家庭人口结构从哪些方面会影响家庭金融资产配置
家庭金融资产是反映居民生活水平的重要指标之一,也是衡量一国经济实力的重要依据。随着居民收入水平的不断提高,家庭金融资产在整个金融资产中的比重越来越大,在宏观经济运行中发挥着重要作用。在国际金融危机的影响下,为实现“保增长、扩内需”的宏观经济目标,鼓励家庭进行合理的金融资产投资,引导家庭金融资产流向,对于扩大内需、刺激经济增长发挥着重要的作用。 随着债券、股票、基金、保险等金融产品的不断发展,家庭金融资产的投资选择行为也变得日益复杂,在这样的背景下,研究我国家庭金融资产选择行为的影响因素具有重要意义。 一、国内外文献综述及述评 在2006年美国金融年会上,Campbel...全部
家庭金融资产是反映居民生活水平的重要指标之一,也是衡量一国经济实力的重要依据。随着居民收入水平的不断提高,家庭金融资产在整个金融资产中的比重越来越大,在宏观经济运行中发挥着重要作用。在国际金融危机的影响下,为实现“保增长、扩内需”的宏观经济目标,鼓励家庭进行合理的金融资产投资,引导家庭金融资产流向,对于扩大内需、刺激经济增长发挥着重要的作用。
随着债券、股票、基金、保险等金融产品的不断发展,家庭金融资产的投资选择行为也变得日益复杂,在这样的背景下,研究我国家庭金融资产选择行为的影响因素具有重要意义。 一、国内外文献综述及述评 在2006年美国金融年会上,Campbell提出将家庭金融(Household Finance)作为与资产定价、公司金融等传统的金融研究方向并立的一个独立的新研究方向,指出家庭金融是研究家庭如何选择金融工具去实现差别化财富目标的问题。
目前关于家庭金融的研究已成为金融学研究中的一个重要前沿领域。 现有研究主要从两个方面展开:一是研究经济特征、生命周期、人口特征等因素对金融资产选择的影响,二是对“有限参与”之谜的解释。Heaton和Lucas(2000a)在研究中引入工资机制,分析发现家庭的工资收入与股票收益之间高度相关,具有高背景风险(Background Risk)的家庭对风险资产的投资很少。
Guiso等(1996)使用意大利的数据发现较高的工资收入风险与较低的风险资产持有相关。Yoo(1994)使用SCF(美国消费者金融调查)的三个独立年份的截面数据分析资产配置中的年龄效应,发现家庭投资股票的比例在职业生涯中增长,在退休后下降,形成驼峰形状。
Iwaisako(2003)对日本家庭的研究也得出类似的结论。Heaton和Lucas(2000a)的研究却发现年龄曲线通常是下降的。Agnew(2003)、Iwaisako(2003)、Shum和Faig (2006)在研究中考虑到了人口统计特征,认为性别、婚姻状况、受教育程度等都会影响家庭金融资产的配置。
对于家庭在不同金融资产尤其是风险金融资产的“有限参与”状况,主要是从投资偏好、投资情绪、交易成本等方面给出相关解释。Gusio和Paiella(2005)通过实证发现投资于风险资产的比例随着风险厌恶程度的增加而减少,并且风险厌恶人群投资风险资产的比例要低于风险偏好的人群。
Guiso、Sapienza和Zingales(2004)研究发现对外界社会、金融机构等信任度高的家庭更情愿投资风险资产。Hong、Kubik和Stein(2004)考虑了社会互动,认为家庭会受身边所交往朋友和其他群体的影响,进而做出类似的资产配置。
Cocco等(2005)指出持有风险资本是有参与成本的,包括风险资产交易时对资金的最低门槛要求,交易的固定成本,对风险投资品的评估所需要花费的时间、精力等。 国内由于缺少类似SCF、FRS(英国金融资产调查)等专业调查数据,家庭金融的研究发展缓慢。
早期基本是利用宏观经济统计数据进行相关金融资产总量与结构方面的研究(谢平,1998;龙志和、周浩明,2000;臧旭恒、刘大可,2003)。随着研究的深入,有学者通过宏观数据采用一定的统计方法推算家庭金融资产的总量和结构数据进而展开相关研究(李建军、田光宁,2001;袁志刚、冯俊,2005;骆祚炎,2007)。
然而估算所得数据与现实存在巨大偏差,在家庭金融研究方面使用宏观数据的弊端日益显露出来,所得结论不断受到挑战。史代敏、宋艳(2005)较早注意到微观数据的重要性,利用2002年的调查数据展开了相关研究,但他们并未注意到不同类型家庭资产选择行为的差异。
邹红、喻开志(2009)通过问卷调查数据,用统计描述的方法研究家庭金融资产选择的特征,统计分析的最大不足是没有控制住其他变量的影响。王宇、周丽(2009)通过问卷数据分析了农村家庭参与金融市场的影响因素,但中国农村金融市场相对落后,可供选择的金融产品较少,加上农村居民对不同金融工具的认识程度不高,除储蓄存款外,其他金融产品的参与度非常有限,所得结论的适用范围有限。
通过对已有文献的梳理和分析可以发现:(1)利用微观调查数据对家庭金融资产选择行为进行实证分析的文献在国内还相当匮乏,相关研究有待进一步发展。(2)目前众多研究将研究主体定位在个人投资者,对于家庭的金融投资分析却很少涉及。
(3)随着收入的增加,保险等保障支出作为一种新的金融消费需求日益受到家庭的重视。Li(2008)指出对于家庭来说,购买保险与大部分资产科目的选择是直接相关的,Lin和Grace(2005)利用美国SCF统计数据发现不同的生命阶段对保险有不同的需求,保险的保障功能在家庭资产选择中发挥着不可替代的作用,而现有国内相关家庭金融投资的文献却很少涉及保险投资。
本文以家庭作为研究主体,在借鉴行为金融研究成果的基础上,将风险偏好、信任度、投资者预期、投资者情绪等行为变量考虑到家庭的投资决策中,分析家庭的金融资产选择行为。考虑到城镇家庭的金融资产选择更加多样,其金融资产选择行为更具代表性,因此研究将调查样本限于城镇家庭,以江苏南京的抽样调查结果作为实证数据来源。
本文将家庭金融资产按照风险――收益大小进行归类,遵照王广谦(2002)的划分标准,分别从货币类产品投资、证券类产品投资、保障类产品投资三个方面展开,分析家庭金融资产选择行为的影响因素。 二、数据的收集与检验 本文研究中所涉及的各变量数据是通过在江苏南京的专门问卷调查收集的。
调查的概念量表在设计时参考了“北京奥尔多投资咨询中心的投资者行为调查”、李心丹等“个体投资者问卷调查”等已使用的成熟量表,以及江苏省统计公报,于蓉(2006),王冀宁、李心丹(2003)等的研究结论。
问卷共分三个部分,第一部分是对家庭结构的调查,主要收集家庭投资决策者的人口统计特征以及家庭人口等基本信息。第二部分是关于家庭金融资产配置状况的调查。第三部分是关于家庭经济状况以及投资者行为的调查,同时为了有效发现实际调查中随意填写等情况,还专门加入了“验证题”和“测谎题”来帮助剔除无效问卷①。
(一)问卷的实施与回收 调查采用分层随机抽样方法,样本主要集中在各区人口比较集中的证券公司、银行、保险公司及商贸区,时间是从2008年12月―2009年1月,2009年2月―2009年3月完成数据的清洗工作和编码录入。
清洗工作主要是删除异常值以及利用问卷中的“验证题”和“测谎题”来剔除明显乱填的无效问卷。对部分问卷中缺失值的处理方式是:第二部分缺失的直接归为无效问卷,其他部分缺失涉及研究变量在5项以内的用众数填充法补充,超过5项的归为无效问卷。
最后经汇总统计,共发放问卷520份,回收334份,回收率64。2%,最终共获取有效样本290个,回收有效率为86。8%。有效样本的基本特征如表1所示。 从表1的样本特征可以看出,样本中家庭投资决策者多为男性,并且年龄主要介于31―40岁之间。
受教育程度大多在大专以上,大专以上学历的超过50%。另外,被调查的家庭多是三口之家,并且有35。17%的家庭月收入在3000―5000元之间。总体来说,样本的抽样结果基本服从正态分布的特征,抽样结构是合理的。
问卷中每个观察值对应一个家庭。对家庭的理解遵循于蓉(2006)的定义,认为家庭包括一个经济上独立的个人或者夫妻以及经济上依赖于个人或夫妻的其他成员,并且假定被调查者对整个家庭的投资状况是了解的,对家庭投资决策者的基本特征是熟悉的。
此外,认为未婚的个人投资者是家庭人口为1的特殊家庭投资决策者,忽略其中的个人与家庭的差异性,认为其个人的金融资产选择行为与家庭的金融资产选择行为具有一致性。 (二)调查的信度分析 选用克朗巴哈(Cronbach)系数测量条款的内部一致性来评价数据的可信度,其计算公式为: 其中 为量表中题项的总数,为第题得分的题内方差,为全部题项总得分的方差。
由于该系数主要适用于观点、态度等问卷式的信度分析,一般认为信度系数不能低于0。5,如果信度系数达到0。8,说明调查结果是非常可靠的。本文主要使用信度系数来测度调查问卷中家庭经济状况、投资决策者的信任度、投资者预期等调查结果的可靠性,通过SPSS17。
0分析得出克朗巴哈 信度系数为0。634,说明问卷具有较高的信度,变量的测量结果是可信的,能够满足后续研究的需要。 三、实证研究 (一)变量的选择和模型的构建 本文研究目的是对影响家庭金融资产选择行为的因素的作用程度和显著性进行实证检验,分别从货币类产品投资、证券类产品投资、保障类产品投资三个方面展开,界定投资为“1”,不投资为“0”。
在借鉴同类文献结论和研究成果的基础上,假设家庭金融资产选择的结果是家庭投资决策者的年龄、性别、受教育程度、婚姻状况、投资的风险偏好、信任度、投资者预期、投资者情绪及家庭月收入、年结余等多因素的共同作用,即,其中表示居民的投资选择行为,是影响居民投资选择行为的因素, 为随机干扰项,具体变量的选择见表2。
在实务中当遇到因变量是虚拟变量等非连续变量时,使用传统的回归分析会产生严重的误差,无法进行合理的假设检验,此时可用Logistic回归来进行分析。在本研究中以P表示家庭选择某类金融资产的概率,取值在0―1之间。
(1-P)为不选择的概率,将P作Logistic变换,即可构建Logistic判定模型: 其中 (n=1,2,3)分别指家庭在货币类产品投资(Monetary)、证券类产品投资(Securities)和保障类产品投资(Insurance)三个方面选择的概率。
通过极大似然估计(Maximum Likelihood Method),可以找到家庭资产选择与各个因素之间的相关关系。 (二) 实证分析 由于Logistic判定模型对于多重共线性非常敏感,当变量相关程度较高时,样本的较小变化将会带来系数估计的较大变化。
为了消除变量之间的多重共线性影响,文章实证部分首先使用因子分析法将变量按照相关性进行分类,提取公因子作为相关变量的替代变量。在计算因子得分的基础上运用Logistic模型分析家庭金融资产在货币类产品、证券类产品、保障类产品三个方面选择的影响因素。
1。 因子分析。使用SPSS对10个影响因素进行KMO检验和Bartlett球度检验,结果显示解释变量之间的KMO检验值达到了0。582,Bartlett球度检验值为563。414,显著性概率为0,适合进行因子分析。
根据因子分析的结果按照特征值大于1的条件提取因子,最终选择了4个公因子,此时累计贡献率达到64。267%。由公因子方差比可知,除了信任度(Trust)共性方差接近0。5外,其他每个因素的共性方差都在0。
5以上且大多超过了0。7,说明这4个因子能够较好地反映原各指标变量的大部分信息。经过因子旋转得到各个变量与公共因子的相关系数,见表3。 从因子载荷矩阵的结果看,因子1支配的因素有Age、Marriage、Education,反映的是家庭投资决策者的人口统计特征,命名为家庭结构因子(Factor1);因子2支配的因素有Income、Surplus,主要反映家庭的经济状态,命名为经济特征因子(Factor2);因子3支配的因素主要是Expectation、Sentiment,主要反映的是家庭投资者对宏观经济形势的感知状况及反应程度,命名为状态感知因子(Factor3);因子4支配的因素主要有Sex、Risk attitude、Trust,主要体现的是家庭投资者的行为特征,命名为行为特征因子(Factor4)。
需要说明的是因子分析结果将性别(Sex)与风险偏好(Risk attitude)、信任度(Trust)等投资行为特征归为一类,表明了性别与风险偏好等投资者投资行为之间具有很强的相关性,性别影响投资行为,这在Agnew(2003)、Shum和Faig (2006)等文献中已经得到了证明。
根据提取的4个公共因子,通过SPSS可以计算各因子得分。在得出因子得分的基础上,再进行Logistic回归分析,此时的模型变为: 其中分别指家庭在货币类投资(Monetary)、证券类投资(Securities)和保障类投资(Insurance)三个方面选择的概率。
2。 Logistic回归分析。根据因子分析结果,选取4个因子为自变量,分别从货币类投资(Monetary)、证券类投资(Securities)和保障类投资(Insurance)三方面进行Logistic回归,通过290个样本的分析,实证结果显示三个模型的统计值在0。
05的水平下显著,并且模型的正确识别率最低的一个(模型3,Insurance)也达到了64。5%,显示各模型能很好地拟合总体样本数据,自变量对因变量能够进行较好的解释,回归结果整理如表4。 3。
Logistic回归结果的说明。从模型1看出,对于货币类产品的投资,在0。05的显著性水平下,经济特征因子(Factor2)和状态感知因子(Factor3)影响显著,而家庭结构因子(Factor1)与行为特征因子(Factor4)未通过显著性检验,这说明家庭对理财产品、债券等货币类产品投资时,受家庭结构和投资者行为特征影响较小,而更多的是受家庭的经济状况和对宏观经济的预期影响。
从回归系数可以看出,经济特征因子对货币类产品投资的影响为正,说明家庭的经济状况越好,投资于货币类产品的可能就越大;状态感知因子对货币类产品投资的影响为负,即当家庭对宏观经济预期越好时投资货币类产品的概率越小,而对宏观经济预期越差,反而越有可能增加对货币类金融产品的投资。
这也与投资现实一致,当家庭对整个宏观经济持悲观态度时,他们就会收缩风险资产的投资,更倾向于投资债券等风险较少而收益固定的金融产品。 从模型2可以看出,在0。05的显著性水平下,对于证券类产品的投资除了状态感知因子(Factor3)外,其他各因子都通过了显著性检验。
状态感知因子未通过显著性检验,表明目前家庭在进行相关证券投资时,对宏观经济的运行状况预期不是决定其是否投资的主要因素,他们在投资时更多地考虑到家庭的基本特征、经济状况,受家庭投资决策者行为特征的影响显著。
从回归系数可以看出,首先,家庭结构因子(Factor1)对证券类产品的投资影响为负,即随着年龄的增长和受教育水平的提高,证券类产品的投资概率反而下降。年龄的影响效果得出与理财规划师建议相一致的结论:随着年龄的增长,家庭应该减少风险资产的投资比例,而增加保障性资产的投资比例。
这一结论与Heaton和Lucas(2000a)的研究结果一致,但由于研究模型的限制,没有发现Iwaisako(2003)等提出的家庭参与投资与年龄之间的驼峰关系;对于受教育水平的影响效应,实证得出了与李涛(2006)相一致的结论,一个合理的解释正如李涛(2006)指出的那样,鉴于中国股市的不完善性,教育程度高的投资者更容易了解有关股票的市场信息和会计信息的虚假成份,对股票市场的系统性风险有较清楚的认识,反而对证券的投资概率降低。
其次,经济特征因子(Factor2)和行为特征因子(Factor4)对证券类产品的投资影响为正,表明月收入和年结余等经济收入状况是家庭证券类产品投资的基础,家庭的经济状况越好越有可能增加其投资证券类产品的概率。
此外,股票等证券类金融产品的风险相对较高,家庭投资决策者的风险偏好水平以及对金融机构等的信任度将影响其投资风险资产的积极性,风险偏好水平越高,信任度越高其投资证券类产品的概率也就越大。 从模型3的结果可以看出,在0。
05的显著性水平下,对于保障类产品的投资,家庭结构因子(Factor1)和经济特征因子(Factor2)影响显著,而状态感知因子(Factor3)和行为特征因子(Factor4)未通过显著性检验,这表明家庭在进行保险投资时,主要是受家庭结构和家庭的经济状况的影响。
从回归系数来看,家庭结构因子(Factor1)和经济特征因子(Factor2)对保障类产品的投资影响都为正。分析其原因,首先,对于家庭结构因子中的年龄效应,再次得出了与理财规划师建议相一致的结论,即随着年龄的增长,家庭会增加保障性资产的投资比例。
对于受教育水平的影响,由于中国的保险市场目前还不发达,家庭对保险的接受程度是存在差异的,随着受教育水平的提高,其对保险作用的认识会更加深刻,其接受的可能性也提高,因此受教育水平越高,其投资保障类产品的概率也越大。
其次,经济特征对保障类产品投资的影响效应与货币类产品、证券类产品的投资是相同的,因为经济状况是家庭金融资产选择的基础,家庭的经济收入状况将直接决定家庭的整个可供分配的金融资产数量。家庭的经济状况好,其投资保障类产品的概率自然就会增加。
综合以上三个模型的实证结论我们可以发现,在众多影响家庭金融资产选择行为的因素中,家庭结构特征因素是直接因素,其对家庭在证券类产品和保障类产品的投资选择方面有着重要影响;家庭的经济收入状况是基础因素,无论是货币类产品投资、证券类产品投资还是保障类产品投资都受到家庭经济状况的制约,并且家庭的经济状况越好,其在每一类产品的投资概率都会增加;家庭对宏观经济的感知和家庭投资决策者的行为特征也是不可忽视的因素,它们对整个家庭的金融资产选择行为也发挥着重要作用。
四、结论 本文基于微观调查数据对影响家庭金融资产选择行为的因素进行了实证分析,在因子分析的基础上进行Logistic回归,克服了已有研究中将年龄、受教育水平、经济状态等众多因素直接纳入模型无法控制自变量之间多重共线性的不足;研究结论丰富了国内关于家庭金融的研究成果,所得结论对于相关政策制定有一定的参考价值。
同时文章还有值得进一步研究的地方:Logistic分析仅能得出相关因素是否对家庭金融资产选择行为产生影响,对于详细的金融资产投资比例分配问题有待进一步分析。此外,一个模型只能对一项金融资产选择状况的影响因素作出判断,对于不同金融资产选择行为之间的交叉效应无法体现。
相关问题将在后续研究中不断完善。 。收起
