的决定因素，重点分析了金融知识对家庭财富的影响；Barba等 （2009）［18］研究了美国家庭负债增长的成因及其对宏观经济的影响；李实等 （2000）［15］、梁运文等 （2010）［19］等均用单方程方法估计以家庭净资产表示的家庭财产函数。也有一些文献运用方程系统的联合估计方法研究家庭资产负债的决定因素，陈斌开和李涛 （2011）［20］首先采用二元probit模型估计了家庭是否拥有资产和负债，然后采用双变量Tobit模型联合估计家庭资产、负债持有规模的决定因素；但该文所用的资产只是金融资产，不包括住房等其他资产，无法反映因住房按揭贷款等而导致的家庭资产与负债之间的相互关系；同时，该文所指的家庭净资产是家庭金融资产与负债之差，并用单方程方法估计其决定因素，无法反映家庭实际净资产及其对家庭总资产和总负债之间的相互联系。Brown 和 Taylor（2008）［21］也用双变量 Tobit模型研究了英国、德国和美国家庭金融资产与负债的决定因素并进行了比较。

由于我国对家庭金融开展系统调查的时间较迟，数据可得性不高，对家庭资产负债成因的实证研究文献还很有限。 李实等 （2000）［15］利用1995年的 “中国城镇住户收入调查”（CHIP）数据估计了城镇家庭总资产的决定函数，重点分析了年龄和教育水平对家庭总资产的影响。梁运文等 （2010）［19］、吴卫星和张琳琬 （2015）［22］、陈彦斌 （2008a，2008b）［23-24］等文献都是利用奥尔多投资研究中心的调查数据。梁运文等 （2010）［19］估计了净资产表示的财产函数，重点分析了年龄、职业、教育、婚姻等因素对家庭净资产的影响；吴卫星和张琳琬 （2015）［22］重点分析了收入结构对家庭财富的影响，发现财产性收入对家庭财富水平具有重要的正向影响。陈彦斌 （2008a，2008b）［23-24］分别对城乡财产分布进行了对比研究，初步考察了中国城乡居民的财产分布状况和城乡居民负财产或零财产的决定因素。

虽然以上国内文献开创性地填补了国内家庭资产负债成因和决定因素、财富分布等研究的空白，但多数研究方法或是初步的单因素考察，或是单方程函数估计，难以综合考虑家庭总资产、总负债和净资产之间相互的影响关系。或者是数据太早，如李实等（2000）［15］使用的是1995年的数据。或者是由于数据样本有限，如梁运文等 （2010）［19］使用的是奥尔多投资研究中心的调查数据，样本总数不足3 000个；陈斌开和李涛 （2011）［20］使用的是国家统计局在 2009年7—8月进行的 “中国城镇居民经济状况与心态调查”，调查范围是12个省市，共5 056个样本。这些数据多数不是专门的家庭金融调查，样本有限，覆盖面较窄；有些调查是一次性的，或时间跨度太长；对于首次或一次性调查，由于调查者经验不足，调查数据的可靠性难以保证。

本文利用中国家庭金融调查与研究中心开展的中国家庭金融调查 （China Household Finance Survey，简称CHFS）数据，综合考虑家庭总资产、总负债和净资产之间的相互依赖关系，运用多变量Tobit模型（Barslund，2015［25］，Kamakura 和 Wedel，2001［26］）构建相互依存的方程系统，联合估计家庭资产负债的决定函数，分析研究家庭资产负债的影响因素。

中国家庭金融调查的抽样设计包括整体抽样方案和绘图与末端抽样方案。每个家庭的调查，通过计算机辅助，入户访问家庭代表性成员。调查内容包括家庭住房资产和金融财富、负债、收入和支出、社会保障和保险、人口特征和就业等。CHFS为研究中国家庭金融问题提供了高质量的微观数据 （甘犁等，2013［27］； Gan 等，2013［28］）。

本文对现有家庭金融文献的贡献主要有：在数据上，本文在目前中国唯一的大规模、持续性的家庭金融调查CHFS2015数据的基础上，构建了规范、完整的家庭资产负债表；在方法上，应用多变量Tobit模型联合估计家庭总资产、总负债和家庭净资产的决定函数。在结论上，笔者发现了一些与已有研究不同的结论，中国家庭资产负债的年龄结构与生命周期理论预期的倒U型结构不同，家庭总资产的年龄分组间差异较小，最年轻家庭分组的总资产水平略少。但年轻家庭的总负债显著高于年长家庭，结果是家庭净资产随户主年龄的增大而增长；高收入高学历家庭存在高负债现象，这反映了我国家庭负债具有较高的投资和投机性成分。这些结论对于深入理解微观经济行为、合理制定经济政策具有重要意义。

本文余下部分安排如下：第二部分讨论家庭资产负债决定的影响因素和实证分析的模型假设；第三部分介绍数据处理过程和数据描述性统计；第四部分是家庭资产负债决定的估计结果分析；第五部分是主要结论与建议和未来的研究展望。

二、家庭资产与负债的决定与模型假设

家庭资产的形成主要有以下三种渠道：一是通过继承、转移而获得，这通常是年轻家庭在成家时，由长辈资助，或在长辈离世时通过继承而获得。二是在家庭收入超过家庭支出的情况下，通过积累而形成。家庭收入包括劳动收入和投资收入等，而家庭收入直接与家庭成员的年龄、健康和智力水平等人力资本因素相关，较高人力资本的家庭能获得更高的收入，从而积累更多的家庭资产。三是通过负债获得资产，如通过按揭购房而获得住房资产，通过汽车金融贷款而获得汽车资产，或者通过分期付款而获得家庭耐用消费品。在该方式下家庭获得资产的同时，也承担了负债，实际上是家庭资产和负债的同步扩张，即资产负债表的膨胀。但对于家庭来说，获得了更多的可支配资产，该资产可能用于消费，提高生活水平，也可能用于投资而获得更多的收入。

传统的家庭消费理论认为，家庭负债的形成是由于个人收入在生命周期内是不平衡的，通过借贷活动以平滑消费，能否实现借贷也与家庭的资产和收入等因素相关。贷出方要考虑贷出资金能否安全收回，通常要求借贷家庭有资产做担保，或有稳定的未来收入作为还款保证。按揭贷款和抵押贷款都是以家庭住房等资产作为还款保证的；信用贷款一般也只给有较高稳定收入的家庭。因此家庭负债的形成也与家庭资产和收入相关。

通常所说的家庭财富是指家庭实际拥有所有权的资产价值，即家庭净资产，它等于家庭总资产减去家庭总负债。如果家庭净资产为0或负值，表明该家庭已经资不抵债，已经陷入财务困境或破产，是一种特殊的家庭财务状况。

由此可见，家庭总资产、总负债和家庭净资产是存在相互决定的关系，研究家庭总资产或总负债的决定因素时，用独立的单方程方法是不合适的。此外，家庭总资产和总负债都不可能取负值，家庭净资产小于或等于零的情况是一种特殊状况，可能由不同的机制决定。此外，总资产、总负债和净资产的分布严重向下偏斜，即拥有较少总资产、总负债和净资产的家庭占绝大多数；且存在一定数量的零总资产、零负债和负净资产家庭。因此，本文将使用对数多变量删失数据mvtobit模型来同时估计家庭总资产、总负债和净资产的决定因素。家庭总资产、总负债和净资产的决定模型假设如下：

其中ah、dh、nh是家庭h＝1，…，nh的家庭总资产、总负债和净资产，不会取负值；而是可以取负值的相应潜变量。εh1、εh2和εh3是服从联合随机正态分布的随机干扰项：

ρij是εhi和εhj的相关系数，如果ρij≠0，表明家庭总资产、总负债或净资产是相互依赖的，联合估计的结果将更有效。相反，如果ρij＝0，说明家庭总资产、总负债或净资产是相互独立的，无须联合估计，只需分别对方程式 （1）、（3）和 （5）进行单独估计。

解释变量的选择主要参考 Brown等 （2008）［21］、李实等 （2000）［15］、梁运文等 （2010）［19］、陈斌开和李涛 （2011）［20］的研究，从户主和家庭收入等家庭特征变量中选择，主要包括户主的年龄、教育、职业、风险态度，家庭的收入、成员健康水平、人口数量等。

年轻家庭如果靠自身积累，通常家庭资产会较少，但随着年龄的增长，经验的积累，职位的提升，家庭收入会增长；通过时间的积累，家庭资产会逐步增加。到达退休年龄之后，家庭收入锐减，原先积累起来的家庭资产需要变现用于维持消费水平，甚至用于支付因年龄原因而需要更多的健康医疗支出。因此，根据生命周期理论和家庭相对独立的假设，家庭资产的年龄分布应是倒U型结构，即中年和成年的家庭资产最多。但在负债方面，年轻家庭由于有更好的预期收入，通常可得到更长的贷款期限，如年轻家庭最长可得到30年的贷款期限；而年长家庭由于预期收入年限有限，可得到的贷款期限也有限，通常可获得的最长贷款期限只有到退休后5年。在同样的还款压力下，年轻家庭可获得更多的贷款。如果贷款是用于购买资产，则年轻家庭的资产也有可能更多。本文对户主年龄进行分段，分为34岁以下、35～44岁、45～54岁、55～64岁和65岁以上5组，作为因子变量 （哑变量）处理，其中65岁以上组为基准组。

户主受教育水平能反映一个家庭的人力资本存量，受教育水平越高的家庭通常会有更稳定的工作、更高的收入，具有更强的投资理财能力，也更容易获得银行贷款等。因此，受教育水平高的家庭可能在总资产、总债务和净资产三个方面都会更高；而受教育水平较低的家庭在总资产和净资产方面可能都会更低，而在负债方面也可能会因为家庭贫困而被动负债。本文将受教育水平分为低学历、中等学历和高学历三类：初中及以下的为低学历、高中及中专的为中等学历，大专以上的为高学历组。其中中等学历为基准组。

家庭成员的健康水平也是家庭的重要人力资本因素。健康状况好的成员可以更好地从事劳动，获得更多的收入；而健康状况差的成员，可能劳动能力受影响，且需要更多的医疗支出，甚至需要其他成员照顾等。根据CHFS的调查设计，调查中会询问每个家庭成员的健康状况，共分5个健康等级，1为很好，5为很差。本文取所有家庭成员健康状况的平均值作为连续变量考虑。

家庭收入越高，通常会有更多的积累，更不需要借债，但在需要借债的时候，也更容易获得贷款。本文考虑家庭持久收入对家庭资产和负债的影响。持久收入是指包含工资等劳动收入、离退休金等养老金收入、金融资产等投资收入，是相对稳定持久的收入，不包含临时性、一次性的补贴，馈赠等收入。将持久收入从低到高分为四个分位数分组 （q1＿inc，q2＿inc，q3＿inc，q4＿inc），其中收入最高的分组为基准组。

家庭居住区域的经济发展水平也会对家庭的资产、负债和财富水平存在影响。经济发展好的区域，会有更多的工作机会，更好的收入，也会有更多的投资机会和家庭融资机会等。本文根据我国传统的分类方法，将家庭所在的省份分为东部、中部和西部三类；同时也考虑了家庭的城乡区别，分为城市家庭和农村家庭，农村家庭为基准组。

户主的风险偏好不仅影响家庭的投资选择，也会影响家庭成员的就业选择。风险偏好高的家庭可能从事一些较高风险、较高收益的投资活动，可能带来财富的增值，也可能导致过度借贷而陷入财务困境等；而风险厌恶的家庭可能会不投资或少投资，更多地持有现金等资产，这类家庭虽然不易陷入困境，但其家庭财富可能更易受到通货膨胀等因素的侵蚀而贬损，而难以形成家庭财富的积累。与风险偏好类似，通常自谋职业者就是一种高风险高收益的职业选择。根据CHFS的调查设计，户主的风险偏好也是设计了5个偏好等级的选择题由被调查者选择，风险偏好最高的是1，最低的是5。自谋职业者包括作家、画家等自由职业者和私营业主等，而非自谋职业者为基准组。

最后，由于中国家庭负债的主要目的是购买住房，因此，家庭是否拥有住房、拥有住房的数量会是家庭负债水平的重要影响因素。本文对家庭总负债的影响因素分析中，额外增加了家庭住房状况，将家庭住房状况分为三类：无房家庭、一套房家庭、多套房家庭，其中一套房家庭作为基准组。无房家庭尚未解决基本生存需要，一套房家庭刚好满足基本的住房需要，而多套房家庭已经通过购买额外的住房进行投资了。

三、数据处理与描述性统计

本文数据来源于中国家庭金融调查与研究中心（CHFS），该中心成立于2010年，从2011年起，每两年开展一次全国范围内的家庭金融调查，2015年已经是第三次调查。本文采用的是CHFS 2015年的调查数据。2015年的调查涵盖了29个省份的363个县 （市），1 439个社区，实际调查家庭37 289个。在数据处理过程中，发现有些样本数据不全或有误，例如：有住房但没有报告住房现值、没有报告年龄，还有少数家庭资产和负债的极端值与资产和负债类别明显不符等情况，通过剔除这些样本后，实际有效样本为35 276个。

家庭资产包括家庭金融资产、住房、商铺、经营性资产、汽车、其他耐用品等资产，各类资产价值由被调查家庭自行报告现值，不愿意报告具体现值的，提供价值范围供选择，最后由CHFS统一转换成具体数值。家庭总资产为以上各类资产总和。家庭总负债包括教育负债、住房负债、医疗负债、金融资产负债、经营性负债以及信用卡和无特定用途负债。家庭净资产等于总资产减总负债。家庭持久收入指劳动收入、退休金、农业收入、工商业收入、金融资产收入、房屋和土地出租收入等各项常规性收入，不包括各类补贴等临时性收入。表1是家庭总资产、总负债、净资产和持久收入的描述性统计。如表1所示。家庭总资产、总负债和净资产的绝对数的中位数严重低于均值，变异系数和四分位数差都很大，即这三个因变量的分布都严重向下偏斜，不能直接用于回归分析。取自然对数之后的分布情况如图1所示。总资产和总负债取值为0～1的对数值都设为0，净资产价值小于等于1的对数值也设定为0，均为下删失数据。三个变量都有下删失数据，总负债最多，为24 891个，净资产的次之，为1 542个，总资产的为171个。如图1所示，排除删失数据之后，三个因变量均大致接近正态分布，适合使用下删失的tobit模型。

表1 家庭资产、负债和收入的描述性统计

续前表

图1 家庭总资产、总负债和净资产的对数分布图

表2是主要因子变量的描述性统计，所有哑变量的均值表示该变量取1所占的比例。家庭的年龄分布方面，45～54岁的家庭数量最多，占26%；占比最少的是34岁以下的家庭，其占比为12%。在学历分布方面，低学历家庭占64%，而高学历家庭只有9%。在居住区域分布上，城市家庭占69%；东部家庭占49%；中部家庭占27%。自谋职业的家庭占比9%。

家庭住房状况的分布表明多数家庭拥有自有住房，拥有多套房的家庭占16%，无房家庭占10%，其余74%为拥有一套房的家庭。

家庭平均健康水平的均值是2.55，中位数是2.5，表明大多数家庭的平均健康水平较好。户主风险偏好的均值为4.25，中位数为5，表明多数家庭的风险偏好水平是很保守的。

表2 主要因子变量描述性统计

四、资产与负债联合决定的实证结果

（一）实证结果分析

模型的多变量tobit回归结果如表3所示。模型通过了 wald＿χ2检验，且ρ12＝ρ23＝ρ13＝0 的零假设也被拒绝；单系数检验的z统计量均高度显著。ρ12＝0.092取正值，表明中国家庭的总资产与总负债是正相关的，即负债越高，家庭总资产也越多，这与我国当前的居民消费信贷以住房信贷为主的特征是相一致的。 该结果与 Brown和 Taylor（2008）［21］的估计结果类似，我国的相关性程度与2000年时的英国相当，小于2000年时的德国和美国的相关程度。ρ23和ρ13的估计结果是一正一负，这与净资产等于总资产减去总负债的逻辑是相符的，即总资产与净资产正相关，而总负债与净资产负相关。因此，用多变量Tobit模型是合适的，该模型有效反映了家庭总资产、总负债和净资产之间的相互决定关系。

由于删失数据Tobit模型各自变量的边际效应不是常数，还取决于各自变量的取值；估计系数不能直接反映相关变量的边际效应。本文根据Greene（1999）［29］的研究方法，表3同时报告了各自变量在指定参考家庭处的边际效应值。该指定参考家庭是所有哑变量取值为0，健康水平和风险偏好取值为3的家庭。以ln（ah）为例，在指定参考家庭处，Tobit模型的期望值函数为：

其中φ和Φ分别表示标准正态分布的密度函数和累计分布函数。对于连续变量，在指定参考家庭处的偏导数，即边际效应为：

若误差项正态分布，在指定参考家庭处，连续变量的边际效应可以用比例因子Φ（β′1Xh／σ）乘以估计参数。对于哑变量，假设Φ（β′1Xh／σ）和φ（β′1Xh／σ）在0和1处取值相同而近似得到，其边际效应也与连续变量相同，都用比例因子Φ（β′1Xh／σ）乘以相应的估计系数。该比例因子就是该参考家庭不被删失的概率。表中ME所列为相应方程的边际效应值。

由回归结果分析，家庭总资产在各年龄分组间的差异较小，而总负债却有较大的差异，家庭净资产的年龄分布不符合生命周期理论预期的倒U型结构。从总资产看，35～64岁家庭的总资产水平较高，高于65岁以上家庭组，最低的是年轻的34岁以下家庭组；总负债是随着年龄的递增而递减；在净资产上，大致表现为年龄越高，净资产越多，65岁家庭组的净资产最高，34岁以下家庭组的净资产最低。这基本上反映了我国近年来房地产价格快速上升，年轻家庭负债购房，老年家庭早期的住房基本没有负债，但住房价值却普遍上升而导致的结果。

表3 家庭总资产、总负债和净资产的多变量Tobit回归结果

续前表

家庭持久收入对家庭资产负债的影响是单调的，不论是总资产、总负债，还是净资产都是随着家庭持久收入的提高而增加。收入对总资产和净资产的正向影响符合预期；但家庭持久收入越高家庭总负债也越高的现象表明，中国家庭负债的主要目的不是平滑跨期消费，而主要是投资或投机。即收入越高的家庭越容易获得贷款用于购买住房等资产进行投资或投机活动。

教育对家庭总资产和净资产的影响符合预期，学历越高的家庭，其总资产和净资产也越多；但对负债的影响却不是单调的，高学历和低学历的家庭都比中等学历家庭具有更多的负债，且高学历家庭的总负债要高得多，分别比中等学历和低学历家庭高75.8%（＝e0.564－1，下同）和51.9%。这表明两类家庭负债目的是不同的，高学历家庭的负债目的可能是投资或投机，而低学历家庭负债可能是医疗、教育等刚需型、生存型负债。

风险偏好与是否自谋职业对家庭资产、负债的影响相类似。风险偏好程度越高 （数值减少），家庭的总资产、总负债和净资产都越高，这验证了关于风险偏好者会有更多的职业选择、投资机会，也敢于借债，通过投资等手段获得收入，会提高家庭的财富水平。但我国的平均风险偏好水平还是非常低的。是否自谋职业对家庭资产、负债的影响也是非常正面的。自谋职业家庭在家庭总资产、总负债和净资产三个方面都远高于非自谋职业家庭，尤其是家庭净资产，自谋职业家庭比非自谋职业家庭高1.56倍，而总资产和总负债大约高93%。这表明自谋职业家庭能够通过较多地负债，控制相应更多的总资产，通过对资产的经营，获得多倍的家庭收入，从而积累多倍的家庭净资产。

居住区域和健康水平对家庭资产、负债的影响也符合预期。东部和城市家庭，由于所处区域的经济发展水平较高，家庭普遍更富裕，均拥有更多的总资产、净资产和更少的总负债；但我国的中、西部之间没有显著差别。健康水平的下降，会减少家庭总资产和净资产，增加家庭总负债。

最后，由于住房贷款是我国家庭负债的最主要目的，宏观数据表明我国个人住房贷款构成了个人消费信贷的绝大部分。1998年至2015年间，我国个人住房贷款余额占个人消费信贷余额的比重平均为82%左右。尽管这一比重自2011年以来有所下降，但仍有70%左右。因此，在家庭总负债的决定方程中增加了家庭住房状况，估计结果表明，多套房家庭的总负债平均要比一套房家庭高1.19倍；而无房家庭的总负债要比一套房家庭平均低59.7%。

（二）稳健性检验

为了检验该回归结果的稳健性，本文采用不同的数据集进行回归分析，比较这些不同的结果，以检验回归结果的稳健性。

表4是使用城市家庭子样本的回归结果。该子样本的回归结果中，除了户主年龄等变量的显著性水平有较明显变化，回归系数特征与表3的主要回归结果没有显著差异，回归系数的符号都一致，所反映的影响特征基本相同，即家庭财富随户主年龄的增大而增大，负债随年龄增大而减少；高收入、高学历家庭有高负债等结论在局部样本中均成立。本文还做了按东部、中部和西部地区分组，以及个别省份的子样本回归，这些子样本回归的结果也都相似 （因篇幅限制，本文只列出城市子样本的回归结果）。有些变量统计显著性的下降主要是由于该变量在相应数据子集中数据样本分布或取值特征变化所致。比如，城市分组中，低学历家庭和第一分位收入家庭的数量很少，该数据特征导致low＿edu、q1＿inc变量在城市分组中家庭负债方程的估计结果不显著。因此，从总体上看，该模型的实证分析结果具有较强的稳健性。

表4 家庭总资产、总负债和净资产的多变量Tobit回归的稳健性检验 （城市家庭）

续前表

五、结论和建议

家庭是社会经济的基本单元，是微观经济行为和决策的核心主体。对家庭资产、负债的决定因素等家庭金融行为的研究，对分析微观金融行为和宏观经济决策都具有重要意义。长期以来，由于家庭微观经济数据的缺乏，对家庭资产、负债等决定因素的实证研究一直相对较少，近年来，随着各国对家庭金融调查的普遍开展，这方面的研究逐渐增多。本文利用CHFS的2015年家庭金融调查数据研究了家庭资产和负债的决定因素。

由于家庭总资产、总负债和净资产是家庭财富的一体三面，且三个变量都具有典型的下删失数据特征，因此本文采用多变量Tobit模型联合估计研究家庭资产、负债的决定因素。实证结果表明三个变量的误差项相关系数显著不为零，且相关系数的符号符合预期，表明用多变量Tobit模型联合估计是合适的，要优于单方程估计。方程系统联合估计的实证研究有以下主要结论：

第一，家庭总资产的年龄分组间差异较小，最年轻家庭分组的总资产水平略少。但年轻家庭的总负债显著高于年长家庭，结果是家庭净资产随户主年龄的增大而增长。这与生命周期理论预期的倒U型结构差距较大。该结论在一定程度上反映了我国近年来年轻家庭过度负债购房，而年长家庭由于早期的福利分房等获得的住房快速升值而出现的现象。

第二，除了低学历家庭会比中等学历家庭有更高的总负债之外，家庭收入和教育对家庭资产负债的影响都是单调上升的，即家庭收入和户主教育水平越高，家庭总资产、净资产和总负债也越高。高收入、高学历的高负债在一定程度表明我国家庭负债存在较大成分的投资投机性目的。

第三，风险偏好和是否自谋职业是两项重要而显著的家庭资产负债影响因素。风险偏好程度越高，家庭资产、负债和财富水平都越高；自谋职业家庭比其他家庭拥有更多的总资产、总负债和多得多的家庭净资产。但我国多数家庭的风险态度很保守，自谋职业家庭比例也较低。

第四，居住区域、健康水平和住房状况也是家庭资产负债的显著影响因素，其影响方向符合预期。经济发达的东部和城市家庭具有显著高的家庭总资产、净资产和显著低的总负债；健康水平的下降会减少家庭总资产和净资产，增加家庭总负债。住房是家庭负债的主要原因，多套房家庭比一套房家庭有显著高的总负债，无房家庭的家庭总负债显著低；但90%的家庭已经拥有一套或多套住房。

年轻家庭的高负债、高收入高学历家庭的高负债，以及风险偏好和是否自谋职业对家庭资产负债的影响特征等实证结论值得在宏观社会经济决策中给予重视。年轻人具有更强的冒险和创新精神，是社会经济活力的重要来源，而年轻家庭的高负债会让年轻家庭承受更大财务压力，消耗年轻家庭的冒险精神和社会经济活力。因此，有必要重视对保护年轻家庭财务健康的经济政策的研究。

高收入、高学历家庭的高负债现象反映了家庭负债具有较高的投资和投机成份。传统上，家庭部门是典型的储蓄部门，当家庭也逐步成为投资主体部门之后，可能已经形成与实体企业竞争投资资金的局面，这对生产型社会会有怎样的影响值得深入研究。

最后，风险偏好和是否自谋职业对家庭资产负债都具有显著的正向影响；但在总体上我国家庭的风险偏好十分保守，这与传统经济理论的风险中性假设具有显著差异；自谋职业家庭的比例也较低。因此，如何培养个人健康、科学的风险态度，鼓励创新创业精神需要家庭教育和基础教育体系给予必要的重视。