家庭财产性收入的影响因素研究.docVIP

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。 【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’sratio），从而克服了样本的选择性偏差。而millsratio则通过第一阶段的方程计算得来，通过加入millsratio可以解决模型的选择性偏差问题。如果millsratio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