住房财富与中国城镇家庭消费——基于面板数据的实证研究

段雨轩，段忠东

（1.北京大学 数学科学学院，北京 100871；2.厦门理工学院 经济与管理学院，福建 厦门 361024）

一、引言

自1998年住房制度改革以来，我国城镇家庭的住房拥有率大幅提升，住房日益成为城镇家庭最为重要的资产类型。中国人民银行调查统计数据显示，2019年中国城镇家庭的住房拥有率达到96%，住房资产占家庭总资产的比重约为七成。另外，近年来我国最终消费支出对国内生产总值增长贡献率稳定在50%至60%，远高于对资本形成与净出口的贡献。研究显示，2020年我国最终消费支出占GDP的比重为54.3%，高于资本形成总额11.2个百分点（尹志超等，2021）[1]，可见，消费已然成为巩固和拉动我国经济增长的重要动力。住房具有投资品和消费品的双重属性，房产价值变动会对家庭消费决策产生重要影响：一方面，房产财富变动可能促进房产业主家庭的消费，另一方面，房价高涨可能对租房家庭或者计划购房家庭的非住房消费产生挤出效应。当前，全球新冠肺炎疫情仍在持续，外部环境更趋严峻复杂与不确定，我国经济面临需求收缩、供给冲击、预期转弱三重压力。保持宏观经济与金融稳定性，继续实施扩大内需战略已经成为重要政策取向。为此，如何维持房地产市场稳定，促进居民消费增长，成为宏观政策面临的关键问题。在此背景下，考察住房财富对城镇家庭消费的影响机制具有一定的理论意义与现实价值。

国内学者的早期研究大多采用宏观总量数据，随着家庭微观调查数据的建设完善，更多的学者开始利用微观数据展开实证研究。但是，已有文献大多采用截面数据，较少利用家庭微观调查数据建立面板数据展开研究，未能深入研究住房财富与家庭消费的时变差异性。为此，本文利用2013年、2015年、2017年的CHFS数据构建三期家庭追踪面板数据，运用混合数据模型和面板数据固定效应模型检验住房财富对城镇家庭消费的影响机制。相较于已有文献，本文可能的主要贡献有以下三方面。

第一，建立三期家庭追踪面板数据，能够追踪住房财富和家庭消费的时变特征，更好地识别住房财富效应；而基于截面数据或混合数据的研究，则只能考察住房资产效应。

第二，通过识别2013—2015年、2015—2017年未有房产交易、房屋数量无变动的有房家庭，以城市标识city_lab作为分组依据计算城市房价指数，采用地市级房价指数作为住房财富的工具变量，并运用面板数据固定效应模型，能够更好控制可能的内生性问题。

第三，较为深入地考察住房财富相对水平对家庭消费的间接影响机制，并考虑了家庭负债状况对消费可能产生的影响。

二、文献综述

住房财富与消费关系的相关研究可以溯源至“持久收入假说”与“生命周期理论”。根据传统财富效应理论，住房作为居民持有的重要财富，当房价上涨导致家庭财富增加时，居民消费也随之增加。但传统财富效应理论忽略了住房财富影响家庭消费的异质性，因此学者们进行了更为深入的理论研究。

第一，抵押约束效应。对于房产业主家庭而言，住房财富可以通过缓解抵押约束对这类家庭消费产生重要影响（Aoki等，2002；Iacoviello，2004；DeFusco，2018）[2-4]。Aoki等（2002）[2]利用金融加速器效应分析住房财富变化影响家庭消费的抵押约束效应。Iacoviello（2004）[3]研究发现，当受信用约束家庭的借款能力受到住房财富波动的影响时，住房财富变动会对家庭消费产生显著影响。

第二，负收入与储蓄效应。对于计划购房家庭或者租房家庭而言，房价上涨可能使他们增加储蓄与租金支出，减少可支配收入，压缩非住房消费。Kennedy和Andersen（1994）[5]、Muellbauer和Lattimore（1995）[6]研究发现，在金融管制较严格、金融市场竞争较不充分的环境中，家庭购房首付比较高，房价变化导致的储蓄效应越发显著。

第三，预期与信心效应。如果住房价格持续上升，有房家庭从房价上涨中获得的收益就会由暂时性收益变为持久性收益，这会增强市场信心，从而增加消费支出（Poterba，2000；Ludwig和Slok，2002）[7-8]。

第四，共同因果性假说。房价和消费之间的相关性并不一定意味着二者之间存在因果关系，人们的收入预期和利率变动等共同因素的影响是导致住房财富与消费支出增长的主要原因（King，1990；Buiter，2009）[9-10]。

学者的实证研究主要集中于两个方面。

第一，利用宏观数据研究房产价格对家庭消费的总体影响。（1）住房财富效应存在。Case等（2005）[11]利用美国各州宏观数据，研究发现存在显著的住房财富效应。王子龙等（2009）[12]研究表明，房产价格的正向冲击将导致居民消费水平提高。（2）住房财富效应不存在。骆祚炎（2007）[13]研究表明，由于流动性约束，城镇居民住房资产的财富效应较弱。刘旦（2008）[14]基于生命周期假说得出房价上升没有提高消费的结论。（3）非线性拓展。段忠东（2014）[15]运用门限模型考察房价对居民消费的非线性影响。

第二，利用微观调查数据考察住房财富对家庭消费的异质性影响。（1）不同户主年龄。Skinner（1996）[16]研究发现，住房价值增长能够提高年轻住户的消费水平,但对老年住户没有显著影响。Campbell和Cocco（2005）[17]研究发现，住房财富对老年的房屋所有者有较大的影响。（2）不同资产类型。Case等（2005）[11]研究美国各州发现，住房财富效应要高于金融资产。（3）不同家庭收入。Peltonen等（2012）[18]研究发现，收入水平或金融发展水平较低的国家，其住房财富效应较为突出。黄静和屠梅曾（2009）[19]研究发现，户主越年轻、收入越高的家庭，房地产财富效应越大。（4）不同消费类型。张大永和曹红（2012）[20]研究发现，住房价值对家庭非耐用品消费的影响大于耐用品。（5）不同住房拥有状况。尹志超等（2021）[1]研究发现，拥有住房数量的差别均会对住房财富产生不同影响。（6）住房财富效应并不显著。李涛和陈斌开（2014）[21]研究发现住房资产具有较弱的资产效应，而不存在财富效应。余新平和熊德平（2017）[22]研究发现财富效应在总体上并不存在。杨锐锋和何兴强（2021）[23]的实证研究结果支持共同因素效应的预期收入假说。

总之，关于住房财富效应的研究结论存在较大差异。一方面可能是不同研究的统计数据口径存在较大差异；另一方面可能是不同国家地区在消费习惯、金融制度、金融市场完善程度等方面存在差异。此外，模型构建、样本选取和数据处理也可能是影响研究结论的重要原因。现有研究存在以下不足。

第一，大多采用截面数据或混合数据进行实证研究，难以追踪住房财富与家庭消费决策的时变特征，而基于截面数据的研究结论更多反映的是住房的资产效应而非财富效应（李涛和陈斌开，2014）[21]。

第二，已有文献还在一定程度上忽略或未能较好控制住房财富与家庭消费之间可能存在反向因果性和遗漏变量所导致的内生性问题。如有研究采用省级房价作为住房财富的工具变量，但是省级房价不能准确反映家庭所在城市房价的变动①已有文献采用家庭消费滞后一阶，或者住房财富增值作为住房财富的工具变量，以此消除可能存在的反向因果关系，但此类方法并不能很好地解决该内生性问题。。

三、研究变量、数据来源与经验模型

（一）研究变量与数据来源

本文被解释变量为家庭消费，核心解释变量为住房财富，控制变量包括家庭收入、家庭金融资产以及家庭人口统计学特征等。部分核心变量具体说明如下。

（1）家庭消费。包括家庭的非耐用品消费和耐用品消费，通常非耐用品消费中包含更多生活必需品支出，理论上其受收入及财富水平的影响相对于耐用品消费较小。家庭非耐用品消费的测度口径界定为：伙食费、日用品消费支出、交通支出、话费支出、文化娱乐支出、服饰支出等；家庭耐用品消费的测度口径界定为：彩电、冰箱、手机、洗衣机、电脑等支出，箱包和字画等奢侈品支出以及家用交通工具支出等。

（2）住房财富。以每期家庭的住房总市值作为代理变量。

（3）金融资产。以每期家庭的银行存款、现金、股票、债券、金融衍生品等狭义金融资产之和作为代理变量，暂时不考虑家庭的住房公积金、医疗保险、退休金等流动性较低的社保账户类广义金融资产，理由在于狭义金融资产的变动会更为直接地影响家庭消费。

（4）家庭收入。以每个家庭成员的年工资性收入、退休金收入以及家庭工商业收入之和作为代理变量。

（5）家庭规模。以家庭总人数作为代理变量。

（6）户主性别。虚拟变量，户主为女性时取1，户主为男性时取0。

（7）婚姻状况。虚拟变量，户主处于已婚或同居状态时取1，户主处于未婚、离异、丧偶状态时取0。

（8）户主教育程度。虚拟变量，根据户主的受教育程度将家庭样本分为5个不同的受教育程度组，具体包括小学及小学以下学历（EDU0）、初中学历（EDU1）、高中和中专及职高学历（EDU2）、大专高职学历（EDU3）和大学本科及以上学历（EDU4）。

（9）家庭人口结构特征。主要由少儿抚养比（当期年龄小于等于15岁的家庭成员人数占家庭总人数的比重）、老年抚养比（当期年龄大于等于65岁的家庭成员人数占家庭总人数的比重）以及不健康抚养比（当期身体状况较同龄人自评为一般或不好的家庭成员人数占家庭总人数的比重）作为代理变量。

（10）省级区域经济特征。用家庭所处省份GDP以及GDP增速作为代理变量。

本文利用2013年、2015年、2017年西南财经大学中国家庭金融调查数据（CHFS）构造三期家庭追踪面板数据。CHFS是中国家庭金融调查与研究中心在全国范围内开展的抽样调查项目，涵盖了我国家庭金融领域较为全面与完善的家庭资产、家庭消费、家庭人口统计特征追踪数据信息，有利于探究家庭财富与家庭消费之间的关系，同时方便研究者进行面板数据的分析（甘犁等，2015）[24]。

（二）描述统计

首先，本文研究对象为中国的城镇家庭，因此保留城镇的家庭样本。其次，删除数据中存在缺失值的家庭样本，得到2013年、2015年、2017年的有效样本分别为：18677个、23361个、27273个。为了降低极端值可能造成的不利影响，剔除了年收入不超过500元的家庭样本。再次，以2017年的有房家庭样本为基础追踪回溯，剔除了2013年、2015年、2017年均无房的家庭样本，形成三期家庭追踪平衡面板数据，最终保留5783户家庭，共计17349个样本。

研究变量的描述统计如表1与表2所示。从中可以发现，家庭收入、住房财富、耐用品消费和金融财富从2013年到2017年均有明显增长，总体住房财富均值达到了95.768万元。住房财富显著高于收入及家庭金融资产，同时，非耐用品消费水平也显著高于耐用品消费水平均值。家庭拥有住房套数的均值为1.335，户主年龄均值为54岁，家庭总人数均值为3.352，但家庭规模逐年下降。平均少儿抚养比呈递减趋势，而平均老年抚养比则呈上升趋势，这也反映了当前社会逐渐凸显的家庭少子化和人口老龄化趋势。

表1 研究变量总体描述统计

表2 研究变量各年度描述统计

（三）实证模型

实证研究分为三个部分：

第一，检验住房财富影响家庭消费的总体效应，分析住房财富对家庭不同种类消费的影响；

第二，研究住房财富对不同家庭消费的异质性影响，运用工具变量法控制可能由逆向因果产生的内生性问题，完成稳健性检验；

第三，拓展性分析，考察住房财富相对水平对家庭边际消费倾向的影响，以及家庭负债状况对家庭消费的影响。

1.住房财富影响家庭消费的总体效应

模型设定如式（1）所示。其中，lnCONit为被解释变量，表示对第i个家庭在第t期（t=2013,2015,2017）的家庭消费取对数，解释变量lnINCit、lnHVit、lnFINAit分别为第i个家庭在第t期家庭收入、住房财富和金融资产取对数，ϕ代表户主性别、户主年龄、户主教育程度、家庭规模等家庭人口统计特征的控制变量，ci为个体固定效应，λt为时间固定效应，εit为误差项。在该模型中若β估计结果显著大于0，则说明住房财富效应是存在的。

2.住房财富影响家庭消费的异质性效应

在式（1）中分别加入住房套数、户主年龄、家庭收入、家庭所在地区等变量与住房财富的交叉项，具体的模型设定如式（2）所示：

式（2）的核心解释变量Vitk×lnHVit为第i个家庭在第t期的家庭住房财富与相应变量的交叉项，其余变量与式（1）保持一致。通过观察θk的估计系数可以考察住房财富效应的异质性。

3.住房财富相对水平对家庭收入的边际消费倾向的影响

在模型（1）中加入交叉项lnINCit×HIGHHVit，HIGHHVit代表家庭i第t期住房财富在本地区的相对水平。σ估计结果反映了这种影响的方向与大小。具体的模型设定如式（3）所示：

4.住房负债对住房财富效应的影响

在模型（1）中加入了有无房贷虚拟变量HDit或家庭房贷余额的对数lnHDVit，同时加入交叉项HDit×lnHVit或lnHDVit×lnHVit，来探究住房财富效应如何受住房负债的影响，具体的模型设定如式（4）所示。

四、实证研究过程与结果分析

（一）住房财富影响家庭消费的总体效应

本文运用混合数据模型和面板数据固定效应模型，以家庭消费为被解释变量①限于篇幅，文中主要汇报以家庭总消费作为被解释变量的回归结果，以非耐用品消费与耐用品消费作为被解释变量的部分回归结果未在文中列出。。住房财富影响家庭消费的总体效应估计结果如表3的第（1）列—第（3）列所示。第（1）列为混合数据模型的回归结果，第（2）列为控制了年份固定效应的回归结果，第（3）列则是同时控制个体固定效应与年份固定效应的双向固定效应模型估计结果。可以发现，住房财富对家庭消费的影响显著为正。第（1）列和第（2）列中住房财富的估计系数约为0.018，即住房财富每增长10%，家庭总消费增长0.18%。该结果与尹志超等（2021）[1]的估计结果基本保持一致。这意味着，中国城镇家庭住房财富的增长会显著促进家庭消费。

表3 住房财富影响家庭消费的总体效应

续表

为了控制不随时间变化家庭遗漏变量导致的内生性问题，本文运用面板数据的双向固定效应模型。回归结果如表3的第（3）列所示。结果显示估计结果与第（1）列、第（2）列估计结果保持一致，这说明混合数据模型的估计结果基本稳健。第（4）列是采用省份聚类稳健标准误的估计结果。考虑家庭所处省份与年份的协同影响，第（5）列是在第（4）列的基础上控制了省份与时间交叉项固定效应所得到的结果。可以发现，第（4）列、第（5）列的回归结果与基准回归结果高度一致，这说明基准模型是稳健的。

其他解释变量的估计结果如下。第一，相对于住房财富，家庭收入与金融资产是影响家庭消费的更为重要的因素。理论上，流动性越高的资产，其价值变动对家庭消费的影响会越大。第二，户主教育程度越高的家庭，其总体消费水平越高。第三，家庭消费水平会随着家庭规模的扩大而扩大。第四，户主已婚家庭的总体消费水平显著高于未婚家庭。第五，老年抚养比越高的家庭，其消费支出较低。这可能反映了老年人在餐饮、服饰、交通、通信等方面更为节俭的消费习惯。第六，家庭不健康人数占比越高，家庭总体消费支出也会越高。

接下来，分别用非耐用品消费和耐用品消费作为被解释变量重新估计模型（1）。估计结果如表4所示。其中，第（1）列—第（3）列的被解释变量为非耐用品消费，第（4）列—第（6）列的被解释变量为耐用品消费。可以发现，住房财富、金融资产和家庭收入的估计系数均显著为正，估计结果大多与表3保持一致，这说明模型设定是稳健的。另外，相对于非耐用品消费，耐用品消费受家庭收入、住房财富及金融资产的影响更大。可能的原因是非耐用品消费更大程度反映家庭的生活必需品支出，其变动水平主要取决于人口数量、所处区位等家庭特征。可见，促进居民消费的相关政策可以更多考虑如何促进耐用品消费。

表4 住房财富对不同类型消费的影响

（二）住房财富影响家庭消费的异质性效应

1.不同住房拥有家庭

按照拥有住房套数将家庭总样本分为3组：1套房家庭组、2套房家庭组和3套房及以上家庭组。本文选取住房财富与住房套数家庭虚拟变量NHOUSE1（2套房家庭组）、NHOUSE2（3套房及以上家庭组）的交乘项作为模型（2）中的交叉项，取1套房家庭组为对照组，其他解释变量不变。住房财富对不同类型消费的影响的具体回归结果如表5所示。

表5 不同住房套数家庭的住房财富效应

表5的第（1）列为混合模型的回归结果，第（2）列是控制个体固定效应与年份固定效应的回归结果，第（3）列、第（4）列分别是非耐用品消费和耐用品消费为被解释变量的回归结果。结果显示，第（1）列的交叉项估计系数均显著为正，且3套房及以上家庭组的交乘项系数（0.017），高于2套房家庭组的交乘项系数（0.006）。这说明，住房资产的财富效应随着拥有住房套数的增加也相应增长。可能的原因是住房具有居住与投资的双重属性。对于拥有1套房的家庭来说，住房更多地体现出居住属性，其利用房产融资或通过出售房产来增加家庭消费的可能性较低；随着拥有住房套数的增长，家庭利用房产融资或出售房产、获取租金来增加家庭消费的可能性增大。双向固定效应模型的回归结果基本保持一致，说明研究结论是稳健的。

对比第（3）列、第（4）列回归结果可以发现，相对于非耐用品消费，住房套数增长导致的住房财富效应提升效果对于耐用品消费更为明显。此外，家庭收入和金融财富对耐用品消费的影响弹性明显超过非耐用品消费。

2.不同户主年龄家庭

根据户主年龄将家庭总样本分为5组：35岁以下组、35岁（含）至45岁组、45岁（含）至55岁组、55岁（含）至65岁组、65岁（含）以上组。对不同年龄家庭组样本估计模型的回归结果如表6所示。结果显示，所有年龄组的住房财富效应估计系数均显著为正。比较不同户主年龄组的回归结果可以发现，随着户主年龄的增长，住房财富效应呈现倒U形生命周期特征，在45岁（含）至55岁组达到峰值0.022。这一结果与黄静和屠梅曾（2009）[19]的研究结果保持一致，与Campbell和Cocco（2005）[17]的研究结论存在明显差异。可能的解释是：年轻户主家庭的住房财富效应相对较低，住房更多体现为居住属性；而老年家庭重土安迁的传统思想与遗赠动机更为明显，通过出售或利用房产融资来增加消费的可能性较小，住房财富效应也相对较低。

表6 不同户主年龄家庭的住房财富效应

另外，家庭收入水平对消费的影响弹性随着户主年龄的增长表现出U形周期特征，即：年轻家庭和老年家庭的收入边际消费倾向超过中年家庭。进一步将因变量分别替换为非耐用品消费与耐用品消费，重新估计的结果发现，非耐用品消费的回归结果与总消费的回归结果基本保持一致；而耐用品消费的估计结果未表现出类似特征，这可能是由于家庭消费的主体为非耐用品消费，耐用品消费远低于非耐用品消费①限于篇幅，文中未列出以非耐用品消费和耐用品消费作为被解释变量的具体估计结果。下同。。

3.不同收入家庭

首先，根据家庭收入将家庭样本分为4组：低收入组、中低收入组、中高收入组和高收入组。对各子样本分别利用模型（1）进行回归，回归结果如表7所示。可以发现，4组子样本的住房财富效应回归结果未表现出显著差异。接下来，本文在式（2）中加入住房财富与不同家庭收入虚拟变量的交乘项进行回归。结果发现，住房财富效应在不同收入水平的家庭间不存在显著差异，该结论与分组回归结果保持一致①限于篇幅，加入虚拟变量交叉项的具体估计结果未在文中列出。。最后，分别用非耐用品消费与耐用品消费作为被解释变量，回归结果总体与表7保持一致。

表7 不同收入家庭的住房财富效应

另外，中高收入组的家庭消费受家庭收入的影响最大。可能的原因是文化娱乐等非必需品支出在中高收入家庭的消费结构中占据了较高比重，而非必需品消费支出的收入弹性较大。相对而言，低收入组家庭的消费结构中更多为必需品消费，其受家庭收入的影响较小。政策启示是：提升低收入家庭收入水平，增加中高收入家庭在社会中所占的比重，对于促进社会整体消费水平有着重要的作用。

4.不同区位家庭

根据家庭所在省份划分3组家庭子样本：东部组、中部组与西部组。分别对各子样本估计模型（1），回归结果如表8所示。可以发现，住房财富对西部组家庭消费的促进作用最大，中部组其次，东部组最低。可能的原因：第一，中西部地区的经济发展与收入水平较低，人们借助于住房财富扩大其消费支出的意愿更为明显；第二，东部组家庭的投资性购房动机更为强烈，导致购房首付和还贷压力更大，对住房财富效应产生负面效果。进一步将消费分别替换为非耐用品消费与耐用品消费后进行估计，可以发现回归结果总体与总消费回归结果保持一致②限于篇幅，具体的分组回归估计结果未在文中列出。。

表8 不同区位家庭的住房财富效应

（三）内生性问题及稳健性检验

本文采用工具变量法控制逆向因果性可能导致的内生性问题③例如，家庭为了追求较高的住房财富，需要满足住房首付款要求，他们往往会增加储蓄而压缩消费支出。由此，较低水平的消费支出促进了住房财富积累。。已有文献往往利用家庭消费滞后一期作为解释变量，或者利用住房财富增值作为住房财富的工具变量。但是，由于家庭消费具有高度自相关性，将消费滞后一期作为解释变量不能有效控制内生性问题；另外，家庭的住房财富增值包含了因购置房屋导致的住房价值增值，并非仅仅是房价上涨导致的住房财富增值，有必要对此进行识别。为此，本文构建各城市房价指数（HPINX）作为工具变量，以识别房价上涨的住房价值增值。具体步骤如下：首先，在总体样本中识别出在2013—2015年、2015—2017年未进行房产买卖与置换的有房家庭样本；其次，计算每个城市未购置住房家庭的总住房价值增值；再次，构造以2013年为基期的各城市房价指数。相较于尹志超等（2021）[1]采用省级房价作为住房财富的工具变量，地市级房价指数可以更为精准地反映住房财富的外生增长，且该房价指数也与家庭消费不存在必然联系。

利用工具变量法，同时控制家庭个体与年份双向固定效应的估计结果如表9所示。表9的第（1）列为全样本的估计结果，第（2）列为剔除家庭收入极端值后的子样本估计结果。结果显示，作为工具变量的房价指数（HPINX）的估计系数显著为正，且不存在弱工具变量。可见，住房财富增长显著促进了家庭总消费。将住房财富替换为住房净财富（NHV，即住房财富与当期住房贷款余额之差）的回归结果如表10第（3）列所示，估计结果也基本保持一致。

表9 工具变量法的一阶段估计结果

表10 FE-IV估计及稳健性检验结果

（四）拓展性分析

1.住房财富相对水平对收入边际消费倾向的影响

为了检验家庭的住房财富相对水平如何对家庭收入的边际消费倾向产生影响，本文以省份或者直辖市为单位，计算了第i个家庭在第t期的住房财富相对水平（HIGHHVit）①由于家庭住房资产在不同省份、地市间的绝对差额较大，因而采用地区内的住房财富相对水平进行实证分析，更有利于反映家庭的住房财富相对水平高低对家庭边际消费倾向的影响。。计算表达式为：HIGHHVit=(lnHVit-minlnHV)/(maxlnHV-minlnHV)。其中，minlnHV与maxlnHV分别为家庭i所处省份或城市内第t期的家庭住房财富最小值与最大值的对数，lnHVit是第i个家庭在第t期的住房财富对数。在基准模型（3）中加入住房财富相对水平与家庭收入的交叉项（lnINC×HIGHHV）后，估计结果如表11中第（1）列所示。从中可以发现，交叉项的估计系数显著为正。这说明，在家庭收入水平不变的情况下，住房财富相对水平越高的家庭，其收入边际消费倾向越高。这也意味着，住房财富不仅可以直接影响家庭消费，而且可以通过影响家庭收入的边际消费倾向作用于家庭消费。

表11 住房财富相对水平对边际消费倾向的影响

本文以各城市为单位计算单个家庭的住房财富相对水平（HIGHHVC），代替第（1）列模型中的住房财富相对水平（HIGHHV）重新估计模型（3）。估计结果见表11的第（2）列。结果显示，第（2）列的回归结果与第（1）列基本一致。进一步以非耐用品消费作为被解释变量的回归结果为第（3）列和第（4）列，以耐用品消费为被解释变量的回归结果为第（5）列和第（6）列。结果显示，住房财富相对水平对耐用品边际消费倾向的影响明显超过非耐用品消费和总消费。

2.住房抵押贷款对住房财富效应的影响

为了考察家庭的住房贷款是否影响住房财富效应，在基准模型（4）中加入有无房贷虚拟变量（HD=1，有房贷；HD=0，无房贷）及其与住房财富的交叉项，估计结果如表12的第（1）列所示。从中可以发现：有无房贷虚拟变量的回归系数显著为负，这说明相对于无房贷的家庭，有房贷家庭的消费较低；交叉项的回归系数显著为正，说明相对于无房贷家庭，有房贷在一定程度上能够提升住房财富效应。这可能意味着，房贷需还本付息降低了家庭可支配收入，通过负收入效应对家庭消费产生挤出效应；而持有房贷有助于缓解流动性约束，提升家庭住房财富，进而改善住房财富效应。第（2）列是将虚拟变量替换为家庭房贷余额对数（lnHDV）的回归结果，结果与第（1）列保持高度一致。

为了进一步考虑除住房负债之外的其他家庭负债如何影响家庭消费决策，本文模型（2）中加入非住房负债（lnNHDV）①非住房负债包括金融负债、教育负债、医疗负债与非住房实物资产负债等。，回归结果如表12的第（3）列所示。从中可以发现，非住房负债有助于提升家庭消费，这可能意味着非住房负债能缓解家庭的流动性约束，对于提高家庭消费水平具有积极意义。

表12 住房贷款对住房财富效应的影响

3.利用2019年CHFS数据的主要估计结果①感谢审稿人的建议，本文利用2019年CHFS数据重新估计了主要模型，主要结论未见明显区别。限于篇幅，基于2019年CHFS数据的估计结果未在文中列出。

考虑到未将2019年CHFS数据包含进入面板数据可能会影响研究结论，本文利用2019年的CHFS数据重新估计主要模型。（1）以城镇有房家庭样本作为研究样本估计基准模型，为控制内生性问题，利用样本内城市住房平均价格（各个城市样本家庭总住房财富/总住房面积）作为住房财富的工具变量，运用两阶段最小二乘法进行估计。（2）采用城镇有房家庭追踪样本作为研究样本估计基准模型，为解决内生性问题，根据city_lab与具体城市信息的对应关系，计算城市住房平均销售价格（城市住房销售总金额/住房销售面积）作为住房财富的工具变量，运用两阶段最小二乘法进行估计。研究结果发现：住房财富对家庭消费产生显著的正面影响，住房财富效应依然显著存在，其他的控制变量估计结果大多依然保持一致。总之，本文的研究结论具有良好的稳健性，采用2013—2017年家庭追踪面板数据的实证结果，也不影响研究结论对于当前现实情况的解释力与借鉴价值。

五、结论及政策启示

本文利用2013年、2015年、2017年CHFS数据构造三期家庭追踪平衡面板数据，较为深入全面地研究了住房财富对中国城镇家庭消费的影响效果。在拓展性研究部分，考察了住房财富相对水平通过影响家庭边际消费倾向进而影响消费的作用路径，检验了住房负债及其与住房财富的相互作用如何对家庭消费产生影响。在研究过程中，运用包括面板数据的双向固定效应模型与工具变量法控制了内生性问题。本文的主要结论有以下几方面。

第一，住房财富增长总体上对城镇家庭消费产生显著的促进作用。家庭收入与金融资产对家庭消费的提升效果超过住房财富对家庭消费的促进作用；并且，耐用品消费受家庭收入、住房财富与金融资产水平的影响效果显著超过非耐用品消费。

第二，住房财富对家庭消费的影响效果存在异质性。随着家庭持有住房套数的增加，住房财富效应呈现明显上升趋势；住房财富效应随着户主年龄的增长表现出先升后降的钟形生命周期特征；中西部省份家庭的住房财富效应超过东部省份家庭；年轻家庭和老年家庭的收入边际消费倾向超过中年家庭。

第三，住房财富通过影响家庭的边际消费倾向间接影响家庭消费，住房财富相对水平越高的家庭其边际消费倾向越高。有住房贷款的家庭其消费支出显著低于无房贷家庭；相对于无房贷家庭，拥有房贷在一定程度上能够提升住房财富对家庭消费的影响效果。

当前，新冠肺炎疫情仍在局部持续，我国经济发展面临严峻复杂的外部形势，保持宏观经济与金融体系稳定已经成为政策目标。为此，积极实施扩大内需战略，稳定并提振居民消费十分必要。本文的政策启示如下。

第一，继续促进房地产市场健康平稳发展，坚持“房住不炒”政策定位。一方面，房价高涨为新购房家庭带来了较大房贷压力，房贷本息偿还通过负收入效应和储蓄效应抑制居民消费；另一方面，我国人口结构日益老龄化可能会导致住房需求降低，因而更需对房价可能的大幅下跌保持警惕。房价大幅下跌会造成家庭财富缩水，可能通过负向财富效应导致消费萎缩，冲击宏观经济金融稳定。

第二，提高城镇家庭的可支配收入与财富积累水平，优化收入分配结构。提升居民可支配收入，尤其是提高年轻家庭和老年家庭的可支配收入，有助于显著提升消费水平；同时，提高家庭财富积累水平有助于发挥财富效应促进消费的积极作用。这一过程需要综合运用税收、收入分配与就业等政策手段。

第三，积极发展消费信贷，提升消费质量，促进消费升级。一方面，积极稳健发展消费信贷业务，有助于居民缓解流动性约束，有力促进居民当期消费；另一方面，耐用品消费对于家庭收入和财富水平的敏感性超过非耐用品消费。因此，应着力推动消费升级，促进汽车家电等耐用品消费增长。