羅文穎，梁建英

（1.對外經濟貿易大學 金融學院，北京100029；2.河北經貿大學 數(shù)學與統(tǒng)計學學院，河北 石家莊050061）

一、引言

近年來，中國經濟一直保持著快速穩(wěn)定增長，城鎮(zhèn)居民家庭戶均總資產達到317.9萬元，凈資產達到289萬元①數(shù)據(jù)來源：中國人民銀行《2019年中國城鎮(zhèn)居民家庭資產負債情況調查》。。黨的十九大報告提出要深化金融體制改革，增強金融服務實體經濟能力，提高直接融資比重，促進多層次資本市場健康發(fā)展，拓寬居民勞動收入渠道和財產性收入渠道。因此，進一步鼓勵和引導中國家庭積極合理配置家庭金融資產是對國家政策的積極響應，對提升我國人民群眾的生活質量和幸福感有重要意義。西南財經大學中國家庭金融調查與研究中心自2009年開展工作以來，每兩年進行一次中國家庭金融調查。其2017年的調查問卷結果顯示，我國居民對金融市場的參與深度不足，在4萬多個樣本家庭中，參與投資主要金融資產（包括股票、債券、基金、理財產品）的比例僅為12.4%②數(shù)據(jù)來源：根據(jù)西南財經大學2017年調查問卷數(shù)據(jù)計算所得。。受訪者在問卷中的金融知識評估部分得分普遍較低，說明我國居民金融素養(yǎng)水平有待提升。

資產配置是家庭金融領域的重要研究課題，起源于Markowitz（1952）、Tobin（1958）的金融資產投資模型，Merton（1971）在此基礎上提出了簡單勞動收入模型，將資產配置理論向家庭資產配置理論延伸。傳統(tǒng)理論未關注家庭財富以外的細節(jié)，后續(xù)學者在實證中納入新的變量進一步分析，這些變量主要集中在市場不完備性與投資者的非理性兩方面，前者包括一些無法規(guī)避的背景風險以及投資的客觀限制等因素，后者包括投資者的金融素養(yǎng)、風險態(tài)度以及投資心理等因素。

金融素養(yǎng)與家庭金融決策的相關問題很早就引起了國內外學者的重視。我國的金融市場與家庭投資行為盡管與國外有所差異，但在研究中卻得到了一致的結論，即金融素養(yǎng)的提高有利于促進家庭進行股票投資。進一步地，國內學者在以中國家庭為對象進行研究時發(fā)現(xiàn)，金融素養(yǎng)對于風險資產投資占總金融資產的比重呈現(xiàn)先促進后抑制的倒U形關系，但對其作用機制卻解釋不足。此外，目前的研究對于金融素養(yǎng)的衡量尚未達到統(tǒng)一。因此本文利用西南財經大學中國家庭金融調查與研究中心最新披露的調查數(shù)據(jù)，完善金融素養(yǎng)指標的度量方法，進一步探究金融素養(yǎng)對風險資產投資的影響作用及造成該影響的原因，并提出針對性政策建議。

二、文獻綜述及理論發(fā)展

家庭資產配置是家庭金融研究的一個重要問題，它起源于Markowitz（1952）、Tobin（1958）的金融資產投資模型，其后Sharpe（1964）、Samuelson（1969）、Merton（1969）將模型推演至多期，資產定價總體均衡模型得到重要發(fā)展。資產配置理論向家庭資產配置理論過渡的一個重要變革是Merton（1971）提出的簡單勞動收入模型。后續(xù)重要拓展是Bodie，Merton and Samuelson（1992）提出的投資者可以選擇何時停止工作的假設，即退休日期外生假設。傳統(tǒng)理論的局限性在于同質化思維，David McCarthy（2006）指出，資產組合理論為解決整體資產分配問題服務，假設對于不同的投資者存在唯一的最優(yōu)風險資產配置比例，并未具體聚焦于家庭財富以外的細節(jié)。后續(xù)文獻多從實證角度納入其他變量對資產配置問題進行分析，總體包括市場不完備性與投資者的非理性方面。市場不完備性表現(xiàn)在：第一，存在收入風險（何興強，2009；陳瑩，2014）[1-2]、健康風險（雷曉燕，2010；吳衛(wèi)星，2020[3]）、死亡風險（鄒小芃，2019）；第二，存在投資組合限制，因為貸款違約風險無法完全規(guī)避（何秀紅，2007；段軍山，2016；呂學梁，2017）；第三，存在交易成本，如Hu（2005）、尹志超等（2014）將房產變量納入模型。投資者非理性表現(xiàn)為：存在金融素養(yǎng)、投資者心理（喬海曙，2019；曹揚，2017[4]；周雅玲，2017；胡振，2016[5]）、風險厭惡（Carroll，2002；Haliassos and Michaelides，2003）等因素。

學界公認對金融素養(yǎng)定義為理解貨幣價值及利用貨幣使其福利最大化的能力。許多機構及作者對金融素養(yǎng)解讀不同，但內在含義類似。美國金融素養(yǎng)及教育委員會（The United States Financial Literacy and Education Commission）在2007年、OECD在2013年分別指出金融素養(yǎng)是利用金融知識管理金融資源進而實現(xiàn)金融福利最大化的能力和意識。Delavande等（2008）將金融素養(yǎng)作為人力資本的一部分實現(xiàn)了對金融素養(yǎng)的正式理論建模。他假定金融素養(yǎng)是額外風險資產投資的前提，根據(jù)規(guī)模報酬遞減的Cobb-Douglas生產函數(shù)，構建了退休前與退休后的兩階段資產選擇模型，用以探究金融素養(yǎng)變量對最優(yōu)退休儲蓄、資產組合的影響。Jappelli和Padula（2013）將該模型改變?yōu)閯討B(tài)模型，將金融素養(yǎng)視為內生變量，假定家庭儲蓄投資的收益率是金融素養(yǎng)的指數(shù)函數(shù)，提出金融素養(yǎng)投資收益率取決于金融教育的物質、時間投入。Lusardi等（2017）在此基礎上引入消費者收入與健康風險、壽命長短、股市風險等不確定性因素，構建了一個以追求效用為約束的消費者生命周期隨機模型。

金融素養(yǎng)與家庭金融決策的相關問題很早就被專家學者所重視。Lusardi and Mitchelli（2011）[6]指出許多家庭甚至不熟悉最基本的與儲蓄投資決策相關的金融知識，而金融素養(yǎng)相對較為薄弱的群體是年輕人、老年人和女性。金融素養(yǎng)與家庭福祉關系的研究有很多，低層次金融素養(yǎng)與過高家庭債務[7]、較低健康與不充足的退休計劃有密切聯(lián)系。Chen and Volpe（1998）以學生為研究對象，指出低金融素養(yǎng)的學生制定有效金融決策的能力較差，犯錯概率較高。Mavrinac and Chin（2005）[8]指出對于多數(shù)群體，金融知識的缺乏而非收入的匱乏是高額債務和破產的來源，低程度的金融素養(yǎng)導致難以理解基礎金融知識及制定交叉金融決策如借貸決策與退休規(guī)劃。較高金融素養(yǎng)會提高個人投資儲蓄的機會、擺脫高額債務、量入為出。Cole，Sampson and Zia（2009）[9]指出在發(fā)展中國家，金融素養(yǎng)是儲蓄、貸款和保險業(yè)務需求的有力預測指標。因此較好的金融素養(yǎng)能夠讓個人更好地處理經濟信息，制定與財富積累、債務相關的穩(wěn)妥的短期、中長期金融決策并減少破產風險，更好地獲得財政支持[10]。

大量對于金融素養(yǎng)與投資決策研究的經典文章以美國家庭作為研究對象，也有對其他國家的研究如荷蘭、日本、加拿大、瑞士和澳大利亞。對中國家庭分析的經典文獻中，吳衛(wèi)星和呂學梁（2013）[11]發(fā)現(xiàn)，中國居民家庭的資產配置與發(fā)達國家存在明顯的不同，中國居民家庭房產的參與率和份額都非常高，而股票和基金的參與率和份額相對比較低。

以中國樣本作為研究對象的同領域文章得出的結論與傳統(tǒng)結論一致，即認為金融素養(yǎng)的提高會促進家庭進行股票投資。此外，金融素養(yǎng)對于風險資產占總金融資產額的比重呈現(xiàn)先促進后抑制的倒U形關系。如賈憲軍（2020）[12]提出，金融知識水平較低區(qū)域，金融知識的提高將促進居民購買理財產品，但當金融知識水平達到一定程度之后，其進一步的提升反而降低了參與程度；周弘等（2020）[13]指出金融素養(yǎng)的提高能夠對不同風險態(tài)度家庭的風險資產配置行為起到顯著促進作用，并且在表現(xiàn)為風險偏好的家庭中，這種促進作用效果更為明顯；彭倩等（2019）[14]指出投資經驗與投資組合的多樣化、分散化之間的關系為倒U形，投資年限超過4.8年的投資者可能由于過度自信導致投資組合有效分散化不足，而陳彩虹和索婧（2018）[15]的研究支持了這一點。

但現(xiàn)有文獻對此關系的探查尚有如下不足：第一，現(xiàn)有文獻多從金融素養(yǎng)的工具變量即金融教育角度出發(fā)，探究其對投資決策或投資占比的影響，并未直接從金融素養(yǎng)變量入手；第二，對于風險資產投資的定義僅僅局限于股票，投資占比變量也大多集中在股票投資占比上，而未探究風險資產投資整體或其他風險資產的影響因素；第三，對于家庭金融的研究需要考慮時效性，而現(xiàn)有研究大多集中在2015年及之前的數(shù)據(jù)；第四，對于倒U現(xiàn)象的解釋尚有不足。

因此本文通過采集西南財經大學中國家庭金融調查與研究中心2019年11月29日公布的最新統(tǒng)計數(shù)據(jù)，通過主成分分析法和因子分析法設計金融素養(yǎng)評價指標，探究金融素養(yǎng)對各類風險資產投資決策、占比的影響，驗證現(xiàn)有結論，同時提出可能造成倒U形的原因，具有一定創(chuàng)新性。

三、數(shù)據(jù)來源及指標設計

（一）數(shù)據(jù)來源

本文所用數(shù)據(jù)來源于西南財經大學中國家庭金融調查與研究中心開展的2017年家庭金融調查（CHFS，China Household Finance Survey）。問卷覆蓋29個省區(qū)市（不含港、澳、臺、西藏、新疆）的40011個家庭，包括沿海與非沿海，經濟發(fā)達、較發(fā)達與發(fā)達水平一般的城市；逾2000道題設涵蓋人口統(tǒng)計學特征、資產與負債、保險與保障、支出與收入、金融知識、基層治理與主觀態(tài)度等方面，具有一定全面性和代表性。

（二）指標設計

1.被解釋變量

本文的被解釋變量主要包括風險資產投資的有無及各風險資產占金融資產的投資比例。

現(xiàn)有實證文獻主要將股市參與問題作為風險資產投資與否的代理變量，賈憲軍等（2019）[16]指出，“由于股票是金融市場主要的風險資產之一”，故采取股市參與是很好的替代指標。該數(shù)據(jù)處理方法可見于李濤、郭杰（2009）[17]、尹志超等（2014）[18]、賈憲軍（2019）等的文章中，即對家庭是否投資股市進行判斷，若存在股市投資，則記為1，否則記為0。股票雖然是重要的風險資產，但在我國資本市場不斷發(fā)展、金融產品不斷完善的今天，僅僅將股票作為全部風險資產有無的替代指標會低估風險資產的實際投資水平。故本文將被解釋變量中的風險資產劃分為四類：股票、理財產品、基金與債券。同時設置風險資產的整體判斷指標，即是否投資上述四類資產的至少一種。值得注意的是，債券資產的風險與其他資產略有不同，不同發(fā)行主體所對應的違約概率有所區(qū)別，國債的投資風險遠小于企業(yè)債、金融債。而在逾40000個樣本家庭中，絕大多數(shù)債券持有者僅持有國債，持有非國債資產的投資主體僅有19個家庭，且投資數(shù)額相對國債投資額較小，故債券數(shù)據(jù)代表性不足，因此被解釋變量調整為股票資產、理財產品資產、基金資產與整體風險資產判斷指標。

投資比例問題是投資決策有無的深化，其指標為上述三類資產的具體數(shù)額占總金融資產的比例，若未持有該類金融資產，則記為0，若該家庭完全未持有任何金融資產，則相應數(shù)據(jù)記為空值。吳衛(wèi)星等（2014）[19]將總金融資產定義為現(xiàn)金、銀行存款、外匯、股票、債券、期貨、基金、理財產品、借出款、做生意占用資金、住房公積金、保險金、收藏品、向企業(yè)或其他經營活動的投資、自有房屋的總和。周雨晴、何廣文（2019）[20]將金融資產劃分為無風險金融資產和風險金融資產，其中無風險金融資產包括社保賬戶余額、現(xiàn)金、存款和債券等；風險金融資產包括股票、基金、衍生品、理財、外幣資產和黃金等。本文按照調查問卷設計的分類，將金融資產分為：活期存款、定期存款、股票、基金、金融理財產品、債券、衍生品、非人民幣資產、貴金屬、其他金融資產、現(xiàn)金和借出款12項。

2.解釋變量

本文的重要解釋變量是金融素養(yǎng)。在經典文獻中，衡量金融素養(yǎng)通過直接測定法與間接衡量法來實現(xiàn)（如表1所示）。

表1 過往文獻對金融素養(yǎng)的測度方法

對于間接衡量法，學者常用金融教育或在崗培訓變量作為金融素養(yǎng)的工具變量，其缺點是：第一，大量文獻用金融教育時長來核定金融教育產出，對各培訓機構及教師能力、學生學習能力無法準確測度；第二，金融素養(yǎng)屬于教育產出，金融教育屬于教育投入，即便存在多方面的教育投入指標來評定教育投入變量，但如此也忽略了金融教育或在崗培訓變量與金融素養(yǎng)的轉化關系，即學習效率因素；第三，教育產出變量不易度量，一個很好的教育產出變量是最高學歷或學位，但一方面存在學科差異，例如經濟學學位與其他學位的本科畢業(yè)生金融素養(yǎng)往往不同，而對此做詳細劃分的問卷較少，另一方面即使缺乏在校學習經歷，生活閱歷也是金融素養(yǎng)提高的重要途徑。故現(xiàn)有文獻更多采用直接測定法來衡量金融素養(yǎng)。同時，一些文獻也選擇忽略中間環(huán)節(jié)而探究教育對資產配置的影響。

對于直接測定法，現(xiàn)有文獻主要采取設置主客觀問題的方法，將得分直接加總，或通過因子分析和主成分分析等方法來構建金融素養(yǎng)指標，如表1所示。直接加總法將各個問題的答案進行整理，正確為1，錯誤為0，能夠保證金融素養(yǎng)總體次序不變；因子分析或主成分分析法則保留特征值大于1的因子，通過各因素與原答卷實際答題情況的線性相關性進行信息整合，更具統(tǒng)計學的嚴謹性。

一些文獻側重于主觀問題，如受訪者對于主要金融產品的了解程度自評，孟德鋒等（2019）[21]在研究中加入了對儲蓄保險產品的了解程度。根據(jù)受訪者對各類金融產品的了解程度自評打分得到金融素養(yǎng)指標，側重于觀察消費者對投資、貸款和儲蓄產品的了解情況，但不同消費者對于了解程度的標準劃分有所不同，結果會受到主觀認知影響。也有學者選擇采用客觀問題來衡量受訪者的金融素養(yǎng)水平，這些問題集中在利率、通脹率以及風險認知等方面。如尹志超等（2014）、周弘等（2020）和賈憲軍（2020）根據(jù)利率計算、通貨膨脹理解以及投資風險認知等3個問題來衡量金融素養(yǎng)；陳姿、羅荷花（2019）[22]做了增加和細化，將銀行利率、風險收益、金融產品風險、通貨膨脹的認知以及存款單利和復利計算等6個問題作為測算基礎；彭倩等（2019）也采用5個與專業(yè)金融素養(yǎng)相關的客觀題進行測算。一些學者也將主觀金融素養(yǎng)和客觀金融素養(yǎng)同時作為關注的變量，如胡振、臧日宏（2017）[23]分別對主、客觀金融素養(yǎng)進行評分，但二者并非完全割裂，分開計分無法準確衡量樣本家庭的實際素養(yǎng)。

因此，本文從西南財經大學2017年所做的中國家庭金融調查問卷中選取了較能反映消費者金融知識和素養(yǎng)水平的總計11個問題，同時包含中國家庭金融投資者對于自身金融素養(yǎng)的主觀評價和金融知識的客觀體現(xiàn)，是一種比較全面的測度方式。本文以受訪樣本對11道問題的回答情況為基礎，主要采用主成分分析的方法進行回歸，同時采取得分加總與因子分析的方法作為穩(wěn)健性檢驗的內容。本文用來構造金融素養(yǎng)指標的相關問題及得分處理方法如表2 所示。

表2 金融素養(yǎng)指標的相關問題及得分處理

為使得各個問題的權重相等，將h3101和h3110兩道問題的得分除以5，即滿分為1。再將11道問題的得分相加，作為受訪者金融素養(yǎng)的最終得分，此為簡單加總法。

主成分分析法下數(shù)據(jù)檢驗情況如表3所示①由于篇幅有限，僅陳列主成分分析數(shù)據(jù)檢驗情況，因子分析數(shù)據(jù)未予列示，可向作者索取。。

表3 KMO和巴特利特檢驗結果

由于檢驗p值為0.000，故數(shù)據(jù)通過了巴特利特球形度檢驗，即相關系數(shù)矩陣不是單位陣；KMO值大于0.60，故數(shù)據(jù)適合進行主成分分析或因子分析。主成分方差貢獻率分布如表4所示。

表4 主成分方差貢獻率分布

參照陳軍、楊玲玲（2014）[24]、尹志超等（2014）[25]對金融知識測評的研究，公共因子的累積方差貢獻率達到60%以上即可有效涵蓋大部分信息，且由表4可知，4個成分的累計貢獻率為65.26%，可反映多數(shù)信息。圖1是顯示各因子重要性的碎石圖，位置靠前的部分說明特征值大，解釋的方差大，后面平坦的部分意味著特征值小，解釋的方差也小。

圖1 主成分分析碎石圖

由此可知，宜采取4個成分進行數(shù)據(jù)處理。

原變量與成分的相關系數(shù)為因子載荷，系數(shù)矩陣的逆矩陣與因子載荷之積為某一項因子得分系數(shù)，原變量與得分系數(shù)之積為因子得分。參照尹志超和張?zhí)枟潱?017）[26]的處理方法，金融素養(yǎng)的最終得分由因子載荷對其方差解釋程度進行加權得出。

同理得出該數(shù)據(jù)適宜用兩因子進行處理。

3.控制變量

本文重要的控制變量是風險厭惡、幸福感和信任變量②風險厭惡、幸福感和信任變量分別來源于問卷的h3104和h3514和h3380三個問題，對于風險厭惡的題設是“如果您有一筆資金用于投資，您最愿意選擇哪種投資項目”，選項中由“高風險高回報項目”到“平均風險、平均回報項目”再到“不愿承擔任何風險”等共5檔，在統(tǒng)計時分別列為“風險厭惡程度低”到“厭惡程度高”；對幸福感的測定的題設是“總的來說，您現(xiàn)在覺得幸福嗎”，其選項分別為“非常幸?！薄靶腋！薄耙话恪薄安恍腋！薄胺浅２恍腋！?，故幸福程度分別設置為5—1分；信任因素的題設是“您對不認識的人信任度如何”，其選項分別為“非常信任”“比較信任”“一般”“不太信任”“非常不信任”，相應評分時，分別將信任變量設置為5—1分。，此外，本文考慮了家庭的人口社會學特征等公認影響風險資產投資的控制變量，它們分別是：戶主性別、家庭成員數(shù)量、戶主年齡、戶主健康狀況、戶主受教育程度、戶主父母受教育程度、配偶受教育程度、職業(yè)、家庭總資產、家庭收入、家庭消費、房產市值、戶口性質、居住地等變量，各變量設置可分為家庭特征與人口特征兩類。

（1）家庭特征。家庭特征包括家庭成員數(shù)量、家庭總資產、家庭收入、家庭消費、房產市值、居住地、戶口性質等變量。家庭成員數(shù)量是指常住人口（hhmem）。家庭總資產、家庭收入、消費、房產市值變量由于數(shù)值較大，為減少回歸誤差，采取對數(shù)處理方法（ln_asset ln_income ln_cons ln_mktppt）。居住地變量做兩類細分：其一為農村與非農村變量（rural），若家庭居住在農村，則值為1，其余為0；其二是居住地地理位置（region_east，region_mid），若家庭居住在東部地區(qū)①根據(jù)國家統(tǒng)計局公布的指標，中國的地區(qū)分布如下。東部：北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、海南；中部：山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南；西部：內蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆。，則第一個變量設置為1，第二個變量表示若居住在中部地區(qū)為1，其余地區(qū)為0。戶口性質（resi_head）是指戶主戶口是否為農村戶口，若為農村戶口，則設置為1。

表5 變量的含義及描述性統(tǒng)計

（2）人口特征。人口特征包括性別、年齡、受教育程度、職業(yè)等變量。性別變量（gender）男性為1，女性為0；年齡變量（age）采取戶主的在統(tǒng)計期（2017年）的實際年齡為準；教育程度變量考察了戶主本人、母親、父親及配偶的教育程度，這是因為金融知識作為教育的產出之一，可能受到主要家庭成員的教育程度的影響；職業(yè)變量為戶主本人的職業(yè)。

各變量如表5所示。

四、實證檢驗

（一）金融素養(yǎng)與風險資產投資決策

1.模型設定

在實證中，由于其被解釋變量取值為0—1二值變量，且不存在數(shù)據(jù)截斷現(xiàn)象，風險資產投資決策制定與否的問題常用Probit模型表示。

被解釋變量二值設置為：

其表達式為：

其中Y表示風險資產投資決策，F(xiàn)K表示金融素養(yǎng)變量，X表示其他控制變量。現(xiàn)有文獻集中于對股票投資決策的判斷，而缺乏對其他風險資產市場投資的相應評判，故改換Y變量得到其余表達式，riskasset表示風險資產投資決策，stock表示股市投資決策，fin_pro表示理財產品投資決策，fund表示基金產品投資決策。

在本部分，為避免結果的偶然性，同時加入同為二值結果模型的Logit模型與OLS模型的回歸①由于篇幅限制，Logit模型與OLS模型的穩(wěn)健性檢驗結果未予列示，其回歸結果與Probit模型基本一致，讀者如果有需要可向作者索取。。

2.回歸結果與分析

金融素養(yǎng)對風險資產投資情況的Probit模型回歸結果如表6所示。第（1）—（4）列分別是主成分分析法下金融素養(yǎng)對風險資產投資決策、股市投資決策、基金產品投資決策和理財產品投資決策的回歸結果，（5）—（8）列是因子分析法下金融素養(yǎng)對各因變量的回歸結果，（9）—（12）列是直接加總法下的結果。

在眾多模型中，穩(wěn)定表現(xiàn)為顯著的變量是房屋市價、家庭成員數(shù)量、年齡、戶主教育程度、配偶教育程度、戶主戶口、幸福感、風險厭惡和金融素養(yǎng)。

控制變量中，顯著為正相關的變量有教育程度、資產對數(shù)值、收入對數(shù)值與消費對數(shù)值。一般來說，戶主與配偶共同做出家庭投資決策，而受教育程度會影響人們的認知水平和決策行為，戶主和配偶的受教育程度均對風險資產投資決策有顯著正向影響，盡管其對于股票、基金和理財產品投資的影響稍有差異；資產、收入和消費的對數(shù)值在三個計量模型下對各因變量的影響一致為正，資產和收入越高，家庭可用于風險資產投資的財富越多，進而投資概率越大。消費對于風險投資的正向影響可以逆推理解，家庭消費數(shù)值越大，其創(chuàng)造財富來滿足消費的動機越強，而風險資產投資即為增加家庭財富的渠道之一。顯著呈現(xiàn)為負相關的變量有房產市值、家庭成員數(shù)量、戶主戶口、幸福感與風險厭惡。對中國家庭而言，房產是財富的重要組成部分，房產市價高，則會降低家庭投資者從金融市場渠道賺取財富的需求，較高的幸福感也會產生類似的影響。家庭成員較多意味著贍養(yǎng)長輩或撫養(yǎng)子女的壓力增加，這會強化風險厭惡程度，減少風險資本市場的參與。農村戶口居民相對城市戶口居民來說，接受金融知識或市場信息的機會較少，因此戶主農村戶口對風險資產投資的影響為負。年齡變量對風險資產投資決策的影響呈現(xiàn)先促進后抑制的情況，這與經典理論相一致。健康變量在各個模型中對被解釋變量的影響均不顯著，這可能是因為受訪者在問卷中的自評健康程度與真實身體狀況不完全一致。

對于主要觀測變量金融素養(yǎng)，無論是對風險資產投資還是各項資產投資，其影響均在1%的顯著性水平下顯著，可以認為金融素養(yǎng)的高低影響了風險投資決策；從符號上，各回歸系數(shù)的估計值均為正值，這說明金融素養(yǎng)的提高會提高投資風險資產的概率，而概率提升的估計值因各個模型的不同而有所區(qū)別。

由于多個模型在不同的金融素養(yǎng)評定標準下均呈現(xiàn)顯著的同向關系，故金融素養(yǎng)對風險資產投資決策具有促進關系的結論具有一定穩(wěn)健性。

Probit模型中金融素養(yǎng)指標對風險資產投資決策影響估計系數(shù)如表7所示。在主成分分析法下，金融素養(yǎng)每提高一個單位，將會分別提高風險資產、股票、基金、理財產品的投資3.42%、2.04%、0.987%和3.17%的概率；因子分析法下和直接加總法下對應數(shù)值相對較小但也高度正向顯著，因子分析法下分別為2.66%、1.69%、0.625%和2.39%，直接加總法下分別為2.51%、1.45%、0.907%和2.41%。而平均看來，金融素養(yǎng)對股票、基金、理財產品投資的邊際效應約為1.73%、0.84%、2.66%，每單位金融素養(yǎng)的提升將使得總體風險資產投資概率增加2.86%，且這些關系在1%的顯著性水平下成立（基金市場為5%顯著性水平）。概率的提升具有累積效應，若直接加總法下金融素養(yǎng)水平提升10個單位，則總體風險資產投資概率將會提升25.1%。

表6 金融素養(yǎng)對風險資產投資決策的Probit回歸結果

由此可知，金融素養(yǎng)會促進投資決策制定的結論在2017年的樣本中也適用。

表7 金融素養(yǎng)對各被解釋變量的回歸系數(shù)

（二）金融素養(yǎng)與風險資產投資占比決策

上文已驗證金融素養(yǎng)對總體風險資產投資決策以及各主要風險金融產品投資決策的影響，接下來進一步研究金融素養(yǎng)對風險資產投資占比的影響問題。

由于被解釋變量中存在大量0值，存在數(shù)據(jù)截斷特征，因此選用Tobit模型估計，表達式如下：

其中Yi表示每個個體投資風險資產占其持有金融資產的比重，Xi為各解釋變量與控制變量。

回歸結果見表8。由回歸結果可知，主要解釋變量金融素養(yǎng)在三種分析法下均表現(xiàn)出對風險資產相對總金融資產投資占比指標的高度顯著正向相關。在模型中加入金融素養(yǎng)的平方項后，一次項對風險資產投資比例仍為顯著正影響，而相應二次項的影響卻為顯著負向，這說明金融素養(yǎng)對于風險資產投資占總金融資產的比例存在先促進后抑制的倒U形影響。對于其他觀測變量，呈現(xiàn)明顯正相關的指標是戶主教育、配偶教育、收入、資產、消費；呈現(xiàn)明顯負相關的指標是房產市值、家庭成員數(shù)量、戶主戶口、是否居住農村、幸福感、風險厭惡。這一結果與上文相一致。

（三）倒U形原因分析

金融素養(yǎng)對風險資產投資比例的影響呈現(xiàn)倒U形。探究先減后增的一個方法是分段回歸，具體方法是將金融素養(yǎng)按照分位數(shù)進行分組回歸，探究在不同金融素養(yǎng)的情況下，金融素養(yǎng)及其他變量對風險資產相對金融資產占比的影響。為使對比相對突出但又要保證數(shù)據(jù)數(shù)量可進行回歸，選擇金融素養(yǎng)前0.4%、前1%與后99%作為對照。

回歸情況如表9所示。

由表9可知，在顯著性方面發(fā)生明顯差異且在三個分析法下表現(xiàn)穩(wěn)健的有金融素養(yǎng)、家庭成員、配偶教育程度、風險厭惡變量，如表10所示。

表8 金融素養(yǎng)對風險資產投資占比的回歸結果

表10 分段回歸結果

對于金融素養(yǎng)變量，金融素養(yǎng)后99%的樣本金融素養(yǎng)的提高顯著提高了風險資產配置的占比，前0.4%的樣本金融素養(yǎng)的提高卻對風險資產配置沒有顯著性影響；直接加總法下顯著性也存在降低的現(xiàn)象，這說明金融素養(yǎng)的作用機制對素養(yǎng)較高的人群與較低的人群存在異質性。另外，對于金融素養(yǎng)前1%的樣本與后99%的樣本，金融素養(yǎng)的作用機制均表現(xiàn)為促進風險資產投資，而僅僅單拿出前0.4%樣本時才存在顯著水平下降的現(xiàn)象，這說明倒U形現(xiàn)象在我國雖然存在，但對風險投資的負面作用更多作用于素養(yǎng)極高的人群，對廣大投資者多為促進作用。

對于倒U形的原因，在實證中可以找到三種解釋。

第一，嫉妒因素。將三種測度方法下的金融素養(yǎng)按照得分高低進行分組，配偶教育程度在金融素養(yǎng)后99%水平分組中對風險資產投資占比的影響在1%顯著性水平正向顯著，在金融素養(yǎng)前1%水平分組中無顯著影響，在金融素養(yǎng)前0.4%水平分組中表現(xiàn)為在5%或10%顯著性水平下負向影響。這說明隨著金融素養(yǎng)的提高，配偶教育變量對風險資產占比表現(xiàn)為先促進后抑制，金融素養(yǎng)通過改變配偶教育對風險資產占比的影響方向而對風險資產投資產生倒U形影響。其可能原因是：當金融素養(yǎng)較低時，配偶的高學歷會為戶主提供投資指導與金融建議，從而提高金融資產頭寸；而當金融素養(yǎng)極高時，配偶的學歷越高越會產生對風險資產投資的抗拒，可能原因是對戶主主導金融投資活動的嫉妒心理。

第二，家庭的剛性時間支出。實證結果顯示，家庭成員變量在金融素養(yǎng)不同水平的分組中均對風險資產投資占比具有顯著負向影響，并且在金融素養(yǎng)前0.4%和前1%分組中的影響系數(shù)絕對值顯著大于其在金融素養(yǎng)后99%分組中的影響系數(shù)?；貧w系數(shù)的變化表明，金融素養(yǎng)水平影響了被解釋變量對于家庭成員變量的敏感度，隨著金融素養(yǎng)的提高，家庭成員變量對風險投資占比的負面作用擴大。一般情況下，家庭常住人口的增多對于戶主而言是剛性生活成本的提高，因此用來投資風險資產的時間和精力往往會減少，故二者是負相關關系；而當金融素養(yǎng)更高時，其做金融決策的效率更高，剛性時間損失意味著失去更多金融投資機會，因此往往會使得風險投資減少的比例更大。

第三，擴大風險厭惡負效應。按照金融素養(yǎng)水平高低分組，風險厭惡程度在各組別中均對風險資產投資有顯著負向影響，在金融素養(yǎng)水平更高的分組中，風險厭惡程度的負向影響越大。如在主成分分析法下，金融素養(yǎng)不同水平分組中，風險厭惡程度對被解釋變量均具有1%顯著性水平的負向影響。前0.4%分組中，其影響系數(shù)為-0.196，絕對值超過前1%分組中的-0.113，顯著大于后99%分組中的-0.0831。這表明隨著金融素養(yǎng)的提高和金融知識的累積，風險厭惡對投資占比的負面作用更強。因此這種解釋方法與賈憲軍（2019）提出的“金融教育的提高會擴大風險厭惡對投資的負面作用從而降低股票市場參與”的觀點基本吻合，其區(qū)別在于自變量是金融素養(yǎng)本身而非金融教育。

五、結論與政策建議

本文運用西南財經大學中國家庭金融調查與研究中心最新開展的2017家庭金融調查，通過主成分分析與因子分析等方法對家庭金融素養(yǎng)與各風險資產投資及占比之間的關系進行了實證分析。結果表明，金融素養(yǎng)的提高會顯著提高家庭從事風險投資的概率，而金融素養(yǎng)的提高對風險資產相對總金融資產的占比存在先促進后抑制的倒U形效應。隨后通過分段回歸的方法對不同金融素養(yǎng)個體進行對比。研究發(fā)現(xiàn)，倒U形的影響關系雖然存在，但金融素養(yǎng)對風險投資行為的抑制作用僅僅存在于金融素養(yǎng)極高的人群中，對絕大多數(shù)個體而言，金融素養(yǎng)表現(xiàn)為對風險投資的促進。對于倒U形的解釋，可能有嫉妒因素、剛性時間支出與風險厭惡負效應的擴大等原因。而全文實證部分均在主成分分析、因子分析和簡單加總三種分析方法下進行，在驗證金融素養(yǎng)對投資決策的影響時采取Probit模型，以Logit與OLS回歸進行穩(wěn)健性檢驗，而多個模型的一致結果也均驗證了結論。

金融素養(yǎng)的提高不僅會促進居民增加投資渠道、獲取并正確解讀金融信息，而且也能提高居民風險意識，防止上當受騙。雖然中國許多家庭居民的金融素養(yǎng)已經有所提高，但隨著金融產品的不斷普及和中國資本市場的不斷發(fā)展和推陳出新，金融素養(yǎng)的重要意義不言而喻。并且對于絕大多數(shù)居民而言，金融素養(yǎng)的提高對其金融投資資產池的擴大有很強的積極意義。

基于前文的實證分析，提出如下政策建議。

第一，政府及有關部門可將金融素養(yǎng)的提高作為金融政策的一個重要目標變量。通過銀行等金融機構開展免費講座等來提升居民的金融素養(yǎng)，幫助其樹立正確的風險意識，特別是要注意實現(xiàn)農村地區(qū)的金融知識普及，從而提高居民自主配置資產和長期進行自我財務規(guī)劃的能力，實現(xiàn)居民家庭財富增長，同時增加資本市場的活力。

第二，在確保合規(guī)的前提下，簡化投資程序。如大力推行正規(guī)合法的理財APP，縮短投資者了解市場和購買產品的時間，也降低了投資者去金融機構網點的剛性時間支出和其他成本。