子女抚养负担对家庭风险金融资产配置的影响——基于中国家庭金融调查数据的实证分析

马 宇，王文轩

(山东工商学院 金融学院；山东省高校金融服务转型升级协同创新中心，山东 烟台 264005)

一、引言

《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提出，要多渠道增加城乡居民财产性收入。有效的金融资产组合有利于提升家庭财产性收入、实现财富保值增值。根据资产组合理论，家庭在投资决策时，会权衡风险与收益，将财富分散配置，当预期风险资产溢价为正时，会配置一定的风险资产(Campbell，2006)[1]。

在剔除极端样本之后，由2017年中国家庭金融调查(CHFS)数据测算可知，中国的家庭投资者参与风险金融市场的比例很低，仅为13%，而风险金融资产仅占金融总资产的6.8%。可见中国家庭金融市场“有限参与”现象十分严重。作为社会的细胞，家庭的资产配置是促进社会金融增长的渠道之一，而家庭对风险金融市场的“有限参与”不利于中国资本市场的建设和发展，如何合理有效地配置家庭财富越来越成为令人困扰的现实问题。

与此同时，国家统计局数据显示，自2016年全面放开二胎政策实施以来，中国人口自然增长率逐年递减(1)数据来源：国家统计局。。2020年中国总和生育率降至1.3，低于国际公认的1.5警戒线。值得注意的是，在1.3的总和生育率中，还包含了正在逐步消失的二孩堆积效应。中国出生人口快速下滑，正面临出生率跌入低风险的威胁，而低生育率会导致人口红利消失、劳动力萎缩等严峻问题。

人口数量和质量共同影响经济发展和社会活力，低生育率导致的少子化是“十四五”时期中国经济社会发展的重大挑战之一。为积极应对少子化的威胁，2021年5月31日，中共中央政治局会议审议《关于优化生育政策促进人口长期均衡发展的决定》，并指出将实施一对夫妻可以生育三个子女的政策及配套支持措施。然而，根据西南财经大学中国家庭金融调查与研究中心联合蚂蚁集团研究院共同推出的《疫情后时代中国家庭的财富变动趋势(中国家庭财富指数调研报告2021Q3)》显示，受访样本中近八成家庭无继续生育意愿，家庭继续生育意愿主要受到子女养育成本、生育年龄限制以及子女教育投入的影响，占比分别为37.9%、29.3%和26.2%，这必然会对三胎政策的推进造成阻碍。

高企的子女抚养负担不仅抑制家庭生育，还会对家庭金融资产配置造成影响。在中国，子女作为家庭的希望是家庭人口的重要组成部分，诸如“望子成龙”“盼女成凤”的思想都是父母对子女期望和利他性的体现，对子女抚养、教育甚至购房和创业等成为家庭必要消费，家庭育有子女的数量越多，抚养负担越重，面临的经济压力也越大。因此本文尝试研究子女抚养负担对家庭风险金融资产配置的影响，分析家庭投资“有限参与”现象的影响因素，尽可能探究其中机制，并提出相关建议。

二、文献综述与理论假设

(一)文献综述

相关的文献主要有两类，一类是研究家庭风险金融资产配置的影响因素，另一类是子女数量对家庭资产配置、收入负债等影响的研究。以下将分别总结这两类文献。

首先，是家庭风险金融资产配置影响因素的文献。婚姻作为家庭的开始，必然会对风险金融资产的配置产生影响，Bucciol等(2016)[2]认为已婚家庭具有更高的风险厌恶程度。户主作为一家之主，其个人特征会对家庭的风险金融资产配置产生巨大影响。家庭中户主的年龄与风险资产投资概率和占比的影响呈现倒“U”型关系(尹志超等，2015)[3]。普遍认为教育可以推动家庭金融市场的参与，何兴强等(2009)[4]研究发现受教育水平高的居民参与投资的可能性更高。健康状况对家庭金融资产的配置影响显著，雷晓燕和周月刚(2010)[5]发现健康状况不佳的家庭会减少金融资产，尤其是风险资产的持有。胡振和臧日宏(2016)[6]发现风险厌恶程度会显著降低家庭股票、基金、债券和储蓄性保险等金融资产的投资概率和占比。社会保障作为家庭风险规避工具，会影响家庭资产配置，宗庆庆等(2015)[7]以及王稳和桑林(2020)[8]分别发现，配置社会养老保险和社会医疗保险的家庭风险金融资产的投资概率和占比更高。江世银等(2021)[9]也发现，购买商业保险能有效提高城乡中老年居民家庭参与风险金融资产的可能性。周广肃和梁琪(2018)[10]发现互联网对于家庭风险金融投资行为有显著的正向效果，互联网的使用频率会推动家庭参与金融市场并投资风险资产(孟亦佳，2014)[11]。互联网发展的同时产生了数字鸿沟，而数字鸿沟会扩大家庭财富差距(粟勤和韩庆媛，2021)[12]。房产对家庭金融资产的配置具有两种相反的影响，一种是“财富效应”，即随着房产增值，家庭金融资产的参与概率和持有比例都会上升(陈永伟等，2015)[13]；另一种是“替代效应”，拥有商业或房产投资的居民风险金融资产投资概率更低(何兴强等，2009)[4]，住房对于居民风险资产的持有表现出明显的“挤出”效应(周月书和刘茂彬，2014；路晓蒙等，2019)[14～15]。家庭财富和收入是其金融资产投资的前提，大部分的研究结论认为，收入与风险金融市场的参与显著正相关(Calvet and Sodini，2014)[16]。此外，还有从社会网络与社会互动、宗教信仰、金融素养等角度研究家庭金融资产配置的，在此就不一一赘述。

其次，是子女数量对家庭资产配置、收入负债等影响的文献。根据家庭生命周期理论，子女的诞生会改变家庭的人口结构，抚养子女使得家庭消费需求旺盛，也给家庭预算带来巨大压力(唐珺和朱启贵，2008)[17]。关于抚养子女对家庭资产配置的影响，有两种相反的观点。一种是父母将抚养子女看作是“投资”行为，为了给子女提供更好的条件，更愿意承担风险，家庭少儿人口占比上升会使得家庭风险资产的投资概率和占比都有所上升(蓝嘉俊等，2018；李烜等，2015)[18～19]。吴卫星和谭浩(2017)[20]研究发现，“上有老下有小”的夹心层家庭会更多参与股市，股票和风险资产占金融资产的比重也相对更高，而与家庭老人因素相比，家庭子女因素对夹心层家庭资产配置的影响占主导作用。吴卫星和李雅君(2016)[21]发现有未婚子女的家庭更倾向投资于风险资产。史桂芬和沈淘淘(2021)[22]研究发现少儿人口占比高的家庭更倾向于股票投资。与第一种观点相反，马莉莉和李泉(2011)[23]的研究表明，相较于无子女家庭，育有子女的家庭在风险资产上的投资比例更低。基于家庭代际转移视角的理论认为，父母对子女的付出通常不计回报，对子女的培养具有利他性(汪伟，2010)[24]，突出表现为父母对子女抚养、成家购房等投入。由于家庭成员间遗赠动机和利他动机的存在，子女数量的增加会使处于满巢期阶段的家庭更多持有房产，更少投资金融资产(王翌秋和王昊宇，2018)[25]。另外，家庭的资产配置同时也要考虑跨期均衡与代际均衡，除抚育子女外，父母往往会给子女遗赠财产，而不以父母的预期寿命来寻求效应的最大化(余永定和李军，2000)[26]。子女数量的增加会对家庭收入造成影响，段志民(2016)[27]实证发现子女数量的增加显著抑制家庭收入的提升。杨天池和周颖(2019)[28]研究发现，“两孩”使得女性收入显著减少并且扩大了性别收入差距。而对于家庭负债，有新生子女的家庭平均债务更高(邓鑫，2021)[29]。子女数量的增加对家庭保险的配置也有影响，会导致父母对商业保险的需求下降(张雷和顾天竹，2020)[30]。但也有与之相反的研究，认为家庭少儿人口占比与家庭人身保险需求则呈正相关(樊纲治和王宏扬，2015)[31]。

在家庭金融资产配置的问题上，国内外学者的研究成果丰富，为我们提供了很多有益的启示。虽然关于家庭资产配置的研究较多，但鲜有文章直观、系统地研究子女抚养负担对家庭风险金融资产配置的影响。正是基于以上考虑，在少子化、低生育率以及人口流动集聚的背景下，利用2017年中国家庭金融调查数据，来研究子女抚养负担对家庭风险金融资产配置的影响。

与以往文献相比，本文贡献主要有四点：第一，不同于以往研究家庭人口特征与金融资产配置的文献，本文在实施三胎政策的背景下重点探究子女抚养负担对家庭风险金融资产的影响，同时尽可能保留样本数据以分析子女抚养负担对家庭有限参与风险金融市场的影响。第二，结合第七次全国人口普查结果显示的人口集聚现象进一步增强，考虑由此导致的人口流动效应。当人口集聚到某一新区域时，家庭面临的住房、教育及医疗等刚性需求会促使其提高预防性储蓄，因此从人口流动和预防性储蓄的视角，对子女抚养负担影响机制进行了实证检验。第三，根据家庭收入水平将样本划分为低收入、中等收入和高收入家庭，进一步研究子女抚养负担对不同收入水平家庭风险金融资产配置的影响，以期在金融助力共同富裕的背景下，提出有助于提高低收入群体收入、扩大中等收入群体的指导性建议。第四，选用扣除本家庭之外的家庭所在县域平均子女数量的工具变量，对核心解释变量进行内生性识别，使结果更加可靠。

(二)理论假设

结合上述文献可知，在中国，孩子是家庭未来的希望，家庭在抚育子女时会产生例如生活支出、教育支出和医疗支出等大量的刚性消费，诸如“再苦不能苦孩子”“望子成龙”和“盼女成凤”之类的传统思想以及家长对子女的利他主义动机，会导致家长将资源尽可能倾斜于子女。同时随着家庭教育意识的提高，家庭的养育观念由原来低水平的“养”提升为高水平的“育”，父母对子女教育的投入进一步增加，而随着经济发展与通货膨胀，子女的养育成本不断加剧，子女的抚养、教育、医疗和婚姻等刚性支出也水涨船高，在家庭财富水平有限的情况下，这些支出会对家庭风险金融投资产生“挤出效应”。因此提出假设1：

假设1：子女抚养负担的增加会降低家庭风险金融资产投资概率与占比。

近年来随着性别比失调，婚姻市场的匹配难度加大，父母往往将子女婚姻作为家庭资产选择的首要考量因素。一方面，人口流动导致大量相似特征的男性聚集于某一区域，由此造成的高性别比显著提升了女性在婚姻市场上的议价能力(Angrist，2002)[32]。另一方面，竞争性储蓄同样作用于女孩家庭。由于性别失衡的存在，理论上未婚女性的预期婚配成功率是100%。然而，她们会追求更高质量的配偶，Burdett和Coles(1997)[33]发现，相同特征的未婚者会把自己划归到相同阶层，且仅与同阶层或临近阶层的异性结婚。所以，有未婚女性的家庭会通过提高储蓄率，增加家庭财富，使其跻身更高阶层，从而增加与更高阶层未婚男性结婚的机会(苏华山等，2016)[34]。所以在人口净流入的人口聚集区，为了使子女在婚姻市场上更具竞争力，育有子女的家庭必然会改变其资产配置策略。因此提出假设2：

假设2：在人口净流入的聚集情况下，子女抚养负担的增加对家庭风险金融资产投资概率和占比的抑制作用会加强。

根据弗里德曼预防性储蓄理论，当人们对于未来存在不确定性时，会进行额外的储蓄，这部分储蓄成为预防性储蓄。一方面，随着子女数量增多，抚养子女的刚需消费使得家庭本身的预防性储蓄动机变强；另一方面，父母为保证退休以后生活平稳而储蓄，所以家庭会提高自己的预防性储蓄比例以应对未来日益增长的消费支出等，更不愿意投资于高风险的风险金融资产。综上考虑，相较于投资和消费，家庭可能更多倾向于预防性储蓄。因此提出假设3：

假设3：子女抚养负担的增加通过增强家庭预防性储蓄水平而减少家庭风险金融资产投资概率和占比。

三、数据与变量

(一)数据来源

本文的数据来自西南财经大学2017年在全国开展的中国家庭金融调查项目，该调查样本分布于全国除新疆、西藏以及港澳台地区之外的29个省份、355个县(区、县级市)、1428个社区，覆盖了40011户家庭和127012名个体；与此同时，考虑到微观调查数据的回答质量和异常值等问题，进行缩尾处理，排除了1%～99%分位数之外的样本，排除了家庭总收入小于0的样本，最终获得39445个有效样本。

(二)变量选择及说明

根据尹志超等(2015)[3]的研究，将风险金融资产定义为：股票、基金、债券、金融衍生品、理财产品、外汇和黄金；金融资产包括风险金融资产、现金、股票账户现金、政府债券、活期和定期存款。被解释变量为风险金融资产参与和占比。其中，风险金融资产参与指如果家庭配置风险金融资产取1，否则为0；风险金融资产占比为家庭风险金融资产对金融资产的比重。另外，此处作一个简单假设，若计算该比例过程中分子与分母均为零，则比例设为零，这样的假设是为了体现那些没有参与风险金融资产投资的家庭，股票资产占比同理。

核心解释变量为子女抚养负担，用子女数量来表示，即家庭中所有子女个数的加总，子女数量越多，抚养负担越重。需要注意的是，研究中可能存在反向因果的问题，为克服内生性问题，采取扣除本家庭之外的家庭所在县域平均子女数量作为工具变量进行内生性检验，工具变量的具体情况将在后文详细说明。

本文还控制了表示户主、家庭以及区域等情况的特征变量。其中，户主特征变量包括户主性别、年龄、婚姻状况(根据调查问卷，将回答已婚、同居和再婚的定义为已婚，将未婚、分居、离婚和丧偶定义为未婚)、受教育年限(将没上过学、小学、初中、高中、中专/职高、大专/高职、大学本科、硕士研究生和博士研究生学历分别折算为0、6、9、12、13、15、16、19、22年的教育年限)、身体状况(将问卷中“与同龄人相比，现在的身体状况如何？”回答身体状况为“非常好”“好”和“一般”的定义为身体健康状况良好并赋值为1，回答“不好”和“非常不好”的定义为身体健康状况差并赋值为0)、风险态度(根据选项定义风险态度为由风险厌恶至风险偏好的1～5级，数字越大代表越偏好风险，同时定义选项中的“不知道”为空值)以及户主有无商业保险(商业人寿保费、商业健康保险、其他商业保险中有一个就赋值为1，都没有为0)；家庭特征变量包括家庭是否使用互联网、房产数、是否从事工商业以及家庭总收入。另外，家庭所属省份、城乡区域的特征也可能会影响其风险金融资产配置，因此将省份和城乡区域作为控制变量。根据中国区位与行政划分，将北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南等定义为东部省份并赋值为1，其他省份为中西部省份并赋值为0；而城乡区域为城镇取1，农村取0。

基于参考文献和研究的要求，表1为所有变量说明。

表1 变量说明表

(三)描述性统计

表2给出了变量的描述性统计，由表2可知，所有种类的风险金融资产参与平均值仅为13%，风险金融资产对金融资产占比的平均值仅为6.8%，这表明中国家庭的风险金融市场投资的广度和深度都较低，存在有限参与现象。家庭子女个数最小为0个，最大为7个，均值为0.722个，说明每个家庭平均拥有0.722个孩子，子女个数少，户均不到1个子女，一定程度上表明中国家庭少子化现象严重。

控制变量层面，可知样本中户主的平均年龄为55.25岁且大部分为男性，户主的平均受教育年限为9.335年，户主大部分身体健康且厌恶风险，同时极少部分户主购买商业保险，仅为6.7%，表明商业保险配置率太低。表2中家庭特征变量显示，46.7%的家庭会使用互联网，平均每户家庭拥有1.2套房产，从事工商业生产经营的家庭约占14%，样本家庭平均总收入约为9.1万元。此外，从区域变量来看，样本中44.7%的家庭位于东部省份，68.5%的家庭位于城镇地区。

表2 变量描述性统计

表2(续)

四、实证模型和回归结果

(一)模型设定

1.风险金融资产参与概率模型

被解释变量家庭风险金融资产参与与否用0～1二元变量表征，所以采用Probit模型进行回归分析，模型如下：

Y=α+β·Childi+γ·Controls+μ

(1)

式(1)中，μ～N(0，σ2)。Y是哑变量，表示家庭是否持有风险金融资产；Childi为子女数量，将其定义为子女抚养负担；Controls是一系列控制变量，包括家庭中户主、家庭以及地区特征变量。全部变量的描述性统计如表2所示。

2.风险金融资产参与深度模型

由于风险金融资产对总金融资产占比是截断的，因此使用Tobit模型进行回归分析，具体模型如下：

y*=α+β·Childi+γ·Controls+μ

Y=max(0，y*)

(2)

式(2)表示Tobit模型，其中，Y表示家庭风险金融资产对金融资产的占比，y*表示占比大于0的部分，其余变量同式(1)。

(二)实证结果和分析

表3显示了子女数量对家庭风险金融资产配置的影响，其中，列(1)显示了子女数量对家庭风险金融资产参与情况影响的Probit模型的统计结果，列(2)报告了子女数量对家庭风险金融资产占比情况的影响。具体分析如下：

首先，对子女数量与风险金融资产参与的关注变量进行分析。在表3列(1)的估计中，核心解释变量子女个数估计系数是-0.105，在1%水平下显著。由于回归系数本身经济学含义不大，因此计算更有实际意义的平均边际效应(marginal effect)，计算得子女数量的边际效应为-0.019，即家庭中每增加一个子女，家庭参与风险金融资产投资的概率减少1.9%。这表明，家庭子女越多，对子女抚养负担越大，家庭参与风险金融资产投资的概率越低。

对控制变量进行分析，回归结果显示，户主性别、婚姻状况以及身体状况对家庭风险金融资产参与并无影响，原因可能是受访者虽为个人，但调查的问题是以家庭为单位的，所以受访者个人的性别没有显著的影响。户主受教育程度、户主风险态度、户主有无商业保险均与家庭风险金融资产参与显著正相关，即户主学历越高受教育年限越长、户主越偏好风险则家庭配置风险金融资产的概率就越高，户主的年龄也与风险金融资产配置概率正相关，但是仅在10%的水平下显著。从家庭控制变量层面可以看到，家庭是否使用互联网、家庭房产数量以及家庭总收入也均与风险金融资产配置概率显著正相关，即家庭使用互联网、家庭房产数以及家庭总收入越多则家庭风险金融资产配置的概率越高，而家庭从事工商业却会减少风险金融资产配置概率，分析原因可能是工商业本来就是风险较高的投资行为，所以对风险性较大的金融资产有挤占。此外，位于东部省份和城市的家庭参与风险金融资产的概率更高，可能是因为这些地区经济更发达，金融可得性与便利性更高。

其次，对风险金融资产占比进行分析。首先分析核心解释变量对风险金融资产占比的影响，表3列(2)回归结果显示，核心解释变量子女数量估计系数是-0.014，在1%水平下显著，经计算子女数量的边际效应为-0.007，即家庭中每增加一个子女，家庭投资风险金融资产的比重减少0.7%。这表明，子女数量越多，家庭金融资产中风险金融资产的占比越低，假设1得以验证。

表3 子女数量对家庭风险金融资产参与和占比的影响

控制变量对风险金融资产占比的影响与风险金融资产参与基本一致，户主性别和户主身体状况对风险金融资产占比没有显著影响，原因与前文相同，但是户主婚姻状况却与风险金融资产占比显著负相关。同样，户主受教育程度、户主风险态度以及户主有无商业保险、家庭使用互联网、家庭房产数以及家庭总收入亦与风险金融资产占比显著正相关，家庭从事工商业对风险金融资产占比有显著负向影响。

五、异质性检验

以上回归结果表明，子女数量的增加对家庭风险金融资产配置有显著的负向影响，但该结果是基于全部样本的平均观察。接下来按照城乡区域、省份区域以及家庭收入三个维度对样本进行分组回归，进一步观察子女数量对家庭风险金融资产配置影响的差异性。城乡和省份划分标准前文已经说明，此处对家庭收入水平的划分进行说明，家庭收入水平位于25%分位数以下的为低收入家庭，介于25%～75%分位数之间的样本家庭为中等收入家庭，位于75%分位数以上的为高收入家庭，下面对分样本回归结果进行分析(见表4和表5)。

表4 子女数量对家庭风险金融资产参与分组回归

表5 子女数量对家庭风险金融资产占比分组回归

(一)城市与农村影响差异

表4和表5分别按照子女数量对家庭风险金融资产的参与和占比影响的回归结果进行汇总，从表4的列(1)和列(2)可知，在城镇地区，子女数量的增加会显著降低家庭风险金融资产的投资概率，但是在农村地区并不显著。表5的列(1)和列(2)同样显示，在城镇地区，子女数量的增加会显著降低家庭风险金融资产的投资占比，且在农村地区子女数量对风险金融资产投资占比的影响并不显著。这可能是农村地区经济相对不发达，金融可得性低，农村地区家庭的金融知识相对匮乏，同时农村地区家庭收入相对较低，在满足日常消费支出后所剩无几，即使投资也往往倾向于投资银行存款等无风险资产，而很少将家庭财富投资于风险金融市场，从而导致子女数量的影响在农村地区并不显著。

(二)东、中西部地区影响差异

按照家庭所属省份进一步将样本划分为东部和中西部省份，分别回归得到子女数量对家庭风险金融资产配置在东、中西部省份影响的差异。表4和表5的列(3)和列(4)显示，在东部省份，子女数量与风险金融资产的配置概率与配置比重皆显著负相关，而在中西部省份，子女数量对家庭风险金融资产投资参与概率和投资占比并不显著，分析这一现象的原因可能是东部省份的金融服务更便利可得，但是东部省份也面临着更高的物价、房价等，根据样本数据计算可得，东部地区房产价值占家庭总资产的比重为52.27%，而中西部地区比重仅为48.85%，家庭普遍面临着住房与生活压力，以至于相较于东部地区，中西部地区子女数量对风险金融资产配置的影响相对微弱。

(三)不同收入水平影响差异

按照收入水平将样本划分为低收入、中等收入和高收入家庭，从表4列(5)～(7)三列比较可以看出，相较于低收入和高收入家庭，子女数量的增加对中等收入家庭风险金融资产配置概率的负向影响最大。原因可能是对于低收入家庭而言，一方面较低收入用于维持日常生活消费支出后所剩无几，另一方面，低收入家庭可能由于自身资产禀赋以及自身金融素养的制约，不能达到风险金融资产投资门槛，所以导致低收入家庭子女数量对风险金融资产参与概率的影响不显著，对风险金融资产占比的影响仅在10%的水平下显著；中等收入家庭子女数量增加比高收入家庭的子女数量增加的负向影响更大，可能是中等收入家庭资金来源相对稳定，相对来说在满足基本生活条件之后仍有部分财富剩余，另外因为其收入稳定且大多缺乏工资外收入，导致其自身风险承受能力不高而偏好低风险，所以很少参与风险金融资产投资；而高收入家庭拥有相对良好的财务状况，拥有更高的金融素养也更愿尝试风险金融资产投资，所以相较于中等收入家庭，子女数量对高收入家庭风险金融资产参与概率的负向作用较少。由表5的列(5)～(7)可以看出，随着家庭收入的增加，子女数量对风险金融资产占比的负向影响也逐渐加大，家庭收入越高，风险金融资产占比越低，原因可能是高收入家庭资产较多且可投资渠道广泛，投资更加分散，除金融资产外可能还有实体投资，所以风险金融资产占比反而更少。

六、稳健性检验

(一)内生性检验

潜在的内生性主要来自于双向因果，为避免内生性导致的估计偏差，采用工具变量法进行实证分析。一般而言工具变量的选取需要满足两个基本条件：相关性和外生性。采用所在区域层面指标作为个体层面指标的工具变量是文献中常用方法。本文使用扣除本家庭之外的家庭所在县域平均子女数量作为工具变量，因为居住在同一县域的居民在家庭收入、文化习俗以及金融便利性等方面有一定相似性，所以该工具变量和家庭子女数量存在相关性，但是与本家庭风险金融资产配置不相关，满足相关性和外生性假设。采用IV probit和IV tobit方法进行回归，结果如表6所示。

表6 子女数量内生性回归

从表6的回归结果可以看出，进行工具变量识别不足检验和弱工具变量检验后，对于风险金融资产参与，工具变量识别不足检验的KPLM值为242.065，其P值为0；弱工具变量检验得到的Cragg-DonaldWaldF值为504.025，高于10%偏误水平下的临界值16.38。对于风险金融资产占比，工具变量识别不足检验的KPLM值为215.411，其P值为0；弱工具变量检验得到的Cragg-DonaldWaldF值为406.385，远高于10%偏误水平下的临界值16.38，说明对子女数量设定的工具变量是强有效的，工具变量选择合格。

工具变量的回归结果显示，子女数量的显著性在1%的水平下显著，其中，风险金融资产参与和占比相对应的系数分别为-0.146和-0.0778，该结果表明子女数量对风险金融资产投资概率和占比的负向影响仍成立，与前文结果一致，进一步验证了前文基准回归结果的可靠性。

(二)更换变量

因为股票为一般家庭可投资的最典型的风险金融资产，故替换被解释变量为家庭持有股票的概率和股票对金融资产的占比，同时将核心解释变量替换为县域家庭平均子女数量进行稳健性检验，由表7可以看出，县域家庭平均子女数量对股票的参与和股票资产占比的回归系数皆显著为负，这表明家庭子女数量越多，家庭投资股票的概率与股票对金融资产的占比就越低，这与前文基准回归相一致，进一步验证了前文回归结果的稳健性。

表7 子女数量对家庭股票配置

七、机制检验

(一)人口流动的调节效应

第七次全国人口普查结果表明人口集聚效应进一步加剧。随着人口不断集聚，人口净流入与净流出地区的发展差距会使地区间的金融分割不断扩大，而人口净流入地区的家庭必然面临高房价、高物价等巨大经济压力，这在一定程度上约束了人口净流入地区家庭参与金融市场的行为。七普结果显示，广东、浙江、上海、北京、江苏等省份为人口净流入地区，而河南、安徽、四川、贵州、广西、湖南等省份为人口净流出省份，对样本数据房产占总资产的比值进行计算可得，人口净流入省份为52.59%，而人口净流出省份为48.21%，这表明人口净流入省份的购房压力更大，人口净流入地区的家庭在日常消费、子女抚养以及婚房等方面压力更大，这就导致家庭不得不谨慎投资，从而对风险金融资产的投资产生挤出效应。

将人口净流入省份赋值为1，人口净流出省份赋值为0，并用flow表示，与子女数量进行交互回归，结果如表8所示，子女数量与风险金融资产的参与和风险金融资产占比皆显著负相关，同时子女数量与人口流动的交互项也显著负相关，说明在人口净流入的情况下，子女数量(即子女抚养负担)对风险金融资产的投资和占比的抑制作用有所促进，假设2得以验证。

表8 人口流动效应机制检验

(二)预防性储蓄的中介效应

根据预防性储蓄理论，不完善的医疗、养老以及教育等社会保障和不确定的收入会促使居民减少风险投资、降低消费而增加储蓄，因此预防性储蓄动机可能作为一种中间机制影响家庭风险金融资产配置。根据温忠麟和叶宝娟(2014)[35]重新归纳的中介效应的检验方法进行以下检验，检验模型如下：

Y=α0+α1·Childi+α2·Controls+μ1

(3)

M=β0+β1·Childi+β2·Controls+μ2

(4)

Y=γ0+γ1·Childi+γ2·M+γ3·Controls+μ3

(5)

其中，α0，β0，γ0为截距，α1，β1，γ1和γ2为主要变量系数，Controls为控制变量，μ1，μ2，μ3为误差项。上述三个模型中，Y为被解释变量风险金融资产参与和占比；Childi为核心解释变量子女抚养负担，用子女数量来表示；M为中介变量，即家庭的预防性储蓄指标。参考刘雪颖和王亚柯(2021)[36]的研究，定义预防性储蓄指标为家庭储蓄额与金融资产市值的比值，使用deposit来表示，其中，家庭储蓄额指家庭现金、活期存款余额与定期存款余额的加总。

表9为对预防性储蓄效应在子女数量对风险金融资产参与的影响中可能存在的中介效应进行检验的结果，具体步骤为：(1)方程(3)中子女数量的回归系数α1为-0.026，在1%水平下显著，得出子女数量对风险金融资产参与影响显著的结论，按中介效应立论。(2)检验方程(4)的系数β1为0.012和方程(5)的系数γ2为-1.089，二者皆在1%水平下显著，得出间接效应显著的结论。(3)根据方程(5)中的系数γ1为-0.018，在1%水平下显著，可知直接效应显著。由上述结论可知，在家庭子女数量影响风险金融资产参与的过程中，既有直接效应，也有预防性储蓄的间接作用。进一步比较β1·γ2的符号和γ1的符号，发现二者皆为负号，属于部分中介效应。进行Bootstrap检验得出偏差矫正95%置信区间为(-0.021，-0.005)，置信区间不包含0，且在5%水平下显著，验证预防性储蓄效应在子女数量与风险金融资产参与中起中介作用，且属部分中介效应，经计算中介效应占比为42.41%。

对预防性储蓄效应在子女数量对家庭风险金融资产占比的影响中可能存在的中介效应进行检验(见表9)，具体步骤为：(1)根据方程(3)中男孩数量的系数α1为-0.013，在1%水平下显著，得出子女数量对家庭风险金融资产占比影响显著的结论，按中介效应立论。(2)检验方程(4)的系数β1为0.012和方程(5)的系数γ2为-0.814，二者皆在1%水平下显著，得出间接效应显著的结论。(3)根据方程(5)中的系数γ1为-0.003，在5%水平下显著，可知直接效应显著。由上述结论可知，在家庭子女数量影响风险金融资产占比的过程中，既有直接效应，也有预防性储蓄的间接作用。进一步比较β1·γ2的符号和γ1的符号，发现二者皆为负号，属于部分中介效应。进行Bootstrap检验得出偏差矫正95%置信区间为(-0.016，-0.004)，置信区间不包含0，且在5%水平下显著，验证预防性储蓄效应在子女数量与风险金融资产占比中起中介作用，且属部分中介效应，经计算中介效应占比为74.4%。综上所述，假设3得以验证。

表9 预防性储蓄效应机制检验

八、结论与启示

利用2017年中国家庭金融调查数据，将子女数量定义为子女抚养负担，实证分析后发现子女抚养负担的增加，会显著抑制家庭风险金融资产的配置。一方面，子女抚养负担的增加会使得家庭风险金融资产的投资概率减小；另一方面，子女抚养负担的增加会降低家庭风险金融资产占总金融资产的比重。将扣除本家庭之外的家庭所在县域平均子女数量作为工具变量进行内生性检验以及更换核心变量回归后结果依然稳健。研究还发现，户主年龄、受教育程度、风险态度、有无商业保险以及家庭是否使用互联网、家庭房产数、家庭总收入等均对风险金融资产投资概率和占比有显著正向作用。户主性别、身体状况对家庭风险金融资产的投资概率和占比的影响皆不显著，而其婚姻状况仅对风险金融资产占比的负向影响显著。从事工商业生产经营对家庭风险金融资产参与和占比皆有显著的负向影响。异质性分析显示，子女抚养负担对家庭风险金融资产配置的负面影响在城市和东部省份更加显著；将样本划分为低收入、中等收入以及高收入群体后，发现抚养负担的增加对家庭风险金融资产投资概率的负向作用主要发生在中等收入家庭，而对风险金融资产占比的负向作用随着家庭收入提高而增强。

进一步的机制分析显示，考虑第七次全国人口普查的人口集聚效应，验证了在人口净流入的集聚区，人口流动效应使得子女抚养负担的增加对家庭风险金融资产配置的抑制作用加强的机制，同时也验证了子女抚养负担的增加通过提高家庭预防性储蓄水平而减少家庭风险金融资产的投资概率和占比。

研究子女抚养负担对家庭风险金融资产配置的影响，有助于更好地认识家庭投资决策行为，有利于解释家庭投资“有限参与”现象，也可以在中国当前生育政策调整期为经济发展的政策制定提供一定的理论与实证支撑。当前人口老龄化与少子化现象严重，为进一步优化生育而实施三孩政策。而子女数量的增加，必然会导致对住房、教育、医疗等需求的增加，家庭对子女的抚养负担和经济风险进一步加剧。因此结合研究结论，提出以下建议：

首先，国家层面出台并不断完善生育、养育、教育、医疗和养老等方面的措施和保障体系，减轻家庭抚养负担，缓解家庭经济压力，一方面有利于家庭减少过度储蓄，改善家庭的资产结构扭曲问题，另一方面能够释放更多的家庭资金，有利于促进家庭消费结构的优化升级，也有利于将家庭资金合理引导至风险金融市场进行投资。

其次，继续规范发展金融业，在合理的监管之下进行金融创新，降低金融投资门槛，创造符合当前中国国民家庭资产配置的金融产品。同时继续发展普惠金融，促进家庭投资健康发展，实现家庭财富保值增值，从而确保多渠道增加城乡居民财产性收入、扩大财产性收入占家庭总收入比重的目标得以完成。

最后，在人口流动集聚的背景下，发挥中心城市和城市群的带动作用，提高工资性收入的同时完善收入分配政策，提高低收入群体收入，扩大中等收入群体。完善相关政策，鼓励和引导高收入人群参与社会慈善捐赠，让三次分配在收入分配体系中发挥补充作用，加快实现共同富裕。