教育会改变家户的股票市场行为吗？来自义务教育法的证据
1任昶宇，北京大学国家发展研究院博士研究生，E-mail:rency@pku.edu.cn。
2肖潇(通讯作者)，北京大学光华管理学院助理教授，E-mail:xxiao@gsm.pku.edu.cn。
3周羿，北京大学光华管理学院社会研究中心助理教授，E-mail:yizhou@pku.edu.cn。
本文选自《经济学报》2020年第四期 （P156-188页）
摘 要 家户层面的股票投资不仅是家庭进行资产配置的重要渠道，也是国家金融市场建设的重要环节。本文利用中国义务教育法的实施作为自然实验，基于2015年中国家庭金融调查(CHFS)的数据研究了受教育水平对家户股票市场参与的因果效应。本文发现，教育能显著地提高家庭参与股票市场的概率；但是，没有证据表明高教育水平的家户可以获得更高的股票收益。更进一步地分析发现，教育会通过提升金融知识、改变风险态度、改变职业和收入等渠道，影响家庭的股票市场参与行为。
关键词 受教育年限；股票市场参与；投资决策
0 引言
随着人均预期寿命不断延长和资本性收入占比不断上升，能否有效地进行跨期资产配置，日益成为影响家户财富的重要因素(Campbell, 2006)。按照Lusardi et al.(2017)的估算，美国家庭在退休后呈现出巨大的财富不平等，其中有三成到四成可以归因于家户在金融市场上的决策能力差异。尽管大多数投资工具是面向所有家户开放的，但并非每个家户都了解这些工具，并能很好地加以使用。例如，Vissing-Jorgensen(2002)指出，美国家庭在资产组合选择上存在明显的异质性，而这种异质性在相当程度上是因为部分家庭无法承担参与股票市场的交易成本。股票市场交易所消耗的成本，不仅包括诸如佣金和印花税这些货币成本，也包括收集信息、处理信息和作出决策所需的非货币成本。这部分非货币成本的规模会因决策个体的人力资本差异而有所不同。
相较发达国家水平，中国家庭的金融参与程度非常低。具体来说，中国家庭的股票市场参与率只有8.8%，基金市场参与率只有4.2%，债券、衍生品和其他理财产品的参与率则均在1%左右(甘犁等,2014,2016)。存款仍在家庭金融资产中占据着主导地位(占比约为45.8%)。传统金融理论认为，家庭应根据资产的成本收益特征和自身风险承受能力制定投资决策，且通常应该有一定比例的财富投资于风险资产(Dow and da Costa Werlang, 1992)。基于美国1889—1978年的长期数据，Mehra and Prescott(1985)发现并提出了“股权溢价之谜”(equity premium puzzle)，即股票的长期收益率远高于债券的长期收益率，而这种长期回报溢价无法被经典理论框架下的合理风险因子加以解释。理论上讲，给定股权资产的正溢价，大多数家庭都应配置一定比例的股权资产。
什么因素阻碍了一部分家庭参与到股票市场中来呢？已有实证文献提供了若干可能的解释。一些最新的文献表明，高教育程度的个体更可能参与股票市场。Cole et al.(2014)利用美国人口普查及收入和项目参与调查(SIPP)的数据，发现义务教育法所导致的教育年限提升，能显著促进金融市场参与和投资收益率的提升。Black et al.(2018)使用瑞典人口普查数据，同样发现教育促进了当地男性参与股票市场。这些发现不仅在理论上有所贡献，而且也具有很强的政策含义。它意味着，推动教育公平将有助于减少金融市场参与的不平等，甚至是有助于缓解家庭财富的不平等。这一结论是否也适用于中国，却一直未曾在实证上被检验过。
教育至少可以通过两方面机制来影响家户的股票市场参与。一方面，教育能提高个体的知识和技能，从而降低他们参与股票市场的进入成本(Christiansen et al.,2008)。尽管中国股市已经发展了近三十年，但对许多家庭来说仍存在很大的“信息壁垒”。根据中国家庭金融调查(CHFS)2015年的数据，高达44%的家庭财务决策者在受访时表示，没有听说过股票或没有听说过基金。有效的股票市场参与要求家庭具备一定的搜集、整合和分析信息的能力，并在此基础上理性地作出决策。学校教育能为个体在将来发展这些能力打下基础。小学教育对于认知能力的影响一直持续到晚年(Huang and Zhou, 2013)，而认知能力则被发现对于老年人的金融知识和金融行为有明显的影响(Banks, 2010)。例如，数学训练被证实对于家户的金融决策有很大帮助(Cole et al.,2016)。除此之外，教育还会对个体的收入、职业和社会网络等方面产生长期影响，从而间接地降低了他们进入股市的成本(Bertaut, 1998；Hong et al.,2004；Bogan, 2008；Briggs et al.,2015)。
另一方面，教育甚至还会影响人们对于风险资产的选择。现有文献发现，人力资本的提升会增加人们选择风险行为的可能性(Calvet and Sodini, 2014)，特别是显著增加人们在风险资产上的投资(Black et al., 2018)。首先，如果家户能更好地认识什么是风险以及什么是风险溢价，他们就能更有效地去配置资产。比如，一些OECD国家开设了专门的金融知识教育项目，旨在帮助其民众更好地理解金融风险。实证研究发现，这些项目确实对个体的储蓄和投资行为产生了直接的影响(Lewis and Messy, 2012)。其次，教育会改变一个家庭的风险承受能力，进而改变他们的风险偏好。Cooper and Zhu(2016)基于理论模型探讨了教育在家户金融行为中的作用，并用数据加以验证。他们发现，教育主要是通过改变劳动收入来对金融行为产生影响。具体地说，高学历家庭的收入稳定性往往要更强，因此更有能力承担股票市场上的风险(吴卫星和沈涛，2015)。需要注意的是，当教育又与某些个人格特质存在相关性时，教育与股票市场行为之间的关联会变得较为复杂。比如说，过度自信的投资者往往更可能参与股票市场，且更可能过度配置风险资产(吴卫星等，2006)，而教育与过度自信之间的关系仍存在争论(Bhandari and Deaves, 2006; Ortoleva and Snowberg, 2015)。
基于CHFS 2015数据库，本文尝试探讨教育对于中国家庭参与股票市场的影响。在改革开放以来，中国家庭在生活的各个方面都经历了翻天覆地的变化。比方说，随着义务教育法的实施，人民的平均教育年限迅速提升。与此同时，各种金融品市场从无到有、逐步开放，人们有了越来越多可供选择的投资渠道。但总的来说，中国的股票市场起步较晚、整体参与率较低、散户投资者比重较高。这两个宏观层面的历史变化之间是否存在一定关联？基于发达国家数据的相关实证发现，是否可以直接作为中国制定相关政策的参考证据？探讨教育与股票市场参与的因果关联，不仅具有学术上的价值，也有很强的现实意义。
在检验教育对于股票市场参与的因果效应时，研究者无法回避来自内生性问题的挑战。具体来说，教育水平会与许多不可观测的因子(例如智商禀赋、家庭背景和制度环境)相关联，而这些因子同时又会影响个体的投资行为。比如，Barnea et al.(2010)基于双胞胎样本进行估计，发现基因大约可以解释个体股票市场参与差异的三分之一。另外，那些更多投资子女人力资本的父母，会有不同于其他父母的投资偏好或者投资能力，而偏好和能力可能会从父代传递到子代。因此，教育与股票市场参与这两者的相关性，可能掺杂了许多不可观测变量的效应，不能直接理解为因果关系。为了解决这个问题，我们利用了中国义务教育法在各省起始实施时间上的差异来构造反事实，基于工具变量法二阶段回归来估计受教育年限对于股票市场参与行为的因果效应。一方面，义务教育法会让一些本来会失学或者辍学的个体进到学校学习；另一方面，因义务教育法所致的那部分受教育年限改变，与那些同时会影响股票市场行为的个人层面不可观测特征基本是不相关的。因此，受到义务教育法影响的强度，可以作为一个合理的工具变量。
工具变量法的估计显示，教育对家庭参与股票市场具有显著的推动作用。具体来说，受教育年限每增加一年，拥有股票账户的概率增加3.5%，持有股票的概率增加2.9%。本文还基于已参与股市的那部分家户子样本，进一步检验了教育对股票收益率和家户股票资产比重的影响。我们没有找到证据表明，教育程度较高的个体能在股市上获得更高的收益；同时也没有发现教育对他们所持股票价值占其总资产的比例有所影响。这或许是因为，教育改变了个体对风险的认知，帮助他们理解分散风险的重要性，使得他们在股票市场不会过度自信或过分激进。本文还尝试进一步探讨教育产生作用的机制。我们发现，教育既会提升个体的金融知识，也会让个体的风险态度发生改变。具体而言，教育程度更高的人群，也会相对更偏好风险收益更高的投资组合，这从风险感知的角度支持了教育促进股票市场的参与。
后续内容安排如下：第1部分对相关研究进行了文献综述；第2部分介绍与本文相关的重要制度背景，主要包括义务教育法和我国的股票市场概况；第3部分介绍数据与变量；第4部分介绍实证方法，并基于实证结果探讨了教育对于家庭股票市场参与的因果效应及其可能机制；第5部分提供了一系列稳健性检验结果；第6部分是结论及政策建议。
1 文献综述
本文的贡献主要体现在以下几个方面。首先，我们利用实施时间在省份层面存在差异的义务教育法作为自然实验，来检验教育对于股票市场参与的因果效应。尽管已有一些文献展示了教育水平与股市参与之间的强相关关系(Calvet et al.,2009；Barnea et al.,2010；王聪和田存志，2012；吴卫星和沈涛，2015)，但是直到最近几年才有国外学者对因果关联进行识别(Cole et al.,2014；Black et al.,2018)。本文或许是最早使用中国家庭数据去识别教育对股票市场参与的因果效应的实证研究。其次，本文还探讨了学校的通识教育作为一般性的人力资本，怎样影响了专门性人力资本的形成。尽管金融知识对于家庭有效利用金融市场尤为重要(Bernheim et al.,2001；Van Rooij et al.,2011；Lusardi and Mitchell，2014；尹志超等，2014；Bruhn et al.,2016)，但是这种专门性人力资本是如何形成的却鲜有研究关注。本文的实证结果表明，学校教育中所提供的技能基础和认知训练，有助于个体成年后的金融知识发展。最后，本文对于研究人力资本回报和收入不平等的相关文献亦有贡献(Mincer, 1958; Schultz, 1961; Glomm and Ravikumar, 1992)。特别是，我们发现教育对于收入不平等的作用，不只是通过影响劳动收入的渠道，还会通过影响家庭资产配置效率的渠道。本文的实证发现还具有很强的政策含义。
现有文献中另一个与本文相关的争论是，学校提供的通识教育(general education)与家户金融知识之间存在怎样的因果关联。国内外相关实证研究表明，金融知识对于家庭在资产选择、商业保险购买和银行信贷参与等方面的行为均有较为明显的影响(Grinblatt et al.,2011; 尹志超等，2014；秦芳等，2016；宋全云等，2017; Bianchi, 2018)。Bernheim et al. (2001)指出，在中学阶段开设专门的金融知识课程，有助于学生们在成年后更有效地储蓄和投资。可是，专门课程并非是毫无成本的，它势必会挤占学校通识教育的学习时间；同时，通识教育中的一些训练，本身又是让金融知识得以更好发展的重要基本功。Cole et al.(2016)就发现，让家户金融决策能力得以提升的是通识教育中的数学训练，而非是专门的金融知识课程。理解通识教育和金融知识之间的关系，不仅有助于我们发现教育影响金融行为的具体机制，同时也帮助政策制定者在不同教育内容之间做取舍权衡。
2 制度背景
2.1 义务教育法
中国的义务教育法于1986年4月12日通过，并于同年7月1日起正式施行。(1)中国教育部门户网站.http://old.moe.gov.cn//publicfiles/business/htmlfiles/moe/moe_619/200606/15687.html. [2019-08-28]这是我国第一部规定全国性教育政策的正式法律。这部法律的主要内容包括：(1)实施具有强制性的九年制义务教育；(2)一般情况下，凡年满六周岁的儿童，其父母或者其他法定监护人应当送其入学接受并完成义务教育；(3)原则上，义务教育是免费提供的；(4)任何企业、机构和个人雇佣义务教育适龄儿童(16岁以下儿童)工作，均属于违法行为；(5)允许地方政府在一定程度上征收相关税费以满足义务教育支出(Fang et al.，2012)。与许多发达国家义务教育法规定最低辍学年龄的方式不同，中国的义务教育法规定，不论省份、城乡、民族，中国的适龄儿童至少要在学校接受九年(小学、初中)教育。
义务教育法对于中国青少年的教育水平提升起到了重要作用(Xie and Mo，2014)。我国15岁以上的农村文盲比例，从1982年的37.7%下降到了2000年的11.6%；同期，城市文盲比例也从17.6%降至5.2%。初中入学率从1986年的69.5%提升到了2000年的95.5%(Huang，2015)。中央政府考虑到各省的实际情况不尽相同，所以在推行义务教育法时，允许各省份根据自身情况灵活决定具体施行时间。Huang(2015)指出，有些青少年在当地执行义务教育法时已经在7至15岁之间了，虽然这部分人也会受到义务教育法的影响，但他们没有完整地完成9年的学制，便在16岁时可以合法地进入劳动力市场。并且，对于这些16岁以前辍学的少年儿童而言，义务教育法施行当年的年龄越大，其重返校园的难度也就越高。义务教育法对于这部分青少年只有部分影响，且影响强度随义务教育法执行时的年龄而递减。这意味着，同一省份不同出生年份的个体，或者不同省份同一出生年份的个体，所受到义务教育法影响的强度并不相同，这为我们的因果识别提供了差异性。
2.2 股票市场
改革开放以来，随着中央逐渐深化经济体制改革，包含股票在内的大部分金融活动也逐渐恢复起来。在上海证券交易所和深圳证券交易所于1990年相继成立后，我国形成了正式的股票市场(Ma，2017)。此后，中国股票市场经历了持续且迅速的创新、完善和发展，已初步形成了一个相对健全和开放的系统，并为经济改革和社会发展作出了重要贡献(巫云仙，2018)。根据《上海证券交易所统计年鉴(2018)》(2)上海证券交易所官方网站.[2019-09-03].http://www.sse.com.cn/aboutus/publication/yearly/documents/c/tjnj_2018.pdf和《深证证券交易所统计年鉴(2018)》(3)深圳证券交易所官方网站.[2019-09-03].http://docs.static.szse.cn/www/market/periodical/year/W020190725302766297492.pdf的数据，截至2017年，上交所、深交所分别有上市公司1396、2089家，股票数分别为1440、2127支，股票市场总价值分别超过33万亿元、23万亿元人民币。快速发展中的中国股票市场也仍存在不少有待完善的方面，例如某些操作(如交易和披露)还存在监管缺位、机构投资者比例较低、市场有效性不足等(Ma，2017；南开大学中国市场质量研究中心《中国股票市场质量研究报告2018》)。
从股票市场参与率来看，股票还远没有成为惠及大多数家庭的投资渠道。2015年，中国家庭的可投资资产配置在股票上的比例也只有4.4%，远低于美国家庭的12.9%(甘犁等，2016)。尽管如此，股票市场已是中国家庭参与度最高的金融品市场了。(4)据《中国家庭金融报告2014》，2013年全国家庭的基金、债券、银行理财产品和其他金融产品持有比例为3.1%、0.7%，1.8%和不足1%。其中原因，既是由于金融市场投资品种普遍有一定准入门槛，且中国家庭自身金融知识缺乏；同时，也与针对中国个人投资者的债券、基金市场规模相对较小有关。根据《中国家庭金融报告2014》，家庭没有参与股票市场的原因主要是缺乏相关知识(44.2%)和资金有限(43.4%)。具体来说，信息壁垒和风险认知仍是影响股票市场参与的重要因素——19.4%的家庭没有听说过股票， 15.1%的家庭认为炒股风险太高所以不参与股市。不同社会经济地位的家庭在股票参与率上呈现出很强的差异。比如，随着户主学历提高，家庭拥有股票账户的概率不断上升。这些数据表明，中国股票市场的发展除了继续深化市场改革、完善监管机制和加强公司治理等自身建设之外，还要注意做好对广大民众的金融知识普及与教育。
3 数据与变量
本文所使用的数据是来自西南财经大学中国家庭金融调查与研究中心2015年在全国范围内开展的第三轮中国家庭金融调查(China household finance survey, CHFS)。该调查旨在基于科学抽样的手段来调查收集家庭的资产与负债、收入与支出、保险与保障、人口与就业等方面的信息，从而全面地追踪家庭的动态金融行为。2015年所开展的第三轮调查，在前两轮的基础上扩大抽样框，最终涵盖了除西藏、新疆和港澳台地区的29个省份、363个县和1,439个村(居)委会，共计37,289份家庭样本和125,248份个人样本。同时，该项目采用了多项措施来控制抽样误差和非抽样误差，以保证数据有充分的代表性和准确性。问卷除了详细询问个人基本信息和生产生活状态之外，还要求最了解家里财务状况的人作为代表，回答一系列有关其家庭金融行为的问题(5)根据CHFS 2015的问卷设计，对于追踪受访户，访员首先询问每个家庭年满16周岁且了解家庭经济情况的人的姓名，作为问卷询问的受访者；对于2015年新增受访户，访员首先询问最了解家里财务状况的人的姓名，作为受访者记录下来。后续问卷中的所有问题咨询受访者，其他成员仅起辅助作用。如果受访者不在家，则访员会留下他们的联系方式，另约时间访问。。
3.1 股票市场参与
为了研究教育对于股票市场参与的影响，我们首先从问卷中选取了一系列用于描述家户股票市场行为的被解释变量，例如股票市场参与、是否在股市上获得正收益以及股票资产占总资产的比重等。
我们使用两个变量来描述家庭是否参与股票市场，分别是“是否拥有股票账户” (6)这里的股票账户指深交所、上交所所有A股及主板、中小板、创业板的股票。和“是否持有股票”。如果“拥有股票账户”或“持有股票”，则记为1，反之为0。需要说明的是，使用“拥有股票账户”这个变量会错误地将那些有账户但并不实际参与的家户包含进来。使用“持有股票”这个变量能剔除掉这些不实际参与的家户，但同时又会错误地将那些暂时空仓的家户排除在外。所以，分别使用这两个不完美的被解释变量进行检验，所得到的结果会较为稳健。在CHFS 2015的37289个受访家庭中，有3759个家庭拥有股票账户(占总样本的10.1%)，其中有2617个家庭的账户中持有股票(占总样本的7.0%)。
对于股票市场参与者子样本，为了描述其投资行为和表现，我们又定义了“股票资产占比”“股票投资是否有正收益”和“股票投资收益率”三个变量。“股票资产占比”的计算方法为股票账户现金余额与当前持有股票市值之和(即股票资产总值)，除以家庭资产总值。后面两个变量是关于投资收益率的描述。前者是一个虚拟变量，在股票市场上获得正收益的记为1，否则为0；后者是一个连续变量，是使用家庭从股票买卖或分红中实际得到的收入除以股票资产总值计算得到，为了消除少数数据中异常值的影响，我们对其做了两侧0.05比例缩尾处理。
3.2 受教育年限与义务教育法的适用程度
2015年中国家庭金融调查问卷中设计了关于学历水平的问题，参照现有文献的做法(例如，尹志超等，2014)，我们将其折算为受教育年限(年)。(7)具体来说，没上过学、小学、初中、高中、中专/职高、大专/高职、大学本科、硕士研究生、博士研究生分别对应教育年限0、6、9、12、12、15、16、19、22年。进一步，为了克服受教育年限可能因为遗漏变量等原因存在内生性问题，按照Xie and Mo(2014)，Huang(2015)，Ma(2019)等人的做法，我们选取义务教育法的适用程度作为受访者受教育年限的工具变量。首先，各省份实施义务教育法，以法律强制规定对所有适龄儿童进行九年制教育，这在总体上提高了人群的受教育水平。其次，作为一个国家层面的法律，义务教育法的实施是受访者个人所不能控制的，其对于个人股票市场参与行为是外生的。
不同省份义务教育法正式生效的年份不一样，这给本研究提供了省级层面上的差异性。由于义务教育法的实际实施时间主要集中于1986年至1991年，主要受影响的群体出生在1970年及之后，我们参考Huang(2015)的做法将研究对象限制在2015年受访时18至50周岁之间的群体(即出生于1965年到1997年之间的样本)，总样本(个人)数为16927。这样的样本限制是为了在保证样本规模的条件下，尽可能给受到义务教育法影响的处理组匹配上较为相似的对照组。我们替换了不同出生年份边界来选取样本，所得到的结果并没有太明显的变化。
如前文所述，义务教育法对于当时处于不同年龄的儿童的影响不尽相同。具体来说，在法律生效当年不足6岁的儿童受到法律影响最大，属于完全适用(fully-eligible);而16岁及以上人群则不受影响，属于不适用(non-eligible)；6至15岁之间的儿童，他们随着年龄增大，法律适用程度逐渐减小，属于部分适用(partially-eligible)。我们按照如下方法定义义务教育法的适用程度(下简称“适用程度”)：在各个省份，义务教育法生效当年不足6岁(完全适用)的群体，适用程度为1；在生效年份时的年龄每增大一岁，适用程度减少0.1，服从线性趋势；法律生效当年16岁及以上的群体，适用程度定义为0。根据不同年龄组人群受到义务教育法影响程度的大小，这种设定尝试给出了相对应的政策冲击效果。这与已有文献(Ma, 2019)的做法保持一致。
为了展示义务教育法的施行对于民众教育水平的提升作用，我们首先探究不同年龄组人群的受教育年限变化情况。按照各个省份的人群在法律实施当年的年龄，即义务教育法的适用程度，我们把他们分成不同的组别。在控制性别、省份、农村地区的情况下，我们用受教育年限对于各个年龄组的虚拟变量做回归。这里的对照组是法律实施当年15岁的人群，也就是对于该法律“恰好适用”的人群。每个年龄组的回归估计系数和对应的置信区间展示在图1当中，涵盖了从在义务教育法实施当年出生(比对照组小15岁)到法律实施当年18岁(比对照组大3岁)的人群，包括了该法律完全适用、部分适用和不适用的人群。
图1 不同年龄组的受教育年限变化情况
注：图1展示了不同年龄组别的人群(在义务教育法实施当年处于0至18岁之间)的受教育年限相对变化的回归估计结果，控制变量包含性别、省份虚拟变量和是否为农村地区。对照组是义务教育法实施当年15岁(恰好适用)的人群。圆点表示点估计系数，线段上下界表示90%置信区间。
从图1所示结果来看，相对于对照组，更年轻的年龄组的人群，受教育年限有着明显的提升。义务教育法完全适用人群的教育年限，提升多于两年；部分适用人群，教育年限也有着一定程度的提升，并且随着年龄差距的减小，提升作用也逐渐变小，并且趋于不显著异于0；直至完全不适用的年龄组，受教育年限的差异不显著。图形分析支持了义务教育法提升儿童受教育年限的结论，与主流文献一致。同时，按照法律施行当年的年龄来看，年龄越大的人群受到的影响越小，这在一定程度上支持了我们使用线性趋势的义务教育法适用程度，作为工具变量的设定合理性。
3.3 其他变量
为了进一步研究教育发生作用的渠道，我们还探讨了教育对于金融知识和风险偏好的影响。2015年的调查问卷中有利率计算、通货膨胀理解和投资风险等三道问题来测试受访者的金融知识水平。(8)具体问题如下：【利率计算】假设银行的年利率是 4%，如果把 100 元钱存1年定期，1年后获得的本金和利息为？1.小于104元；2.等于104元；3.大于104元；4.算不出来。【通货膨胀理解】假设银行的年利率是5%，通货膨胀率每年是3%，把 100 元钱存银行一年之后能够买到的东西将？1.比一年前多；2.跟一年前一样多；3.比一年前少；4.算不出来。【投资风险】您认为一般而言，股票和基金哪个风险更大？1.股票；2.基金；3.没有听说过股票；4.没有听说过基金；5.两者都没有听说过。我们采用两种办法来构造衡量个体金融知识水平的变量。首先，我们统计正确回答问题的个数，每正确回答一道问题记得1分，满分为3分。其次，我们使用因子分析的方法基于对这三道问题的回答计算出一个主成分因子，然后以之作为金融知识水平的衡量指标。
对于风险资产态度的衡量，我们选取了问卷中的两道问题，其中一道关于个人投资的风险选择，另一道则是反映个人风险态度的彩票选择问题。投资选择的问题为：“如果您有一笔资金用于投资，您最愿意选择哪种投资项目？1.高风险、高回报的项目；2.略高风险、略高回报的项目；3.平均风险、平均回报的项目；4.略低风险、略低回报的项目；5.不愿意承担任何风险；6.不知道。”根据前五个选项的5种类别，我们定义个人投资风险偏好为一个0至4的整数，数字越大表示希望选择的投资项目风险越高。问卷中的彩票选择问题为：“如果现在有两张彩票供您选择，若选第一张，您有100%的机会获得4000元，若选第二张，您有50%的机会获得 10000元，50%的机会什么也没有，您愿意选哪张？”若选择第一张无风险彩票，偏好风险彩票变量为0；若选择第二张，偏好风险彩票变量为1。
参照以往文献，本文选取的控制变量包括：受访者的人口学特质，含年龄、性别、城乡、婚姻状况、家庭总资产；地区层面变量，即城市固定效应。在数据处理上，关键解释变量、工具变量缺失的样本及控制变量存在缺失值的样本，我们都进行了删除。最终得到的有效样本有16,459个。(9)在后续实证分析中，部分结果的观测值可能小于有效样本数，且出现互相不一致的现象，这是由于部分关键被解释变量也存在不同程度的缺失。 表1给出了变量的描述性统计。
从表1可以看出，在本文选取的样本家庭(18至50岁人群)中，有约14%拥有股票账户，约10%持有股票。这两个比例都略高于全样本(分别为10%和7%)。给定已参与股票市场的家庭，股票资产的配置比例平均值为8%。在报告了股票投资收入的群体当中，有约41%汇报在股市上获得了正收益。在金融知识和风险态度方面，全部受访者平均可以正确回答3道问题当中的1.18道。在投资决策上，平均风险偏好介于“略低风险、略低回报”与“平均风险、平均回报”的项目之间；在彩票选择问题中，表现为风险偏好的占29%。在受教育年限方面，样本平均受教育年限为10.61年，略高于义务教育法所规定的下限。
表1 变量描述性统计
注：股票投资占比、股票投资盈利和股票投资收益率三个变量，是利用给定拥有股票账户和报告了股票买卖或分红中实际得到的收入的群体计算得到的。不同变量的样本量存在细微差异，是由于剔除缺失样本而造成的。在问卷中回答“不知道”或拒绝回答的受访者样本，统一处理为缺失样本。
4 实证方法与结果
4.1 受教育年限对股票市场参与的影响
图2 受教育年限与股票市场参与的关系
基于现有文献关于教育对股票市场参与的影响的讨论，我们通过图2展示了受教育年限与股票市场参与的关系。如图2所示，按照家庭受访者的学历分组，无论是关注拥有股票账户的家庭比例(图2(a))，还是当前持有股票的比例(图2(b))，这两个数值都随着组别的学历提高而上升。教育与股票市场参与之间存在正向的相关性。然而，正如本文引言部分所讨论的，教育水平与受访者自身许多不可观测因素间的相关性潜在地会导致内生性问题。所以，图2并不足以证明二者之间的因果关系，我们需要靠更细致的计量分析来加以探究。
为了克服内生性问题，本文主要使用工具变量法来检验教育对于股票市场参与的因果效应。工具变量法是实证经济学研究中被广泛使用的一种解决内生性的手段。我们选取的工具变量为前文已定义的义务教育法适用程度。首先，义务教育法的实施在全国范围内提升了适龄儿童的受教育年限，这个政策变化是受访者作为个体所不能控制的，对于受访者参与股票市场的决策也是相对外生的。
本文使用的识别方法建立在以下两个回归方程的基础上。一阶段估计设定如下：
edu_yeari=α+βeligibilityi+γXi+εi
(1)
edu_yeari是个体i的受教育年限，eligibilityi表示义务教育法的适用程度，定义方法如前文所述。Xi是其他控制变量，包含个体层面的协变量及省份固定效应。εi表示服从标准正态分布的独立同分布的随机误差项，代表不可观测的因素汇总。
工具变量法二阶段主要估计方程为
(2)
这里的Yi变量是我们关心的被解释变量，包括是否拥有股票账户、是否持有股票等。这里的
表2第(1)列至第(4)列报告了受教育年限对于家庭是否有股票账户的影响。第(1)列为基准回归(OLS)结果。受访者受教育年限与其家庭是否有股票账户之间存在显著的正向相关关系，系数估计为0.022，在1%水平上显著。这表明，受教育年限越高，家庭越可能拥有股票账户，具体来说，受教育年限每增加一年，其家庭拥有股票账户的可能性增加2.2%。第(2)列是直接使用被解释变量对义务教育法的适用程度做简约式回归(reduced-form)。第(3)、(4)列展示的是两阶段工具变量(2SLS)估计结果。在两阶段工具变量估计中，一阶段估计的F值为73.45。根据Stock and Yogo(2005)，F值大于10%偏误水平下的临界值为16.38。因此，义务教育法的适用程度对于个体受教育年限的提升具有显著正向影响，可以作为受教育年限的工具变量(10)下文当中有多次利用同一回归方法对不同被解释变量进行的估计。关于工具变量有效性的讨论，也与之类似，不再重复。。在第(4)列所展示的二阶段工具变量估计结果中，受教育年限对拥有股票账户的影响为0.035，在1%水平显著。按照工具变量法的估计结果，受访者受教育年限每增加一年，家庭拥有股票账户的可能性增加3.5%。这表明，受教育年限是家庭参与股票市场的重要决定因素。在二阶段回归结果中，年龄的系数也显著为正。这说明，年龄越大的受访者越可能拥有股票账户，这与王聪和田存志(2012)的研究发现是一致的。
表2第(5)列至第(8)列展示的是受教育年限对于家庭当前是否持有股票的影响。与拥有股票账户不同，持有股票的家庭确实将部分资产配置到了股票上，是实质性地参与到了股票市场当中。工具变量法的估计结果显示，受教育年限每增加一年，家庭持有股票的概率增加2.9%，且系数在5%水平上显著。总的来说，根据表2中的回归结果，我们发现，教育对于家户参与股票市场有显著的促进作用。
表2 受教育年限对家庭拥有股票账户和持有股票的影响
注：*、**、***分别表示在10%、5%、1%水平显著，括号内为聚类异方差稳健的标准误(Clustered & Robust Standard Error)。控制变量包括年龄、性别、农村地区、已婚和(对数)家庭总资产。在IV二阶段结果(第(4)、(8)列)中，年龄和(对数)家庭总资产为正显著，其他变量不显著。
4.2 受教育年限对股票市场投资表现的影响
上文分析了受教育年限对于家庭参与股票市场决策的影响。由于参与股票市场的家庭在资产规模、教育背景、知识水平、风险态度等方面仍存在异质性，他们在参与程度、资产配置与投资收益等方面也会有很大差异。路晓蒙等(2017)的研究发现，中国家庭金融投资组合的风险分布呈“U”型。换句话说，在中国市场上，保守型家庭和冒进型家庭的比重较高，投资组合较平衡的家庭相对较少。那么高教育家庭在进入市场之后，是会偏冒进还是偏保守呢？教育能否帮助他们获得更高的收益呢？我们进一步研究了教育对于参与股票市场的家庭的投资行为及投资表现的影响。
我们使用与上文相同的二阶段最小二乘模型，估计了教育对于家庭投资股票的投资表现的影响，并将结果展示在表3中。其中第(1)至(4)列研究家庭投资于股票的资产占总资产的比例，(5)至(8)列研究股票投资是否取得正收益，而(9)至(12)列则为股票投资收益率。
我们此处的研究对象是已参与股票市场的这部分家庭。OLS回归结果显示，受教育年限与股票资产占比有较为微弱的正相关关系。但是工具变量法的结果却显示，受教育年限对家庭在平均意义上投资于股票的资产比例没有显著影响。OLS结果和工具变量估计的差异表明，可能存在一些遗漏变量使得OLS倾向于展示了教育对于股票资产比重的相关关系。举个例子，家庭环境更好的个体往往会接受更多教育，同时他们也有能力承担更多股权资产的风险。总的来说，尽管教育程度越高的家庭更可能参与股票市场，但是在他们参与了股票市场之后，其投资于股票的比重却并不会显著更高。
表3 受教育年限对家庭股票投资表现的影响
注：*、**、***分别表示在10%、5%、1%水平显著，括号内为聚类异方差稳健的标准误(clustered & robust standard error)。控制变量包括年龄、性别、农村地区、已婚和(对数)家庭总资产。在IV二阶段结果(第(4)、(8)、(12)列)中，男性为正显著，已婚为负显著，(对数)家庭总资产在8、12列中为正显著；其他变量不显著。
进一步，利用从数据中计算得到的家庭股票投资收益率，我们研究了受教育年限对于投资收益率表现的影响。与OLS 回归结果一致，我们没有发现受教育年限对于家庭在股票市场上的投资收益率有显著的影响。相比之下，美国(Cole et al.，2014)和瑞典(Black et al.，2018)等发达国家的实证研究都发现，教育会提升家庭的股票投资收益率。这或许是因为我国股票市场在信息披露、机构投资者比例和市场有效性等方面与发达国家都有或多或少的差异。此外，我国的基础教育体系也不直接涉及金融相关知识的教育。受教育程度更高的群体或许更容易跨越门槛、进入到股市中去，但是市场环境和他们自身的知识结构并不能确保他们能在股市中“脱颖而出”，取得超额回报。
4.3 教育对股票市场参与的影响机制探究
前文已经讨论过教育影响家户股票市场参与的可能机制，包括降低参与成本和影响风险态度。了解金融相关知识能降低股票市场对于家户的进入成本，进而改变家户的金融行为(Lusardi and Mitchell，2014；尹志超等，2014；Bianchi，2018)。那么，教育是否真的可以提高个人的金融知识呢？本小节内容主要是初步地探索受教育程度影响股票市场行为的作用机制。
我们使用中国家庭金融调查2015年数据中有关金融知识的三道问题，分别通过简单加总和因子分析两种方法计算出受访者的金融知识水平，然后进一步检验了教育对于金融知识水平的因果作用。“义务教育法”是一项主要针对教育获得的公共政策，因此我们可以合理地认为它只会通过改变教育来影响个体的金融知识和风险态度。换句话说，我们使用“义务教育法”实施时间来构造的工具变量估计满足排他性假设。回归结果报告在表4中。结果显示，受教育年限对金融知识有显著的提升作用。受教育年限每增加一年，金融知识得分增加0.094分。对于总体得分均值(1.18分)来说，这个增幅达到了8.0%。这表明，提高公众的教育水平，有利于提升公众的金融知识，进而提升金融市场的社会参与，有助于我国的金融体系进一步完善发展。
表4 受教育年限对金融知识水平的影响
注：*、**、***分别表示在10%、5%、1%水平显著，括号内为聚类异方差稳健的标准误(Clustered & Robust Standard Error)。控制变量包括年龄、性别、农村地区、已婚和(对数)家庭总资产。
我们分析了教育对于个体风险态度的影响。本文对于风险态度的度量，来自于受访者对于理想投资组合风险的选择，以及对于无风险、有风险的两种彩票二选一的回答。值得注意的是，这两个度量可能会存在一定的差别。第一个度量是询问个体对于其理想投资组合风险的选择，这个选择可能会受到其自身的财务多寡和收入稳定性的影响。它所反映的是人们基于自身约束条件所做出的选择。第二个度量则是基于一个假设性的彩票选择，它一定程度上更接近于个体自身的风险偏好。在经典的金融学模型中，风险偏好是指不随外在价格和约束条件影响的效用函数参数。在前者关于投资组合的风险选择问题中，我们定义数字越大为越倾向于高风险的投资组合，受教育年限对于投资组合风险态度的影响结果展示在表5中的(1)至(4)列。受教育年限越高的受访者，会相对更偏好风险更高的投资标的。对于后一个问题，我们把偏好有风险彩票的受访者定义为风险偏好型。表5中(5)至(8)列的结果告诉我们，受教育程度的增加不会显著影响受访者选择有风险彩票的概率。这一结果与现有文献的发现一致，教育的提升会提高个体的收入稳定性，从而更有能力投资于风险资产(Cooper and Zhu, 2016)；但是教育并不一定会使得人们增加对于风险的偏好。
总的来说，通过风险态度和金融知识两个渠道的分析，我们发现金融知识提升可能是教育推动中国家庭股票市场参与的潜在机制。同时，高教育水平个体更倾向于在投资决策中承担风险，这些结果与前面得到的，受教育年限促进投资者参与股票市场的结论相一致。
表5 受教育年限对投资决策风险偏好的影响
注：*、**、***分别表示在10%、5%、1%水平显著，括号内为聚类异方差稳健的标准误(Clustered and Robust Standard Error)。控制变量包括年龄、性别、农村地区、已婚和(对数)家庭总资产。
4.4 金融知识与风险态度的中介作用
虽然我们在前文中讨论了教育改变股票市场参与行为的可能机制，但是想要完全识别金融知识与风险态度在教育对股票市场参与的因果关系中所起到的作用，仍有一定的难度。参考Cutler and Lleras-Muney (2010)以及Huang(2015)的做法，我们在此部分进行中介作用分析。为此，我们用股票市场参与对义务教育法的适用程度做回归，并比较加入和不加入金融知识、风险态度控制变量的结果。义务教育法适用程度的回归系数，反映的是教育对于股票市场参与提升的作用。因此，与不加入控制变量的回归系数相比，控制金融知识得分或风险态度之后，回归系数减小的比例，可以被解释为金融知识得分或风险态度在教育提升股票市场参与的影响作用程度。
利用与前文相同的样本，机制作用分析的结果如表6所示。我们用拥有股票账户和持有股票这两个关键被解释变量，对义务教育法的适用程度做回归。每张表格的第(1)列汇报不控制金融知识和投资风险偏好的结果，第(2)列仅控制金融知识，第(3)列仅控制投资风险偏好，第(4)列二者都控制。在表6 当中，义务教育法适用程度的回归系数均为正向且显著。与第(1)列相比，在控制住金融知识得分后，第(2)列的系数从0.047下降至0.041(下降12.8%)；在控制住投资风险偏好后，第(3)列的系数下降至0.038(下降19.1%)。在第(4)列中，当我们同时控制住金融知识得分和投资风险偏好，系数下降至0.034(下降27.7%)。表6(5)至(8)列的结果把关键被解释变量“持有股票”作为补充，结论与前四列类似。在控制住金融知识和投资风险偏好后，持有股票的回归系数从0.039下降到0.030，下降23.1%。我们还进一步使用Sobel检验去分解金融知识和对于风险资产的偏好作为渠道的作用大小(Sobel,1986)。按照Sobel检验的结果，12%～13%的教育对于股票市场参与的效应是通过金融知识的渠道中介的，而14%～15%的效应是通过改变个体对于风险资产的选择中介的。这些结果都表明，金融知识和对风险资产的选择在教育影响股票市场参与的过程中，均发挥了重要的中介作用。
表6 教育对拥有股票账户的影响的机制分析：金融知识和风险偏好
注：*、**、***分别表示在10%、5%、1%水平显著，括号内为聚类异方差稳健的标准误(Clustered & Robust Standard Error)。控制变量包括年龄、性别、农村地区、已婚和(对数)家庭总资产。
需要说明地是，金融知识和股票市场参与之间的互动关系是较为复杂的。一方面，金融知识的获得能促进个体参与股票市场；另一方面，个体也会在参与股票市场的过程中学习，从而提升自身的金融知识水平。在本文的数据条件下，我们无法对这两者间的关系去做清楚的识别。这意味着，我们在做中介效应分析时无法将股票市场参与对金融知识的反向作用考虑进来，从而导致我们对中介效应比例的估计存在一定程度的高估。
4.5 收入与职业的中介作用
除了对个体的金融知识和风险行为产生作用之外，学校教育还会通过改变个体的收入和职业来对其金融市场参与。前人的研究已经证实，平均而言，高教育个体的收入会更高、也更容易从事社会地位较高的职业(Ashenfelter and Rouse, 1998)。首先，收入直接与个体的财富积累相关联。那些财富较多的个体，会更有能力和更有动机去将财富分散投资到股票市场上去。其次，个体从事的职业类型不仅决定了其收入的水平和不确定性，也会决定其和怎样的同事工作、接受怎样的信息。我们使用家庭的可支配收入作为衡量收入的代理变量，使用一个职业中的大学学历及以上人群的占比来度量一个职业的社会地位(Zhou and Xie, 2019)。需要说明地是，在计算所在行业从业者的平均教育年限时，我们剔除掉了个体自身教育水平所产生的影响。我们预期教育会提升个体收入和其所从事行业中同事的平均教育水平，而那些可支配收入较高和所从事职业中高教育人群占比较高的个体更有可能会参与到股票市场中来。相关结果展示在表7中。
表7 教育对拥有股票账户的影响的机制分析：可支配收入与工作行业
续表
注：*、**、***分别表示在10%、5%、1%水平显著，括号内为聚类异方差稳健的标准误(clustered & robust standard error)。控制变量包括年龄、性别、农村地区、已婚和(对数)家庭总资产。
我们对比了加入收入和职业变量前后，简约式估计的系数所发生的变化。我们发现加入家庭可支配收入这一变量后，义务教育法适用程度对于股票市场参与的影响几乎没有变化。但是加入了个体所在行业从业者的平均教育年限之后，拥有股票账户的系数则从0.047下降到了0.026，持有股票的系数从0.039下降到0.021，而且变得在统计上不显著。Sobel检验的结果表明：个体所从事的职业具有很强的中介作用，其中介效应占比高达四成以上。换句话说，义务教育法提升了个体的教育成就，使之更有可能与教育成就更高的人成为同事，是其股票市场参与行为发生改变的一个重要原因。这个发现也与前人的相关研究发现一致：考察同事之间的传染效应，对于理解个体的金融市场行为是极为重要的(Duflo and Saez, 2002)。
4.6 义务教育法的溢出效应
“义务教育法”实施不仅会对那些因教育成就得到提升的个体产生直接效果，可能还会对那些教育成就没有受到影响的个体产生溢出效应(Huang，2015)。个体的教育成就对于社会具有很强的外部性，义务教育法的影响通常是全局性的而非是局部性的(Acemoglu and Angrist，2000)。当社会人口整体的教育水平得到明显的提升，其社会环境特别是非正式的知识传播都会发生相应的变化。这种变化使得“义务教育法”的处理效应并不只局限于那些教育成就因之发生变化的个体，也会传染到那些并没有直接受到处理效应的个体。这样的溢出效应通常会缩小处理组和对照组之间的差别，从而导致因果识别出现低估。另一方面，理解这种溢出效应本身是有意义的，有助于完善我们对于政策后果的理解。
为了检验义务教育法的溢出效应，我们按照Huang(2015)的做法，分别对全样本、“未接受过教育”的子样本和“受教育年限超过九年”的子样本做了简约式(reduced-form)回归分析，即用他们的股票市场参与及其他相关变量对其所受到的政策适用程度做回归。在这里，“未接受过教育”的子样本主要是实验处理中的“绝不参与”(never-takers)个体，而“受教育年限超过九年”的子样本中则包含了相当一部分“总是参与”(always-takers)个体(Angrist and Pischke, 2008)。这两类个体的受教育年限不会因为受到义务教育法的处理效应与否而发生变化。因此，如果他们股票市场参与会随着(义务教育法)适用程度高低而发生变化，那么这些变化可以被认为是溢出效应。从表8中，我们发现，无论是对于“未接受过教育”的子样本还是对于“受教育年限超过九年”的子样本，绝大多数的系数都是不显著的。换句话说，我们没有发现显著的溢出效应。这或许是因为，与健康行为(例如不抽烟、不过度饮酒)不同，家户的股市参与行为和股票资产状况一般不容易直接观察到。许多家户将这些信息视为其隐私，只与较为亲近的小范围人群分享。
表8 义务教育法实施对于关键被解释变量的溢出效应
注：*、**、***分别表示在10%、5%、1%水平显著，括号内为聚类异方差稳健的标准误(Clustered & Robust Standard Error)。控制变量包括年龄、性别、农村地区、已婚、(对数)家庭总资产和城市固定效应。由于未受过教育人群中持有股票的样本量太少，无法得出(3)～(5)列的估计量。
5 稳健性检验
5.1 “义务教育法”在各省实施时间的外生性
本文的因果识别策略在一定程度上与双差分模型(Difference-in-differences, DID)有相似之处。双差分模型估计所依赖的一个关键假设是，处理组和对照组在处理(treatment)发生之前的增长趋势是相互平行的。当这一假设成立时，我们无法基于某一组个体在处理前变化趋势的斜率，来预测其将会进入处理组还是实验组。当平行趋势假设无法被满足时，双差分模型的估计就可能存在偏误。在我们这个研究当中，如果某些省份在《义务教育法》颁布之前就保持了较高的受教育年限增速，与此同时，这些省份因为有更好的发展条件而选择更早地执行义务教育法，那么平行趋势假设就没有得到满足。具体来说，在这种情形下，早实施义务教育法的省份(即“处理组”)的平均受教育年限的增速(或者说其趋势的“斜率”)，可能会明显高于那些晚实施义务教育法的省份(即“对照组”)。假如这种增速的差异在处理发生之后仍然存在，我们就无法判断所观察到的处理组和对照组在处理发生后所呈现的差异是处理效应还是之前趋势的延续所致。
为了检验处理组和对照组在处理发生前的趋势是否平衡，我们做了如下一个简单的检验：我们将所有省份按照其最早实施“义务教育法”的时间划分为早实施省份(1986年或1987年开始实施的，用虚拟变量标示为“1”)和晚实施省份(1988年及以后开始实施的，用虚拟变量标示为“0”)；然后分别用1969年、1970年和1971年出生人口的平均受教育年限增长对这一虚拟变量做回归。我们将回归结果报告在表9中。从回归结果可以看到，用来标示早实施省份的虚拟变量的系数在统计上是不显著的，其符号也不稳定。换句话说，我们没有足够的证据去拒绝“早实施省份”和“晚实施省份”的教育发展趋势在“义务教育法”实施之前是不平行的。
表9 平行趋势检验
注：*、**、***分别表示在10%、5%、1%水平显著，括号内为标准误。
5.2 对于流动人口和非流动人口的区分
在改革开放以来，跨地区的人口流动在变得日趋频繁，而且教育在人口迁移中扮演着极其重要的角色(谭华清等，2018)。流动人口的大量存在，给本文的估计带来了两方面的挑战。首先，我们是基于个体的出生年份和调查时的常住地信息，来匹配上对应的义务教育法适用程度。如果有些个体在完成义务教育后，跨省份迁移到现居地，那么这部分人的匹配就会出现误差。其次，即使流动人口是在幼年时期就迁移到外地，匹配过程是正确的，我们还可能面临处理效应异质性的问题。工具变量识别得到是局部平均效应，但是由于天赋和家庭因素等原因，某些个体对于处理(treatment)的反应会比其他更为敏感。具体来说，如果这些流动人口是因为教育提升而改变了其工作和生活地点，那么他们可能同样会更容易因为教育提升而改变其股票市场参与。那就难以避免这样一种可能：我们所估计得到的平均处理效应主要是由流动人口贡献的，教育可能对于非流动人口的股票市场参与没有什么影响。过于显著的处理效应异质性，会对我们结论的适用范围有所影响。
所以我们基于个体的户口所在省份和常住省份信息将样本分为两组：非跨省流动人口(户口省份与常住省份相同)和跨省流动人口(户口省份与常住省份不同)。因为我们的政策实施时间的差异是发生在省份一级的，所以我们是基于省份层面的信息进行分组。我们分别使用两组样本进行了OLS和工具变量估计，并把结果汇报在表10、表11中。首先，跨省份流动人口在我们样本中的占比较低，只占8.5%。即使会存在一定程度的测量误差，也不太会对我们的主要结论产生重大的影响。其次，我们发现，使用跨省流动人口样本估计得到的一阶段回归和二阶段回归的系数更大也更为显著。这说明，处理效应异质性确实存在，跨省流动人口对于义务教育法的反应更为敏感。但是在非跨省流动人口中，一阶段回归和二阶段回归的系数仍然是显著为正的，本文的主要结论仍然成立。
表10 户口所在地与常住地省份不同的人群单独处理：拥有股票账户
注：*、**、***分别表示在10%、5%、1%水平显著，括号内为聚类异方差稳健的标准误(Clustered & Robust Standard Error)。控制变量包括年龄、性别、农村地区、已婚和(对数)家庭总资产。
表11 户口所在地与常住地省份不同的人群单独处理：持有股票
注：*、**、***分别表示在10%、5%、1%水平显著，括号内为聚类异方差稳健的标准误(Clustered & Robust Standard Error)。控制变量包括年龄、性别、农村地区、已婚和(对数)家庭总资产。
5.3 对于股票收益率的再考察
如在前文表3中所展示的，我们没有发现教育对于家户的股票投资表现有显著的因果效应，但是我们前面的分析可能存在两方面的问题。首先，我们只使用了一年的横截面数据。相较于其他家户层面变量，股票收益率受到宏观经济和市场情绪的影响更明显，会有很强的波动性。所以，只使用一期的数据，可能不足以发现教育和股票投资表现之间的关联。其次，是否参与股票市场是一个选择的过程。那些选择参与股票市场的家庭，可能会和其他家庭存在显著的差异。这就意味着，我们的结论可能会存在样本选择偏误。
为了解决以上这两个问题，我们做了以下两方面的稳健性检验。首先，我们把2013年、2015年和2017年这三期的CHFS调查汇总在一起，重新考察了教育对于股票投资表现的作用。我们还在回归中加入了调查年份的虚拟变量。如表12所示，我们还是没有发现教育对于家户的股票资产占比有显著的影响，对于家户的股票投资表现甚至有一定负的影响。针对样本选择偏误问题，我们则采用了逆米尔斯项进行了偏误校准并将结果报告在表13当中。校准后的结果和表3的结果基本一致。
表12 使用CHFS 2013、2015、2017三期样本估计教育对股票市场投资表现的影响
注：*、**、***分别表示在10%、5%、1%水平显著，括号内为聚类异方差稳健的标准误(clustered & robust standard error)。控制变量包括年龄、性别、农村地区、已婚和(对数)家庭总资产。样本包括CHFS2013、2015、2017三期的合并(pooled)。
表13 加入用于调节参与选择的逆米尔斯项进行偏误校准
注：*、**、***分别表示在10%、5%、1%水平显著，括号内为聚类异方差稳健的标准误(Clustered & Robust Standard Error)。控制变量包括年龄、性别、农村地区、已婚和(对数)家庭总资产。估计逆米尔斯比率所使用的的控制变量包括主回归控制变量和是否从事金融相关职业。
6 结论
基于2015年中国家庭金融调查(CHFS)数据，本文从实证上分析了教育对家庭股票市场参与和相关投资行为的因果效应。为解决关键解释变量(即受教育程度)可能存在的内生性问题，我们使用义务教育法实施作为外生冲击，按照法律在不同省份施行时间的先后，及其对于不同年龄段人群的影响不同所造成的差异，我们构造了义务教育法的适用程度作为受教育年限的工具变量。利用工具变量法的估计结果显示，在控制年龄、家庭、城乡和家庭总资产等协变量的条件下，受教育程度的提升能显著推动家庭更多地参与股票市场。然而，教育对于股票市场参与者配置股票资产的比重没有显著影响；同时，现有证据并没有表明教育能帮助中国家庭在股票市场上获得更高的收益率。
进一步分析还发现，教育水平的提升会增加个人金融知识水平，使得家庭更容易理解股票市场的基本功能，了解参与渠道及相关风险收益。金融知识提升能降低家庭进入股市的成本，或许是提升家庭股市参与的机制之一。此外，教育显著提高了个人的选择投资组合的风险偏好，这表现在受教育年限更高的受访者更倾向于选择风险与收益相对较高的投资项目。因此，这种风险偏好的提升也帮助提高了家庭配置股票资产的可能性。
本文的研究具有很强的政策含义。由于经济持续增长和储蓄率高企不下，我国家户可用于投资的财富也在不断增加。在这一背景下，中国家庭需要合理利用不同的投资工具，对于包括股票在内的各类资产进行合理配置，以实现其资产的保值和增值。但是与巨大的潜在需求相对照的是，尽管中国股票市场已发展了近三十年，家户的参与率仍然非常低。其中一个原因在于，相关信息与知识的缺乏，使股票市场对很多家庭而言，仍存在较高的进入壁垒。怎样才能帮助民众认识和了解股票市场，帮助他们更合理地配置金融资产呢？通过各种渠道普及金融知识是一个被广泛提出的建议(尹志超等，2015)。而本文的研究则提供了另一视角的发现：广义的学校教育(通识教育)同样可以帮助家庭提升金融知识，降低市场进入成本，促进股票市场参与。党和政府历来重视我国的教育事业发展，把教育发展放在国家战略的优先位置，尤其是对基础教育给予了大量的支持和投入。本文的研究发现表明，提升国民的总体教育水平，有助于通过金融市场渠道，优化家庭的财富配置。
参考文献
甘犁, 尹志超, 谭继军. 2014. 中国家庭金融调查报告-2014[M]. 成都: 西南财经大学出版社.
甘犁, 李凤, 路晓蒙, 等. (2016-10-28) [2019-09-03]. 中国家庭金融资产配置风险报告[R/OL]. https://chfs.swufe.edu.cn/thinktank/resultsreport.html?id=1656.
路晓蒙, 李阳, 甘犁, 等. 2017. 中国家庭金融投资组合的风险——过于保守还是过于冒进?[J]. 管理世界，(12): 92-108.
Lu X M, Li Y, Gan L, et al. 2017. The risk of Chinese households’ financial investment portfolio—Too conservative or too reckless?[J]. Management World, (12): 92-108. (in Chinese)
秦芳, 王文春, 何金财. 2016. 金融知识对商业保险参与的影响——来自中国家庭金融调查(CHFS)数据的实证分析[J]. 金融研究，(10): 143-158.
Qin F, Wang W C, He J C. 2016. The effect of financial literacy on household commercial insurance participation: an empirical research based on the data of China Household Finance Survey[J]. Journal of Financial Research, (10): 143-158. (in Chinese)
宋全云, 吴雨, 尹志超. 2017. 金融知识视角下的家庭信贷行为研究[J]. 金融研究，(6): 95-110.
Song Q Y, Wu Y, Yin Z C. 2017. Financial literacy and household borrowing behavior[J]. Journal of Financial Research, (6): 95-110. (in Chinese)
谭华清, 周羿, 赵波, 等. 2018. 教育对城乡劳动力转移的影响及其机制[J]. 财经研究, 44(9): 66-79.
Tan H Q, Zhou Y, Zhao B, et al. 2018. The effect of education on the rural-urban migration and its mechanisms[J]. Journal of Finance and Economics, 44(9): 66-79. (in Chinese)
王聪, 田存志. 2012. 股市参与、参与程度及其影响因素[J]. 经济研究，(10): 97-107.
Wang C, Tian C Z. 2012. Stock market participation, participation rate and determinants[J]. Economic Research Journal, (10): 97-107. (in Chinese)
吴卫星, 沈涛. 2015. 学历的年代效应与股票市场投资者参与[J]. 金融研究，(8): 175-190.
Wu W X, Shen T. 2015. Cohort effect of educaiton and stock market participation[J]. Journal of Financial Research, (8): 175-190. (in Chinese)
吴卫星, 汪勇祥, 梁衡义. 2006. 过度自信、有限参与和资产价格泡沫[J]. 经济研究，(4): 115-127.
Wu W X, Wang Y X, Liang H Y. 2006. Overconfidence, limited participation and asset price bubbles[J]. Economic Research Journal, (4): 115-127. (in Chinese)
巫云仙. 2018. 中国金融史: 1978—2018[M]. 北京: 社会科学文献出版社.
尹志超, 宋全云, 吴雨. 2014. 金融知识、投资经验与家庭资产选择[J]. 经济研究，(4): 62-75.
Yin Z C, Song Q Y, Wu Y. 2014. Financial literacy, trading experience and household portfolio choice[J]. Economic Research Journal, (4): 62-75. (in Chinese)
尹志超, 宋全云, 吴雨, 等. 2015. 金融知识、创业决策和创业动机[J]. 管理世界，(1): 87-98.
Yin Z C, Song Q Y, Wu Y, et al. 2015. Financial literacy, enterpreneurship decision, and enterpreneurship motivation[J]. Management World, (1): 87-98. (in Chinese)
Acemoglu D, Angrist J. 2000. How large are human-capital externalities? Evidence from compulsory schooling laws[J]. NBER Macroeconomics Annual, 15: 9-59.
Angrist J D, Pischke J S. 2008. Mostly harmless econometrics: An empiricist’s companion[M]. Princeton: Princeton University Press.
Ashenfelter O, Rouse C. 1998. Income, schooling, and ability: Evidence from a new sample of identical twins[J]. The Quarterly Journal of Economics, 113(1): 253-284.
Banks J. 2010. Cognitive function, financial literacy and financial outcomes at older ages: Introduction[J]. The Economic Journal, 120(548): F357-F362.
Barnea A, Cronqvist H, Siegel S. 2010. Nature or nurture: What determines investor behavior?[J]. Journal of Financial Economics, 98(3): 583-604.
Bernheim B D, Garrett D M, Maki D M. 2001. Education and saving: The long-term effects of high school financial curriculum mandates[J]. Journal of Public Economics, 80(3): 435-465.
Bertaut C C. 1998. Stockholding behavior of U.S. households: Evidence from the 1983—1989 survey of consumer finances[J]. Review of Economics and Statistics, 80(2): 263-275.
Bhandari G, Deaves R. 2006. The demographics of overconfidence[J]. Journal of Behavioral Finance, 7(1): 5-11.
Bianchi M. 2018. Financial literacy and portfolio dynamics[J]. The Journal of Finance, 73(2): 831-859.
Black S E, Devereux P J, Lundborg P. 2018. Learning to take risks? The effect of education on risk-taking in financial markets[J]. Review of Finance, 22(3): 951-975.
Bogan V. 2008. Stock market participation and the internet[J].Journal of Financial and Quantitative Analysis, 43(1): 191-211.
Briggs J, Cesarini D, Lindqvist E, et al. 2015. Wealth and stock market participation: Estimating the causal effect from Swedish lotteries[R]. NBER Working Paper No.21673.
Bruhn M, de Souza Leão L, Legovini A, et al. 2016. The impact of high school financial education: Evidence from a large-scale evaluation in Brazil[J]. American Economic Journal: Applied Economics, 8(4): 256-295.
Calvet L E, Campbell J Y, Sodini P. 2009. Measuring the financial sophistication of households[J]. American Economic Review, 99(2): 393-398.
Calvet L E, Sodini P. 2014. Twin picks: Disentangling the determinants of risk—Taking in household portfolios[J]. The Journal ofFinance, 69(2): 867-906.
Campbell J Y. 2006. Household finance[J]. The Journal of Finance, 61(4): 1553-1604.
Christiansen C, Joensen J S, Rangvid J. 2008. Are economists more likely to hold stocks?[J]. Review of Finance, 12(3): 465-496.
Cole S, Paulson A, Shastry G K. 2014. Smart money? The effect of education on financial outcomes[J]. The Review of Financial Studies, 27(7): 2022-2051.
Cole S, Paulson A, Shastry G K. 2016. High school curriculum and financial outcomes: The impact of mandated personal finance and mathematics courses[J]. Journal of Human Resources, 51(3): 656-698.
Cooper R, Zhu G Z. 2016. Household finance over the life-cycle: What does education contribute?[J]. Review of Economic Dynamics, 20: 63-89.
Cutler D M, Lleras-Muney A. 2010. Understanding differences in health behaviors by education[J]. Journal of Health Economics, 29(1): 1-28.
Dow J, da Costa Werlang S R. 1992. Uncertainty aversion, risk aversion, and the optimal choice of portfolio[J]. Econometrica: Journal of the Econometric Society, 60(1): 197-204.
Duflo E, Saez E. 2002. Participation and investment decisions in a retirement plan: The influence of colleagues’ choices[J]. Journal of Public Economics, 85(1): 121-148.
Fang H, Eggleston K N, Rizzo J A, et al. 2012. The returns to education in China: Evidence from the 1986 compulsory education law[R]. NBER Working Paper, No.18189.
Glomm G, Ravikumar B. 1992. Public versus private investment in human capital: Endogenous growth and income inequality[J].Journal of Political Economy, 100(4): 818-834.
Grinblatt M, Keloharju M, Linnainmaa J. 2011. IQ and stock market participation[J]. The Journal of Finance, 66(6): 2121-2164.
Hong H, Kubik J D, Stein J C. 2004. Social interaction and stock-market participation[J]. The Journal of Finance, 59(1): 137-163.
Huang W, Zhou Y. 2013. Effects of education on cognition at older ages: Evidence from China’s Great Famine[J]. Social Science & Medicine, 98: 54-62.
Huang W. 2015. Understanding the effects of education on health: Evidence from China[R]. IZA Discussion Paper, No.9225.
Lewis S, Messy F A. 2012. Financial education, savings and investments[R]. OECD Working Papers on Finance, Insurance and Private Pensions, No.22.
Lusardi A, Mitchell O S. 2014. The economic importance of financial literacy: Theory and evidence[J]. Journal of Economic Literature, 52(1): 5-44.
Lusardi A, Michaud P C, Mitchell O S. 2017. Optimal financial knowledge and wealth inequality[J]. Journal of Political Economy, 125(2): 431-477.
Ma M. 2019. Does children’s education matter for parents’ health and cognition? Evidence from China[J]. Journal of Health Economics，66(3)：222-240.
Ma S G. 2017. The efficiency of China’s stock market[M]. London: Routledge.
Mehra R, Prescott E C. 1985. The equity premium: A puzzle[J].Journal of Monetary Economics, 15(2): 145-161.
Mincer J. 1958. Investment in human capital and personal income distribution[J]. Journal of Political Economy, 66(4): 281-302.
Ortoleva P, Snowberg E. 2015. Overconfidence in political behavior[J]. American Economic Review, 105(2): 504-535.
Schultz T W. 1961. Investment in human capital[J]. American Economic Review, 51(1): 1-17.
Sobel M E. 1986. Some new results on indirect effects and their standard errors in covariance structure models[J]. SociologicalMethodology, 16: 159-186.
Stock J H, Yogo M. 2005. Testing for weak instruments in Linear Iv regression[C]//Identification and Inference for Econometric Models: Essays in Honor of Thomas Rothenberg. Cambridge, UK: Cambridge University Press, 80-108.
Van Rooij M, Lusardi A, Alessie R. 2011. Financial literacy and stock market participation[J]. Journal of Financial Economics, 101(2): 449-472.
Vissing-Jorgensen A. 2002. Towards an explanation of household portfolio choice heterogeneity: Nonfinancial income and participation cost structures[R]. NBER Working Paper, No.8884.
Xie S Q, Mo T P. 2014. The impact of education on health in China[J]. China Economic Review, 29(2): 1-18.
Zhou X, Xie Y. 2019. Market transition, industrialization, and social mobility trends in postrevolution China[J]. American Journalof Sociology, 124(6): 1810-1847.
JEL Classification G11， D14， I20
Can Education Affect Household Stock Market Participation Behaviors?Evidence from China’s Compulsory Schooling Law
Changyu Ren1 Xiao Xiao2 Yi Zhou3
(1. National School of Development, Peking University;2. Guanghua School of Management, Peking University 3. Guanghua Schoolof Management and Center for Social Research, PekingUniversity)
Abstract Household level stock investment is not only an important channel for households to allocate assets, but also an important issue in the construction of national financial market. Using the implementation of China’s compulsory schooling law as a natural experiment, this paper studies the causal effect of education level on household stock market participation based on the data of China Family Financial Survey (CHFS) in 2015. We find that education can significantly increase the probability of participating in the stock market. However, there is no evidence that a more extended education year relates to higher stock returns. Further analysis reveals that education influences family stock market participation by improving financial literacy, affecting risk attitudes, occupations, and income.
往期推送，点击蓝色文章题目阅读：
银企关系、政治联系与银行信贷筛选效率 ——来自中国上市企业的经验证据
总统的权力：美国执政党更替与中美贸易(1984—2015) ——兼议中美经贸关系