内容提要：社会网络在正规金融和保险市场比较健全的城市内是否能发挥重要作用，现有经济学文献对此问题研究的并不多。基于国家统计局16个省市2006-2014年城镇家庭数据，运用双倍差分法考察了“弱关系”网络对城镇居民家庭风险金融资产投资的影响，研究结果发现：“弱关系”网络主要通过信息传递与分享机制以及风险分担机制来促进城镇居民家庭对风险金融资产的投资。由此得到的政策启示是，政府可以通过建立更加完善的信贷和保险市场来降低城镇居民的收入和健康风险，从而增强其金融风险应对能力，以促进城镇居民参与风险金融资产投资，进而推动正规金融市场的快速发展。

一、 引 言

城镇居民家庭参与股票投资一直是家庭金融领域较具热点的话题。来自国家统计局的城镇住户调查UHS(Urban Household Survey)2006-2014年的样本显示(图1)，城镇居民家庭的年风险金融资产投资额(股票和债券之和)与家庭年总支出之比自2007年后呈下降趋势，2010-2014年较为稳定，但这一比例仅维持在0.5%～0.7%。那么究竟存在哪些因素影响家庭风险金融资产投资？目前已有大量的研究从多个视角考察了发展中国家居民参与股票等风险金融资产投资的影响因素，其中大多数集中于分析家庭特征(财富水平和房产持有比例等)和个体特征因素(年龄、受教育程度和风险态度等) (Guiso等，2004；Cardak和Wilkins，2009；何兴强等，2009；王聪和田存志，2012)。此外，由于发展中国家的正规金融制度往往发展并不充分，作为非正规制度的社会网络开始受到广大学者的关注。因此，不少学者也纷纷开始考察社会网络对发展中国家居民参与股票等风险投资的影响，并发现社会网络有利于促进居民参与股票投资(Li，2014；Liang和Guo，2015；郭士祺和梁平汉，2014；王聪等，2015；Niu等，2020)。

图1 风险金融资产投资与家庭总支出之比历年变化

尽管已存在部分文献研究了社会网络与家庭风险金融资产投资的关系，但本文仍使用UHS数据进行研究，且与这些文献的主要区别如下：

第一，现有文献在研究城镇居民的社会网络时，主要关注亲戚等血缘关系(“强关系”)的作用，例如，Li(2014)探讨了基于血缘关系的亲属网络对于家庭股市投资行为的影响。实际上，除了血缘关系以外，一个单位或系统内的上下级和同事关系也是社会网络的组成部分，但鲜有文献考察这一“弱关系”社会网络对城镇居民家庭风险金融资产投资的影响。

第二，关于社会网络和风险金融资产投资之间关系的不少文献并不能很好地解决社会网络的内生性问题，例如遗漏重要的解释变量、社会网络和风险金融资产投资之间的反向因果关系(即有风险金融资产投资的家庭可能更倾向于社会交往来获取股票投资信息)以及社会网络的度量误差。目前只有少数文献使用工具变量法来解决第二个内生性问题(郭士祺和梁平汉，2014；王聪等，2015)，而本文将借鉴章元和黄露露(2022)基于UHS数据并运用双重差分法以更好地解决上述内生性问题。

第三，本文同时从信息传递与分享机制和风险分担视角来揭示社会网络对风险金融资产投资的影响。目前，绝大多数文献从社会网络的社会互动机制出发来进行解释，而只有极少数文献基于中国城镇家庭数据考察社会网络的风险分担机制对风险金融资产投资的影响(Niu 等，2020)。与农村居民相比，尽管发展中国家的城镇居民拥有相对更为完善的正规信贷市场和保险市场，但实际上，其医疗保险和养老保障体制也并不十分完善，例如某些重病大病患者在医疗保险之后依然没有能力承担剩余部分的支出。在这种情况下，社会网络有可能会起到分担健康等风险的作用，那么家庭应对金融风险的承担能力将增加，从而促进风险资产投资(Gormley等，2010；Ayyagari和He，2017)。但与Niu等(2020)不同，他们的研究对象是基于血缘关系的兄弟网络，而本文强调“弱关系”网络。

第四，几乎关于社会网络与中国城镇家庭风险资产投资之间关系的文献均是以是否购买股票为研究重点(李涛，2006a，2006b；郭士祺和梁平汉，2014；朱光伟等，2014；Niu 等，2020)，而是否购买股票行为通常为一次性行为，具有随机性，并不能很准确地反映家庭投资风险金融资产的特点，而本文使用年家庭风险金融资产投资金额作为考察指标，这一指标具有重复性特点，更能准确地反映城镇居民家庭参与风险资产投资的信息。

为此，本文将利用来自国家统计局的16个省市2006-2014年城镇住户调查数据，并利用双重差分法来识别城镇居民的社会网络对其家庭风险金融资产投资的因果效应。本文的实证研究结果表明，“八项规定”这一政策冲击显著降低了国企或党政干部的家庭风险金融资产投资额，其主要通过以下机制来影响：直接机制——“八项规定”系列政策中的“六项禁令”明确禁止党政干部群体收送有价证券，故国企或党政干部家庭收到的有价证券将明显减少，故其家庭风险金融资产投资水平也会随之降低。间接机制：第一，信息传递与分享机制——该政策冲击使得实验组家庭的社会网络规模变小而使得同事及上下级网络成员减少了关于风险金融资产的投资信息，从而增加了信息获取成本，进而降低了家庭风险金融资产投资水平；第二，风险分担机制——该政策冲击使得国企或党政干部家庭的社会网络规模变小而使其收入和健康风险分担作用降低，从而降低了其金融风险的应对能力，进而导致他们降低了风险金融资产投资。

二、 文献综述

1. 文献综述

目前国内外已存在诸多研究证实了社会网络在发展中国家居民的日常生活中发挥着举足轻重的作用。第一，不少研究发现社会网络有助于工作配给和创业等(Karlan 等，2009；Kinnan 和Townsend，2012；章元和陆铭，2009)，其归功于社会网络内部成员能够进行有效地信息分享与传递。第二，发展中国家的农村居民由于收入水平较低且更易遭遇疾病、自然灾害等风险，他们往往借助社会网络中成员的互助行为来进行风险分担(Fafchamps和Lund，2003；Kinnan和Townsend，2012)。

基于社会网络的上述功能，还有不少学者发现社会网络有利于促进居民家庭参与股市投资(李涛，2006a；郭士祺和梁平汉，2014；Li，2014；王聪等，2015；Niu 等，2020)且其主要从以下三个方面来揭示社会网络是如何影响家庭股市投资行为的：第一，社会网络的内部成员能够获取关于股票投资的信息，从而降低了股票投资信息的获取成本，进而增加了家庭股市参与的概率(李涛，2006a；Li，2014)。第二，社会网络能够通过内部成员之间的社会互动来促进风险金融资产投资。这里，社会互动主要从口头获取信息(1)社会互动中，信息渠道与第一种机制中信息获取的主要不同之处在于，社会互动强调的是双向互动过程，个体容易被他人股票投资行为影响，具有从众性，而后者更强调单向获取各种信息更加方便(朱光伟等，2014)。、交谈获得愉悦以及社会规则三个方面来影响股票投资行为(Guiso 等，2004；李涛，2006a)。第三，由于社会网络建立在平等互惠的基础上，当网络中的某一方成员遭遇风险时，他们会通过其他成员的互助来降低风险。而家庭金融产品投资的风险较高，一旦家庭成员面临投资失败风险时，投资失败的负向作用会通过社会网络而降低，但只有少数文献从风险分担视角进行解释(Chua等，2009；Niu等，2020)。

与上述文献有所不同的是，本文主要关注城镇居民的同事和上下级这种“弱关系”对家庭风险金融资产投资的影响，对该问题的研究动机如下：第一，现有文献主要关注亲属等“强关系”的作用，例如Li(2014)和Niu等(2020)探讨了基于血缘关系的亲属网络对于家庭股市投资行为的影响。但对城镇居民而言，就业单位或者系统内的上下级和同事关系也是社会网络中的组成部分，属于一种“弱关系”，而现有文献对它的研究并不多；第二，目前只有少数研究利用工具变量法来解决社会网络的内生性问题(郭士祺和梁平汉，2014；王聪等，2015)；第三，现有文献大多基于截面数据进行研究，本文则利用面板数据展开研究，并利用双重差分法识别“弱关系”对城镇居民风险金融资产投资的因果效应；第四，大多数文献或只从社会网络的信息传递和分享机制或只从社会互动机制出发来解释社会网络对风险金融资产投资行为的影响，而鲜少从风险分担视角出发，而本文则同时从信息传递与分享机制以及风险分担视角进行解释，从而更加完整而清晰地揭示其影响机制。

2. 影响机制

由于本文主要关注同事及上下级关系层面的社会网络对城镇居民家庭风险金融资产投资行为的影响，故本文将主要从社会网络的信息传递与分享以及风险分担这两种机制来进行研究，主要理由如下：

第一，社会网络的信息传递与分享机制。社会网络的一个主要功能在于网络内部成员之间能够更便捷地进行信息的传递与交流，因此，如果家庭的社会网络规模越大则该家庭获取信息的能力越强。首先，当网络内部的部分家庭有风险金融资产投资行为时，那么未参与股市投资的家庭能够更容易从其他家庭了解到关于股票等风险金融资产的投资信息，例如如何开户、金融产品收益知识的了解等，从而降低信息获取的固定成本，进而增加了该家庭风险金融资产投资的可能。其次，具有风险金融资产投资行为的网络内部成员之间也能够对相似的投资经历进行讨论以及分享各自的投资经验等，并从中获得愉悦，这也有助于降低风险金融资产投资的心理成本等(李涛，2006a，2006b)，从而有助于促进风险金融资产投资。由于在UHS数据中，缺乏关于风险金融资产投资信息获取及交流的详细数据，本文使用“信息传递与分享”这一机制代替在文献综述部分提到的第一种信息渠道机制以及社会互动机制中的信息获取与交流。

第二，社会网络的风险分担机制。部分研究发现有收入风险和健康风险的家庭会减少对风险金融资产的投资(Edwards，2008；Atella 等，2012)。因此，如果家庭处理背景风险(2)本文借鉴Niu 等(2020)，背景风险指家庭所面临的有别于金融风险的其他非金融风险，包括由于道德风险等问题而不可被完全保险的风险以及原则上可被保险的风险，但实际上不容易通过正规机制来缓冲的风险(特别是在金融市场发展缓慢的发展中国家)，例如收入风险以及健康风险等。(收入和健康风险等)的能力提高，那么该家庭承担金融风险的能力也会随之增强(Atella 等，2012；Ayyagari和He，2017)。根据章元和黄露露(2022)，城镇居民也同样会面临失业、重大疾病等风险冲击，对很多居民来说医疗保险和失业保险尚无法实现完全保险，那么作为非正式制度的社会网络的保险功能将起到十分重要的补充作用。因此，家庭社会网络规模越大，其就越能够抵御健康或收入等负向冲击，因此该家庭也会随之增加对金融风险的承担能力。总而言之，社会网络能够通过分散收入和健康等背景风险来增加对金融风险的承担能力，进而增加风险金融资产的投资。

为此，下文将利用2006-2014年UHS数据来检验上述两个方面的影响机制。

三、 识别策略

本文主要借鉴章元和黄露露(2022)，将“八项规定”系列政策作为一项准自然实验,然后使用双重差分法来识别社会网络对城镇居民的家庭风险金融资产投资的因果效应。下面将简单介绍这一政策的背景及其影响机制。2012年12月4日，习近平总书记在中央政治局会议上通过了中央关于改进各级党员干部工作作风、密切联系群众的“八项规定”。紧接着，2012年12月26日中央纪委出台了关于党政机关、事业单位改进工作作风、加强廉洁自律的通知(《关于2013年元旦、春节期间改进工作作风加强廉洁自律的通知》(中纪发〔2012〕25号))，就坚决制止铺张浪费、奢侈享乐和严格执行《廉政准则》提出了“九个严禁”，其中明确禁止党员干部收受礼金。这些政策颁布后，各级地方政府积极贯彻实施。

根据章元和黄露露(2022)，上述系列政策主要导致党政干部群体来自“弱关系”的收受礼金减少，例如单位或者系统内的同事或者朋友之间的礼金收受行为受到了限制，而有血缘关系的亲友聚会或者礼金往来属于家庭的私事，是以先天的血缘关系为基础，和党政官员的公务并没有太多关系或者联系，因而不受政策冲击的影响。因为中国的礼尚往来规则是互相的和对称的契约，当一个网络成员不再向另一个成员赠送礼金时，另一个成员也就不用再向他赠送礼金。因此，本文认为这一政策冲击导致党员干部家庭的同事和上下级构成的“弱关系”失去功能。这不仅会导致党员干部家庭的社会保险功能减弱，降低其分散收入等风险冲击的能力，而且也会使得党员干部群体从同事及上下级网络成员那里减少关于风险资产的投资信息，从而减弱其信息传递和分享功能。而由于血缘等“强关系”不受该政策冲击的影响，因此，本文就可以利用这一冲击识别社会网络中“弱关系”的外生变化对城镇家庭风险金融资产投资金额的影响。换言之，如果政策冲击导致处理组家庭的社会网络的规模减少，那么也一定是导致“弱关系”减少，而不会导致“强关系”减少。

基于上述分析，本文将“八项规定”系列政策视为一项准自然实验(以下简称政策冲击)，然后运用双重差分法识别社会网络在该政策的外生冲击下发生变化后对家庭风险金融资产投资的因果效应。为此，借鉴章元和黄露露(2022)，本文定义以下家庭为处理组家庭：根据户主及其配偶的就业单位性质划分，即将户主或(和)其配偶在国有企业、党政机关、行政事业单位家庭就业的家庭作为处理组，并将他们简称为国企家庭(Treat1)，其余家庭为对照组家庭。

四、 回归模型、数据来源与变量定义

1. 回归模型与变量定义

本文采用了如下回归模型：

RVit=β0+β1Treati*Postt+αi+πt+γ′Xit+εit

(1)

其中，RVit代表第i个家庭第t年的风险金融资产投资额(即有价证券支出(3)由于UHS数据无基金、理财产品、黄金、非人民币资产、金融衍生品等其他风险金融资产投资信息，因此，本文使用有价证券投资金额作为风险金融资产投资金额的代理变量。)。Treati为处理组虚拟变量(4)为了避免户主及其配偶的职业在样本时间内发生变动，因此本文只保留那些家庭中户主或其配偶职业在样本期内仍然为国企员工或非党政干部的家庭(基于UHS数据观察到，鲜有家庭户主或配偶的职业由国企员工变为非国企员工)。；Postt为政策执行时间变量。X为其他控制变量，这里本文借鉴王聪等(2015)和Niu 等(2020)的研究控制了户主及其配偶的个人特征以及家庭特征变量。αi和πt分别为家庭固定效应和年份固定效应。其中，交互项系数β1考察了政策冲击对处理组家庭风险金融资产投资额的影响，本文预期该交互项系数β1<0。各主要变量的定义如表1所示。

表1 变量定义

2. 数据来源

本文的数据来源是国家统计局的UHS数据库中16个省市(5)这16个省市包括：北京、山西、辽宁、黑龙江、上海、江苏、安徽、江西、山东、河南、湖北、广东、重庆、四川、云南、甘肃。2006-2014年的城镇家庭样本。该数据由国家统计局收集，其中家庭收支、家庭有价证券等指标是根据家庭日记账汇总而来，此外该数据库每年轮换1/3的经常调查户，并用来自大样本中的新调查户对其替换，因此本文使用的数据为非平衡面板数据。需要注意的是，尽管本文的研究样本为16个省市的城镇居民家庭，但这些省市分布于中国东北、华东、华南、西南，在地理位置和经济发展水平等方面具有较好的代表性。

五、 政策冲击对家庭风险金融资产投资的影响

1. 政策冲击对家庭风险金融资产投资影响的基准回归

首先，本文运用双重差分法来考察政策冲击对城镇家庭年风险金融资产投资金额的影响，具体的回归结果呈现在表2中。表2中的估计结果显示，在控制家庭和年份固定效应而不控制其他变量的情况下，交互项系数显著为负，即与非国企家庭相比，政策冲击显著降低了国企家庭的风险金融资产投资额。回归2-4逐步增加了家庭特征变量、户主特征变量以及配偶特征变量，估计结果均发现交互项的系数仍显著为负，且系数的大小基本不变。在控制了所有变量后，回归4的估计结果表明，家庭年均可支配收入对家庭年风险金融资产投资额有显著的正向影响。此外，家庭风险态度变量的估计系数为负但不显著，这与现有关于风险态度对家庭风险资产投资影响的研究结论较为一致(李涛，2006b；李涛和郭杰，2009)。其他控制变量的估计结果大多不显著，这里不再一一赘述。

表2 基准回归结果

2. 稳健性检验

下面本文将通过以下检验来考察上述基准实证结果的稳健性。

第一，平行趋势检验。平行趋势条件的检验结果如图2所示，其中，政策冲击前的交互项系数不显著且上下95%置信区间内几乎均包含零值，这一结果表明其无法拒绝政策前的交互项系数值为零的原假设。这表明在政策冲击发生之前，国企家庭和非国企家庭的风险金融资产投资额无明显差异，即平行趋势假设是成立的(6)尽管平行趋势的检验结果图显示政策后的两年的交互项系数值相对于政策前的变化趋势并不明显且置信区间包含零值，但从这个图中我们不能简单断言，这一政策冲击对家庭风险金融资产投资几乎不存在影响的结论。主要理由在于，本文借鉴大多数研究的做法进行平行趋势检验，即将政策前后的各年份虚拟变量Post(0-1)与组别变量(Treat)进行交互，然后将政策前的7个交互项和政策后的2个交互项置于同一回归中，控制变量仍为基准回归中的各控制变量，同时也控制了家庭和年份固定效应。理论上，在上述回归法的检验结果中，只要政策前的各交互项系数结果不显著，那么平行趋势的假定便成立。而如果政策后的2个交互项系数也均显著更能说明问题，但是就平行趋势的检验而言，大多数文献更关注政策前的各交互项系数的显著性(Kudamatsu，2012)。。

图2 平行趋势检验结果

第二，安慰剂检验。进行这一检验的理由是，即使处理组和对照组家庭在政策冲击前的风险金融资产投资额具有相同的趋势，但理论上仍有可能在政策冲击发生之前也发生了影响估计效果的其他政策冲击。因此，本文通过反事实法来检验在政策冲击之前的交互项对家庭风险金融资产投资额是否会产生显著影响，若影响不显著，则说明原估计结果主要来自于该政策冲击，而非政策冲击之前的其他政策。为此，本文分别将政策执行变量“Post”从2012年提前到2007、2008或2010年并将样本年限控制在政策前，即2006-2012年，并重新进行回归，表3的回归结果表明，政策前的各交互项回归系数在所有回归中均不显著，从而证实原基准回归结果是稳健的。

表3 安慰剂检验

第三，重新定义国企家庭，即将家庭成员中存在任意一人在国企单位工作的家庭定义为国企家庭(Treat1a)。根据章元和黄露露(2022)，任何一个在国企单位工作的家庭成员的礼金收受行为均会受到政策冲击的影响，而任何家庭成员的收支也均会影响该家庭风险金融资产投资决策。因此，重新定义国企家庭后，并重新进行回归。从表4的回归1中可以发现，交互项系数仍显著为负，则该结果仍然证实原估计结果是可信的。

第四，重新定义处理组家庭。本文在前文处理组的基础上，还将那些党政机关干部、事业单位负责人(统称为“党政干部家庭”)纳入进来，并将其定义为第二个处理组(Treat2)。实际上，在UHS调查中，部分“党政干部家庭”可能在填写就业单位性质时存在缺失数据情况，因此，第二个处理组实际上是在第一个处理组的基础上补充了遗漏的“党政干部家庭”。对此本文重新进行回归，回归结果报告在表4的回归2中，从中可以看出政策冲击对重新定义的处理组的家庭风险金融投资金额同样有显著的负向影响。

第五，对因变量重新定义。在UHS数据中，由于大多数家庭的风险金融资产投资(有价证券)数据为0，故本文将因变量定义为该家庭是否进行风险金融资产投资(RV_dummy，是=1)，并重新进行回归，估计结果如表4中回归3所示，从中可以看出交互项系数仍显著为负，这验证了前文结论的稳健性。

表4 其他稳健性检验1

第六，运用PSM-DID法检验。理论上而言，处理组家庭和对照组家庭可能在户主及其配偶受教育程度以及家庭收支等方面存在异质性，从而使得两组家庭无法直接可比，为此本文借鉴章元和黄露露(2022)采用PSM-DID方法进行回归。具体的回归结果呈现在表5中。表5显示，交互项Treat1*Post系数仍显著为负，且系数大小仍然稳健，因此，这说明原估计结果依然十分稳健。

表5 其他稳健性检验2

六、 机制检验

本文认为政策冲击影响城镇家庭风险金融资产投资的机制分为两个部分：第一，直接机制。因为“八项规定”系列政策中的“六项禁令”明确禁止党政干部群体收送有价证券，因此，在政策冲击后，国企或党政干部家庭收到的有价证券额将明显减少，故其家庭风险金融资产投资额也会随之减少。第二，间接机制。除了直接影响之外，“八项规定”政策冲击还可能通过削减国企或党政干部家庭的社会网络的规模来影响家庭年风险金融资产投资金额。为了验证间接机制的存在性，需在剔除政策冲击本身的直接影响后，再观察家庭社会网络规模是否仍对家庭年风险金融资产投资有显著影响。

因此，本文借鉴章元和黄露露(2022)的检验方法，将间接机制检验分为两个部分：第一，首先检验政策冲击是通过削减了国企或党政干部家庭的社会网络的规模来影响家庭风险金融资产投资；第二，进一步检验国企或党政干部家庭的社会网络能够降低风险金融资产投资的主要原因在于社会网络发挥了风险分担以及信息传递与分享的作用。

1. 间接机制检验1

本文首先需检验政策冲击是通过降低国企或党政干部家庭的社会网络规模来影响家庭金融资产风险投资。为此，本文借鉴Alesina和Zhuravskaya(2011)并结合模型(1)建立了模型(2)和(3)来检验这一影响机制：

SKit=α0+α1Treati*Postt+αi+πt+ρ′Xit+ε2it

(2)

RVit=δ0+δ1Treati*Postt+δ2SKit+φ′Xit+αi+πt+ε3it

(3)

在模型(2)中，被解释变量SKit为家庭社会网络的规模，本文借鉴章元和黄露露(2022)采用家庭的礼金收入(lngift_in)、礼金支出(lngift_out)以及礼金收入和支出之和(lngift)作为家庭社会网络规模的三个代理变量。其他变量定义同模型(1)。

根据Alesina和Zhuravskaya(2011)，首先，若模型(2)中的系数α1显著为负，则说明在统计显著性上，政策冲击确实会影响社会网络规模；其次，与模型(1)相比，在模型(3)中增加控制变量SK后，若系数δ1比β1小，则再次证实政策冲击确实通过影响社会网络规模进而影响家庭风险金融资产投资。

具体检验结果报告在表6至表9中。第一，从表6的结果可以看出，在控制了家庭和年份固定效应后，交互项的系数均显著为负，这表明政策冲击确实降低了国企家庭的社会网络规模。同时，本文还检验了政策冲击对处理组Treat2的影响，其估计结果仍表明政策冲击对所有社会网络的代理变量的回归系数都为负(7)限于篇幅，处理组Treat2的估计结果未列示，备索。下同。，这证实了表6中估计结果的稳健性，与假说预期一致。换言之，模型(2)中系数α1显著为负，与预期相符。

表6 政策冲击对社会网络规模的影响(Treat1)

第二，表7检验了在加入社会网络规模变量后，政策冲击对家庭风险金融资产投资的影响。从中可以看出，在控制了户主特征、配偶特征、年份和家庭固定效应后，政策冲击虚拟变量(直接机制)系数仍然为负且显著，且系数绝对值小于表2中的回归4，且社会网络的代理变量的回归系数也均显著为正(礼金支出除外)。综合表2、表6和表7来看，本文揭示的通过社会网络规模来影响家庭风险金融资产投资额的机制是存在的。

表7 社会网络规模对家庭风险金融资产投资额的影响(Treat1)

表8 政策冲击对通讯支出的影响

2. 间接机制检验2

在机制检验的第一部分，本文验证了政策冲击确实通过削减了国企或党政干部家庭的社会网络的规模来影响家庭风险资产投资额。但是，社会网络究竟如何影响家庭风险金融资产投资？在前面影响机制部分，本文认为社会网络会通过其信息传递与分享功能和风险分担功能来影响家庭风险金融资产金额。下面分别对这两种间接机制进行实证检验。

(1) 社会网络的信息传递与分享机制。为了检验这一机制，这里，本文分为两个部分：第一，本文试图检验政策冲击确实使得国企或党政干部家庭减少了风险金融资产投资信息的传递与交流；第二，本文检验社会网络确实通过信息传递与分享功能来影响家庭风险金融资产投资金额。

在第一部分，本文借鉴朱光伟等(2014)选择家庭年通讯支出(SI)作为影响风险金融资产投资信息渠道的代理变量。基于这一代理变量，本文首先检验政策冲击是否会降低国企家庭的通讯支出，回归结果报告在表8的回归1和2中，从中可以看出，在控制了家庭和年份固定效应后，交互项的系数均显著为负，这表明政策冲击确实降低了国企家庭的年通讯支出。同时，本文还检验了政策冲击对处理组Treat2的影响(回归3和4)，估计结果表明政策冲击对国企或党政干部家庭通讯支出的回归系数都为负，证实了原估计结果的稳健性。

在第二部分，本文建立如下模型来检验社会网络确实会通过信息传递与分享功能来影响家庭风险金融资产投资金额，模型如下：

RVit=ρ0+ρ1SKit+ρ2SIit*SKit+γ′Xit+εit

(4)

其中，SKit代表家庭社会网络，SIit为信息渠道的代理变量，这里，本文仍借鉴朱光伟等(2014)选择家庭年通讯支出作为其代理变量，ρ2是本文感兴趣的系数，如果交互项系数ρ2为正且显著，则表示城镇家庭的社会网络通过信息传递与分享作用来影响家庭风险金融资产投资。

表9报告了社会网络的三个代理变量的机制检验估计结果。以礼金收支之和(lngift)为例，即从表9的回归1可以发现，交互项系数显著为正，即家庭信息传递与分享功能更大的城镇家庭的社会网络对家庭风险投资额的正向作用要大于信息传递与分享功能更小的家庭，故城镇家庭确实通过信息传递与分享来增加家庭风险金融资产投资。同样地，社会网络的礼金支出和礼金收入代理变量的交互项系数的估计结果(回归2和回归3)也均显著为正，故其证实了该机制检验结果的稳健性。

(2) 社会网络的风险分担机制。如果一个家庭拥有的社会网络规模越大，则该家庭就越能够应对健康或收入等负向冲击，因此该家庭承担金融风险的能力就越强。为此，本文想检验社会网络确实会通过其风险分担机制来影响家庭风险金融资产投资水平。这里，本文借鉴章元和黄露露(2022) 建立了如下模型来检验这一机制：

表9 社会网络的信息传递与分享机制检验

RVit=γ0+γ1SKit+γ2RISKit*SKit+αi+πt+γ′Xit+εit

(5)

其中，RISKit代表该家庭是否为高风险家庭(是=1)，并借鉴章元和黄露露(2022)使用家庭成员的年平均医疗保健支出(8)UHS数据中，国家统计局对医疗保健支出的定义为用于医疗和保健的药品、用品和服务费用的支出，由于其细分项中对于医疗和保健的划分不是很明显，因此，本文采用总的医疗保健支出作为家庭健康风险程度的代理变量。来度量家庭健康风险程度。本文定义以下家庭为高健康风险家庭：第一，家庭年平均医疗保健支出大于2575元(高健康风险Ⅰ家庭)；第二，家庭年平均医疗保健支出大于3000元(高健康风险Ⅱ家庭)(9)本文借鉴章元和黄露露(2022)，还将家庭年平均医疗保健支出大于4000元以及5000元的家庭定义为高健康风险家庭，并重新进行回归，估计结果同表10大体一致，从而证实该估计结果的稳健性，估计结果备索。。此外，本文还借鉴Niu 等(2020)来度量家庭的收入风险，具体度量方法如下：首先，根据户主的受教育程度(小学及以下、初中、高中和大学及以上)和职业类型(管理者或主管、专业技术人员、办公人员、非技术工人和服务业人员)将所有家庭分为16个组来计算组内可支配收入方差，然后将家庭可支配收入方差大于中位数方差的家庭定义为高收入风险家庭。其他变量定义同模型(3)。若交互项系数γ2显著为正，则表示城镇家庭的社会网络存在风险分担作用。

从表10(礼金收支之和)的估计结果可以发现，回归1-3中的交互项系数均显著为正，该结果表明，与健康风险和收入风险更小的城镇居民家庭相比，健康风险和收入风险更大的城镇居民家庭的社会网络对家庭风险金融资产投资的正向作用更大，因此城镇家庭确实会通过社会网络的风险分担作用来增加对家庭风险金融资产的投资。同样地，礼金支出的交互项系数的估计结果也均显著为正(礼金收入的交互项系数为正，但不显著)，故其结果也证实了该机制检验结果的稳健性(10)限于篇幅，礼金收入和礼金支出的机制检验结果未列示，备索。。

表10 社会网络的风险分担机制检验(lngift)

七、 结 论

目前，有不少文献发现作为非正式制度的社会网络对家庭风险金融资产投资有正向影响，但是大多数研究并不能很好地解决社会网络的内生性问题，而且这些研究也未基于中国城镇家庭数据从社会网络的风险分担角度来揭示其机制。因此，对于拥有相对健全的医疗和养老保险的城镇居民而言，社会网络是否仍然对其风险金融资产投资行为有显著的影响？为此本文基于国家统计局2006-2014年的UHS家庭数据，将八项规定政策冲击作为一项准自然实验运用双重差分法展开实证研究。结果发现：政策冲击后，国企或党政干部家庭的风险金融资产投资金额显著降低。该政策主要通过以下机制来影响国企或党政干部家庭的风险金融资产投资水平： 直接机制——“六项禁令”明确禁止党政干部群体收送有价证券，故国企或党政干部家庭收到的有价证券将明显减少，故其家庭风险金融资产投资水平也会随之降低。间接机制：第一，信息传递与分享机制——该政策使得实验组家庭的社会网络规模变小从而使得同事及上下级网络成员减少了关于风险金融资产的投资信息，从而增加了信息获取成本，进而降低了家庭风险金融资产投资水平；第二，风险分担机制——该政策使得国企或党政干部家庭的社会网络规模变小而使其收入和健康风险分担作用降低，从而降低了其金融风险的应对能力，进而导致他们降低了风险金融资产投资。此外，在进行一系列的稳健性检验后，上述估计结果仍然稳健。

本文的主要贡献在于：第一，将“八项规定”政策视为一项准自然实验，并利用双重差分法识别了社会网络的外生变化对于城镇居民的家庭风险金融资产投资的因果效应；第二，本文也补充了同事及上级关系这种“弱关系”网络对家庭风险金融资产投资有影响的证据；第三，本文发现社会网络不仅能通过其信息传递与分享功能来促进风险金融资产投资，还能够通过风险分担作用来影响城镇家庭风险金融资产投资，从而为现有社会网络与风险金融资产投资之间关系的文献补充了新的证据。本文研究结果的一个政策含义是，政府可以通过建立更加完善的信贷和保险市场来降低城镇居民的收入和健康风险，从而增强其金融风险应对能力，以促进城镇居民参与风险金融资产投资，进而推动正规金融市场的快速发展。