（二）房价对家庭创业行为的回归分析

作为对照，首先对总样本使用OLS模型进行线性概率估计，然后使用probit模型进行估计，为了检验房价对家庭创业的影响在城镇地区和农村地区是否相同，分别进行城镇子样本和农村子样本回归。

表4为加入社区房价这个变量后家庭创业模型的回归结果。当加入社区房价这个变量后，样本数变为710个，城镇样本和农村样本分别为597个和113个。从总体上来看，家庭财富系数依然为正且显著，表明家庭财富对家庭创业活动具有促进作用，但在城镇地区和农村地区不同，农村地区系数值更大且显著，说明农村地区面临更加严重的流动性约束。

住房作为一种重要的资产，其属性早已远不是固定资产，如今房子已成为一种重要的金融资产。当房价上涨时，其带来的收益是显而易见的，因此会抑制其他投资活动，尤其是具有风险的创业活动。Hurst＆Lusardi（2014）基于英国消费动态面板数据研究房屋财富与信贷约束的关系，发现房价上涨较快的地方并没有发现有更明显的创业增长。Bracke et al.（2012）、Lixing Li ＆ Xiaoyu Wu（2014）分别基于英国的创业市场数据和中国的相关调查数据，得出房价上涨会抑制家庭的创业活动的结论。如表4中显示，总体上，房价与创业是负相关的，且在城镇地区，房价系数为负，这说明城镇地区房价越高，创业的可能性越低。而在农村地区，房价的系数为正，农村房价越高，家庭创业积极性越大。造成这种情况的原因可能是对于有房的城镇家庭来说，房价越高预示着经济运行越好，会使其增加消费而减少创业活动。而农村地区，一方面较高的房价说明了住房所在的区位较好，可为创业提供较好的环境；另一方面，农村地区房价上涨意味着家庭资产的增加，对于面临更多金融约束的农村来说，可使农户获得更多的抵押贷款，缓解信贷约束，为家庭创业提供所需资金，促进就业。

另外，上页表4还显示户主受教育年限对家庭创业具有促进作用，这在农村和城镇是一致的，但在城镇地区表现更显著。风险偏好也表现出与家庭创业抉择显著的正向关系，这点在城镇地区表现更明显。创业本身是一种创新性活动，且面临着极大的不确定性，因此对风险的承受能力越强，越有可能选择创业。与预期一致，较大的户主年龄对应着较低的创业可能性，这也与中国的实际情况一致。另外，户主性别和婚姻状态与家庭创业的关系不显著，在农村地区，户主是党员会促进家庭创业。

（三）异质性分析

本文研究房价对创业的影响，不能忽视的是，不同房屋类型（房屋所有权）也可能对家庭创业产生影响，因此若不能考虑这些情况，则可能由于遗漏变量而产生内生性问题。本文运用工具变量法来解决此问题，将社区其他家庭房价的平均值作为住房价值的工具变量，通常社区其他家庭房价的平均值分别与城镇样本和农村样本家庭住房价值相关，但该变量并不直接影响家庭的创业选择，因此该工具变量符合要求。在控制家庭特征变量、户主特征变量的基础上，本部分还加入省份等变量以控制省份的固定效应（刘艳，2015）。

已有文献表明，不同房屋类型对家庭创业抉择存在影响，吴晓瑜（2014）证明了自有住房对人们选择成为创业者的概率大于无房者，因此表5加入了不同房屋类型与房价的交互项，以此进行实证检验。

为了考察不同类型房屋的影响，使用CHFS家庭调查数据进行回归分析。CHFS中详细询问了受访户所居住房屋的类型，分为“自有住房”“租房”“免费居住”三类，因此在实际的回归中，分别加入了三类住房与房价的交叉项。

表5 不同房屋类型对家庭创业的影响注：被解释变量为家庭创业选择。括号里的数值为对应的t统计量。★★★、★★和★分别表示在1%、5%和10%的水平显著。变量定义请参照表1。总体 城镇 农村IVProbit IVProbit IVProbit IVProbit IVProbit IVProbit IVProbit IVProbit IVProbit房价房价*自有住房 0.017** -0.002*** 0.012***(-1.92) (-2.81) (-3.37)自有住房 0.007*** -0.021* 0.031***(-3.16) (-1.24) (-2.71)房价*租房 -0.012** -0.013* 0.011(-1.89) (-1.96) (-0.32)租房 0.002 -0.025* 0.0097(-1.28) (-2.16) (-1.22)房价*免费居住 -0.032* -0.149 0.004*(-1.85) (-0.94) (-2.18)免费居住 -0.024 -0.104 0.008(-0.93) (-0.73) (-1.13)家庭特征 control control control control control control control control control户主特征 control control control control control control control control control省份固定效应 YES YES YES YES YES YES YES YES YES N 4282 105 55 2558 97 44 1564 87 43 Wald chi2 200.08 13.5 2.77 169.44 14.25 1.14 81.33 11.23 1.12第一阶段F值 373.36 31.23 26.61 183.09 28.04 19.19 149.84 25.71 18.62

文章来源：《财富生活》 网址: http://www.cfshzz.cn/qikandaodu/2021/0325/1366.html