中国家庭负债影响因素分析

◎杨卓然

第一章引言

第一节研究背景与目的意义

一、研究背景

家庭负债在居民家庭跨期消费选择中意义重大，对于缺乏足够的金融产品对未来收入和消费进行金融规划的不完备市场的家庭来说，家庭负债无疑是居民家庭平滑各期消费的最重要手段之一。从微观的角度看，适度的家庭负债可以平滑收入，提高家庭的生活质量；而过度负债则会造成家庭的财务压力，导致家庭出现债务危机。家庭负债不仅对家庭自身的生活产生影响，也会对宏观经济活动产生巨大的影响。

同时，近年来随着我国社会主义市场经济的快速发展，居民家庭的消费水平和投资水平也随着家庭可支配收入的增多而逐渐上升，如何引导居民家庭健康有效地管理家庭资产负债，进而实现居民家庭资产的保值增值和通过适度负债来平滑居民家庭消费等，均已变成我国国民经济和社会发展普遍关注的重点问题。

根据目前国内学术界已有的研究来看，针对居民家庭资产配置问题的研究已十分广泛，但对于居民家庭负债管理相关问题的研究却较少。同时，现有对于居民家庭资产负债管理问题的大部分研究都是将居民家庭资产管理和居民家庭负债管理分割开来，单独进行论述和研究，而很少有研究尝试将二者联系起来进行分析。因此，探究居民家庭资产负债管理行为及其影响因素具有重要的理论意义和现实意义。

二、研究目的与意义

本文研究的目的是通过实证分析了解一部分居民家庭资产负债现状，同时对影响我国居民家庭资产负债管理行为的各因素进行分析，合理选择指标作为解释变量，确定影响因素中与被解释变量存在显著相关关系的因素，给出相应的合理解释。最后，结合分析结果，提出本文的研究结论和相关政策意义。

第二节文献综述

自2011年以来，中国家庭部门的债务规模呈现出快速扩张的态势。此外，根据上海财经大学研究院（2017）研究的微观家庭财务数据，由于贷款增加，中国面临流动性限制的家庭比例持续上升，2014年底面临流动性限制的家庭达到44.4%。与家庭资产配置研究的快速发展相比，在这些少数文献中，对家庭债务的研究相对较少，关注的焦点主要是家庭债务行为对社会其他因素的影响和影响家庭债务的因素。王育森（2017）认为，从债务规模来看，截至2016年底，中国家庭债务达到33.4万亿元，同比增长23.6%。2016年，贷款增长和社会融资增长率分别为13.5%和12.。8%。可以看出，中国家庭部门的债务扩张规模很快，增长率明显高于整体社会债务增长的平均水平。

从债务期限结构来看，2016年短期贷款占家庭贷款的比例不到30%，而中长期贷款占71.3%。从借贷目的来看，消费信贷的比例逐渐增加，从2005年的69.5%增加到2016年的75.1%。经营信贷的比例从2005年的30.5%降至2016年的24.9%。在中长期贷款中，消费贷款比例达到84.5%，在短期贷款中，消费贷款的比例为51.7%。（上海财经大学研究院，2017）。

此外，预期因素也会对家庭负债产生影响。家庭未来收入增加，其负债能力增强，可以拥有更多的负债来满足当前消费。在上调预期的情况下，一旦发生意外事件使得未来收入降低，家庭偿债能力将受到极大的影响。Campbell和Cocco认为，家庭负债必须考虑真实利率风险、通货膨胀风险、现在的借款限制和未来借款限制的可能性以及借款能力等。在未来通货膨胀不确定的情况下，名义固定利率抵押贷款的实际资本价值是有风险的。

第二章中国家庭负债现状

第一节中国家庭的负债规模

2008年到2018年间，中国的家庭负债规模从50674亿元上升到540000亿元，增长近10倍。以家庭负债占GDP的比例衡量负债规模，中国家庭负债规模在十年中稳步增长，家庭负债与GDP的比例从2008年的18.05%上升到2018年的60%，较之2008年激增了将近2.3倍，也高于国际上大多数新兴市场国家的平均水平。

按照世界银行的统计资料，从家庭负债增长速度与GDP的增长速度对比来看，发达国家家庭负债增长速度与GDP的增长速度具有明显的同动关系，而我国GDP增长率与家庭负债增长率走势存在一定程度的背离。近十年来，我国GDP增长率稳步上升，而家庭负债增长率总体却呈现下降趋势。因此，我国的GDP虽然增速快，但并非消费主导，中国家庭的消费和消费信贷具有很大的上升空间。

第二节中国家庭的负债结构

从家庭负债的结构看，中国家庭在金融机构的负债以消费性贷款为主，消费性贷款所占比例逐年上升，而家庭经营性贷款所占比例逐年下降。

近年来中国金融机构消费信贷逐年增加，2018年末主要农村金融机构（农村信用社、农村合作银行、农村商业银行）人民币贷款余额169822亿元，比年初增加20002亿元。全部金融机构人民币消费贷款余额377903亿元，增加62709亿元。其中，个人短期消费贷款余额87994亿元，增加19989亿元；个人中长期消费贷款余额289909亿元，增加42720亿元。

?

第三章中国家庭负债影响因素的实证研究

第一节数据、变量及模型选择

我们使用线上调查问卷的形式收集来自中国家庭负债影响因素的有关数据。这项调查贯穿2020年疫情期间的整个寒假，主要调查对象为大学生，共包括233户家庭。

一、因变量的选择

进行家庭负债行为的实证分析时，以中国家庭负债总额（Y）这个指标为因变量，该变量直接体现了家庭负债的总体数值，具有直观性。在调查问卷中，家庭的负债由经营性贷（借）款、房产贷（借）款、家庭生活或其他困难贷（借）款、教育贷（借）款、医疗贷（借）款和其他债务组成。

二、自变量的选择

借鉴 Sebastian 和 Young（2003）、Debelle（2004）、Jacobsen（2004）、Worthington（2006）、Brown和Taylor（2008）等对家庭负债影响因素的研究，本文选取的家庭负债的影响因素主要包括四种：人口统计学因素、家庭资产持有状况、家庭负债状况、以及家庭的消费预期等，具体如下：

第一类因素包括年龄、婚姻、学历等个人统计学特征上，可定义为“个人统计学特征因子”。

性别（gender）。这个指标是性别虚拟变量，当借款人为男性时取值为1，女性为2。借款者的性别不同，其风险厌恶程度可能不同，进而影响借款人的借款选择。

婚姻（married）。这个变量表示借款者的婚姻情况。数据中借款者的婚姻状况有已婚、未婚、离婚、丧偶等四种，分别赋值1、2、3、4。

年龄（age）。同样按照虚拟变量法：沿用问卷选项的分类（18-25、26-35岁、36-45岁、46-55岁、56-64岁或65岁以上）分别赋值 1、2、3、4、5、6。

学历（education）代表被调查家庭户主的教育程度，按照虚拟变量法对被调查家庭户主的教育程度进行了划分：“高中及以下学历”为1；“大专或高职高专”为2；“大学本科”为3；“硕士研究生及以上”为4。

第二类因素在家庭房产和金融资产的持有状况方面有较大的载荷系数，可定义为“家庭资产持有因子”。

房产持有状况。持有房产价值是家庭的房产价值总和，直观表示家庭房产的持有情况。

金融资产持有状况。金融资产持有状况是家庭股票、债券、基金等理财产品的账户余额，和房产持有状况一样按照虚拟变量法依次赋值。

第三类因素可将经营性贷款、医疗借款、家庭生活或其他困难借款和教育贷款归为一类，定义为“家庭负债类别因子”。根据问卷对家庭负债类别的数据，可以构造经营性借款、房产借款、家庭生活或其他困难借款、教育借款、医疗借款五个变量，并按照从小到大依次赋值 1、2、3、4、5。

第四类因素对未来经济、就业形势和未来收入水平的预期方面有关，可定义为“消费预期因子”。并按以下原则赋值：按照虚拟变量法，经济形势预期的回答“对经济形势乐观、悲观、既不乐观也不悲观”分别赋值1、2、3；收入水平预期的回答“对收入水平增加、减少、不变”分别赋值1、2、3；物价水平预期的回答“上涨、下降、无变化”分别赋值1、2、3；就业预期的回答“对就业形势乐观、悲观、既不乐观也不悲观”分别赋值1、2、3。

三、模型选择

为研究家庭负债程度的影响因素时采用以下模型。模型的主要形式为：

其中，Y表示中国家庭负债总额，FAC1表示个人统计学特征因子、FAC2表示家庭资产持有因子、FAC3表示家庭负债类别因子、FAC4表示消费预期因子，为随机项。

第二节实证分析

一、均值分析

1．问卷对象基本信息描述性分析。

本次调研采用网络问卷的调查形式，并未采取随机抽样，因此男女比例差异较大，填写问卷的女性偏多，占总人数的61.4%。其中年龄阶段在25岁以下的人数居多，占总人数的58.8%，25-65岁人数占总人数的32.2%，65岁以上占9%。由于疫情期间无法外出，因此我们只能通过朋友圈转载的方式来获得问卷数据，因此受访群体以未婚大学生居多，这类群体由于在家时间较短，对家庭的经济开支了解较少，因此本次问卷调查的真实性收到了一定的影响。

2.信度分析。

?

问卷的可靠性Alpha系数＜0.7，说明问卷的信度不可靠。分析具体原因，可能是因为进行的是网络问卷调查方式，不知道受众群体的文化程度和填写态度，造成问卷数据的不可靠性。

二、回归分析

1.因子分析。

为找出中国家庭负债的主要影响因素，对问卷进行因子分析。首先，通过观察原有变量的相关系数矩阵及其检验，可以看到其相关系数都均大于0．6，检验值小于0．05，各变量之间线性关系较明显，因此，能够从中提取公共因子，适合进行因子分析。其次，巴特利球形检验统计量为1996.486，P＜0.01，即相关系数矩阵与单位矩阵有统计学差异，适合进行因子分析。最后，KMO值为0．756，根据Kaiser给出的KMO度量标准可知原有变量适合作因子分析，如表4-1所示。

?

公因子方差表示各变量中所含原始信息能被提取的公因子所表示的程度，即变量信息被提取的占比。，“起始”列对原有变量如果采用主成分分析法提取所有特征值，那么原有变量的所有方差都可被解释，变量的共同方差均为1（原有变量标准化后的方差为1）。“提取”列是在提取特征值时的共同方差。可以看到，所有变量的共同方差得值均较高，各个变量的信息丢失都较少。

由表4-3可以看出，前7个因子一共解释了原有变量总方差的76。866%。总体上，前7个因子反映了原有变量的大部分信息，因子分析效果较理想。碎石图用来显示各因子的重要程度，横坐标是因子序号，纵轴表示特征根大小。坡度越陡，对应的特征根越大，作用越明显。一般选取特征根大于1的作为因子，由图4-1可知，我们选取前7个组件作为因子。

?

“旋转”是用来实现因子旋转功能，以便更好地解释提取的因子。选用“方差最大正交旋转”，使各因子的方差差异达到最大，即相对载荷平方和达到最大。经“旋转”后，得到旋转成分矩阵。第一公因子在年龄、婚姻、学历等个人统计学特征上有较大的载荷系数，可定义为“个人统计学特征因子”；第二公因子在家庭房产和金融资产的持有状况方面有较大的载荷系数，可定义为“家庭资产持有因子”；第三公因子可将经营性贷款、医疗借款、家庭生活或其他困难借款和教育贷款归为一类，定义为“家庭负债类别因子”；第四公因子在对未来经济、就业形势和未来收入水平的预期方面有较大的载荷系数，可定义为“消费预期因子”。

2.逐步回归法。

以个人统计学特征因子（FAC1）、家庭资产持有因子（FAC2）、家庭负债类别因子（FAC3）、消费预期因子（FAC4）为自变量，以中国家庭负债总额（Y）为因变量，进行多重线性回归，采用逐步回归法，最终得到个人统计学特征因子（FAC1）、家庭资产持有因子（FAC2）、家庭负债类别因子（FAC3）、消费预期因子（FAC4）4个影响中国家庭负债总额的因素，模型调整后的2=0.68，F=34.185，p＜0.001，故认为4个公因子对中国家庭负债总额的影响具有统计学意义，属于正向影响。得到回归方程

4个维度对中国家庭负债总额的影响具有统计学意义（p＜0.001），分析可知家庭负债类型每变动1个单位，中国家庭负债总额就变动0.474个单位；家庭资产持有情况每变动1个单位，中国家庭负债总额就变动0.364个单位；个人统计学特征每变1个单位，中国家庭负债总额就变动0.319个单位；消费预期因子每变动1个单位，中国家庭负债总额就变动0.277个单位。其中最具有显著影响的是家庭负债类型与家庭资产持有情况，其次是个人统计学特征和消费预期。

第四章结论及政策意义

通过对这些家庭是否持有负债以及持有负债的程度的影响因素的实证分析，得出以下主要结论：。第一，家庭负债类别对家庭负债总额存在影响，且为正相关；第二，家庭资产总额对家庭负债总额存在正向影响；第三，个人统计学特征对中国是否持有负债不存在影响，但对家庭负债程度有显著影响。第四，消费预期对家庭负债总额存在影响。其中，家庭负债类别以及家庭资产总额对家庭负债总额的影响最大。

以上研究的结论有以下几个方面的政策含义：首先，本文的实证分析可知，这一方面说明家庭资产少会制约家庭的负债，导致资源配置的失衡。另一方面说明家庭负债具有一定的杠杆效应。而收入相对较低的家庭实际上资产总额也较低，在这种情况下，没有能力负债的广大中低收入家庭的收入分配和财富增长相对下降，家庭的财富差距进一步拉大。因此，必须改革收入分配制度，增加家庭的收入，特别是中低收入家庭的收入。其次，从描述性分析可以看出，房贷占家庭负债总额的一半多，房产的持有状况对家庭是持有负债的程度的影响非常显著，由于我国家庭财富总额低，而家庭房产占据了大量的资金，导致家庭负债的概率增加、负债的程度提高；房价的上升使家庭住房抵押贷款规模扩大，并导致家庭负债的增加。同时，房贷的上升制约了家庭消费的上升空间，房贷的利息支出减少了家庭财产性收入，不利于我国通过扩大内需促进经济增长。