人格特征与家庭负债

来源:用户上传      作者:

　　摘   要：基于家庭追踪调查数据以及文献中普遍接受的“大五”人格分类法，本文实证分析了个体人格特征对家庭负债的影响。回归结果显示，不论是对于是否负债、负债规模还是负债比重，外向性的估计系数始终统计为负，而严谨性、顺同性和神经质这三个人格特质的估计系数显著为正，开放性的影响则基本不显著。进一步地，顺同性特征明显、神经质程度高的个体更有可能过度负债。在使用2014年的人格特征变量对2016年的家庭负债进行回归以及尝试Lewbel（2012）异方差工具变量法进行内生性问题的纠正后，估计结果依然与基准回归结果相一致。异质性回归结果显示，男性更加严谨，女性则更加外向;农村地区居民的顺同性大于城镇地区，且相较于农村地区，城镇地区居民的神经质特征更为明显。最后，本文从社会资本和金融素养两个方面验证了人格特征对家庭负债行为的影响机制。
　　关键词：人格特征;家庭负债;异方差工具变量法
　　中图分类号：F830  文献标识码：A  文章编号：1674-2265（2020）02-0032-11
　　DOI：10.19647/j.cnki.37-1462/f.2020.02.004
　　一、引言
　　伴随“崇俭黜奢”“量入为出”等传统消费观念的逐步打破，家庭部门的借贷活动日益频繁，进而导致家庭债务累积问题愈发凸显并越来越受到关注。中国人民银行发布的《2019年第一季度中国货币政策执行报告》中显示，截至2019年3月末，住户贷款余额为496985亿元，同比增长17.6%，家庭部门负债规模迅速扩张。一方面，合理的负债可以通过缩小收支缺口、平滑消费而提高家庭跨期总效用水平;另一方面，过度累积的债务反而加重家庭财务负担，严重时甚至引发金融危机拖累整个国家的经济增长（Mian等，2017）。那么，家庭在进行负债决策时将如何把握这个“度”呢？已有文献主要从家庭可支配收入、对风险的厌恶程度、户主年龄及性别、受教育年限、金融素养等方面分析了影响家庭负债行为的因素（祝伟和夏瑜擎，2018），但忽略了隐藏在家庭负债行为背后更深层次的因素，即心理学角度的人格特征。即使个体具有完全相同的收入和教育背景，但只要二者的人格特征不同，那么其相应的负债决策便会具有差异。基于此，本文借鉴“大五”人格分类标准，构造了中国家庭五大维度的人格特征变量，详细探讨人格特征与家庭负债决策间的关系。
　　根据传统的经济学理论，个体的经济行为主要受偏好、预期和约束的影响。伴随行为金融学的发展，探讨个体人格特征与经济行为关系的人格经济学逐步成为当前研究的焦点之一 （李涛和张文韬，2015a）。理论上，人格特征将通过对个体的约束、偏好与预期而对其经济决策产生影响。就约束而言，个体的预算约束包括两部分：一是外生给定的财富存量，二是流量上的工作收入。Almlund等（2011）指出事业心和乐观情绪等人格特征因素可以通过提高劳动生产率而增加工作收入。此外，良好的人格特征会给个体带来更多的资源，有助于其预算集的扩大（Borghans等，2008）。就偏好而言，其是個体面临各种选择的倾向和态度，是主观心理在经济决策中的体现。如易冲动的个体通常更看重短期的结果，事业心越重的个体对闲暇的偏好越弱。就预期而言，其是个体根据客观信息做出的主观判断。对未来经济发展的乐观预期源于其人格特征中的乐观情绪，而易紧张、焦虑的个体对未来有过度悲观的预期。如外向性明显的个体，其通常善于社会交往，所获得的信息较为丰富，决策时更趋于理性。
　　在经验研究中，已有学者探讨了人格特征对个体某一金融决策的影响。Kaustia和Torstila（2011）指出人格特征是决定个体进行股票投资的要素之一。Nyhus和Webley（2001）发现越神经质的个体越倾向于持有负债，而严谨性程度高的个体愿意持有存款且不愿持有负债。Hirsh（2015）基于53个国家的数据发现，外向性高的个体追求即时的快乐，因而更偏好把收入用于当期消费而不是储蓄。Brown和Taylor（2014）基于英国家庭追踪调查数据发现，顺同性对于家庭负债有显著的正向影响，外向性反而正向作用于负债持有，开放性对于金融资产和负债持有均有显著的正向影响，可见开放性所代表的创造力、新观念、好奇心等对家庭金融行为的重要影响。而李涛和张文韬（2015b）则基于中国的数据发现人格特征并不影响家庭负债，造成这一结果的原因可能是并未控制影响家庭负债的风险态度等因素。此外，人格特征对不同类型的负债的效用也并不相同。比如，外向性对是否有信用卡欠款有正向作用，而严谨性则有负向作用。但上述已有的关于人格特征与家庭负债关系的研究中忽略了人格特征内生于家庭负债行为的内生性问题以及没有引入部分重要控制变量，如认知能力和风险态度，由此降低了其研究结论的可信度。
　　鉴于以上文献存在的不足，本文利用家庭微观调查数据，细致探讨家庭负债行为背后人格特征所扮演的作用。本文可能的贡献在于，一是将人格特征作为影响家庭负债的重要因素，国内的研究分析仍较为缺乏，本文进行了一定的补充。二是从社会资本和金融素养两方面研究了人格特征对家庭负债的影响机制。三是借助Lewbel（2012）异方差工具变量法对内生性问题进行了纠正，进一步补充了已有的基于英国家庭的实证研究。
　　二、理论框架与研究假设
　　依据Enthoven（1957）的模型，第[i]个家庭的名义收入变动满足如下等式：
　　[Yit=Yi0（1+g）t]                               （1）
　　式中[g]表示名义收入的增长率。
　　假设家庭在期初没有借款，并假设借款D的增长额为收入的固定比例： 　　[Dit-Dit-1=Bit=aYit]     （2）
　　则根据公式（1）和公式（2）可以得到：
　　[Dit/Yit=a（1+g）/g-ag-1/（1+g）t-1+Di0Y-1i0/（1+g）t]   （3）
　　由公式（3）可知，家庭的债务收入比主要取决于收入增长率[g]和债务在收入中的占比[a]。但事实上，正如Pollin（1988）所认为的，家庭的经济决策不仅取决于消费品价格等可以观测到的因素（[xit]），还取决于诸如经验、智力、品位、主观心理特征等其他不可观测因素（[eit]）。基于此，则有：
　　[Dit/Yit=f（a，g）]，[g=g（xit，eit）]，[a=a（xit，eit）]       （4）
　　在传统经济学研究中，通常假设个体受预算约束、风险偏好和预期的影响（李涛和张文韬，2015）。但事实上，在实际经济生活中，投资者并不是完全理性的，行为决策将更多地取决于其自身认知偏差与主观心理特征。影响家庭收入增长率[g]的因素除居住地（Joseph和Phillips，1999）、受教育水平（陈宗胜和周云波，2001）、物价水平（Meng，2004;江小娟和李辉，2005）等可观测因素外，Bowles等（2001）指出人格特征会影响劳动生产率进而影响收入。Heckman等（2006）将能力引入经济模型，并指出非认知能力是求学、就业以及工资的重要影响因素之一。Almlund等（2011）也发现事业心、乐观情绪等人格特征因素通常都会对工作收入提高有积极作用。
　　影响债务在收入中占比[a]的因素除人口特征因素（Sebastian和Young，2003）、房产和金融资产的持有情况（Campbell和Cocco，2003）、通货膨胀率（Debelle，2007）等可观测因素外，预期因素也会显著影响家庭负债，如Cox和Jappelli（1993）指出没有对未来收入增长的预期，个体将不会借款。此外，个体主观心态如人格特征也日益成为个体金融决策的影响因素之一。Nyhus和Webley（2001）发现偏神经质的个体愿意持有负债，而较为严谨的个体则不愿意负债。对此，Brown和Taylor（2014）基于英国追踪调查数据发现，较为外向与开放的家庭乐于持有负债，并进一步指出，外向性高的个体更乐于使用信用卡借贷，而严谨性高的个体则恰好相反。基于此，我们有研究假说1：
　　假说1：人格特征将对家庭负债行为有显著作用。
　　人与人之间的社会关系将与其金融行为显著相关（黄勇，2009）。已有大量文献研究社会资本对家庭信贷需求的影响。其中，刘民权等（2003）指出农村非正规金融机构拥有的信息、互惠、信任及其他传统等社会资本决定了其良好的履约机制，在解决信贷中的逆向选择和道德风险问题方面比正规金融机构更有效。胡枫和陈玉宇（2012）指出农户借贷行为的发生多数是建立在彼此信任的基础上，较少提供抵押物和签订正式的合同（张建杰，2008）。社会资本的多寡在一定程度上决定了农户非正规借贷的能力，社会资本越丰富的农户将越容易获得农村正规金融机构的贷款（叶敬忠等，2004）。同时，外向性和顺同性等人格特征表现越强的人，往往意味着其人际交往能力强，善于扩展社會关系网络以及利用社会关系网络所带来的资源（王春超和张承莎，2019）。基于此，我们有研究假说2：
　　假说2：人格特征通过提高个人的社会交往能力丰富个体的社会资本而增加家庭负债。
　　金融素养是获取信息，研究、管理和沟通个人金融状况的能力（Abreu和Mendes，2010），这就意味着，金融素养高的个体既掌握丰富的金融知识，又能学以致用，灵活运用相关的金融知识进行科学的金融决策。而对于欠缺金融素养的个体而言，其更易进行不适当的借贷。例如Disney和Gathergood（2011）发现，金融素养水平低的家庭更容易借贷过度，且往往伴随更高的借贷成本。Lusardi和Tufano（2015）指出美国居民家庭较低的金融素养是导致其过度负债的因素之一。吴卫星等（2018）发现金融素养高的居民家庭更可能进行借贷以及偏好正规渠道负债，且金融素养越高，过度负债的可能性越小。另一方面，人格特征作为主观心理因素，其在一定程度上将对人们后天金融素养的形成产生影响（钱锐，2017）。开放性程度高的个体，通常具有较强的好奇心，也更乐于尝试新活动，主动学习各类金融知识，敢于进行不同的新投资方式。外向性特征明显的个体，更擅长社会交往，且李涛（2006）发现社会互动是影响金融市场参与的重要因素之一。基于此，我们有研究假说3：
　　假说3：人格特征通过金融素养的中介效应而对家庭负债行为产生影响。
　　三、数据来源、变量选取与描述性统计
　　（一）数据来源
　　本文的数据源自北京大学中国社会科学调查中心发布的中国家庭追踪调查（China Family Panel Studies，CFPS）。该数据库样本覆盖全国25个省/市/自治区，代表了中国95%的人口，动态追踪调查了个体、家庭和村/居三个层次的信息，是国内第一个大规模、综合性、以学术为目的的社会跟踪调查项目。2014年的调查数据总样本数为37147个，剔除缺失与异常值后，最后保留有效样本量为11371。
　　（二）变量选取
　　在家庭负债方面，构造了以下变量：家庭是否有尚未还清的借款、尚未归还的欠款额以及欠款额在家庭纯收入的占比，包括住房贷款以及其他类别贷款。
　　在人格特征方面，运用文献中通常使用的“大五”人格分类方法（Costa和McCrae，1992b;李涛和张文韬，2015b）。参照赵青和段笑娜（2018）的做法，本文将“大五”人格的五个维度（严谨性、外向性、顺同性、开放性及神经质）与2014年CFPS调查问卷中的问题进行匹配，最终选取18个问题来对应人格特征的五个维度，详细问题挑选参见表1。值得注意的是，询问人格特征的相关问题包含两类：一类是受访者自评问题，取值范围为1—5;另一类是由调查者评价的问题，取值区间为1—7或者0—10。为消除不同问题取值范围的差异性，本文借鉴李涛和张文韬（2015a）的做法，将所有问题的取值范围统一为1—5之间，然后对各子指标进行加总平均，即可求得5大维度人格特征的代理变量，且分值越高表示其相应的人格特征表现越强。 　　在控制变量的选取上，参照现有文献的做法，选取户主个体特征变量（年龄、是否男性、受教育年限、是否已婚、是否健康、是否偏好风险、户主的字词识记能力和数字能力）、家庭特征变量（家庭收入、家庭规模、家庭净资产、少儿抚养比和老年抚养比）、村/居特征变量（村/居总人口、村/居经济状况）。需要注意的是，由于问卷中并没有直接衡量户主风险态度的问题，而喝酒行为可以反映风险偏好（Anderson和Mellor，2008），我们以过去一月每月喝酒是否超过3次作为风险态度的代理变量，如果超过3次，就认为其偏好风险，反之则厌恶风险。此外，个体的认知能力将对家庭资产选择产生重要影响（孟亦佳，2014），且认知能力与人格特征显著相关（Almlund等，2011），因此，在模型中进一步对户主的认知能力进行控制，选取户主的字词识记能力和数字运算能力作为代理变量。
　　表2：人格特征五个维度的Pearson相关系数矩阵
　　[ 严谨性 外向性 顺同性 开放性 神经质 严谨性 1 外向性 0.2730* 1 顺同性 0.0377* 0.4890* 1 开放性 0.2705* 0.1866* 0.2528* 1 神经质 -0.1136* -0.2250* -0.0951* -0.0857* 1 ]
　　注：*、**、***分别表示在10%、5%、1%的显著性水平。
　　表2给出了“大五”人格各维度构成因子之间的Pearson相关系数。总体上来看，人格特征的5个构成因子两两之间的相关系数都在0.5以下。因此，在这些相关性较弱的5个维度基础上构造综合变量可能会掩盖5个维度下人格特征的差异，进而无法深入刻画人格特征对于家庭负债决策的全面影响。因此，本文在回归分析中直接采用这5个维度的子指标。
　　表3给出了主要变量的描述性统计结果。在全样本中，有31.9%的家庭进行借贷，平均负债额为18532元，占家庭可支配收入的比重平均为0.52。户主的5个维度的人格特征中，最强的是外向性，其次是顺同性和开放性，最弱的是神经质。平均而言是4口之家，男性户主仅略高于女性，占53.25%。城乡分布较为均衡，城镇地区家庭占比为45.01%。95.93%的户主已婚或同居。户主的平均年龄为51岁，即处于中老年阶段。27.75%的户主是健康的，平均受教育年限約为7年，即初中水平。
　　（三）计量模型设定
　　本文首先运用Probit模型分析人格特征对家庭是否负债的影响，具体来看，Probit模型设定如下：
　　[Yi*=β0+βpPersonalityi+βxXi+ui]    （5）
　　[Yi=1，Y*i>00，Y*i≤0]                                                  （6）
　　公式（5）和（6）中，[Yi*]是潜变量，[Yi]是二元因变量，表示第i个家庭是否有欠款。[Personalityi]表示人格特征，[Xi]表示影响家庭负债决策的控制变量，[ui]表示误差项。而当被解释变量为家庭欠款金额与欠款金额在家庭纯收入中占比时，采用Tobit模型进行估计，具体设定如下：
　　[yi*=α0+αpPersonalityi+αxXi+εi]       （7）
　　[yi=y*i，y*i>00，y*i≤0]                              （8）
　　公式（7）和（8）表示被解释变量[yi]只能以受限制的方式被观察到。
　　四、实证分析
　　（一）基准回归估计结果
　　表4首先分析了人格特征对家庭负债决策的影响，包括家庭是否负债、借贷规模以及借贷金额在家庭收入中的占比。当被解释变量为是否负债时，我们选用Probit模型;当被解释变量为借贷规模或借贷金额占家庭收入的比重时，我们选用Tobit模型。在控制省份固定效应的基础上，表4中第1、3、5列只加入核心解释变量——5个人格特征，表4中第2、4、6列则是加入可能影响家庭负债决策的户主、家庭以及村/居的特征变量。
　　表4中第1—6列的估计结果显示，人格特征下外向性维度对是否负债、负债规模以及负债比重有显著的负向关系，严谨性、顺同性和神经质这3个人格特质对是否负债、负债规模以及负债比重有显著的正向关系，开放性的影响则基本不显著。这说明：第一，外向性禀赋高的个体擅长人际交往，更容易获取最新的市场信息，使其更可能参与金融市场，但可能恰是因为其乐于社会交往，与外界的交流较为频繁，个体更容易在金融投资等领域取得成功，反而可能导致其较少需要借贷。第二，严谨性高的个体通常勤奋工作、高度自律和更有条理，其能够专注于投资，可能越容易应对纷繁复杂的金融信息，更可能基于现实的收入支出需求合理地进行借贷。第三，顺同性禀赋高的个体更信任金融机构以及其相应的金融产品，更加确信其可以通过分散与多样化投资方式有效规避金融风险，因此也更敢于选择负债。第四，神经质特征明显的个体，通常在应对事情的时候更容易焦虑和冲动，遭遇紧急状况时更多表现出脆弱性和苦恼性。Xu等（2015）也发现神经质特征明显的个体其财务状况更为消极，在金融投资中更易情绪化，难以进行理性判断，由此导致其不得不进行借贷以满足其生活需求。
　　除核心解释变量外，从表4的回归结果可以看出：年龄的一次项系数统计显著为正，二次项系数统计显著为负，即家庭负债决策具有明显的生命周期特征。已婚的家庭由于提升的耐用消费品需求、子女教育支出和生病医疗支出等各方面支出的增加，家庭的借贷需求将增加。高收入的家庭，意味着其未来的偿债能力越强，越倾向于借贷（吴卫星等，2018）。而净资产越多的家庭可能拥有丰富的资金资源反而负债较少。户主的数学运算能力越强，其反而将减少负债，这可能部分归功于个体能相对准确地计算借贷收益、成本和风险。少儿抚养比和老年抚养比高的家庭由于面临较大的少儿抚养和老年照料负担反而不敢轻易借贷。 　　考虑到5个不同维度的人格特征可能存在一定的共线性，将5个不同维度的人格特征子指标依次放入回归模型中，估计结果见表5。从表5的第1—6列数据可以看出，无论被解释变量是是否负债、负债规模还是负债比重，外向性对家庭负债决策的影响系数在5%的显著性水平下稳健为负;顺同性和神经质对家庭负债决策的影响系数依然稳健显著为正。其他控制变量的估计系数与表4相类似。
　　（二）人格特征与家庭负债：性别与城乡差异
　　尽管鼓励男女平等、促进城乡均衡发展的改革措施层出不穷，但我国当前依然存在显著的性别差异和城乡差异。在人格特征方面，女性和农村地区居民可能更厌恶风险，不能适应竞争环境等。表6给出了相应的分样本估计结果，其中第2—3列报告了男性和女性的Probit回归结果，第4—5列报告了城镇地区和农村地区的Probit回归结果。表6中第2—3列的估计结果显示，男性更加严谨，女性则更加外向，且相较于男性，女性更容易神经质，导致女性神经质估计系数大于男性。表6中第4—5列的估计结果显示，农村地区居民的顺同性大于城镇地区，更愿意相信金融结构和金融产品，从而选择进行更多的负债。相较于农村地区，城镇地区居民由于面临高额房贷、子女教育以及激烈的职场竞争等压力更容易神经质，由此导致其对负债的需求更大;但同时农村地区也由于子女教育、婚娶婚嫁等重大事件的支出导致神经质高的个体增加负债。
　　（三）人格特征与过度负债
　　通过平滑支大于收的缺口，适度的负债有益于家庭福利的提高，但过度负债却会增加家庭还款压力、损害居民健康，严重时甚至引发金融危机，给家庭带来破坏性影响。那么，不同的人格特征是否会影响家庭的过度负债呢？CFPS问卷中有询问受访者：“以您家现有的经济状况，您家是否愿意承担更多的债务？”，我们将回答非常不愿意和不愿意的家庭以及家庭债务额大于0的家庭识别为过度负债家庭，表7给出了人格特征对家庭是否过度负债的估计结果。表7的第1—6列显示，无论是将5个人格特征维度同时纳入回归模型还是分别考虑每一人格特征维度，顺同性和神经质这两个变量的估计系数均顯著为正。这说明，一方面，顺同性特征明显的个体更信任金融机构以及其相应的金融产品，其认为通过多样化投资可以有效规避金融风险，反而有可能过度负债。另一方面，神经质特征明显的个体，往往在处理事情的时候更容易焦虑和冲动，较容易因负面情绪的影响而导致非理性的过度负债。值得注意的是，表7中严谨性这一人格特征维度对家庭过度负债的估计系数为负，尽管并不显著，但说明严谨性特征明显的个人对待事情更加严谨、条理性较强，这类个体在面临投资负债决策时更加谨慎，不太可能过度负债。
　　表7：人格特征各子指标与家庭过度负债
　　[  被解释变量：是否过度负债 （1） （2） （3） （4） （5） （6） 严谨性 -0.057 -0.075 （0.056） （0.054） 外向性 0.002 0.008 （0.061） （0.051） 顺同性 0.138* 0.118* （0.072） （0.060） 开放性 -0.027 -0.017 （0.036） （0.034） 神经质 0.122*** 0.117*** （0.046） （0.045） 控制变量 Yes Yes Yes Yes Yes Yes 观测数 2652 2682 2687 2673 2680 2681 Pseudo R2 0.111 0.110 0.109 0.109 0.109 0.110 ]
　　注：括号内为相应变量的稳健标准误，且有* p<0.1，** p<0.05，*** p<0.01。
　　（四）考虑内生性的估计结果
　　上述展示的人格特征影响家庭负债行为的估计结果，由于模型中内生性问题的存在，可能是有偏的。一方面，负债作为家庭重要的经济决策之一，可能对家庭成员人格特征产生一定影响，即人格特征可能受后天环境因素的影响而发生改变（Almlund等，2011）。另一方面，回归方程的设定可能存在遗漏变量和测量误差。因此，为了缓解内生性对估计结果的干扰，我们将尝试两种方法进行纠正。首先，表8中第1—3列以2016年的数据作为被解释变量，与2014年的人格特征和控制变量进行回归，使人格特征在时间上滞后于家庭负债，从而缓解反向因果效应带来的内生性问题。除了严谨性和顺同性不再统计显著外，其对家庭负债的影响系数符号依然为正，神经质仍然统计显著为正。
　　其次，考虑到难以找到一个合适的工具变量，采用Lewbel异方差工具变量法（Lewbel，2012）对文中的内生性问题进行纠正。借鉴Lewbel（2012）的思路，构造方程如下：
　　[Y=α1X+β1Personality+ξ1，ξ1=η1Un+μ1]      （9）
　　[Personality=α2X+ξ2，ξ2=η2Un+μ2]   （10）
　　其中Y表示家庭负债决策变量，Personality表示人格特征，X表示相应的控制变量，Un代表所有难以观测变量，模型中其余变量代表误差项。当难以找到合适的传统工具变量或存在弱工具变量的情况下，Lewbel（2012）指出可以通过一组可观测的外生变量组Z，构造[[Z-E（Zi）]ξ2]作为工具变量。且该方法满足工具变量所有标准假设条件，唯一要求是假设[ξ2]中具有异方差，即[cov（Zi，ξ22）≠0]，而这一条件在截面数据下更易成立。当难以寻觅合适的传统工具变量时，采用上述选择的工具变量，借助TSLS方法进行工具变量回归，所得结果同传统IV法相类似（李红阳和邵敏，2018）。表8中第4—6列给出了Lewbel异方差工具变量回归结果，可以看出，顺同性、严谨性和神经质的估计系数依然为正，尽管部分不显著;而外向性的估计系数也始终为负，尽管部分不显著，估计结果与基准回归结果基本一致。 　　五、人格特征对家庭负债的影响机制
　　从上述的分析可以发现，人格特征的不同维度将会对家庭负债产生差异性影响。那么，具体来看，人格特征将借助何种机制影响家庭负债呢？一方面，外向性和顺同性等人格特征明显的个体，可能更擅长人际交往，更能拓展自己的社会网络，并利用社会网络所带来的资源。另一方面，人格特征作为主观心理因素，可能会对人们后天金融素养的形成产生影响，即人格特征可能通过金融素养的影响而间接影响家庭的负债行为。基于此，本部分将主要探讨社会资本和金融素养这两种机制。
　　（一）社会资本
　　社会资本丰富的个体，一方面意味着个体有更多的资源和机会，使其在面临外部融资需求时更快得到满足;另一方面社会关系网络可以将个体的人格特征（如严谨性、顺同性等）迅速散播开来。已有大量文献研究社会资本对微观个体借贷行为的影响。其中，杨汝岱等（2011）、胡枫和陈玉宇（2012）以及徐丽鹤和袁燕（2017） 从不同角度验证了社会网络对于农户借贷的正向影响。林建浩等（2016）也发现社会资本将显著促进城乡家庭融资。概括而言，已有学者们的相关研究趋于认同社会关系网络有助于激励微观个体的借贷行为。基于此，本文选取个人的月手机费用、家庭年礼金支出作为社会资本的代理变量。
　　表9给出了基于社会资本分组的回归结果。表9的第1—3列是以个人的月手机费用衡量社会资本;第4—6列是以家庭礼金支出衡量社会资本。从表9中可以看出，神经质的系数均显著为正，且随着社会资本的增加，这一估计系数逐渐增大。说明神经质明显的个体，当其有丰富的社会资本资源时，更乐于进行负债。顺同性的估计系数显著为正，并逐渐变小。对此可能的解释是，顺同性得分高的个体能适应更多的损失并愿意负债，且这一正向关系在家庭社会资本较少的情形中表现较为明显，而当家庭社会资本日益丰富时，顺同性对家庭负债的影响将次于社会资本对负债的影响，由此导致其系数变小和不再显著。
　　（二）金融素养
　　理论上，金融素养体现在知识和技能两个维度。一方面，掌握的经济金融知识越多，人们对家庭借贷行为的思考程度就会愈发成熟，更有可能促使人们合理进行借贷。另一方面，相关投资技能高的个体更能高效地管理资产，合理配置不同种类的投资和借贷，以此规避风险确保资产安全。同时，人格特征作为主观心理因素，在某种程度上影响人们后天金融素养的形成。例如，开放性特征高的个体，通常具有较强的好奇心，愿意尝试不同的投资活动，且更加主动学习各类金融投资知识，并敢于进行新的借贷活动。而外向性特征明显的个体，更乐于进行社会交往，更倾向于参与金融市场（李涛，2006），即人格特征可能通过金融素养而间接地对个体的借贷行为产生影响。
　　本部分构建主观金融素养和客观金融素养两个指标来衡量金融素养。主观金融素养是受访者对自身拥有的金融知识和能力的主观评估，2014年CFPS问卷中对受访者有如下问题“您认为您的金融知识水平？”，据此识别受访者的主观金融素养。对于客观金融素养，运用CFPS问卷中“金融知识”模块中的13道题目，其囊括基础的金融运算和深层次的产品理解，可以较好地识别居民家庭对金融常识的掌握情况。对于每道题，将回答“不知道”与回答错误的情况赋值0，回答正确赋值1，表10给出了每道题的答题情况。由表10和图1可知，受访者对货币时间价值、通货膨胀等基础金融知识的掌握较高，而对复利计算等高级金融知识的了解较为欠缺。总体上来看，金融素养依然是稀缺性知识，并且在个体之间存在较大差异。
　　类似于王正位等（2016）的做法，本文同样采用因子分析法构建客观金融素养的综合指标，KMO检验的统计值为0.89，这表明可以进行因子分析。表11报告了相应的估计结果，其中第1—3列报告的是主观金融素养的回归结果，第4—6列给出的是客观金融素养的估计结果。顺同性的估计系数依然为正，且相较于金融素养低的个体，当金融素养适度增加到中等水平时，其估计系数变大，并显著为正，这说明顺同性人格对新事物更加具有信任感和包容性，更愿意学习或接受新的金融产品，由此将增加负债。在客观金融素养测度下，当个体的金融素养水平较高时，神经质对家庭是否负债的估计系数显著为正，但系数明显变小。这说明，尽管神经质特征明显的個体更容易焦虑和冲动，但随着其对金融产品收益和风险特征了解程度的加深，其对家庭负债的决策将更趋理性。
　　六、结论与政策性建议
　　基于家庭追踪调查数据以及文献中普遍接受的“大五”人格分类法，本文实证分析了个体人格特征对家庭负债的影响。主要结论显示，不论被解释变量为是否负债、负债规模以及负债比重，外向性的估计系数统计始终为负，而严谨性、顺同性和神经质这三个人格特质的估计系数显著为正，开放性的影响则基本不显著。进一步地，具有顺同性禀赋的个体更有可能过度负债，神经质特征明显的个体，更容易焦虑和冲动，较易因负面情绪的影响而导致非理性的过度负债。在内生性问题上，使用2014年的人格特征变量对2016年的家庭负债进行了辅助回归，并同时尝试Lewbel（2012）异方差工具变量法，估计结果依然与基准回归结果相类似。分样本的异质性回归结果显示，男性更加严谨，女性则更加外向，且相较于男性，女性更容易神经质;农村地区居民的顺同性大于城镇地区，且相较于农村地区，城镇地区居民的神经质特征更为明显。最后，本文从社会资本和金融素养两个方面验证了人格特征对家庭负债行为的影响机制。
　　本文重要的政策启示在于，在推动消费信贷市场发展的同时，不仅要关注宏观经济环境，也要考虑个体的人格特征。这是因为，个体的借贷决策受到人格特征的显著影响，尤其是神经质人格特征的影响。此外，对于相关政府部门而言，应尽快完善并改革现有教育体系，不仅重视对个体认知能力的培养，个体人格特征等非认知能力的培育同样应予以重视。不仅要做有文化、有纪律的人，更要做有理想、有道德的人，以此才能有助于借贷市场的持续健康发展乃至于国家的长治久安。 　　參考文献：
　　[1]Abreu M， Mendes V. 2010. Financial Literacy and Portfolio Diversification [J].Quantitative Finance，10（5）.
　　[2]Almlund M，Duckworth A L，Heckman J，et al. 2011. Personality Psychology and Economics [M].Handbook of the Economics of Education，4.
　　[3]Anderson L R，Mellor J M. 2008. Predicting Health Behaviors with An Experimental Measure of Risk Preference [J].Journal of Health Economics，27（5）.
　　[4]Borghans L，Duckworth A L，Heckman J J，et al.  2008. The Economics and Psychology of Personality Traits [J].Journal of Human Resources，43（4）.
　　[5]Bowles S，Gintis H，Osborne M. 2001. The Determinants of Earnings：A Behavioral Approach [J].Journal of Economic Literature，39（4）.
　　[6]Brown S，Taylor K. 2014. Household Finances and the‘Big Five’Personality Traits [J].Journal of Economic Psychology，45.
　　[7]Campbell J Y，Cocco J F. 2003. Household Risk Management and Optimal Mortgage Choice [J].The Quarterly Journal of Economics，118（4）.
　　[8]Costa Jr P T，McCrae R R. 1992. Four Ways Five Factors are Basic [J].Personality and Individual Differences，  13（6）.
　　[9]Cox D，Jappelli T. 1993. The Effect of Borrowing Constraints on Consumer Liabilities [J].Journal of Money， Credit and Banking，25（2）.
　　[10]Debelle G. 2007. Macroeconomic Implications of Rising Household Debt [R].Bis Working Papers，91.
　　[11]Disney R，Gathergood J. 2011. Financial Literacy and Indebtedness：New Evidence for UK Consumers [J].The University of Nottingham，11-05.
　　[12]Enthoven A. 1957. The Growth of Instalment Credit and the Future of Prosperity [J].The American Economic Review，47（6）.
　　[13]Heckman J J，Stixrud J，Urzua S. 2006. The Effects of Cognitive and Noncognitive Abilities on Labor Market Outcomes and Social Behavior [J].Journal of Labor Economics，24（3）.
　　[14]Hirsh J B. 2015. Extraverted Populations have Lower Savings Rates [J].Personality and Individual Differences，81.
　　[15]Joseph A E，Phillips D R. 1999. Ageing in Rural China：Impacts of Increasing Diversity in Family and Community Resources [J].Journal of Cross-cultural Gerontology， 14（2）.
　　[16]Kaustia M，Torstila S. 2011. Stock Market Aversion？Political Preferences and Stock Market Participation [J].Journal of Financial Economics，100（1）.
　　[17]Lewbel A. 2012. Using Heteroscedasticity to Identify and Estimate Mismeasured and Endogenous Regressor Models [J].Journal of Business&Economic Statistics，30（1）.
　　[18]Lusardi A，Tufano P. 2015. Debt Literacy，Financial Experiences，and Overindebtedness [J].Journal of Pension Economics & Finance，14（4）. 　　[19]Meng X. 2004. Economic Restructuring and Income Inequality in Urban China [J].Review of Income and Wealth，50（3）.
　　[20]Mian A，Sufi A，Verner E. 2017. Household Debt and Business Cycles Worldwide [J].The Quarterly Journal of Economics，132（4）.
　　[21]Nyhus E K，Webley P. 2001. The Role of Personality in Household Saving and Borrowing Behaviour [J].European Journal of Personality，15（S1）.
　　[22]Pollin R. 1988. The Growth of US Household Debt：Demand-side Influences [J].Journal of Macroeconomics，10（2）.
　　[23]Sebastian B，Young G. 2003. The Rise in US Household Debt：Assessing Its Causes and Sustainability，Bank of England [R].Working Paper.
　　[24]Webley P，Nyhus E K. 2001. Life-cycle and Dispositional Routes into Problem Debt [J].British Journal of Psychology，92（3）.
　　[25]Xu Y，Beller A H，Roberts B W，et al. 2015. Personality and Young Adult Financial Distress [J].Journal of Economic Psychology，51.
　　[26]陳宗胜，周云波.非法非正常收入对居民收入差别的影响及其经济学解释 [J].经济研究，2001，（4）.
　　[27]胡枫，陈玉宇.社会网络与农户借贷行为——来自中国家庭动态跟踪调查（CFPS） 的证据 [J].金融研究，2013，（12）.
　　[28]刘莎.社会资本对农村民间借贷的影响效应研究 ——基于人际信任的中介效应检验 [J].武汉金融，2019，（2）.
　　[29]江小涓，李辉.我国地区之间实际收入差距小于名义收入差距 [J].经济研究，2005，（9）.
　　[30]李红阳，邵敏.临时性就业对劳动者工资收入的影响 [J].财经研究，2018，44（01）.
　　[31]李涛，张文韬.人格经济学研究的国际动态 [J].经济学动态，2015b，（8）.
　　[32]李涛，张文韬.人格特征与股票投资 [J].经济研究，2015a，（6）.
　　[33]李涛.社会互动、信任与股市参与 [J].经济研究，2006，（1）.
　　[34]林建浩，吴冰燕，李仲达.家庭融资中的有效社会网络：朋友圈还是宗族？ [J].金融研究，2016，（1）.
　　[35]刘民权，徐忠，俞建拖.信贷市场中的非正规金融  [J].世界经济，2003，（7）.
　　[36]孟亦佳.认知能力与家庭资产选择 [J].经济研究，2014，49（S1）.
　　[37]钱锐.人格特征、金融素养与养老规划的关系研究 [D].东南大学硕士生论文，2017.
　　[38]王春超，张承莎.非认知能力与工资性收入 [J].世界经济，2019，42（03）.
　　[39]王正位，邓颖惠，廖理.知识改变命运：金融知识与微观收入流动性 [J].金融研究，2016，（12）.
　　[40]吴卫星、吴锟、王琎.金融素养与家庭负债——基于中国居民家庭微观调查数据的分析 [J].经济研究，2018，53（1）.
　　[41]徐丽鹤，袁燕.财富分层、社会资本与农户民间借贷的可得性 [J].金融研究，2017，（2）.
　　[42]杨汝岱，陈斌开，朱诗娥.基于社会网络视角的农户民间借贷需求行为研究 [J].经济研究，2011，46（11）.
　　[43]叶敬忠，朱炎洁，杨洪萍.社会学视角的农户金融需求与农村金融供给 [J].中国农村经济，2004，（8）.
　　[44]张建杰. 农户社会资本及对其信贷行为的影响——基于河南省397户农户调查的实证分析 [J].农业经济问题，2008，（9）.
　　[45]祝伟，夏瑜擎.中国居民家庭消费性负债行为研究 [J].财经研究，2018，44（10）.
转载注明来源:https://www.xzbu.com/3/view-15133021.htm