中国家庭住房与消费的影响关系研究

(整期优先)网络出版时间:2020-08-08
/ 5

中国家庭住房与消费的影响关系研究

张晓辉 沈王业

南京审计大学 江苏南京 211815

摘要:房屋资产是中国家庭最重要的资产之一,具有家庭耐用品和家庭投资品两方面特征。本文将基于西南财经大学2019年最新发布的2017年中国家庭金融调查数据,建立计量模型分析房地产变动给居民消费带来的影响。研究结果发现,装修后的家庭短期内支出增加部分主要来源于家电家具的消费,且房屋装修并未对居民基本生活消费带来挤出效应。

关键词:中国家庭金融调查;家庭耐用品消费;消费结构

一、研究背景与研究现状

房地产市场的兴衰在我国经济发展中的作用极为重要,与居民的生活息息相关。GDP数据显示,2015年与2016年房地产在GDP中所占比重为6%和6.5%,而到2017年、2018年,房地产销售额分别为13.37万亿和14.997万亿,占GDP比重16.3%与16.7 %。

很多学者在对中国家庭进行研究时发现,许多家庭房产占总资产的70%以上,房地产作为家庭最重要的资产之一,由于其同时具有家庭耐用消费品和家庭投资品的双重特性。这决定了房产对于中国家庭的金融影响不同于证券、股票等金融衍生品。

对于国内的房地产市场,刑有为(2015)在住房效应对城镇居民的消费影响研究中表明我国住房的财富效应相对较弱且存在“门槛效应”。随着房价的不断上涨,住房的财富效应逐渐减弱。黄平(2006)认为房地产的财富效应对自用者影响不大,仅存在于将房产作为投资品中。王柏杰,何炼成,郭立宏(2011)通过实证分析认为我国各地房价差异很大,并且不能认为高房价地区具有更大的财富效应。

国内对于房地产对消费的作用研究,大多都聚集在财富效应与挤出效应两部分,但是对于其作为消费品,在购房后对家庭耐用品的刺激从而拉动经济涉及并不深入。经多研究发现,住房确实可以刺激家庭耐用品的消费,从而拉动总消费支出。

本文的研究方法主要是实证研究,辅之以必要的理论进行分析。实证研究分析中,首先对数据概况进行分析说明,之后对数据进行描述性分析与检验,最后用 stata 软件,采用 OLS 回归方法进行实证分析。从微观数据入手,对重要变量建立计量模型,侧重关注房产作为消费品的职能,分析家庭购房的经济行为是否对不同类型消费产生影响。

二、数据来源与说明

(一)数据来源

本文所使用的数据为西南财经大学2019年12月2日公布的2017年中国家庭金融调查(China Household Finance Survey,CHFS)数据。该调查由西南财经大学中国家庭金融调查中心在全国范围内开展。调查所选取的样本具有很好的代表性,时效性强,信息收集手段科学有效。

在此调查中,如果被调查者不愿意正面回答一些包括收入与支出等敏感问题,那么将会转而询问数值所在的区间。本文的研究只使用具体的数据做回归研究,由于技术上的问题,不涉及此类区间数据。

(二)变量说明

参照相关的研究,我们将家庭支出数据分为以下四类:

(1)第一类支出:家居改善以及维修;

(2)第二类支出:家居耐用品,主要包括家庭耐用品支出与购买交通工具的支出;

(3)第三类支出:非家居耐用品,主要包括水电物业费、交通费、通信网络费、文化娱乐、奢侈品、教育培训费、旅游、医疗保健品等支出;

(4)第四类支出:食物,主要包括问卷调查中的伙食费、在外就餐花费、消费自产的农产品价值。

被解释变量:第一类支出、第二类支出、第三类支出、第四类支出、消费总支出(四类支出之和);

解释变量:是否购房、是否装修;

控制变量:家庭人数、户主年龄、户主文化程度、户主婚姻状况、目前住房面积、目前住房房间数、目前住房购买价格、家庭年收入、金融资产总额、存款总额。

三、实证分析

(一)相关性检验与多重共线性检验

本文选取的变量较多,为了避免模型中存在严重的多重共线性对模型结果造成影响,本文首先对变量的之间的相关性做出检验。通过相关系数发现不存在相关系数特别大的变量,因此选择的变量相对独立,有利于后面的研究。

通过计算VIF值可以判断回归模型中是否存在多重共线性。通过计算VIF发现,所有VIF值都小于10,如表1,因此变量之间不存在严重的多重共线性。

表 1. 变量之间 VIF 表

是否购房

是否装修

VIF

1/VIF

VIF

1/VIF

ln(家庭总收入)

1.33

0.75

1.32

0.76

ln(金融资产)

1.12

0.89

1.12

0.89

家庭人数

1.18

0.85

1.18

0.85

平均年龄

1.26

0.79

1.26

0.79

文化程度

1.57

0.64

1.56

0.64

婚姻状况

1.09

0.92

1.09

0.92

住房面积

1.08

0.92

1.08

0.92

平均 VIF

1.21

1.20

(二)模型设定

本节,我们将介绍计量模型的设定。为研究解释变量、控制变量之间的关系,我们设定如下的计量模型:

5f2e5ef67023b_html_c398170c8a8cd792.gif

其中,y1、y2均代表消费支出。其中y1代表消费总支出与第一类、二类、三类、四类等各项支出;y2代表第二个回归模型下消费总支出与第一类、二类、三类、四类等各项支出。flag为一系列解释变量,flag1为是否买房,flag2为是否装修。X为一系列控制变量,包括家庭年收入、家庭金融资产、家庭人数、平均年龄、文化程度、婚姻状况、住房面积。

是否购房为虚拟变量,若被调查家庭在一年内有购房行为,则记为 1;被调查家庭一年内无购房行为,记为 0。

(三)回归分析

表 2. 是否购房对各类消费的影响回归分析

(1)

(2)

(3)

(4)

(5)

ln(总支出)

ln(第⼀类支出)

ln(第⼆类支出)

ln(第三类支出)

ln(第四类支出)

是否购房

0.208∗∗∗

1.172∗∗∗

1.098∗∗∗

0.033

−0.016

(7.59)

(12.52)

(8.37)

(0.66)

(-0.51)

(0.027)

(0.094)

(0.131)

(0.050)

(0.032)

0.174∗∗∗

0.073∗∗

0.305∗∗∗

0.111∗∗∗

0.203∗∗∗

常数项

7.248∗∗∗

−0.289

−0.207

5.528∗∗∗

6.412∗∗∗

(71.30)

(-0.83)

(-0.43)

(29.57)

(54.52)

(0.102)

(0.347)

(0.486)

0.187

(0.118)

观测数

12709

12709

12709

12709

12709

F

384.412

25.166

82.283

222.824

284.215

𝑅2

0.1949

0.0156

0.0493

0.1231

0.1518

Adjust 𝑅2

0.1945

0.0150

0.0487

0.1225

0.1512

在表 2 中,我们分析了是否购房对家庭消费支出的影响,控制变量行省略未显示。其中,第(1)至(5)列的解释变量分别采用家庭消费总支出、家庭第一类支出、家庭第二类支出、家庭第三类支出以及家庭第四类支出。

我们首先对解释变量进行分析。从表中数据可以看出,是否购房对于总支出、第一类支出、第二类支出有显著的正向影响,回归系数分别是 0.028、1.172与1.098,且在 1%的显著性水平上是显著的。这是由于,购房者中有一部分人会进行装修,装修行为会拉动第一类与第二类支出。

接着我们分析其他控制变量对于支出的影响。总收入的对数对总支出对数的回归系数是 0.174,在 1%的显著性水平上是显著的;金融资产对于总支出对数的回归系数也是显著的,为 0.021;家庭人数对于总消费对数的影响也是显著的,这不难理解,家庭人数越多,相对支出也会越多;户主年龄对于总消费对数的影响也是显著的,可以理解为,户主年龄越大,工作年限越高,平均收入会相对高于工作年限低的,所以总支出也会较高;文化程度也会显著影响家庭总支出,可以理解为,文化程度越高,平均工资也会相对高,因此总支出会相对较高。

家庭总收入对数与家庭金融资产对数对于各类支出都在 1%的显著性水平上有显著影响, 因为平均来说收入高、资产多的家庭支出必然会比较高。在回归(2)中,控制变量中,只有住房面积才对第一类支出出有显著影响,这是由于,家庭住房面积大,家庭对于装修的支出才会相对较多。

在回归(3)中,家庭人数与住房面积都对第二类消费有显著的影响,回归系数为0.069与0.002,这是由于家庭规模越大,包括家庭人数与家庭面积,那么家庭在家电家具等支出就会越多。

其次,在回归(4)中,同样是家庭人数、住房面积,还有文化程度对第三类支出产生显著影响,回归系数分别是 0.240、-0.001与 0.234。家庭人数越多,家庭中除食品外的各项支出都会变多,包括出行、文化娱乐、医疗等。文化程度越高的家庭,其用于教育、文化娱乐的支出也会越多,可能是由于不同的生活水平所导致的。

最后,在回归(5)中,我们可以看出,家庭人数、户主年龄、文化程度都会对第四类支出产生显著影响。不难理解,第四类支出为食品支出,由于一个家庭人数越多,平均来说其用于食品上的支出肯定会比同等收入水平,但人数少的家庭要多。在文化程度上,有研究表明,文化程度越高的家庭,其平均收入就会越多,平均收入越多,也就导致了在食品上的消费越高。毕竟收入对各类支出都有显著影响。

表 3. 是否装修对各类消费的影响回归分析

(1)

(2)

(3)

(4)

(5)

ln(总⽀出)

ln(第⼀类⽀出)

ln(第⼆类⽀出)

ln(第三类⽀出)

ln(第四类⽀出)

0.569∗∗∗

8.222∗∗∗

1.928∗∗∗

0.191∗∗∗

0.031

是否装修

(25.99)

(339.65)

(18.20)

(4.65)

(1.19)

(0.022)

(0.024)

(0.106)

(0.041)

(0.026)

7.215∗∗∗

−0.512∗∗∗

−0.372

5.522∗∗∗

6.414∗∗∗

常数项

(72.72)

(-4.66)

(-0.77)

(29.59)

(54.58)

(0.099)

(0.110)

(0.480)

(0.187)

(0.118)

观测数

12709

12709

12709

12709

12709

F

479.885

14475.958

116.449

225.844

284.384

𝑅2

0.2321

0.9012

0.0683

0.1245

0.1519

Adjust 𝑅2

0.2316

0.9011

0.0678

0.1240

0.1514

表 3 给出了是否装修对家庭消费支出影响的估计结果,控制变量行省略未在本文显示。其中,第(1)至(5)列的解释变量分别采用家庭消费总支出、家庭第一类支出、家庭第二类支出、家庭第三类支出以及家庭第四类支出。

首先,我们对解释变量进分析。总收入与金融资产对数对于总支出与各类支出对数都有显著影响。这并不难理解,因为,无论是房屋装修、购买家电家具、日用品与食物消费,都会受收入以及资产总额的影响。

在回归(1)中,家庭人数、户主年龄、文化程度、住房面积都会对总支出对数值产生显著的影响。且都为正向影响,其系数分别为 0.090、0.003、0.138 与 0.000,其中住房面积的影响可忽略。

在回归(3)中,我们研究的是各变量对第二类支出对数值的影响。其中家庭人数、户主年龄、文化程度会对第二类支出对数值产生显著影响。这是由于家庭规模越大,消费总支出越高。而且不同年龄段的人,对于装修的态度也不一样。可能年轻人是买第一套房,装修是刚需,而年龄稍大的人,不是第一套房,装修并非刚需。

在回归(4)中,我们研究的是各变量对第三类支出对数值的影响。其中,住房面积对第三类支出对数值的回归系数为负值,即在装修房屋的家庭中,第三类支出对数值与住房面积呈现出倒 U 型关系。

在回归(5)中,我们研究的是各变量对第四类支出对数值的影响。家庭人数、户主年龄、文化程度、住房面积都会对第四类支出的对数产生显著影响。也就是说,在刚装修的家庭中,家庭规模越大,食品消费越高;文化程度越高,总收入越高,相对的食品支出也会越多,这些都呈现出正相关。

四、总结与展望

根据上文对2017年中国家庭金融调查数据的回归分析可知,购房行为会刺激总支出与第一、第二类消费的增长,对第二类支出的刺激主要源自装修与购买家电家具;而装修行为则会刺激总支出以及其余几类消费。

通过上述的数据进行实证,我们通过建立回归模型发现,在用户购房以后的一年里总支出明显增加,其中消费大幅增加的主要是家具家电等装修以及租房相关的耐用品,而与住房无关的第三类支出、第四类支出则无明显变化。进一步通过分类研究可以发现,购房且同年装修的家庭总消费显著增加,其中短期内支出迅速增长的部分主要源自住房相关的耐用品支出,而与住房无关的支出没有显著改变。装修、家电家具等家庭耐用品消费的增加是总支出大增的主要原因,说明房地产对家庭耐用品消费支出有显著刺激作用,而没有给家庭基本生活带来挤出效应,食品等基本生活支出没有明显改变。

本文研究了家庭住房与消费的影响关系,关注房产作为消费品时,家庭的购房经济行为对于不同类型消费的影响关系,对未来政策制定者制定政策有一定的参考价值。未来若可以获得以月度为单位的购房、装修支出数据,则可进一步观察居民购房前后的消费支出变化趋势,得到更具体有价值的数据支撑。

参考文献

[1]邢有为.住房价格对城镇居民消费影响的再检验[J].金融与经济,2015(04): 80-83.

[2]黄平.我国房地产财富效应货币政策关系的实证检验[J].上海金融,2006(6): 32-34.

[3]骆祚炎.城镇居民金融资产与不动产财富效应的比较分析[J].数量经济技术经济研究, 2007(11): 56-65.

[4]尹志超,张号栋.金融可及性、互联网金融和家庭信贷约束——基于 CHFS 数据的实证研究[J].金融研究, 2018(11): 188-206.

[5]魏贵祥,陈小龙,冯怡琳.购房建房对城镇居民消费的双重影响[J].中国统计, 2009(03): 33.

[6]甘犁,魏昆,路晓蒙,赵雨培,王香.中国工薪阶层信贷发展报告[R].成都:西南财经大学中国家庭金融调查与研究中心, 2017.

[7]钱丽玲.浙江省房价变动对居民消费的影响效应研究[D].硕士学位论文,华东师范大学, 2015.

[8]靳涛,蒋凯.基于广义虚拟经济视角下的中国居民消费与房价关系研究[J].广义虚拟经济研究, 2012, 3(03): 35-41.

[9]秦芳,吴雨,魏昭.网络购物促进了我国家庭的消费吗——来自中国家庭金融调查(CHFS)数据的经验证据[J].当代经济科学, 2017, 39(06): 104-114+126.

[10]Efraim Benmelech. Adam Guren.Brian T. Melzer. “Making the House a Home: The Stimulative Effect of Home Purchase on Consumption and Investment,” 2017, NBER Working Paper No.23570.

作者简介:

张晓辉(2000-),男,汉族,江苏苏州人,南京审计大学,金融数学专业

沈王业(2000-),男,汉族,江苏盐城人,南京审计大学,金融学CFA方向

[基金项目]本文系南京审计大学2016年度大学生创新训练计划(项目编号:2016AX11005Z)的成果