“以债生财”还是“因债致贫”？——家庭住房债务对贫困脆弱性的影响

姚玲珍，张雅淋

(上海财经大学 公共经济与管理学院，上海 200433)

一、 引 言

消除贫困是中华民族的千年夙愿，也是党对全国人民的庄严承诺。脱贫攻坚，事关全面建成小康社会大局，事关民族团结、社会稳定，同时也能够反映国家治理水平[1]。改革开放以来，我国实施大规模扶贫开发工作，凭借国家制度体系的政治和行政优势，运用中央和地方政府财政储备，形成“精准行政扶贫模式”[2]，贫困发生率大幅下降。然而，值得警惕的一个问题是，已脱贫人口是否会在面临巨大负向冲击或较大消费波动时再度陷入贫困，导致返贫现象的发生？从脱贫的长效机制来看，也应考虑到这种未来风险问题的存在。贫困脆弱性概念由此产生。所谓的贫困脆弱性，是指一个家庭未来陷入贫困的概率，是一种事前测度，在某种程度上体现出前瞻性。党的十九大报告中强调，“增进民生福祉是发展的根本目的”，需要“不断满足人民日益增长的美好生活需要，使人民获得感、幸福感、安全感更加充实、更有保障、更可持续”。2020年是国家脱贫攻坚的决胜之年，全国人民要脱贫摘帽奔小康。而在脱贫摘帽之后，也要避免返贫现象的发生。尽管当前我国脱贫攻坚的对象多限于农村家庭，但城市家庭也存在未来陷入贫困的风险。因此，关注贫困脆弱性，既有助于增进民生福祉，又充分彰显了我国新时代发展新理念。

住房是最基本的生活必需品，获得适足的住房水平是个人生存和发展的前提条件。自1998年我国住房市场化改革以来，商品住房销售价格呈现出快速上涨的趋势，房价收入比持续攀升，城市家庭购房压力不断加大。于是，贷款成为一种常规性的购房方式，且住房贷款在家庭消费贷款中的主体地位日益显现。根据2019年11月中国人民银行发布的《中国金融稳定报告》，2018年末，我国个人住房贷款余额为25.8万亿元，2008年末该数值仅约3.0万亿元。其间，个人住房贷款余额在家庭部门消费贷款余额中所占的比例始终保持在53%—87%的较高区间。与其他普通商品不同的是，住房商品兼具消费品与投资品的双重属性。在房价不断上涨的情况下，其投资属性催生出投机“炒房”行为，而中低收入群体因购房负担过重导致家庭杠杆率攀升。由住房引发的社会财富再分配加剧了社会不平等和“马太效应”，已经影响到居民福祉。借债可作为经济个体平滑消费路径的重要方式[3]，而住房债务作为家庭获取住房这一消费品的不得已选择，能够在一定程度上缓解短期流动性约束。但一旦有过度累积，也将强化“房奴效应”，刺激“因债致贫”现象的发生。因此，住房债务与贫困脆弱性之间或许存在某种关联。本文将以此为核心，在梳理国内外相关文献的基础上，尝试利用2016年中国家庭追踪调查(CFPS)数据进行分析，以期为相关研究补充经验证据。

本文研究具有重要的理论价值和现实意义。理论价值在于，关注点不仅契合新发展理念下增进民生福祉的发展目标，也有助于进一步深化对于贫困脆弱性的理解。现实意义在于，在当前房贷压力普遍较大的背景下，关注住房债务的影响效应，能够为进一步提高住房贷款效率，防范化解系统性金融风险提供有效依据。

二、 文献回顾、理论分析与研究假设

作为发展经济学中的一个热点话题，关于贫困脆弱性的研究首先集中于对其所做的测度问题。综合而言，期望效用的脆弱性(Vulnerability as Low Expected Utility，VEU)、期望贫困的脆弱性(Vulnerability as Expected Poverty，VEP)、风险暴露的脆弱性(Vulnerability as Uninsured Exposure to Risk，VER)是三种常用方式。其中，期望效用的脆弱性(VEU)是引入反映个人偏好的效用函数，将消费水平的期望效用低于确定性等值效用的程度作为贫困脆弱性[4]。期望贫困的脆弱性(VEP)将脆弱性解读为一种事前风险，包含两种情况：一种是目前非贫困但将跌落到贫困线以下；另一种是目前贫困并将继续处于贫困状态[5]。风险暴露的脆弱性(VER)是家庭在面对风险冲击时寻求效用最大化所做的消费选择[6]，一般以敏感程度系数反映。影响以上三种测度方式优劣势的主要是样本质量，特别是样本选择偏误[7]。

贫困脆弱性的形成机制也是近年来学术界广泛探讨的问题，目前已基本形成一套较为完整的理论体系。除了社会经济制度、公共转移支付、社会资本等[8-9]宏观层面的诸多因素之外，健康风险[10]、收入波动[11]等微观因素也可能导致一夜致贫或一夜返贫现象的发生。在相同的收入约束前提下，贫困人口更意愿用未来消费替换当期消费。电商平台制度创新有助于改善贫困人口消费意愿[12]。生命周期理论也认为，理性消费者会以一生作为时间跨度来寻求效用最大化，而储蓄或借债是平滑消费路径的有效方式[11]。在此过程中，一旦消费者对信贷的依赖程度上升，便容易将其视为一种生活方式或生存手段，在面临多种选择时，处于贫困线边缘的人口或将做出更多的错误选择[12]。例如，Ziliak(2015)[13]的研究显示，贫困人口产生不良偏好和行为习惯的概率比非贫困人口更高。事实上，贫困的内涵具有多维性，并非仅指收入贫困，消费、资产、教育、健康、信息、生活状况、基本生活设施条件等也涵盖其中[16-19]。融资约束对缓解多维贫困起到抑制作用[15]，而外部的信贷支持可视为缓解多维贫困的重要方式[20]。尽管信贷配给水平与收入和资产水平息息相关，但居民认知能力的提升可以通过增加信贷可得性进而实现脱贫[21]。

家庭负债最初是源自于平滑跨期消费的需要[22]。在我国房价不断上涨的情况下，越来越多的人成为“房奴”。住房首付款的支付，将消耗家庭较多的财富积累，但与此同时，在短期内，他们通常不会再有特定的大额消费计划，加上按揭的方式也将平滑一定的还贷压力。因此，有房债家庭的预防性储蓄动机相对较小，其消费倾向或将高于无房债家庭[23]。在此值得关注的一个问题是，住房债务的背后对应的是住房资产，可通过住房商品的“财富效应”或“资产效应”[24]，降低有房债家庭未来陷入贫困的概率。尽管基于地区经济不平衡和居民收入差异，住房的财富效应会存有差异[25]，但综合而言，适度的住房债务或因住房“财富效应”或“资产效应”的存在而产生“以债生财”的可能，有利于缓解家庭贫困脆弱性。据此，本文提出如下研究假设：

假设H1：适度的住房债务存在“以债生财”的可能，有利于缓解家庭贫困脆弱性。

与此同时，住房需求的释放促使房价飙升，不断上涨的房价使得我国住房的投资属性凸显。而投资需求又进一步推升房价，使得普通居民的购房能力急剧下降。在主观可支付能力不足与客观良好的信贷政策环境双重因素刺激下，家庭借贷意愿被进一步激发，风险偏好也有所提高[22]。但不可否认的一种现实情况是，住房债务是把双刃剑，在缓解短期流动性约束的同时，如果有过度累积，便可能对消费产生一定的“挤出”或抑制影响[27]，即在此过程中发挥作用的主要是因按揭贷款而进行预防性储蓄所产生的“房奴效应”[28-29]。而住房负债率越高，消费增长速度越缓慢，且这种“挤出”或抑制影响在房价更高的地区体现得更为明显[26]。从这个角度来看，过度的住房债务累积或将加剧“房奴效应”，从而遮掩甚至吞噬“财富效应”或“资产效应”，增加家庭未来陷入贫困的概率或可能性，刺激“因债致贫”现象的发生。基于上述分析，本文提出如下研究假设：

假设H2：相对过多的住房债务会提高家庭未来陷入贫困的可能性，刺激“因债致贫”现象的发生。

三、 模型与变量

(一) 模型设定

首先，为考察家庭住房债务与贫困脆弱性两者之间的线性相关关系，本文构建如下回归模型：

Povertyij=α+βhouselevij+γXij+θj+εij

(1)

其中，被解释变量Poverty表示家庭i的贫困脆弱性；解释变量houselev作为家庭住房债务的度量，是本文的核心关注点；X代表控制变量的集合；θ作为地区固定效应，用以缓解自然灾害等不随时间而变的区位特征可能对贫困脆弱性产生的影响；ε为误差项，服从标准正态分布；下标i和j分别代表家庭个体及其所在地区。此外，在后续实证过程中，本文将对稳健标准误在区县层面进行聚类。

其次，考虑到在住房首付款支付后，按揭还款压力也会相应地平滑到后面一段时期内，可能不会较大程度地改变消费状况。但如若房贷压力过大，也可能弱化对未来收入的预期，对消费、居民身心健康等都带来负面影响。因而，家庭住房债务与贫困脆弱性两者之间的非线性相关关系也是本文研究的重点。为此，本文构建回归模型如下：

(2)

如若家庭住房债务与贫困脆弱性两者之间存在非线性相关关系，那么根据二次函数图像的特征，便可求得其顶点的横坐标的取值(应为-β1/2β2)。

(二)数据来源

本文选用数据来源于2016年的中国家庭追踪调查数据(China Family Panel Studies，CFPS)。该项目的调查内容覆盖社区、家庭、个人等多个层面，能够有效支撑微观领域的多项实证研究。为使研究结论更为可靠，本文对原始数据样本做了如下几方面的预处理：第一，鉴于家庭户主年龄可能会造成借债或消费等行为方式的不同，本文限定户主年龄为21岁至65岁；第二，样本中存在一些缺失或无效值，本文将其予以剔除；第三，异常值的存在可能会带来研究结论的有偏估计，因此，本文将家庭收入、家庭资产以及有债家庭住房债务总量等各项指标进行缩尾处理。最终得到9056个样本观测值。

(三) 变量设定

1. 被解释变量。家庭贫困脆弱性是本文的被解释变量。本文采用期望贫困的脆弱性(VEP)方法进行测度。其基本方程为：

VEPit=Pr(Ci,t+1≤poor)

(3)

其中，VEPit表示家庭i在t时期的贫困脆弱性，表征家庭未来消费支出超过某个设定的门槛值(即贫困线poor)的概率。Ci,t+1为家庭i在t+1时期的消费水平(1)本文采用消费标准而非收入标准来定义贫困脆弱性，主要是考虑到，如果不将收入变量进行控制，将导致较为严重的内生性问题。而如若采用收入标准进行定义，则无法将收入作为控制变量引入回归模型。。具体估计过程如下：

首先，采用三阶段广义最小二乘法(FGLS)估计消费方程：

lnCi=Xiβ+ei

(4)

此处的Xi表示个体特征(2)以户主为决策代理人。(性别、年龄、年龄平方项/100、受教育年限、户口、婚姻、健康以及是否享有医疗保险)、家庭特征(家庭规模、少儿抚养比、老年抚养比、非住房债务资产比、家庭总资产、家庭总收入)以及所处东中西部地区的虚拟变量。由此可以看出各类因素对于家庭暂时性消费和未来消费都会有不同程度的影响，即：

(5)

其次，在此基础上，估计消费对数的期望值和方差：

(6)

(7)

最后，假设消费对数值服从标准正态分布，则贫困脆弱性计算公式为：

(8)

需要说明的是，借鉴已有文献[13]，本文也采用2015年世界银行所提出的贫困线标准(每人每日生活支出1.9美元)对贫困脆弱性进行估计。(3)贫困线，是在一定的时间、空间和社会发展阶段的条件下，维持人们的基本生存所必需消费的物品和服务的最低费用，贫困线又叫贫困标准。世界银行2015年10月初宣布，按照购买力平价计算，将国际贫困线标准从此前的每人每天生活支出1.25美元上调至1.9美元。

2. 核心解释变量。家庭住房债务是本文研究所关注的核心解释变量。本文将采用家庭是否负有住房债务这一虚拟变量以及家庭住房债务资产比(即住房债务规模占家庭总资产的比重)这一相对量指标进行度量。由于虚拟变量的平方项不具有现实意义，故本文在分析家庭住房债务资产比对贫困脆弱性的非线性影响时，仅采用家庭住房债务资产比这一相对量指标进行测度。

3. 控制变量。本文的控制变量主要包含个体和家庭两个层面。前者以户主作为决策行为人，包含性别、年龄、年龄平方项/100、受教育年限、户口、婚姻、健康以及是否享有医疗保险等变量；后者则包含家庭规模、少儿抚养比、老年抚养比、非住房债务资产比、家庭总资产、家庭总收入等变量。

(四) 变量统计描述

表1列示了变量定义与描述性统计。从贫困脆弱性这一指标来看，其最小值与最大值差距悬殊，标准差约为0.224，表明不同家庭贫困脆弱性程度有着较大区别。负有住房债务和住房债务资产比这两个指标的标准差分别为0.395和0.308，在一定程度上表明我国家庭住房负债情况存在较大差异。此外，为了更好地展示本文所选用样本的贫困脆弱性与住房债务资产比的分布状况，本文绘制了图1和图2所示的密度图。从图1可以看出，家庭贫困脆弱性取值在0～1区间内，且绝大多数都低于0.6，即绝大多数家庭未来陷入贫困的概率低于0.6。表明总体而言，家庭未来陷入贫困的风险较低，但也有一部分群体在未来陷入贫困的可能性较大。从图2可以看出，负债家庭的住房债务资产比多在0.5以下。

表1 变量定义与描述性统计

图1 贫困脆弱性的分布状况

图2 住房债务资产比的分布状况(4) 仅包含有住房债务的家庭。

四、 实证结果及分析

(一) 家庭住房债务对贫困脆弱性的线性影响

表2是基于全样本所得的家庭住房债务对贫困脆弱性的线性影响结果。其中，前两列是以家庭是否负有住房债务这一虚拟变量作为核心解释变量所得；后两列是以家庭住房债务资产比作为核心解释变量所得。为确保回归结果具有可信度，奇数列仅控制了个体特征和家庭特征，偶数列则同时将地区固定效应引入回归模型。第(2)列的回归结果显示，对于负有住房债务的家庭而言，其平均贫困脆弱性程度低于无住房债务的家庭，所得回归系数为-0.012，且在1%的显著性水平下显著。从第(4)列的回归结果来看，住房债务资产比对于贫困脆弱性存在显著的负向影响，所得回归系数为-0.016，也具有1%的显著性水平。从某种意义上来说，“财富效应”也存在于家庭债务市场[27]。住房债务水平的高低在一定程度上也意味着住房资产水平的高低，房价上涨的趋势将直接带来“财富效应”。尽管住房债务尚未结清，但按揭的方式也将缓解一定的偿债压力，从而降低未来陷入贫困的概率。从这一角度来看，适度的住房债务将体现出“财富效应”，产生“以债生财”的可能。由此，较好地支持了本文的假设H1。

表2 家庭住房债务对贫困脆弱性的线性影响

(续表)

个体特征和家庭特征也会影响家庭贫困脆弱性。首先，从个体特征来看，相对于户主为女性的家庭，户主为男性的家庭未来陷入贫困的概率或可能性更大；而年龄与贫困脆弱性之间存在着显著的U型非线性关系；户主受教育年限这一指标所得系数显著为负，这是由于文化程度越高，越有可能具备人力资本优势，通过人力资本优势的有效发挥而获取更高收入，从而降低未来陷入贫困的概率；户主的婚姻状态也对于贫困脆弱性有显著影响。其次，从家庭特征来看，家庭规模对贫困脆弱性的影响显著为正，这是由于家庭规模越大，消费水平越高；老年人口抚养比和少儿人口抚养比这两个变量所得系数均显著为正，从侧面表明人口老龄化和少儿教育已经对家庭总的消费支出带来一定冲击；家庭总收入和家庭总资产的系数均显著为负，前者可通过“收入效应”来解释，而后者则可以通过“资产效应”或“财富效应”来理解。

为确保研究结论具有可信度，本文采用两种策略进行稳健性检验。第一，已有研究通常也将贫困脆弱性的阈值作为是否脆弱的评判标准，来确定家庭贫困脆弱的程度。参考斯丽娟(2019)[28]的方法，本文也选取29%、49%和79%三个阈值标准，定义未来贫困发生的概率低于29%为不脆弱、29%～49%为低度脆弱、49%～79%为中度脆弱、79%以上为高度脆弱，采用Ordered Probit模型进行稳健性检验。第二，为缓解样本选择偏误可能带来的内生性问题，本文拟使用倾向得分匹配(PSM)中的核匹配方式进行检验。将是否负有住房债务作为一个准自然实验，负有住房债务记为treated=1(处理组)，否则记为treated=0(控制组)。稳健性检验结果如表3所示。其中，前两列是以贫困脆弱程度作为被解释变量，采用有序逻辑回归Ordered Probit模型所得回归结果；后两列是采用倾向得分匹配(PSM)后的样本进行回归所得结果。所得住房债务这一核心解释变量的回归系数均为负且具有统计意义上的显著性。因而，可以认为，表2中所得的基准回归结果具有可靠性。

表3 稳健性检验

(二) 家庭住房债务对贫困脆弱性的非线性影响

以上分析表明，家庭住房债务可在一定程度上降低贫困脆弱性。但客观而言，过度的住房负债无疑会给居民带来较重的偿债压力，挤占其维持正常生活水准的现金流。那么，家庭住房债务对贫困脆弱性的降低效应是否存在一个最优点，即两者之间是否存在非线性相关关系？本部分将基于模型(2)展开探讨，所得回归结果如表4所示。为使研究结论具有稳健性，本文采用逐步回归法进行分析，并分别将引入地区固定效应之前的回归结果一并列示。

表4的回归结果表明，家庭住房债务规模与贫困脆弱性之间呈现出“U型”关系，即住房债务规模先是降低贫困脆弱性，而在达到一定规模后，会起到加剧作用。根据回归系数，得到降低效应与加剧作用转变的点约为137.5%。(5)根据表4第(6)列所得回归结果，该点=-(-0.044)/2* 0.016=1.375，即为137.5%。换言之，当家庭住房债务资产比达到137.5%之前，住房债务主要表现出净“财富效应”，有利于缓解家庭贫困脆弱性；而在住房债务资产比达到这一峰值之后，“房奴效应”将占主导地位，加大家庭未来陷入贫困的可能性。借贷市场中存在的抵押机制，使得家庭债务与流动性约束存在正向关系，当住房债务资产比过高时，资产价格波动对消费的冲击也更为明显[29]。于是，家庭所获得的收入将更多地用来偿还债款，而不得已降低消费水平。在此，验证了本文的假设H2。在本文所选用样本中，超过137.5%这一阈值的样本在负有住房债务样本中约占6.06%。

表4 家庭住房债务对贫困脆弱性的非线性影响：基于OLS回归

对于住房债务与贫困脆弱性两者之间因样本选择性偏误所产生的内生性问题，与前文一致，本文仍然使用PSM中的核匹配方法来处理。所得回归结果(表5)显示，家庭住房债务规模与贫困脆弱性之间同样呈现出“U型”关系，即住房债务规模先是降低贫困脆弱性，而在达到一定规模后，会起到加剧作用。由此可以认为，表4中所得回归结果具有可靠性。

表5 家庭住房债务对贫困脆弱性的非线性影响：基于PSM样本

(三) 家庭住房债务对贫困脆弱性的影响：基于分位数回归

对于被解释变量条件分布的描述，分位数回归是一种有效方式。为探讨不同贫困脆弱性程度的家庭对于住房债务的依赖性，本文拟采用0.25、0.5和0.75三个分位数展开分析。所得回归结果如表6所示。其中，前3列列示了不同分位数水平下家庭住房债务与贫困脆弱性之间的线性相关关系；后3列则列示了不同分位数水平下两者之间的非线性相关关系。

表6前3列的回归结果显示，在不同分位数水平上，家庭住房债务对贫困脆弱性均具有统计意义上的显著降低效应。从系数大小来看，在0.5的分位数水平上，这种降低效应体现得最为明显。后3列的回归结果显示，在0.25和0.5这两个分位数水平上，家庭住房债务对贫困脆弱性的影响呈现“U型”，且拐点分别存在于127.8%和138.2%；而在0.75的分位数水平上，这种“U型”特征已不再具备。可能的解释在于，对于未来贫困脆弱性程度较高的群体而言，其当前也可能面临一定程度的贫困，而在获取住房贷款购买住房之后，房价的上涨将通过“财富效应”或抵押担保渠道来缓解融资约束。同时，该类家庭未来进行消费、投资或借债决策也将更加趋于理性。因而，住房债务对该类家庭的贫困脆弱性仅可能存在线性影响。而伴随着我国住房价格的上涨，更多的住房投资需求被进一步激发出来，尤其是对于那些有房无债且贫困脆弱性程度处于中低层次的家庭，他们或许会在这个过程中受益并实现财富快速增长，财富差距将进一步拉大[30]。而一旦为购房过度借贷，便可能加大未来陷入贫困的概率。

表6 家庭住房债务对贫困脆弱性的影响：基于分位数回归

(四) 家庭住房债务对贫困脆弱性影响的异质性分析

家庭收入和资产水平是影响消费、投资、借贷决策和借贷规模等的重要因素。为考察不同收入和不同资产水平家庭的住房债务对贫困脆弱性影响的差异，本文分别按照家庭总收入和家庭总资产的1/3和2/3分位点，将样本划分为三组展开实证探讨。所得回归结果分别如表7和表8所示。其中，奇数列列示了住房债务与贫困脆弱性两者之间的线性相关关系；偶数列列示了两者之间的非线性相关关系。

表7中奇数列的回归结果显示，无论对于处于何种收入水平的家庭而言，住房债务都会降低贫困脆弱性。但对比各组样本所得回归系数大小发现，随着收入的增加，住房债务对贫困脆弱性的降低程度将会变小。表明收入水平越高的群体，贫困脆弱性对于住房债务的依赖程度越低。可能的原因在于，对于收入水平较低的群体，其面临信贷约束或流动性约束的可能性越大，住房债务可以通过财富效应或资产抵押效应对此有所缓解；而收入水平较高的群体通常受到的信贷约束或流动性约束相对较小，无需或鲜少需要通过债务形式来缓解。表7中偶数列的回归结果显示，对于中低收入家庭而言，住房债务与贫困脆弱性之间存在显著的“U型”非线性相关关系；而对于高收入家庭，这种“U型”关系并不存在统计意义上的显著性。表明中低收入家庭如若有过高的住房债务，“房奴效应”将会逐渐显现，进而加剧贫困脆弱性程度。

表8中奇数列的回归结果显示，无论对于处于何种资产水平的家庭，住房债务都会显著降低贫困脆弱性。但对比各组样本所得回归系数大小，发现住房债务对贫困脆弱性的降低程度在中等资产水平的家庭中更为明显，暗示了中等资产水平的家庭更需要通过住房债务来缓解流动性约束。表8中偶数列的回归结果显示，对于中低资产水平的家庭而言，住房债务与贫困脆弱性之间存在显著的“U型”非线性相关关系；而对于高资产水平家庭，这种“U型”关系并不存在统计意义上的显著性，这是由于通常情况下，具有高资产水平的家庭债务偿付能力也相对较高。

表8 家庭住房债务对贫困脆弱性影响的异质性分析：按资产分组

五、 研究结论与政策启示

房价的持续上涨一度让很多家庭成为“房奴”。住房债务能够在一定程度上缓解短期流动性约束，但过度的住房债务，也会弱化收入预期，增大未来致贫的可能。本文基于2016年中国家庭追踪调查(CFPS)数据，使用期望贫困的脆弱性(VEP)方法测度家庭的贫困脆弱性，实证检验了家庭住房债务对贫困脆弱性的影响。实证研究结果表明，平均而言，负有住房债务的家庭平均贫困脆弱性程度显著低于无住房债务的家庭。进一步研究发现，以住房债务资产比度量的住房债务压力与贫困脆弱性之间呈现出“U型”的非线性关系，且非线性拐点为137.5%。即当住房债务资产比达到这一拐点之前，住房债务主要表现出净“财富效应”，存在“以债生财”的可能，有利于缓解家庭贫困脆弱性；在此之后，“房奴效应”将会占主导地位，刺激“因债致贫”现象的发生。而对于贫困脆弱性处在0.75分位数水平上的家庭而言，这种“U型”特征并不适用。此外，住房债务与贫困脆弱性之间的关系也会因家庭特征的不同而有所差异。一方面，按照家庭收入区分样本之后发现，收入水平越低的群体，贫困脆弱性对于住房债务的敏感度越高，两者之间的“U型”关系也仅适用于中低收入阶层。另一方面，按照家庭资产水平区分样本之后发现，住房债务对贫困脆弱性的降低效应在中等资产水平的家庭中体现得更为明显，且也存在一个非线性拐点。

基于研究发现，本文认为，为进一步减缓相对贫困，避免“因债致贫”，增进民生福祉，可从提高住房信贷效率、发挥住房信贷效能的角度加以考量。第一，研究证实住房债务资产比对贫困脆弱性存在先缓解后加剧的影响。因此，建议授信部门设置一个住房债务资产比的警戒线，运用互联网技术和大数据思维，动态监测负有住房债务家庭的还贷情况，掌握其还贷能力，对家庭住房债务资产比达到或超过这一警戒线的群体给予债务警示。同时，重点关注即将达到这一警戒线的群体，避免其进一步提高住房债务负担。第二，研究表明，收入水平越低的群体，贫困脆弱性对于住房债务的敏感度越高。但考虑到该类群体面临信贷约束或流动性约束的可能性较大，从政策上对脱贫户“扶上马送一程”、防止脱贫户返贫的角度来看，建议相关部门在确保市场稳定、金融体系运行健康以及总体风险可控的前提下，建立分级标准，实行精准调控，适度放宽针对该类家庭的信贷约束。必要时可通过贴息减税类的相关政策，提高其住房金融可得性。第三，房价快速上涨显著削弱了居民家庭的住房可支付能力，增大了其负债购房的可能，加大了他们的购房成本和负债压力。同时，过度的住房债务累积产生的负面危害不仅存在于家庭部门内部，还会传导到企业部门或金融系统，诱发连锁反应。因此，建议居民家庭在进行资产和负债的配置时，一要系统权衡资产的流动性与收益性，优化家庭资产结构，提高家庭资产的创收能力，进而增强微观个体的收入水平和韧性；二要根据预期资产收益和工作收入等，准确评判自身偿债能力，将住房债务规模限定在合理的可控区间，保持偿债压力的适度性。政府部门和授信机构则可以通过构建科学合理的指标，对家庭部门的住房债务实行风险管理与成本控制，保障金融供给与消费需求两端的合理配置，防范住房债务危机及其可能引发的系统性金融风险。