■艾蔚 劉璐

一、引言

各國經(jīng)驗表明，當(dāng)國民收入超過1萬美元時，家庭資產(chǎn)配置將出現(xiàn)顯著的結(jié)構(gòu)性調(diào)整。2019 年我國人均GNI 首次超過1 萬美元[1]，在此背景下，中國家庭資產(chǎn)結(jié)構(gòu)是否也在悄然發(fā)生變化？《中國家庭財富指數(shù)調(diào)研報告》季度數(shù)據(jù)顯示，2021 年住房資產(chǎn)對中國家庭財富增加貢獻度從2020年初的68.1%下降到60.4%，金融資產(chǎn)對財富增加的貢獻度則從23.7%上升到30.2%[2]。隨著房地產(chǎn)市場“降溫”、產(chǎn)業(yè)結(jié)構(gòu)升級，金融資產(chǎn)正在成為家庭財富增加的關(guān)鍵驅(qū)動力量。在金融資產(chǎn)占比提升過程中，優(yōu)化家庭資產(chǎn)結(jié)構(gòu)已成為居民及家庭規(guī)劃當(dāng)期與未來消費、儲蓄與投資決策的重要路徑。

家庭金融資產(chǎn)可分為避險資產(chǎn)與風(fēng)險資產(chǎn)。家庭通常會同時擁有避險資產(chǎn)與風(fēng)險資產(chǎn)，避險資產(chǎn)與風(fēng)險資產(chǎn)的持有比例能夠反映居民的風(fēng)險態(tài)度。數(shù)據(jù)顯示，2019 年城鎮(zhèn)家庭避險資產(chǎn)持有率高達99.6%，而風(fēng)險資產(chǎn)持有率為59.6%[3]。實際上，避險資產(chǎn)作為大多數(shù)家庭金融資產(chǎn)配置的首選，是否會抑制風(fēng)險資產(chǎn)的持有尚不能確定。避險資產(chǎn)對風(fēng)險資產(chǎn)投資有兩個方面的影響：一方面，避險資產(chǎn)會促進家庭增加風(fēng)險資產(chǎn)投資。這是因為，現(xiàn)金、存款、保險等避險資產(chǎn)可以規(guī)避家庭支出的不確定性，保險還可以提高居民的風(fēng)險應(yīng)對能力，進而可能促使家庭增加風(fēng)險資產(chǎn)投資。另一方面，避險資產(chǎn)會對風(fēng)險資產(chǎn)配置產(chǎn)生替代效應(yīng)。如保險、定期存款等避險資產(chǎn)相對固定地占據(jù)家庭可支配財富，也會抑制家庭參與風(fēng)險金融市場。促進效應(yīng)和替代效應(yīng)孰大孰小，尚不明確。

2021年，我國居民持有最多的是銀行存款類資產(chǎn)；持有的公募基金占比居第二位，達到44%；股票占比為17%[4]。隨著互聯(lián)網(wǎng)金融的興起、居民收入的持續(xù)提高，家庭在保持持有避險資產(chǎn)的同時，對風(fēng)險資產(chǎn)投資的需求也在穩(wěn)步增長。除風(fēng)險態(tài)度外，金融資產(chǎn)配置還與經(jīng)濟發(fā)展水平、金融市場發(fā)達程度以及居民金融素養(yǎng)等因素有關(guān)。明確避險資產(chǎn)與風(fēng)險資產(chǎn)兩者之間的關(guān)系是理解家庭投資邏輯的重要環(huán)節(jié)。在此基礎(chǔ)上，本文以預(yù)防性、低風(fēng)險、低收益為特征的避險資產(chǎn)和以高風(fēng)險、高收益為特征的風(fēng)險資產(chǎn)之間的關(guān)系作為研究重點。

二、文獻綜述和研究假設(shè)

（一）避險資產(chǎn)和風(fēng)險資產(chǎn)的劃分

避險資產(chǎn)和無風(fēng)險資產(chǎn)呈現(xiàn)包含或重疊的關(guān)系。許多文獻在研究中更關(guān)注無風(fēng)險資產(chǎn)，將商業(yè)養(yǎng)老保險、商業(yè)醫(yī)療保險納入研究的文獻不多。避險資產(chǎn)包括現(xiàn)金、存款、債券和保險等，其中現(xiàn)金、存款、國債屬于無風(fēng)險資產(chǎn)。在不存在嚴(yán)重通貨膨脹的情況下，無風(fēng)險資產(chǎn)具有良好的避險功能，是居民偏好的避險資產(chǎn)[5]。保險也是良好的避險資產(chǎn)[6]。保險分為社會保險和商業(yè)保險：社會保險多具有強制性特征；商業(yè)保險是典型的避險資產(chǎn)，具有風(fēng)險對沖、隔離的功能[7]。本文認(rèn)為避險資產(chǎn)是指當(dāng)金融市場遭受沖擊發(fā)生大幅波動時，價值依然能夠保持相對穩(wěn)定或者升值的金融資產(chǎn)。在投資者抗風(fēng)險能力較弱或因意外遭受損失時，避險資產(chǎn)可以對損失進行補償，從而減小風(fēng)險沖擊。由于現(xiàn)金、存款、保險具有相似的避險功能，本文將上述資產(chǎn)一同歸為避險資產(chǎn)。為了更好地呈現(xiàn)家庭避險資產(chǎn)配置決策，本文將避險資產(chǎn)分為兩類：A類包括年金、商業(yè)養(yǎng)老保險、商業(yè)醫(yī)療保險；B類包括現(xiàn)金和各類存款。

風(fēng)險資產(chǎn)是指可以在金融市場上進行交易、以收益為目的、具有不同風(fēng)險程度的金融產(chǎn)品，主要包括股票、基金、理財產(chǎn)品、債券、金融衍生品和非人民幣資產(chǎn)等金融資產(chǎn)。在風(fēng)險資產(chǎn)研究中，學(xué)者的研究范疇不盡相同，但基本上涵蓋股票、債券、基金和衍生品、理財產(chǎn)品（銀行理財產(chǎn)品和其他理財產(chǎn)品）、外匯[8—10]等。對于黃金的劃分不太明確，有學(xué)者在研究中將黃金納入了風(fēng)險資產(chǎn)[11]，也有學(xué)者認(rèn)為盡管黃金的避險能力波動較大，但仍然是全球主流避險資產(chǎn)之一[12]。外匯也是如此，短期內(nèi)美元、瑞士法郎、日元的避險能力甚至高于黃金。綜上，股票、基金、債券、理財產(chǎn)品是被普遍認(rèn)可的風(fēng)險資產(chǎn)。因此，后文將這四類產(chǎn)品視為風(fēng)險資產(chǎn)，用于判斷家庭是否參與風(fēng)險投資。若家庭擁有一類或多類資產(chǎn)，則被認(rèn)為參與了風(fēng)險投資。

（二）風(fēng)險資產(chǎn)配置的影響因素

影響風(fēng)險資產(chǎn)配置的因素主要分為三類：個人特征、家庭特征、經(jīng)濟環(huán)境。個人特征中，金融知識[13]、金融從業(yè)經(jīng)歷[14]、健康狀況[15]影響家庭風(fēng)險資產(chǎn)投資，而受教育程度、健康狀況和投資經(jīng)驗對農(nóng)村家庭金融資產(chǎn)選擇具有重要影響[16]。還有學(xué)者從保險參與的視角，證明擁有社會基本養(yǎng)老保險能明顯提升居民持有風(fēng)險資產(chǎn)的可能性和比重[17]，購買商業(yè)保險對城鄉(xiāng)中老年居民家庭參與風(fēng)險資產(chǎn)投資更是有顯著的影響[18]。家庭特征包括是否擁有房產(chǎn)、家庭收入等，其中房產(chǎn)持有對5%以下的風(fēng)險資產(chǎn)持有有顯著的促進作用，超過這個臨界值則會產(chǎn)生明顯的抑制作用[19]。家庭收入期望差距與風(fēng)險金融市場參與顯著正相關(guān)[20]?，F(xiàn)有研究都關(guān)注到了人口特征和家庭特征對風(fēng)險資產(chǎn)配置的影響，但根據(jù)消費理論，收入決定預(yù)算約束線的位置，且金融資產(chǎn)配置較高的國家往往是經(jīng)濟水平較為發(fā)達的國家，因而經(jīng)濟因素對不同家庭金融資產(chǎn)配置的影響也存在差異。

（三）避險資產(chǎn)與風(fēng)險資產(chǎn)投資的關(guān)系

中國家庭的資產(chǎn)規(guī)模雖然總體在增加，但投資偏好仍然比較單一，我國家庭更加偏向投資避險資產(chǎn)作為養(yǎng)老保障[21]?！度蚱谜{(diào)查》表明：我國居民的風(fēng)險偏好程度在全球居于中等水平，與德國、法國、韓國等國家居民的風(fēng)險偏好程度相當(dāng)，低于加拿大、美國、英國、挪威、瑞典等國，高于俄羅斯、日本、印度、馬來西亞等國[22]。與我國風(fēng)險偏好程度相當(dāng)?shù)姆▏鹑谫Y產(chǎn)占比高于我國25 個百分點[23]，而日本盡管風(fēng)險偏好程度低于我國，但金融資產(chǎn)占比卻高于我國49 個百分點。這反映出我國居民風(fēng)險資產(chǎn)投資少并非是因為更偏好避險資產(chǎn)，而可能是由于整體上金融資產(chǎn)占比不高。在居民可支配收入增多并投向金融資產(chǎn)時，很有可能隨著避險資產(chǎn)的增加，風(fēng)險資產(chǎn)也同方向增加，這是因為避險資產(chǎn)有助于提高家庭抗風(fēng)險的能力，進而增強風(fēng)險資產(chǎn)投資的動機。

避險資產(chǎn)不僅能提高家庭的風(fēng)險應(yīng)對能力，還能影響家庭投資決策者的風(fēng)險態(tài)度。避險資產(chǎn)的持有可能使家庭決策者更偏好風(fēng)險資產(chǎn)投資，從而選擇或增加風(fēng)險資產(chǎn)投資。根據(jù)理性人經(jīng)濟學(xué)假設(shè)，為了實現(xiàn)效用最大化，投資決策者會根據(jù)家庭現(xiàn)有的資產(chǎn)狀況及時調(diào)整配置策略。比如，當(dāng)家庭避險資產(chǎn)較少時，決策者的風(fēng)險態(tài)度可能更加趨于保守，傾向于增持避險資產(chǎn)；而當(dāng)決策者主觀認(rèn)為避險資產(chǎn)足夠應(yīng)對未來可能發(fā)生的風(fēng)險時，其風(fēng)險態(tài)度可能會轉(zhuǎn)向風(fēng)險偏好，進而選擇增加風(fēng)險資產(chǎn)的配置。

總結(jié)以上分析，本文提出三個研究假設(shè)：

假設(shè)1：避險資產(chǎn)投資決策會促使家庭增加風(fēng)險資產(chǎn)投資。

假設(shè)2：風(fēng)險資產(chǎn)投資會隨著家庭避險資產(chǎn)的增加而增加。

假設(shè)3：持有避險資產(chǎn)會通過改變風(fēng)險態(tài)度影響家庭風(fēng)險資產(chǎn)配置。

三、數(shù)據(jù)介紹和模型設(shè)定

（一）數(shù)據(jù)來源和變量解釋

1.數(shù)據(jù)來源

本文數(shù)據(jù)主要來源于2017 年中國家庭金融調(diào)查（簡稱CHFS數(shù)據(jù)庫）。CHFS2017共收集了40011戶家庭的信息，覆蓋區(qū)域廣泛、人口眾多，較為全面地刻畫了家庭的金融行為，為探討家庭避險資產(chǎn)對風(fēng)險資產(chǎn)投資的影響提供了有力支持。本文使用CHFS 插值處理后的數(shù)據(jù)進行分析。經(jīng)過篩選，最終選取7368個家庭樣本。

2.變量選取

本文的被解釋變量為風(fēng)險資產(chǎn)投資情況，從三方面測度。一是風(fēng)險資產(chǎn)投資決策（risk_if）。若家庭擁有股票、債券、基金、理財產(chǎn)品中的任一類或多類，取值為1，否則為0。二是風(fēng)險資產(chǎn)投資規(guī)模（lnrisk）。由于數(shù)據(jù)存在截斷特征，并且為了避免非線性影響，對風(fēng)險資產(chǎn)投資規(guī)模取對數(shù)。具體方法為：將股票、債券、基金、理財產(chǎn)品價值相加取對數(shù)，用于衡量風(fēng)險資產(chǎn)投資規(guī)模。三是風(fēng)險資產(chǎn)投資深度（risk_pp）。具體方法為：風(fēng)險資產(chǎn)投資規(guī)模與家庭持有的總金融資產(chǎn)的比值，以此作為風(fēng)險資產(chǎn)相對規(guī)模的衡量指標(biāo)。

解釋變量為避險資產(chǎn)投資決策。由于絕大多數(shù)家庭都持有一定的現(xiàn)金或存款，因此對避險資產(chǎn)投資決策（free_if）只考慮A類避險資產(chǎn)，即年金個人賬戶、商業(yè)養(yǎng)老保險、商業(yè)醫(yī)療保險參與情況。有其中一種購買行為則取值為1，否則為0。

選擇的協(xié)變量主要包括三個方面：個人特征、家庭因素及經(jīng)濟環(huán)境因素。個人特征包括風(fēng)險態(tài)度、性別、戶主文化程度、戶主自評健康、戶主年齡及平方、戶主婚姻狀況。家庭因素包括家庭總收入、戶主父母受教育程度、家庭規(guī)模。經(jīng)濟環(huán)境因素包括城鄉(xiāng)歸屬和地域。以上三類變量的具體定義及計算方式見表1。

表1 變量定義

（二）計量模型設(shè)定及描述性統(tǒng)計

衡量家庭風(fēng)險資產(chǎn)投資決策行為時，使用Probit模型，模型為：

其中，啞變量risk_ifi表示第i個家庭是否參與風(fēng)險資產(chǎn)投資，參與則取值為1，否則為0；αi為變量系數(shù)；Xi為協(xié)變量；εi為服從正態(tài)分布的隨機誤差項。

在分析家庭風(fēng)險資產(chǎn)投資規(guī)模和投資深度時，選用Tobit模型。由于有一部分家庭是不投資風(fēng)險資產(chǎn)的，這樣數(shù)據(jù)就會出現(xiàn)0值相對集中的現(xiàn)象，用Tobit模型更為合適。以投資規(guī)模為例，模型設(shè)置為：lnriski=ln(riski)，其中riski=max{0,riski*}，riski*為潛變量。

其中，riski*表示第i個家庭的風(fēng)險資產(chǎn)投資額riski大于0；βi為變量系數(shù)；Zi為協(xié)變量；δi為服從正態(tài)分布的隨機誤差項。

表2為變量的描述性統(tǒng)計。由表2可知，風(fēng)險資產(chǎn)投資決策均值較低，說明我國仍有許多家庭尚未投資風(fēng)險資產(chǎn)，整體積極性不高。這可能與我國居民更偏好持有現(xiàn)金、存款等無風(fēng)險資產(chǎn)有關(guān)。風(fēng)險資產(chǎn)絕對量、相對量以及家庭總收入極差較大，說明我國家庭存在財富差異。避險資產(chǎn)投資決策均值較低，說明家庭選擇購買商業(yè)保險、參加年金計劃人數(shù)仍然較少。風(fēng)險態(tài)度顯示我國家庭以風(fēng)險中性、風(fēng)險規(guī)避態(tài)度居多。戶主文化程度平均為高中學(xué)歷，戶主父母一方最高的受教育程度大多為小學(xué)和初中。戶主年齡平均為中年，已婚占大多數(shù)，這可能是因為樣本是以家庭為單位。

表2 描述性統(tǒng)計

另外，主要變量間的相關(guān)系數(shù)絕對值都較低，在0到0.3之間，且對風(fēng)險資產(chǎn)投資兩個指標(biāo)的方差膨脹因子檢驗結(jié)果在1.04 到1.63 之間，認(rèn)為其不存在嚴(yán)重的多重共線性，可以進行多元回歸分析。

四、實證分析

（一）全樣本回歸結(jié)果

由于風(fēng)險資產(chǎn)投資決策是二分類變量，而風(fēng)險資產(chǎn)投資規(guī)模和投資深度是連續(xù)變量且具有左截斷特征，因此本文選擇Probit模型和Tobit模型分別對其進行回歸（下同），回歸結(jié)果①見表3。

表3 的實證結(jié)果顯示，A 類避險資產(chǎn)的持有對風(fēng)險資產(chǎn)投資決策、投資規(guī)模和投資深度都有顯著影響。表3（1）列是僅加入個人特征變量時持有A類避險資產(chǎn)對風(fēng)險資產(chǎn)投資決策的Probit回歸結(jié)果，兩者顯著正相關(guān)，即避險資產(chǎn)的持有會顯著增加對風(fēng)險資產(chǎn)的投資意愿。在（2）列和（3）列分別加入家庭因素和經(jīng)濟環(huán)境因素變量后，這種影響依然顯著成立。表3（4）列是僅加入個人特征變量時避險資產(chǎn)對風(fēng)險資產(chǎn)投資規(guī)模的Tobit回歸結(jié)果，結(jié)果顯示持有避險資產(chǎn)對風(fēng)險資產(chǎn)投資規(guī)模有顯著的正向影響，即持有避險資產(chǎn)的家庭傾向于加大對風(fēng)險資產(chǎn)的投資力度。（5）和（6）列為逐步增加家庭因素和經(jīng)濟環(huán)境因素變量后的回歸結(jié)果，變量系數(shù)均顯著為正。為排除類似收入和資產(chǎn)增加導(dǎo)致兩類資產(chǎn)同步增加的情況，（7）列為控制各類變量后，A 類避險資產(chǎn)對風(fēng)險資產(chǎn)投資深度的邊際影響。顯然，持有A 類避險資產(chǎn)的家庭其風(fēng)險資產(chǎn)投資比重也更高。這說明假設(shè)1成立。避險資產(chǎn)的持有不僅會促使家庭參與風(fēng)險資產(chǎn)投資，而且會提高風(fēng)險資產(chǎn)投資占比。同時在結(jié)果中可以發(fā)現(xiàn)，兩種模型的解釋變量系數(shù)在加入控制變量后均有所下降，說明本文選取的控制變量能較好地反映部分因素對風(fēng)險資產(chǎn)配置的影響。

表3 實證回歸結(jié)果

由全樣本的實證結(jié)果還發(fā)現(xiàn)：個人特征中，年齡對風(fēng)險資產(chǎn)投資決策有正向影響，即年齡越大越有可能進行風(fēng)險資產(chǎn)投資。但是年齡對風(fēng)險資產(chǎn)投資規(guī)模和投資深度有負(fù)向影響，年齡越大投資規(guī)模越小。這可能是因為隨著年齡增加，戶主生活壓力有所增加，家庭成本上升，相應(yīng)擠壓了風(fēng)險資產(chǎn)投資規(guī)模和比重。風(fēng)險態(tài)度對風(fēng)險資產(chǎn)投資有顯著的正向影響，即風(fēng)險偏好程度越高，越傾向于投資風(fēng)險資產(chǎn)，投資規(guī)模和投資深度也越大。性別方面，女性更有可能進行風(fēng)險資產(chǎn)投資?；橐鰻顩r對風(fēng)險資產(chǎn)投資的影響在逐漸加入控制變量后不再顯著，這可能是因為本文樣本以家庭作為研究單位。

家庭因素中，家庭規(guī)模對風(fēng)險資產(chǎn)投資有顯著的負(fù)向影響。盡管家庭成員間能起到互助作用，但由于樣本中戶主年齡均值在45歲左右，這可能表示此時家庭成員間的互助作用較小，家庭成員數(shù)量越多，需要贍養(yǎng)的老人和撫養(yǎng)的子女越多，占用資金也更多。戶主文化程度、戶主父母受教育程度都對風(fēng)險資產(chǎn)投資有顯著影響，即受教育程度越高越有可能進行風(fēng)險資產(chǎn)投資，且投資規(guī)模和投資比重也越大。這可能是因為受教育程度與金融素養(yǎng)正相關(guān)，并且文化程度越高收入水平更好，風(fēng)險資產(chǎn)持有規(guī)模也越高。而家庭總收入作為一個家庭資產(chǎn)配置的硬性約束對風(fēng)險資產(chǎn)配置有顯著的影響。

經(jīng)濟環(huán)境因素中，城鄉(xiāng)對風(fēng)險資產(chǎn)投資的影響是顯著的，城鎮(zhèn)家庭比農(nóng)村家庭更傾向于投資風(fēng)險資產(chǎn)。地域也對風(fēng)險資產(chǎn)投資有正向影響，東部地區(qū)較中西部地區(qū)更有可能參與和增加風(fēng)險資產(chǎn)投資。這可能與東部地區(qū)經(jīng)濟發(fā)展水平和金融發(fā)達程度較高有關(guān)系。

（二）內(nèi)生性討論

考慮到基準(zhǔn)模型可能存在遺漏重要變量、反向因果及自選擇性而產(chǎn)生內(nèi)生性問題，為使分析結(jié)果更加準(zhǔn)確可信，除在基本回歸中盡可能多地控制了協(xié)變量外，本文還采用了兩種方法控制內(nèi)生性偏誤。

1.傾向得分匹配法（PSM）。家庭決策者做出金融資產(chǎn)配置決策并非是隨機分配的結(jié)果，比較容易產(chǎn)生選擇偏誤問題，而自選擇偏誤往往使用傾向得分匹配（Propensity Score Matching，PSM）方法來解決。本文通過劃分持有和未持有A類避險資產(chǎn)的家庭來比較其風(fēng)險資產(chǎn)投資狀態(tài)，二者之間的差別能很好地說明持有避險資產(chǎn)對風(fēng)險資產(chǎn)投資的影響。實驗組定義為“持有A 類避險資產(chǎn)”的家庭，控制組為“尚未持有A 類避險資產(chǎn)”的家庭，經(jīng)過處理后得到實驗組833 個樣本，控制組5519 個樣本。為保證結(jié)果的穩(wěn)定性，采用三種匹配方法（最近鄰匹配、半徑匹配、核匹配）來進行驗證。平衡性檢驗②顯示，兩組樣本基本上不存在顯著差異，且滿足共同支撐假定。表4 報告了在不同匹配方法下，平均處理效應(yīng)ATT的結(jié)果。匹配前雖略微高估持有A類避險資產(chǎn)對風(fēng)險資產(chǎn)投資的影響作用，但符號、顯著性并未發(fā)生變化，且匹配后的結(jié)果差異不大，說明了研究結(jié)果的穩(wěn)健性和一致性。

表4 不同匹配方式下持有避險資產(chǎn)對于風(fēng)險資產(chǎn)投資的效應(yīng)分析

2.工具變量法（IV）。盡管在模型中已經(jīng)控制了重要的可觀測變量，但仍不能排除反向因果和遺漏的不可觀測因素帶來的內(nèi)生性問題，且Wald檢驗結(jié)果也表明模型存在內(nèi)生性，本文嘗試選擇合適的工具變量解決這一問題。在遵循工具變量和內(nèi)生變量相關(guān)，但與模型誤差項不相關(guān)的前提下，選取家庭所在地域的避險資產(chǎn)平均持有率作為工具變量。這一工具變量與解釋變量相關(guān)，但并不會直接影響某個家庭的風(fēng)險資產(chǎn)配置，因此這一工具變量的選取是合理的。一階段的F 統(tǒng)計量在1%的水平上拒絕了原假設(shè)，說明工具變量的選取有效。進一步地，分別對風(fēng)險資產(chǎn)投資三個指標(biāo)進行二階段的IV-probit和IV-Tobit回歸，結(jié)果如表5 所示。通過對比表5給出的估計結(jié)果可知，Probit和Tobit模型低估了持有避險資產(chǎn)對風(fēng)險資產(chǎn)投資的影響，采用二階段回歸并控制相同的協(xié)變量后，風(fēng)險資產(chǎn)投資三個指標(biāo)的回歸系數(shù)明顯有所提高，均在1%的水平上顯著，兩階段回歸結(jié)果一致表明持有避險資產(chǎn)能夠促進家庭進行風(fēng)險資產(chǎn)投資，研究結(jié)果是穩(wěn)健的。

表5 二階段回歸結(jié)果

（三）穩(wěn)健性檢驗

為驗證研究結(jié)果的穩(wěn)健性，替換解釋變量為B類避險資產(chǎn)規(guī)模（lnfree）。具體是將現(xiàn)金和各類存款的金額總和取對數(shù)作為避險資產(chǎn)規(guī)模的衡量指標(biāo)。由于年金參與較低，購買商業(yè)保險有限，但持有現(xiàn)金、存款等避險資產(chǎn)的人較多，作為更寬條件的替代變量是合理的。為進一步測試穩(wěn)健性，本文將替換后的解釋變量對風(fēng)險資產(chǎn)投資三個指標(biāo)進行全樣本Probit、Tobit回歸，并且測試了引入城鄉(xiāng)啞變量后的回歸結(jié)果。為提高模型精度，減小不可觀測因素對預(yù)測的影響，在全樣本回歸中直接引入rural，Probit和Tobit模型分別為方程（3）和（4）：

以此更為準(zhǔn)確地考察各因素，尤其是避險資產(chǎn)和城鄉(xiāng)的交互效應(yīng)對風(fēng)險資產(chǎn)投資的影響。

表6（1）、（2）、（3）列報告了全樣本下避險資產(chǎn)規(guī)模對風(fēng)險資產(chǎn)投資的影響，各變量的影響方向和顯著性都與基本回歸結(jié)果大致相同。（4）、（5）、（6）列報告了替換啞變量引入方式后的回歸結(jié)果，回歸系數(shù)的方向、大小以及顯著性基本沒有發(fā)生太大改變。從B 類避險資產(chǎn)和城鄉(xiāng)的交互效應(yīng)來看，對兩個指標(biāo)的回歸系數(shù)均為負(fù)數(shù)，說明在持有B 類避險資產(chǎn)的情況下，城市家庭對風(fēng)險資產(chǎn)投資決策、投資規(guī)模及投資深度的敏感性要弱于農(nóng)村家庭。綜上所述，無論是全樣本還是控制城鄉(xiāng)啞變量后，避險資產(chǎn)都對風(fēng)險資產(chǎn)投資三個指標(biāo)有顯著的正向影響。這驗證了假設(shè)2，即風(fēng)險資產(chǎn)配置會隨著避險資產(chǎn)的增加而增加。

表6 穩(wěn)健性回歸結(jié)果

（四）中介效應(yīng)

驗證風(fēng)險態(tài)度是否在避險資產(chǎn)對風(fēng)險資產(chǎn)投資的影響機制中發(fā)揮中介作用。首先，采用逐步回歸法檢驗系數(shù)。以risk_if為例，表7（1）列為未加入中介變量時避險資產(chǎn)投資決策對該指標(biāo)的影響；（2）列為避險資產(chǎn)投資決策對中介變量即風(fēng)險態(tài)度的影響；（3）列為加入風(fēng)險態(tài)度后，避險資產(chǎn)投資決策對該指標(biāo)的影響。加入風(fēng)險態(tài)度這一變量后，避險資產(chǎn)投資決策的影響系數(shù)變小，初步表明風(fēng)險態(tài)度可能在這一影響機制中起到中介作用。進一步地，（1）列模型表明總效應(yīng)顯著；（2）和（3）列中，解釋變量對中介變量、中介變量對被解釋變量的影響均顯著，即中介效應(yīng)顯著成立；（3）列模型中，解釋變量的影響系數(shù)仍然顯著，說明風(fēng)險態(tài)度起到了部分中介作用。假設(shè)3 得到支持，即持有避險資產(chǎn)會通過改變風(fēng)險態(tài)度影響家庭風(fēng)險資產(chǎn)配置。為進一步確認(rèn)中介作用影響的穩(wěn)健性，補充sobel中介因子效應(yīng)模型及綜合分樣本方法做進一步分析后，均得到與表7一致的結(jié)果。

表7 風(fēng)險態(tài)度中介效應(yīng)檢驗

基本回歸結(jié)果顯示，城鎮(zhèn)、東部地區(qū)的家庭更傾向于投資風(fēng)險資產(chǎn)。因此，除了替換檢驗方法外，在表8中分別進行了全樣本、城鎮(zhèn)、東部地區(qū)分樣本的中介效應(yīng)檢驗。通過對比被解釋變量的三個指標(biāo)發(fā)現(xiàn)，風(fēng)險態(tài)度的中介效應(yīng)占比從全樣本到城鎮(zhèn)和東部地區(qū)的分樣本中都明顯增加。這進一步驗證了假設(shè)3。并且發(fā)現(xiàn)，在經(jīng)濟較發(fā)達的地域，風(fēng)險態(tài)度能夠在這一影響機制中發(fā)揮更大的效用。

表8 風(fēng)險態(tài)度中介效應(yīng)穩(wěn)健性檢驗

（五）異質(zhì)性分析

1.區(qū)域異質(zhì)性分析

由于我國地域遼闊，地理位置、經(jīng)濟發(fā)展水平、對外開放程度、人口集中度、金融發(fā)展水平存在著較大差異，將調(diào)查數(shù)據(jù)中29 個省劃分為：東部、中部、西部③。那么，不同區(qū)域家庭的避險資產(chǎn)投資決策對風(fēng)險資產(chǎn)投資的影響是否存在差異？本文對不同的區(qū)域分別進行了回歸分析。

結(jié)果如表9 所示：在東部、中部地區(qū)，避險資產(chǎn)投資決策對風(fēng)險資產(chǎn)投資的影響依然顯著。在西部地區(qū)，避險資產(chǎn)投資決策對風(fēng)險資產(chǎn)投資決策盡管仍然有正向影響，但顯著水平有所下降；而對風(fēng)險資產(chǎn)投資規(guī)模及投資深度的影響，在統(tǒng)計上不顯著，并且在風(fēng)險態(tài)度對風(fēng)險資產(chǎn)投資的異質(zhì)性檢驗中也出現(xiàn)了類似情況。一方面，可能是由于受樣本所限；另一方面，可能與西部地區(qū)金融發(fā)展水平相對較低有關(guān)。值得注意的是，中部地區(qū)在對風(fēng)險資產(chǎn)投資規(guī)模和投資深度的回歸中，邊際效應(yīng)大于東部地區(qū)。這可能是因為東部地區(qū)經(jīng)濟金融相對發(fā)達，選擇風(fēng)險資產(chǎn)投資的人較多，所以中部地區(qū)經(jīng)濟個體的敏感性要高于東部地區(qū)。家庭規(guī)模對東部和西部地區(qū)的家庭風(fēng)險資產(chǎn)投資起到了明顯的負(fù)向作用，即在東、西部地區(qū)，家庭規(guī)模越大，投資風(fēng)險資產(chǎn)的可能性和規(guī)模就越小。這可能是由于東部地區(qū)經(jīng)濟發(fā)達，家庭成員數(shù)量較多，持有風(fēng)險資產(chǎn)的家庭成員多，因此邊際效應(yīng)小。而西部地區(qū)同樣由于經(jīng)濟原因，勞動力流出較大，非勞動成員數(shù)量越多則所需要的經(jīng)濟支持越高，風(fēng)險資產(chǎn)投資的可能性和投資規(guī)模也就越小。中部地區(qū)介于二者之間。盡管中部地區(qū)家庭規(guī)模對風(fēng)險資產(chǎn)投資有正向的促進作用，但這種影響并不明顯。

表9 分地域的回歸結(jié)果

2.年齡異質(zhì)性分析

在進行穩(wěn)健性分析時，年齡和年齡平方的系數(shù)符號與全樣本回歸結(jié)果相同，即年齡增加對風(fēng)險資產(chǎn)投資決策有正向影響，而對風(fēng)險資產(chǎn)投資規(guī)模有負(fù)向影響。年齡平方在Probit回歸結(jié)果中顯示為負(fù)，可能是由于被解釋變量并非連續(xù)變量所致。為了進一步研究年齡在家庭金融資產(chǎn)配置中顯示出來的差異，本文將樣本分為7組，執(zhí)行年齡啞變量分組回歸并觀察邊際效應(yīng)的變化。具體來說，由于投資決策作為離散型變量無法很好地表現(xiàn)出隨著年齡增長的連續(xù)性變化，所以探討不同年齡段群體持有避險資產(chǎn)對風(fēng)險資產(chǎn)投資的影響異質(zhì)性時，解釋變量和被解釋變量均使用連續(xù)性的數(shù)額指標(biāo)，即解釋變量為B 類避險資產(chǎn)規(guī)模，被解釋變量為風(fēng)險資產(chǎn)投資規(guī)模，可以觀察投資者避險資產(chǎn)規(guī)模增加對風(fēng)險資產(chǎn)投資規(guī)模的影響在不同年齡階段的效應(yīng)變化。

本文參照《中長期青年發(fā)展規(guī)劃（2016—2025年）》的標(biāo)準(zhǔn)，將16～35 歲人群劃為一組；將60 歲以上人群劃為一組。解決了兩端分組問題后，為了更加具體地觀察到不同年齡段的區(qū)別，采取5 歲作為中間年齡段的分段間距。具體回歸結(jié)果見表10。

表10 不同年齡段避險資產(chǎn)規(guī)模對風(fēng)險資產(chǎn)投資規(guī)模的回歸結(jié)果

圖1顯示除臨近退休期及退休后的50歲以上人群的邊際效應(yīng)基本保持穩(wěn)定外，50歲以下年齡段的邊際效應(yīng)具有一定差異，其中35～40 歲人群敏感度最高。在經(jīng)歷了青年時期的財富積累階段后，35～40歲家庭投資決策者的父母正處于退休時期，具有一定的經(jīng)濟能力，也可以提供隔代照料，此時家庭贍養(yǎng)老人、撫養(yǎng)子女的壓力都相對較低，因此會更加傾向于增加風(fēng)險資產(chǎn)配置。而50 歲以上人群正處于即將退休或退休的階段，此時的家庭財富積累較高，為保證退休后的生活水平，有足夠的資金儲備和增值意愿，也傾向于投資風(fēng)險資產(chǎn)。并且，此時家庭投資決策者贍養(yǎng)老人的壓力可能非常小，而子女基本已經(jīng)長大成人，所以臨近退休期和退休后的敏感性也較高。

圖1 不同年齡段避險資產(chǎn)規(guī)模對風(fēng)險資產(chǎn)投資規(guī)模的邊際效應(yīng)

3.收入異質(zhì)性分析

考慮到不同收入人群對家庭金融資產(chǎn)配置的不同，本文將家庭總收入按照四分位法分為四等分的數(shù)據(jù)。由于風(fēng)險資產(chǎn)投資規(guī)模具有截斷特征，因此按照前文分析年齡異質(zhì)性的方法采用Tobit回歸，結(jié)果見表11。

表11 不同收入段對風(fēng)險資產(chǎn)投資規(guī)模的回歸結(jié)果

五、結(jié)論與政策建議

本文采用中國家庭金融調(diào)查（CHFS2017）數(shù)據(jù)，探討了持有避險資產(chǎn)對風(fēng)險資產(chǎn)投資的影響。除西部地區(qū)外，避險資產(chǎn)投資決策和避險資產(chǎn)規(guī)模對風(fēng)險資產(chǎn)投資決策、投資規(guī)模及投資深度有顯著的正向影響。經(jīng)檢驗后，分析結(jié)果仍然穩(wěn)健。另外，風(fēng)險資產(chǎn)投資決策與風(fēng)險態(tài)度、戶主年齡、戶主文化程度、戶主父母受教育程度、家庭規(guī)模、家庭總收入均顯著正相關(guān)，城市、女性、東部地區(qū)更偏好風(fēng)險資產(chǎn)投資。并且，在考慮不同地域、各年齡層、不同收入人群異質(zhì)性的基礎(chǔ)上，實證驗證并探討了金融資產(chǎn)配置效應(yīng)在不同群體間出現(xiàn)異質(zhì)性的深層原因。在避險資產(chǎn)對風(fēng)險資產(chǎn)配置的影響機制中，風(fēng)險態(tài)度起到中介作用，并且經(jīng)中介效應(yīng)穩(wěn)健性檢驗結(jié)果發(fā)現(xiàn)，在經(jīng)濟相對更發(fā)達、金融發(fā)展更完善的地區(qū)，風(fēng)險態(tài)度可以發(fā)揮更大的效用。

綜上所述，本文提出以下政策建議：第一，隨著中國家庭日益富裕，應(yīng)鼓勵各類金融機構(gòu)開發(fā)多樣化的風(fēng)險產(chǎn)品，為家庭資產(chǎn)投資提供充足的選項。為了優(yōu)化居民的資產(chǎn)配置，資本市場要做好充分準(zhǔn)備，政府在其中可引導(dǎo)銀行、保險、證券、基金等金融機構(gòu)開發(fā)優(yōu)質(zhì)產(chǎn)品，填補市場缺口，吸引長尾客戶；反過來也能刺激居民對風(fēng)險產(chǎn)品的投資，促進資本市場良性發(fā)展。第二，積極順應(yīng)金融數(shù)字化轉(zhuǎn)型，通過市場細(xì)分，更好地服務(wù)于不同客群。例如，東中部地區(qū)、36～40 歲人群、高收入家庭的敏感性更高，各個金融機構(gòu)可以利用大數(shù)據(jù)、云計算等技術(shù)，精準(zhǔn)定位目標(biāo)，推出合適的產(chǎn)品，擴大銷售人群，占據(jù)市場優(yōu)勢。第三，借助金融科技，提升消費者的金融素養(yǎng)，為潛在投資需求轉(zhuǎn)換提供支撐。普及金融知識教育，提高民眾的風(fēng)險認(rèn)知，幫助民眾正確對待金融風(fēng)險，樹立理性的投資觀念。

由于CHFS 中心2021 年數(shù)據(jù)尚未公布，本文只能借助最近的截面數(shù)據(jù)分析，但未來可使用最新的數(shù)據(jù)結(jié)合此次結(jié)果及往年數(shù)據(jù)庫展開面板數(shù)據(jù)研究。且由于居民對每一類金融資產(chǎn)的風(fēng)險忍受度并不相同，未來可以進一步關(guān)注避險資產(chǎn)對不同風(fēng)險資產(chǎn)的影響是否存在差異?！?/p>

注 釋

①回歸結(jié)果報告了更具有經(jīng)濟學(xué)含義的平均邊際效應(yīng)（Margins Effect），它表示自變量每變動一單位，因變量隨之變化的概率（Probit）和變動量（Tobit）。報告系數(shù)的原回歸結(jié)果不予列示，可向作者索取。

②限于篇幅，三種匹配辦法下的核密度圖、平衡性檢驗、共同支撐檢驗結(jié)果不予列示，可向作者索取。

③采用統(tǒng)計局網(wǎng)站上的其中一種劃分標(biāo)準(zhǔn)，將我國劃分為東部、中部和西部三大經(jīng)濟地區(qū)。其中東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、廣西、海南12 個省、自治區(qū)、直轄市；中部地區(qū)包括山西、內(nèi)蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南9 個省、自治區(qū)；西部地區(qū)包括重慶、四川、貴州、云南、西藏、陜西、甘肅、寧夏、青海、新疆10個省、自治區(qū)。