家庭超常规杠杆的双重传染研究——情绪传染的中介

丁黎黎 韦伟 于文成

(1.中国海洋大学经济学院，山东 青岛 266100； 2.中国海洋大学海洋发展研究院，山东 青岛 266100； 3.青岛农业大学经济学院，山东 青岛 266109)

一、引言

面对新冠疫情的冲击以及国际经济的持续低迷，2020年7月习近平总书记提出“繁荣国内经济，畅通国内大循环”，而我国家庭因房贷等形成的过高杠杆率，不仅成为实现“国内大循环”的重要制约，而且逐步呈现区域性不均衡发展趋势。尤其近几年，我国家庭杠杆率快速攀升，已远超美国现值并逼近其金融危机前峰值[1]，家庭金融“灰犀牛”风险逼近，因此有必要从防范风险视角，将常规性家庭杠杆测算中的绝对风险转化为相对风险，针对家庭超常规杠杆问题进行深入研究。

首先，我国家庭部门的超常规杠杆是否存在区域内的传染效应？我国“关系型”社会中，家庭过度投资中的从众倾向等群体性行为特征可能是家庭部门产生高杠杆隐患的一个重要原因[2]，而家庭区域性杠杆的失衡也成为家庭投资行为传染性的现实映证。因此，从行为传染视角探究家庭金融杠杆风险产生的原因及其形成机理，对于有效释放家庭在“国内大循环”中的需求潜力，制定防范区域重大系统性金融风险的微观政策具有重要现实意义。然后，家庭超常规杠杆如何传染？根据社会学理论，家庭之间因为信任以及资源共享而构成的社交关系网络，能够有效促进投资决策行为在家庭群体范围内的交互和信息共享。同时，社会传染理论认为伴随行为的传染，情绪、思想的传染也难以避免，即投资情绪与投资行为存在双向互动。因此，有必要根据情绪与行为的互动关系，挖掘并厘清家庭间超常规杠杆传染过程中的直接与间接路径与机理。最后，家庭超常规杠杆传染如何治理？根据媒介依赖理论，不仅互联网等信息媒介在家庭投资中的作用日益明显，而且城乡等家庭的不同类型也会导致家庭投资行为偏差，因此从信息媒介和家庭类型两方面判断家庭超常规杠杆的传染差异，进而有针对性地提出治理策略，是本文的另一重要研究内容。

综上，本文利用中国家庭追踪调查全国数据，以其中31个省份42 777个家庭样本为基本分析单位，实证探析了家庭之间超常规杠杆的风险传染效应以及投资情绪在家庭间超常规杠杆风险传染中的作用。主要的创新包括：第一，从社会互动以及风险传染视角证实了家庭之间超常规杠杆存在传染效应，而且这种传染呈现先减后增的“U型”作用关系，说明家庭投资者在面对超常规杠杆传染风险时是有限理性抵御能力，为化解高杠杆率风险、释放“国内大循环”的家庭潜力提供方向。第二，验证了家庭超常规杠杆问题中情绪与行为的互动性，即家庭投资情绪传染度在家庭间超常规杠杆传染中起到中介作用，揭示了家庭超常规杠杆存在直接传染与间接传染的双重传染路径，为解释与防范家庭超常规杠杆传染提供了内在着力点。第三，验证了互联网依赖在杠杆传染与情绪传染中的促进作用，同时还发现农村家庭凭借投资谨慎与金融敏感等特征使得超常规杠杆传染效用的U型拐点早于城市家庭，该结论不仅辅证了国家重视农村金融风险防范的合理性与前瞻性，也从信息媒介和家庭类型两个视角为防范金融风险与释放家庭潜力等政策制定提供了治理的侧重点。

二、文献综述

(一)家庭金融风险的传染

国家的分部门去杠杆策略使得家庭杠杆问题进入公众视野，而家庭中的金融风险不仅使得家庭表现出明显金融排斥现象[3]，也导致了相应区域宏观经济的固化与停滞[4]，极有可能形成新一轮金融危机。

实际上，家庭金融风险的传染根本上是家庭投资行为的传染，部分学者已经证明了家庭消费或投资行为的同群性。比如，相同区域城镇居民由于面临的外部坏境与内在约束相类似、收入水平差距较小，导致了同一区域内居民间的消费行为呈现出较大相似性[5]。此外，家庭在具体的投资或消费内容与态度上也存在趋同性，诸如资产配置方式及效率[6]，以及投资风险偏好[7]。此类研究指出，所处同一区域家庭面临相似的经济发展程度以及资本市场发达程度，而且消费习惯、文化素质、受教育水平和思想观念等进一步促进了同区域内的家庭金融逐渐相似[8-9]。所以说，家庭行为的地区趋同性，很大程度可以理解为家庭的羊群行为，尤其随着房地产成了大部分家庭加杠杆的重要目的，住宅市场中形成的消费者投资行为具有更为显著的羊群性且迅速扩散[10]，而且影响地区经济稳定[11]。

(二)家庭投资情绪传染与互联网依赖

情绪传染的研究认为人们倾向于模仿周围人的表情、姿势以及心理行为，“捕捉”他人的情绪，从而形成情绪传递。然而投资者的情绪对于外界的变化非常敏感，不仅是其“心理特征”变化，更影响着家庭投资者的外在行为表现[12]。尤其在我国住房负债显著催升家庭杠杆的特征下，家庭投资者对通货膨胀的影响感知与消费行为调整异常敏感[13]。事实上，家庭投资行为伴随着家庭投资者情绪，因为微观主体在进行购房等金融投资时不仅会倾注情感，同时也受到他人观点、情绪等多重因素的影响[14]，这既是对市场作出的反应，也是形成家庭投资的情绪基础。

以互联网为代表的新兴技术为投资决策提供了更为便捷的信息获取与传递媒介。由于社交媒体互动变得更为频繁和普遍，通过相互沟通，投资者之间的群体性特征可能更加明显。互联网等新技术的使用与依赖加剧了市场情绪的传染以及行为信息的传递[15]。甚至，因社交媒体等互联网技术的发展助长投资者情绪的蔓延并引起总体市场价格呈现整体性波动，羊群行为扩大，最终引发股市泡沫破裂等重大金融问题[16]。

(三)文献评述

第一，现有关于家庭杠杆问题研究文献，忽略了家庭投资者之间信息交流、情绪互动和行为传染的综合内部机理揭示，造成家庭部门去杠杆时缺少在区域性家庭风险形成的路径上设置阻断与防范手段的思考。第二，投资者情绪研究中缺少对家庭投资情绪的综合考察，不仅难以准确定量分析家庭投资情绪与投资行为的互动关系，而且不能从情绪等心理路径解释家庭间超常规杠杆等金融风险的传染影响，造成对家庭间超常规杠杆等金融行为在直接与间接传染路径上的挖掘不够透彻。第三，在家庭金融的同群性研究中，忽视了深度剖析互联网作为决策辅助和信息交流媒介在投资行为传染时的干预作用和治理可能。因此厘清对互联网等新技术的媒介依赖在家庭超常规杠杆风险传染中的作用位置与作用效果势在必行。

三、理论分析和假设提出

依照社会认同理论，中国传统文化中的从众和保守特征，使得投资者在决策时往往倾向于模仿亲近关系网中其他成员的行为[17]，而家庭加杠杆过度投资行为的“跟风”会造成家庭超常规杠杆的传染，不过这种传染应该是阶段性的。

在政府引导防范风险与去杠杆的背景下，家庭在面对其他亲近家庭超常规杠杆上升时，可能处于警醒状态。同时，当网络中的家庭杠杆问题并没有形成足够引起家庭投资者重视的超高杠杆的环境，使得家庭投资者还保持着投资理性，因而此时的家庭投资者会谨慎看待其他家庭的杠杆增加，一般不会追随传染源家庭的高杠杆实行加杠杆投资，甚至会选择降低自身杠杆水平，以保证家庭经济安全和稳定。而且家庭金融素养、风险偏好和财富水平的增加，也为家庭理性投资提供了保障[18]。

然而随着群体中其他家庭超常规杠杆的持续提升，家庭投资者的理性警惕底线可能被突破。根据“易联想性偏差”观念，当其他家庭进一步扩大超常规杠杆同时没有金融风险事件的爆发，这种常态会让投资者认为超常规杠杆是普遍且合理的，产生对加杠杆投资的信心，甚至一度成为过度自信[19]。较多融资选择和群体参考可以促进家庭投资者的风险性金融投资，进而提高自身家庭财务杠杆水平的研究结论也映证该观点[7]。尤其我国传统的“居家置业”文化观念会使得家庭对于涉及加杠杆投资的房地产等投资行为高度敏感，居民的非理性住房投资偏好强烈，“跟风式”与“追涨杀跌”现象明显。因此提出如下假设。

H1家庭超常规杠杆在家庭之间具有“U型”的传染效应

根据情绪传染理论，市场中社交密切的投资者释放出的投资情绪会形成“蝴蝶效应”，造成投资情绪传染的传播[20]。与此同时，投资情绪的传染还可能伴生于行为的传染。社会传染理论与情绪传染理论均指出，传染是个体或群体通过情绪状态和行为态度的互动诱导，进而对其他个体或群体产生影响的过程。比如以家庭居民为代表的非专业投资者更容易受到社会化情绪的影响，因为情绪化行为可以体现出公众意见的倾向，最终使投资者表现出更显著的羊群行为[9]。不仅家庭投资者当前的积极情绪，会影响家庭金融市场参与金融资产负债配置[21]。而且若家庭表现为超常规杠杆，即对于加杠杆投资的强烈追求，其自身投资情绪自然也会发生改变[22]，说明家庭投资情绪传染度对家庭间决策行为具有显著的传递作用。

H2家庭间超常规杠杆的传染效应中，家庭投资情绪的传染起到了中介作用

随着互联网的普及，更加频繁的线上互动逐步取代线下社会互动成为主流[23]，而根据社会认同理论，在这种网络生活中更容易发生同伴效应。投资者之间凭借广泛使用的互联网，促进信息无障碍地传递，不仅实现家庭投资者情绪的扩大传播[16]，而且互联网也会促进家庭金融行为的发生[24]，从而加快家庭间金融风险的传染。此外，社交更加活跃以及对媒介的利用程度更高，提高人们对新事物的掌握，缓解金融排斥，减弱原本对于其他家庭加杠杆投资行为谨慎程度，以弥合信息交流鸿沟[25]。不过，媒介依赖过度的“病态”互联网使用会使家庭的认知、行动和感情功能遭到破坏，加之决策环境中复杂多变的风险与不确定性，也会加剧家庭对自身所拥有信息的误判，更容易盲目跟风，造成家庭间超常规杠杆的传染变早变强。

H3a互联网依赖使得家庭间超常规杠杆“U型”传染作用的拐点提前到达

H3b互联网依赖使得家庭间超常规杠杆“U型”传染作用曲线变得更加陡峭

综上所述，本文认为家庭之间的超常规杠杆存在U型传染关系，不仅家庭超常规杠杆通过家庭投资情绪实现二次传染，而且互联网依赖会强化家庭超常规杠杆和家庭投资情绪传染的效果。假设关系如图1所示。

图1 假设关系图

四、数据来源和模型设计

(一)数据来源

文章主要使用中国家庭追踪调查数据。由于2012年调查数据中关于家庭杠杆与情绪的度量数据整体缺失，因此采用2010年、2014年和2016年三年调查数据为基础，整理构建面板数据。同时，剔除存在数据信息缺失的样本，并进行Winsorize缩尾处理以减少异常样本，最终得到31个省份42 777个家庭数据。此外，借助国家统计局官网和华南早报(SCMP)等获得经济不确定性指数。

(二)变量设计

1.家庭超常规杠杆

第一，计算家庭超常规杠杆。通过家庭负债与家庭资产的比值得到家庭杠杆后减去100%，最终越大的数值表示家庭超常规杠杆风险越大。需要说明的是，由于我国没有爆发金融危机时的杠杆率作为参考，因此选择当前经济体量、国际地位、影响力等相对接近的美国，以其金融危机时的家庭杠杆率为预警门槛，即约为100%。

第二，超常规杠杆传染源家庭与被传染家庭的配对。由于家庭等金融行为的传染力依赖于传染源的经济社会地位和影响程度[26]，因此在考虑样本数据的可操作性后，由于在同一个社区/村，且邻里交往最为密切的家庭更容易对同一社区的其他家庭产生影响，进而基于此进行家庭配对。

第三，选择成员数最多的家庭作为传染源家庭。以人口数选定传染源家庭的原因：其一，我国人口多的家庭幸福度较高[27]，而家庭幸福会传染[28]；其二，人口多会增加熟人网络数量，拓展社会网络资源[29]，而通过社会网络会对家庭金融决策产生明显影响，且效果呈现强弱变化[30]。

2.家庭投资情绪及其传染度

由于现有研究鲜少以家庭为单位研究投资者情绪，因此本文结合易志高和茅宁(2009)[31]的思路，对家庭投资情绪的相关影响因素进行主成分分析，提取其中特征值大于1的主成分，进而构建家庭投资情绪指数WAB，随后再进行传染度测量。

第一，家庭投资情绪度量。参考尹海员(2020)[32]从“对自身投资水平的认知”和“对所处投资环境的评价”两方面衡量投资者情绪的思想，结合相关文献[33-34]与指标判断后，选取指标如下：家庭风险资产投资额M1(家庭股票、基金、信托产品债券等金融资产的总价值)；家庭永久性收入M2(当期全部家庭成员工资、奖金、现金福利、实物补贴的总和)；经济政策不确定性M3(筛选华南早报中与中国经济政策不确定性相关文章篇数后进行标准化处理)；家庭人均对未来生活的信心程度M4(问卷中家庭成员对未来生活的信心程度弱强，对应1-5，计算出家庭整体信心程度，再除以家庭规模)；经济增长率M5(国内生产总值增长率)；国内生产总值；家庭收入在当地的收入水平M6(家庭成员个人自身收入在当地水平，由低至高对应1-5，并进行家庭人均加总)，利用主成分的方差贡献率为权重进行加权平均。计算公式如下

其中Ms是第i家庭投资情绪主成分，Ps是方差贡献率。将样本数据带入，得到计算式

M=0.351 4M1+0.352 5M2+0.198 3M3+0.134 7M4+0.152M5-0.029 3M6-0.150 1M7

通过上式可以得到家庭投资情绪，其数值越大表示家庭投资情绪越高涨，反之，则表示家庭投资情绪低落。

第二，家庭投资情绪传染测度。考虑到宏观经济变化为共同影响因子决定，而特质因子的变化引发β变化，因此认定非偶发性即正常经济波动所引发的属于正常情绪传染，偶发性波动才是造成情绪传染的真正原因。一方面，计算传染源家庭A与被传染家庭B的家庭投资情绪相关性系数，计算公式如下

另一方面，由于非偶发性传染渠道造成的相关系数波动与实际情绪传染无关，因此结合相关研究思路[35-36]，推导出家庭投资情绪相互依赖的测度方法。构建如下的家庭投资情绪模型

MA=αA+βAFC+μAMB=αB+βBFC+μB

其中，MA为传染源家庭的投资情绪，MB被传染家庭的投资情绪，FC为共同影响因子，μA是传染源家庭的特质影响因子，μB是被传染家庭的特质影响因子，βA为共同影响因子对传染源家庭的相关系数，βB为共同影响因子对被传染家庭的相关系数，FC、βA和βB具有有限方差且相互独立的随机变量性质。由于传染是超越正常经济波动，而正常经济波动带动家庭投资情绪相关性的变化是受家庭之间的相互依赖性所决定，传导机制并没有发生变化，因此只有当βA和βB变化所引发的结构性突变才是家庭投资情绪传染的真正原因。据此，家庭A与B的投资情绪的相互依赖测度公式为

第三，在相互依赖假设成立的前提下，将实际相关系数明显大于由家庭投资情绪的相互依赖所决定的部分扣除，多余相关性即为由家庭投资情绪异常引发的家庭投资情绪传染度指标。

3.互联网依赖程度

建立家庭互联网使用的综合影响因素回归模型，利用残差项对家庭互联网依赖程度进行估计，一方面避免使用单一的互联网指标无法体现众多因素的综合影响，另一方面也为过度依赖的度量提供可能。

4.控制变量

参考相关文献[4,37-39]，引入控制变量：家庭年龄结构K2、家庭教育程度K3、家庭社会关系K4、是否拥有自主产权房产K5、健康状况K6、银行业景气指数K7。回归过程中，将控制变量依次加入，以充分保证与验证核心变量估计系数的稳健性。变量说明如表1所示。

(三)模型设定

1.家庭间超常规杠杆传染路径检验模型

本文采用模型(1)至(3)检验家庭投资情绪在家庭间超常规杠杆传染的中介效应

YijktB=α+c1Yijkt-1A+c2K1+ΣZijktB+βProvj+vt

(1)

Wj=α+α1Yijkt-1A+a2K1+ΣZijktB+βProvj+vt

(2)

YijktB=α+c1Yijkt-1A+c2K1+b1WAB+ΣZijktB+βProvj+vt

(3)

式中，YijktB表示第t年住在j省县区的i家庭的超常规杠杆，Yijkt-1A表示t-1期传染源家庭的超常杠杆，WAB表示传染源家庭A和被传染家庭B间的情绪传染度，ΣZijkt表示一系列控制变量，Provj表示控制省份哑变量。

表1 变量说明表

2.U型检验模型

本文创新性地提出了家庭超常规杠杆的U型传染，对应使用模型(4)至(7)进行检验。选择在模型6中检验中介U型作用的原因：其一，个体在获得某种情绪之后，因为自身对于情绪的调节控制能力[40]，使得这种情绪对行为的影响作用可能呈非线性[41]；其二，情绪意愿与实际行为通常存在一定的悖离，使其关系可能会产生不固定地变化

YijktB=α+c1Yijkt-1A2+c2Yijkt-1A+ΣZijkt+βProvj+vt

(4)

WAB=α+α1Yijkt-1A+ΣZijktB+βProvj+vt

(5)

(6)

(7)

3.互联网依赖的调节效应模型

以模型(4)为基础，互联网依赖与传染源家庭滞后一期超常规杠杆的平方项进行交互，将单独的变量与交乘项同时引入构建模型(8)，这样做不仅可以较为全面涵盖可能发生的类型，而且还可以防止由于交互项的加入而导致的估计系数中的潜在偏差。模型(9)检验传染源家庭投资情绪对被传染家庭超常规杠杆的作用机制。模型(10)是将互联网依赖作为调节变量引入公式(9)，其中MA代表传染源家庭投资情绪，MB代表被传染家庭投资情绪

YijktB=α+c1Yijkt-1A2+c2Yijkt-1A+c3Yijkt-1A2×K1+c4Yijkt-1A×K1+c5K1+ΣZijktB+βProvj+vt

(8)

MB=α+β1MA+ΣZijktB+βProvj+vt

(9)

MB=α+β1MA+β2MA×K1+ΣZijktB+βProvj+vt

(10)

根据Hanns等(2016)[42]对于“U型”调节效应回归模型的论述，调节变量对解释变量与被解释变关系的调节作用主要分为两种：一是曲线对称轴的水平移动；二是曲线斜率的变化。因此，回归模型如下

Y=α0+β1X2+β2X+β3X2K+β4XK+ΣZ+ε

关于第二种调节作用的相关分析：系数β3显著时则调节作用显著。与此同时，系数β3的符号正向(负向)表明曲线斜率绝对值增加(降低)，即U型关系加强(减弱)。

五、研究结果分析

(一)家庭间超常规杠杆传染的直接效应

根据描述性统计分析，主要变量之间存在显著相关性，基本符合假设预期，表明可以进一步深入研究。受篇幅限制，不再展示结果。

表2 直接效用检验结果

(二)家庭间超常规杠杆传染的中介效应

表2列(1)结果证明传染源家庭超常规杠杆对被传染家庭超常规杠杆存在显著影响(β=-0.016，p<0.001)，说明中介效应存在的前提成立。表3列(1)显示：传染源家庭超常规杠杆对家庭情绪传染度在95%的显著性水平有正向作用(a1=0.029)；列(2)中b1=-0.012，即家庭情绪传染度和被传染家庭超常规杠杆存在显著的负相关关系。由于a1和b1两者都显著，则间接中介效应显著，证明家庭情绪传染度是家庭间超常规杠杆传染的中介路径，验证了假设H3成立。同时根据计算，得到中介效应占比为8.16%。

表3 中介效应检验结果

(三)互联网依赖在家庭投资情绪传染中的调节效应

第一，传染源家庭投资情绪的估计系数是0.165，在99%的置信区间显著，证明了被传染家庭投资情绪与传染源家庭的投资情绪存在显著正相关关系，与假设H2基本一致。第二，互联网依赖与传染源家庭投资情绪交乘项系数为0.081(p<0.05)，表明互联网依赖对家庭间情绪传染具有正向调节效应。可能的原因：网络论坛、博客、微博等成为了互联网新媒介，信号传递方式在很大程度上是将不易传播的信息进行解构，然后重新编码，构建成为个体间自娱性和自由化发泄等方法；同时，网络等新媒介形式中蕴含着社会资源的交流与共享，这会为家庭决策提供帮助，互联网使信息传递更为迅速、交流更加便捷，有助于加强亲朋好友联系，拓宽家庭社会资本，还可能通过社会资本的积累，进一步影响家庭金融决策。第三，引入交互项后R2增加，证明了互联网依赖对家庭投资情绪传染具有显著的调节效应，模型构建合理。由此印证媒介依赖能弥合不同投资家庭群体之间的“信息鸿沟”，即使得在同质化的社区里，人们的信息渠道基本趋同，缩小认知裂痕[25]，进而提高家庭间超常规杠杆传染机制的正向效应。此外，借助图2看出，在强互联网依赖的影响下，家庭投资情绪传染的线性关系边际变化高于弱互联网依赖情形。

图2 互联网依赖对家庭情绪传染的调节效应图

(四)互联网依赖在家庭超常规杠杆传染中的调节效应

随着互联网依赖作为调节变量的加入，研究得到c3=-0.003，表示互联网依赖对传染源家庭超常规杠杆二次项存在负向调节，与假设H3b不一致。而c4=0.024，一次项存在正向调节效应，c1=0.007，c2=-0.044，c2c3-c1c4<0，表明随着互联网依赖的加强对称轴向左平移。互联网依赖在家庭超常规杠杆传染中的调节作用见图3。随着互联网依赖强度的增加，拐点明显向左移动，且c3<0说明模型开口更加平缓，证明了互联网依赖使得家庭间超常规财务杠杆传染提前发生，与假设H3a一致。给出进一步解释：虽然对互联网的依赖会成为家庭超常规杠杆传染的助推器，过早地诱发传染，但结合计划行为理论的观点，经济世界中充满了不确定性和模糊性，因此家庭决策者依据其行动模型感知外部风险性信息的过程中，也能凭借频繁使用的互联网来广泛收集信息并整理，并且随着金融素养等认知提升[18]，综合降低了完全非理性地盲目跟风，使得家庭间超常规杠杆传染强度减弱，凸度降低。

图3 互联网依赖对家庭超常规杠杆传染的调节效应图

(五)稳健性检验

1.分样本检验

为了探索不同家庭性质中超常规杠杆的传染效应是否存在差异，分别在城市家庭和农村家庭子样本进行超常规杠杆传染和中介效应的相关检验，巩固核心结论稳健性。选择城市与农村家庭的原因：虽然短期内调整城市家庭财务杠杆能够促进家庭金融市场的发展以及缓解家庭市场风险，但是根据国家对农村金融问题的重视和关注，可以理解为从长期来看，可能农村家庭才是未来市场的潜力和重要着力点，因此在预防家庭金融风险问题上，城市家庭与农村家庭同等重要。通过T检验结果(Pr(|T|>|t|)=0.333 5)也说明用城市和农村划分家庭样本是具有可比性。考虑篇幅限制，不再列示异质性检验的相关结果。

城市和农村的传染源家庭超常规杠杆对被传染家庭超常规杠杆都存在“U型”传染效应，其中城市家庭拐点为287.5%，农村家庭拐点为90%，这表明农村家庭对于传染源家庭表现出的超常规杠杆更具有敏感性，即农村家庭更易受到传染。这可能是因为相比较城市家庭，农村家庭受教育水平往往较低，使得在信息接入和使用方面存在一定劣势，农村群体间信息鸿沟表征更为明显[43]，因此更容易在较低超常规杠杆水平时受到其他亲密家庭决策行为的影响，进而采取模仿和学习的“羊群行为”。而分样本的中介检验发现：城市传染源家庭超常规杠杆系数显著正向(c1城=0.021)，中介效应依次检验的前提成立。结合a1城=0.032且b1城=-0.046均显著，证实并得到家庭投资情绪传染在城市家庭间超常规杠杆传染的中介效应为7.01%。农村家庭c1农=-0.009，即显著负向影响农村家庭超常规杠杆，而由于农村家庭中传染源家庭超常规杠杆对家庭投资情绪传染度正向但不显著，且投资情绪传染度显著负向影响家庭超常规杠杆，结合Bootstrap检验得到中介效应占比7.16%，与城市家庭结果相同，都属于部分中介路径。

综上，关于农村与城市家庭的金融杠杆风险防范问题，提出以下建议：其一，去杠杆的政策制定应当适当向农村家庭倾斜，因为农村家庭超常规杠杆传染的拐点远早于城市家庭，因此需要根据农村家庭的杠杆率情况，及时引导调整，既降低自家的金融杠杆风险，又化解农村家庭间的高杠杆风险传染，以减少区域性金融风险在农村地区的产生与集中。其二，合理借助投资者情绪管理的理念来控制农村家庭超常规杠杆的传染。虽然本文结果发现情绪传染在城市与农村家庭超常规杠杆传染的中介效应基本接近，但由于农村家庭更为敏感的杠杆传染风险，所以情绪传染可能更有效，也进一步表明需要借助政策规范与合理疏导农村家庭投资情绪，以高效防范和降解高杠杆传染风险。此外，本文依据地理中的“秦岭淮河线”将样本划分为南方区域和北方区域后，再次进行检验。经过相同的检验步骤，主要结果并未发生明显变化，结论仍然稳健。

2.内生性检验

考虑到传染源家庭超常规杠杆与被传染家庭超常规杠杆之间可能面临内生性问题的挑战，因此，借助工具变量两阶段回归分析方法来进行再次检验。选取传染源家庭所在区域的平均超常规杠杆水平为工具变量。第一阶段中工具变量对传染源家庭超常规杠杆有显著的负向效应，即区域平均超常规杠杆水平越高，该区域内邻里交往最密切、家庭成员数最多的家庭的滞后一期超常规杠杆的最大值越小，整体水平较高的部分家庭所追求额外的高杠杆需求会缩小。根据Cragg-Donald的弱工具变量假设检验结果可以看出Wald First-stage F统计量为53.4，大于Stock Yogo Weak ID test10%偏误下的临界值16.38，明显拒绝弱工具变量的假设，证明工具变量选取合理。同时根据检验结果，本文的主要研究结果稳健。

六、结论与启示

本文借助中国家庭追踪调查数据，实证分析了家庭间超常规杠杆的双重传染问题，得到如下结论：其一，以家庭超常规杠杆传染为切入点，证实家庭间超常规杠杆存在传染效应，且传染机制呈“U型”效应，即我国家庭间超常规杠杆存在传染“门槛”，不仅敲响了在家庭杠杆率较低时的风险防范警钟，也有效拓展社会传染理论解释家庭金融风险区域化问题的应用范围。其二，借助情绪感染理论中情绪与行为的互动关系，探明了家庭间的情绪传染在家庭超常规杠杆传染过程中扮演着二次传染的作用，即家庭投资情绪传染度是超常规杠杆传染的中介路径，丰富并解释了家庭超常规杠杆的双重传染机理。其三，以媒介依赖理论为基础，确定了互联网媒介依赖对家庭超常规杠杆和情绪双重传染过程中具有强化作用，更进一步发现农村家庭在超常规杠杆的传染接受上具有更强的敏感性，即其传染的“U型”拐点早于城市家庭，从信息媒介与家庭性质两方面为家庭超常规杠杆提供了治理思路。

本文得到的政策启示如下：(1)针对家庭部门的结构性去杠杆问题，要重点关注以社区、村镇等家庭网络中的金融风险传染预警，构筑家庭间金融风险防火墙，并对具有潜在超常规金融风险的家庭要实施优先“去杠杆”。(2)重视对家庭投资情绪的关注和引导，把控区域内家庭间投资情绪的偏差、热度以及舆情发展，合理进行家庭投资教育，以避免家庭超常规杠杆通过投资情绪实现间接传染的发生与扩散。(3)积极规范互联网等新兴信息媒介在家庭金融问题上的应用，教育引导家庭投资者理性使用互联网，坚决弱化互联网依赖在家庭超常规杠杆双重传染中的催化作用；此外，重视家庭差异，尤其重点盯防农村家庭的超常规杠杆问题，坚持在不同类型家庭金融风险防范与化解政策制定上的“轻重缓急”原则。