第三节
研究中使用的计量模型、变量和数据来源

一、模型和方法

（一）计量模型

本章建立了住房影响家庭投资决策的计量模型，如式（2-1）所示，同时引入家庭劳动收入、金融财富（非住房财富）、年龄结构、性别、职业等家庭和个体特征变量作为控制变量，就房价（或房产市值）对于家庭股票市场参与度（或家庭风险资产持有率）等投资决策行为的影响进行回归分析。

其中，Yi,t为t时家庭i持有的风险资产占总资产的比例，包括家庭的风险偏好，股票市场参与率和风险资产占比，pricei,t为t时家庭i持有的住房价格，Xi,t为一系列地区和家庭、个人特征控制变量，φi,t为残差，用来刻画家庭投资异质性偏好。

（二）方法和识别策略

结合被解释变量的数据特征，本章涉及离散因变量模型、有序概率模型和普通最小二乘法等方法对式（2-1）进行估计。具体的识别策略包括：

（1）基准模型设计。在基准回归模型中观测房价、住房市值以及城市房价风险对家庭风险偏好和资产配置行为的影响；接着引入房价、住房市值与城市房价风险的交互项，观测在不同房价背景风险下，家庭投资决策行为的变化。

（2）机制检验设计。在借鉴Yao和Zhang（2005）以及Chetty等（2017）的研究基础上，尝试对房价影响家庭资产配置的可能机制进行识别，包括对家庭住房的自住和投资功能以及住房资产的净资产效应和抵押负债效应等进行分离。具体包括：①区分家庭房产的自住和投资功能。相比持有多套房的家庭，仅有一套住房的家庭更侧重自住功能，因此可以通过区分家庭持有房产的数量来进行识别。②考察家庭住房增值的财富效应。住房财富增值的多少可能影响到家庭的主观财富感受并影响家庭的投资决策。③区分房产的净资产效应和抵押负债效应。由于家庭一般会采取按揭贷款购买住房，因而房价波动对于有购房负债和无购房负债的家庭产生的影响不同。

（3）内生性问题的解决。由于受其他不可观测因素的影响，住房与家庭资产配置行为之间可能存在内生性问题，因此拟采用家庭房屋距离市中心的距离和家庭所在城市的住房供给弹性作为家庭房价和城市房价风险的工具变量进行两阶段最小二乘法回归。

二、数据和变量

本章使用的数据主要有两类来源：一是来自西南财经大学中国家庭金融调查与研究中心提供的2011年中国家庭金融调查数据的家庭数据库和个人数据库，包括全国25个省区市、80个县、320个社区的8 438户家庭和29 324位居民；二是《中国区域经济统计年鉴》和《中国城市统计年鉴》提供的中国地级市住房价格和城市特征变量。其中，值得一提的是，相比以往研究，本章为了有效识别房价风险的地理异质性，专门申请了CHFS的地级市代码，并将其与统计年鉴的地级市变量、70个大中城市的房价风险指数等进行逐一匹配，最后得到了21个省区市和29个城市的家庭及个体数据。本章研究中所涉及的变量如下。

（一）被解释变量

1．家庭的风险偏好

采用调查问卷中受访者的多值主观风险偏好态度（risk_5）作为考察变量，该调查对应的具体问题为：“如果有一笔资产，您愿意选择哪种投资项目？1．不愿意承担任何风险；2．略低风险、略低回报的项目；3．平均风险、平均回报的项目；4．略高风险、略高回报的项目；5．高风险、高回报的项目。”

2．家庭投资决策

分别采用居民的股票市场参与率（ifstock）和居民风险资产占比（r_risk）两类指标来度量居民及家庭的投资决策行为。具体而言，采用居民是否拥有股票账户来度量居民股市参与率；使用股票资产、债券资产、基金资产等风险资产与受访者家庭总资产的比例来衡量居民拥有的风险资产占比。

（二）解释变量

本章的核心解释变量为住房价格（price），采用居民房屋的市场价值与建筑面积之比来衡量。另外，考虑到不同地区房价差异较大，又引入了家庭的住房市值（hv）作为解释变量，采用当前家庭住房市值来衡量。为防止异方差问题，在回归中均采用对数处理。

另一核心变量即城市房价风险（hprisk），主要参考由Markowitz（1952）提出的“均值—方差”风险模型的思路来度量城市房价风险。具体方法和数据来源参考周京奎等（2016）的研究，先计算该年度每个城市每个月的住房价格偏差，接着计算出该年度每个城市每个月的住房价格偏差的标准差，然后再将住房价格风险指数进行标准化，最后汇总二手住房、新建商品住房和新建住宅等3套指数综合得出住房价格风险指数。

此外，参考已有研究文献，本章选取家庭的财富和收入水平（Haliassos and Bertaut，1995），家庭和个体特征，包括家庭规模、居民的年龄（Morin and Suarez，1983）、性别（Wei and Zhang，2011）、受教育程度（Chamon and Prasad，2010）、婚姻状况（Arrondel and Lefebvre，2001）以及是否移民等可能影响居民风险偏好以及家庭投资决策行为的系列变量作为控制变量。同样地，在回归分析中我们对家庭财富和收入水平进行取对数处理。相关变量的定义如表2-1所示。

（三）变量的基本描述性统计

相关变量的原始数据的基本描述性统计如表2-2所示，从调查数据分布来看，无论是房价、住房市值还是住房市值的变化值都存在较大的差异性。

进一步地，采用散点图直观展现住房价格、家庭住房市值和家庭住房增值以及城市房价风险与家庭持有风险资产比例的关系。研究发现，无论是住房价格还是住房市值变化值，都与家庭风险资产比率存在正相关关系，即住房价格和住房市值变化都提高了家庭持有风险资产的比例（见图2-2）。