受教育程度對家庭風險金融資產配置的影響機制研究

張儒雅

(北京交通大學 經濟管理學院,北京 100044)

一、文獻回顧與理論假設

隨著經濟發展和居民收入水平提高,家庭金融成為社會關注的熱點。當風險溢價為正時,家庭會通過資產配置創造更多收益進入金融風險市場。Dow等(1992)認為家庭進行資產配置依據的是成本收益特征,按照風險偏好配置部分風險資產。因此,傳統的資產組合理論認為家庭會配置一定量的金融風險資產,并通過金融產品的持有間接參與證券市場,最終再直接參與金融市場(徐佳 等,2016)。當前中國家庭房產投資比重過高,且大多觀點認為高比例房產有助于人們配置更多的風險金融資產(陳永偉 等,2015)。

根據CHFS數據顯示,近年來家庭風險金融資產占金融資產比例僅1%左右,風險資產投資不足現象依然存在,過低的占比不利于家庭多元化的風險和收益的安排。金融資產參與比例過低,導致家庭控制資產風險能力降低,不利于家庭財產性收入增加,且金融資產投資收益對我國居民財產性收入不平等程度貢獻度達23%(寧光杰 等,2016)。

當前我國資本市場逐漸完善,房地產投資回報率下降與利率下行趨勢明顯,金融市場不斷發展,金融產品更加齊全與個性化,給家庭金融資產配置帶來契機,家庭有了廣泛參與金融市場的機會。但是,現實中風險資產市場參與對投資者要求相對較高,需要具備專業知識與能力。

一般來說,文化程度越高越能應對金融市場上復雜信息的處理與計算,降低參與成本,有利于風險金融資產投資占比提高?，F實中家庭的投資決策和風險規避方案是需要研究的問題,而其中受教育程度的高低在這個過程中發揮什么樣的作用,通過何種途徑發揮作用則是本文研究的重點和目的。因此,研究受教育程度對風險資產的影響及其作用機理有著重要的現實意義。

對家庭風險金融資產配置研究,學術界從多個視角進行了研究。王琎等(2014)認為女性參與風險資產配置的可能性更大,同時這一現象尤其在已婚女性上體現更明顯。也有觀點認為婚姻不影響家庭參與股票市場的概率和深度(王聰 等,2012)。年齡對家庭風險資產的配置比例表現為年齡越大,配置比例越低,而且這一關系并非完全線性,呈現倒U形關系(廖婧琳 等,2020)。個體健康狀況通過風險態度等因素影響風險性金融資產的配置比例(吳衛星 等,2011)。從家庭背景風險角度來看,社會保障水平的提升顯著增加了家庭風險金融資產配置,參加醫療保險的家庭會更加偏好持有風險金融資產(王穩 等,2020),并且參保家庭持有風險資產的概率比未參保家庭高3.5%(何維 等,2021)。社會網絡有助于降低家庭風險厭惡程度,從而增加家庭參與風險金融資產投資的概率(王聰 等,2015),同時社會網絡也有提高家庭金融素養進而促進風險資產投資的功能(賈艷 等,2020)。

從受教育程度角度分析家庭風險金融資產配置的研究,學術界大多看到了受教育程度對家庭風險金融資產配置的正向影響。孟亦佳(2014)認為字詞識記能力和數學能力的增加可以提升城市家庭參與金融市場,尤其是提升股票資產的配置比例。Zou等(2019)的研究也得出了相似的結論。同時,受教育水平較高的投資者對金融市場和金融產品的風險收益特征等有更加客觀的認知,對意在增加居民金融服務的具體相關政策也更為關注,因而更有可能理性地參與金融市場(廖婧琳 等,2020)。受教育水平越高,理解和學習新知識的能力就越強,越能接受市場中新出現的金融產品,進而有利于風險金融資產投資占比的提高,因此教育程度越高,股票資產持有的比例會越大(吳衛星 等,2007)。受教育程度會影響戶主的風險偏好,研究表明主觀風險偏好與受教育程度正相關,而客觀風險偏好則隨受教育程度提高而增加,但受教育程度提高至一定水平后反而下降,呈現一定的U形關系(梁立俊 等,2018),受教育水平也可能通過財富效應、降低信息成本和改變風險偏好來提升家庭金融市場投資參與(崔穎 等,2021)。受教育水平除了影響居民金融市場參與之外,還能夠對投資收入、投資收益率產生顯著影響,教育程度越高,風險資產配置占比越高、投資收入和收益率也會越高(羅靳雯 等,2016)。

基于以上分析,本文提出第一個研究假設(H1):受教育程度的提升能夠改善家庭資產配置狀況,提升家庭金融市場參與程度,配置風險資產。

學術界分析受教育程度對家庭風險金融資產配置較多通過金融知識或金融素養探討其中的機制。一般情況下,低教育家庭金融素養水平較低,不僅阻礙了其對數字金融產品和服務的使用,也導致其做出非理性的金融決策,而教育程度越高的家庭信息辨別能力越強,對金融市場上各類信息的分析和處理能力也較強,因而金融資產組合有效性也較高(吳雨 等,2021)。Lin等(2017)的研究表明掌握相關金融知識對風險資產投資是有利的,金融知識缺乏時,參與股市的概率就降低。金融知識水平提升,能促進家庭風險資產比例配置上升,所配置的風險資產品種也更加豐富(尹志超 等,2014)。王韌等(2022)認為投資者受教育水平越高,學習金融知識的能力就越強,也就越傾向于家庭金融資產配置。此外,金融素養可以改變投資者的風險偏好,在一定程度上提高股票資產投資比例,增加金融產品持有的數量,并且主觀金融素養發揮的作用更大。

所以,本文需要驗證的第二個研究假設是(H2):受教育程度的提升能夠改善家庭成員的金融素養,豐富金融知識,提升家庭風險資產的配置。

除此之外,為了更全面了解受教育程度影響家庭風險資產配置的內在機理,結合已有研究,本文認為受教育程度的提升會提高家庭的收入水平,收入的增加將會促進家庭進行多樣化的投資以實現保值和增值,從而為參與金融資產配置提供了基礎和可行性。此外,受教育程度的提升和家庭收入的增加將為家庭提供更全面的社會保障,即客觀上更易實現家庭成員參加社會保險的可能性,主觀上也更有能力購買商業保險以增加家庭保障,在更具保障的基礎上家庭更有動力配置更多的風險資產。

由此,本文進一步提出以下兩個假設:

H3:受教育程度的提升能夠增加家庭收入,但收入結構存在一定的異質性;

H4:受教育程度的提升能夠使家庭得到更加完善的社會保障,從而有能力和動力配置更多的風險資產。

綜上所述,既有研究缺乏對教育水平影響家庭風險金融資產(下文稱“風險資產”)機制和路徑的全面分析,這也是本文的突破口。

本文的創新之處在于:

第一,既有研究大多著眼于受教育程度對家庭風險金融資產配置影響的現象分析,本文則著眼于影響機制的研究,選擇了相對科學的指標和合適的計量方法將主觀和客觀金融素養、收入及根據來源劃分的四種收入、反映社會保險和商業保險的社會保障結構等作為中介變量,進行了全面的機制分析,有利于更深層次把握受教育程度對風險資產配置的影響。

第二,在家庭風險金融資產配置普遍過低的情況下,為優化家庭資產配置提供一個普遍可以選擇的路徑,即通過重視教育提高家庭金融資產配置,增加家庭投資收益,分散金融風險。

第三,通過金融素養、收入和社會保障三個類型及其細分的多種中介效應的研究,更加清楚地了解受教育程度影響家庭風險資產配置的內在機理,為該領域的研究提供新的思路。

二、實證策略與指標體系

(一)模型設定

研究受教育程度對家庭資產配置的影響包括金融資產占比和風險資產占比兩個方面,根據數據特征,金融資產占比和風險資產占比均為連續性變量,所以主要選擇兩階段固定效應回歸模型進行研究,模型設定如下:

Financial_literacyi=α+β1X1+…+βnXn+μ

(1)

其中,Financial_literacyi表示家庭資金融產配置,i=1,2;X1表示核心解釋變量,X2,…,Xn表示控制變量,α為線性回歸方程模型的截距,μ表示隨機誤差項。

進一步受教育程度對家庭資產配置中介效應,主要考慮從金融素養和家庭收入兩個角度來進行,參考溫忠麟等(2014)中介效應研究方法,采用多重中介效應模型,本研究對應的回歸方程如下所示:

Mi=γ1Xi+γ2Controli+εi

(2)

Yi=γ3Xi+γ4Mi+μi

(3)

其中Yi表示家庭資產選擇,Xi表示受教育程度,Mi表示中介變量,Controli則表示模型所選取的控制變量集,其中當γ1和γ4系數顯著時,則本文中介效應成立。

(二)數據與變量

本文使用的數據來自西南財經大學中國家庭金融調查與研究中心的2019年中國家庭金融調查(CHFS)數據,樣本覆蓋全國29個省域,共獲得了34643戶家庭的微觀數據。中國家庭金融調查收集了家庭的資產與負債、收入與支出、保險與保障,家庭人口特征及就業等各方面的信息。本文的目的在于研究受教育程度對家庭資產選擇的影響,所以選擇變量是首要解決的問題。結合本文的研究目的和以往學者的研究,本文設置的指標體系如下:

被解釋變量為家庭資產選擇,包括金融資產占比(Pro_financial)和風險資產占比(Pro_rassets),分別為金融資產投資比重與風險資產投資比重。其中金融資產投資比重是指金融資產投資金額在家庭總資產所占的比重,即金融資產占比=金融資產投資金額/家庭總資產;風險資產投資比重是指風險資產投資金額在家庭金融資產所占的比重,即風險資產占比=風險資產投資金額/金融資產。根據CHFS數據的特征與解釋,金融資產由風險資產、現金、股票賬戶現金、政府債券、活期存款和定期存款等構成,風險金融資產則由股票、基金、金融債券、企業債券、金融衍生品、金融理財品、外匯、黃金等構成。

核心解釋變量為戶主的受教育程度(level_edu)。根據CHFS數據庫,選擇“文化程度”指標來表示模型的受教育程度,其中受教育教育程度從1到9分別表示沒上過學、小學、初中、高中、中專、大專、大學本科、碩士和博士,也就是說指標數值上從1到9代表著受教育程度的遞升。

表1所示為受教育程度占比情況,從數據中可以看出,小學、初中和高中文化的樣本占比最高,加上沒上過學的樣本,樣本較低學位比例接近80%;在所有樣本中大專以上各層次學歷的占比均不到10%,尤其是相對較高學歷的碩士和博士占比不足1%,整體文化水平偏低仍然是當前面臨的嚴峻現狀。

表1 受教育程度占比

控制變量選取戶主特征、家庭特征和固定效應。戶主特征變量包括性別(gender)、年齡(age)、年齡平方(age2)、婚姻狀況(marriage)、健康狀況(health)、戶口(registered);家庭層面的特征包括是否經營工商企業(operate)、汽車數量(car)、家庭成員工作與否(work)、是否創業(entrepreneur)、住房數量(house)、是否網購(online);固定效應包括控制地區特征變量(iid)與宏觀經濟發展水平(gdp)。表2所示為主要變量描述性統計。

表2 主要變量描述性統計

(三)內生性探討

由于模型可能存在的內生性從而造成OLS估計的偏誤,本文采用兩階段最小二乘法(2SLS),使用工具變量參與回歸進行估計。本文的核心解釋變量為戶主的受教育程度,為了排除內生性的影響,選擇家庭成員受教育程度的平均值作為工具變量參與估計。一方面,家庭平均受教育程度的水平在一定的程度上會影響戶主的受教育程度,可以滿足工具變量的相關性要求;另一方面,家庭受教育程度如果只通過影響戶主的受教育程度來影響金融資產配置,沒有研究明確表明家庭成員的平均教育水平對家庭風險資產配置有顯著的影響,所以該工具變量滿足外生性條件。此外,在下文的實證研究中,也將通過統計檢驗來進一步驗證工具變量及計量方法的合理性。

三、實證結果分析

(一)受教育程度對家庭資產選擇的影響

1.基準估計分析

表3為受教育程度對家庭資產選擇的影響,其中列(1)至列(4)為受教育程度對金融資產占比的影響,列(5)至列(8)為受教育程度對風險資產占比的影響。從表3列(1)至列(8)的估計結果可以看出,無論是否控制家庭特征、個體特征及地區固定效應和宏觀經濟效應,無論是OLS估計還是2SLS估計,其結果均在1%的水平上顯著為正,從而可以判斷出受教育程度對提高金融資產比例和風險資產比例都有促進作用,即受教育程度越高,家庭在資產選擇中更傾向于配置金融資產,配置風險資產的傾向更加明顯。

表3 受教育程度對家庭資產配置的影響

表3列(1)(2)(5)(6)分別為受教育程度對金融資產占比和風險資產占比影響的OLS估計結果,可以看出在加入了控制變量之后的邊際效應略有降低,但變化不大,在一定程度上說明估計結果相對可靠,可以進一步驗證上述結論。但考慮到模型中內生性的存在,本文又采用兩階段最小二乘法,使用工具變量參與估計,結果如列(3)(4)(7)(8)所示,估計結果均在1%的水平上顯著,且可以觀察到無論是否加入控制變量,在受教育程度對金融資產占比和風險資產占比影響的邊際效應中,2SLS估計結果均大于OLS估計結果,即列(2)(4)的邊際效應分別大于列(1)(3)(5)(6)(7)(8)的邊際效應,說明不考慮內生性的情況下,受教育程度對金融資產占比和風險資產占比的影響均會被低估。

此外,由表3底部關于工具變量的檢驗結果來看,豪斯曼檢驗在1%的水平上拒絕解釋變量外生的假設,表明模型確實存在內生性,用工具變量參與估計的2SLS方法是適合的。由Wald FC-D和Wald FK-P以及第一階段工具變量t值來看,工具變量具有較強的解釋力,且不存在弱工具變量問題。由此本文的研究假設H1得以驗證。

2.穩健性檢驗

為了檢驗上述結果的穩健性,采用三種方法驗證。第一種方法替換解釋變量及相關的工具變量。表4列(1)(2)中將解釋變量受教育程度替換為受教育年限(year_edu),同理采用家庭成員的平均受教育年限當作受教育年限的工具變量,可以看出列(1)(2)的估計結果均在1%的水平上顯著且為正。第二種方法考慮受教育程度在一定程度上與家庭教育支出有著較大的相關關系,所以將解釋變量受教育程度替換為家庭教育支出(expend_edu)重新進行估計,表4列(3)(4)的估計結果表明家庭教育支出對于家庭持有風險資產有著顯著的正向影響。第三種方法參考尹志超等(2014)的量化方法,將風險資產占金融資產的比重替換為股票資產(Pro_stock)占金融資產的比重,估計結果如表4列(5)(6)所示,均在1%的水平上顯著為正,在此驗證了本文模型設定,說明其估計結果的可靠性。

表4 穩健性檢驗

此外,表4列(1)(3)(5)為OLS估計結果,列(2)(4)(6)為2SLS估計結果,根據表4底部的工具變量檢驗結果來看,模型存在內生性,且不存在弱工具變量問題,說明上述穩健性檢驗的結果是可信的。通過以上分析,從多個角度驗證了本文基準模型的穩定性,驗證了本文研究結果的正確性。

(二)異質性探討

前文已驗證受教育程度顯著影響家庭風險資產,但在不同的群體和區域中,該影響可能存在差異,所以進一步對研究的樣本進行分組,來研究受教育程度對家庭風險資產比例影響的異質性。以下分別按照戶主的特征和家庭所處的區位分為兩類,估計結果分別顯示在表5Panel1和Panel2中,其中Panel1中根據戶主的戶口性質和受教育程度高低進行分組,Panel2中根據戶主家庭所在的區位和經濟發展程度進行分組。估計結果如表5所示。

表5 異質性分析

總的來看,無論是何種分組方式,所有的估計結果均在1%的水平上顯著為正,且工具變量的檢驗結果也表明模型內生性存在的同時,不存在弱工具變量問題,估計結果是可靠的。上述結果也再一次驗證了本文基準估計的可靠性,但是不同組估計結果的邊際效應存在明顯的差異,也就是說,受教育程度在不同的群體或者區域對家庭風險資產的比重影響存在明顯的異質性。表5列(1)(2)的結果表明受教育程度對風險資產占比的影響在戶主是非農戶口的家庭中更加顯著,其邊際效應是戶主為農業戶口家庭的6倍之多,這也與現實中不同類型家庭資產狀況和教育程度的情況相符合。表5列(3)(4)的估計結果表明,提高教育程度更能夠促進原本戶主受教育程度較低的家庭的風險資產比重,這也進一步反映了受教育程度較低家庭增加風險資產持有上存在較大的空間。表5列(5)(6)(7)從家庭所處區域進行差異化分析,結果表明提高受教育程度促進家庭持有風險資產的比例的效應,從東部、中部到西部依次減弱,但是從家庭所在省份經濟發展程度上來看,從經濟發達地區到不發達地區的影響效應卻依次增強,產生上述結果的原因可能是東、中、西部并不嚴格反映其包括省份GDP的高低,同時該結果與不同區域家庭的資產結構和教育結構有一定關系。

四、機制分析

受教育程度能夠對家庭持有風險資產占比存在顯著的正向促進作用,為了更加深入了解其原因,本文從金融素養、收入及收入結構和社會保障三個角度探討其中存在的機制。

(一)金融素養促進效用

個體對于金融知識的了解會影響風險投資決策。金融素養可以很好地反映個體對其掌握程度,這在相關文獻中多次被驗證,那么受教育程度對家庭風險資產占比的影響是否能夠通過金融素養的提升而被強化呢?基于此,本文考慮從主觀金融素養(Sub_fliteracy)和客觀金融素養(Obj_fliteracy)兩個角度來分析。其中,主觀金融素養采用三個主觀意愿指標賦分直接加總的方法,如果是最終總分高,則其代表其主觀上金融知識比較缺乏,即金融素養較弱;分數越低,則主觀金融素養越高,該指標屬于一個反向指標。主觀金融素養參考吳錕等(2018)、韓科飛等(2021)的研究,根據樣本對問卷中“您平時對經濟、金融方面的信息關注程度如何”和“您對股票、債券、基金的整體了解程度如何”兩個問題的回答情況分別打分,分值為1～5,分別表示非常了解、比較了解、一般、比較不了解和完全不了解。數值越高,表明樣本的金融素養水平越低。此外,客觀金融素養的測度則參考尹志超等(2014)的做法,以問卷中的利率計算問題、通貨膨脹理解和投資風險問題為基礎設立不同的虛擬變量,其中利率問題與通貨膨脹理解問題中設置兩個虛擬變量,當問題回答正確時設定為1,問題回答結果錯誤或者“不知道”均設定為0。與利率和通脹問題不同的是,投資風險問題存在著不回答或者是拒絕回答的現象,本文認為回答了問題的樣本無論回答對錯與沒有回答問題的群體的金融素養肯定是有差異的,因此針對投資風險問題設立兩個虛擬變量,其中一個虛擬變量用1表示回答問題的群體,另一個虛擬變量用1表示回答正確的群體。最終,通過上述四個虛擬變量的加總,得到客觀金融素養的取值,且在客觀金融素養計算中,正確回答問題才會賦分,因此分數越高對應客觀金融素養越高,屬于一個正向指標。估計結果如表6所示。從表6列(1)(2)的估計結果來看,由于主觀金融素養屬于負向指標,所以能夠得出,主觀金融素養的中介效應顯著存在,也就是說提升樣本的受教育程度能夠促進其金融素養的提升,進而影響家庭風險資產持有的占比情況。同理,表6列(3)(4)的估計結果顯示客觀金融素養的中介效應也是顯著存在的,客觀金融素養同樣能夠強化受教育程度對家庭風險資產持有比例的傾向。綜上分析,金融素養是受教育程度影響家庭持有風險資產傾向的重要影響因素,假設H2得以驗證。

表6 金融素養機制檢驗

(二)收入及收入結構效用

家庭參與金融市場和進行風險投資的基礎都應當建立在家庭收入的基礎上,所以,本文機制分析假設受教育程度的提升能增加家庭收入,進而影響家庭持有風險資產的占比,且家庭收入結構的不同,對上述影響存在一定的差異。以家庭總收入(income)作為中介變量進行估計,然后將家庭總收入根據來源分為工資性收入(wage)、經營性收入(opera)、財產性收入(asset)和轉移性收入(trans)四類,并分別作為中介變量來驗證其中存在的機制。根據中介模型的設定,估計結果如表7所示,且由表7底部的工具變量檢驗來看,2SLS估計方法合適,且不存在弱工具變量問題。首先,從表7列(1)到列(10)的估計結果來看,所有的估計結果均至少在10%的水平上顯著為正,說明無論是家庭總收入還是根據來源劃分的各類收入均存在中介效應,表明受教育程度的提升能夠影響家庭的各種收入,從而提升家庭持有風險資產的比重。其次,從表7列(3)到列(10)的估計系數來看,不同類型收入的中介效應存在一定的差異,其中經營性收入和轉移性收入的中介效應最強,然后是工資性收入,而財產性收入相對較低。上述實證結果驗證了假設H3的可靠性。

表7 收入機制檢驗

(三)社會保障效用

家庭的社會保障完善與否也會對家庭配置風險資產產生重要的影響。采用與上述兩種中介效應同樣的方法來驗證社會保障的中介效應是否存在,基于CHFS數據特征和數據可得性,選取養老保險(ins_endo)、失業保險(ins_unem)和商業保險(ins_comm)三種類型來代表社會保障的狀況,其中既包含社會保險又涵蓋了商業保險,更能全面地反映家庭的社會保障狀況。根據調查問卷及問題設置,擁有上述保險的設置為1,沒有上述保險的則設置為0,三個變量均屬于二值選擇變量,同時考慮內生性問題的存在,中介效應采用了Iv-probit模型,但是第二階段仍采用2SLS模型,估計結果如表8所示?？傮w上來說,所有的估計結果基本上均在1%的水平上顯著為正,說明養老保險、失業保險和商業保險的中介效應均顯著存在。表8列(1)(3)(5)表明教育程度越高的家庭更愿意持有保險,規劃更加完善的家庭保障結構,并且受教育程度最能促進社會養老保險的持有,其次是促進失業保險和商業保險的持有,同時也可以證明假設H4成立。另外,表8列(2)(4)(6)同時加入受教育程度和保險變量的回歸結果,表明失業保險發揮的中介效應要略高于養老保險和商業保險。

表8 保險機制檢驗

五、結論和建議

家庭及戶主的教育程度對于家庭資產配置的重要性是毋庸置疑的,尤其是隨著當前居民收入水平的提高,家庭資產不斷累積的前提下,需要風險金融資產投資來支持家庭資產配置和管理?；贑HFS數據,選擇了相對科學的指標和合適的計量方法,從而驗證了本文的研究假設。第一,分兩個層次研究了受教育程度對家庭金融市場參與和持有風險資產影響的狀況,結果表明受教育程度對上述指標有著顯著的正向影響。第二,通過異質性分析發現,家庭戶主的個體特征和家庭所處的區域等的不同,也使得受教育程度對家庭持有風險資產的狀況有所區別,提升受教育程度對家庭持有風險資產的促進作用,在不同的群體內表現不同。第三,通過機制分析更加深入地研究了受教育程度對家庭持有風險資產的內在機理,發現提升受教育的程度能夠促進個體金融素養的提升、家庭收入狀況的改變和優化家庭的保障結構等,從而促進家庭持有風險資產狀況的改變。

基于本文的理論分析和實證研究,結合當前的社會現實,提出以下政策建議:

(1)要重視教育,尤其提高全國的高等教育水平,為教育相對落后的省份提供更多的教育資源支持,提升全民素質,讓民眾有足夠的能力適應因社會形勢變化引起的家庭資產結構的優化等,規避市場變動引發的資產價值波動風險。

(2)通過宣傳和普及教育提升居民的金融素養,摒棄社會對金融市場誤區和保險偏見,提高居民理性參與金融市場和分散化投資的認識和理念。

(3)金融監管部門和金融機構應當共同努力,重點打擊投資理財違法犯罪現象,營造良好投資環境,維護金融穩定,以便有利于更多的群體參與金融投資理財,提升居民多元化收益,增加社會發展可運用的資金來源。