住房对家庭金融资产配置的影响 本文关键词：住房，金融资产，配置，影响，家庭
住房对家庭金融资产配置的影响 本文简介：摘要：通过建立一个包含住房的家庭跨期资产决策模型并进行参数赋值，从理论层面分析了住房资产对家庭金融资产配置的影响，且在此基础上使用西南财经大学中国家庭金融调查(CHFS)2013年全国调查数据进行了实证检验，研究表明住房资产对家庭金融市场参与和风险金融资产配置存在挤出效应，而当家庭财富水平或分布区域
住房对家庭金融资产配置的影响 本文内容：
摘要：通过建立一个包含住房的家庭跨期资产决策模型并进行参数赋值，从理论层面分析了住房资产对家庭金融资产配置的影响，且在此基础上使用西南财经大学中国家庭金融调查(CHFS)2013年全国调查数据进行了实证检验，研究表明住房资产对家庭金融市场参与和风险金融资产配置存在挤出效应，而当家庭财富水平或分布区域不同时，挤出效应存在明显的异质性。本文的研究结论从微观上说明了完善家庭资产结构、分散家庭投资风险的必要性，从宏观上解释了住房市场过度繁荣对金融市场的资源挤占问题。据此，本文提出合理配置住房资产、缓解中低收入家庭住房压力、合理引导发达地区房地产市场发展，实现房价平稳回归等政策建议。
关键词：住房资产；金融资产配置；跨期资产决策模型；金融风险
作者：周雨晴，何广文(中国农业大学经济管理学院，北京100083)
一、引言与文献综述
20世纪60年代末，以Campbell为代表的经济学家开始研究异质性家庭的金融行为和资产配置问题，家庭金融领域受到广泛关注并逐渐成为继资产定价和公司金融之后又一热门研究方向。根据美国贝恩资本与招商银行联合发布的《2017中国私人财富报告》①，2016年中国个人持有的可投资资产总额达165万亿元，规模相当可观。随着国民财富的积累，许多家庭的金融理财意识也逐渐增强，开始进入金融市场并配置以股票、基金为代表的风险金融资产。参与金融市场和风险金融资产配置成为投资者实现资产保值升值的重要途径。
根据2016年小牛资本与西南财经大学联合发布的《中国家庭金融资产配置风险报告》②，2015年我国有68.4%的家庭未参与股票市场，但是13.5%的家庭配置的股票资产占家庭金融资产的比例高达90%以上。由此可见，不同于传统的资产组合理论③，异质性家庭在参与金融市场和配置风险金融资产时的行为选择存在极大差异，这在一定程度上是由于背景风险(劳动收入风险、住房和健康风险等)和一些人口统计学因素差异导致的[1]。
作为家庭资产的构成部分，住房在家庭总资产中占有相当大的比重，尤其是对于中等收入家庭来说，房产是占比最高的资产，因此住房是影响家庭金融资产配置的重要因素[2]。2015年西南财经大学出版的《中国家庭金融调查报告(2014)》显示④，我国居民住房拥有率高达90%，高于德国、日本、美国和英国等发达国家，房产在家庭总资产中的占比将近七成，高出美国2倍多，房产在我国居民家庭资产中的重要地位不言而喻。
住房作为家庭重要的背景风险之一，影响着家庭的金融市场参与和金融资产配置行为。Cocco在生命周期模型中引入住房后，发现模型能够更好地解释现实中所观察到的金融资产投资组合问题，并且认为住房资产会挤出投资者在股票等风险资产上的投资份额[3]。国外多数研究也同样认为住房投资会减少股票、基金等权益资产在总金融资产中所占的份额[4][5][6]。但也有国外学者关注住房资产带来的财富效应和信心机制等正向影响，认为住房投资会给家庭带来财富增值，还能增强家庭的信心和安全感，促进家庭持有更多的风险金融资产[7][8]。
纵览国外文献可以发现，20世纪末国外学者就已经开始了相关研究，如今研究方法和数据都较为成熟。我国受制于微观家庭数据来源有限，对该方向的研究尚处于起步阶段。国内部分学者认为房产投资明显降低了居民投资风险金融资产的概率，两者之间具有替代性[9]，而且房产也通过减少家庭流动性资产，造成流动性约束从而挤出了家庭风险金融资产的配置[10]。但也有一些研究结论支持房产投资的正向影响，指出在房价大幅上涨的趋势下住房资产带来的财富效应会显著提升家庭参与金融市场概率以及风险金融资产持有比例[11]。
总而言之，住房资产是我国居民家庭资产结构中最为重要的部分，而金融资产配置关系到居民财富的保值增值和资本市场的健康发展。当前我国房产市场蓬勃发展而金融市场却略显疲弱，在这一特定情境下，研究住房资产对我国居民家庭金融市场参与和风险金融资产配置的影响具有重要意义。而我国现有文献除了研究结论尚未达成一致之外，也存在着重实证而轻理论、缺乏对理论模型和影响机制的探讨、实证方法可能存在内生性、对异质性影响研究不足等问题。因此本文试图从现有研究的不足出发，构建含住房的跨期资产决策模型并进行参数赋值，从理论上分析住房资产对金融资产配置决策的影响，并进一步在克服内生性的基础上实证检验住房资产对家庭金融市场参与和风险金融资产配置的挤出效应及其异质性。本文的研究成果在微观上有利于理解家庭资产结构的内在联系，在宏观上能够解释住房市场与金融市场的联动关系。
二、模型构建与假设提出
(一)模型建立与推导
Cocco最早构建了含住房的跨期资产组合模型，这是一个生命周期内的多期资产决策模型，探讨了住房和资产组合的共同演变[3]。Chetty和Szeidl在研究住房权益和住房抵押贷款时将Cocco的模型简化为仅含两期的跨期决策模型，添加了消费的预算约束条件，并将求解目标改为终期效用最大化[12]。为了研究房产价值外生变化对金融资产配置的影响，我们借鉴Chetty和Szeidl的跨期设定[12]，但省略了住房抵押贷款和住房迁移概率等参数的设置和推导，使得求解过程更为简单和一般化。
假设家庭仅在两期内进行投资与消费决策，在第0期家庭进行投资决策，在第1期获得收益并进行消费。第0期家庭初始的住房拥有量为H0，初始房价为P0；第1期家庭住房拥有量为H1，房价为P1。在第1期，家庭的瞬时效用函数可以表示为：
width=105，height=44，dpi=110
(1)
式(1)中，C1为第1期的非耐用品(除住房)消费，θ用来衡量家庭在住房H和非耐用品C之间的偏好，γ是相对风险回避系数。
假设家庭在第0期进行投资决策时，在所有金融资产L0中，家庭投资的风险金融资产占比为α，无风险金融资产占比为1-α。风险金融资产的收益率为1+R=exp(r)，其中width=84，height=20，dpi=110无风险金融资产的收益率是常数，表示为1+Rf=exp(rf)。此外，第0期的房价P0=1，第1期的房价width=187，height=20，dpi=110
家庭金融投资组合的总收益率可以表示为Rp=αR+(1-α)Rf，其中α∈[0，1]。家庭需要在第0期决定资产在住房与其他消费品之间的分配，也需要决定投资于无风险资产以及风险资产的相对份额。家庭在第1期能够实现的消费和住房则取决于第0期的投资结果和第1期的劳动收入Y1。由此可以将约束条件表示为：
C1+P1H1=(1+Rp)L0+P1H0+Y1
(2)
家庭的目标是，在预算约束(2)下选择使效用(1)最大的α。我们使用Campbell和Viceira的对数线性化的方式[13]，最终生成简化的对数线性欧拉方程为：
width=145，height=41，dpi=110
(3)
式(3)中，v′是边际效用U′的对数，cov(r，v′)是r和v′的协方差。由于Chetty和Szeidl的模型考虑了住房迁移概率[12]，使得模型求解过程更为复杂，本文从更一般视角出发，简化模型设置和推导过程，使用标准化方法从欧拉式(3)中推导出最终的α。
首先，为了求解出v′，我们先求解U′。我们假设第1期家庭财富W1完全分配于消费和住房之上，则C1=βW1，H1=(1-β)W1/P1，将其代入效用函数(1)中可得：
width=234，height=44，dpi=110
(4)
对U(W1)求导，可得width=269，height=20，dpi=110为了求出U′的对数v′，我们要先得到W1的对数w1。给定家庭财富W1=(1+Rp)L0+P1H0+Y1，进行线性对数化，可以得到：
w1≈(1-m)[l+αr+(1-α)rf]+mp1+k1
(5)
式(5)中，width=117，height=41，dpi=110可以衡量住房资产在家庭财富中的相对比重，l为流动性资产L0的对数，k1为一个常数。求U′(W1)的对数，可得：
v′≈k2+θ(γ-1)p1-γw1
={k2-γk1-γ(1-m)[l+(1-α)rf]}+[θ(γ-1)-γm]p1-γ(1-m)αr
(6)
当α给定时，k2-γk1-γ(1-m)[l+(1-α)rf]是常数，由此可以得到：
width=346，height=20，dpi=110
(7)
由式(3)可得：
width=333，height=41，dpi=110
(8)
由式(8)解得风险金融资产占比α：
width=264，height=67，dpi=110
(9)
为了求出住房资产H0对风险金融资产配置α的影响，我们对式(9)求导，可得：
width=393，height=67，dpi=110
(10)
(二)参数赋值与假设提出
在式(10)中，分母width=79，height=20，dpi=110为正，dα/dH0的正负取决于两分子的和，因此我们参考相关文献给参数赋值并进行比较静态分析。
在模型参数赋值上，由于国内目前没有类似研究，所以本文参考国外相关文献的赋值方式。我国金融资产收益率和收益方差与欧美等国较为相似，但居民家庭相对风险回避系数和住房相对偏好较高。考虑我国现实情况后，本文发现Cocco等、Chetty和Szeidl对相关参数的赋值与我国现实比较接近，可以参考借鉴[12][14]。具体参数值赋值情况及参考文献如表1所示。
表1参数赋值及参考文献
width=692，height=146，dpi=110
参数赋值后，可以得知width=76，height=20，dpi=110的值为0.0525，[γ(θ-1)-θ]cov(r，p1)的值为-5.05cov(r，p1)。此时，还有一个未知参数cov(r，p1)，即风险资产收益率与房价的关系，该指数的赋值较为复杂，其正负和大小直接影响dα/dH0的结果。在此经计算得知，如cov(r，p1)大于0.005，dα/dH0为负，反之dα/dH0为正。这说明在风险资产收益率和房价有正向关系的前提下(即使相关度比较微小)，住房资产对风险金融资产配置存在负向影响。
对于风险资产收益率和房价的相关关系，学界尚有一定争论。尤其在不同的国家和区域，股票等风险资产收益率和房价的关系并不一致。虽然国外有一些学者认为风险资产收益率和房价负相关[15][16]，或不相关[17]。但是更多的研究表明风险资产收益率和房价存在共同涨跌的正向关系[18][19][20][21]。在国内，由于存在宏观调控和政策影响，股市和房市的收益率并不完全由市场决定，但在经济稳定增长时期，两者的收益率在长期中会呈现出一定的正向关系[22][23]。
在风险资产收益率和房价存在一定正向关系的假定下，只要cov(r，p1)大于0.005，dα/dH0就为负。Chetty和Szeidl在考虑美国的实际情况后，给cov(r，p1)赋值为0.1[12]。而且国内外大多文献也支持住房资产对风险金融资产配置的负向影响，即住房资产会挤占家庭对风险金融资产的投资[3][4][5][6][9]。据此，我们提出假设H1。
H1：住房资产对家庭金融市场参与和风险金融资产配置具有负向影响，存在挤出效应。
此外，我们进一步考虑挤出效应的异质性。从式(10)中我们可以看出，挤出效应并非是固定不变的，当其他因素一定时，住房资产占总财富的比例(m)的大小会影响挤出效应的强弱。从理论上来讲，住房资产占总财富的比重越大，给家庭造成的流动性约束越严重，住房资产对家庭金融市场参与和风险金融资产配置的负向影响就越显著。
一方面，挤出效应的异质性与家庭总财富有关。Campbell曾提出住房资产是中产家庭中占比最重的资产，而更加富有的家庭在投资住房之余尚有能力持有更多的权益资产，这恰好与我们的理论模型结论相符[2]。从我国的现实来看，对于财富水平较高的家庭，住房负担相对较小，对金融资产配置造成的挤出效应也相对较弱，而中低产家庭则因为配置住房造成了极大的流动性约束，在住房压力下，这些家庭更多地选择不参与金融市场或者配置极少的风险金融资产。由此，我们提出假设H2：
H2：对于资产较少和收入水平较低的家庭来说，住房资产对家庭金融市场参与和风险金融资产配置的挤出效应尤为显著。
另一方面，挤出效应的异质性也与家庭所处区域有关。中国区域发展不平衡的问题较为严重，发达地区经济繁荣发展，人口迅速膨胀的同时房价也一路攀升，相对于中西部发展较为缓慢的地区，发达地区居民家庭的购房压力也更沉重。在其他条件相当的前提下，处在发达地区的家庭难免存在住房资产在家庭总财富中占比过高的问题，从而加剧了住房资产的挤出效应。因此，我们进一步提出假设H3：
H3：在经济较为发达的区域，住房资产对家庭金融市场参与和风险金融资产配置的挤出效应更为显著。
三、数据介绍、变量选择和模型设定
(一)数据介绍
本文基于西南财经大学中国家庭金融调查与研究中心主持的“中国家庭金融调查(CHFS)”2013年全国调查数据开展研究。CHFS采用抽样调查的方法在全国范围内选取了不含我国港澳台地区和新疆、西藏自治区以外的29个省(自治区、直辖市)，28141户家庭，其中农村家庭8932户，城市家庭19209户。调查内容包括家庭成员的人口统计特征、家庭资产负债、保险与保障、支出与收入四大方面，所包含的调查信息可以覆盖本文所需的所有数据。
需要说明的是，CHFS将家庭总资产分为流动性较差的非金融资产和流动性较好的金融资产两部分。非金融资产包括农业经营资产、工商业经营资产、土地资产、房产、车辆资产和其他非金融资产。金融资产包括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。
(二)变量选择
本文关注的被解释变量有“是否参与金融市场(Ifrisk)”和“风险金融资产占金融资产比例(Risk_finance)”。前者衡量家庭是否参与金融市场，即是否配置风险金融资产；后者衡量参与金融市场的程度，即家庭配置的风险金融资产占金融资产的比重。
我们关注的核心解释变量是家庭的“住房资产(House)”，即房产的当前价值。当然，研究住房资产对金融市场参与和风险金融资产配置的影响时可能存在一定的内生性问题，一方面，房产和风险金融资产都属于高风险高收益资产，家庭的人格特质、理财经验等不可观测因素可能会同时影响房产和风险金融资产投资；另一方面，金融资产配置行为也可能反方向影响住房资产配置，尤其对于那些专职或习惯炒股理财的家庭来说，反向因果问题极可能存在。为了解决可能存在的内生问题，我们用“房产增值(Hincrease)”(即住房现有价值同购房成本之间的差值)，作为“住房资产(House)”的工具变量。
在我们关注的解释变量外，还有许多因素会影响家庭金融市场参与和风险金融资产配置，我们必须对这些因素加以控制。我们通过对相关文献的整理和分析，构造了如下一系列控制变量：首先，家庭的资产和收入水平是影响金融决策的主要因素[3][5][9]，因此我们控制了“家庭总资产(Asset)”和“家庭年收入(Income)”。其次，家庭特征和人口统计学特征也是重要的影响因素[2]，因而，我们控制了“家庭成员数量(Num)”“受访者风险规避程度(Riskaversion)”“受访者受教育年限(Education)”“受访者年龄(Age)”“受访者性别(Gender)”“受访者婚姻状态(Married)”和“受访者健康状况(Health)”。最后，为了排除城乡差异导致的影响，我们还控制了“是否农村居民(Rural)”这一二元变量。需要说明的是，由于年龄对风险金融资产配置可能存在倒U型的生命周期效应[2]，我们在实证过程中通过设置4个虚拟变量划分出4个年龄阶段，分别是：青年(18～35岁)、中青年(36～50岁)、中老年(51～65岁)和老年(65岁以上)。此外，“住房资产(House)”“房产增值(Hincrease)”“家庭总资产(Asset)”和“家庭年收入(Income)”这些变量在不同家庭间的差异很大，为了使得数据更为平稳，在实证检验中我们采取对数形式。
表2是变量说明及其描述性统计。如表2所示，样本家庭金融市场平均参与率为12.14%，配置风险金融资产占总金融资产的比例平均为4.11%，由此可见，我国居民家庭金融市场“有限参与”问题非常严重，居民主要以持有无风险金融资产为主。而样本家庭住房资产平均已达到40余万元，且住房资产在家庭总资产中占比超过一半，由此可见，住房资产无疑是家庭资产中最重要的构成部分。
(三)模型设定
1.基准模型。本文研究住房资产对金融市场参与和风险金融资产配置的影响，由于被解释变量“是否参与金融市场(Ifrisk)”为二元离散变量，“风险金融资产占金融资产比例(Risk_finance)”为截断变量，因此我们选择了Probit模型与Tobit模型。在Probit回归中，因变量Ifriski只能取0、1两个值，并且其取值情况由潜变量width=40，height=20，dpi=110决定。潜变量width=40，height=20，dpi=110的大小由住房资产Lnhousei、控制变量Controli和不可见的家庭特质随机变量ui决定。
表2变量说明及其描述性统计
width=692，height=287，dpi=110
width=160，height=46，dpi=110
(11)
width=225，height=20，dpi=110
Tobit回归同理，因变量Yi(Risk_financei)由潜变量width=17，height=20，dpi=110决定，当width=96，height=20，dpi=110当width=102，height=20，dpi=110即width=122，height=20，dpi=110潜变量width=17，height=20，dpi=110的大小同样由住房资产Lnhousei、Controli和不可见的家庭特质随机变量ηi决定。
width=204，height=20，dpi=110
(12)
2.克服内生性的模型。为了克服可能存在的内生性问题，我们使用“房产增值的对数(Lnhincrease)”作为“住房资产的对数(Lnhouse)”的工具变量来进行IVProbit和IVTobit回归。从理论上来讲，房产的当前价值有很大一部分是由于房产增值带来的，因此房产增值与住房资产(即住房当前价值)密切相关，而且房产增值是进行购房决策后不受家庭成员意识支配的外生性变动，与家庭金融资产配置行为不存在直接关系，也不与其他家庭特征和人口统计学因素相关。通过理论分析可以表明“房产增值”是一个较为合适的工具变量，在下文中我们将进一步通过计量检验证明工具变量的有效性。在式(12)中，若Lnhouse内生，工具变量法需要进行两阶段估计，我们将第一阶段方程表示为：
Lnhousei=γ1Lnhincreasei+γ2Controli+vi
(13)
假设式(11)和式(13)中的扰动项(ui，vi)服从期望值为0的二维正态分布，即：
width=187，height=49，dpi=110
ui的方差被标准化为1，ρ为(ui，vi)的相关系数。在此设定下，ui对于vi的总体回归方程可写为：
ui=δvi+εi
(14)
将式(14)代入式(11)可得，
width=257，height=20，dpi=110
(15)
已知εi～N(0，1-ρ2)，为了把εi的方差标准化为1，将式(15)两边同时除以width=52，height=20，dpi=110
width=354，height=49，dpi=110
(16)
由于式(16)中的vi不可观测，我们首先对简化式(13)进行OLS回归，得到残差，其次，以残差width=14，height=23，dpi=110代替式(16)中的vi，进行Probit估计，得到系数的一致估计值。同理，含内生变量的Tobit模型估计方法也类似于IVProbit，都使用两步法先对式(13)进行OLS估计，得到残差width=17，height=23，dpi=110然后将残差作为解释变量加入式(12)中，进行Tobit估计。
四、实证检验
(一)基准回归及工具变量回归结果
表3中的4列依次汇报了Probit、Tobit及IVProbit、IVTobit模型的回归结果。由于非线性回归的系数不能直接反映解释变量的作用，且使用工具变量后得到的一致估计值是除以width=46，height=20，dpi=110后的变换系数，因此直接汇报系数并不可靠，以下所有表格均汇报平均边际效应。
表3基准回归及工具变量法回归结果
width=692，height=610，dpi=110
注：(1)*、**、***分别表示在10%、5%和1%的水平上显著；(2)括号中的数值为平均边际效应的标准误；(3)Tobit模型的平均边际效应取在无条件期望(unconditionalmean)处。下同。
根据表3，我们发现，IVProbit和IVTobit模型中，第一阶段回归的F统计量都非常大，工具变量的T检验也十分显著，这说明“房产增值”作为“住房资产”的工具变量是合适的，不存在弱工具变量问题。其次，我们对比了基准回归和工具变量法的区别。IVProbit模型与Probit模型的回归结果十分接近，而且Wald检验的P值为0.8036，无法拒绝住房资产外生的原假设，可以直接使用Probit的估计结果。但是，IVTobit模型结果显示，Wald检验的P值为0.0586，在10%的显著性水平上拒绝了外生性的原假设，这表明本文有理由采用IVTobit克服内生问题。Probit模型中不存在内生问题而Tobit模型中存在，这可能是因为配置风险金融资产的多少可能会在一定程度上反向影响居民家庭住房资产的配置，例如一些家庭专职炒股，会将大量资金投放于股市，从而反向挤出了住房投资。但家庭参与金融市场的门槛则较低，即使仅拥有一只股票或基金都可视为参与金融市场，这不足以影响住房资产的配置。
首先，分析住房资产对家庭金融市场参与和风险金融资产配置的影响。如表3所示，住房资产的平均边际效应在4个模型中都显著为负，这证明了住房资产对家庭金融市场参与和风险金融资产配置存在挤出效应，假设1成立。由于Probit模型中不存在内生问题，IVProbit和Probit回归结果几乎完全一致。IVTobit模型在克服了内生性之后，相对于Tobit模型的结果，住房资产的平均边际效应的绝对值变小，也就是说内生问题的存在略微高估了住房资产的挤出效应，但在克服内生性之后，其影响方向和显著性程度仍未改变。
其次，除住房资产以外，大多数控制变量也对家庭金融市场参与和风险金融资产配置产生了显著影响。第一，家庭资产和收入具有显著的正向影响，资产越多和收入水平越高的家庭金融资产配置行为越积极，这与国内外学者的研究结果一致[3][5][6][9][24]。第二，家庭规模对金融市场参与和风险金融资产配置具有负向影响，这可能是由于规模较大的家庭一般抚养比(家庭中孩子和老人与壮年劳动力的比例)较高，家庭负担较重，风险意识更强，倾向于减持风险金融资产。第三，风险回避意识也起到了显著的负向影响，风险回避程度越高的人越不会进入金融市场并配置风险金融资产。第四，受教育年限同样提高了金融市场参与和风险金融资产持有比例，这可能是因为股市存在固定信息成本，受教育程度高的投资者更易于克服信息障碍[25](P134)[26]。第五，金融市场参与和风险金融资产配置存在倒U型的“生命周期效应”。相对于青年时期，其他年龄阶段的投资策略都更为进取，在财富积累和心智都成熟的中老年阶段达到顶峰，在退休后的老年阶段又开始回落。第六，相对于男性受访者，女性受访者掌握家庭财务决策时参与金融市场的概率和配置风险金融资产的比例更高，这代表金融资产配置行为存在性别差异。第七，婚姻状态也显著地影响了金融决策行为。已婚的家庭明显比未婚、离异或丧偶的家庭更倾向于进入金融市场并配置更多风险金融资产，这可能是因为已婚家庭生活状态更为稳定，需要承担的不确定风险较小。最后，相较于城镇居民，农村居民更少参与金融市场或配置风险金融资产，这可能是由于农村的社保体系、思想观念及金融基础设施都较为落后。
(二)住房资产挤出效应的异质性研究
1.资产和收入水平不同时挤出效应的异质性。在验证了住房资产对金融市场参与和风险金融资产配置具有挤出效应之后，我们进一步考虑挤出效应在不同资产和收入水平家庭中的异质性。我们在原有的模型中分别加入了住房资产与家庭总资产的交互项以及住房资产与家庭年收入的交互项。由于Probit模型中不存在内生性问题而Tobit模型中存在，因此我们这里直接汇报Probit与IVTobit模型的回归结果。如表4所示，前两列是引入住房资产与家庭总资产交互项后的回归结果，后两列是引入住房资产与家庭年收入交互项后的回归结果。
如表4所示，加入交互项以后，住房资产的平均边际效应仍显著为负，家庭总资产和年收入的平均边际效应仍显著为正，与未加入交互项前的结果一致。从表4前两列结果来看，Probit模型中住房资产与家庭总资产的交互项在1%的显著性水平上拒绝了原假设，IVTobit模型中住房资产与家庭总资产的交互项在5%的显著性水平上拒绝了原假设，且两个模型中交互项平均边际效应均为正，这代表随着家庭资产水平提高，其受到的挤出效应相对削弱。同理，从表4后两列结果来看，Probit与IVTobit模型中住房资产与家庭年收入的交互项均在5%的显著性水平上拒绝了原假设，且交互项系数均为正，这代表随着家庭收入水平提高，其受到的挤出效应逐渐减弱。总的来说，两个交互项的平均边际效应均显著为正，这说明资产和收入水平较高的家庭受到的挤出效应弱，而资产和收入水平较低的家庭则受到更为显著的挤出效应，假设2得以验证。这可能是因为在中低产家庭中，住房占据家庭绝大部分财富，增加了家庭的流动性风险，出于预防性或谨慎性动机，家庭会少参与金融市场或配置风险金融资产[6][27]。除了住房资产的异质性影响之外，其他控制变量在引入交互项后平均边际效应的大小、方向和显著性程度均未发生较大变化，模型结果相对稳健。
表4加入交互项后的Probit与IVTobit回归结果
width=692，height=668，dpi=110
2.区域分布不同时挤出效应的异质性。为进一步检验家庭处于不同区域时的异质性影响，本文按照我国1986年“七五计划”把全国经济区域划分为东中西三个地区，其中东部包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南；中部包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南；西部包括内蒙、广西、重庆、四川、贵州、云南、陕西、甘肃、青海和宁夏。总体来讲，东部绝大多数是最早实行沿海开放政策、经济发展水平较高的省市；中部多是经济次发达省份，而西部则更多的是经济相对欠发达地区。在划分区域后本文进行了分样本回归，由于本文关注的是住房资产挤出效应的异质性，限于篇幅，表5和表6仅汇报了Probit与IVTobit模型中住房资产的平均边际效应，省略了其余控制变量。
表5中Probit模型的分样本回归结果显示，住房资产对家庭金融市场参与的挤出效应在东部地区最为显著，中部其次，西部最弱。同样的，表6中IVTobit模型的分样本回归结果显示，住房资产对家庭风险金融资产配置比例的挤出效应在东部地区最强，在中部较弱，在西部地区则不显著。由此可见，相对于经济发展较为滞后的中西部地区，在经济较为发达的区域，住房资产对家庭金融市场参与及风险金融资产配置的挤出效应更为显著，假设3得以验证。这可能是因为多数经济发达区域房价上涨过高过快，中低收入家庭为了购置住房背上了沉重的还贷负担，中高收入的家庭则在房价上涨的预期下大量配置房产以谋求资产升值，因此住房在这些家庭的资产结构中都占据了最大比例，使得他们无法或不愿意进入金融市场并配置股票、基金等风险金融资产。
表5Probit模型分区域回归结果
width=692，height=176，dpi=110
表6IVTobit模型分区域回归结果
width=692，height=176，dpi=110
(三)稳健性检验
由上文可知，在基准回归、工具变量法和加入交互项后各解释变量的平均边际效应均十分类似，总体结果稳健。为了进一步证明结论的可靠性，本文采取更换被解释变量的方法来进行稳健性检验。由于股票是最具代表性的风险金融资产，因此，本文将被解释变量更换为“股票市场参与(Ifstock)”和“股票资产占金融资产比例(Stock_finance)。在更换解释变量后本文依旧采用Probit和IVTobit进行了回归，结果与未更换被解释变量时非常类似，解释变量的平均边际效应方向和显著程度几乎都没有发生改变，这代表回归结果相当稳健。因篇幅所限，此处不再汇报稳健性检验回归结果。
五、结论与建议
(一)主要结论
本文通过建立一个包含住房的跨期资产决策模型并进行参数赋值，从理论上分析了住房资产对金融资产配置的影响，并进一步在克服内生性问题的基础上使用西南财经大学“中国家庭金融调查(CHFS)”2013年全国调查数据检验了住房资产对家庭金融市场参与和风险金融资产配置的挤出效应及其异质性。通过理论和实证分析，本文得到以下结论：
1.住房资产对家庭金融市场参与和风险金融资产配置存在显著的挤出效应，说明住房资产作为居民家庭资产中的重要构成部分，影响到家庭金融投资决策。
2.对于资产较少和收入水平较低的家庭，住房资产对金融市场参与和风险金融资产配置的挤出效应尤为显著。这可能是因为对于中低收入家庭来说，配置住房占据了家庭大量财富，使得家庭流动性资产有限，给家庭造成了较少流动性风险，从而更显著且强烈地挤出了家庭金融市场参与和风险金融资产的配置。
3.在经济较为发达的区域，住房资产对家庭金融市场参与和风险金融资产配置的挤出效应更为显著。这可能是因为相对于中西部经济相对滞后的地区，东部地区经济增速较快，房价居高不下，中低收入家庭配置自用住房时承担了较大压力，高收入家庭则在房价上涨的预期下大量配置投资性住房，这些均造成了住房资产在家庭资产结构中占比过重的问题，使得挤出效应更加显著。
(二)政策建议
基于本文的理论分析和实证检验结果，本文发现过度配置住房资产不仅使得家庭资产结构更为单一和脆弱，还会挤出家庭对风险金融资产的配置，从微观上不利于家庭进入金融市场获得更高的潜在收益，从宏观上更是使得住房市场挤占了资本市场资源，不利于资本市场的发展和繁荣。基于此，本文提出了以下政策建议：
1.引导居民合理配置住房资产，分散家庭投资组合风险。我国居民家庭资产结构较为单一，住房资产在家庭资产中占比过重，金融资产尤其是风险金融资产配置水平较低，但是住房流动性不好，变现能力弱，过度配置住房会给家庭带来较高的流动性风险。《中国家庭金融调查报告(2014)》指出，我国收入最高的10%的家庭，户均资产在50万美元左右，与美国处于相同水平，但结构差异很大，我国居民家庭的金融资产占比仅为10%，美国则是41%。由此可见，受房市长期繁荣和传统财富观念的影响，我国居民偏好于住房投资，导致住房资产配置过剩，权益类金融资产配置十分有限，资本向楼市过度集中，这既使得微观家庭投资风险集中，也不利于宏观经济的长期稳定发展。因此，应当提倡并帮助我国居民提高金融素养，优化家庭资产结构，通过资产结构多元化实现风险分散和资产保值增值。
2.缓解中低收入家庭住房压力，释放大量流动性以激活金融市场。购置住房使中低收入家庭背负了沉重的压力，住房资产占据了这些家庭的绝大多数财富，从而更少地参与金融市场及配置风险金融资产。这在微观上使得中低收入家庭资产结构更为单一和脆弱，在宏观上也不利于金融市场的长远发展。中低收入家庭占我国社会的大多数，调控房价、实行严格的差别化住房信贷政策并完善保障性住房和租售同权等措施，来保障中低收入家庭能以合理的价格配置住房，不仅有利于社会总体福利提升，更能够减缓这些家庭的流动性约束，提高家庭对基金、理财、股票等风险金融资产的配置，从而促使大量房产市场资金流向金融市场，推进金融市场的稳定和繁荣。
3.重视区域均衡发展，放缓经济增速引导发达地区房价平稳回归。长期以来，我国区域发展差异较大，区域分化现象明显，东部沿海等发达地区经济高速增长的同时房价一路高涨，这不仅使得购房自住的家庭背上较为沉重的经济负担，被动地将大量资产配置于住房之上，而且对于那些更为富裕的家庭而言，房产市场释放的红利使得他们希望通过房产投资实现资产短期快速增值，而忽视长期资产配置。这种看似繁荣的现象背后其实蕴藏着巨大的风险敞口，以房价高涨为代价维持较快的GDP增速是无法长久的。在经济新常态下，发达地区应适当放缓经济增速，提高经济增长质量，并实行更为严格的房价调控措施，引导房价平稳回归。这不仅保障了居民权益和社会福利，而且在转变居民投资观念、减少住房资产过度配置和引导资金流向金融市场等方面都具有重要意义。
来源：网络整理 免责声明：本文仅限学习分享，如产生版权问题，请联系我们及时删除。
