家庭财产性收入的影响因素研究
【摘要】本文选取了CFPS2010年与2012年的数据,采用Heckman两阶段模型考察了影响财产性收入的因素。
实证研究表明,家庭财富水平对家庭财产性收入有显著的正向影响,而家庭成员的社会地位对财产性收入没有显著影响。
此外,研究还发现,使用普通最小二乘法估计各因素对财产性收入的影响是有偏的,而使用Heckman两阶段模型则是无偏估计。
毕业论文网 【关键词】财产性收入 影响因素 Heckman两阶段模型 一、引言 对于影响财产性收入的因素,杨博(2013)认为,财产基数和财产增值率决定了财产性收入的多少,因此财产分布的状况直接决定了财产性收入的分布情况。
另外,信息不对称也是导致财产性收入差距产生的原因,市场分割会引起信息不对称,处于信息优势的群体相对于信息劣势的群体获取收益的机会要更大。
程学斌等人(2009)认为家庭财产、居民个人因素、经济发展、制度安排和投资市场(房地产交易市场和股票市场)等因素都会对财产性收入产生影响。
在居民个人因素方面,着重分析了学历、工作年限、就业情况、行业和职业因素的影响。
周京奎(2011)利用中国住户调查数据进行检验后发现,除了社会经济地位会对家庭房产数量产生显著影响外,收入不确定性也会对房产数量产生较大影响,收入不确定性会对家庭房产拥有量产生显著的负面影响。
现有的文献大多是采用统计描述或者OLS回归的方法对数据进行分析,但是这些分析方法存在以下问题:使用OLS回归的方法虽然可以得出变量之间的关系,但是存在选择性偏差的问题,由于大部分家庭没有财产性收入,用OLS回归的结果不能很好地解释收入和自变量之间的相关性。
为了克服现有模型的不足,本文采用了Heckman两阶段模型来分析财产性收入的决定因素,因此,我们不仅可以考察财产性收入大于零的国家,而且还考察了财产性收入小于零的国家。
运用CFPS的观测值,在控制居民年龄、婚姻状况和教育程度等变量之后,考察居民职业、收入水平、拥有财富和社会地位对家庭财产性收入产生的影响。
本文余下部分安排如下:第二部分是计量模型的确定;第三部分是数据描述与统计;第四部分是实证检验,检验社会地位对家庭财产性收入产生的影响;第五部分是本文的主要结论以及政策建议。
二、计量模型的设定 本文考察的对象是家庭财产性收入的影响因素,但研究存在一个问题是有大部分家庭没有财产性收入即财产性收入为零,如果将财产性收入为零的家庭忽略或者剔除,将不可避免的导致选择性偏差的出现(Heckman,1979)。
而如果在OLS回归中加入财产性收入为零的家庭变量,则会导致估计结果出现误差,因为大多数家庭的财产性收入为零,自变量的系数会因此减少甚至变得不显著。
Heckman两阶段模型可以克服这个问题,第一步是使用probit模型估计家庭拥有财产性收入的概率,第二步是进一步考察家庭财产性收入会受那些因素的影响。
具体模型为: Probit(lfproperty1)=α1lfaminc_net1+α2total_asset+…… (1) lfproperty1=β1fangchan+β2juli+ …… (2) 方程(1)为Heckman第一阶段的probit模型,Probit(lfproperty1)表示家庭拥有财产性收入的概率,考察了决定家庭是否有财产性收入的决定因素。
如果fproperty10即家庭存在财产性收入,lfroperty=1;如果fproperty1=0即家庭不存在财产性收入,lfproperty=0。
方程(1)中需要考察的自变量主要有家庭纯收入(去除财产性收入)、家庭净财产、多余房产数量、社区经济状况、住房条件和家庭规模。
方程(2)为Heckman第二阶段模型,用于考察决定财产性收入多少的因素。
这与OLS的方法不同的地方是,该方程加入了米尔斯比率η(Mill’s ratio),从而克服了样本的选择性偏差。
而mills ratio则通过第一阶段的方程计算得来,通过加入mills ratio可以解决模型的选择性偏差问题。
如果mills ratio不为零并且是显著的,则说明样本的选择性偏差确实存在,采用Heckman模型是有效的。
方程(2)需要考察的自变量主要有多余房产数量、社区经济状况、家庭成人的平均年龄、家庭成员户口情况、家庭成员工作类型、成员工作所在机构类型以及个人在当地的社会地位等。
在计算中对财产性收入、家庭纯收入和家庭净财产这三个变量的值去了对数。
三、变量数据描述 本文使用的是中国家庭追踪调查(CFPS)的数据,CFPS涵盖了家庭成人、家庭、社区三个库,本文将这三个库进行了合并,而其中关于家庭成人的数据选取了变量值最大的成员的信息,即家庭成员中社会地位最高,职业声望最高的数值。
CFPS于2010年正式开展访问,其样本覆盖25个省/市/自治区,目标样本规模为16000户,调查对象包含样本家户中的全部家庭成员。
采用CFPS的优势是其每年的调查样本不变,这样就可以得到面板数据,观察同一个家庭在不同年份的变化。
另一个优势是其覆盖的省份较多,可以由此观察不同省份之间存在的差异。
变量存在以下特征。
在14798个家庭中,仅有1360个家庭拥有财产性收入,其余家庭均没有任何财产性收入,拥有财产性收入的家庭数量仅占样本量的9.2%。
这说明只有少数家庭利用财产进行投资并获得收益。
在总体样本中,家庭纯收入(包括财产性收入)的均值为33816.9,最小值为5,最大值为2042105,最小值和最大值的差值有200多万,说明家庭收入的跨度大。
在拥有财产性收入的1360户家庭中,有房租收入的家庭有672户,占了大约一半的比重。
而在672户家庭中,租房收入占的比重平均为98.5%,说明房租收入是财产性收入的主要来源。
共有2255户家庭拥有多余的房产,但只有672户家庭获取了房租收入,不考虑调查中的谎报行为,只有大约30%的家庭将多余房产用于出租。
四、实证检验 首先,采用2010年CFPS的数据,考察决定财产性收入的存在和规模的影响,家庭的收入水平和财富水平分别用剔除财产性收入的家庭纯收入和家庭净财产表示,而家庭成员的社会地位则用个人工作机构、职业声望、是否从事管理工作、是否有下属以及在当地的社会地位来表示。
根据Heckman两阶段模型,本文将估计结果分为选择方程(即存在财产性收入的决定)和收入方程(即财产性收入多少的决定),将第一阶段中选择方程计算出的mill’s ratioη代入第二阶段的收入方程中,以解决样本的选择性偏差问题。
回归结果如下表所示: 表1 Heckman两阶段模型估计结果 回归的结果如上表所示,Heckman两阶段模型估计出的mill’s ratioη不为零且在1%的水平下显著,说明样本存在选择性偏差的问题,不能直接用普通最小二乘法对样本进行回归。
由表5的回归结果可以看出,家庭财富水平会对家庭财产性收入的存在产生显著的正向影响。
社区经济条件在选择方程和收入方程中均显著,社区经济条件对财产性收入的存在有显著的正向影响,对收入规模的影响则显著为负。
而多余房产的持有量对选择方程和收入方程有显著的影响,拥有多余房产会增加家庭持有财产性收入的概率,但多余房产数量增加,其财产性收入会减少。
五、结论及政策建议 由样本的统计结果和模型的回归结果可以得出以下结论,第一,拥有财产性收入的家庭占比不高,大部分家庭没有房租收入或金融资产增值收益。
第二,家庭的财富水平即财产基数会影响家庭的财产性收入,家庭资产越多,获取财产性收入的可能性越大。
第三,在选择方程中,多余房产数量会增加居民持有财产性收入的比例,但在收入方程中,多余房产数量与财产性收入的规模呈显著负相关关系,可以看出,很大部分拥有多余房产的家庭并没有将多余房产出租以取得房租收入,说明可能存在相当一部分的闲置住房。
第四,个人社会地位和政治权力对家庭财产性收入规模并没有显著影响。
第五,城乡收入差距依然较大,城市居民的财产性收入显著高于农村居民的财产性收入。
以上研究考察了影响我国家庭财产性收入的因素,结合我国目前的经济形势和宏观政策,本文提出如下建议和措施:第一,进一步深化产权制度改革,为居民增加财产性收入创造条件,积极探索建立土地、房产、林权等农村资产要素市场化机制。
第二,进一步完善资本市场,相关部门需要进一步深化对资本市场的改革,使资本市场化机制更加健全,让更多居民从资本市场中获取收益。
第三,由于家庭的财产基数会影响家庭的财产性收入,为了提高社会公平性,应该适度增加居民持有大量资产的成本,例如开征房产税。
第四,持有多余房产使家庭有机会获取房租收入,但是多余房产数量与财产性收入规模并不是正向相关的,说明可能存在大量闲置房产,为了提高资源配置效率,政府应鼓励房产转让和出租。
第五,由回归结果可以看出,城乡居民的财产性收入差距显著,必须减小城乡之间在居住、税收、财政和金融等方面不公平和二元化的政策和制度。
参考文献: [1]刘孝斌.收入差距对财产性收入的影响研究 [D].西南政法大学,2012. [2]杨博.我国城镇居民财产性收入研究 [D].西南财经大学,2013. [3]管明旭.资产价格波动对我国城镇居民财产性收入影响的实证研究 [D]. 吉林大学,2014. [4]周京奎.住宅市场风险、信贷约束与住宅消费选择 [J].金融研究,2012. [5]Shi Li, Terry Sicular. The Distribution of Household Income in China:Inequality, Poverty and Policies [J].The China Quarterly,2014.