社会养老保险和社会网络与风险金融资产配置

张明，柯占莲，李罗的，张腾

1. 西南大学 国家治理学院， 重庆 400715； 2. 南京大学 商学院， 南京 210093

家庭是社会经济活动的微观主体， 其资产配置选择直接关系到家庭的财产性收入， 成为新时期提升居民家庭收入的重要突破口． 改革开放40年来， 伴随中国居民收入水平的不断提高以及资本市场的快速发展， 中国家庭资产结构较以前发生了剧烈变化， 越来越多的家庭投资金融资产， 在此背景下， 股票、 基金、 金融衍生品等高风险金融资产也发展起来． 根据传统投资理论， 为得到资产的最优配置， 家庭应至少将其财富的一部分投资于以股票为代表的风险金融资产， 如果不参与风险金融市场， 家庭可能会面临较大的福利损失[1]． 但与此相悖的是， 实际生活中我国多数家庭除将资产投资于银行存款、 政府债券等低风险金融资产外， 并没持有任何风险金融资产[2-3]， 家庭风险金融市场有限参与现象是值得关注的问题， 因为这不仅关系到中国资本市场的健康发展， 还关系到家庭收入与福利水平．

对于家庭风险金融资产配置， 国内外传统的研究大多从家庭特征、 财富水平以及主观因素等多个角度进行分析． 随着党的十八大和十九大提出完善以社会保险为核心的社会保障体系， 也有不少学者关注社会保险对家庭风险金融资产配置的影响． 周钦等[4]以及易行健等[3]探究了医疗保险对家庭资产选择的影响， 发现医疗保险会促进家庭更加偏好较高风险水平的资产； 王稳等[5]发现参加医疗保险家庭持有风险金融资产的概率较未参保家庭显著提高了3.5%； 王稳等[6]还建立两期资产配置模型， 发现医疗保险对我国居民家庭风险性金融资产的持有概率及所占比重都有促进作用． 由于养老保险在社会保障中的主体地位， 对于社会养老保险的资产配置效应研究也开始出现． 宗庆庆等[7]发现拥有社会养老保险会显著提高家庭持有风险金融资产的可能性和风险金融资产比重， 边际效应分别达到25%和22%左右； 吴洪等[8]基于Probit和Tobit模型的回归结果也表明， 参与社会养老保险能在很大程度上增加家庭投资风险金融资产的概率和风险金融资产配额， 优化资源配置； 曹兰英[9]利用2012年中国家庭追踪调查数据， 基于离散选择Logit和Tobit模型的实证研究发现， 参与新农保的农村户籍家庭风险金融资产的配置比例和参与风险金融市场的比率均有所提高； 卢亚娟等[10]利用2015年中国家庭金融调查研究中心数据， 采用倾向得分匹配的方法发现社会养老保险可以降低家庭未来收入的不确定性， 提高风险性金融资产持有， 但是这种影响存在区域及城乡异质性．

此外， 由于中国是一个传统关系型社会， 在正式社会保障体系还不健全的情况下， 家庭往往采用基于社会关系网络的非正式风险分担机制来对抗不确定性， 也会对家庭资产配置选择产生影响[11-12]． 现有研究发现， 社会网络资源越广的家庭， 其参与正规金融市场的概率会提高， 其配置于风险资产尤其是股票资产的比例也会增加[13-20]． 但是， 按照传统观点， 随着市场体系的不断完善， 社会网络有可能受到正式制度冲击， 成熟的法律、 规则会逐渐取代社会网络的作用[21]， 规则型合约会逐步取代关系型合约[22-25]． 那么， 从风险金融资产配置的角度， 在构建完善社会保障体系过程中， 作为社会保障主体的社会养老保险与社会网络之间是否发生了替代作用?本研究尝试对这一问题进行分析， 与现有研究相比， 本研究的贡献主要体现在：

1) 揭示了在家庭风险金融资产配置中， 作为正式保障制度的社会养老保险对社会网络的挤出机制， 包括预期不确定性缓解机制、 流动性约束缓解机制以及社会互动弱化机制等；

2) 采用2017年中国家庭金融调查的城镇居民数据， 在识别社会养老保险与社会网络对家庭风险金融资产配置影响的基础上， 实证检验了这种挤出机制的具体表现；

3) 基于东部地区与中西部地区城镇居民社会养老保险参与及社会网络差异， 识别社会养老保险与社会网络对城镇家庭风险金融资产参与影响的区域差异．

本文结构安排为： ① 研究假设， 提出社会养老保险与社会网络影响家庭风险金融资产配置的两个假设； ② 数据来源与变量说明； ③ 估计结果分析， 检验社会养老保险与社会网络的直接影响、 挤出效应以及区域差异表现； ④ 稳健性检验； ⑤ 结论与政策建议．

1 研究假设

理论上讲， 倘若将风险金融资产投资视为一种特殊的消费即金融消费的话， 养老保险可能通过收入效应和替代效应影响家庭的风险金融资产决策． 收入效应是指养老保险会导致居民可支配收入的下降， 若居民出于自我约束性储蓄或目标性储蓄动机不愿意减少储蓄[26]， 则可能降低风险金融资产投资； 替代效应主要是指养老保险的存在能够提高消费者未来收入预期同时缓解家庭的不确定性预期[27，7]， 家庭可能削减预防性储蓄[28]， 从而替代性地增加对风险金融资产的投资[29]． 另外， 根据Kimball[29]的风险规避理论， 替代效应也会发生． 风险规避理论认为， 家庭某方面的风险得到保障或降低后， 会倾向增加其他方面的风险水平， 以期获得更高收益． 也就是说， 养老保险与风险态度存在交互响应， 即便家庭本身是风险规避型的， 但是由于拥有了养老保险保障， 也可能更多地参与风险资产投资． 因为养老保险为家庭建立了一道经济安全网， 从而调整了居民家庭的风险态度， 刺激家庭更多地参与风险金融市场． 就我国而言， 养老保险体系主要包括基本社会养老保险(城镇职工基本养老保险和城乡居民社会养老保险)、 商业养老保险以及除此之外的补充养老保险(企业年金或者职业年金)， 其中， 基本养老保险属于我国养老保障体系的支柱组成部分， 我国于1998年建立了城镇职工基本养老保险， 2009年建立了新型农村社会养老保险， 2011年建立了城镇居民社会养老保险， 随后合并新型农村社会养老保险和城镇居民社会养老保险， 建立了全国统一的城乡居民基本养老保险制度， 从而实现了养老保险制度的全覆盖． 与商业养老保险具有较强储蓄性不同的是， 社会养老保险由于具有普惠特点， 因此社会养老保险的收入效应可能较小， 而更主要是通过替代效应刺激家庭参与风险金融市场[7]． 特别是对于城镇居民而言， 由于有着较高的社会养老保险参与率， 从而对于家庭投资风险金融资产影响更为明显．

除作为正式保障制度的社会养老保险外， 社会网络作为中国居民家庭对抗风险和不确定性的重要非正式保障机制， 也会通过多种方式来影响居民的风险金融资产配置行为． 社会网络是指个体同其他人形成的所有正式与非正式的社会联系， 包括人与人直接的社会关系和通过物质环境以及文化的共享而结成的非直接的关系[30]． 人类社会生活的群体性决定了人们之间必然形成各种各样的关系， 非常重要的层面是以亲戚、 朋友、 同事或邻居等构成的关系网络， 这种网络会作用于居民的风险金融资产配置． 第一， 家庭的社会网络能够提供互惠的帮助， 社会关系越多的家庭在遭受冲击时往往越容易寻求并获得帮助， 能够有效地应对风险[31]， 从而才更敢于进行风险金融资产投资． 第二， 社会网络也缓解了居民的流动性约束， 特别是通过非正规金融市场， 为居民进行多样化资产配置提供了资金支持[12]． 第三， 社会网络可能会影响居民的风险态度， 从而影响居民的金融资产投资组合． 既有文献的研究表明， 社会网络具有分散投资风险的功能， 其规模和密度是决定人们风险认知差异以及建构判断选择模式和投资决策战略的一个重要因素[32]． 处于较强关系网络下的居民， 其投资风险的主观感知程度和绝对风险规避程度趋于下降． 尤其对于中国居民而言， 社会关系网络作为非常重要的非正式保障机制， 社会网络对居民风险认知的影响更为明显． 第四， 社会网络产生的社会互动， 也会影响到居民的资产选择行为， 也就是说居民的风险资产参与情况受到自身与其他社会成员之间互动程度的影响[33-34]． 因为通过社会互动， 投资者可以了解到股市等风险资产的许多有用信息， 并提高投资者的投资兴趣， 同时社会成员之间存在攀比心理， 当别人通过炒股等方式参与风险资产投资时， 个体会为了证明自己的财富水平和市场分析能力而参与到风险金融资产投资活动中[35]．

假设1： 养老保险与社会网络都会促进家庭参与风险金融市场

传统社会关系网络最大的特点是互惠、 互助和信任， Posner[36]认为人们之间的互助行为是来自于对环境和风险不确定性预期下做出的理性选择． 在正式社会保障制度建成以前， 居民要面临养老、 疾病、 自然灾害和各种未知的风险， 为了降低未来的不确定性， 他们相互信任、 互相合作， 建立了互助互惠的社会关系网络， 并形成一种维持关系网络的互动机制即人情往来． 但是， 随着家庭参与社会养老保险这一正式制度， 会通过多种机制挤出社会网络的影响， 尤其是对风险性金融资产配置的影响． 第一， 不确定性预期缓解机制． 现在社会保险的建立和完善保证了居民的基本生活， 改善了社会成员的不确定性预期[37-40]， 尤其是在如今人情异化严重， 人情往来名实分离且往往成为敛财工具[41]， 社会保险制度的建立可能使得居民不愿再花费更多成本去维持社会网络． 特别是随着社会养老保险制度的不断完善， 养儿防老观念受到冲击， 家庭保障功能甚微， 以血缘为纽带的祖孙关系、 亲属关系甚至是父子关系逐渐生疏， 传统的以血缘、 地缘为基础的社会关系网络弱化， 这会降低社会网络对家庭风险金融资产配置行为的影响． 第二， 流动性约束缓解机制． 社会养老保险作为一种不以盈利性为目的且福利性强的社会保障制度， 是一笔可预期的未来收入， 从而可减少家庭的预防性储蓄[42-44]， 一定程度上替代了社会网络对投资决策的流动性缓解功能． 第三， 社会互动弱化机制． 社会信任是社会资本的重要组成部分， 主要表现为社会成员对他人行动合乎社会规则、 规范的一种期待[45]， 是构成社会互动的情感基础． 随着中国从传统礼治社会转向现代法治社会， 社会信任也逐渐由依赖个人交往形成转向依赖契约形成， 居民参与社会养老保险便是一种依托法治形成的契约信任， 这种信任体系的构建会弱化社会网络形成的信任以及社会互动， 从而弱化社会网络对风险性金融资产参与的作用．

假设2： 随着家庭参保社会养老保险这一正式社会保障制度， 会挤出社会网络对风险金融资产配置的影响

2 数据来源与变量设计

本研究采用中国家庭金融调查(Chinese Household Finance Survey， CHFS)2017年的数据． CHFS2017是由西南财经大学发起的涵盖全国范围的大型抽样调查， 一共分为四部分， 重点关注了中国家庭的人口统计学特征、 资产与负债、 保险与保障、 收入与支出等情况， 能够较好地反映中国家庭金融的基本状况． 本研究重点关注城镇居民家庭的金融资产配置行为特征， 删除存在数据缺失的对象， 样本总数为5 505个．

根据中国家庭金融调查问卷， 研究将城镇居民家庭金融资产分为无风险金融资产和风险金融资产， 无风险金融资产主要包括： 现金、 政府债券、 活期存款、 定期存款等， 风险金融资产主要包括： 股票、 基金、 金融债券、 企业债券、 金融衍生品、 金融理财品、 外汇、 黄金等． 本文选取的因变量是： 是否拥有风险金融资产(Y1)， 拥有风险金融资产赋值为1， 没有则为0； 金融资产中风险金融资产的比重(Y2)； 是否投资股票(Y3)， 投资股票赋值为1， 没有则为0； 金融资产中股票资产的比重(Y4)．

对于本研究关注的社会养老保险参与变量， 直接来自中国家庭金融调查对于这一问题的回答， 如果城镇居民参加了城镇职工基本养老保险、 城镇居民社会养老保险、 城乡统一居民社会养老保险这三者中的任何一项， 则认为该城镇居民参与社会养老保险即赋值为1， 否则赋值为0． 关于社会网络变量， 目前对于社会网络的衡量存在多种方式， 很多研究依托人情支出来测度， 也有研究从网络规模层面进行度量考察． 鉴于2017年中国家庭金融调查问卷中并没有网络规模方面的相关问题， 本研究采用人情支出来衡量社会网络， 加上家庭支付给非家庭成员的春节、 中秋节等节假日支出以及红白喜事(包括做寿、 庆生等)支出得到这一变量的具体数值．

现有研究发现家庭收入、 金融可得性、 金融知识以及风险态度都会影响到家庭的金融市场参与． 因此， 我们控制了这些变量． 家庭收入水平以工资性收入与经营性收入之和来衡量(衡量家庭收入时并没有包括财产性收入， 这样是为了控制双向因果关系带来的内生性问题．)． 对城镇居民家庭工资性收入的衡量来自问卷中“去年， 工作实际获得多少税后货币工资?”； 对城镇居民家庭经营性收入的衡量来自于问卷中第二部分农工商业部分问题作答提供的数值． 金融可得性采用受访者所在地区每万人拥有的金融机构数量来衡量． 金融知识根据对3个涉及金融知识问题回答的正确数量来衡量， 3个金融知识问题分别是“假设您现在有100元， 银行的年利率是4%， 如果您把这100元钱存5年定期， 5年后您获得的本金和利息为多少?” “假设您现在有100元， 银行的年利率是5%， 通货膨胀率每年是3%， 您把100元钱存银行一年之后能买到的东西将?” “如果现在有两张彩票供您选择， 若您选第一张， 您将有100%的机会获得4 000元， 若您选第二张， 您将有50%的机会获得10 000元， 50%的机会什么也没有， 您会选择哪张?”． 根据回答这3个问题的正确数， 分别取值0～3． 风险态度， 根据问题“如果您有一笔资金用于投资， 您最愿意选择哪种投资项目?”， 当受访者选择“不愿意承担任何风险” “略低风险， 略低回报的项目” “平均风险， 平均回报的项目” “略高风险， 略高回报的项目” “高风险， 高回报的项目”分别取值1～5．

此外， 本研究还控制了户主和家庭特征变量． 性别， 男性定义为1， 女性则为0； 健康状况根据问题“与同龄人相比， 现在的身体状况如何?”， 受访者选择“非常差” “差” “一般” “好” “非常好”分别取值1～5； 婚姻状况已婚、 同居或再婚取值为1， 未婚取值为0； 是否享受医疗保险， 是取值为1， 否则为0．

表1报告了各变量的描述性统计结果． 风险金融市场参与变量的均值为0.178 0， 表明有17.8%的城镇家庭配置有风险金融资产； 风险金融资产占比变量的均值为0.082 7， 说明从平均来看， 家庭金融资产中风险资产比重较低． 股票市场参与的均值为0.131 9， 股票资产占比的均值为0.030 3， 也反映了类似的表现． 社会养老保险参与变量的均值为0.802 9， 说明有80.29%的城镇居民家庭户主参保了社会养老保险． 社会网络变量的均值为0.394 6， 最小值为0.20万元， 最大值为45万元， 说明城镇家庭每年人情支出平均为0.394 6万元， 并且家庭之间人情支出差距较大， 其他控制变量的描述性统计此处不再赘述．

3 估计结果与分析

3.1 社会养老保险与社会网络的直接影响

本研究既考察社会养老保险与社会网络对家庭是否持有风险金融资产(股票资产)的影响， 又考察社会养老保险与社会网络对家庭持有风险金融资产比重的影响． 由于家庭是否持有风险金融资产属于二分类变量， 以此为因变量的模型将采用Probit模型进行估计， 而家庭持有风险性金融资产占比赋值在0～1之间， 属于截断因变量， 故采用Tobit模型进行估计(表2)．

表2 社会养老保险与社会网络对风险金融市场参与的直接影响

表2的第Ⅰ栏报告了以家庭是否持有风险金融资产为因变量， 采用Probit模型的估计结果， 第Ⅱ栏报告了以家庭持有风险金融资产比重为因变量， 采用Tobit模型的估计结果， 第Ⅲ栏和第Ⅵ栏进一步分别报告了以家庭是否持有股票资产及持有比重为因变量的估计结果． 第Ⅰ栏的估计结果显示， 养老保险变量的估计系数为正， 且在1%的水平上显著， 表明相较于没有参加养老保险的家庭而言， 参加社会养老保险的家庭参加风险金融资产投资的概率更高． 这与宗庆庆等[7]的发现一致， 说明社会养老保险的存在能够缓解居民不确定性预期进而降低人们的预防性储蓄， 并通过改变风险态度提高家庭参与风险金融资产投资的概率． 第Ⅰ栏中， 社会网络变量的估计系数也显著为正(5%的显著性水平)， 说明城镇家庭用于维护社会网络的人情支出增加， 也会伴随着风险金融资产的参与概率提高， 表明社会网络作为一种非正式保障机制， 能够缓解不确定性和流动性约束， 并通过改变风险态度以及社会互动促进家庭参与风险金融市场． 第Ⅱ栏进一步以家庭参与风险金融资产的深度即风险金融资产持有比重作为因变量， 社会养老保险和社会网络的估计系数也显著为正， 说明社会养老保险与社会网络不仅会提高家庭参与风险金融资产的概率， 而且会促进家庭投入更多比重资产进入风险金融市场， 即提高家庭参与深度． 第Ⅲ栏和第Ⅵ栏分别以家庭是否持有股票及持有比重为因变量进行估计时， 社会养老保险和社会网络的估计系数依然显著为正， 说明作为正式保障制度的社会养老保险和非正式保障机制的社会网络， 既能促进城镇家庭参与股票市场的概率， 也能提高参与深度， 这符合我们的研究预期． 另外， 表2中家庭收入、 金融可得性、 金融知识、 风险态度以及健康状况等变量的估计系数都为正， 说明这些因素会正向促进家庭参与股票等风险金融市场， 这和现有研究的发现一致[46-48]．

3.2 社会养老保险对社会网络的挤出效应

表2的估计结果显示， 作为正式保障制度的养老保险以及作为非正式保障机制的社会网络都会促进居民家庭参与风险金融市场， 那么， 伴随城镇社会养老保险制度的完善， 是否会弱化社会网络的不确定预期缓解功能， 进而挤出社会网络对风险金融市场参与的影响?以表2各模型为基础， 进一步引入了社会养老保险与社会网络的交叉项， 基于Probit模型和Tobit模型， 相关估计结果报告在表3中． 第Ⅰ栏和第Ⅱ栏以家庭是否持有风险金融资产及持有比重为因变量， 第Ⅲ栏和第Ⅵ栏以家庭是否持有股票及持有比重为因变量． 第Ⅰ栏和第Ⅱ栏的估计结果显示， 社会养老保险与社会网络的估计系数都为正， 但两者交叉项的估计系数显著为负， 说明虽然社会养老保险和社会网络都会促进城镇家庭参与风险金融资产， 但随着城镇家庭参保社会养老保险这一正式社会保障制度， 会弱化社会网络的不确定性预期缓解作用， 从而挤出社会网络对风险金融资产参与的影响． 这主要是由于城镇家庭参保社会养老保险会通过预期不确定性缓解机制、 流动性约束缓解机制以及社会互动弱化机制， 挤出社会网络对于风险性金融资产配置的影响． 第Ⅲ栏和第Ⅵ栏的估计结果与之相近， 社会养老保险与社会网络的估计系数都为正， 交叉项估计系数依然显著为负， 这验证了在城镇家庭参与股票市场过程中， 社会养老保险对社会网络的挤出效应．

3.3 分区域检验

我国东部地区与中西部地区无论是经济发展程度还是市场化改革进程都存在明显差异， 社会保险及社会网络的发展情况也差异迥然， 所以研究进一步区分东部地区与中西部区域， 讨论社会养老保险与社会网络对城镇家庭风险金融资产参与影响的区域差异． 根据《中国统计年鉴》 《中国卫生统计年鉴》中关于东、 中和西部地区的划分标准， 将北京、 天津、 河北、 辽宁、 上海、 江苏、 浙江、 福建、 山东、 广东和海南11个省(直辖市)归为东部地区， 其余省、 自治区、 直辖市则为中西部地区． 本部分将采用Probit模型分区域检验社会养老保险与社会网络对城镇家庭是否持有风险金融资产的影响， 相关实证结果报告在表4中． 第Ⅰ-Ⅳ栏是东部地区样本的估计结果， 第Ⅴ-Ⅷ栏是中西部地区样本的估计结果． 第Ⅰ栏和第Ⅱ栏是针对东部地区分别以家庭是否持有风险金融资产及股票资产为因变量的估计结果， 第Ⅴ和Ⅵ栏是对应的中西部地区的估计结果． 无论是东部地区还是中西部地区， 社会养老保险和社会网络的估计系数都为正， 说明社会养老保险与社会网络都能通过不确定性缓解等机制促进城镇家庭参与股票等风险金融市场． 第Ⅲ栏和第Ⅳ栏是针对东部地区引入社会养老保险与社会网络交叉项的估计结果， 第Ⅶ和Ⅷ栏是对应中西部地区的估计结果， 对比东部和中西部地区交叉项的估计系数可以发现， 在东部地区交叉项的估计系数不显著， 而在中西部地区交叉项的估计系数显著为负， 这主要是由于东部地区经济发展及市场化进程更快， 养老保险制度建设也相对成熟， 养老保险对社会网络的挤出效应已经释放． 而中西部地区社会养老保险制度体系相对滞后， 在推动社会养老保险这一正式保障制度建设完善过程中， 发生了对社会网络这一非正式保障机制的挤出， 从而弱化了社会网络对城镇家庭参与风险金融资产投资的影响．

表4 分区域检验

4 稳健性检验

4.1 总体样本的稳健性检验

为保证实证结果的稳健性， 通过变换估计方法、 调整样本以及改变挤出效应测度方式等3种方案重新检验估计结果， 相关估计结果报告在表5和表6中．

表5 总体样本的稳健性检验(变换方法和调整样本)

表6 总体样本的稳健性检验(改变挤出效应测度方式)

为检验实证结果对估计方法的敏感性， 表5中第Ⅰ-Ⅳ栏报告了采用Logit模型替换Probit模型的估计结果． 第Ⅰ和Ⅱ栏分别以是否参与风险金融市场和股票市场作为因变量， 社会养老保险与社会网络的估计系数都显著为正， 这也与Probit模型的估计结果一致． 第Ⅲ和Ⅳ栏进一步引入了社会养老保险与社会网络的交叉项， 交叉项的估计系数显著为负， 这也符合Probit模型的估计结果．

考虑到对于缺乏金融知识的居民而言， 金融资产的配置可能无序且不合理， 进一步剔除了对金融知识回答全部错误即金融知识这一变量值为0的样本， 表5中第Ⅴ-Ⅷ栏报告了采用新样本的Probit模型估计结果． 当分别以是否参与风险金融市场和股票市场作为因变量时(见第Ⅴ和Ⅵ栏)， 社会养老保险与社会网络的估计系数显著为正． 进一步引入社会养老保险与社会网络的交叉项时(见第Ⅶ和Ⅷ栏)， 交叉项依然表现为显著的负值， 我们的实证检验依然稳健．

改变挤出效应的测度方式， 通过分组分析来重新检验社会养老保险对社会网络的挤出效应． 我们将样本按照是否参加社会养老保险分成两组， 如果相较于未参加社会养老保险的组别， 参加社会养老保险样本的社会网络变量估计系数更小， 说明社会养老保险挤出了社会网络对家庭风险金融市场参与的影响． 表6中第Ⅰ和Ⅱ栏是以是否参与风险金融市场为因变量的分组Probit模型估计结果， 未参加社会养老保险组社会网络的估计系数为0.032 1， 参加社会养老保险组社会网络变量的估计系数下降到0.011 7， 说明相较于未参加社会养老保险的个体而言， 参加社会养老保险会显著降低社会网络的影响． 第Ⅲ和Ⅳ栏以是否参与股票市场为因变量， 采用Probit模型依然得到相似的估计结果， 参加社会养老保险组社会网络的估计系数更小， 说明在股票市场参与过程中， 社会养老保险对社会网络产生了挤出效应．

4.2 分区域样本的稳健性检验

和总体样本一致， 通过变换估计方法、 调整样本以及改变挤出效应测度方式等3种方案检验分区域估计结果的稳健性(表7)．

表7 分区域样本的稳健性检验(变换方法和调整样本)

表7中第Ⅰ-Ⅳ栏是采用Logit模型的分区域估计结果， 无论是以风险金融市场参与还是股票市场参与作为因变量， 社会养老保险与社会网络的估计系数都显著为正， 但是东部地区样本社会养老保险与社会网络交叉项的估计结果都不显著(见第Ⅰ和Ⅱ栏)， 而在中西部交叉项的估计系数显著为负(见第Ⅲ和Ⅳ栏)， 这和前文采用Probit模型的分区域估计结果相一致．

第Ⅴ-Ⅷ栏是调整样本的Probit模型估计结果． 剔除金融知识测度值为0的个体后， 社会养老保险与社会网络的估计系数都显著为正， 东部地区社会养老保险与社会网络交叉项估计系数依然不显著(见第Ⅴ和Ⅵ栏)， 而在中西部地区交叉项显著为负(见第Ⅶ和Ⅷ栏)， 我们的分区域估计结果依然稳健．

表8通过分组分析， 重新检验社会养老保险对社会网络挤出效应的区域差异． 第Ⅰ-Ⅳ栏是东部地区的Probit模型估计结果， 无论是以风险金融市场参与还是股票市场参与作为因变量， 对比两组样本(未参加社会养老保险组与参加社会养老保险组)社会网络变量的估计系数可以发现， 两者并没有明显变化． 第Ⅴ-Ⅷ栏是中西部地区的估计结果， 当以是否参与风险金融市场作为因变量(见第Ⅴ和Ⅵ栏)， 相较于未参加社会养老保险组而言， 参加社会养老保险组社会网络变量的估计系数下降明显， 说明社会养老保险会挤出社会网络对风险金融市场的参与． 当以是否参与股票市场作为因变量(见第Ⅶ和Ⅷ栏)， 依然发现了这种挤出效应的存在．

表8 分区域样本的稳健性检验(改变挤出效应测度方式)

续表8

5 结论与政策建议

本研究采用2017年中国家庭金融调查的城镇居民数据， 检验社会养老保险与社会网络对城镇家庭风险金融资产配置的影响， 并探讨作为正式保障制度的社会养老保险对作为非正式保障机制的社会网络产生的冲击与影响， 同时揭示这种影响的区域差异． 研究发现， 社会养老保险能够缓解居民不确定性预期进而降低人们的预防性储蓄， 同时通过改变风险态度促进家庭参与风险金融资产投资． 社会网络作为一种非正式保障机制， 也能缓解不确定性和流动性约束， 并通过改变风险态度以及社会互动促进家庭参与风险金融市场． 但是， 随着城镇家庭参与社会养老保险这一正式社会保障制度， 会通过预期不确定性缓解机制、 流动性约束缓解机制以及社会互动弱化机制， 挤出社会网络对风险金融资产参与的影响． 分区域估计结果显示， 东部地区社会养老保险制度建设相对成熟， 社会养老保险对社会网络的挤出效应已经释放． 而中西部地区社会养老保险制度体系相对滞后， 在推动社会养老保险这一正式保障制度建设完善过程中， 发生了对社会网络这一非正式保障机制的挤出， 从而弱化了社会网络对城镇家庭参与风险金融资产的影响．

家庭风险金融市场参与直接关乎家庭的福利[1]， 本研究发现社会养老保险会促进城镇家庭参与股票等风险金融资产投资， 因此建立健全惠及更多地区、 更多居民的社会养老保险体系将有利于提高我国社会保障制度受益面， 从而更大程度发挥社会养老保险对家庭金融市场参与过程中的促进作用． 此外， 本研究还发现， 随着养老保险制度的逐步完善， 对传统社会网络的不确定预期缓解作用、 流动性约束缓解机制以及社会互动机制产生了挤出效应， 这点在中西部地区表现得尤为明显． 鉴于社会网络在中国经济社会中的独特作用， 中西部城镇居民应当重塑新型社会关系网络， 通过多种方式参与构建一个以诚信为基础的和谐关系网络， 发挥社会网络在信息沟通、 信息共享等方面的优势， 依托社会网络提升居民从金融市场获得的福利与效用．