金融素养与家庭风险资产投资决策——基于CHFS 2017年数据的实证研究

罗文颖，梁建英

（1.对外经济贸易大学 金融学院，北京100029；2.河北经贸大学 数学与统计学学院，河北 石家庄050061）

一、引言

近年来，中国经济一直保持着快速稳定增长，城镇居民家庭户均总资产达到317.9万元，净资产达到289万元①数据来源：中国人民银行《2019年中国城镇居民家庭资产负债情况调查》。。党的十九大报告提出要深化金融体制改革，增强金融服务实体经济能力，提高直接融资比重，促进多层次资本市场健康发展，拓宽居民劳动收入渠道和财产性收入渠道。因此，进一步鼓励和引导中国家庭积极合理配置家庭金融资产是对国家政策的积极响应，对提升我国人民群众的生活质量和幸福感有重要意义。西南财经大学中国家庭金融调查与研究中心自2009年开展工作以来，每两年进行一次中国家庭金融调查。其2017年的调查问卷结果显示，我国居民对金融市场的参与深度不足，在4万多个样本家庭中，参与投资主要金融资产（包括股票、债券、基金、理财产品）的比例仅为12.4%②数据来源：根据西南财经大学2017年调查问卷数据计算所得。。受访者在问卷中的金融知识评估部分得分普遍较低，说明我国居民金融素养水平有待提升。

资产配置是家庭金融领域的重要研究课题，起源于Markowitz（1952）、Tobin（1958）的金融资产投资模型，Merton（1971）在此基础上提出了简单劳动收入模型，将资产配置理论向家庭资产配置理论延伸。传统理论未关注家庭财富以外的细节，后续学者在实证中纳入新的变量进一步分析，这些变量主要集中在市场不完备性与投资者的非理性两方面，前者包括一些无法规避的背景风险以及投资的客观限制等因素，后者包括投资者的金融素养、风险态度以及投资心理等因素。

金融素养与家庭金融决策的相关问题很早就引起了国内外学者的重视。我国的金融市场与家庭投资行为尽管与国外有所差异，但在研究中却得到了一致的结论，即金融素养的提高有利于促进家庭进行股票投资。进一步地，国内学者在以中国家庭为对象进行研究时发现，金融素养对于风险资产投资占总金融资产的比重呈现先促进后抑制的倒U形关系，但对其作用机制却解释不足。此外，目前的研究对于金融素养的衡量尚未达到统一。因此本文利用西南财经大学中国家庭金融调查与研究中心最新披露的调查数据，完善金融素养指标的度量方法，进一步探究金融素养对风险资产投资的影响作用及造成该影响的原因，并提出针对性政策建议。

二、文献综述及理论发展

家庭资产配置是家庭金融研究的一个重要问题，它起源于Markowitz（1952）、Tobin（1958）的金融资产投资模型，其后Sharpe（1964）、Samuelson（1969）、Merton（1969）将模型推演至多期，资产定价总体均衡模型得到重要发展。资产配置理论向家庭资产配置理论过渡的一个重要变革是Merton（1971）提出的简单劳动收入模型。后续重要拓展是Bodie，Merton and Samuelson（1992）提出的投资者可以选择何时停止工作的假设，即退休日期外生假设。传统理论的局限性在于同质化思维，David McCarthy（2006）指出，资产组合理论为解决整体资产分配问题服务，假设对于不同的投资者存在唯一的最优风险资产配置比例，并未具体聚焦于家庭财富以外的细节。后续文献多从实证角度纳入其他变量对资产配置问题进行分析，总体包括市场不完备性与投资者的非理性方面。市场不完备性表现在：第一，存在收入风险（何兴强，2009；陈莹，2014）[1-2]、健康风险（雷晓燕，2010；吴卫星，2020[3]）、死亡风险（邹小芃，2019）；第二，存在投资组合限制，因为贷款违约风险无法完全规避（何秀红，2007；段军山，2016；吕学梁，2017）；第三，存在交易成本，如Hu（2005）、尹志超等（2014）将房产变量纳入模型。投资者非理性表现为：存在金融素养、投资者心理（乔海曙，2019；曹扬，2017[4]；周雅玲，2017；胡振，2016[5]）、风险厌恶（Carroll，2002；Haliassos and Michaelides，2003）等因素。

学界公认对金融素养定义为理解货币价值及利用货币使其福利最大化的能力。许多机构及作者对金融素养解读不同，但内在含义类似。美国金融素养及教育委员会（The United States Financial Literacy and Education Commission）在2007年、OECD在2013年分别指出金融素养是利用金融知识管理金融资源进而实现金融福利最大化的能力和意识。Delavande等（2008）将金融素养作为人力资本的一部分实现了对金融素养的正式理论建模。他假定金融素养是额外风险资产投资的前提，根据规模报酬递减的Cobb-Douglas生产函数，构建了退休前与退休后的两阶段资产选择模型，用以探究金融素养变量对最优退休储蓄、资产组合的影响。Jappelli和Padula（2013）将该模型改变为动态模型，将金融素养视为内生变量，假定家庭储蓄投资的收益率是金融素养的指数函数，提出金融素养投资收益率取决于金融教育的物质、时间投入。Lusardi等（2017）在此基础上引入消费者收入与健康风险、寿命长短、股市风险等不确定性因素，构建了一个以追求效用为约束的消费者生命周期随机模型。

金融素养与家庭金融决策的相关问题很早就被专家学者所重视。Lusardi and Mitchelli（2011）[6]指出许多家庭甚至不熟悉最基本的与储蓄投资决策相关的金融知识，而金融素养相对较为薄弱的群体是年轻人、老年人和女性。金融素养与家庭福祉关系的研究有很多，低层次金融素养与过高家庭债务[7]、较低健康与不充足的退休计划有密切联系。Chen and Volpe（1998）以学生为研究对象，指出低金融素养的学生制定有效金融决策的能力较差，犯错概率较高。Mavrinac and Chin（2005）[8]指出对于多数群体，金融知识的缺乏而非收入的匮乏是高额债务和破产的来源，低程度的金融素养导致难以理解基础金融知识及制定交叉金融决策如借贷决策与退休规划。较高金融素养会提高个人投资储蓄的机会、摆脱高额债务、量入为出。Cole，Sampson and Zia（2009）[9]指出在发展中国家，金融素养是储蓄、贷款和保险业务需求的有力预测指标。因此较好的金融素养能够让个人更好地处理经济信息，制定与财富积累、债务相关的稳妥的短期、中长期金融决策并减少破产风险，更好地获得财政支持[10]。

大量对于金融素养与投资决策研究的经典文章以美国家庭作为研究对象，也有对其他国家的研究如荷兰、日本、加拿大、瑞士和澳大利亚。对中国家庭分析的经典文献中，吴卫星和吕学梁（2013）[11]发现，中国居民家庭的资产配置与发达国家存在明显的不同，中国居民家庭房产的参与率和份额都非常高，而股票和基金的参与率和份额相对比较低。

以中国样本作为研究对象的同领域文章得出的结论与传统结论一致，即认为金融素养的提高会促进家庭进行股票投资。此外，金融素养对于风险资产占总金融资产额的比重呈现先促进后抑制的倒U形关系。如贾宪军（2020）[12]提出，金融知识水平较低区域，金融知识的提高将促进居民购买理财产品，但当金融知识水平达到一定程度之后，其进一步的提升反而降低了参与程度；周弘等（2020）[13]指出金融素养的提高能够对不同风险态度家庭的风险资产配置行为起到显著促进作用，并且在表现为风险偏好的家庭中，这种促进作用效果更为明显；彭倩等（2019）[14]指出投资经验与投资组合的多样化、分散化之间的关系为倒U形，投资年限超过4.8年的投资者可能由于过度自信导致投资组合有效分散化不足，而陈彩虹和索婧（2018）[15]的研究支持了这一点。

但现有文献对此关系的探查尚有如下不足：第一，现有文献多从金融素养的工具变量即金融教育角度出发，探究其对投资决策或投资占比的影响，并未直接从金融素养变量入手；第二，对于风险资产投资的定义仅仅局限于股票，投资占比变量也大多集中在股票投资占比上，而未探究风险资产投资整体或其他风险资产的影响因素；第三，对于家庭金融的研究需要考虑时效性，而现有研究大多集中在2015年及之前的数据；第四，对于倒U现象的解释尚有不足。

因此本文通过采集西南财经大学中国家庭金融调查与研究中心2019年11月29日公布的最新统计数据，通过主成分分析法和因子分析法设计金融素养评价指标，探究金融素养对各类风险资产投资决策、占比的影响，验证现有结论，同时提出可能造成倒U形的原因，具有一定创新性。

三、数据来源及指标设计

（一）数据来源

本文所用数据来源于西南财经大学中国家庭金融调查与研究中心开展的2017年家庭金融调查（CHFS，China Household Finance Survey）。问卷覆盖29个省区市（不含港、澳、台、西藏、新疆）的40011个家庭，包括沿海与非沿海，经济发达、较发达与发达水平一般的城市；逾2000道题设涵盖人口统计学特征、资产与负债、保险与保障、支出与收入、金融知识、基层治理与主观态度等方面，具有一定全面性和代表性。

（二）指标设计

1.被解释变量

本文的被解释变量主要包括风险资产投资的有无及各风险资产占金融资产的投资比例。

现有实证文献主要将股市参与问题作为风险资产投资与否的代理变量，贾宪军等（2019）[16]指出，“由于股票是金融市场主要的风险资产之一”，故采取股市参与是很好的替代指标。该数据处理方法可见于李涛、郭杰（2009）[17]、尹志超等（2014）[18]、贾宪军（2019）等的文章中，即对家庭是否投资股市进行判断，若存在股市投资，则记为1，否则记为0。股票虽然是重要的风险资产，但在我国资本市场不断发展、金融产品不断完善的今天，仅仅将股票作为全部风险资产有无的替代指标会低估风险资产的实际投资水平。故本文将被解释变量中的风险资产划分为四类：股票、理财产品、基金与债券。同时设置风险资产的整体判断指标，即是否投资上述四类资产的至少一种。值得注意的是，债券资产的风险与其他资产略有不同，不同发行主体所对应的违约概率有所区别，国债的投资风险远小于企业债、金融债。而在逾40000个样本家庭中，绝大多数债券持有者仅持有国债，持有非国债资产的投资主体仅有19个家庭，且投资数额相对国债投资额较小，故债券数据代表性不足，因此被解释变量调整为股票资产、理财产品资产、基金资产与整体风险资产判断指标。

投资比例问题是投资决策有无的深化，其指标为上述三类资产的具体数额占总金融资产的比例，若未持有该类金融资产，则记为0，若该家庭完全未持有任何金融资产，则相应数据记为空值。吴卫星等（2014）[19]将总金融资产定义为现金、银行存款、外汇、股票、债券、期货、基金、理财产品、借出款、做生意占用资金、住房公积金、保险金、收藏品、向企业或其他经营活动的投资、自有房屋的总和。周雨晴、何广文（2019）[20]将金融资产划分为无风险金融资产和风险金融资产，其中无风险金融资产包括社保账户余额、现金、存款和债券等；风险金融资产包括股票、基金、衍生品、理财、外币资产和黄金等。本文按照调查问卷设计的分类，将金融资产分为：活期存款、定期存款、股票、基金、金融理财产品、债券、衍生品、非人民币资产、贵金属、其他金融资产、现金和借出款12项。

2.解释变量

本文的重要解释变量是金融素养。在经典文献中，衡量金融素养通过直接测定法与间接衡量法来实现（如表1所示）。

表1 过往文献对金融素养的测度方法

对于间接衡量法，学者常用金融教育或在岗培训变量作为金融素养的工具变量，其缺点是：第一，大量文献用金融教育时长来核定金融教育产出，对各培训机构及教师能力、学生学习能力无法准确测度；第二，金融素养属于教育产出，金融教育属于教育投入，即便存在多方面的教育投入指标来评定教育投入变量，但如此也忽略了金融教育或在岗培训变量与金融素养的转化关系，即学习效率因素；第三，教育产出变量不易度量，一个很好的教育产出变量是最高学历或学位，但一方面存在学科差异，例如经济学学位与其他学位的本科毕业生金融素养往往不同，而对此做详细划分的问卷较少，另一方面即使缺乏在校学习经历，生活阅历也是金融素养提高的重要途径。故现有文献更多采用直接测定法来衡量金融素养。同时，一些文献也选择忽略中间环节而探究教育对资产配置的影响。

对于直接测定法，现有文献主要采取设置主客观问题的方法，将得分直接加总，或通过因子分析和主成分分析等方法来构建金融素养指标，如表1所示。直接加总法将各个问题的答案进行整理，正确为1，错误为0，能够保证金融素养总体次序不变；因子分析或主成分分析法则保留特征值大于1的因子，通过各因素与原答卷实际答题情况的线性相关性进行信息整合，更具统计学的严谨性。

一些文献侧重于主观问题，如受访者对于主要金融产品的了解程度自评，孟德锋等（2019）[21]在研究中加入了对储蓄保险产品的了解程度。根据受访者对各类金融产品的了解程度自评打分得到金融素养指标，侧重于观察消费者对投资、贷款和储蓄产品的了解情况，但不同消费者对于了解程度的标准划分有所不同，结果会受到主观认知影响。也有学者选择采用客观问题来衡量受访者的金融素养水平，这些问题集中在利率、通胀率以及风险认知等方面。如尹志超等（2014）、周弘等（2020）和贾宪军（2020）根据利率计算、通货膨胀理解以及投资风险认知等3个问题来衡量金融素养；陈姿、罗荷花（2019）[22]做了增加和细化，将银行利率、风险收益、金融产品风险、通货膨胀的认知以及存款单利和复利计算等6个问题作为测算基础；彭倩等（2019）也采用5个与专业金融素养相关的客观题进行测算。一些学者也将主观金融素养和客观金融素养同时作为关注的变量，如胡振、臧日宏（2017）[23]分别对主、客观金融素养进行评分，但二者并非完全割裂，分开计分无法准确衡量样本家庭的实际素养。

因此，本文从西南财经大学2017年所做的中国家庭金融调查问卷中选取了较能反映消费者金融知识和素养水平的总计11个问题，同时包含中国家庭金融投资者对于自身金融素养的主观评价和金融知识的客观体现，是一种比较全面的测度方式。本文以受访样本对11道问题的回答情况为基础，主要采用主成分分析的方法进行回归，同时采取得分加总与因子分析的方法作为稳健性检验的内容。本文用来构造金融素养指标的相关问题及得分处理方法如表2 所示。

表2 金融素养指标的相关问题及得分处理

为使得各个问题的权重相等，将h3101和h3110两道问题的得分除以5，即满分为1。再将11道问题的得分相加，作为受访者金融素养的最终得分，此为简单加总法。

主成分分析法下数据检验情况如表3所示①由于篇幅有限，仅陈列主成分分析数据检验情况，因子分析数据未予列示，可向作者索取。。

表3 KMO和巴特利特检验结果

由于检验p值为0.000，故数据通过了巴特利特球形度检验，即相关系数矩阵不是单位阵；KMO值大于0.60，故数据适合进行主成分分析或因子分析。主成分方差贡献率分布如表4所示。

表4 主成分方差贡献率分布

参照陈军、杨玲玲（2014）[24]、尹志超等（2014）[25]对金融知识测评的研究，公共因子的累积方差贡献率达到60%以上即可有效涵盖大部分信息，且由表4可知，4个成分的累计贡献率为65.26%，可反映多数信息。图1是显示各因子重要性的碎石图，位置靠前的部分说明特征值大，解释的方差大，后面平坦的部分意味着特征值小，解释的方差也小。

图1 主成分分析碎石图

由此可知，宜采取4个成分进行数据处理。

原变量与成分的相关系数为因子载荷，系数矩阵的逆矩阵与因子载荷之积为某一项因子得分系数，原变量与得分系数之积为因子得分。参照尹志超和张号栋（2017）[26]的处理方法，金融素养的最终得分由因子载荷对其方差解释程度进行加权得出。

同理得出该数据适宜用两因子进行处理。

3.控制变量

本文重要的控制变量是风险厌恶、幸福感和信任变量②风险厌恶、幸福感和信任变量分别来源于问卷的h3104和h3514和h3380三个问题，对于风险厌恶的题设是“如果您有一笔资金用于投资，您最愿意选择哪种投资项目”，选项中由“高风险高回报项目”到“平均风险、平均回报项目”再到“不愿承担任何风险”等共5档，在统计时分别列为“风险厌恶程度低”到“厌恶程度高”；对幸福感的测定的题设是“总的来说，您现在觉得幸福吗”，其选项分别为“非常幸福”“幸福”“一般”“不幸福”“非常不幸福”，故幸福程度分别设置为5—1分；信任因素的题设是“您对不认识的人信任度如何”，其选项分别为“非常信任”“比较信任”“一般”“不太信任”“非常不信任”，相应评分时，分别将信任变量设置为5—1分。，此外，本文考虑了家庭的人口社会学特征等公认影响风险资产投资的控制变量，它们分别是：户主性别、家庭成员数量、户主年龄、户主健康状况、户主受教育程度、户主父母受教育程度、配偶受教育程度、职业、家庭总资产、家庭收入、家庭消费、房产市值、户口性质、居住地等变量，各变量设置可分为家庭特征与人口特征两类。

（1）家庭特征。家庭特征包括家庭成员数量、家庭总资产、家庭收入、家庭消费、房产市值、居住地、户口性质等变量。家庭成员数量是指常住人口（hhmem）。家庭总资产、家庭收入、消费、房产市值变量由于数值较大，为减少回归误差，采取对数处理方法（ln_asset ln_income ln_cons ln_mktppt）。居住地变量做两类细分：其一为农村与非农村变量（rural），若家庭居住在农村，则值为1，其余为0；其二是居住地地理位置（region_east，region_mid），若家庭居住在东部地区①根据国家统计局公布的指标，中国的地区分布如下。东部：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南；中部：山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部：内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆。，则第一个变量设置为1，第二个变量表示若居住在中部地区为1，其余地区为0。户口性质（resi_head）是指户主户口是否为农村户口，若为农村户口，则设置为1。

表5 变量的含义及描述性统计

（2）人口特征。人口特征包括性别、年龄、受教育程度、职业等变量。性别变量（gender）男性为1，女性为0；年龄变量（age）采取户主的在统计期（2017年）的实际年龄为准；教育程度变量考察了户主本人、母亲、父亲及配偶的教育程度，这是因为金融知识作为教育的产出之一，可能受到主要家庭成员的教育程度的影响；职业变量为户主本人的职业。

各变量如表5所示。

四、实证检验

（一）金融素养与风险资产投资决策

1.模型设定

在实证中，由于其被解释变量取值为0—1二值变量，且不存在数据截断现象，风险资产投资决策制定与否的问题常用Probit模型表示。

被解释变量二值设置为：

其表达式为：

其中Y表示风险资产投资决策，FK表示金融素养变量，X表示其他控制变量。现有文献集中于对股票投资决策的判断，而缺乏对其他风险资产市场投资的相应评判，故改换Y变量得到其余表达式，riskasset表示风险资产投资决策，stock表示股市投资决策，fin_pro表示理财产品投资决策，fund表示基金产品投资决策。

在本部分，为避免结果的偶然性，同时加入同为二值结果模型的Logit模型与OLS模型的回归①由于篇幅限制，Logit模型与OLS模型的稳健性检验结果未予列示，其回归结果与Probit模型基本一致，读者如果有需要可向作者索取。。

2.回归结果与分析

金融素养对风险资产投资情况的Probit模型回归结果如表6所示。第（1）—（4）列分别是主成分分析法下金融素养对风险资产投资决策、股市投资决策、基金产品投资决策和理财产品投资决策的回归结果，（5）—（8）列是因子分析法下金融素养对各因变量的回归结果，（9）—（12）列是直接加总法下的结果。

在众多模型中，稳定表现为显著的变量是房屋市价、家庭成员数量、年龄、户主教育程度、配偶教育程度、户主户口、幸福感、风险厌恶和金融素养。

控制变量中，显著为正相关的变量有教育程度、资产对数值、收入对数值与消费对数值。一般来说，户主与配偶共同做出家庭投资决策，而受教育程度会影响人们的认知水平和决策行为，户主和配偶的受教育程度均对风险资产投资决策有显著正向影响，尽管其对于股票、基金和理财产品投资的影响稍有差异；资产、收入和消费的对数值在三个计量模型下对各因变量的影响一致为正，资产和收入越高，家庭可用于风险资产投资的财富越多，进而投资概率越大。消费对于风险投资的正向影响可以逆推理解，家庭消费数值越大，其创造财富来满足消费的动机越强，而风险资产投资即为增加家庭财富的渠道之一。显著呈现为负相关的变量有房产市值、家庭成员数量、户主户口、幸福感与风险厌恶。对中国家庭而言，房产是财富的重要组成部分，房产市价高，则会降低家庭投资者从金融市场渠道赚取财富的需求，较高的幸福感也会产生类似的影响。家庭成员较多意味着赡养长辈或抚养子女的压力增加，这会强化风险厌恶程度，减少风险资本市场的参与。农村户口居民相对城市户口居民来说，接受金融知识或市场信息的机会较少，因此户主农村户口对风险资产投资的影响为负。年龄变量对风险资产投资决策的影响呈现先促进后抑制的情况，这与经典理论相一致。健康变量在各个模型中对被解释变量的影响均不显著，这可能是因为受访者在问卷中的自评健康程度与真实身体状况不完全一致。

对于主要观测变量金融素养，无论是对风险资产投资还是各项资产投资，其影响均在1%的显著性水平下显著，可以认为金融素养的高低影响了风险投资决策；从符号上，各回归系数的估计值均为正值，这说明金融素养的提高会提高投资风险资产的概率，而概率提升的估计值因各个模型的不同而有所区别。

由于多个模型在不同的金融素养评定标准下均呈现显著的同向关系，故金融素养对风险资产投资决策具有促进关系的结论具有一定稳健性。

Probit模型中金融素养指标对风险资产投资决策影响估计系数如表7所示。在主成分分析法下，金融素养每提高一个单位，将会分别提高风险资产、股票、基金、理财产品的投资3.42%、2.04%、0.987%和3.17%的概率；因子分析法下和直接加总法下对应数值相对较小但也高度正向显著，因子分析法下分别为2.66%、1.69%、0.625%和2.39%，直接加总法下分别为2.51%、1.45%、0.907%和2.41%。而平均看来，金融素养对股票、基金、理财产品投资的边际效应约为1.73%、0.84%、2.66%，每单位金融素养的提升将使得总体风险资产投资概率增加2.86%，且这些关系在1%的显著性水平下成立（基金市场为5%显著性水平）。概率的提升具有累积效应，若直接加总法下金融素养水平提升10个单位，则总体风险资产投资概率将会提升25.1%。

表6 金融素养对风险资产投资决策的Probit回归结果

由此可知，金融素养会促进投资决策制定的结论在2017年的样本中也适用。

表7 金融素养对各被解释变量的回归系数

（二）金融素养与风险资产投资占比决策

上文已验证金融素养对总体风险资产投资决策以及各主要风险金融产品投资决策的影响，接下来进一步研究金融素养对风险资产投资占比的影响问题。

由于被解释变量中存在大量0值，存在数据截断特征，因此选用Tobit模型估计，表达式如下：

其中Yi表示每个个体投资风险资产占其持有金融资产的比重，Xi为各解释变量与控制变量。

回归结果见表8。由回归结果可知，主要解释变量金融素养在三种分析法下均表现出对风险资产相对总金融资产投资占比指标的高度显著正向相关。在模型中加入金融素养的平方项后，一次项对风险资产投资比例仍为显著正影响，而相应二次项的影响却为显著负向，这说明金融素养对于风险资产投资占总金融资产的比例存在先促进后抑制的倒U形影响。对于其他观测变量，呈现明显正相关的指标是户主教育、配偶教育、收入、资产、消费；呈现明显负相关的指标是房产市值、家庭成员数量、户主户口、是否居住农村、幸福感、风险厌恶。这一结果与上文相一致。

（三）倒U形原因分析

金融素养对风险资产投资比例的影响呈现倒U形。探究先减后增的一个方法是分段回归，具体方法是将金融素养按照分位数进行分组回归，探究在不同金融素养的情况下，金融素养及其他变量对风险资产相对金融资产占比的影响。为使对比相对突出但又要保证数据数量可进行回归，选择金融素养前0.4%、前1%与后99%作为对照。

回归情况如表9所示。

由表9可知，在显著性方面发生明显差异且在三个分析法下表现稳健的有金融素养、家庭成员、配偶教育程度、风险厌恶变量，如表10所示。

表8 金融素养对风险资产投资占比的回归结果

表10 分段回归结果

对于金融素养变量，金融素养后99%的样本金融素养的提高显著提高了风险资产配置的占比，前0.4%的样本金融素养的提高却对风险资产配置没有显著性影响；直接加总法下显著性也存在降低的现象，这说明金融素养的作用机制对素养较高的人群与较低的人群存在异质性。另外，对于金融素养前1%的样本与后99%的样本，金融素养的作用机制均表现为促进风险资产投资，而仅仅单拿出前0.4%样本时才存在显著水平下降的现象，这说明倒U形现象在我国虽然存在，但对风险投资的负面作用更多作用于素养极高的人群，对广大投资者多为促进作用。

对于倒U形的原因，在实证中可以找到三种解释。

第一，嫉妒因素。将三种测度方法下的金融素养按照得分高低进行分组，配偶教育程度在金融素养后99%水平分组中对风险资产投资占比的影响在1%显著性水平正向显著，在金融素养前1%水平分组中无显著影响，在金融素养前0.4%水平分组中表现为在5%或10%显著性水平下负向影响。这说明随着金融素养的提高，配偶教育变量对风险资产占比表现为先促进后抑制，金融素养通过改变配偶教育对风险资产占比的影响方向而对风险资产投资产生倒U形影响。其可能原因是：当金融素养较低时，配偶的高学历会为户主提供投资指导与金融建议，从而提高金融资产头寸；而当金融素养极高时，配偶的学历越高越会产生对风险资产投资的抗拒，可能原因是对户主主导金融投资活动的嫉妒心理。

第二，家庭的刚性时间支出。实证结果显示，家庭成员变量在金融素养不同水平的分组中均对风险资产投资占比具有显著负向影响，并且在金融素养前0.4%和前1%分组中的影响系数绝对值显著大于其在金融素养后99%分组中的影响系数。回归系数的变化表明，金融素养水平影响了被解释变量对于家庭成员变量的敏感度，随着金融素养的提高，家庭成员变量对风险投资占比的负面作用扩大。一般情况下，家庭常住人口的增多对于户主而言是刚性生活成本的提高，因此用来投资风险资产的时间和精力往往会减少，故二者是负相关关系；而当金融素养更高时，其做金融决策的效率更高，刚性时间损失意味着失去更多金融投资机会，因此往往会使得风险投资减少的比例更大。

第三，扩大风险厌恶负效应。按照金融素养水平高低分组，风险厌恶程度在各组别中均对风险资产投资有显著负向影响，在金融素养水平更高的分组中，风险厌恶程度的负向影响越大。如在主成分分析法下，金融素养不同水平分组中，风险厌恶程度对被解释变量均具有1%显著性水平的负向影响。前0.4%分组中，其影响系数为-0.196，绝对值超过前1%分组中的-0.113，显著大于后99%分组中的-0.0831。这表明随着金融素养的提高和金融知识的累积，风险厌恶对投资占比的负面作用更强。因此这种解释方法与贾宪军（2019）提出的“金融教育的提高会扩大风险厌恶对投资的负面作用从而降低股票市场参与”的观点基本吻合，其区别在于自变量是金融素养本身而非金融教育。

五、结论与政策建议

本文运用西南财经大学中国家庭金融调查与研究中心最新开展的2017家庭金融调查，通过主成分分析与因子分析等方法对家庭金融素养与各风险资产投资及占比之间的关系进行了实证分析。结果表明，金融素养的提高会显著提高家庭从事风险投资的概率，而金融素养的提高对风险资产相对总金融资产的占比存在先促进后抑制的倒U形效应。随后通过分段回归的方法对不同金融素养个体进行对比。研究发现，倒U形的影响关系虽然存在，但金融素养对风险投资行为的抑制作用仅仅存在于金融素养极高的人群中，对绝大多数个体而言，金融素养表现为对风险投资的促进。对于倒U形的解释，可能有嫉妒因素、刚性时间支出与风险厌恶负效应的扩大等原因。而全文实证部分均在主成分分析、因子分析和简单加总三种分析方法下进行，在验证金融素养对投资决策的影响时采取Probit模型，以Logit与OLS回归进行稳健性检验，而多个模型的一致结果也均验证了结论。

金融素养的提高不仅会促进居民增加投资渠道、获取并正确解读金融信息，而且也能提高居民风险意识，防止上当受骗。虽然中国许多家庭居民的金融素养已经有所提高，但随着金融产品的不断普及和中国资本市场的不断发展和推陈出新，金融素养的重要意义不言而喻。并且对于绝大多数居民而言，金融素养的提高对其金融投资资产池的扩大有很强的积极意义。

基于前文的实证分析，提出如下政策建议。

第一，政府及有关部门可将金融素养的提高作为金融政策的一个重要目标变量。通过银行等金融机构开展免费讲座等来提升居民的金融素养，帮助其树立正确的风险意识，特别是要注意实现农村地区的金融知识普及，从而提高居民自主配置资产和长期进行自我财务规划的能力，实现居民家庭财富增长，同时增加资本市场的活力。

第二，在确保合规的前提下，简化投资程序。如大力推行正规合法的理财APP，缩短投资者了解市场和购买产品的时间，也降低了投资者去金融机构网点的刚性时间支出和其他成本。