品的属性突出。无房贫穷型HM消费者不仅受到高部分进行储蓄,从而导致暂时性收入的边际消费倾 流动性资产不足的影响,还会为配置住房资产而进向低于有房富裕型HM消费者。而相对于首套房, 行目标性储蓄,主动接受流动性约束,这也支持了余多套房资产更多是出于投资或改善需求,为提高收 永定和李军关于中国居民在其生命不同阶段存在一益而变现的可能性相对较高,进而是否拥有多套房 个特定的支出高峰及与之相应的储蓄目标的观点凹。对家庭暂时性收入的边际消费倾向不产生显著影 因此,无房贫穷型HtM消费者即使获得的暂时性收响,由此多套房资产价值识别标准下的结论与 入有所提高,也仅会将较小部分用于消费,而将较大 Kaplan等人的研究接近 表7富裕型与贫穷型HtM消费者边际消费倾向的倾向得分匹配估计结果 处理组 控制 差异程度 标准差 t统计值 总住房资产 MPCI 匹配前 0.290 0.942 配后 815 ATE 多套房资产 L配前 0.249 0.15 匹配后 AT 0.274 0.313 ATU ATE -0.213 Treatment Assignment 不在共同取值范围内的样本数 共同取值范围内的样本数 总样本数 处理组 总样本数 多套房资 总样本数 在所有观测值中,总住房资产和多套房资产价10%,两组平衡性检验都无法拒绝富裕型和贫穷型 值识别方法下分别有2194和5476个观测值在共同HtM消费者的协变量在分布上无系统差异的原假 取值范围内( On Support 设。平衡性检验结果证明了本文所选择的协变量的 在使用倾向得分匹配考察富裕型和贫穷型HM合理性以及匹配过程的有效性,匹配后的两组样本 消费者消费行为的差异后,为验证估计效率,我们对之间具有相近的分布 匹配数据进行了平衡性检验,考察匹配后( Matched)为了检验实证结果的稳健性,我们对样本分别 协变量在处理组和控制组之间是否均匀分布。一般进行了不放回一对一近邻匹配和半径匹配,结果如 要求,处理组与控制组协变量均值的标准化差距不表9所示。总住房资产识别标准下,ATT的估计值分 超过10%,匹配后的样本在处理组和控制组之间无别为1612和1.717,与一对四近邻匹配的结果 显著差异。对此,我们通过匹配后变量的标准化偏差(1.815)接近,且t统计值均高于临界值1.96。而多套 %Bias)和t检验结果进行评价。表8平衡性检验的房资产识别标准下,ATT对应的t统计值均远低于 结果显示,在经过平衡性分析过程之后,总住房资产临界值。两种方法的实证结果均支持了实证结果的 和多套房资产识别方法下,匹配后的所有协变量在稳健性,再次证明了总住房资产识别标准下,富裕型 富裕型和贫穷型HM消费者之间的标准化偏差小于与贫穷型HtM消费者的边际消费倾向存在显著差 10%,且偏差程度大幅度降低,其中总住房资产组下异;而多套房资产识别标准下,两组消费者边际消费 降幅度达88%以上;同时,匹配后样本的p值均大于倾向不存在显著差异品的属性突出。无房贫穷型 HtM 消费者不仅受到高 流动性资产不足的影响，还会为配置住房资产而进 行目标性储蓄，主动接受流动性约束，这也支持了余 永定和李军关于中国居民在其生命不同阶段存在一 个特定的支出高峰及与之相应的储蓄目标的观点[25]。 因此，无房贫穷型 HtM 消费者即使获得的暂时性收 入有所提高，也仅会将较小部分用于消费，而将较大 部分进行储蓄，从而导致暂时性收入的边际消费倾 向低于有房富裕型 HtM 消费者。而相对于首套房， 多套房资产更多是出于投资或改善需求，为提高收 益而变现的可能性相对较高，进而是否拥有多套房 对家庭暂时性收入的边际消费倾向不产生显著影 响，由此多套房资产价值识别标准下的结论与 Kaplan 等人的研究接近。 表 7 富裕型与贫穷型 HtM 消费者边际消费倾向的倾向得分匹配估计结果 总住房资产 MPC1 多套房资产 MPC1 Treatment Assignment 总住房资产 控制组 处理组 总样本数 多套房资产 控制组 处理组 总样本数 处理组 0.290 0.263 -0.651 0.274 0.274 0.251 控制组 -0.651 -1.552 -0.001 0.249 0.313 0.014 差异程度 0.942 1.815 0.651 1.774 0.025 -0.038 -0.237 -0.213 匹配前 匹配后 匹配前 匹配后 标准差 0.478 0.727 . . 0.171 0.186 . . t 统计值 1.97 2.50 . . 0.15 -0.21 . . ATT ATU ATE ATT ATU ATE 共同取值范围 共同取值范围内的样本数 78 2116 2194 4798 678 5476 不在共同取值范围内的样本数 0 89 89 23 0 23 总样本数 78 2205 2283 4821 678 5499 在所有观测值中，总住房资产和多套房资产价 值识别方法下分别有 2194 和 5476 个观测值在共同 取值范围内（On Support）。 在使用倾向得分匹配考察富裕型和贫穷型 HtM 消费者消费行为的差异后，为验证估计效率，我们对 匹配数据进行了平衡性检验，考察匹配后（Matched） 协变量在处理组和控制组之间是否均匀分布。一般 要求，处理组与控制组协变量均值的标准化差距不 超过 10%，匹配后的样本在处理组和控制组之间无 显著差异。对此，我们通过匹配后变量的标准化偏差 （% Bias）和 t 检验结果进行评价。表 8 平衡性检验的 结果显示，在经过平衡性分析过程之后，总住房资产 和多套房资产识别方法下，匹配后的所有协变量在 富裕型和贫穷型 HtM 消费者之间的标准化偏差小于 10%，且偏差程度大幅度降低，其中总住房资产组下 降幅度达 88%以上；同时，匹配后样本的 p 值均大于 10%，两组平衡性检验都无法拒绝富裕型和贫穷型 HtM 消费者的协变量在分布上无系统差异的原假 设。平衡性检验结果证明了本文所选择的协变量的 合理性以及匹配过程的有效性，匹配后的两组样本 之间具有相近的分布。 为了检验实证结果的稳健性，我们对样本分别 进行了不放回一对一近邻匹配和半径匹配，结果如 表 9 所示。总住房资产识别标准下，ATT 的估计值分 别为 1.612 和 1.717，与一对四近邻匹配的结果 （1.815）接近，且 t 统计值均高于临界值 1.96。而多套 房资产识别标准下，ATT 对应的 t 统计值均远低于 临界值。两种方法的实证结果均支持了实证结果的 稳健性，再次证明了总住房资产识别标准下，富裕型 与贫穷型 HtM 消费者的边际消费倾向存在显著差 异；而多套房资产识别标准下，两组消费者边际消费 倾向不存在显著差异。 22