1. 引言
传统金融理论假设市场参与者具有理性且市场高效[1]。然而，消费者完全理性且决策信息完全充足的前提与现实情况严重不符。因此，行为金融理论应运而生，其中有限注意力理论尤为引人注目。有限注意力指的是人脑的信息处理能力有限，在多个任务之间分配认知资源时，对一个任务的注意力增加会导致对其他任务的注意力减少[2]。在当今信息爆炸的社会中，注意力变得尤为重要。面对信息过载和注意力有限，个体需要在大量信息中有效地分配注意力，他们的行为决策过程本质上是一个注意力分配的过程[3]。同时，在当今快速发展的经济时代，消费升级已成为不可忽视的现象。作为社会的基本单位，家庭消费水平的提升不仅反映了生活质量，也体现了国家的经济实力。因此，在家庭消费升级的过程中，这种心理现象对消费者决策和行为的影响逐渐显现。对经济和金融信息的关注程度，即金融关注度，不仅反映了公众对经济动态的敏锐感知，还在一定程度上影响了家庭的消费决策和行为模式。因此，家庭金融关注度对消费升级的影响已成为一个值得研究的问题。
因此，需要考虑一系列问题：金融关注度是否有助于促进家庭消费升级？金融关注度影响家庭消费升级的潜在机制是什么？金融关注度对家庭消费升级的影响是否会因家庭的城乡背景和地理位置而有所不同？如何从金融关注度的角度为家庭消费规划提供有用的参考？基于2019年中国家庭金融调查(CHFS)数据，本研究实证检验了金融关注度对家庭消费的影响及其机制。本文可能的边际贡献主要体现在以下三个方面。首先，从研究角度出发，基于家庭微观数据，本文讨论了金融关注度对家庭消费升级的数量和质量的影响，并考虑了可能来自城乡背景和区域差异的异质性。其次，从信贷约束和收入不确定性的角度，研究了金融关注度对家庭消费升级影响的机制。最后，在实践指导方面，基于相关影响和机制通道，提出了一些启示，为消费群体变化与管理的微观研究提供了一些新方向。
2. 文献综述
2.1. 金融关注度研究
从概念上看，本研究提出的金融关注度概念与Kahneman和Tversky [2]提出的有限注意力概念密切相关。有限注意力是心理学和行为金融研究中的热门话题，指的是人们处理信息和执行任务的能力有限，导致投资者行为的差异。Kahneman和Tversky [2]认为，人们需要合理分配有限的注意力，因为过多地关注一个方面会导致忽视其他方面。大脑具有有限的认知和信息处理能力，如果信息输入速度过快，就会导致注意力分散，因此有限注意力需要影响投资决策[4]。换句话说，个体需要在不同事项之间进行权衡并分配他们的注意力[5]。
从实际应用的角度来看，目前大部分关于金融关注度的研究主要集中在投资者有限注意力的调查上，普遍认为投资者有限注意力的存在是一个客观事实。投资者的注意力能力是有限的，因此只有那些被关注的股票才有可能被选中用于投资决策。研究表明，信息披露方式[6]和股息偏好[7]等因素会影响投资者行为。投资者倾向于更多关注与公司所在地接近的企业[8]，而中小投资者则更容易受到高成交量、极端收益率以及权威新闻报道等特殊新闻的影响[9]。注意力总是影响市场，当市场达到高点或低点时，高关注度的投资者会减少持有股票，从而导致价格短期下跌[10]。然而，在某些股票被推荐之后，这些股票会出现持续的净买入现象[11]。
此外，有限注意力假说解释了一些传统经济学无法解释的市场问题，如股权溢价[12]、对盈利预测反应不足[13]、周五盈利披露的价格反应[14]、对公司高水平净营运资产的过度乐观[6]、盈利公告伴随近期平均股价上涨[15]、个别投资者在盈利公告日期附近异常的股票买入量[16]、对分析师推荐反应不足[17]以及由于投资者注意力缺乏导致的股价动态[18]。
2.2. 金融关注度与居民家庭消费研究
目前关于金融关注度对家庭消费行为影响的直接研究较少，但我们可以从金融素养的角度研究个体认知资源对金融行为的影响，并从信息获取的角度探讨金融关注度如何影响家庭参与金融市场，以此来理解这一问题。
从金融素养的角度来看，关于其对个人金融行为影响的研究表明，金融素养是识别、掌握和应用金融概念及信息的能力，有助于个人或社会在不同的金融环境中做出有效决策[19] [20]。研究发现，较高水平的金融素养会提高个人参与股市的可能性，且具有较高金融素养的人更有可能从投资中获益[21] [22]。金融素养应被视为除教育之外的人力资本，它可以对家庭净财富产生显著的正面影响[23]。金融素养越高，成本和收入测量的准确性越高，投资中的风险判断越理性，投资决策也越科学[24] [25]。此外，一些研究表明，金融素养与消费水平呈正相关，且主观金融素养在年轻样本中对消费的影响更为显著[26] [27]。
从信息获取的角度，本研究探讨了金融关注度如何影响家庭参与金融市场。根据投资者认知假说，信息不对称使得投资者需要支付额外的信息成本，从而影响他们的投资决策[28]。家庭偏好于无风险资产而非股市投资的主要原因是投资风险资产所需的信息收集成本较高[29] [30]，降低这些成本有助于提升金融市场的活跃度和效率[31]。信息的关注度和可获得性极大地影响了投资者参与金融市场和资产选择的行为[32]。由于信息获取的不平等，家庭之间在投资行为和财富分配上存在显著差异[33]。
2.3. 文献评述
总体而言，现有的大部分文献研究主要集中在从投资者关注度的角度探讨其对金融市场运行的影响，或从金融素养的角度研究其对个人金融行为的影响，而关于金融关注度如何影响家庭消费升级的研究较少。然而，这为我们通过影响家庭自身特征来理解金融关注度如何促进家庭消费升级提供了有益的参考。
3. 理论分析与研究假说
3.1. 金融关注度对家庭消费升级的直接影响
基于上述文献研究，可以得出结论：家庭对经济和金融信息的关注度越高，越有助于促进家庭抓住市场机会、获得信贷资金、分配有限资源，并为消费决策提供有力支持。一方面，增加的金融关注度为消费者提供了更多的投资渠道。消费者可以通过购买金融产品、股票、基金等实现资产增值，从而增强消费能力，促进消费升级。另一方面，金融关注度的提升帮助消费者形成更为理性的消费观念，不再盲目追求高消费，而是更加关注消费的质量和实用性，这也有助于促进消费的升级。在此基础上，提出以下研究假设：
H1：增加的金融关注度将促进家庭消费升级。
3.2. 金融关注度对家庭消费升级的间接影响
3.2.1. 信贷约束效应
从金融关注度对信贷行为的影响角度来看，信息的可获得性是在信息不对称和信息不完整的背景下经济决策的基础。早在二手商品市场，人们就意识到了信息的重要性[34]。随后，信用配给的问题得到了广泛讨论[35]。在贷款市场，资金需求者需要信息来做出贷款决策，包括是否借款、向哪里借款以及借款金额。在成功借款后，借款人还需要考虑是否违约、是否再融资等问题。因此，信息对信贷行为具有根本性的影响。
从信贷约束对家庭消费行为的影响角度来看，研究发现信贷约束可以显著抑制家庭的消费行为[36]-[38]，尤其是那些缺乏流动资产的家庭[39]。信贷获取越便利，家庭的消费支出水平越高，但负债水平也随之增加。信贷约束会影响消费结构，导致家庭在耐用品消费和改善性消费之间进行选择。当信贷约束得到缓解或解除时，家庭会增加对耐用品的支出[40]。基于此，提出以下研究假设：
H2：金融关注度可通过影响家庭信贷约束来影响家庭消费升级。
3.2.2. 收入不确定性效应
从金融关注度对收入不确定性的影响角度来看，首先，高金融关注度的家庭更有可能拥有丰富的金融知识，这有助于他们更好地理解和预测金融市场的变化，通过投资、储蓄和风险管理来稳定收入，减少收入不确定性[41]。其次，高金融关注度的家庭可能在退休规划和确保在未来收入波动面前维持生活水平方面表现得更好[42]。最后，金融关注度还可能影响个人或家庭对金融市场的态度和行为，使他们更愿意积极参与金融市场，从而增加收入来源，降低收入不确定性[43]。
从收入不确定性对家庭消费结构的影响来看，收入不确定性较高的家庭可能会增加储蓄并减少消费[44]-[46]，减少非必需品的消费[46]，并选择风险较低的消费模式[47] [48]。基于此，提出以下研究假设：
H3：金融关注度可以通过影响收入不确定性来影响家庭消费升级。
4. 数据、变量与模型
4.1. 模型设定
为了探讨金融关注度对家庭消费升级的影响，本文建立了一个OLS模型，具体设定如下：
(1)
其中，被解释变量
表示为家庭消费升级；
核心解释变量表示金融关注度；控制变量
包括性别、年龄、教育、婚姻状况、户籍、工作、健康、资产、收入等家庭特征变量，以及区域经济发展水平、区域价格水平等区域特征变量。随机误差项
是模型中的随机误差。该OLS模型旨在通过控制多种影响因素，准确估计金融关注度对家庭消费升级的直接影响。
4.2. 变量定义
4.2.1. 被解释变量
被解释变量是家庭食品支出占总消费支出的比例，即恩格尔系数。当恩格尔系数较低时，意味着用于满足基本需求的收入部分减少，更多的收入可能用于其他方面的消费，如教育、娱乐、旅游、医疗等，这通常被认为是消费升级的表现。
4.2.2. 解释变量
金融关注度是衡量家庭对金融市场关注程度的量化指标。当家庭对金融市场的信息关注度较高时，他们更有可能了解并参与高风险的金融市场。在2019年中国家庭金融调查(CHFS)中，设置了“您对经济和金融信息的关注程度如何？”的问题。该问题的回答选项采用五点评分制，从“非常关注”到“从不关注”。本文将金融关注度的前三级，即“非常关注”、“关注”和“一般关注”合并为一类，赋值为1，而“很少关注”和“从不关注”合并为另一类，赋值为0。这种处理方式可以更简洁地描述和分析家庭投资者对金融市场的关注程度。
4.2.3. 信贷约束
本文使用2019年CHFS问卷中的“您的家庭是否需要用于生产和经营的资金？”这一问题。该问题的回答用于定义信贷约束。如果回答为“是”，则定义为存在信贷约束，赋值为1；否则赋值为0。
4.2.4. 收入不确定性
本文使用临时收入的平方项和收入的对数方差作为家庭不确定性的代理指标。首先，构建收入方程，选择家庭变量(平均年龄、平均教育水平、性别结构、健康状况和就业状况)和家庭户主变量(年龄、教育水平和性别)作为OLS回归的自变量。该方程的预测值和残差分别作为永久收入和临时收入，临时收入的平方项作为家庭不确定性的代理变量。然后，根据户主的年龄、教育水平、职业类型、工作行业和居住城市对家庭进行分组，计算组内相应家庭的对数方差，从而获得收入不确定性的定量结果。
4.2.5. 控制变量
在控制变量的选择上，主要从户主特征、家庭特征和宏观环境三个方面进行选择。其中，户主特征包括年龄、年龄的平方项、性别(男性为1，女性为0)、是否已婚(单身、离异或丧偶为0，其余选项已婚为1)、健康状况(健康为1，其余为0)、是否有工作(有工作为1，没工作为0)；家庭特征包括家庭人口规模、房地产状况(有房为1，无房为0)、家庭总收入(对数处理)、家庭总资产(对数处理)等；区域特征包括城市发展水平、消费者价格指数等。
4.3. 数据来源
本文中的家庭金融数据来源于西南财经大学2019年中国家庭金融调查(CHFS)数据库，涵盖了来自中国29个省(自治区和直辖市)及343个县(区和县级市)的34,643个家庭的金融行为数据，具有代表性。数据收集了家庭的人口特征、资产与负债、收入与消费、保险与保障等微观信息，全面反映了家庭金融的基本状况，并详细调查了家庭对经济和金融信息的关注度，为研究金融关注度对消费升级的影响提供了良好的数据支持。所有数据均在5%的显著性水平下进行了检验，各变量的描述性统计结果见表1。
Table 1. Descriptive statistics of variables
表1. 变量的描述统计分析
Variable type |
Variable name |
Variable symbol |
Observations |
Mean |
Standard deviation |
Min |
Max |
Explained variable |
Household consumption |
Engel |
32,359 |
0.412 |
0.195 |
0.005 |
0.994 |
Explanatory variable |
Financial attention |
Attention |
32,359 |
0.244 |
0.429 |
0 |
1 |
Credit constraint |
Credit_constraint |
32,359 |
0.126 |
0.332 |
0 |
1 |
Revenue uncertainty |
Revenue_uncertainty |
32,359 |
1.191 |
3.126 |
0 |
42.095 |
Control variable |
Gender |
Gender |
32,359 |
0.756 |
0.429 |
0 |
1 |
Age |
Age |
32,359 |
55.412 |
12.866 |
20 |
80 |
Age squared |
Age2 |
32,359 |
3236.058 |
1395.862 |
400 |
6400 |
Educational level |
Education |
32,359 |
9.204 |
3.999 |
0 |
22 |
Marital status |
Married |
32,359 |
0.858 |
0.349 |
0 |
1 |
Working condition |
Job |
32,359 |
0.978 |
0.148 |
0 |
1 |
Health status |
Health |
32,359 |
3.268 |
1.002 |
1 |
5 |
Family size |
Family_size |
32,359 |
3.125 |
1.538 |
1 |
15 |
House ownership |
House |
32,359 |
0.905 |
0.293 |
0 |
1 |
Total household income |
lnincome |
32,359 |
10.608 |
1.376 |
5.635 |
13.273 |
Total household asset |
lnasset |
32,359 |
12.768 |
1.67 |
7.889 |
16.058 |
Level of regional economic development |
lngdp |
32,359 |
11.092 |
0.398 |
10.404 |
12.009 |
Consumer price index |
CPI |
32,359 |
102.85 |
0.362 |
102.1 |
103.7 |
5. 实证结果
5.1. 基准回归
本文对基准模型进行了回归分析，结果显示在表2中。从表2的第1列到第3列可以看出，随着个人层面特征变量、家庭层面特征变量和区域特征变量的逐步加入，金融关注度的系数显著为负，并在1%的显著性水平下显著，这表明在考虑所有影响因素后，金融关注度对家庭消费升级具有显著的正向影响，从而验证了假设H1。可能的解释如下：首先，金融关注度的提升通常伴随着金融知识的普及和投资机会的增加。家庭可以更好地规划和管理资金，将闲置资金投资于金融产品、股票、基金等资本市场，增加收入来源，从而具备提升消费水平的能力。其次，金融关注度的增加会使家庭在消费上更加理性，重视质量而非低价，这种意识的转变会使家庭愿意为高质量的产品和服务支付更高的价格。最后，金融关注度较高的家庭更容易获得信贷服务，家庭可以通过借贷购买耐用消费品，如汽车和家电，提前享受高品质的生活，而这些商品如果一次性支付将难以负担。
控制变量的估计结果基本与实证事实一致。从个人特征的角度来看：1) 教育水平在统计上对恩格尔系数具有显著的负向影响，显著性水平为1%，即教育水平越高，越有可能实现消费升级。首先，受教育水平较高的个体通常拥有更好的就业机会和更高的收入水平，经济实力的增强使他们能够满足更高层次的消费需求，实现消费升级。其次，随着教育水平的提高，消费观念也会发生变化。家庭更加注重质量、品牌和服务，追求个性化和差异化，这一变化直接推动了消费市场向更高端、更个性化的方向发展。最后，教育水平的提高也增强了家庭获取和处理信息的能力，使他们能够更有效地利用各种消费资源，发现新的消费机会，从而促进消费市场的持续升级和扩展。2) 健康状况对恩格尔系数具有显著的正向影响，即健康状况越好，恩格尔系数可能越大。健康状况良好的家庭可能更倾向于健康饮食，这可能增加家庭的食品支出，同时，由于教育和职业等其他因素，家庭的收入可能并未显著增加，这可能导致相对较高的恩格尔系数。[49]
从家庭特征的角度来看：1) 家庭规模对恩格尔系数具有显著的负向影响。一方面，家庭规模越大，家庭的总支出相应增加。然而，当这些支出分摊到更多的家庭成员时，人均支出可能会减少。如果食品支出的增长比例低于总支出增长的比例，恩格尔系数可能会下降。另一方面，家庭规模的增加也可能带来规模经济。例如，购买散装食品(如大米、面粉等)时，大包装通常比小包装更经济。因此，人口较多的家庭在购买食品时更倾向于选择大包装，从而降低了单位食品的价格，这也降低了恩格尔系数。2) 家庭拥有住房不利于家庭消费升级。一方面，拥有住房通常意味着家庭需要承担更高的按揭压力。为了偿还按揭，家庭可能会减少其他方面的支出，尤其是非必需品的购买。这种财务约束可能限制了家庭提升消费的能力。另一方面，拥有住房的家庭可能更倾向于进行预防性储蓄，以应对可能的经济风险。这种储蓄动机会降低家庭升级消费的意愿。3) 家庭收入或总资产的增加会降低恩格尔系数。一方面，当家庭的总收入或总资产增加到一定程度时，食品支出的增长速度会逐渐放缓，家庭有更多的资金来满足生活的其他需求，如住房、交通、医疗、休闲和娱乐。另一方面，随着总收入或总资产水平的提高，家庭可能更倾向于选择高质量、高价位的食品，而不仅仅满足于数量上的需求。这种消费升级也会降低恩格尔系数。
从区域特征的角度来看：1) GDP对恩格尔系数具有显著的正向影响，即经济发展水平较高的地区恩格尔系数也较高。这一现象实际上与中国特殊的国情和经济发展模式有关。一方面，中国不同地区的经济发展不平衡，一些经济发达地区，如北京、上海、广州和深圳等一线城市，生活成本相对较高。家庭可能需要花费更多的钱来满足基本需求。尽管这些地区的家庭平均收入较高，但食品支出在总消费支出中的比例可能相对较高，导致较大的恩格尔系数。另一方面，随着经济的发展，家庭的消费观念也在变化。在一些经济发达地区，家庭可能更加注重食品的质量和品牌，愿意为高质量的食品支付更高的价格，这也会导致食品支出在总消费支出中的比重增加。2) CPI对恩格尔系数具有显著的正向影响，即物价水平较高的地区恩格尔系数也较高。高物价水平意味着家庭需要花费更多的钱购买相同的商品和服务，包括食品。因此，当物价水平上升时，家庭可能会增加食品支出以维持相同的生活标准。
Table 2. Results of OLS regression
表2. 基准回归结果
|
(1) |
(2) |
(3) |
(4) |
(5) |
VARIABLES |
Engel |
Engel |
Engel |
Engel |
Engel |
Attention |
−0.0505*** |
−0.0345*** |
−0.0301*** |
−0.0291*** |
−0.0718*** |
|
(0.00243) |
(0.00241) |
(0.00238) |
(0.00238) |
(0.0104) |
Gender |
|
0.0119*** |
0.0138*** |
0.0127*** |
0.0134*** |
|
|
(0.00255) |
(0.00255) |
(0.00255) |
(0.00256) |
Age |
|
0.00649*** |
0.00767*** |
0.00786*** |
0.00788*** |
|
|
(0.000587) |
(0.000590) |
(0.000589) |
(0.000593) |
Age2 |
|
−3.07e−05*** |
−4.86e−05*** |
−5.10e−05*** |
−5.13e−05*** |
|
|
(5.48e−06) |
(5.51e−06) |
(5.51e−06) |
(5.55e−06) |
Education |
|
−0.00436*** |
−0.00352*** |
−0.00356*** |
−0.00284*** |
|
|
(0.000296) |
(0.000333) |
(0.000332) |
(0.000377) |
Married |
|
−0.0210*** |
0.00917*** |
0.00978*** |
0.00876** |
|
|
(0.00338) |
(0.00346) |
(0.00345) |
(0.00348) |
Job |
|
−0.0147** |
−0.0120* |
−0.0118* |
−0.0117* |
|
|
(0.00727) |
(0.00705) |
(0.00705) |
(0.00709) |
Health |
|
0.0133*** |
0.0161*** |
0.0157*** |
0.0164*** |
|
|
(0.00114) |
(0.00114) |
(0.00114) |
(0.00115) |
Family_size |
|
|
−0.0196*** |
−0.0196*** |
−0.0198*** |
|
|
|
(0.000777) |
(0.000780) |
(0.000786) |
House |
|
|
0.0132*** |
0.0183*** |
0.0171*** |
|
|
|
(0.00401) |
(0.00405) |
(0.00408) |
lnincome |
|
|
−0.00584*** |
−0.00591*** |
−0.00519*** |
|
|
|
(0.000975) |
(0.000976) |
(0.000995) |
lnasset |
|
|
−0.00789*** |
−0.00946*** |
−0.00833*** |
|
|
|
(0.000887) |
(0.000925) |
(0.000969) |
lngdp |
|
|
|
0.0204*** |
0.0199*** |
|
|
|
|
(0.00282) |
(0.00284) |
CPI |
|
|
|
0.0323*** |
0.0309*** |
|
|
|
|
(0.00282) |
(0.00285) |
Constant |
0.425*** |
0.181*** |
0.337*** |
−3.193*** |
−3.068*** |
|
(0.00126) |
(0.0178) |
(0.0194) |
(0.293) |
(0.296) |
Observations |
32,359 |
32,359 |
32,359 |
32,359 |
32,358 |
R-squared |
0.012 |
0.074 |
0.102 |
0.107 |
0.099 |
注：Robust standard errors in parentheses，***p < 0.01，**p < 0.05，*p < 0.1。
5.2. 稳健性检验
5.2.1. 内生性分析
基准回归中可能存在内生性问题。首先，尽管已经加入了家庭特征、户主特征和区域特征的控制变量，但由于缺失变量，估计可能仍然存在偏差。其次，金融关注度与一些未观测的家庭特征密切相关，这些特征也会影响家庭消费，即可能存在逆向因果关系问题。因此，为了解决潜在的内生性问题，本文采用了工具变量法(IV)进行估计。
本文选择社区中家庭金融关注度的中位数作为工具变量。工具变量的选择需要满足相关性和外生性这两个条件。一方面，由于所在社区家庭金融关注度的增加，家庭自身的金融关注度在一定程度上会随之提高，满足了工具变量的相关性要求。另一方面，社区中的家庭金融关注度难以直接影响家庭自身的收入水平，满足了工具变量的外生性要求，因此这是一个相对理想的工具变量。工具变量估计结果见表2的第5列。根据估计结果，家庭金融关注度与恩格尔系数之间存在显著的负相关关系，表明金融关注度促进了家庭消费升级。进一步进行了杜宾–沃(Durbin-Wu-Hausman)检验，以判断是否存在内生变量。如果检验不通过(接受原假设)，则表明不存在内生变量，可以直接使用OLS回归。如果检验通过(拒绝原假设)，则存在内生变量。检验结果显示，F值为18.1454，P值为0.000，显著拒绝了原假设。此外，弱工具变量检验结果显示最小特征值为1981.67，大于10，符合弱识别检验，表明使用工具变量估计是合适的。因此，在缓解了内生性问题后，金融关注度对家庭收入的影响仍然显著为正。
5.2.2. 稳健性检验
1) 排除金融从业者家庭
与非金融行业家庭相比，金融从业者家庭受过专业金融知识的培训，对金融信息的关注度更高，这可能导致估计偏差。因此，本文排除了户主从事金融行业的样本家庭，其估计结果见表3的第1列。金融关注度对家庭恩格尔系数的影响仍然显著为负，这与之前的估计结果一致，证明了结果的稳健性。
2) 替换被解释变量
将家庭总消费分为生存性消费、发展性消费和享受性消费，其中生存性消费包括食品消费、衣着消费和住房消费，发展性消费包括医疗保健消费、交通通信消费、家用设备和服务消费，享受性消费包括娱乐消费和其他消费。分别用生存性消费、发展性消费和享受性消费替换原被解释变量。结果分别显示在表3的第1列和第2列。金融关注度对生存性消费的影响显著为负，而对发展性消费和享受性消费的影响显著为正。这与之前的估计结果一致，证明了结果的稳健性。
Table 3. Robustness test
表3. 稳健性检验
|
(1) |
(2) |
(3) |
VARIABLES |
Engel |
Engel |
Engel |
Attention |
−0.0703*** |
−0.0464*** |
0.0567*** |
|
(0.0105) |
(0.0112) |
(0.00441) |
Gender |
0.0131*** |
0.0252*** |
−0.0137*** |
|
(0.00258) |
(0.00263) |
(0.00117) |
Age |
0.00792*** |
0.00702*** |
−0.00448*** |
|
(0.000599) |
(0.000683) |
(0.000282) |
Age2 |
−5.17e−05*** |
−6.84e−05*** |
3.82e−05*** |
|
(5.59e−06) |
(6.25e−06) |
(2.55e−06) |
Education |
−0.00277*** |
−0.00284*** |
0.00227*** |
|
(0.000377) |
(0.000413) |
(0.000152) |
Married |
0.00898** |
−0.00929*** |
−0.00390*** |
|
(0.00350) |
(0.00351) |
(0.00148) |
Job |
−0.0109 |
−0.0138** |
0.00562** |
|
(0.00714) |
(0.00684) |
(0.00286) |
Health |
0.0163*** |
0.0319*** |
0.00320*** |
|
(0.00116) |
(0.00123) |
(0.000459) |
Family_size |
−0.0198*** |
−0.0163*** |
−0.00429*** |
|
(0.000788) |
(0.000907) |
(0.000285) |
House |
0.0173*** |
−0.0379*** |
−0.00321* |
|
(0.00410) |
(0.00408) |
(0.00167) |
lnincome |
−0.00510*** |
0.00337*** |
0.00507*** |
|
(0.000996) |
(0.00102) |
(0.000375) |
lnasset |
−0.00837*** |
0.00745*** |
0.00638*** |
|
(0.000971) |
(0.00101) |
(0.000347) |
lngdp |
0.0202*** |
0.0158*** |
0.00440*** |
|
(0.00285) |
(0.00304) |
(0.00129) |
CPI |
0.0312*** |
0.0265*** |
−0.00667*** |
|
(0.00287) |
(0.00301) |
(0.00120) |
Constant |
−3.102*** |
−2.493*** |
0.681*** |
|
(0.298) |
(0.315) |
(0.123) |
Observations |
32,102 |
32,358 |
32,358 |
R-squared |
0.098 |
0.045 |
0.129 |
注：Robust standard errors in parentheses，***p < 0.01，**p < 0.05，*p < 0.1。
5.3. 机制分析
将信贷约束替换到回归模型中，测试结果见表4的第1列。可以看出，金融关注度的提升仍然有助于降低家庭的恩格尔系数，缓解家庭的信贷约束也有助于降低家庭的恩格尔系数，但交互项的系数显著为正，即金融关注度并不通过缓解家庭信贷约束来促进家庭消费升级，反而通过缓解家庭信贷约束抑制了家庭消费升级。原因在于，信贷约束较高的家庭通常缺乏信用历史、抵押品不足或收入证明。即使在一定程度上缓解了信贷约束，其消费能力仍然有限，可能无法进行一些发展性消费。
将收入不确定性替换到回归模型中，测试结果见表4的第2列。从回归结果可以看出，金融关注度的提升仍然可以帮助降低家庭的恩格尔系数，降低收入不确定性也可以帮助降低家庭的恩格尔系数，但交互项的系数显著为正，即金融关注度并不通过降低家庭收入不确定性来促进家庭消费升级，反而通过降低家庭收入不确定性抑制了家庭消费升级。原因在于，即使降低了家庭收入不确定性，家庭可能会因为担心未来可能出现的不确定性和风险而增加预防性储蓄并减少消费。此外，如果金融关注度的提高伴随着利率的上升，借贷成本的增加可能会抑制家庭的消费欲望，特别是需要借贷来融资的大额消费。
Table 4. Mechanism analysis
表4. 机制分析
|
(1) |
(2) |
VARIABLES |
Engel |
Engel |
Attention |
−0.0789*** |
−0.0811*** |
|
(0.0119) |
(0.0115) |
Credit_constraint |
−0.0425*** |
|
|
(0.00445) |
|
Attention*Credit_constraint |
0.0541*** |
|
|
(0.0126) |
|
Revenue_uncertainty |
|
−0.00151*** |
|
|
(0.000473) |
Attention*Revenue_uncertainty |
|
0.00531*** |
|
|
(0.00143) |
Gender |
0.0137*** |
0.0143*** |
|
(0.00256) |
(0.00256) |
Age |
0.00786*** |
0.00784*** |
|
(0.000593) |
(0.000594) |
Age2 |
−5.21e−05*** |
−5.10e−05*** |
|
(5.55e−06) |
(5.56e−06) |
Education |
−0.00288*** |
−0.00316*** |
|
(0.000378) |
(0.000377) |
Married |
0.00846** |
0.00787** |
|
(0.00348) |
(0.00348) |
Job |
−0.0120* |
−0.0131* |
|
(0.00709) |
(0.00711) |
Health |
0.0157*** |
0.0159*** |
|
(0.00115) |
(0.00116) |
Family_size |
−0.0190*** |
−0.0207*** |
|
(0.000789) |
(0.000767) |
House |
0.0160*** |
0.0199*** |
|
(0.00408) |
(0.00405) |
lnincome |
−0.00540*** |
|
|
(0.000996) |
|
lnasset |
−0.00838*** |
−0.00985*** |
|
(0.000967) |
(0.000935) |
lngdp |
0.0186*** |
0.0186*** |
|
(0.00284) |
(0.00283) |
CPI |
0.0304*** |
0.0317*** |
|
(0.00285) |
(0.00285) |
Constant |
−2.990*** |
−2.493*** |
|
(0.296) |
(0.315) |
Observations |
32,358 |
32,358 |
R-squared |
0.100 |
0.096 |
5.4. 异质性分析
本文进一步从地理位置的角度考察了不同地区金融关注度对家庭消费升级的影响。CHFS数据库将地区划分为中部、西部、东部和东北地区，回归结果见表5的第1至第4列。从回归结果可以看出，东北地区的经济结构与中部、西部和东部地区显著不同；从产业结构差异的角度来看，东北地区可能更依赖传统制造业和重工业，而其他地区可能更注重高科技和服务业。这种产业结构的差异可能导致东北地区在面临金融关注度提升时，其消费升级效果不如其他地区显著；从经济发展水平来看，东北地区可能面临更严重的经济放缓和收入增长缓慢的问题，这影响了家庭的消费能力和消费意愿，进而影响了消费升级的速度和方式。
Table 5. Part I of heterogeneity analysis
表5. 异质性分析一
|
(1) |
(2) |
(3) |
(4) |
VARIABLES |
Engel |
Engel |
Engel |
Engel |
Attention |
−0.101*** |
−0.0599*** |
−0.0678*** |
−0.0430 |
|
(0.0192) |
(0.0231) |
(0.0188) |
(0.0306) |
Gender |
0.00800* |
0.0265*** |
0.0114** |
0.00441 |
|
(0.00424) |
(0.00560) |
(0.00471) |
(0.00731) |
Age |
0.00902*** |
0.0113*** |
0.00491*** |
0.00714*** |
|
(0.000979) |
(0.00127) |
(0.00106) |
(0.00190) |
Age2 |
−5.86e−05*** |
−8.42e−05*** |
−2.83e−05*** |
−4.30e−05** |
|
(9.21e−06) |
(1.18e−05) |
(9.96e−06) |
(1.75e−05) |
Education |
−0.00159** |
−0.00461*** |
−0.00175*** |
−0.00299** |
|
(0.000712) |
(0.000791) |
(0.000630) |
(0.00119) |
Married |
0.0137** |
0.00259 |
0.0128** |
0.0117 |
|
(0.00600) |
(0.00744) |
(0.00619) |
(0.00975) |
Job |
−0.00946 |
−0.00816 |
−0.0101 |
−0.0286 |
|
(0.0130) |
(0.0139) |
(0.0121) |
(0.0208) |
Health |
0.0133*** |
0.0201*** |
0.0160*** |
0.0189*** |
|
(0.00201) |
(0.00233) |
(0.00210) |
(0.00330) |
Family_size |
−0.0198*** |
−0.0232*** |
−0.0194*** |
−0.0289*** |
|
(0.00136) |
(0.00162) |
(0.00134) |
(0.00301) |
House |
0.0163** |
0.0187** |
0.0263*** |
0.0153 |
|
(0.00688) |
(0.00852) |
(0.00762) |
(0.0118) |
lnincome |
−0.00832*** |
0.00180 |
−0.00573*** |
0.00366 |
|
(0.00176) |
(0.00210) |
(0.00166) |
(0.00335) |
lnasset |
−0.00900*** |
−0.00980*** |
−0.0130*** |
−0.00428 |
|
(0.00169) |
(0.00203) |
(0.00177) |
(0.00306) |
lngdp |
0.0143** |
0.0674*** |
−0.0519*** |
0.00319 |
|
(0.00568) |
(0.0206) |
(0.00813) |
(0.0248) |
CPI |
0.0358*** |
−0.0366* |
0.0298*** |
−0.0559*** |
|
(0.00603) |
(0.0220) |
(0.00412) |
(0.0199) |
Constant |
−3.491*** |
3.219 |
−2.033*** |
5.912*** |
|
(0.659) |
(2.103) |
(0.433) |
(2.257) |
Observations |
12,015 |
7090 |
9741 |
3512 |
R-squared |
0.114 |
0.109 |
0.091 |
0.093 |
同样，本文进一步从户籍的角度考察了金融关注度在城乡地区对家庭消费升级的影响。CHFS数据库根据家庭特征将家庭划分为城乡两类，回归结果见表6的第1至第2列。从回归结果可以看出，无论是在城市还是农村地区，金融关注度的提高都有助于促进家庭消费升级。原因如下：首先，金融关注度的提升促进了城乡消费结构的优化。在城镇，家庭可能更倾向于购买高价值、高科技的产品和服务。在农村，金融服务的发展使农民更容易购买农机、家电等，提高了生产效率和生活质量。其次，金融关注度的提高促进了产业升级。在城镇，金融支持更可能流向高科技、高附加值产业。在农村，金融关注度的增加可以帮助促进农业产业链的升级。产业的升级反过来对消费产生反作用，提供了更多高质量的商品和服务，促进了消费的升级。最后，金融关注度的提高有助于缩小城乡消费差距。在农村，金融知识的普及可以提高农民的消费能力，增加农村市场的消费潜力，使农村家庭能够享受与城市家庭相似的商品和服务。
通过表面无关的回归检验，P值小于0.05，这意味着原假设被拒绝，即认为两组模型中的平均金融关注度存在统计显著差异。两组的平均金融关注度在统计上不相等。在实践中，这可能意味着不同群体的家庭(城市家庭与农村家庭)在金融关注度上存在显著差异，这可能影响它们的消费升级行为。
Table 6. Part II of heterogeneity analysis
表6. 异质性分析二
|
(1) |
(2) |
VARIABLES |
Engel |
Engel |
Attention |
−0.116*** |
−0.0863*** |
|
(0.0202) |
(0.0125) |
Gender |
0.0168*** |
0.0221*** |
|
(0.00413) |
(0.00332) |
Age |
0.00951*** |
0.00661*** |
|
(0.00103) |
(0.000727) |
Age2 |
−6.19e−05*** |
−4.62e−05*** |
|
(9.66e−06) |
(6.81e−06) |
Education |
−0.00575*** |
−0.00339*** |
|
(0.000852) |
(0.000441) |
Married |
0.0209*** |
0.00526 |
|
(0.00607) |
(0.00431) |
Job |
−0.0110 |
−0.0110 |
|
(0.0134) |
(0.00828) |
Health |
0.0115*** |
0.0188*** |
|
(0.00229) |
(0.00134) |
Family_size |
−0.0224*** |
−0.0178*** |
|
(0.00185) |
(0.000880) |
House |
0.0225*** |
0.0316*** |
|
(0.00773) |
(0.00506) |
lnincome |
−0.0111*** |
−0.00575*** |
|
(0.00227) |
(0.00113) |
lnasset |
−0.00787*** |
−0.0116*** |
|
(0.00224) |
(0.00111) |
lngdp |
0.0298*** |
0.0185*** |
|
(0.00495) |
(0.00361) |
CPI |
0.0244*** |
0.0394*** |
|
(0.00530) |
(0.00342) |
Constant |
−2.425*** |
−3.860*** |
|
(0.555) |
(0.353) |
Observations |
8922 |
23,436 |
R-squared |
0.145 |
0.082 |
6. 结论
基于2019年中国家庭金融调查(CHFS)数据，本研究深入探讨了金融关注度对家庭消费升级的影响及其机制。研究结果如下：首先，金融关注度的提升有助于促进家庭消费升级，并且在采用工具变量法和替换被解释变量后，结果依然稳健。其次，机制分析表明，金融关注度通过缓解信贷约束和降低收入不确定性抑制了家庭消费升级。可能的解释是，信贷约束较高的家庭通常缺乏信用记录、抵押品或收入证明，即使部分缓解了信贷约束，其消费能力仍然有限，难以进行享受性消费。即使降低了家庭收入的不确定性，家庭对未来不确定性和风险的担忧可能促使他们增加预防性储蓄，减少消费。如果这一过程伴随着利率的上升，可能进一步抑制家庭的消费欲望。第三，异质性分析显示，金融关注度能够促进中部、西部和东部地区的消费升级，但在东北地区这一效应并不明显。金融关注度对具有城乡背景的家庭群体的消费升级具有促进作用，但这种促进作用存在差异。