【摘要】与传统的金融研究方向资产定价，公司金融相比，家庭金融已经成为目前金融学研究的前沿领域。本文主要研究中国城镇家庭风险性金融资产投资行为的影响因素。在梳理国内外文献的基础上，归纳出影响家庭金融投资行为的一些因素，并基于在江苏无锡地区的问卷调查数据，充分运用logistic回归模型和tobit回归模型分析对中国城镇家庭风险性金融资产投资行为产生影响的因素，揭示出各个影响因素的特征规律，并在对美两国居民家庭风险性金融投资行为的比较中，以及资产选择去向存在差异的基础上，提出了几条优化中国城镇家庭金融资产配置的建议。
　　【关键词】家庭金融资产 风险性投资 影响因素
　　一、理论研究背景及相关文献评述
　　（一）国外研究综述
　　随着家庭理财理财意识的不断提高以及金融产品日趋丰富，家庭资产组合选择问题开始进入了学术视野。在2006年的美国金融年会上，compbell曾经提出了一个独立的新研究方向，即家庭金融。与传统的金融研究方向资产定价，公司金融相比，家庭金融已经成为目前金融学研究的前沿领域。
　　与基于投资者的资产组合理论相比，家庭资产组合理论研究引入了经济特征，生命周期，人口统计特征等因素对金融资产选择的影响。yoo（1994）是有scf的三个独立年份的界面数据分析资产配良种的年龄效应，年轻和年老的家庭参与风险资产的概率更低。guiiso等（1996）使用意大利的面板数据研究发现较高的工资收入风险与较低的风险资产持有有关。
　　heaton和lucas（2000）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呈现出高度相关，一般具有高背景风险的家庭对于风险资产的持有比较少。WWw.11665.COMshum和aig（2006）在研究中考虑了人口统计特征，分析发现性别，婚姻状况以及受教育程度都会影响家庭金融资产的配置。guiso，sapienza（2004）研究发现家庭对外界社会，金融机构的信任度越高，那么他们持有风险资产的比例也就越高。
　　（二）国内研究综述
　　到目前为止，关于我国居民投资的实证研究相对较少。样本选择以及有效样本数据的获取是主要难点。有部分学者对居民的资产结构进行了考察，如史代敏、宋艳（2005），利用四川省统计局在2002年四川省城镇居民家庭金融财产的抽样调查数据，分别考虑了年龄、收入、财富规模、受教育程度、住房所有权五方面的因素建立线性模型，考察各因素对家庭金融资产总量，以及储蓄存款和股票在金融资产中所占比例的影响。吴晓求等（1999）利用证券持有的增加量统计出我国居民金融资产的增量结构，并重点分析了影响该结构的因素以及改革开放以来居民收入资本化趋势。另外汪红驹、张慧莲（2006）以最优资产选择模型为基础探讨了通货膨胀、股市收益波动、消费者风险偏好对消费者储蓄需求的影响。
　　近期，出现的一些有关于家庭金融资产投资的文献有：邢大伟（2009）基于江苏扬州的调查，对城镇居民家庭资产选择结构的实证研究，文章分析了性别，年龄，学历等方面对金融资产结构和实物资产结构的影响。陈国进，姚佳（2009）的基于美国scf数据库的风险性金融资产投资影响因素分析，文章采用美国消费者金融调查数据为样本，建立回归模型对影响因素进行分析。卢家昌，顾金宏（2009）基于江苏南京的调查，对城镇居民家庭资产选择行为的影响因素分析，主要分析了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投资影响因素。
　　二、调查研究方案设计
　　（一）研究假设
　　通过对已有文献的梳理和归纳，并结合中国的国情，提出以下可能对中国城镇家庭风险性金融投资产生影响的因素：
　　1.家庭财富和人口统计特征。alessie和soest曾经对荷兰家庭1993～1998的数据进行分析，运用probit回归模型和选择模型发现，年龄较大的户主和比较富裕的户主持有相对较高比例的风险性金融资产，同时随着家庭财富的增加，家庭持有风险性金融资产的比例也会增加。
　　2.住房投资。在我国，住房问题是长期以来绝大多数家庭都很关注的问题，房价的波动对中国家庭的投资行为也会产生一定的影响，而且由于房产具有消费与投资的双重性质，还可能使中国家庭的投资呈现出随生命周期变化的特征。
　　3.劳动收入。在中国，劳动收入是大多数家庭主要的经济来源，也是家庭可支配收入的重要组成部分。

如果能够从一定程度上增加家庭的劳动收入，那么一定程度上能提升家庭承担金融投资风险的愿望。
　　4.投资偏好及预期。中国家庭的投资行为不仅会受到对宏观经济预期的影响，投资偏好近年来作为行为金融研究的一部分也成为重要的研究因素。
　　（二）问卷的设计
　　问卷的概念量表在设计时，先是参照了已有的“个体投资者问卷调查”的成熟量表，然后根据研究假设中所提到的影响因素进行调整修改。问卷调查主要分两个方面：首先是对于家庭结构的调查，包括人口统计特征以及家庭人口的基本情况，如：户主的性别，年龄，受教育程度，婚姻状况以及职业；其次是关于家庭金融资产总量和结构的调查，如：家庭金融资产，人均收入，存款等。同时，问卷还设置了“验证题”来帮助剔除无效问卷。
　　（三）问卷的发放与回收
　　调查采用随机抽样调查，在人口比较集中的各区街口商区，单位门口进行发放，调查对象覆盖了个体户，金融从业者，公务员，医生，教师等人群，筛选主要是删除通过问卷中设置的“验证题”来删除明显胡乱填写的无效问卷以及存在异常值的问卷。而对于问卷中存在的数据缺失的情况，则主要是通过两种途径修改：对于第二部分数据缺失或缺失数据超过2项的，直接视为无效问卷；而对于缺失数据在两项以内的，则采用众数填补的法则进行数据完善。最后，通过汇总统计，可以得到下列数据；实际发放问卷数为500份，回收得到292份，回收率为58.4%，最后被认定的有效样本数为224份，回收有效率为76.7%。 　　（四）样本的收集和检验
　　本文的抽样调查样本来源于城镇家庭，以江苏无锡的抽样调查结果作为实证的数据来源。由于无锡地处长江三角洲经济较发达地区，因此抽样结果更具代表性和合理性。经过spss16.0对抽样数据的处理，得到如下对有效样本的描述性统计：
　　通过表一的样本描述性统计不难看出，家庭中户主的性别为男性的比例要高于女性，也就是说男性参与风险投资决策的比例要高于女性，而且户主年龄在35～60岁之间的比例较高。本户主学历为专科和本科的占到了将近90%，此外，从家庭财富规模的角度来看，家庭拥有金融资产总额在10万到100万之间的占了绝大多数。因此，总体看来，这样的抽样结果基本服从正态分布，这样的结构大体上也是合理的。
　　三、实证研究分析
　　（一）主要变量的选取及描述
　　本文研究主要是分析人口统计特征，家庭财富，背景风险等方面因素对城镇家庭风险性金融资产投资选择的影响以及影响程度。其中人口统计特征包括户主的性别，年龄，受教育程度，婚姻状况以及职业；背景风险包括劳动收入，房产投资，其余变量还包括投资偏好，投资预期。
　　（二）实证模型的选择
　　1.模型一：logistic回归模型。本文首先对城镇家庭风险性金融资产是否持有产生影响的因素的作用程度以及显著性进行实证分析和检验。持有风险性金融资产的为“1”，而未持有风险性金融资产的为“0”。在借鉴同类文献结论和研究成果的基础上，假设城镇家庭风险性金融资产持有受到家庭财富，户主的性别，年龄，受教育程度，婚姻状况以及职业，劳动收入，房产投资，投资偏好，投资预期等因素的共同作用，即y=φ（x1，x2，……xi）+ε。y表示的是城镇家庭风险性金融资产的选择行为，xi是影响家庭风险性金融资产选择的影响因素，ε为随即干扰项。由于在实证当中，我们遇到的被解释变量为虚拟变量，而非连续性变量，因此传统的多元回归模型并不适用，无法进行合理的假设检验。所以，本文选用logistic回归模型来进行实证研究。logistic回归模型是对二元因变量的概率建模，即当因变量是一个二元变量，只取0与1两个值时，因变量取1的概率p就是要研究的对象。这里我们假设家庭参与投资风险性金融产品的概率为p，p的取值范围在0-1之间，将p做logit变换，可以得到logistic回归模型：
　　logit（p）=β0+β1f+β2i+β3s+∑β4iai+∑β5iei+β6m+β7se+ β8ri+β9ip+β10ie
　　然后，通过极大似然估计的迭代方法，可以找到系数的“最可能”的估计，并采用wald检验对参数进行检验，当wald值大者（或sig值小者，小于0.05）显著性高。
　　2.模型二：tobit回归模型。本文还将从微观角度建立城镇家庭风险性金融资产占总金融资产比重的模型。由于单个家庭风险性金融资产可能为零

也就是存在某个家庭不投资风险性金融产品，即风险性金融资产占总金融资产比重为零，而已它作为被解释变量时，显然经典的线性模型已经不再适用。根据国内外相关文献得知，在存在截断数据的情况下，tobit模型是较为有效的计量经济学模型。
　　根据家庭持有风险性金融资产是否为零，可以将样本分为两类。第一类是含有不为零的因变量和自变量；第二类是仅很有不为零的自变量，而因变量为零。这样，我们可以把变量间线性关系表示为：yi’=βxi+εt。
　　实际在性质上，截断的观测值与未截断的观测值是存在显著差异的，这是因为风险性金融资产占总金融资产比重为0，表示该家庭不投资于风险性金融产品，因此即使解释变量变化很明显，这些家庭投资与风险性金融产品的比重仍为，不会有任何变化。这样，风险性金融资产占总金融资产比重在性质上类似于离散型的虚拟变量。因此，我们通过建立风险性金融资产占总金融资产比重的tobit模型，来刻画解释变量对被解释变量之间的影响。
　　根据经济学理论背景，我们初步建立风险性金融资产比重的tobit模型如下：
　　tobit（p）=β0+β1i+∑β2iai+∑β3iei+β4f+β5f2+εtif rhs>0
　　模型的设计基于理论与数据相结合的思路，一方面我们考虑到经济理论背景来选择变量；另一方面我们又考虑了调查所得样本中获得的信息。
　　我们在估计模型时将采用国外相关研究中普遍使用的最小二乘估计，这也是人们所探索出的适用于估计tobit模型的主要方法，其参数检验的适用方法为t检验，sig值小者（小于0.05）显著性高。
　　四、结论
　　本文运用对江苏省无锡地区的实地抽样调查数据，通过运用logistic回归模型和tobit回归模型研究家庭财富，人口统计特征，背景风险以及投资预期和偏好对家庭风险金融资产投资的影响，我们可以得到以下几个重要的结论：首先，中国城镇家庭风险性金融投资的财富效应十分显著，随着家庭财富的不断增加，家庭投资风险性金融资产的概率不断增加，投资于风险性金融资产的比例也不断提高。其次，背景风险对中国家庭投资风险性金融产品的有较明显的影响：中国家庭住房投资对参与风险性金融投资具有明显的“挤出效应”，随着住房投资的增加，家庭参与风险性金融投资的概率以及投资比例都有所下降；此外，随着人均劳动收入的增加，家庭投资风险金融产品的比例就越高。第三，人口统计特征对中国家庭投资风险性金融产品的影响比较显著：风险性金融投资的参与率随着学历的增加而增加，与年龄呈一条凸曲线，年轻家庭和老年家庭参与率较低，中年家庭参与率较高。从投资比例来看，高学历的家庭投资比例较高，而自主经营会对投资比例有挤出效应。第四，家庭的投资预期向好会对风险性金融投资比例产生正的影响，而投资偏好风险性资产则会对风险性金融投资的参与率产生积极的影响。
　　参考文献
　　[1]陈国进，姚佳.中国居民就爱听金融资产组合研究【j】.西部金融，2008（8），20-22.
　　[2]史代敏，宋艳 居民家庭金融资产选择的实证那个研究【j】.统计研究，2005（10），45-50.
　　[3]3.刘洪玉，郑思齐.住宅资产：居民家庭资产组合中的重要角色【j】.经济与管理研究，2003（4），38-4.
　　作者简介：薛廉（1987-），女，汉族，江苏无锡人，硕士在读，现就读于南京大学工程管理学院，管理科学与工程系。