中國居民家庭負債狀況及其影響因素研究
——基于中國家庭追蹤調查(CFPS)數據

張蕊曹健王如意

(1.新疆農業大學經濟管理學院，新疆 烏魯木齊 830052；2.華中農業大學經濟管理學院，湖北 武漢 430070)

引言

家庭作為社會經濟發展的基本單元，其債務狀況對國家經濟發展有著深遠的影響。近年來，中國家庭債務增長迅速，家庭債務已不僅僅是為了平滑收入、促進消費，已有相對富裕家庭的負債目的是投資以獲取收益等，負債已逐漸成為目前中國家庭的消費趨勢。合理的家庭負債有助于提升居民生活質量與宏觀經濟增長，但超額負債會帶來家庭財務壓力，降低居民生活幸福感，影響宏觀經濟運行。特別是新冠肺炎疫情的沖擊下，較長時間的停工停產使我國經濟發展受到重大沖擊，中國居民家庭償債能力下滑嚴重，家庭經濟脆弱性不斷加劇[1]。因此，研究中國家庭負債結構及其影響因素不僅能夠補充中國家庭負債問題的微觀研究，同時對國家制定合理經濟發展政策具有重要的現實意義。

現有對家庭負債的研究主要集中于3個方面。關于家庭負債規模的研究。學者通過從動態、靜態角度觀測中國居民部門的負債水平變化發現，居民部門資產負債表的穩健性較強，中國家庭宏觀杠桿率較低，可以適當擴大債務規模[2-5]；易行健等認為，家庭債務存在適度規模，低于該規模，家庭負債有推動消費的作用；高于該規模，則會出現“擠出效應”[6]；張斌等梳理1951—2010年的36個國家債務信息發現，多數經濟危機是由于居民家庭債務規模擴大引起的[4]。關于家庭負債規模攀升的成因分析。馮明通過分析“債務/國內生產總值”比率發現，高儲蓄率是家庭債務偏高的主要原因，但隨著居民的住房投機心理愈演愈烈[7]，朱高林、孫丹等認為居民的房地產需求導致家庭負債趨高[8，9]。關于家庭負債的影響因素研究。家庭負債的主要影響因素包括家庭財富和收入、家庭人口統計特征因素及風險偏好等。胡振等利用最新的消費金融調查數據估計家庭負債的影響因素，發現家庭財富和收入是家庭負債的決定因素[10]；陳斌開等、柴時軍等采用Probit模型分析表明家庭人口統計特征是影響家庭負債的重要影響因素[11，12]；謝綿陛、胡中立等采用家庭金融調查數據，運用多變量Tobit和Probit模型估計家庭負債的決定因素，發現風險偏好高的家庭，負債水平往往偏高。認為風險偏好是影響家庭負債的主要因素[13，14]。

從上述研究來看，在關于中國居民家庭負債影響因素的研究中，學者主要從家庭財富和收入、風險偏好等微觀層面，對影響家庭負債的影響因素進行宏觀與微觀相結合的研究較為少見。家庭負債能既反映家庭財富和收入狀況，也反映了家庭的個體與人口統計學特征，對其分析既有利于提高家庭應對如新冠疫情等特殊風險的沖擊，又有利于穩定和擴大居民家庭收入，推動中國經濟平穩發展。基于此，本研究采用2018年中國家庭追蹤調查(CFPS)分析中國居民家庭負債水平，運用Tobit、Probit模型探究影響中國居民家庭是否持有負債及資產負債率的主要因素，本文就家庭負債的戶主變量特征、家庭變量特征等主要影響因素進行探討，以期補充中國家庭負債問題的相關探索，合理刺激消費信貸，同時為相關部門決策提供相關對策建議。

1 研究設計

1.1 數據說明

綜合數據的適用性和完整性，本研究選取2018年中國家庭追蹤調查(CFPS)的中國居民家庭數據。調查問卷涵蓋全國25個省(直轄市、自治區)，總計獲取4萬多戶家庭數據，基本保證了調研中國家庭樣本數據的代表性和隨機性，該調查問卷不僅包括性別、年齡、婚姻狀況、政治面貌、健康程度、受教育程度等戶主特征變量基本信息，還包括家庭借貸情況、財務資產、家庭人口規模、總房產、凈收入等家庭特征變量信息。本文在剔除部分數據缺失值和不匹配數據后，最后采納的數據樣本量為13210個。

1.2 變量選取與描述

本文的主要目的是探究影響中國居民家庭是否持有負債及其資產負債率的主要因素，因此將家庭是否持有負債和家庭負債程度2個指標作為衡量家庭負債行為的核心被解釋變量。中國居民家庭是否持有負債中，若家庭持有負債則為1，反之為0；資產負債率(又稱家庭負債程度)采用“家庭總負債/家庭總資產”測度[13，15]。

通過對文獻的梳理[10，16-18]，本文的解釋變量分別從戶主特征變量和家庭特征變量兩方面分析。戶主特征變量包括年齡、性別、政治面貌、學歷、婚姻狀況、健康程度、家庭人口規模。家庭特征變量主要包括金融資產、家庭總收入、房產和資產。由于經濟類解釋變量數值在回歸結果中可能出現的異方差和非線性等不確定性現象，故對其對數化分析，見表1。

表1 主要變量定義

對變量的描述性統計如表2所示。家庭負債選擇的均值是0.33，即選擇持有負債的居民家庭在所有樣本家庭中占比33%，居民家庭負債程度的均值為0.13，其中最大值是24.27，最小值是0。中國居民家庭戶主的平均年齡約為50歲，其中家庭戶主年齡最小的為11歲，年齡最大的家庭戶主為95歲；家庭戶主性別中男性偏多，占比53%；政治面貌為中共黨員的戶主偏少，占比11%；學歷均值為2.8，處于小學與初中學歷之間，接近初中水平，戶主的是受教育程度偏低；已婚家庭占比達80%；健康狀況變量均值為3.06，1代表不健康，5代表非常健康，說明大多數家庭健康狀況較良好；家庭人口規模均值3.55，區間分布在1～21人，說明中國家庭人口數普遍偏低，家庭人口規模較小。持有金融產品資產的均值達7.72%，購買房產的家庭均值為66.05，平均家庭收入為8.93，說明購買金融產品資產的家庭較少，且家庭收入多投資于房產，負債為房貸的家庭較多。

表2 變量的描述性統計結果

1.3 實證模型構建

基于中國家庭負債選擇的二值虛擬變量數據，通過對文獻的梳理，本研究選取Probit模型分析中國居民家庭選擇是否持有負債的影響因素。該模型的形式公式：

P(yi=1∣x)=φ(β0+β1x1+β2x2+…+βkxk

+εi)

(1)

式中，yi表示家庭是否持有負債，yi取值為1或0；x1，x2，…，xk表示家庭負債選擇的各影響因素，包括年齡、性別、學歷、健康、婚姻、家庭人口規模、金融資產、政治面貌、家庭總收入等；εi為隨機擾動項。

分析變量對中國家庭負債程度的影響時，由于各個家庭負債占家庭總資產的比例不盡相同，且部分家庭未持有負債，即該家庭的負債觀測值為0，即被解釋變量中存在部分屬于刪改或者截取數據情況的0值，運用OLS回歸可能會出現偏差，因此選取Tobit模型分析。其基準方程：

(2)

2 實證結果與分析

2.1 家庭負債選擇的影響因素

負債選擇的Probit模型回歸結果如表3所示，第(1)列僅分析戶主特征變量的Probit模型回歸結果，第(2)列是在第(1)列的基礎上加入家庭資產和收入2個家庭特征變量，對2組數據進行比較。

表3 家庭負債選擇的Probit模型回歸結果

第(1)列回歸結果表明，戶主年齡和戶主學歷對家庭負債選擇具有顯著的負向影響，年齡、學歷水平每上升1個單位，家庭選擇持有負債的可能性分別減少2.4%和2.8%。考慮到家庭生命周期理論，戶主年齡相對較高時，其家庭消費觀相對保守，不愿與銀行等金融機構或其他人存在借貸關系；戶主受教育年限越大，其社會生產效率相對較高，對負債的需求量較低。

其余解釋變量對家庭負債選擇均具有顯著的正向影響。具體而言，男性、政治面貌為黨員、已婚、健康狀況良好、家庭人口規模較大都會顯著地提高家庭持有負債的可能性。其中，男性比女性更傾向持有家庭負債，可能是因為男性在中國家庭的決策權偏多；已婚家庭比未婚家庭人口數量與消費需求偏高，面臨家庭經濟風險的可能性較高，促使其選擇持有家庭負債比例增加；家庭中戶主的健康水平是家庭是否持有負債的重要影響因素，其健康狀況越好、醫療支出較小，保障了家庭預期收入、償債能力強，家庭消費水平相對上升，促使其選擇家庭負債可能性越大。

第(2)列在第(1)列的基礎上引入家庭特征變量，其Probit模型的回歸結果顯示，年齡、學歷、家庭總資產對家庭選擇持有負債均具有顯著的負向影響，戶主年齡越大、學歷越高、家庭總資產越多的家庭持有負債的概率越小；家庭總資產越大，需要選擇持有負債來滿足生活和投資等消費的可能性越低；性別、政治面貌、婚姻狀況、健康程度、家庭人口規模、金融資產、家庭收入、房產會顯著增加家庭持有負債的概率；單純從家庭選擇負債影響程度分析，上述解釋變量中，房產對居民家庭選擇負債的影響程度最高(3.5%)，影響程度最低的是收入(0.3%)，由于住房是每個家庭必不可少的基本生活需求，且自房地產行業市場化改革后，中國家庭居民對房地產投資趨之若鶩，即使居民家庭的經濟水平難以負擔高額的房產投資，但房產仍是居民家庭首選的投資單品，超前投資致使負債購房成為當下主流購房趨勢[20]；家庭收入每增加1個單位，家庭持有負債的概率上升0.3%，收入越高的家庭償債能力較強，其選擇負債的概率相對越大。

2.2 家庭負債程度的影響因素

表4中，第(1)列是對戶主特征變量的Tobit模型回歸結果，第(2)、(3)、(4)列分別引入了不同的控制變量，分析各個控制變量對負債程度的影響，分別對應是否控制金融資產、家庭總收入和房產的不同組合。其中第(1)列的結果表明，年齡、受教育程度的增加會顯著降低家庭負債程度，戶主年齡越大導致家庭負債程度相對越低，戶主年齡越大，其負債的選擇相對較小，不傾向于承擔負債與較大的生活負擔；戶主的學歷每增加1個單位，家庭負債程度顯著下降4.5%，由于受教育水平相對越高的家庭償債能力較強，對債務的需求較弱，從而導致家庭負債程度降低。

表4 家庭負債程度的Tobit模型回歸結果

性別、政治面貌、婚姻狀況、健康程度、家庭人口規模對家庭資產負債率均有顯著的正向影響。具體的說，其他條件不變，戶主性別由女性換為男性、政治面貌由非黨員轉換為黨員、婚姻狀況由單身轉換為已婚、健康狀況上升1個單位、家庭人口增加1個單位，家庭負債率至少增加10.2%、10.4%、6.7%、4.7%、7.5%，尤其是性別和政治面貌對家庭負債率的影響更為顯著，表明男性和黨員傾向于增加負債，可能是因為男性相比較女性更偏向于投資負債，且家庭戶主中男性居多，使其家庭負擔較大，通過投資負債來解決家庭資產負擔。黨員家庭負債率高，可能是黨員的投資渠道較多，如在農村合作社，黨員干部擁有更多的投資資源。已婚家庭比未婚家庭人口數量多，住房消費、醫療消費、生活消費等支出增加，隨之負債需求變大，家庭負債程度因此上升。戶主健康狀況較好的家庭償債能力較強，反之健康狀況較差的家庭，其醫療支出水平較高、負債的可能性較大，且償債能力較弱。家庭人口規模大對家庭負債程度具有顯著正向作用，可能是由于老人和小孩在家庭人口規模中占比較大，撫養老人和小孩的消費支出相對較多，致使該家庭負債需求增加。

第(2)列在第(1)列的基礎上引入了解釋變量“金融資產”，結果發現，金融資產對家庭負債程度具有顯著地負向影響，金融資產每增加1個單位，負債率會下降0.3%，這說明家庭金融資產越多，其負債需求相對越少，家庭負債程度處于較低水平。第(3)列在第(2)列的基礎上添加解釋變量“家庭總收入”，家庭總收入的增加會顯著提高家庭負債程度，可能由于家庭總收入增加，家庭可支配收入增多、生活水平提高，為滿足更高的消費水平從而增加負債。第(4)列在第(3)列中再增加解釋變量“房產”，房產對家庭負債程度有顯著地負向影響，結果表明房產越多，家庭負債程度會相對降低，出現該結果的原因可能是由于數據原因，在測算家庭總收入和家庭總房產時部分數據沒有完全刪除分離異常值，如年收入在百萬元以上的部分家庭數據，導致研究結論出現誤差。

3 結論及政策啟示

本文基于2018年中國家庭追蹤調查數據，分析中國家庭負債狀況，運用Probit及Tobit模型實證檢驗家庭負債選擇與家庭負債程度的影響因素，本文主要研究結果：家庭戶主的年齡和學歷對是否選擇持有負債呈現顯著負向影響，隨著房地產愈加受中國家庭的青睞，多數家庭會選擇以持有負債的形式購買房產，而高收入家庭更是如此；金融資產對資產負債率存在顯著的負向影響，金融資產每增加1個單位，負債率會下降0.3%，家庭總收入的增加會顯著提高家庭負債，可能是由于收入相對較高家庭的償債能力較強，其家庭負債已不再是為了平滑消費，而是通過以負債投資等方式獲取更多收益；對家庭負債選擇與程度均顯著且穩健影響的是居民家庭戶主的年齡、性別、政治面貌、學歷、婚姻、健康程度。

綜合以上結論，總結出以下政策啟示：房產仍是中國家庭選擇持有負債的最主要影響因素，為使房地產行業穩步發展，政府應當合理調配，穩定房地產市場，引導居民家庭根據自身經濟條件水平樹立良好的投資觀，不盲目跟風投資；完善的醫療保障制度有助于緩解家庭經濟壓力，健康是每個家庭的“地基”和“頂梁柱”，重視家庭健康必不可少，進一步完善社會保障；銀行等國家金融機構應制定較為合理的負債條件，特別是在“后疫情時代”，銀行等國家金融機構應當引導中國居民家庭根據自身經濟能力合理負債，此外，適當拓寬金融投資渠道，增加居民家庭可選擇投資金融項目的種類，促使金融市場多元化，全面化發展也是國家金融機構亟待解決的問題；合理的持有負債可以穩定居民家庭消費水平，促進經濟社會和諧發展，但居民家庭的過度負債可能會增加其經濟脆弱性。中國居民家庭應規避因不合理負債導致的家庭財務風險，協調家庭各類消費支出，將家庭負債控制在合理水平。