中国居民家庭负债状况及其影响因素研究——基于中国家庭追踪调查(CFPS)数据

张蕊曹健王如意

(1.新疆农业大学经济管理学院，新疆 乌鲁木齐 830052；2.华中农业大学经济管理学院，湖北 武汉 430070)

引言

家庭作为社会经济发展的基本单元，其债务状况对国家经济发展有着深远的影响。近年来，中国家庭债务增长迅速，家庭债务已不仅仅是为了平滑收入、促进消费，已有相对富裕家庭的负债目的是投资以获取收益等，负债已逐渐成为目前中国家庭的消费趋势。合理的家庭负债有助于提升居民生活质量与宏观经济增长，但超额负债会带来家庭财务压力，降低居民生活幸福感，影响宏观经济运行。特别是新冠肺炎疫情的冲击下，较长时间的停工停产使我国经济发展受到重大冲击，中国居民家庭偿债能力下滑严重，家庭经济脆弱性不断加剧[1]。因此，研究中国家庭负债结构及其影响因素不仅能够补充中国家庭负债问题的微观研究，同时对国家制定合理经济发展政策具有重要的现实意义。

现有对家庭负债的研究主要集中于3个方面。关于家庭负债规模的研究。学者通过从动态、静态角度观测中国居民部门的负债水平变化发现，居民部门资产负债表的稳健性较强，中国家庭宏观杠杆率较低，可以适当扩大债务规模[2-5]；易行健等认为，家庭债务存在适度规模，低于该规模，家庭负债有推动消费的作用；高于该规模，则会出现“挤出效应”[6]；张斌等梳理1951—2010年的36个国家债务信息发现，多数经济危机是由于居民家庭债务规模扩大引起的[4]。关于家庭负债规模攀升的成因分析。冯明通过分析“债务/国内生产总值”比率发现，高储蓄率是家庭债务偏高的主要原因，但随着居民的住房投机心理愈演愈烈[7]，朱高林、孙丹等认为居民的房地产需求导致家庭负债趋高[8，9]。关于家庭负债的影响因素研究。家庭负债的主要影响因素包括家庭财富和收入、家庭人口统计特征因素及风险偏好等。胡振等利用最新的消费金融调查数据估计家庭负债的影响因素，发现家庭财富和收入是家庭负债的决定因素[10]；陈斌开等、柴时军等采用Probit模型分析表明家庭人口统计特征是影响家庭负债的重要影响因素[11，12]；谢绵陛、胡中立等采用家庭金融调查数据，运用多变量Tobit和Probit模型估计家庭负债的决定因素，发现风险偏好高的家庭，负债水平往往偏高。认为风险偏好是影响家庭负债的主要因素[13，14]。

从上述研究来看，在关于中国居民家庭负债影响因素的研究中，学者主要从家庭财富和收入、风险偏好等微观层面，对影响家庭负债的影响因素进行宏观与微观相结合的研究较为少见。家庭负债能既反映家庭财富和收入状况，也反映了家庭的个体与人口统计学特征，对其分析既有利于提高家庭应对如新冠疫情等特殊风险的冲击，又有利于稳定和扩大居民家庭收入，推动中国经济平稳发展。基于此，本研究采用2018年中国家庭追踪调查(CFPS)分析中国居民家庭负债水平，运用Tobit、Probit模型探究影响中国居民家庭是否持有负债及资产负债率的主要因素，本文就家庭负债的户主变量特征、家庭变量特征等主要影响因素进行探讨，以期补充中国家庭负债问题的相关探索，合理刺激消费信贷，同时为相关部门决策提供相关对策建议。

1 研究设计

1.1 数据说明

综合数据的适用性和完整性，本研究选取2018年中国家庭追踪调查(CFPS)的中国居民家庭数据。调查问卷涵盖全国25个省(直辖市、自治区)，总计获取4万多户家庭数据，基本保证了调研中国家庭样本数据的代表性和随机性，该调查问卷不仅包括性别、年龄、婚姻状况、政治面貌、健康程度、受教育程度等户主特征变量基本信息，还包括家庭借贷情况、财务资产、家庭人口规模、总房产、净收入等家庭特征变量信息。本文在剔除部分数据缺失值和不匹配数据后，最后采纳的数据样本量为13210个。

1.2 变量选取与描述

本文的主要目的是探究影响中国居民家庭是否持有负债及其资产负债率的主要因素，因此将家庭是否持有负债和家庭负债程度2个指标作为衡量家庭负债行为的核心被解释变量。中国居民家庭是否持有负债中，若家庭持有负债则为1，反之为0；资产负债率(又称家庭负债程度)采用“家庭总负债/家庭总资产”测度[13，15]。

通过对文献的梳理[10，16-18]，本文的解释变量分别从户主特征变量和家庭特征变量两方面分析。户主特征变量包括年龄、性别、政治面貌、学历、婚姻状况、健康程度、家庭人口规模。家庭特征变量主要包括金融资产、家庭总收入、房产和资产。由于经济类解释变量数值在回归结果中可能出现的异方差和非线性等不确定性现象，故对其对数化分析，见表1。

表1 主要变量定义

对变量的描述性统计如表2所示。家庭负债选择的均值是0.33，即选择持有负债的居民家庭在所有样本家庭中占比33%，居民家庭负债程度的均值为0.13，其中最大值是24.27，最小值是0。中国居民家庭户主的平均年龄约为50岁，其中家庭户主年龄最小的为11岁，年龄最大的家庭户主为95岁；家庭户主性别中男性偏多，占比53%；政治面貌为中共党员的户主偏少，占比11%；学历均值为2.8，处于小学与初中学历之间，接近初中水平，户主的是受教育程度偏低；已婚家庭占比达80%；健康状况变量均值为3.06，1代表不健康，5代表非常健康，说明大多数家庭健康状况较良好；家庭人口规模均值3.55，区间分布在1～21人，说明中国家庭人口数普遍偏低，家庭人口规模较小。持有金融产品资产的均值达7.72%，购买房产的家庭均值为66.05，平均家庭收入为8.93，说明购买金融产品资产的家庭较少，且家庭收入多投资于房产，负债为房贷的家庭较多。

表2 变量的描述性统计结果

1.3 实证模型构建

基于中国家庭负债选择的二值虚拟变量数据，通过对文献的梳理，本研究选取Probit模型分析中国居民家庭选择是否持有负债的影响因素。该模型的形式公式：

P(yi=1∣x)=φ(β0+β1x1+β2x2+…+βkxk

+εi)

(1)

式中，yi表示家庭是否持有负债，yi取值为1或0；x1，x2，…，xk表示家庭负债选择的各影响因素，包括年龄、性别、学历、健康、婚姻、家庭人口规模、金融资产、政治面貌、家庭总收入等；εi为随机扰动项。

分析变量对中国家庭负债程度的影响时，由于各个家庭负债占家庭总资产的比例不尽相同，且部分家庭未持有负债，即该家庭的负债观测值为0，即被解释变量中存在部分属于删改或者截取数据情况的0值，运用OLS回归可能会出现偏差，因此选取Tobit模型分析。其基准方程：

(2)

2 实证结果与分析

2.1 家庭负债选择的影响因素

负债选择的Probit模型回归结果如表3所示，第(1)列仅分析户主特征变量的Probit模型回归结果，第(2)列是在第(1)列的基础上加入家庭资产和收入2个家庭特征变量，对2组数据进行比较。

表3 家庭负债选择的Probit模型回归结果

第(1)列回归结果表明，户主年龄和户主学历对家庭负债选择具有显著的负向影响，年龄、学历水平每上升1个单位，家庭选择持有负债的可能性分别减少2.4%和2.8%。考虑到家庭生命周期理论，户主年龄相对较高时，其家庭消费观相对保守，不愿与银行等金融机构或其他人存在借贷关系；户主受教育年限越大，其社会生产效率相对较高，对负债的需求量较低。

其余解释变量对家庭负债选择均具有显著的正向影响。具体而言，男性、政治面貌为党员、已婚、健康状况良好、家庭人口规模较大都会显著地提高家庭持有负债的可能性。其中，男性比女性更倾向持有家庭负债，可能是因为男性在中国家庭的决策权偏多；已婚家庭比未婚家庭人口数量与消费需求偏高，面临家庭经济风险的可能性较高，促使其选择持有家庭负债比例增加；家庭中户主的健康水平是家庭是否持有负债的重要影响因素，其健康状况越好、医疗支出较小，保障了家庭预期收入、偿债能力强，家庭消费水平相对上升，促使其选择家庭负债可能性越大。

第(2)列在第(1)列的基础上引入家庭特征变量，其Probit模型的回归结果显示，年龄、学历、家庭总资产对家庭选择持有负债均具有显著的负向影响，户主年龄越大、学历越高、家庭总资产越多的家庭持有负债的概率越小；家庭总资产越大，需要选择持有负债来满足生活和投资等消费的可能性越低；性别、政治面貌、婚姻状况、健康程度、家庭人口规模、金融资产、家庭收入、房产会显著增加家庭持有负债的概率；单纯从家庭选择负债影响程度分析，上述解释变量中，房产对居民家庭选择负债的影响程度最高(3.5%)，影响程度最低的是收入(0.3%)，由于住房是每个家庭必不可少的基本生活需求，且自房地产行业市场化改革后，中国家庭居民对房地产投资趋之若鹜，即使居民家庭的经济水平难以负担高额的房产投资，但房产仍是居民家庭首选的投资单品，超前投资致使负债购房成为当下主流购房趋势[20]；家庭收入每增加1个单位，家庭持有负债的概率上升0.3%，收入越高的家庭偿债能力较强，其选择负债的概率相对越大。

2.2 家庭负债程度的影响因素

表4中，第(1)列是对户主特征变量的Tobit模型回归结果，第(2)、(3)、(4)列分别引入了不同的控制变量，分析各个控制变量对负债程度的影响，分别对应是否控制金融资产、家庭总收入和房产的不同组合。其中第(1)列的结果表明，年龄、受教育程度的增加会显著降低家庭负债程度，户主年龄越大导致家庭负债程度相对越低，户主年龄越大，其负债的选择相对较小，不倾向于承担负债与较大的生活负担；户主的学历每增加1个单位，家庭负债程度显著下降4.5%，由于受教育水平相对越高的家庭偿债能力较强，对债务的需求较弱，从而导致家庭负债程度降低。

表4 家庭负债程度的Tobit模型回归结果

性别、政治面貌、婚姻状况、健康程度、家庭人口规模对家庭资产负债率均有显著的正向影响。具体的说，其他条件不变，户主性别由女性换为男性、政治面貌由非党员转换为党员、婚姻状况由单身转换为已婚、健康状况上升1个单位、家庭人口增加1个单位，家庭负债率至少增加10.2%、10.4%、6.7%、4.7%、7.5%，尤其是性别和政治面貌对家庭负债率的影响更为显著，表明男性和党员倾向于增加负债，可能是因为男性相比较女性更偏向于投资负债，且家庭户主中男性居多，使其家庭负担较大，通过投资负债来解决家庭资产负担。党员家庭负债率高，可能是党员的投资渠道较多，如在农村合作社，党员干部拥有更多的投资资源。已婚家庭比未婚家庭人口数量多，住房消费、医疗消费、生活消费等支出增加，随之负债需求变大，家庭负债程度因此上升。户主健康状况较好的家庭偿债能力较强，反之健康状况较差的家庭，其医疗支出水平较高、负债的可能性较大，且偿债能力较弱。家庭人口规模大对家庭负债程度具有显著正向作用，可能是由于老人和小孩在家庭人口规模中占比较大，抚养老人和小孩的消费支出相对较多，致使该家庭负债需求增加。

第(2)列在第(1)列的基础上引入了解释变量“金融资产”，结果发现，金融资产对家庭负债程度具有显著地负向影响，金融资产每增加1个单位，负债率会下降0.3%，这说明家庭金融资产越多，其负债需求相对越少，家庭负债程度处于较低水平。第(3)列在第(2)列的基础上添加解释变量“家庭总收入”，家庭总收入的增加会显著提高家庭负债程度，可能由于家庭总收入增加，家庭可支配收入增多、生活水平提高，为满足更高的消费水平从而增加负债。第(4)列在第(3)列中再增加解释变量“房产”，房产对家庭负债程度有显著地负向影响，结果表明房产越多，家庭负债程度会相对降低，出现该结果的原因可能是由于数据原因，在测算家庭总收入和家庭总房产时部分数据没有完全删除分离异常值，如年收入在百万元以上的部分家庭数据，导致研究结论出现误差。

3 结论及政策启示

本文基于2018年中国家庭追踪调查数据，分析中国家庭负债状况，运用Probit及Tobit模型实证检验家庭负债选择与家庭负债程度的影响因素，本文主要研究结果：家庭户主的年龄和学历对是否选择持有负债呈现显著负向影响，随着房地产愈加受中国家庭的青睐，多数家庭会选择以持有负债的形式购买房产，而高收入家庭更是如此；金融资产对资产负债率存在显著的负向影响，金融资产每增加1个单位，负债率会下降0.3%，家庭总收入的增加会显著提高家庭负债，可能是由于收入相对较高家庭的偿债能力较强，其家庭负债已不再是为了平滑消费，而是通过以负债投资等方式获取更多收益；对家庭负债选择与程度均显著且稳健影响的是居民家庭户主的年龄、性别、政治面貌、学历、婚姻、健康程度。

综合以上结论，总结出以下政策启示：房产仍是中国家庭选择持有负债的最主要影响因素，为使房地产行业稳步发展，政府应当合理调配，稳定房地产市场，引导居民家庭根据自身经济条件水平树立良好的投资观，不盲目跟风投资；完善的医疗保障制度有助于缓解家庭经济压力，健康是每个家庭的“地基”和“顶梁柱”，重视家庭健康必不可少，进一步完善社会保障；银行等国家金融机构应制定较为合理的负债条件，特别是在“后疫情时代”，银行等国家金融机构应当引导中国居民家庭根据自身经济能力合理负债，此外，适当拓宽金融投资渠道，增加居民家庭可选择投资金融项目的种类，促使金融市场多元化，全面化发展也是国家金融机构亟待解决的问题；合理的持有负债可以稳定居民家庭消费水平，促进经济社会和谐发展，但居民家庭的过度负债可能会增加其经济脆弱性。中国居民家庭应规避因不合理负债导致的家庭财务风险，协调家庭各类消费支出，将家庭负债控制在合理水平。