我国城镇低收入群体财产性收入问题分析

叶林祥,江石艳,李庆海,刘志国

(南京财经大学 经济学院,南京 210023)

一、引言

根据十九大会议精神,我国力争到2020年消除贫困,全面建成小康社会。虽然绝对贫困届时将基本消除,但我国仍然在相当长的一段时间内存在着规模庞大的低收入群体。这些低收入群体的存在,既不利于中等收入群体的壮大和“橄榄型”合理收入分配格局的形成,同时,也不利于扩大内需,实现我国经济的高质量发展。因此,提高低收入群体收入水平不仅是全面建设小康社会和实现全体人民共同富裕的要求,而且也是经济社会健康发展的内在要求。

我国居民收入主要由工资性收入、经营性收入、转移性收入和财产性收入等四个分项构成。从我国城镇居民的收入结构来看,工资性收入仍然是主体,但该部分收入的提升往往难度重重,客观上受到劳动生产率和企业利润的限制,主观上则受到人力资本的影响。同时,低收入群体往往受能力限制也较难获得持续稳定的经营性收入,而转移性收入由于政府政策瞄准失灵而导致“目标偏移”,因此,如何提高低收入者的收入是我们面临的重要难题。财产性收入是我国居民收入的重要组成部分,也是我国居民收入增长、财富积累的重要渠道。相对而言,提升低收入群体的财产性收入对于低收入群体更具有现实意义。主要原因有两个:一是随着中国经济的快速发展和市场化进程的不断深入,居民财产得以不断积累,相应的财产性收入在居民收入比重中的提升将会是未来我国经济发展的一个重要趋势。二是改善和提高低收入者的财产性收入水平具有较大空间。从目前来看,我国居民财产性收入在国民收入中的占比远低于美日等发达国家水平,而且居民财产性收入不平等现象日益严重,对收入差距扩大的贡献逐渐扩大。事实上,党中央也意识到财产性收入对于居民的重要性,譬如十七大首次提出“创造条件让更多群众拥有财产性收入”,十八大又提出“多渠道增加居民财产性收入”,而十九大再次强调“拓宽居民财产性收入的渠道”。那么,我国居民尤其是低收入群体财产性收入受到哪些因素的影响,即受到哪些因素的制约,又有哪些因素会促进居民财产性收入的增加,值得学界深入讨论[1-7]。

关于低收入群体的界定,经济学家主要从绝对标准和相对标准两个角度进行定义。对于绝对标准,又可进一步分为全球标准和国别标准,其中全球性绝对标准作为可以适用于所有国家的标准,以购买力平价转换(PPP)成各国货币标准。譬如,参照世界银行贫困线,Milanovic等认为,低收入群体即为日人均收入12美元以下的群体;Raworth按购买力平价计算,将人均每日支出在10美元以下的家庭视为低收入家庭;Black等对中产阶层进行了定义,并由此推断收入低于贫困线3倍的群体为低收入群体;美国皮尤研究中心将日人均收入10至20美元的群体定义为全球中产阶级,因此收入水平低于10美元的即为低收入群体[8-11]。

在相对标准的定义中,随着时代的变迁而呈现出一定的变化,同时存在一定的地域性差异。譬如,美国皮尤研究中心研究报告中,将低收入群体区间定义为收入中位数67%以下。李实采取全球标准,将全球中值收入60%以下的家庭视为低收入家庭。此外,我国国家统计局采取五分法,将样本人群按照相同20%的比例作为划分各类别收入群体的标准,而非按照收入划分人群,五等分为低收入户、中等偏下收入户、中等收入户、中等偏上户、高收入户[12]。

目前,有关财产性收入的影响因素的研究主要集中在宏观层面或者理论层面的分析,基于微观层面或者实证层面的研究较为缺乏,且主要集中在农户层面。宋玉军把获得财产性收入机会的差异归因于不同地区经济发展水平、不同行业和不同群体收入差距的差异。宋辉和陈亚萍发现农村金融市场的落后、金融工具发展的迟滞,造成农民财产性收入来源单一,再加上财产的缺失和风险意识以及理财意识的不足,农民难以通过丰富的理财产品获得财产性收入。 阮锐钊发现,不合理的收入分配制度使得农民收入较少,能用于投资从而获得财产性收入的收入较少。徐元明和刘远认为,农民土地价值在城乡二元结构的土地制度之下难以得到体现。金丽馥和冉双全认为,农民的知识水平限制了他们获得更多得到财产性收入的机会。宁光杰和王悦侠认为,发现财产、财产性收入和收入之间存在密切联系,财产性收入的增加依赖于财产,而财产的多寡又在一定程度上取决于收入,又反过来影响收入[13-22]。

鉴于农村地区产权方面的特殊性,在此只讨论城镇地区。本文利用清华大学“中国城市居民消费金融调查”数据,着重考察我国城镇居民财产性收入对低收入群体影响,以此为基础对结论进行稳健性检验和异质性分析。与以往研究相比,在以下几方面做出了改进:(1)已有国内文献主要从宏观角度考察居民财产性收入的现状、变动及其影响因素,缺乏基于微观大样本数据的实证分析,本文利用微观调查数据所得结论有效避免了宏观数据固有的理论上的“可加性”问题和计量上的“内生性”问题。(2)已有文献基于农村居民的研究多,针对城镇居民的研究少;基于整体分析的研究多,针对低收入群体的研究多,因此本文对城镇居民及其中的低收入群体的财产性收入进行分析,能够丰富和深化相关研究的内容和层次。(3)已有文献主要关注城镇居民是否拥有财产性收入及其规模,本文则重点考察城镇居民收入结构中的财产性收入占比,分析更加深入,对已有文献形成良好的补充。

剩余部分安排如下:第二部分文献综述,梳理和评价相关国内外文献;第三部分为数据和变量,介绍数据来源、变量的设定和选取;第四部分为计量模型与实证分析,首先构建用于识别我国城镇居民是否为低收入群体,财产性收入占比影响因素以及低收入群体财产性收入占比影响因素的计量模型,然后进行稳健性检验和异质性分析;第五部分总结研究结论,提出政策建议。

二、数据与变量

(一)数据介绍

数据来源于清华大学中国金融研究中心组织的2012年中国城市居民家庭消费金融调研。样本来源于我国全国范围内24个城市,具有较强的代表性。问卷将调查对象界定为经济学意义上的户主,即家庭中掌握经济支配权力的人。因此,在调查过程中,首先对调查对象进行甄别,排除家庭经济活动的非主要参与者和年龄小于25岁的调查对象,从而保证调查数据真实有效。问卷设计包含七个部分:家庭基本信息、家庭金融教育、家庭经济状况、家庭金融行为、金融消费者保护、金融知识、消费习惯和生活态度等多方面问题。在确定各城市子样本后,在非工作时间进行入户访问,最终获得样本3 122份,删除财产性收入占比小于0以及缺失值的样本后,最终获得有效样本3 111份,样本有效率约99.65%。

(二)变量

1. 被解释变量。本文在分析过程中,使用Probit模型,被解释变量Low是二值变量,属于低收入群体取值为1,否则取值为0。2012年全国城镇居民家庭年平均可支配收入为78 181.1元,即月均6 515.1元。按照常用标准,即平均收入的75%为中等收入和低收入的分界线,对我国城镇居民而言,该标准约为4 886.3元。结合微观问卷调研数据,将调查问卷中的月收入5 000元作为低收入群体界定的上限,即月均收入5 000元以下的家庭定义为低收入群体,此时Low取值为1,月收入在5 000元及以上的视为中高收入群体,此时Low取值为0。以家庭月均收入5 000元为标准,对样本进行筛选,在3 111个有效样本中,低收入家庭611户,占比约为19.64%,基本上符合国家统计局低收入群体(20%)划分的相对标准。

财产性收入占比(Rate)也是本文重点分析的一个变量。在调查问卷中,受访户主需要回答:“您家收入中,下列各项收入占全部收入的百分比为多少,没有为0”,答案包括工薪收入、经营性收入、财产性收入、转移性收入,各项收入加总需达到100%。根据调查数据,计算出财产性收入占比的有效数据。在财产包括不动产,也包括金融资产和知识产权等,相应的财产性收入也非常多样化。为了能够使受访者准确回答问题,在问卷中,对财产性收入进行了粗略界定,包括家庭投资股票债券等金融投资获得的收益,或从事房屋出租、拥有知识产权、出售艺术品及其他投资,或将持有的财产转让溢价所获得的收入。

2.解释变量。根据研究主题的需要,我们从数据库中选择户主特征、家庭人口社会学特征、家庭经济学特征以及地域特征等变量,具体可参见表1。

首先是户主的个人特征,主要包含户主年龄、户主性别、户主学历、户主婚姻状况、风险偏好以及社会资本等变量。就户主的学历特征而言,数据库中将其分为初中及以下、高中及中专、硕士、博士等多个层次。为了分析的方便,我们将户主学历特征作了简单的区分,凡是具有大学及以上学历的取值为1,否则取值为0。户主的婚姻状况在调查问卷中主要包含未婚、已婚和其他(离异或丧偶)等三类选项,若回答“已婚”视为已婚家庭,取值为1,若回答未婚或其他视为未婚家庭,取值为0。户主的风险偏好影响到投资理财的方式和财产性收入的来源渠道。我们将愿意为为了得到高额回报而承担高风险和未得到较高回报而实际承担了较高风险的家庭界定为具有明确高风险偏好的家庭,取值为1,而对于不愿意承担风险或只愿意平均风险或低风险的家庭取值为0。社会资本对于户主个人特征来说是一个较为复杂的综合性变量,本文中仅以借贷资金的可得性作为社会资本的代表性变量,凡是认为以借款方式较容易筹集1年期限的10万元资金的家庭界定为社会资本较高的家庭,取值为1,而认为“很困难”“比较困难”和“一般”界定为社会资本量低,取值为0。

其次是家庭人口社会学特征,主要包含家庭的人口规模、家庭负担比、健康状况、社会养老保障等变量。家庭人口主要指居住在一起,经济上在一起共同生活的家庭成员,如父母和子女如果不和受访者的所在家庭在一起生活,并不计算在内。调查问卷中,家庭人口包括“学前人数、上学人数、工作人数、失业人数、退休人数和其他”,家庭负担比=1-(工作人数/家庭人口规模)。工作人数越多,家庭负担就越轻。健康状况取决于被调查人对家人健康状况的认知,选项依次为“良好,一般,较差,很差”,将选择前两个选项的家庭视为健康家庭,取值为1;选择后两个选项的视为非健康家庭,取值为0。由于人们具有较强的预防动机,社会养老保障体系影响到人们的投资选择。养老保障的方式有多种形态,可以国家养老保障,也可以是自己定期储蓄或购买寿险产品,进行长期性投资,或同时以多种形式为个人养老做准备,凡是以任何一种形式为养老做准备的,我们都视为该家庭具有社会保障,取值为1;如果没有任何保障,则取值为0。

再次,家庭经济学特征变量主要包括住房负债、月消费支出、家庭房产价值、风险性金融资产等变量。住房负债是城镇家庭主要债务来源,因购房所担负的未偿债务包括银行贷款和亲友借款两个方面,加总得住房负债。消费支出是收入的函数,某种程度上反映了收入状况。每月消费包括饮食支出、衣着、家庭设备用品及服务、通讯费、交通费、自付医疗保健费用、文化娱乐及应酬费用、居住、赡养支出、子女教育、非储蓄性保险产品、交往用礼金、公益捐赠、买彩票、罚款、政府向居民收取的服务费等。房产价值来源于被调查者自己的市场估价,多套房产的进行加总,构成了家庭的不动产资产。家庭现有的金融资产的状况,包括“现金、股票、基金、借给亲友的款项、存款、债券、储蓄性保险”,这些金融资产的风险程度存在较大差异。一般来说,高收入家庭承担风险的能力较强,相应地配置一些高风险资产,而对于低收入家庭而言,其承担风险的能力较弱,相应地来说,资产配置着眼于回避风险。

最后人们对财产性收入来源也带有一些地域性特征。不同地域文化传统不同,观念存在较大差异。在此我们主要选取了地域和城市类型两个变量。地域变量主要是以东、中、西来划分。变量East表示所在城市位于东部,则取值为1,其他地域取值为0;变量West表示所在城市位于西部,则取值为1,其他地域取值为0。城市类型则是根据2016年《第一财经周刊地级以上城市分级全榜单》,引入是否属于一线城市、二线城市和三线城市的二值虚拟变量。如果属于一线城市取值为1,否则取值为0。

三、计量模型与实证分析

(一)计量模型

结合清华大学调查数据,主要针对两个方面问题进行分析。一方面是城镇家庭成为低收入群体的影响因素有哪些,另一方面是(低收入群体)城镇家庭中财产性收入占比的影响因素有哪些。对于前一个问题,主要采用Probit模型进行分析,模型建立如下:

Low=αx1+βx2+γx3+δx4+ε.

(1)

对于财产性收入占比的影响因素识别,OLS模型建立如下:

Rate=ηx1+γx2+φx3+ρx4+v.

(2)

其中,解释变量包含个人因素X1:户主的年龄(age)、户主性别(sex)、户主学历(edu)、户主婚姻状况(marry)、家庭风险偏好(risk)、社会资本(capital)。家庭人口社会学特征X2:家庭人口数(pop)、家庭负担比(burden)、家庭成员健康状况(health)、家庭养老保障(insurance)。家庭经济学特征X3:住房负债(debt)、月消费支出总额(expense)、家庭房产价值(realestates)、金融资产(financialassets)。地域特征X4:东部地区(east)、西部地区(west)、 一线城市(one)、二线城市(two),ε为随机误差项。

表1 主要变量及描述性统计分析

(二)低收入群体的影响因素分析

为了说明低收入群体的影响因素,我们对计量模型(1)进行回归,回归结果如表2。值得注意的是,采用逐步回归法,对所有样本通过对户主个体特征、家庭人口社会学特征、家庭经济学特征和地域特征进行回归,发现很多因素的方向或者显著性发生了变化,譬如婚姻状况由原来结果(1)中的负向影响转为结果(4)中的正向影响,从而表明引入多变量进行分析的必要性。

表2 是否属于低收入群体回归结果

续表2 是否属于低收入群体回归结果

注：①、②、③分别表示在1%、5%、10%的水平上显著。括号内的数字为P值。

因此,主要针对结果(4)进行说明。研究发现,个体因素中教育和社会资本对于是否成为低收入群体的影响负向显著,即户主受教育水平越高、社会资本越多,成为低收入群体的概率越小。事实上,受教育水平越高,意味着个体在技能、知识、人脉等方面的能力和潜力越高,由此,获得收入的可能性与来源得到提高和拓展,成为低收入群体的可能性自然降低。社会资本越高,除了存在人脉上的优势,在一定程度上也可以看成是一种隐性资本,在信息收集、甄别和传播上均具有一定优势,有利于获得更高收入,成为低收入群体的可能性显著下降。

家庭人口社会学特征:家庭人口数越多则成为低收入群体的可能性越低,而家庭负担比越高的可能性就越高。事实上,家庭人口数越多则家庭具有的人力资源禀赋就越高,在其他条件保持不变的情况下,成为低收入群体的可能性自然明显下降。进一步来看,家庭抚养比的增加,意味着家庭中的抚养比例增加,而从事劳动获得收入的人口比例出现下降,在其他条件保持不变的前提下,成为低收入群体的可能性自然明显上升。

家庭经济学特征,相关变量均表现出显著的负向影响。具体而言,当家庭的收入(用消费作为代理变量)或者资产越高,成为低收入者的概率越低,这也与人们的经验结论相吻合。住房负债越高,成为低收入群体的概率越低,原因在于,住房负债高的家庭,在一定程度上,也意味着房产价值更高,成为低收入家庭的概率更低;此外,城镇居民可以将住房进行投资或者租赁以获得经营性收入或者财产性收入,成为低收入群体的可能性自然下降。

地域特征中,相对于三线城市,一线城市成为低收入群体的可能性显著下降,而位于二线城市的影响正向但不显著,由此表明,一线城市相对于二线或者三线城市的市场机制运行、社会保障体系等方面具有较大优势,成为低收入群体的可能性明显下降,这也符合人们的经验直觉。

(三)财产性收入占比影响因素的分析

我们计量模型(2)进行回归,可以看到对财产性收入占比影响较为显著的因素。表3为对所有样本的财产性收入占比影响因素进行回归的结果,同样采用逐步回归法进行分析,此时亦只对结果(4)进行分析。

就个体因素而言,户主的年龄、户主婚姻、家庭风险偏好对财产性收入占比影响显著。户主年龄越大,财产性收入占比越低,年龄越大在一定程度上表示其金融知识的缺乏,对于财产的投资及管理并没有很多的了解,同时户主年龄越大则往往越为保守,这些都限制了财产性收入的获得。已婚的家庭往往家庭较为稳定,相对于具有一定风险的财产性收入,可能更愿意从其他渠道获得收入(譬如工资性收入等)因此会对财产性收入占比产生负向影响。风险偏好者往往偏向于进行资产投资和管理,自然会显著提高财产性收入所占比重。

家庭人口社会学特征的相关结论中,家庭人口数对财产性收入占比影响正向显著,人口数的增加表明家庭成员可以从更多的渠道获得信息以规避风险获得收益,选择较为合适的投资方式,使财产性收入增加,进而促使财产性收入占比的提升。

此外,关于家庭经济学特征,替代收入的消费、房产价值和金融资产作为财产性收入的来源,他们的增加在很大程度上会使财产性收入占比增加,事实上这些变量往往代表家庭拥有的资产禀赋或者投资收入能力,对于财产性收入占比的增加自然具有积极意义。住房负债的结论比较有趣,即负债的增加反而增加财产性收入占比。事实上,伴随着房价的持续不断上涨,住房已成为人们心目中最为安全和高回报的投资品,住房负债越高,往往在一定程度上拥有的房产价值越高,那么城镇家庭通过出租等形式获得房租的可能性就越高,自然提高了财产性收入的占比。

在地域特征上,东部地区表现出了显著的负向影响。东部地区为经济较发达地区,按道理是财产性收入相对较高的地区,但同时,东部发达地区其他收入相对较高,加上财产性收入普遍较低的状况,即使在地区上有较为明显的优势,与收入基数相比可能并不占优势,因此会对财产性收入占比产生负向影响。

(四)低收入群体财产性收入影响的因素分析

表3 财产性收入占比回归结果

续表3 财产性收入占比回归结果

注：①、②、③分别表示在1%、5%、10%的水平上显著。括号内的数字为P值。

低收入群体之所以收入水平较低,影响因素一定是多样的,本文仅从财产性收入的角度进行分析。我们利用计量模型(2),仅针对那些低收入群体的财产性收入占比进行分析,以观察影响因素差异性特征,具体结果参见表4。在所有样本中,月均收入低于5 000的家庭有611个。在此基础上,进行回归,回归结果上呈现出较大差别。大部分显著性影响因素都消失,只剩下户主年龄和金融资产。

究其原因,对于低收入群体而言,鉴于家庭资源禀赋较为有限,通过市场化方式获得财产性收入的方式和可能性变得微乎其微,某些在一般人群中可能起到重要影响的因素变得不再重要。进一步来看,年龄对低收入者财产性收入占比呈显著负向影响,金融资产呈现显著正向影响,这也符合人们的经验直觉。

表4 低收入群体财产性收入占比回归结果

续表4 低收入群体财产性收入占比回归结果

注：①、②、③分别表示在1%、5%、10%的水平上显著。括号内的数字为P值。

(五)稳健性检验

为了检验结论的稳定性,我们尝试改变某些变量的定义来分析家庭成为低收入群体、财产性收入占比以及低收入群体财产性收入占比影响因素进行分析。首先,将风险偏好的定义进行调整,即将回答“只能承担平均风险而接受平均回报”的家庭归入风险偏好家庭,进而构建二值虚拟变量risk1,风险偏好家庭赋值为“1”,非风险偏好型家庭赋值为“0”;其次,将社会资本的高低变量替换为原始的社会资本变量;最后,将家庭负担比替换为家庭劳动比,家庭劳动比=工作人数/家庭人数。

研究发现,无论是单独替换某一变量,还是同时替换这三个变量,三个问题的相关结论几乎并未发生明显改变,由此表明估计结果是稳健的。

(六)异质性分析

异质性分析在本文中主要从户主性别和城市类型两个角度来进行考察。首先,本文按照户主性别进行异质性分析。从分析中我们可以发现,财产性收入占比影响因素在男女分组中呈现不同的结果。譬如,年龄对女性财产性收入占比有显著负向影响,已婚男性财产性收入占比更低。风险偏好、金融资产对女性组具有显著正向影响,而男性组相关结论与之并无差异。另外,与女性组不同的是,家庭人口数、消费、房产价值对男性组的显著正向影响。在男性组表现出的较多的显著影响因素,在很大程度上体现了男性在家庭经济中的主要地位。由此表明,户主的性别差异在一定程度上影响到财产性收入占比。

为了考察城市类型差异导致的结果差异,我们分别对一、二、三线城市进行回归。从回归结果来看,一线城市和二线城市财产性收入占比显著性影响因素较少,三线城市财产性收入占比影响因素较多。同时,可以发现除年龄及金融资产对一、二、三线城市都具有显著影响外,不同类型的城市影响因素都存在一定的差别,简便起见此处不再赘述。由此可知,在推动不同地区居民财产性收入的增长,不可制定“一刀切”的政策,应该根据当地实际情况,制定有针对性的政策,否则不仅不会推动财产性收入的增长,甚至可能起到反面效果。

五、结论与政策建议

本文采用清华大学中国金融研究中心2012年中国城市居民家庭消费金融调研微观数据,对我国城镇居民是否成为低收入群体以及(低收入群体)财产性收入占比的影响因素进行识别,以此为基础进行了稳健性检验和异质性分析。

对于是否成为低收入群体,研究发现户主已婚和家庭负担比越高对成为低收入群体的影响正向显著,教育水平、社会资本和家庭人口数的影响负向显著,家庭消费、房产价值、金融资产以及住房负债都呈现负向影响。此外,位于一线城市、东部地区以及西部地区的家庭成为低收入群体的概率显著下降。

对财产性收入占比进行回归发现,年龄越大,财产性收入占比越低,已婚家庭,财产性收入占比较低,东部地区财产性收入占比较低。家庭经济学特征、风险偏好、家庭人口数对财产性收入占比影响显著,呈正向影响。如果仅对低收入群体的财产性收入占比进行回归,研究发现仅有年龄和金融资产分别存在负向和正向显著影响,结论之间存在较大的差异。

鉴于以上结论,提出如下政策建议:

首先,提高低收入群体知识素养,增强投资理财观念。从回归结果来看,金融资产以及家庭经济学特征对是否属于低收入群体以及(低收入群体)财产性收入占比的影响显著,需要增加实用性经济金融知识教学,普及投资理财知识,丰富教学内容,弥补投资理财知识缺口。对于一些配置外汇资产的家庭必须注意国际经济风险,尤其是美国主权债务风险,美元指数波动会造成投资者资产大幅波动,产生巨大风险[23]。

其次,针对年龄对是否属于低收入群体以及财产性收入占比始终表现出的显著负向影响,应对老年人进行适当引导与保护。通常情况下,老年人的思想都比较保守,也缺乏必要的知识储备和风险甄别能力,很少有机会去活用手中的财产使之升值,同时欺诈老年人的行为在很大程度上也阻碍了老年人获得财产性收入的可能性和积极性。所以,要提高低收入者的财产性收入,需要对一定年龄阶段的人进行教育以及引导。

最后,需要加强税收调节与管控,从房产价值以及住房负债描述性统计结果来看,存在房产上的巨大差距,为避免出现“马太效应”,应对拥有较多投资性房产的居民征收房产税,以尽量促进起点公平。同时,财产作为财产性收入的来源,通过获得的财产而得到的财产性收入应当收取一定的遗产税。