受教育程度对家庭风险金融资产配置的影响机制研究

张儒雅

(北京交通大学 经济管理学院,北京 100044)

一、文献回顾与理论假设

随着经济发展和居民收入水平提高,家庭金融成为社会关注的热点。当风险溢价为正时,家庭会通过资产配置创造更多收益进入金融风险市场。Dow等(1992)认为家庭进行资产配置依据的是成本收益特征,按照风险偏好配置部分风险资产。因此,传统的资产组合理论认为家庭会配置一定量的金融风险资产,并通过金融产品的持有间接参与证券市场,最终再直接参与金融市场(徐佳 等,2016)。当前中国家庭房产投资比重过高,且大多观点认为高比例房产有助于人们配置更多的风险金融资产(陈永伟 等,2015)。

根据CHFS数据显示,近年来家庭风险金融资产占金融资产比例仅1%左右,风险资产投资不足现象依然存在,过低的占比不利于家庭多元化的风险和收益的安排。金融资产参与比例过低,导致家庭控制资产风险能力降低,不利于家庭财产性收入增加,且金融资产投资收益对我国居民财产性收入不平等程度贡献度达23%(宁光杰 等,2016)。

当前我国资本市场逐渐完善,房地产投资回报率下降与利率下行趋势明显,金融市场不断发展,金融产品更加齐全与个性化,给家庭金融资产配置带来契机,家庭有了广泛参与金融市场的机会。但是,现实中风险资产市场参与对投资者要求相对较高,需要具备专业知识与能力。

一般来说,文化程度越高越能应对金融市场上复杂信息的处理与计算,降低参与成本,有利于风险金融资产投资占比提高。现实中家庭的投资决策和风险规避方案是需要研究的问题,而其中受教育程度的高低在这个过程中发挥什么样的作用,通过何种途径发挥作用则是本文研究的重点和目的。因此,研究受教育程度对风险资产的影响及其作用机理有着重要的现实意义。

对家庭风险金融资产配置研究,学术界从多个视角进行了研究。王琎等(2014)认为女性参与风险资产配置的可能性更大,同时这一现象尤其在已婚女性上体现更明显。也有观点认为婚姻不影响家庭参与股票市场的概率和深度(王聪 等,2012)。年龄对家庭风险资产的配置比例表现为年龄越大,配置比例越低,而且这一关系并非完全线性,呈现倒U形关系(廖婧琳 等,2020)。个体健康状况通过风险态度等因素影响风险性金融资产的配置比例(吴卫星 等,2011)。从家庭背景风险角度来看,社会保障水平的提升显著增加了家庭风险金融资产配置,参加医疗保险的家庭会更加偏好持有风险金融资产(王稳 等,2020),并且参保家庭持有风险资产的概率比未参保家庭高3.5%(何维 等,2021)。社会网络有助于降低家庭风险厌恶程度,从而增加家庭参与风险金融资产投资的概率(王聪 等,2015),同时社会网络也有提高家庭金融素养进而促进风险资产投资的功能(贾艳 等,2020)。

从受教育程度角度分析家庭风险金融资产配置的研究,学术界大多看到了受教育程度对家庭风险金融资产配置的正向影响。孟亦佳(2014)认为字词识记能力和数学能力的增加可以提升城市家庭参与金融市场,尤其是提升股票资产的配置比例。Zou等(2019)的研究也得出了相似的结论。同时,受教育水平较高的投资者对金融市场和金融产品的风险收益特征等有更加客观的认知,对意在增加居民金融服务的具体相关政策也更为关注,因而更有可能理性地参与金融市场(廖婧琳 等,2020)。受教育水平越高,理解和学习新知识的能力就越强,越能接受市场中新出现的金融产品,进而有利于风险金融资产投资占比的提高,因此教育程度越高,股票资产持有的比例会越大(吴卫星 等,2007)。受教育程度会影响户主的风险偏好,研究表明主观风险偏好与受教育程度正相关,而客观风险偏好则随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,呈现一定的U形关系(梁立俊 等,2018),受教育水平也可能通过财富效应、降低信息成本和改变风险偏好来提升家庭金融市场投资参与(崔颖 等,2021)。受教育水平除了影响居民金融市场参与之外,还能够对投资收入、投资收益率产生显著影响,教育程度越高,风险资产配置占比越高、投资收入和收益率也会越高(罗靳雯 等,2016)。

基于以上分析,本文提出第一个研究假设(H1):受教育程度的提升能够改善家庭资产配置状况,提升家庭金融市场参与程度,配置风险资产。

学术界分析受教育程度对家庭风险金融资产配置较多通过金融知识或金融素养探讨其中的机制。一般情况下,低教育家庭金融素养水平较低,不仅阻碍了其对数字金融产品和服务的使用,也导致其做出非理性的金融决策,而教育程度越高的家庭信息辨别能力越强,对金融市场上各类信息的分析和处理能力也较强,因而金融资产组合有效性也较高(吴雨 等,2021)。Lin等(2017)的研究表明掌握相关金融知识对风险资产投资是有利的,金融知识缺乏时,参与股市的概率就降低。金融知识水平提升,能促进家庭风险资产比例配置上升,所配置的风险资产品种也更加丰富(尹志超 等,2014)。王韧等(2022)认为投资者受教育水平越高,学习金融知识的能力就越强,也就越倾向于家庭金融资产配置。此外,金融素养可以改变投资者的风险偏好,在一定程度上提高股票资产投资比例,增加金融产品持有的数量,并且主观金融素养发挥的作用更大。

所以,本文需要验证的第二个研究假设是(H2):受教育程度的提升能够改善家庭成员的金融素养,丰富金融知识,提升家庭风险资产的配置。

除此之外,为了更全面了解受教育程度影响家庭风险资产配置的内在机理,结合已有研究,本文认为受教育程度的提升会提高家庭的收入水平,收入的增加将会促进家庭进行多样化的投资以实现保值和增值,从而为参与金融资产配置提供了基础和可行性。此外,受教育程度的提升和家庭收入的增加将为家庭提供更全面的社会保障,即客观上更易实现家庭成员参加社会保险的可能性,主观上也更有能力购买商业保险以增加家庭保障,在更具保障的基础上家庭更有动力配置更多的风险资产。

由此,本文进一步提出以下两个假设:

H3:受教育程度的提升能够增加家庭收入,但收入结构存在一定的异质性;

H4:受教育程度的提升能够使家庭得到更加完善的社会保障,从而有能力和动力配置更多的风险资产。

综上所述,既有研究缺乏对教育水平影响家庭风险金融资产(下文称“风险资产”)机制和路径的全面分析,这也是本文的突破口。

本文的创新之处在于:

第一,既有研究大多着眼于受教育程度对家庭风险金融资产配置影响的现象分析,本文则着眼于影响机制的研究,选择了相对科学的指标和合适的计量方法将主观和客观金融素养、收入及根据来源划分的四种收入、反映社会保险和商业保险的社会保障结构等作为中介变量,进行了全面的机制分析,有利于更深层次把握受教育程度对风险资产配置的影响。

第二,在家庭风险金融资产配置普遍过低的情况下,为优化家庭资产配置提供一个普遍可以选择的路径,即通过重视教育提高家庭金融资产配置,增加家庭投资收益,分散金融风险。

第三,通过金融素养、收入和社会保障三个类型及其细分的多种中介效应的研究,更加清楚地了解受教育程度影响家庭风险资产配置的内在机理,为该领域的研究提供新的思路。

二、实证策略与指标体系

(一)模型设定

研究受教育程度对家庭资产配置的影响包括金融资产占比和风险资产占比两个方面,根据数据特征,金融资产占比和风险资产占比均为连续性变量,所以主要选择两阶段固定效应回归模型进行研究,模型设定如下:

Financial_literacyi=α+β1X1+…+βnXn+μ

(1)

其中,Financial_literacyi表示家庭资金融产配置,i=1,2;X1表示核心解释变量,X2,…,Xn表示控制变量,α为线性回归方程模型的截距,μ表示随机误差项。

进一步受教育程度对家庭资产配置中介效应,主要考虑从金融素养和家庭收入两个角度来进行,参考温忠麟等(2014)中介效应研究方法,采用多重中介效应模型,本研究对应的回归方程如下所示:

Mi=γ1Xi+γ2Controli+εi

(2)

Yi=γ3Xi+γ4Mi+μi

(3)

其中Yi表示家庭资产选择,Xi表示受教育程度,Mi表示中介变量,Controli则表示模型所选取的控制变量集,其中当γ1和γ4系数显著时,则本文中介效应成立。

(二)数据与变量

本文使用的数据来自西南财经大学中国家庭金融调查与研究中心的2019年中国家庭金融调查(CHFS)数据,样本覆盖全国29个省域,共获得了34643户家庭的微观数据。中国家庭金融调查收集了家庭的资产与负债、收入与支出、保险与保障,家庭人口特征及就业等各方面的信息。本文的目的在于研究受教育程度对家庭资产选择的影响,所以选择变量是首要解决的问题。结合本文的研究目的和以往学者的研究,本文设置的指标体系如下:

被解释变量为家庭资产选择,包括金融资产占比(Pro_financial)和风险资产占比(Pro_rassets),分别为金融资产投资比重与风险资产投资比重。其中金融资产投资比重是指金融资产投资金额在家庭总资产所占的比重,即金融资产占比=金融资产投资金额/家庭总资产;风险资产投资比重是指风险资产投资金额在家庭金融资产所占的比重,即风险资产占比=风险资产投资金额/金融资产。根据CHFS数据的特征与解释,金融资产由风险资产、现金、股票账户现金、政府债券、活期存款和定期存款等构成,风险金融资产则由股票、基金、金融债券、企业债券、金融衍生品、金融理财品、外汇、黄金等构成。

核心解释变量为户主的受教育程度(level_edu)。根据CHFS数据库,选择“文化程度”指标来表示模型的受教育程度,其中受教育教育程度从1到9分别表示没上过学、小学、初中、高中、中专、大专、大学本科、硕士和博士,也就是说指标数值上从1到9代表着受教育程度的递升。

表1所示为受教育程度占比情况,从数据中可以看出,小学、初中和高中文化的样本占比最高,加上没上过学的样本,样本较低学位比例接近80%;在所有样本中大专以上各层次学历的占比均不到10%,尤其是相对较高学历的硕士和博士占比不足1%,整体文化水平偏低仍然是当前面临的严峻现状。

表1 受教育程度占比

控制变量选取户主特征、家庭特征和固定效应。户主特征变量包括性别(gender)、年龄(age)、年龄平方(age2)、婚姻状况(marriage)、健康状况(health)、户口(registered);家庭层面的特征包括是否经营工商企业(operate)、汽车数量(car)、家庭成员工作与否(work)、是否创业(entrepreneur)、住房数量(house)、是否网购(online);固定效应包括控制地区特征变量(iid)与宏观经济发展水平(gdp)。表2所示为主要变量描述性统计。

表2 主要变量描述性统计

(三)内生性探讨

由于模型可能存在的内生性从而造成OLS估计的偏误,本文采用两阶段最小二乘法(2SLS),使用工具变量参与回归进行估计。本文的核心解释变量为户主的受教育程度,为了排除内生性的影响,选择家庭成员受教育程度的平均值作为工具变量参与估计。一方面,家庭平均受教育程度的水平在一定的程度上会影响户主的受教育程度,可以满足工具变量的相关性要求;另一方面,家庭受教育程度如果只通过影响户主的受教育程度来影响金融资产配置,没有研究明确表明家庭成员的平均教育水平对家庭风险资产配置有显著的影响,所以该工具变量满足外生性条件。此外,在下文的实证研究中,也将通过统计检验来进一步验证工具变量及计量方法的合理性。

三、实证结果分析

(一)受教育程度对家庭资产选择的影响

1.基准估计分析

表3为受教育程度对家庭资产选择的影响,其中列(1)至列(4)为受教育程度对金融资产占比的影响,列(5)至列(8)为受教育程度对风险资产占比的影响。从表3列(1)至列(8)的估计结果可以看出,无论是否控制家庭特征、个体特征及地区固定效应和宏观经济效应,无论是OLS估计还是2SLS估计,其结果均在1%的水平上显著为正,从而可以判断出受教育程度对提高金融资产比例和风险资产比例都有促进作用,即受教育程度越高,家庭在资产选择中更倾向于配置金融资产,配置风险资产的倾向更加明显。

表3 受教育程度对家庭资产配置的影响

表3列(1)(2)(5)(6)分别为受教育程度对金融资产占比和风险资产占比影响的OLS估计结果,可以看出在加入了控制变量之后的边际效应略有降低,但变化不大,在一定程度上说明估计结果相对可靠,可以进一步验证上述结论。但考虑到模型中内生性的存在,本文又采用两阶段最小二乘法,使用工具变量参与估计,结果如列(3)(4)(7)(8)所示,估计结果均在1%的水平上显著,且可以观察到无论是否加入控制变量,在受教育程度对金融资产占比和风险资产占比影响的边际效应中,2SLS估计结果均大于OLS估计结果,即列(2)(4)的边际效应分别大于列(1)(3)(5)(6)(7)(8)的边际效应,说明不考虑内生性的情况下,受教育程度对金融资产占比和风险资产占比的影响均会被低估。

此外,由表3底部关于工具变量的检验结果来看,豪斯曼检验在1%的水平上拒绝解释变量外生的假设,表明模型确实存在内生性,用工具变量参与估计的2SLS方法是适合的。由Wald FC-D和Wald FK-P以及第一阶段工具变量t值来看,工具变量具有较强的解释力,且不存在弱工具变量问题。由此本文的研究假设H1得以验证。

2.稳健性检验

为了检验上述结果的稳健性,采用三种方法验证。第一种方法替换解释变量及相关的工具变量。表4列(1)(2)中将解释变量受教育程度替换为受教育年限(year_edu),同理采用家庭成员的平均受教育年限当作受教育年限的工具变量,可以看出列(1)(2)的估计结果均在1%的水平上显著且为正。第二种方法考虑受教育程度在一定程度上与家庭教育支出有着较大的相关关系,所以将解释变量受教育程度替换为家庭教育支出(expend_edu)重新进行估计,表4列(3)(4)的估计结果表明家庭教育支出对于家庭持有风险资产有着显著的正向影响。第三种方法参考尹志超等(2014)的量化方法,将风险资产占金融资产的比重替换为股票资产(Pro_stock)占金融资产的比重,估计结果如表4列(5)(6)所示,均在1%的水平上显著为正,在此验证了本文模型设定,说明其估计结果的可靠性。

表4 稳健性检验

此外,表4列(1)(3)(5)为OLS估计结果,列(2)(4)(6)为2SLS估计结果,根据表4底部的工具变量检验结果来看,模型存在内生性,且不存在弱工具变量问题,说明上述稳健性检验的结果是可信的。通过以上分析,从多个角度验证了本文基准模型的稳定性,验证了本文研究结果的正确性。

(二)异质性探讨

前文已验证受教育程度显著影响家庭风险资产,但在不同的群体和区域中,该影响可能存在差异,所以进一步对研究的样本进行分组,来研究受教育程度对家庭风险资产比例影响的异质性。以下分别按照户主的特征和家庭所处的区位分为两类,估计结果分别显示在表5Panel1和Panel2中,其中Panel1中根据户主的户口性质和受教育程度高低进行分组,Panel2中根据户主家庭所在的区位和经济发展程度进行分组。估计结果如表5所示。

表5 异质性分析

总的来看,无论是何种分组方式,所有的估计结果均在1%的水平上显著为正,且工具变量的检验结果也表明模型内生性存在的同时,不存在弱工具变量问题,估计结果是可靠的。上述结果也再一次验证了本文基准估计的可靠性,但是不同组估计结果的边际效应存在明显的差异,也就是说,受教育程度在不同的群体或者区域对家庭风险资产的比重影响存在明显的异质性。表5列(1)(2)的结果表明受教育程度对风险资产占比的影响在户主是非农户口的家庭中更加显著,其边际效应是户主为农业户口家庭的6倍之多,这也与现实中不同类型家庭资产状况和教育程度的情况相符合。表5列(3)(4)的估计结果表明,提高教育程度更能够促进原本户主受教育程度较低的家庭的风险资产比重,这也进一步反映了受教育程度较低家庭增加风险资产持有上存在较大的空间。表5列(5)(6)(7)从家庭所处区域进行差异化分析,结果表明提高受教育程度促进家庭持有风险资产的比例的效应,从东部、中部到西部依次减弱,但是从家庭所在省份经济发展程度上来看,从经济发达地区到不发达地区的影响效应却依次增强,产生上述结果的原因可能是东、中、西部并不严格反映其包括省份GDP的高低,同时该结果与不同区域家庭的资产结构和教育结构有一定关系。

四、机制分析

受教育程度能够对家庭持有风险资产占比存在显著的正向促进作用,为了更加深入了解其原因,本文从金融素养、收入及收入结构和社会保障三个角度探讨其中存在的机制。

(一)金融素养促进效用

个体对于金融知识的了解会影响风险投资决策。金融素养可以很好地反映个体对其掌握程度,这在相关文献中多次被验证,那么受教育程度对家庭风险资产占比的影响是否能够通过金融素养的提升而被强化呢?基于此,本文考虑从主观金融素养(Sub_fliteracy)和客观金融素养(Obj_fliteracy)两个角度来分析。其中,主观金融素养采用三个主观意愿指标赋分直接加总的方法,如果是最终总分高,则其代表其主观上金融知识比较缺乏,即金融素养较弱;分数越低,则主观金融素养越高,该指标属于一个反向指标。主观金融素养参考吴锟等(2018)、韩科飞等(2021)的研究,根据样本对问卷中“您平时对经济、金融方面的信息关注程度如何”和“您对股票、债券、基金的整体了解程度如何”两个问题的回答情况分别打分,分值为1～5,分别表示非常了解、比较了解、一般、比较不了解和完全不了解。数值越高,表明样本的金融素养水平越低。此外,客观金融素养的测度则参考尹志超等(2014)的做法,以问卷中的利率计算问题、通货膨胀理解和投资风险问题为基础设立不同的虚拟变量,其中利率问题与通货膨胀理解问题中设置两个虚拟变量,当问题回答正确时设定为1,问题回答结果错误或者“不知道”均设定为0。与利率和通胀问题不同的是,投资风险问题存在着不回答或者是拒绝回答的现象,本文认为回答了问题的样本无论回答对错与没有回答问题的群体的金融素养肯定是有差异的,因此针对投资风险问题设立两个虚拟变量,其中一个虚拟变量用1表示回答问题的群体,另一个虚拟变量用1表示回答正确的群体。最终,通过上述四个虚拟变量的加总,得到客观金融素养的取值,且在客观金融素养计算中,正确回答问题才会赋分,因此分数越高对应客观金融素养越高,属于一个正向指标。估计结果如表6所示。从表6列(1)(2)的估计结果来看,由于主观金融素养属于负向指标,所以能够得出,主观金融素养的中介效应显著存在,也就是说提升样本的受教育程度能够促进其金融素养的提升,进而影响家庭风险资产持有的占比情况。同理,表6列(3)(4)的估计结果显示客观金融素养的中介效应也是显著存在的,客观金融素养同样能够强化受教育程度对家庭风险资产持有比例的倾向。综上分析,金融素养是受教育程度影响家庭持有风险资产倾向的重要影响因素,假设H2得以验证。

表6 金融素养机制检验

(二)收入及收入结构效用

家庭参与金融市场和进行风险投资的基础都应当建立在家庭收入的基础上,所以,本文机制分析假设受教育程度的提升能增加家庭收入,进而影响家庭持有风险资产的占比,且家庭收入结构的不同,对上述影响存在一定的差异。以家庭总收入(income)作为中介变量进行估计,然后将家庭总收入根据来源分为工资性收入(wage)、经营性收入(opera)、财产性收入(asset)和转移性收入(trans)四类,并分别作为中介变量来验证其中存在的机制。根据中介模型的设定,估计结果如表7所示,且由表7底部的工具变量检验来看,2SLS估计方法合适,且不存在弱工具变量问题。首先,从表7列(1)到列(10)的估计结果来看,所有的估计结果均至少在10%的水平上显著为正,说明无论是家庭总收入还是根据来源划分的各类收入均存在中介效应,表明受教育程度的提升能够影响家庭的各种收入,从而提升家庭持有风险资产的比重。其次,从表7列(3)到列(10)的估计系数来看,不同类型收入的中介效应存在一定的差异,其中经营性收入和转移性收入的中介效应最强,然后是工资性收入,而财产性收入相对较低。上述实证结果验证了假设H3的可靠性。

表7 收入机制检验

(三)社会保障效用

家庭的社会保障完善与否也会对家庭配置风险资产产生重要的影响。采用与上述两种中介效应同样的方法来验证社会保障的中介效应是否存在,基于CHFS数据特征和数据可得性,选取养老保险(ins_endo)、失业保险(ins_unem)和商业保险(ins_comm)三种类型来代表社会保障的状况,其中既包含社会保险又涵盖了商业保险,更能全面地反映家庭的社会保障状况。根据调查问卷及问题设置,拥有上述保险的设置为1,没有上述保险的则设置为0,三个变量均属于二值选择变量,同时考虑内生性问题的存在,中介效应采用了Iv-probit模型,但是第二阶段仍采用2SLS模型,估计结果如表8所示。总体上来说,所有的估计结果基本上均在1%的水平上显著为正,说明养老保险、失业保险和商业保险的中介效应均显著存在。表8列(1)(3)(5)表明教育程度越高的家庭更愿意持有保险,规划更加完善的家庭保障结构,并且受教育程度最能促进社会养老保险的持有,其次是促进失业保险和商业保险的持有,同时也可以证明假设H4成立。另外,表8列(2)(4)(6)同时加入受教育程度和保险变量的回归结果,表明失业保险发挥的中介效应要略高于养老保险和商业保险。

表8 保险机制检验

五、结论和建议

家庭及户主的教育程度对于家庭资产配置的重要性是毋庸置疑的,尤其是随着当前居民收入水平的提高,家庭资产不断累积的前提下,需要风险金融资产投资来支持家庭资产配置和管理。基于CHFS数据,选择了相对科学的指标和合适的计量方法,从而验证了本文的研究假设。第一,分两个层次研究了受教育程度对家庭金融市场参与和持有风险资产影响的状况,结果表明受教育程度对上述指标有着显著的正向影响。第二,通过异质性分析发现,家庭户主的个体特征和家庭所处的区域等的不同,也使得受教育程度对家庭持有风险资产的状况有所区别,提升受教育程度对家庭持有风险资产的促进作用,在不同的群体内表现不同。第三,通过机制分析更加深入地研究了受教育程度对家庭持有风险资产的内在机理,发现提升受教育的程度能够促进个体金融素养的提升、家庭收入状况的改变和优化家庭的保障结构等,从而促进家庭持有风险资产状况的改变。

基于本文的理论分析和实证研究,结合当前的社会现实,提出以下政策建议:

(1)要重视教育,尤其提高全国的高等教育水平,为教育相对落后的省份提供更多的教育资源支持,提升全民素质,让民众有足够的能力适应因社会形势变化引起的家庭资产结构的优化等,规避市场变动引发的资产价值波动风险。

(2)通过宣传和普及教育提升居民的金融素养,摒弃社会对金融市场误区和保险偏见,提高居民理性参与金融市场和分散化投资的认识和理念。

(3)金融监管部门和金融机构应当共同努力,重点打击投资理财违法犯罪现象,营造良好投资环境,维护金融稳定,以便有利于更多的群体参与金融投资理财,提升居民多元化收益,增加社会发展可运用的资金来源。