您的当前位置：首页金融素养对家庭负债行为的影响———基于家庭贷款异质性的分析

金融素养对家庭负债行为的影响———基于家庭贷款异质性的分析

来源：爱问旅游网

第5期(总第426期)

2019年5月

ResearchonFinancialandEconomicIssues

财经问题研究

摇摇

Number5(GeneralSerialNo郾426)

May,2019

·金融与投资·

金融素养对家庭负债行为的影响

———基于家庭贷款异质性的分析吴卫星1,3,张旭阳1,3,吴摇锟2,3

(1郾对外经济贸易大学金融学院/“一带一路冶PPP发展研究中心,北京摇100029;

2郾北京物资学院经济学院,北京摇101149;3郾对外经济贸易大学应用金融研究中心,北京摇100029)

摘摇要:借贷对于平滑家庭支出有重要作用,但也可能造成不成熟借款者的债务累积。鉴于家庭金融素养异质性较大,且不同借贷类型的利率差异会对家庭债务成本产生重要影响,本文研究了金融素养对家庭负债行为的影响,探讨不同金融素养家庭的贷款渠道、贷款利率以及贷款期限结构。研究发现,金融素养的提高对家庭贷款获取方面有促进作用,但对家庭组合贷款中短期贷款占比没有显著影响;金融素养的提高有效降低了家庭综合贷款利率;随着金融素养的提高,家庭购房贷款中银行贷款占比明显增加,从正规渠道(银行)获得贷款在很大程度上降低了购房贷款的利率。

关键词:金融素养;负债行为;贷款利率;家庭金融;异质性

中图分类号:F830郾5摇摇文献标识码:A摇摇文章编号:1000鄄176X(2019)05鄄0057鄄09

一、问题的提出

随着经济的发展和居民消费理念的改变,我国家庭债务累积问题逐步凸显并越来越受到关注,但相关研究却较少。李心丹等[1]认为,家庭金融实践活动越来越丰富,“量入为出冶的传统消费观念逐渐被打破。金融市场中产品越来越多元,监管机构对于金融市场参与者的保护也越来越完善。这些主客观因素都在一定程度上促进了家庭借贷需求的增加。中国人民银行发布的《2018年第三季度中国货币执行报告》中显示,截至2018年9月末,住户贷款余额为462053亿元,同比增长18郾2%,居民借贷规模迅速扩张。借贷对于平滑家庭跨期消费、缓解暂时性风险冲击有重要作用,合理的负债能够在一定程度上提高长期效用。虽然借贷规模的扩张在一定程度上增加了居民的购买力、提振了消费,但是祝伟和夏瑜擎[2]发现,不同类型的负债对家庭福利水平的影响会产生差异。吴卫星等[3]发现,金融素养低的家庭更容易出现过度负债问题。王江等[4]认为,家庭主要通过金融市场对自身资

摇摇收稿日期:2019鄄02鄄16

基金项目:国家社会科学基金重大项目“中国消费金融的发展、风险与监管研究冶(16ZDA033)

作者简介:吴卫星(1974-),男,湖北荆门人,教授,博士,博士生导师,教育部青年长江学者,主要从事家庭金融学与金融

经济学等方面的研究。E鄄mail:wxwu@uibe郾edu郾cn

财经问题研究摇摇2019年第5期摇摇总第426期

源在时间和风险上进行优化配置。而VanRooij等[5]研究表明,金融素养对家庭的金融决策有重要影响。家庭借贷市场是金融市场的重要组成部分,家庭借贷市场的稳定与否对金融市场运行有直接影响,美国次贷危机的爆发主要原因之一就是家庭负债不合理,因此,同样应持续关注我国家庭借贷问题。市场上的贷款利率、贷款期限和还款方式不尽相同,各类贷款对家庭综合贷款利率的影响迥异。那么,不同金融素养的家庭在参与借贷市场时从中获得的福利是否具有差异?基于家庭贷款异质性的角度对于理解家庭负债行为及结果有重要作用。

现实中,居民的金融素养普遍较低,不仅我国如此,世界上许多国家和地区亦如此。如Disney和Gathergood[6]在英国家庭调查问卷数据库中发现,问卷包含单利、复利和最低还款三个问题,计算答案时需要被调查者具备一定的金融素养,全部答错者占11%,全部答对者只占30%。Klapper等[7]发现,俄罗斯作为消费借贷增长较快的国家,被调查者中也只有41%的人能够理解复利,46%的人能够答对关于通货膨胀的简单概念。Lusardi和Tufano[8]用美国的样本发现,只有1/3的人对复利的计算及信用卡的使用细节有一定了解。综合来看,大多数国家居民的金融素养普遍较低。然而,金融市场上信贷产品的借贷形式和种类越来越多样化,不同贷款类型下的利率有明显差异。Disney和Gathergood[6]研究发现,监管机构通常要求广告中要披露基于利率的信贷成本指标,以达到不同产品间可以进行比较的目的,最常见的是使用年化百分比利率(AnnualisedPercentageRate),然而很多消费者仍然无法识别每类信贷产品成本的差异,导致金融素养越低的消费者使用的信贷产品成本越高。Lusardi和Tufano[8]明确指出,“你不了解的事可能会伤害你冶。据估计,金融理财相关知识缺乏的信用卡持卡人支付的费用比普通持卡人高50%。如果居民可以更好地了解借贷利率等相关知识,则可能有助于他们选择更合适的贷款类型,降低债务成本。也就是说,家庭金融素养的差异可能导致不同的借贷利率。

借鉴投资组合的相关概念,负债可以类似地看成具有负收益率的资产,负债组合的差异会导致家庭负债综合收益率的差异。长期较高的债务成本会对家庭的资金运转、财富积累、投资与消费等方面产生很大负面影响。宏观上,过多的债务累积对金融安全有重要影响,Hung等[9]总结了美国次贷危机的三个经验教训:糟糕的财务决策可能是令人惊讶的普遍现象;在危机发生之前很长一段时期,这些问题可能被忽视;随后的金融市场动荡和干预证明,系统性影响和维持金融稳定的成本可能相当大。微观研究中,吴卫星等[3]发现,居民家庭金融素养与负债与否、是否过度负债有显著关系,金融素养的提升会增加家庭持有负债的概率,但是会降低家庭过度负债的可能。Schicks[10]使用加纳的微观借贷数据发现,金融素养低的居民容易过度负债,过度负债的居民经常会在每次贷款偿付日努力达到最低还款要求,并且在还款结构上必须做出很大牺牲。对于高负债居民,如果他们由于缺乏相关借贷知识而背负高额的利息,无异于雪上加霜。如何高效投资是一门学问,如何优化负债同样应该引起重视。

本文可能的贡献体现在如下两个方面:一是金融素养作为影响家庭负债的重要因素,国内的研究分析仍十分缺乏,本文进行了一定的补充。二是从贷款渠道和贷款利率两方面研究了金融素养对借贷成本的影响机制。

二、数据、模型与变量(一)数据说明

本文运用清华大学中国金融研究中心2011年进行的“中国消费金融现状及投资者教育调查冶项目数据,该数据有较科学的抽样方法,数据特征具有一定代表性。廖理和张金宝[11]对问卷的可靠性做了详细阐述,在访问对象上,要求被调查者必须熟悉家庭经济状况,且是家庭经济活动的主要决策者,较好地保证了数据的准确性和全面性。原始数据5990个,删除数据中关键变量的缺失值以及异常值(主要指超出问卷选项中给出的数字范围),最终得到有效数据4503个。

(二)模型选择

本文主要研究金融素养与家庭贷款问题,主要分为三个部分:一是金融素养是否对家庭贷款的获取有显著影响。二是金融素养是否对家庭贷款的期限结构和综合贷款利率有影响。三是对金融素养与

家庭贷款的最主要部分———购房贷款的渠道和房贷利率进行分析。

对于第一部分的分析主要使用Probit模型,具体如下:

y1=琢fl_factor+X茁+u

(1)

其中,y1表示家庭贷款,y1=1(y1>0),fl_factor表示金融素养,X表示控制变量。

式(1)中,金融素养与家庭贷款获取之间可能存在内生性问题。一方面,可能存在反向影响,即家庭获得贷款后更加愿意关注相关借贷知识,并不断提高自身金融素养;另一方面,可能存在遗漏变量,即可能存在一些未观测到的变量同时影响到金融素养和家庭贷款。因此,我们使用IV-Probit模型来处理内生性问题,具体如下:

fl_factor=酌fl_iv+X姿+n

(2)

表示不存在内生性问题,后文会对此进行检验。

éæ0öæuö

其中,fl_iv是金融素养的工具变量。u、n服从二维分布,ç÷~Nêç÷,

êèvøëè0ø

æ1

çè籽滓v籽滓vöù

÷ú。如果籽=02

滓vøúû

对于第二部分本文使用OLS模型进行分析,家庭在贷款时可能存在样本自选择问题进而导致回归系数有偏误,本文使用Heckit模型来纠正选择偏误。考虑到金融素养与综合贷款利率可能存在内生性问题,主要是遗漏变量问题,本文使用IV-Heckit模型来解决自选择及内生性问题。

第三部分使用的模型与第二部分相同。考虑到家庭的异质性带来的异方差问题,文中的回归均使用稳健性(Robust)估计来避免系数的标准差偏误。

1郾解释变量:金融素养(三)变量描述

金融素养很大程度上代表了人们能够就借贷合同做出简单决策、将有关利息的基础知识应用于日

常财务选择的能力。目前,衡量金融素养有两种常用方法:一种是根据被调查者回答利率、复利和通货膨胀等问题的情况作为金融素养的指标;另一种是根据被调查者对金融概念或者金融常识的了解程度进行衡量。本文使用调查问卷中与金融相关系列问题的主观回答结果作为衡量金融素养的指标。调查问卷中一类问题为“您家了解商业银行以下贷款产品吗?冶,涉及购房贷款、购车贷款、装修贷款、教育贷款、商业经营贷款和大件消费贷款等六类贷款,被调查者需要依次对六类贷款的了解情况打分,不知道、不太了解、有所了解、比较了解、非常了解分别记1—5分;另一类问题是“您对下列产品了解吗?冶,涉及股票、基金和债券,被调查者对这三类信贷产品依次打分,不知道、不太了解、有所了解、比较了解、非常了解分别记1—5分。借鉴VanRooij等[5]与吴卫星等[3]的方法,对从以上问题得到的数据进行因子分析。结果显示,两类问题的KMO综合值为0郾885,最小值为0郾806,SMC值大部分在0郾600左右,最小值为0郾5,综合来看比较适合做因子分析。因子分析显示,以上两类问题有两个主要载荷因子:一个与银行贷款有关;另一个与投资信贷产品有关。通过加权两个主要载荷因子得分得到金融素养指标。

鉴于指标可得性,参考VanRooij等[12],本文使用吴卫星等[13]“户主或配偶是否有经济或管理

方面的高等教育学历冶的指标作为金融素养工具变量。户主的经济或管理学历会对户主的金融素养高低有直接影响。学历是事前变量,即户主是否有经济或管理方面的学历基本在户主成立家庭之前就已经确定,不会受到成家之后的负债行为影响。

2郾被解释变量:各类贷款

调查问卷中的家庭贷款主要包括:购房贷款、汽车贷款、其他长期贷款、短期消费贷款和其他短

期借款。购房贷款又细分为银行贷款和向亲友借款。每类贷款下面给出了1—17个选择区间,每个数字对应着一定的贷款额度区间,被调查者可以选择直接填写贷款金额,也可以选一个区间,对于选择区间范围的,本文用区间的中间值作为代替。汽车贷款在调查问卷中有单独的提问,被调查者自己填写具体的汽车贷款金额及贷款利率。因此,本文对于汽车贷款的统计均以被调查者填写的具体金额为准,不再使用家庭负债表中的区间数据。将购房贷款、汽车贷款和其他长期贷款加总得到长期贷款(long_loan),将短期消费贷款、其他短期借款加总得到短期贷款(short_loan),长期贷款加短期贷款

财经问题研究摇摇2019年第5期摇摇总第426期

即得到总贷款(loan)。本文按照调查问卷中贷款分类标准将贷款期限大于1年的归为长期贷款,将贷款期限在1年以内的归为短期贷款。长期贷款、短期贷款和总贷款获取与否均为虚拟变量。

3郾控制变量

本文控制一系列与贷款有关的变量,为避免受极值影响,对家庭年可支配收入(income_w2)进各变量具体说明及描述性统计结果如表1所示。

表1变摇量fl_factorloanlong_loanmarriedagegenderhighugshort_loan

总贷款(万元)

变量说明及描述性统计(N=4503)变量说明

金融素养(因子分析法)长期贷款(万元)短期贷款(万元)户主年龄

户主婚姻状态:已婚为1,其他为0户主性别:男为1,女为0高中或中专学历大专或本科学历研究生及以上学历家庭年可支配收入(万元)西部地区中部地区家庭拥有房产数

均摇值0郾0005郾7905郾6900郾10037郾151-0郾3100郾3090郾5140郾0399郾3441郾1190郾2940郾2241郾0190郾4770郾728

标准差15郾68015郾5300郾8800郾4450郾5000郾7940郾4620郾5000郾1948郾8360郾4020郾4550郾4170郾70110郾6820郾827

最小值-1郾0670郾0000郾0000郾00025-100010001郾00000

最大值240郾000240郾00026郾00080111144郾0003111111摇3郾332

行了2郾5%的双边缩尾处理。

aversioncollegeincome_w2unstablewestmidlandhouse

风险态度:1表示风险偏好,0表示风险中性,-1表示风险厌恶

收入不稳定情况:1—3。1表示较稳定,3表示较不稳定,2表示两者之间

从表1可以看出,家庭贷款中长期贷款的均值为5郾690万元,是总贷款的最主要部分。家庭年可支配收入的均值为9郾344万元,户主平均年龄37岁,多数处于已婚状态。

由于本文研究涉及的变量较多,可能引起多重共线性问题。使用方差膨胀因子(VIF)进行检验的结果显示,VIF最大值为3郾140,均值为1郾450,一般大于10认为有严重多重共线性,因此,VIF检验结果显示,变量之间没有存在严重的多重共线性,可以进行下一步分析。

4郾利率的确定

除了汽车贷款部分被调查者需要详细填写贷款利率,调查问卷中并没有给出其他几类贷款的具体

利率。参考Disney和Gathergood[6]与吴卫星等[14]的做法,本文以比较有代表性的利率参考值作为每类贷款的替代。对于购房贷款中银行渠道的利率,使用2011年2月9号中国人民银行公布的5年以上贷款基准利率6郾6%。目前对购房贷款中亲友借款的利率调查数据较少,借鉴吴卫星等[14]的方法,使用西南财经大学中国家庭金融调查与研究中心(CHFS)发布的2011年调查数据,考察在亲友借款中为了购房的样本,计算加权平均值得到利率10郾1%。刘绘和沈庆劼[15]研究发现,2011年来,我国P2P网络借贷平台数量以及成交额迅猛增长,侧面表明大量居民借贷逐渐转移到线上P2P平台。人人贷平台作为具有代表性的P2P平台,其最终撮合成交的利率能够反映借款者通过其他渠道获得贷款的成本。本文将人人贷平台2011年这1年内的贷款利率进行加权平均,借款者短期贷款的平均偿付期限为7郾460个月,得到年化利率为14郾1%。按此方法用1年以上的贷款进行计算得到14郾6%,借款者长期贷款的平均偿付期限为22郾000个月,用该利率代表其他长期贷款的利率。在2011年互联网消费贷款仍处于初级阶段,从商业银行获得短期消费贷款的可能性更大,假设偿还期限平均为半年,使用2011年2月9号中国人民银行公布的期限为6个月的贷款基准利率5郾6%。结合利率取值和每类

贷款的金额,可计算得到每个家庭贷款组合的综合贷款利率。

三、回归结果及分析(一)金融素养与家庭贷款

表2变摇量fl_factormarriedagegenderaversionhighcollegeugincome_w2unstablewestmidlandhouseC

记入亲友借款0郾088

(0郾001)

0郾458*(0郾000)

-0郾020*(0郾000)

0郾145*(0郾001)0郾034(0郾215)-0郾019(0郾791)0郾051(0郾485)

0郾256*(0郾037)0郾001(0郾747)-0郾043(0郾419)

0郾291*(0郾000)0郾037(0郾490)

0郾352*(0郾000)

-0郾682*(0郾000)

***

表2是运用Probit模型、IV-Probit模型的回归结果。

金融素养与长期贷款、短期贷款和总贷款长期贷款

不记入亲友借款0郾109

(0郾000)

0郾409*(0郾000)

-0郾025*(0郾000)

0郾010*(0郾030)0郾057*(0郾063)

0郾235*(0郾008)

0郾328*(0郾000)

0郾518*(0郾000)

0郾009*(0郾002)-0郾042(0郾468)

0郾204*(0郾000)

-0郾121*(0郾049)

0郾3*(0郾000)

-1郾034*(0郾000)

***

短期贷款0郾079

(0郾031)0郾040(0郾580)

-0郾017*(0郾000)

0郾172*(0郾004)

0郾138*(0郾001)0郾031(0郾801)

0郾251*(0郾040)0郾188(0郾292)0郾003(0郾367)0郾045(0郾535)

-0郾140*(0郾043)

-0郾175*(0郾030)0郾041(0郾317)

-1郾220*(0郾000)

总贷款

0郾098

(0郾000)

0郾383*(0郾000)

-0郾021*(0郾000)

0郾171*(0郾000)0郾050*(0郾063)-0郾043(0郾531)0郾080(0郾266)

0郾266*(0郾027)0郾001(0郾790)-0郾037(0郾471)

0郾231*(0郾000)0郾016(0郾768)

0郾321*(0郾000)

-0郾445*(0郾001)

***

(1)

Pseudo鄄R2

一阶段F值

0郾075

4503

0郾366

(0郾131)

0郾445*(0郾000)

-0郾019*(0郾000)

0郾127*(0郾005)-0郾036(0郾595)-0郾096(0郾315)-0郾094(0郾520)0郾042(0郾852)-0郾003(0郾463)-0郾041(0郾434)

0郾295*(0郾000)0郾024(0郾655)

0郾327*(0郾000)

-0郾513*(0郾016)450350郾780

(2)(3)

0郾110

4503

0郾618(0郾005)

0郾372*(0郾000)

-0郾022*(0郾000)0郾065(0郾177)-0郾077(0郾250)0郾070(0郾534)0郾034(0郾836)0郾0913(0郾707)0郾001(0郾908)-0郾037(0郾504)

0郾208*(0郾000)

-0郾133*(0郾024)

0郾294*(0郾000)

-0郾668*(0郾007)

***

(4)(5)

4503

***

摇摇注:*、*和*分别表示在1%、5%和10%水平上显著,括号内为P值。下同。

50郾780

0郾061

4503

0郾852

(0郾000)0郾023(0郾714)

-0郾013*(0郾002)0郾099*(0郾098)-0郾088(0郾206)-0郾198*(0郾087)-0郾209(0郾197)-0郾439*(0郾050)

-0郾009*(0郾026)0郾040(0郾532)-0郾081(0郾207)

-0郾169*(0郾017)-0郾014(0郾714)-0郾556*(0郾0)

***

(6)(7)

4503

50郾780

0郾072

4503

0郾571*(0郾007)

0郾353*(0郾000)

-0郾019*(0郾000)

0郾134*(0郾003)-0郾073(0郾245)

-0郾175*(0郾044)-0郾173(0郾198)-0郾108(0郾608)-0郾001(0郾114)-0郾033(0郾508)

0郾233*(0郾000)-0郾006(0郾914)

0郾270*(0郾000)-0郾152(0郾443)

(8)

4503

50郾780

表2中列(1)、列(3)、列(5)和列(7)报告的是Probit模型的回归结果,可以看出,随着金融素养的提高,家庭的长期贷款、短期贷款和总贷款均显著增加。说明随着金融素养的提高,家庭获得贷款的可能性更大,这与宋全云等[16]使用2015年中国家庭金融调查(CHFS)数据的研究结果一致。回归结果还显示,婚姻对于长期贷款有显著促进作用,而对于短期贷款的影响不明显,这可能是因为长期贷款会更注重借款者的风险状况,而婚姻可能在一定程度上保障了家庭经济上的长期稳定性。年龄对于长期贷款和短期贷款的影响均显著为负,符合生命周期理论的预测,这一结果与陈斌开和李涛[17]研究结果一致,另外,也可能是年轻人对贷款信息有及时的了解,在贷款方面更积极活跃。家庭年可支配收入对长期贷款的影响不显著,这可能是由于随着收入的增加家庭的贷款意愿并没有太大变化,高收入家庭在贷款时更容易,但他们需求也相对偏低。

财经问题研究摇摇2019年第5期摇摇总第426期

表2中列(2)、列(4)、列(6)和列(8)报告的是IV-Probit模型的回归结果,用来解决内生性问题。结果发现,金融素养对各类贷款的影响与Probit模型基本一致。列(2)中,金融素养变量的正负未发生变化,但显著性出现了明显下降。杜宾吴豪斯曼(DWH)检验的P值为0郾229,显然在10%水平下拒绝外生性假设。一阶段F值为50郾780,根据Stock和Yogo[18],大于10%偏误下的临界值16郾380,说明不存在弱工具变量问题。因此,工具变量的使用符合要求。

显著性下降的原因可能有两个:一是金融素养与长期贷款之间的内生性较高,长期贷款是家庭贷款的主要部分,家庭对此类贷款关注度更高,而且长期贷款还款期限较长,对家庭财务状况影响较大,这些因素都会促使家庭更加关注贷款、还款等方面的借贷知识,通过不断学习提高金融素养。二是长期贷款中包含亲友借款这一非正规渠道的贷款,根据吴卫星等[3]的研究,金融素养的提高可能会降低非正规渠道的贷款。列(3)、列(4)将亲友借款数据不记入长期贷款变量中重新进行回归,金融素养对除亲友借款外的长期贷款确实有正向促进作用,印证了第二种原因的存在。

(二)金融素养与贷款期限结构、综合贷款利率

表3为金融素养与贷款期限结构、综合贷款利率的回归结果。

表3变摇量fl_factormarriedagegenderaversionhighcollegeugincome_w2unstablewestmidlandhouseIMRC

(1)

金融素养与贷款期限结构、综合贷款利率

短期贷款占比

0郾003(0郾765)-0郾001(0郾188)0郾016(0郾315)0郾014(0郾167)-0郾019(0郾469)0郾026(0郾358)-0郾021(0郾621)0郾000(0郾983)

-0郾070*(0郾000)

综合贷款利率

(2)

-0郾165*(0郾068)(3)

-0郾340*(0郾007)

-0郾094*(0郾000)

0郾015(0郾184)

-0郾004*(0郾011)*

0郾038*(0郾048)

(4)

-0郾043(0郾1)**

0郾465*(0郾009)**

0郾035*(0郾000)

0郾020*(0郾074)-0郾022(0郾469)0郾038(0郾211)0郾015(0郾759)0郾000(0郾847)-0郾040*(0郾077)-0郾025(0郾2)-0郾011(0郾582)

0郾186*(0郾027)

-0郾036(0郾831)0郾034(0郾705)-0郾085(0郾733)

0郾073*(0郾000)

-0郾260(0郾428)

-1郾674*(0郾059)

0郾136*(0郾002)

(5)

-1郾490*(0郾086)

-0郾349*(0郾093)-0郾050(0郾683)-0郾043(0郾5)

-0郾806*(0郾025)

0郾083(0郾570)0郾278(0郾460)

-0郾734*(0郾003)**

-0郾823*(0郾006)*

-0郾018*(0郾021)

-0郾915*(0郾006)*

-1郾329*(0郾011)*

-0郾020*(0郾045)*

0郾556*(0郾015)

-1郾607*(0郾002)

-0郾737*(0郾030)

0郾014(0郾533)-0郾026(0郾233)

0郾007(0郾737)

0郾527*(0郾006)

0郾461(0郾184)0郾283*(0郾097)

0郾099(0郾687)

-0郾720*(0郾001)**

-2郾656*(0郾004)**

9郾446*(0郾000)

0郾717*(0郾003)

-0郾010(0郾368)-0郾706(0郾223)0郾214(0郾3)

-0郾046*(0郾001)*

-0郾220*(0郾019)

0郾2(0郾269)

-1郾499*(0郾007)*

-7郾363*(0郾022)

0郾281*(0郾000)

F值

0郾0635郾5

1505

0郾081(0郾453)4503

6郾579*(0郾000)

一阶段F值

11郾180

0郾069

150503

14郾100*(0郾000)

4503

27郾000

摇摇表3中列(1)和列(2)运用OLS模型和Heckit模型进行回归,结果显示金融素养对家庭组合贷款中短期贷款占比没有显著影响,说明金融素养不同的家庭贷款期限结构可能没有明显差异。考虑到家庭贷款可能涉及自选择问题,进而导致样本非随机,影响回归结果的准确性。表3中列(2)和列(4)使用Heckit模型进行回归,可以看到逆米尔斯比(IMR)的系数在5%和1%水平上显著,说明样本存在自选择问题,使用Heckit模型相较于OLS模型更合适。

金融素养与被解释变量之间可能存在互为因果问题:一方面,贷款利率低的家庭更加愿意关注相关借贷知识,并不断提高自身金融素养;另一方面,可能存在遗漏变量而导致内生性问题。因此,本文使用工具变量法解决内生性问题。表3中列(1)和列(2)的回归结果说明,金融素养与短期贷款占比之间没有显著性关系。列(3)说明,家庭的综合贷款利率随着金融素养的增加而降低,列(4)和列(5)运用Heckit模型和IV-Heckit模型进行回归,结果显示逆米尔斯比(IMR)系数显著,说明确实存在自选择问题。列(5)运用IV-Heckit模型回归,杜宾吴豪斯曼(DWH)检验的P值为0郾115,显然在10%水平下拒绝外生性假设。一阶段F值为27郾000,根据Stock和Yogo[18],大综合贷款利率随着金融素养的增加而降低。即纠正自选择问题和内生性问题后上文结论依然成立,说明金融素养高的家庭识别不同贷款利率的能力强,因此,在选择贷款类型时有更好的技巧。这与Disney和Gathergood[6]对消费贷款的研究一致。年龄对综合贷款利率的影响显著为正,说明年龄越大的居民在贷款时有更高的利率,年轻人获取贷款信息渠道可能比年长的人更多,手机、互联网等使年轻人有更多的方式获得贷款,因而可以获取较优惠的利率。学历对综合贷款利率有显著的负向影响,学历越高对于识别各类贷款的利率越有帮助。

(三)金融素养与购房贷款、房贷利率

购房贷款在家庭贷款中占比最高,为80%左右,因而购房贷款是家庭贷款的主要部分。表3的回归结果说明金融素养有助于降低综合贷款利率,但是从期限结构上没有找到证据,即没有发现金融素养不同的家庭通过选择不同期限结构的贷款来降低综合贷款利率。房贷利率可能是影响家庭综合贷款利率的重要部分。如果家庭从正规渠道(银行)获得贷款的能力越强,那么购房贷款的利率也会越低。考虑到购房贷款还款期限较长,利率的降低可以在长期减轻家庭的债务成本。问卷调查设计问题:“如果您家需要借钱的话,您‘首选爷的借钱对象是谁?冶。有75郾1%的人选择了亲戚、朋友,而把银行作为首选对象的只有23郾0%,说明并不是大多数人都自然而然地认为从正规渠道(银行)贷款是首选项。

表4中列(1)使用OLS模型回归发现,金融素养越高购房贷款中银行贷款占比越大,意味着从正规渠道(银行)贷款的比例越高,购房贷款的利率越低。Klapper等[7]在俄罗斯个人调查数据中也发现,金融素养越高的人利用非正规渠道贷款的可能性越低,这与本文的研究结果一致。年龄的系数为负,说明越年轻家庭的购房贷款中银行贷款占比越高,年轻人更愿意向银行贷款,而年龄较大的人可能有更多的社会关系网络倾向于向亲朋好友借款。家庭拥有较高收入有利于从银行贷款,这与现实情况相符,银行更倾向于对高收入的家庭提供购房贷款。随着学历的提高,购房贷款中银行贷款占比增加,说明学历作为人力资本的重要代表,在一定程度上反映了借款者的偿付能力,银行更愿意向高学历居民放贷。

表4中列(2)用Heckit模型处理了自选择问题,逆米尔斯比(IMR)系数显著,说明确实存在样本自选择问题。列(3)使用IV-Heckit模型处理了自选择问题和内生性问题,杜宾吴豪斯曼(DWH)检验的P值为0郾071,在10%水平下拒绝外生性假设。一阶段F值为17郾280,根据Stock和Yogo[18],大于10%偏误下的临界值16郾380,不存在弱工具变量问题。列(3)IV鄄Heckit模型回归结果与列(1)OLS模型回归结果一致,结论稳健。

表4中列(4)—列(6)分别使用OLS模型、Heckit模型和IV-Heckit模型检验了金融素养对房10%水平下显著,说明金融素养越高,购房者的房贷利率越低。

贷利率的影响。从三个模型的回归结果可以看出,金融素养与房贷利率的系数均为负,且在5%或

于10%偏误下的临界值16郾380,说明不存在弱工具变量问题。列(5)IV-Heckit模型回归结果显示,

表4变摇量fl_factormarriedagegenderaversionhighcollegeugincome_w2unstablewestmidlandhouseIMRC

(1)

购房贷款中银行贷款占比

0郾038*(0郾012)

0郾067*(0郾001)**

0郾163*(0郾007)

财经问题研究摇摇2019年第5期摇摇总第426期

金融素养与购房贷款渠道、房贷利率

房贷利率

0郾329*(0郾038)*

0郾457*(0郾014)

(2)(3)

-0郾009*(0郾000)

0郾005(0郾882)-0郾028(0郾257)0郾008(0郾618)

-0郾135*(0郾012)

(4)

-0郾015*(0郾000)

0郾020(0郾528)0郾016(0郾412)

-0郾026*(0郾000)

0郾090*(0郾081)-0郾029(0郾372)0郾056(0郾3)

0郾136*(0郾028)

0郾031*(0郾000)

-0郾016(0郾882)0郾098(0郾257)-0郾029(0郾618)

-0郾237*(0郾001)**

-0郾575*(0郾007)**

0郾053*(0郾000)

(5)

-1郾160*(0郾038)*

-1郾613*(0郾014)**

0郾092*(0郾000)

(6)

-0郾070(0郾528)-0郾055(0郾412)

-0郾318*(0郾081)0郾101(0郾372)-0郾197(0郾3)

0郾140*(0郾002)**

0郾182*(0郾000)**

0郾213*(0郾002)**

0郾006*(0郾000)

0郾128*(0郾009)**

0郾200*(0郾000)**

0郾304*(0郾000)**

0郾006*(0郾000)

-0郾494*(0郾002)**

-0郾1*(0郾000)**

-0郾752*(0郾002)**

-0郾022*(0郾000)

-0郾4*(0郾009)**

-0郾708*(0郾000)**

-1郾072*(0郾000)**

-0郾021*(0郾000)

0郾353*(0郾000)

0郾012(0郾702)-0郾030(0郾268)

-0郾014(0郾697)0郾068(0郾118)

0郾002(0郾380)-0郾069(0郾1)

0郾260*(0郾034)

-1郾245*(0郾000)

-0郾481*(0郾028)

-0郾041(0郾702)0郾107(0郾268)

0郾051(0郾697)-0郾239(0郾118)

0郾305*(0郾021)

-0郾008(0郾380)0郾244(0郾1)0郾235*(0郾078)

-0郾102*(0郾002)**

0郾087*(0郾000)

-0郾086*(0郾021)**

0郾181*(0郾000)**

0郾458*(0郾001)

0郾350*(0郾001)*

1郾353*(0郾015)

-0郾067*(0郾078)

-0郾306*(0郾000)

0郾361*(0郾002)

-0郾917*(0郾034)

-0郾639*(0郾000)**

-1郾618*(0郾001)**

10郾090*(0郾000)

-1郾236*(0郾001)*

-4郾776*(0郾015)

0郾586*(0郾000)

F值

一阶段F值

19郾700

0郾157

1282

0郾012(0郾952)4503

-1郾006(0郾117)4503

8郾061*(0郾000)

17郾280

19郾700

0郾157

12824503

13郾680*(0郾000)

4503

17郾280

(四)稳健性检验

对于指标的稳健性,本文借鉴Bianchi[19]的做法,使用累加法重新计算金融素养(fl_sum)变量,对前文结论进行再次验证,淤回归结果较稳健。考虑到工作状态的差异可能导致负债行为的差异,删除工作状态中包括退休或待业的家庭,用子样本进行回归,金融素养系数正负与前文所得结论基本一致,结论依然较稳健。

四、结论与启示

金融素养作为影响家庭借贷决策的重要因素,对于家庭负债行为有怎样的影响?本文研究发现,金融素养对家庭的负债行为有重要影响。第一,金融素养的提升有助于长期贷款和短期贷款的获取。第二,金融素养不同的家庭在安排贷款组合时,短期贷款占比没有显著差异,但金融素养高的家庭贷款组合的综合贷款利率会显著下降。第三,金融素养高的家庭在购房贷款时能够更多地从正规渠道

淤

具体结果未在正文列出,留存备索。

(银行)获得贷款,从而降低了购房贷款的利率。

本文的研究结论具有如下启示:第一,金融素养高的家庭贷款时在获取数量和获取渠道上都有一

定优势。金融素养的提高有助于优化家庭贷款组合,降低综合贷款利率。第二,普及相关借贷知识,帮助居民认识不同类别贷款利率的差异。第三,大力发展正规金融市场以满足居民借贷需求。

需要说明的是,由于无法识别每类贷款的获取渠道,本文用利率平均值代替家庭每类贷款的利率不够精确。由金融素养对购房贷款的渠道选择影响可知,即使在同类贷款中,金融素养高的家庭能够更多地从正规渠道获得贷款。受困于借贷数据细化程度不够,笔者认为这种利率平均值估计反而会在一定程度上低估金融素养对综合贷款利率的实际影响。参考文献:

[1]摇李心丹,肖斌卿,俞红海,等郾家庭金融研究综述[J]郾管理科学学报,2011,(4):74-85郾[2]摇祝伟,夏瑜擎郾中国居民家庭消费性负债行为研究[J]郾财经研究,2018,(10):67-81郾[4]摇王江,廖理,张金宝郾消费金融研究综述[J]郾经济研究,2010,(S1):5-29郾

Economics,2011,101(2):449-472郾97-109郾

[3]摇吴卫星,吴锟,王琎郾金融素养与家庭负债———基于中国居民家庭微观调查数据的分析[J]郾经济研究,2018,(1):[5]摇VanRooij,M郾,Lusardi,A郾,Alessie,R郾FinancialLiteracyandStockMarketParticipation[J]郾JournalofFinancial[6]摇Disney,R郾,Gathergood,J郾FinancialLiteracyandConsumerCreditPortfolios[J]郾JournalofBanking&Finance,2013,[7]摇Klapper,L郾,Lusardi,A郾,Pano,G郾A郾FinancialLiteracyandItsConsequences:EvidenceFromRussiaDuringthe[8]摇Lusardi,A郾,Tufano,P郾DebtLiteracy,FinancialExperiences,andOverindebtedness[J]郾JournalofPensionEconomics[9]摇Hung,A郾,Parker,A郾M郾,Yoong,J郾DefiningandMeasuringFinancialLiteracy[J]郾SocialScienceElectronicPublishing,[10]摇Schicks,J郾Over-IndebtednessinMicrofinance:AnEmpiricalAnalysisofRelatedFactorsontheBorrowerLevel[J]郾[11]摇廖理,张金宝郾城市家庭的经济条件、理财意识和投资借贷行为———来自全国24个城市的消费金融调查[J]郾经

济研究,2011,(S1):17-29郾

[12]摇VanRooij,M郾,Lusardi,A郾,Alessie,R郾FinancialLiteracyandRetirementPlanningintheNetherlands[J]郾Journalof[13]摇吴卫星,吴锟,张旭阳郾金融素养与家庭资产组合有效性[J]郾国际金融研究,2018,(5):66-75郾[15]摇刘绘,沈庆劼郾我国P2P网络借贷的风险与监管研究[J]郾财经问题研究,2015,(1):52-59郾

(9):44-郾

EconomicPsychology,2011,32(4):593-608郾

[14]摇吴卫星,邵旭方,陶利斌郾家庭财富不平等会自我放大吗?———基于家庭财务杠杆的分析[J]郾管理世界,2016,[16]摇宋全云,吴雨,尹志超郾金融知识视角下的家庭信贷行为研究[J]郾金融研究,2017,(6):95-110郾

WorldDevelopment,2014,(C):301-324郾2009,708(708):213-236郾&Finance,2015,14(4):332-368郾

FinancialCrisis[J]郾JournalofBanking&Finance,2013,37(10):3904-3923郾37(7):2246-22郾

[17]摇陈斌开,李涛郾中国城镇居民家庭资产—负债现状与成因研究[J]郾经济研究,2011,(S1):55-66+79郾

UniversityPress,2005郾80-118郾

[18]摇Stock,J郾H郾,Yogo,M郾TestingforWeakInstrumentsinLinearIVRegression[A]郾Andrews,D郾W郾,Stock,J郾H郾[19]摇Bianchi,M郾FinancialLiteracyandPortfolioDynamics[J]郾TheJournalofFinance,2018,73(2):831-859郾

IdentificationandInferenceforEconometricModels:EssayinHonorofThomasRothenberg[C]郾Cambridge:Cambridge

(责任编辑:巴红静)

[DOI]10郾196/j郾cnki郾cjwtyj郾2019郾05郾008

究,2019,(5):57-65郾

[引用格式]吴卫星,张旭阳,吴锟郾金融素养对家庭负债行为的影响———基于家庭贷款异质性的分析[J]郾财经问题研

因篇幅问题不能全部显示，请点此查看更多更全内容

查看全文