家庭資產(chǎn)負(fù)債表、消費和經(jīng)濟(jì)衰退

翻譯文獻(xiàn)選自于TheQuarterlyJournalofEconomics(2013),1687–1726.家庭資產(chǎn)負(fù)債表、消費和經(jīng)濟(jì)衰退阿蒂夫.米安卡爾洛夫.拉奧阿米爾.蘇非我們利用全美國的財富損失高度不平等的地理分布調(diào)查2006-9放貸崩盤的消費后果。我們估計一個大的消費彈性，相對于房地產(chǎn)資本凈值的0.6至0.8，其中健康的完全消費風(fēng)險分擔(dān)的假設(shè)。這徹底地拒絕完全消費風(fēng)險分擔(dān)的假說。平均邊際消費傾向的房屋財富是5-7美分大量異質(zhì)性的郵政編碼。郵政編碼與貧窮和具有更多的杠桿家庭有明顯高于邊際消費傾向的住房財富。與邊際消費傾向的結(jié)果一致，特別是那些比較貧窮和具有較大杠桿的家庭，郵政編碼經(jīng)歷更大的財富損失，同時也會降低信用額度，再融資的可能性，信用評分。我們的研究結(jié)果強(qiáng)調(diào)了在財富沖擊中債務(wù)和地理分配這兩個指標(biāo)對于解釋2006年至2009年消費嚴(yán)重下降的重要作用。JEL代碼：E21,E32,E44,E60。一、引言消費如何回應(yīng)對家庭財富的巨大的負(fù)面沖擊呢？不同資產(chǎn)水平的家庭對消費一美元的損失有不同的邊際消費傾向嗎？這些問題是宏觀經(jīng)濟(jì)學(xué)和財政學(xué)的基本問題，解答這些問題對我們?nèi)绾谓⒔?jīng)濟(jì)模型，如何將財富沖擊轉(zhuǎn)化為經(jīng)濟(jì)周期的波動，以及當(dāng)資產(chǎn)價格暴跌時如何制定相應(yīng)的政策這些方面都有深刻的意義。比如，宏觀經(jīng)濟(jì)學(xué)中最經(jīng)典的模型采用了一個具有代表性的主體框架，和一個隱式的假設(shè)，即單個家庭可以被家庭專用財富對沖掉。然而，如果數(shù)據(jù)與這個假設(shè)嚴(yán)重不符，那么接下來在模型中我們需要采用異質(zhì)性的數(shù)據(jù)。在關(guān)于不確定性下消費的文獻(xiàn)中強(qiáng)調(diào)了異質(zhì)性的一個重要來源是財富隨著財富下降的邊際消費傾向。邊際消費傾向中的異質(zhì)性說明了消費動態(tài)的美元損失在整個經(jīng)濟(jì)中的分配情況。就嚴(yán)重的經(jīng)濟(jì)衰退而言，上述問題顯得尤其重要。在美國，大蕭條和大衰退在來臨之前都伴隨著大量的家庭債務(wù)、資產(chǎn)價格和消費的崩潰。著名的經(jīng)濟(jì)學(xué)家例如歐文費雪、莫文金和詹姆士托賓在較高財富邊際消費傾向為借款人與儲蓄者解釋了為什么高私人債務(wù)負(fù)擔(dān)與經(jīng)濟(jì)衰退有關(guān)這方面有過爭論。然而，現(xiàn)有的研究還沒有證實出具有較高杠桿的家庭邊際消費傾向更高。本文提供了關(guān)于影響全美人口的大衰退所帶來的財富沖擊的地區(qū)分布和財富沖擊對消費所造成的影響的詳細(xì)的經(jīng)驗證據(jù)。我們創(chuàng)立了一個新的數(shù)據(jù)組，這個數(shù)據(jù)組能使我們更好的觀察一個國家的家庭消費情況、資產(chǎn)情況和郵政編碼水平。首先，我們在房價崩盤的背景下收集了2006年到2009年的關(guān)于郵政編碼水平的家庭資產(chǎn)凈值的百分比變化數(shù)據(jù)，這類數(shù)據(jù)我們稱之為房產(chǎn)凈值沖擊。郵政編碼水平對房產(chǎn)沖擊住戶部門資產(chǎn)負(fù)債表的影響水平在美國各地區(qū)有很大的差異。例如，后十分位的郵政編碼損失了45%的資產(chǎn)凈值，而前十分位的資產(chǎn)凈值卻有輕微的增加。然后，我們檢驗了房產(chǎn)凈值的崩盤是否對消費有影響。如果一個家庭有充分的機(jī)制來確保他們的消費不受財富沖擊的影響，就像具有代表性模型假設(shè)的一樣，我們不應(yīng)該看當(dāng)?shù)叵M是如何回應(yīng)當(dāng)?shù)胤慨a(chǎn)凈值沖擊的。然而，本文的數(shù)據(jù)明顯的推翻了消費風(fēng)險共擔(dān)的假設(shè)。我們估計國家間的消費對房產(chǎn)凈值沖擊的彈性系數(shù)在0.6到0.8之間。關(guān)于消費理論的文獻(xiàn)（如卡羅爾和金博爾1996）強(qiáng)調(diào)當(dāng)家庭面對不保險的收入和財富風(fēng)險時，他們的邊際消費傾向會隨著財富的減少而變小，也就是說，消費對財富的作用成凹狀。類似地，金（1994）強(qiáng)調(diào)對于具有信用約束的家庭來說財富邊際消費傾向會更高。理解邊際消費傾向是否存在異質(zhì)性是十分重要的，因為異質(zhì)性說明了財富損失的分布情況而不是整體的水平，這種分布會影響消費的總量。我們預(yù)測房價每下降一美元平均的邊際消費傾向會在5-7美分之間。邊際消費傾向隨著支出的種類的不同而變化，耐用品的邊際消費傾向最高，如購買汽車，生活基本品的邊際消費傾向最小。然而，問題的關(guān)鍵是邊際消費傾向是否受家庭收入、資產(chǎn)和杠桿的影響而變化。通過家庭收入和杠桿我們發(fā)現(xiàn)了支持邊際消費傾向中具有異質(zhì)性的證據(jù)。例如，年收入少于35000美元的家庭的邊際消費傾向和年收入高于200000美元的家庭的邊際消費傾向是一樣的。同樣地，擁有90%貸款質(zhì)押率的家庭的邊際消費傾向和只擁有其三分之一30%的貸款質(zhì)押率的家庭的邊際消費傾向是相同的?？偟膩碚f，這些結(jié)果表明了資產(chǎn)損失的地理分布問題，而不僅僅是水平的問題。我們的預(yù)測方法利用美國房產(chǎn)沖擊的截面變化。導(dǎo)致截面變化的一個重要因素是國家間的房產(chǎn)供給彈性的差異。早期的研究例如Mian和Sufi（2009,2010,2011)為研究2002年到2006年房價的增長采用了房產(chǎn)供給彈性作為工具進(jìn)行研究。與截面模式完全不同的模式引起了2006年到2009年房產(chǎn)價值的截面下降這一實質(zhì)性的變化。因此我們使用房產(chǎn)供給彈性作為工具來揭示一個城市的房產(chǎn)泡沫破裂的周期。我們估計的邊際消費傾向包括三個渠道，是通過住房財富的變化對家庭支出的影響得出的。第一個渠道是直接的“財富效應(yīng)”。第二個渠道是間接的效應(yīng)，這個效應(yīng)是從非貿(mào)易就業(yè)部門的反饋效應(yīng)得來的。特別要注意的是，如果支出在“硬擊區(qū)域”戲劇性的減少，那么非貿(mào)易就業(yè)受到的影響與支出的減少不成比例（Mian和Sufi2012）。對于非貿(mào)易巨野的撞出效應(yīng)會加劇當(dāng)?shù)刂С龅臏p少。第三，房屋資產(chǎn)凈值作為為獲得信貸的抵押品；資產(chǎn)凈值的減少會迫使住戶減少開支，因為他們受到了信貸的約束。我們提供了有力的證據(jù)來證明信貸約束渠道。我們發(fā)現(xiàn)對于一個可能下降的房產(chǎn)價值來說，擁有較高的資產(chǎn)質(zhì)押率和低收入的家庭的郵政編碼會在家庭資產(chǎn)限制上大幅下降，同時也會減少低利息再融資的能力。并且，對于一個可能減少的房產(chǎn)價值來說，擁有更多杠桿的郵政編碼和貧窮的郵政編碼會在信用評分上大幅下降。我們的主要貢獻(xiàn)是強(qiáng)調(diào)關(guān)于收入和杠桿的邊際消費傾向的異質(zhì)性對于金融沖擊的回應(yīng)。邊際消費傾向的異質(zhì)性自然代表著一個經(jīng)濟(jì)體在遇到家庭事件時為經(jīng)濟(jì)總量分擔(dān)風(fēng)險的能力（Carroll2013）。例如，在經(jīng)濟(jì)里較高的杠桿將注意力集中在債務(wù)人方面。如果負(fù)債家庭的杠桿也增加的話，財富的總損失所帶來的真正效應(yīng)會顯現(xiàn)出來。我們將在后文中詳細(xì)的討論這些影響。本文剩下的部分的結(jié)構(gòu)安排如下。下一章，我們會研究理論、相關(guān)的文獻(xiàn)以及一般均衡問題。第三章會列出數(shù)據(jù)并匯總統(tǒng)計結(jié)果。第四章研究各國凈值沖擊的變化。第五章和第六章將會得出結(jié)論，第七章進(jìn)行總結(jié)。二、理論模型（一）檢驗家庭消費應(yīng)該對財富沖擊如何回應(yīng)？該檢測具有代表性的模型假設(shè)家庭之間可以確保不受消費風(fēng)險的影響。因此家庭的消費增長i是對資產(chǎn)的變化完全不敏感的。我們定義為消費對i的自然對數(shù)，是資產(chǎn)變化的自然對數(shù)，β為消費的彈性系數(shù)。（1）方程（1）是在完全市場化的假設(shè)下衍生出來的（Cochrane1991）。但是，Constantinides和Duffie（1996）、Telmer（1993）、Heaton和Lucas（1992,1996）支出方程（1）中的關(guān)系在限制較少的不完全市場化和有限借貸能力的情況下也能推導(dǎo)出。并且，在研究房屋財富的背景下，Campbell和Cocco（2007）、Sinai和Souleles（2005）認(rèn)為消費者自然對沖負(fù)房產(chǎn)財富的沖擊,因為他們必須使用住房服務(wù)。這也是解釋當(dāng)房屋財富變化是右邊變量時β為0的另一個原因。學(xué)者們對估計方程（1）做了大量的研究。這些研究大多數(shù)都反對完全風(fēng)險分擔(dān)的絕對異質(zhì)性（如Cochrane1991，Attanasio和Davis1996）。然而，Schulhofer-Wohl（2011）認(rèn)為占風(fēng)險偏好的異質(zhì)性和內(nèi)生的工作選擇帶來消費接近全面風(fēng)險保險數(shù)據(jù)。方程（1）很顯然的拒絕了風(fēng)險分擔(dān)異質(zhì)性的假設(shè)。對拒絕這種完全的風(fēng)險分擔(dān)的一種解釋就是異質(zhì)性。隨著異質(zhì)性的存在，住戶就會刻意的選擇他們覺得較為樂觀的非系統(tǒng)性風(fēng)險去施壓。一旦沒有達(dá)到這種樂觀的預(yù)期，就像Merton（1971）假設(shè)一個對數(shù)函數(shù)那樣，去掉消費變量，因為他認(rèn)為消費是財富的一部分。在不確定下分析消費是Carroll和Kimball（1996）提出的。作者認(rèn)為勞動和資產(chǎn)價格具有不確定性，具有預(yù)防性儲蓄動機(jī)的家庭有一個凹消費函是凹在財富和永久收入上。因此，財富沖擊的邊際消費傾向，，隨著財富的減少而減少。我們可以通過估計下列方程檢驗一下消費函數(shù)的凹性：（2）方程（2）是使用名義金額的差異（美元）估計出來的。其中的關(guān)鍵是，可以測出隨著資產(chǎn)凈值在家庭中的地位而變化的財富沖擊的邊際消費傾向的影響程度。Carroll和Kimball（1996）研究的體系表明了<0，那就是說資產(chǎn)凈值低的家庭的消費對財富變化反應(yīng)更多一些。然而Carroll和Kimball（1996）強(qiáng)調(diào)了一個預(yù)防性儲蓄渠道，在信用約模型中有一個類似的約束，其中資產(chǎn)凈值就是一種預(yù)測方法。例如，如果機(jī)構(gòu)要求住戶有足夠的資產(chǎn)凈值作為抵押貸款的擔(dān)保，那么具有較低資產(chǎn)凈值的住戶對財富沖擊也會有一個較高的邊際消費傾向。就像Carroll（2001）寫到，“對于許多限制消費者的行為目的是幾乎區(qū)別不受約束的消費者的行為與預(yù)防性動機(jī)?！币粋€消極的可以被解釋為捕獲預(yù)防性儲蓄或信貸約束。（二）杠桿、金融沖擊和總影響方程（2）表明消費對消極的財富沖擊的減少總量決定了財富沖擊在何地被關(guān)注。如果財富沖擊在高的邊際消費傾向被關(guān)注，那么總影響是劇烈的。這一觀點讓我們深入了解為什么杠桿資產(chǎn)階級的財富下降如住房通常是與實際活動的嚴(yán)重衰退相關(guān)聯(lián)。第一，負(fù)債者的財富往往低于平均水平。第二，負(fù)債者關(guān)注的是資產(chǎn)負(fù)債表的損失。這兩個因素合起來表明了財富總量如果減少，當(dāng)這個經(jīng)濟(jì)體負(fù)債較高時消費的減少會更多。當(dāng)然，上述邏輯并不一定意味著一般均衡的總消費下降。一般均衡效應(yīng)可以緩解低支出家庭的總影響。一般均衡效應(yīng)一般包括利率、產(chǎn)品價格、匯率和投資的變化。例如，在財富沖擊的影響下利率下降會促使家庭消費，從而減輕對總消費的不良影響。盡管這樣的一般均衡是有益的，但它們在減少經(jīng)濟(jì)支出總量的下降上作用不大。近期的很多研究都強(qiáng)調(diào)經(jīng)濟(jì)中的摩擦，例如零名義利率上下限很難充分降低實際利率。Eggertsson和Krugman（2012）強(qiáng)調(diào)零下限的摩擦在一般均衡模型在借貸能力力減少杠桿家庭削減消費。Guerrieri和Lorenzoni（2011）、Hall（2011）突出了零下限摩擦產(chǎn)生的消費總量的減少。Midrigan和Phillipon（2011）強(qiáng)調(diào)了導(dǎo)致流動性沖擊和工資剛性沒有減少總活動甚至遠(yuǎn)離零下限約束。Huo和Rios-Rull（2012）構(gòu)建了一個從消費轉(zhuǎn)移到投資拉動的消費驅(qū)動型消費模型。它們的模型強(qiáng)調(diào)了從投資非流通股的生產(chǎn)轉(zhuǎn)向投資生產(chǎn)貿(mào)易品消費沖擊的反應(yīng)的困難性。很多這類的理論研究都是在大蕭條的背景下而產(chǎn)生的靈感，在這種背景下摩擦的證據(jù)十分顯著。比如，聯(lián)邦基金利率和短期國債利率固定為零的狀態(tài)已經(jīng)有一段時間。盡管大規(guī)模擴(kuò)大美聯(lián)儲的資產(chǎn)負(fù)債表,通脹預(yù)期仍低于歷史標(biāo)準(zhǔn)。有相當(dāng)多的證據(jù)顯示雖然在失業(yè)率較高但是仍存在向下的工資剛性。美國的對外貿(mào)易平衡相對于國內(nèi)經(jīng)濟(jì)放緩并沒有多少改進(jìn)。盡管盡管公司保持巨額的現(xiàn)金余額，可是我們還沒有看到投資的增長。我們并沒有試圖確定在經(jīng)濟(jì)中的精確的宏觀經(jīng)濟(jì)摩擦，在很好的情況下，摩擦是存在的。相反，我們關(guān)注消費減少的本身，這使得宏觀摩擦具有重大意義。三、數(shù)據(jù)，檢驗和統(tǒng)計結(jié)果本文建立了一個關(guān)于消費和房屋財富在不同國家和郵政編碼的新的數(shù)據(jù)集。我們將會詳細(xì)的描述這些數(shù)據(jù)。消費微觀層面的消費數(shù)據(jù)很難獲得。它們或者是僅僅在一個聚合的水平可以被利用，或者是通過自我報告的調(diào)查可以測量一些量度觀點。本文引入的兩個新的消費數(shù)據(jù)來源是基于實際的家庭支出，而不是基于調(diào)查的反應(yīng)結(jié)果，首先是來自于R.L.Polk的從1998年到2012年的郵政編碼級汽車銷售數(shù)據(jù)。這些數(shù)據(jù)是從新的汽車注冊庫中收集來的，提供的信息以新汽車的購買總數(shù)在每年或者一個既定的編碼。這些地址來自于新車注冊庫，因此這些郵政編碼代表每一個購買汽車的編碼，而不是代理商的編碼。消費數(shù)據(jù)的第二個來源是萬事達(dá)顧問統(tǒng)計的縣級從2005年到2009年的消費數(shù)據(jù)。這些數(shù)據(jù)給我們提供了一個縣城里用信用卡或者儲蓄卡總的消費者購買數(shù)，而這些信用卡或儲蓄卡的所有者是萬事達(dá)。該數(shù)據(jù)是基于一個縣的商人的所有的交易的5％隨機(jī)樣本。萬事達(dá)數(shù)據(jù)的一個重要的優(yōu)點是，他們通過依附于商家的NAICS碼來提供數(shù)據(jù)用于總消費開支分解。我們經(jīng)常使用的商家有十個類別：家具，家電，家居中心（即家裝），雜貨，健康有關(guān)的，如藥房和藥店，汽油，服裝，運(yùn)動和愛好，百貨公司，和餐館。我們把萬事達(dá)卡的采購分為三類：耐用消費品（家具，家電，家居中心），雜貨等非耐用品（所有剩余類別）。網(wǎng)上的附錄里提供有關(guān)于萬事達(dá)數(shù)據(jù)的更加深入的詳情。特別是，我們報道了如何比較萬事達(dá)卡的數(shù)據(jù)與從調(diào)查中得到的總零售銷售信息。我們也關(guān)注到了在金融危機(jī)后，使用信用卡和借記卡購買測量橫向消費增長，可能會受到通過信用卡和借記卡進(jìn)行的采購所占的份額發(fā)生可能變化的影響。正如我們在線附錄中強(qiáng)調(diào)的，我們替代消費的措施的基礎(chǔ)是，從RL波爾卡汽車銷售數(shù)據(jù)并不依賴于信用卡購買，因為它代表了所有新購車的總體，而不管用哪種支付的方法。汽車銷售數(shù)據(jù)，因此可以用來作為使用萬事達(dá)數(shù)據(jù)的結(jié)果的交叉檢查。我們還在網(wǎng)上附錄中顯示，我們的結(jié)果是強(qiáng)大到利用普查國家級營業(yè)稅收入的數(shù)據(jù)作為我們衡量家庭支出。因此，我們不認(rèn)為使用萬事達(dá)卡的數(shù)據(jù)作為消費的測量會偏置我們的結(jié)果。由于我們要估計為房產(chǎn)財富一美元的變化的邊際消費傾向，因此不得不擴(kuò)大在萬事達(dá)卡的數(shù)據(jù)的總支出，來與一個縣的總支出相匹配。我們會使用以下方式調(diào)查零售銷售數(shù)據(jù)。我們把萬事達(dá)卡的數(shù)據(jù)中的三大主要支出類別（非汽車耐用消費品，雜貨等非耐用品）與全國數(shù)據(jù)調(diào)查相比較。對于這三個類別中的每個類別，我們使用萬事達(dá)數(shù)據(jù)來計算在屬于給定縣在2006年該類別花費的分?jǐn)?shù)。換句話說，每個縣的分?jǐn)?shù)是基于總?cè)f事達(dá)購買該類別的比例計算得出的。然后，我們把調(diào)查的2006年全國在這一類別的消費支出數(shù)據(jù)乘以這個分?jǐn)?shù)，把萬事達(dá)卡消費數(shù)轉(zhuǎn)換為一個縣里該類別的隱含零售消費。我們的方法是基于一個簡單的比例假設(shè)。例如，美國2006年的調(diào)查數(shù)據(jù)記錄食品雜貨零售量的總計是5250億美元。如果給定縣有萬事達(dá)超市購買的是全國萬事達(dá)超市購買的5％，2006年，我們將給這個縣城撥出的5250億美元（或262.5億美元）的5％用于食品雜貨支出。然后，我們對這個縣城從2006年起在食品雜貨上的總支出做出估計，并通過構(gòu)建橫跨所有縣城的總支出與從普查中得到的總零售量上網(wǎng)加總。然后，我們用萬事達(dá)卡從2006年到2009年的支出增長項目去估計2009年的食品雜貨總支出。我們重復(fù)這個過程中剩余的兩個支出類別：其他耐用品及其他非耐用品。對于汽車銷售，我們沒有關(guān)于支出的數(shù)據(jù)。相反，我們僅僅有購買新汽車的數(shù)量。我們使用購買的汽車零售支出分配總?cè)丝跀?shù)量占有率，完成了相同的程序。因此，一個縣城在2006年購買總R.L.Polk汽車的10％，將被分配由新的汽車普查零售銷售的所有支出的10%。這里主要介紹測量誤差，因為我們沒有對跨縣價格變動的信息。如果價格從2006年到2009年在所有縣中等價的變化，那么就沒有測量誤差。鑒于汽車銷售數(shù)據(jù)的一個缺點是，我們沒有漲價，一個重要的優(yōu)勢是，我們可以在更加細(xì)分的郵政編碼水平衡量新汽車的購買。（二）凈值在我們的分析中第二個關(guān)鍵變量是家庭凈資產(chǎn)。我們定義屬于同一編碼內(nèi)的家庭凈值i與t的關(guān)系為，其中這個公式的右邊字母分別代表股票的市場價值，債券，住房，債務(wù)。我們把股票和債券都統(tǒng)稱為“金融財富”和從人力資本的定義里抽象出凈值的定義。我們開始在郵政編碼水平上對2006年底的家庭凈資產(chǎn)進(jìn)行估計，僅僅先于住房和金融的崩潰。我們使用國稅局統(tǒng)計的收入（SOI）數(shù)據(jù)，在一個給定的編碼水平上，計算股票和債券持有（包括存款）的市場價值。該SOI數(shù)據(jù)顯示出了在一個郵政編碼下的居民的股息和利息收入總額。在一個典型的家庭持有股票和債券市場指數(shù)的前提下，總股息及一個郵政編碼收到的利息總收入的比重為我們提供了由郵政編碼共持有美國股票和債券的比例。因此，我們基于家庭收到的總股息和利息收入的比重，分配金融資產(chǎn)總額從美聯(lián)儲基金數(shù)據(jù)的流動到郵政編碼。所有家庭持有的債券和股票大盤指數(shù)的假設(shè)，引入了潛在的錯誤。例如，我們知道，從如科沃爾和莫斯科維茨（1999）在他們的投資組合選擇研究中，發(fā)現(xiàn)個人投資者表現(xiàn)出本土偏好的特點。我們忽略了由個股的差異暴露驅(qū)動的金融財富的橫截面變化。然而，這種不作為是不可能按照相對于真正的金融財富與我們的措施有重大偏差的郵政編碼排名。例如，就像我們在網(wǎng)上附錄展示的，我們測量出金融資產(chǎn)持有與收入和教育是高度相關(guān)的。我們這個方法的關(guān)鍵限制是，它不能十分精準(zhǔn)的跟蹤金融財富的時間序列變化在郵政編碼水平上。每個人都擁有市場指數(shù)的假設(shè)意味著，在改變金融財富上橫截面的差異完全被暴露在不同的資產(chǎn)類別2006年所驅(qū)動，最終的結(jié)果是，我們會低估在改變金融財富中橫截面的異質(zhì)性。雖然我們受限于計算郵政編碼在金融財富（如股票和債券）方面的水平變化的數(shù)據(jù)，這在計算家庭財富方面也同樣受限。我們用2000年的普查數(shù)據(jù)來估計家庭擁有的住宅價值，作為房主的數(shù)量和房價的中值的結(jié)果。然后，我們使用核心邏輯郵政編碼級別的房屋價格指數(shù)，來預(yù)計下一年的房屋價值，并估計住房擁有者和人口增長的變化。最后，我們使用來自艾克飛信用局預(yù)測服務(wù)部的數(shù)據(jù)來測量債務(wù)，它告訴我們，總借款戶郵政編碼i某一年的數(shù)據(jù)的債務(wù)。米安和蘇菲（2009）詳細(xì)的描述了艾克飛信用局郵政編碼級的數(shù)據(jù)。我們使用上述程序來計算2006年的家庭凈資產(chǎn)。在2006年和2009年之間總凈值變化可以這樣來計算：，其中指的是從2006年到2009年相關(guān)價格指數(shù)中的自然對數(shù)變化。自始至終，我們把凈值的變化拆分為金融財富的變化，，家庭財富的變化，。金融財富和家庭財富的變化也可以分別表示為百分比數(shù)的形式如和。后一個百分比數(shù)就是我們所說的房屋凈值。家庭持有市場指數(shù)的假設(shè)意味著，log并沒有一個上標(biāo)i會改變股票或債券的價格。然而，房價是通過核心邏輯住房指數(shù)的郵政編碼水平來測量的。我們假設(shè)，債務(wù)被簡單的固定在一個名義的條款下，并因此得出凈資產(chǎn)在計算中的變化。這個假設(shè)可能是一個值得關(guān)注的問題，因為家庭可以違約，并且遠(yuǎn)離他們的債務(wù)。然而，艾克飛信用局的數(shù)據(jù)對家庭債務(wù)有違約和減值的信息十分準(zhǔn)確。我們在網(wǎng)上的附錄中也顯示，會計的債務(wù)減記不改變?nèi)魏挝覀兊暮诵慕Y(jié)果。最后，我們的凈資產(chǎn)定義忽略了人力資本。這有可能是一個焦點，這個遺漏變量與所觀察到的凈值變化在郵政編碼水平上有虛假的相關(guān)性。例如，或許更依賴于建筑業(yè)的地區(qū)受到了更大的人力資本沖擊，這反過來又推動了房價和消費的上漲。我們接下來要詳細(xì)討論這個問題。我們的凈資產(chǎn)程序得出的結(jié)果是，人口加權(quán)的杠桿率為0.21，住房財富（住房財富加金融財富）的比例為0.27。從聯(lián)邦儲備資金流量的數(shù)據(jù)中關(guān)于這一比率分別是0.18和0.33（詳細(xì)信息請見附錄）。其他變量在我們的分析中，還用到了大量的其它數(shù)據(jù)資源，這些都是文獻(xiàn)中的標(biāo)準(zhǔn)。我們使用核心邏輯數(shù)據(jù)來測量房價增長，這可以在在郵政編碼的水平來測量房價增長。我們用縣級的商業(yè)模式普查數(shù)據(jù)來衡量該縣各行業(yè)的就業(yè)份額。在郵政編碼水平的收入數(shù)據(jù)可以從國稅局的SOI中得到。我們使用了一些來自艾克飛信用局的其他變量，包括家庭資產(chǎn)的界定，信用卡的限制，在一個地區(qū)的次級抵押貸款借款人的分?jǐn)?shù)。所有的艾克飛信用局的數(shù)據(jù)都可以在郵政編碼水平上使用。在網(wǎng)上附錄中，我們提供了一個表格，這個表格包括各中數(shù)據(jù)的來源，數(shù)據(jù)集聚的水平，獲得數(shù)據(jù)的聯(lián)系方式。匯總統(tǒng)計我們將上述數(shù)據(jù)整合到一個縣年級的數(shù)據(jù)集。表I代表數(shù)據(jù)匯總統(tǒng)計。鑒于我們的樣本中的一些縣是相當(dāng)小的（只有13000個家庭在第十個百分位），我們估計所有規(guī)格的縣加權(quán)的家庭總數(shù)的縣。最后的兩列顯示的人口加權(quán)平均值和標(biāo)準(zhǔn)偏差。房屋凈值的波動，，代表房價下降對總的凈資產(chǎn)的沖擊。當(dāng)我們以人口為權(quán)重時，平均住房凈值的波動大約是10%。利用美聯(lián)儲的流動資金數(shù)據(jù)，房屋凈值的崩潰對家庭持有的財富的沖擊是8%。一般金融資產(chǎn)凈值帶來的沖擊是相似的。采用加權(quán)平均法，我們可以算出家庭持有的房屋財富平均下降$48,000。因而家庭支出從2006到2009年間下降了6％，這相當(dāng)于每一戶家庭減少了約$1,700。所有的支出中，在汽車和其他耐用品上的支出上下降的最大。注意事項：下表列出了我們的樣本中各縣匯總統(tǒng)計。樣品被限制在944個縣中，因為我們對這些縣有住房存量價值的數(shù)據(jù)。這些縣代表美國2006年總?cè)丝诘?2.1％。房屋凈值的波動反映的是由于房屋凈值的增長所引起的總凈值的增長。金融凈值的波動反映的是由于金融凈值的增長所引起的總凈值的增長。住房凈值的和金融凈值震蕩總和就是總凈值增長。其他耐用品包括購買的家具，家電和家庭中心店。其他非耐用品包括購買在健康，汽油，服裝，愛好和運(yùn)動，以及百貨公司等。請參閱的文本對應(yīng)的NAICS代碼。N平均值標(biāo)準(zhǔn)離差10th90th加權(quán)平均值加權(quán)標(biāo)準(zhǔn)離差家庭凈值波動，2006-9944-0.0630.083-0.1690.003-0.0920.097金融凈值波動，2006-9944-0.0960.011-0.108-0.084-0.0940.010房屋價值變化，$000,2006-9944-28.438.4-79.11.2-47.549.1支出增長，2006-9944-0.0590.135-0.2290.110-0.0920.113支出變化，$000,2006-9944-1.74.6-6.73.3-3.44.4汽車支出變化，$000,2006-9944-2.61.6-4.5-1.0-3.32.0其他耐用品的支出變化，$000,2006-9944-0.61.3-2.00.5-1.11.1食品雜貨支出變化，$000，2006-99440.50.9-0.21.50.50.7其他非耐用品的支出變化，$000，2006-99441.02.8-1.64.00.52.4建筑中的就業(yè)份額，20069440.1190.0540.0650.1820.1250.048貿(mào)易中的就業(yè)份額，20069440.1300.1020.0320.2470.1100.071其他就業(yè)份額，20069440.5220.2320.2740.8300.6670.268非貿(mào)易中的就業(yè)份額，20069440.2100.0670.1370.2830.2160.051每戶收入，$000,200694452.215.938.270.259.918.9每戶凈值，$000,2006944429.9246.7230.5684.5520.8288.8房地產(chǎn)杠桿比率，20069440.6160.2290.3600.9020.6080.179房地產(chǎn)供給彈性，賽茲5402.1921.0440.9433.5891.7150.968戶數(shù)，千94498.2187.512.8237.8455.9666.2家庭資產(chǎn)限額變化，$000,2006-9944-0.4734.786-3.3232.857-0.7253.637信用卡限制的變化，$000,2006-9944-1.0432.419-3.5761.778-1.5741.781部分次級貸款者變化，2006-9944-0.0100.024-0.0380.019-0.0040.024再融資變化，$000,2006-99441.2366.646-5.2477.263-1.2688.518四.凈資產(chǎn)沖擊（一）凈資產(chǎn)變化的橫截面變動我們的關(guān)鍵右變量是金融與住房凈資產(chǎn)的波動，分別定義為如下百分比形式的兩項：和。在這一部分，我們將從國家層面來分析凈資產(chǎn)沖擊的橫截面變動。對于凈資產(chǎn)波動的研究，我們的主要研究對象是從2006年到2009年的資產(chǎn)價格變動。圖一向我們展示了從2006年起的住房、股票和債券的價格變動。我們假定2006年為基期，并將2006年的各項指數(shù)定為100。股票價格采取的是標(biāo)普500指數(shù)進(jìn)行追蹤，債券價格指數(shù)是采用先鋒債券指數(shù)進(jìn)行追蹤。從整個國家角度來看，2009年的住房價格比2006年下降了30%并且保持在一個較低的水平。股票的價格在2008年和2009年早期也經(jīng)歷了顯著的下滑，但在之后出現(xiàn)了強(qiáng)勢反彈。債券的價格由于和利率呈負(fù)相關(guān)關(guān)系，所以在經(jīng)濟(jì)的衰退期，債券價格強(qiáng)勢回升，在這一期間上漲了接近30%。從表一中可以看出，在2006到2009年間凈資產(chǎn)價值平均下降了18.6%，這一部分損失幾乎由金融資產(chǎn)和住房資產(chǎn)平分。更重要的是，凈資產(chǎn)的橫截面變動主要是由于凈資產(chǎn)波動中住房部分的波動所引起的。在按照人口加權(quán)的情況下，住房凈資產(chǎn)波動的標(biāo)準(zhǔn)差是金融凈資產(chǎn)波動的標(biāo)準(zhǔn)差的將近十倍。正如我們在第二部分中所討論的，標(biāo)準(zhǔn)差不同的部分原因是由于我們假定不同國家的家庭持有相同的市場組合所造成的。圖一在經(jīng)濟(jì)嚴(yán)重衰退時期資產(chǎn)的波動注：本土是基于標(biāo)普500指數(shù)，Case-Shiler20MSA住房價格指數(shù)和先鋒債券指數(shù)所提供的數(shù)據(jù)繪制而成。這三種指數(shù)在2006年初期的規(guī)模被設(shè)定為100.圖中的縱向虛線表示的是2006年年末與2009年年末。因為金融凈資產(chǎn)波動對于凈資產(chǎn)橫截面變化的影響不大，所以我們的研究重點在于住房凈資產(chǎn)波動的橫截面數(shù)據(jù)變化。2006年到2009年房價下跌的一個顯著特點就是，全國各地區(qū)的房價變動有著很大的不同。表二按照人口權(quán)重將郵政區(qū)域劃分成了十個組來研究住房凈資產(chǎn)波動，這樣每個組里都能包含10%的家庭。從圖表中我們可以看出，按照郵政區(qū)域進(jìn)行劃分的10組中，最高兩組幾乎沒有遭受凈資產(chǎn)的損失，而最低的兩組則因為住房凈資產(chǎn)的波動而損失了將近一半的總凈資產(chǎn)。表二中所呈現(xiàn)的住房凈資產(chǎn)波動在地理上的變化正是我們用來說明消費是如何對資產(chǎn)變動做出反應(yīng)的。圖二每組住房凈資產(chǎn)波動注：表二按照人口權(quán)重將郵政區(qū)域劃分為十組來研究住房凈資產(chǎn)波動，并且以柱狀圖的形式呈現(xiàn)了每組的住房凈資產(chǎn)的波動。它通過住房凈資產(chǎn)的增長來反映各個家庭總凈資產(chǎn)的增長。（二）住房凈資產(chǎn)波動變化的來源是什么？因為住房凈資產(chǎn)變動是我們研究的主要右變量，所以我們需要從地理位置變化的角度進(jìn)行必要的解釋。從技術(shù)上講，一個郵政區(qū)域或者一個縣區(qū)發(fā)生大規(guī)模住房凈資產(chǎn)縮水的原因一般有以下兩點：（1）房價的大幅下跌；（2）房屋所有者大量使用杠桿效應(yīng)。對于上述房價下跌和房屋所有者杠桿效應(yīng)積聚這兩個原因，我們可以使用住房供給彈性這個變量來進(jìn)行單獨的解釋，這個變量是由Saiz在2010年研究時所提出的。通過使用GIS地圖，Saiz所研究出的這個變量工具也可以應(yīng)用到城市地區(qū)。如果一個城市有著平坦的拓?fù)浣Y(jié)構(gòu)并且沒有太多的水域，例如河流、海洋，那么它將獲得一個高彈性的得分。相反的，如果一個地區(qū)都是山區(qū)或者缺少適宜居住土地的供給，那么它只能獲得較低的彈性得分。據(jù)Mian和Sufi在2009年的研究表明，Saiz的方法有效的預(yù)測了2002到2006年的房價增長。隨著住房抵押信貸在全國范圍內(nèi)的流行，缺乏彈性的地區(qū)經(jīng)歷了最大幅的房價上漲。Mian和Sufi在2011年的研究則表明，在這些缺乏彈性的城市地區(qū)，由于房屋所有者對房價上漲的有效利用，使得該地區(qū)的杠桿效用也得到了最大的增長。隨著2007年以來的房價下跌，這些缺乏彈性但存在高杠桿和高房價增長的地區(qū)，遭受了最大幅度的住房凈資產(chǎn)價值下跌。表二第一行和第二行的數(shù)據(jù)是對2006年到2009年住房凈資產(chǎn)價值和住房供給彈性的回歸。從數(shù)據(jù)中我們可以得出，大多缺乏住房供給彈性的城市由于房價的下跌而導(dǎo)致了凈資產(chǎn)的大幅縮水。這部分的討論強(qiáng)調(diào)了為何住房供給彈性是一個可以解釋房價漲跌周期的有效工具變量。事實上，Mian和Sufi在2011年的研究表明，住房供給彈性在很大程度上與其他大多重要變量是正交關(guān)系，即可以將它視為決定房價動力的內(nèi)生變量，所以我們認(rèn)為住房供給彈性可以形成房價格增長的變動。表三第三行中對于2002到2006年工資增長變動的分析表明，尤其在住房供給缺乏彈性的城市中，并未發(fā)生長期的、存在差異的收入波動。更重要的是，有著不同住房供給彈性的城市在房地長行業(yè)敞口上并沒有顯著地差別，并且在房地長行業(yè)的增長方面也沒有明顯的區(qū)別。事實上，盡管這些缺乏住房供給彈性的城市的房價存在高增長，他們的城市人口依然有著輕微而緩慢的增長。注：此表的回歸系數(shù)是采用城市水平上的單變量對住房供給彈性進(jìn)行回歸分析。每一列的回歸分析都是單獨進(jìn)行的。前兩列分別是對住房凈資產(chǎn)波動和住房價格變化關(guān)于住房供給彈性進(jìn)行回歸估計。在州水平上分析，這里的標(biāo)準(zhǔn)誤是異方差而且聚集的。所有回歸都是按照各縣區(qū)擁有的家庭數(shù)量進(jìn)行加權(quán)的。標(biāo)有**和*的系數(shù)估計值分別在1%的顯著性水平上和5%的顯著性水平上與0不相等。住房供給彈性和房地產(chǎn)行業(yè)的零相關(guān)關(guān)系對于下面的一些理論十分重要。一個是人們可能會擔(dān)心城市水平上的房價變動和消費變動是由城市總體行業(yè)的衰退傾向所導(dǎo)致，特別是房地產(chǎn)行業(yè)。在這種情況下，建筑業(yè)的不景氣和房價、消費的下降都反映了房地產(chǎn)行業(yè)的衰退。但是我們可以使用住房供給彈性這一工具來緩解這一問題。由于兩個補(bǔ)償性的力量使得住房供給彈性和房地產(chǎn)業(yè)是不相關(guān)的。彈性和房地產(chǎn)行業(yè)在高供給彈性下趨向于正相關(guān)的，但是在缺乏供給彈性時，會將住房的價格波動轉(zhuǎn)變?yōu)楦叻績r。高房價會帶來房地產(chǎn)行業(yè)的高投資，尤其是在集約邊際，這會為現(xiàn)有的地產(chǎn)行業(yè)帶來擴(kuò)張和升級。通過我們的研究，兩種力量作用之后的凈影響表明住房供給彈性是一個很好的備選工具。最后，缺乏住房供給彈性的城市因為有著高人均收入和高人均資本凈值而不同于其他城市。但是這些差別是恒定的，我們將在具體說明中指出這些固定的差異。正如我們先前所提出的，在信貸繁榮時期，我們并沒有證據(jù)去證明缺乏彈性的城市會經(jīng)歷長期且嚴(yán)重的收入波動。（三）利用住房供給彈性作為一種對結(jié)果解釋的工具在先前的討論中，我們闡述了住房供給彈性是如何用于解釋房地產(chǎn)業(yè)興衰周期的。大多缺乏彈性的都市區(qū)在2002年到2006年經(jīng)歷了高杠桿率和房價的快速增長，而在2006年到2009年又經(jīng)歷了更大程度上的房地產(chǎn)業(yè)資產(chǎn)凈值的縮水。我們的解釋變量（IV）對于很大程度上經(jīng)歷了地產(chǎn)業(yè)興衰周期的城市與很大程度上避免了地產(chǎn)業(yè)興衰周期的城市的對比進(jìn)行了估計。此外，我們對于家庭凈資產(chǎn)消費變動影響的估計是包含一般均衡理論反饋作用的，這體現(xiàn)在對于勞動力市場原始需求影響的波動上。Mian和Sufi在2012年的研究表明，大多采取非貿(mào)易就業(yè)的來緩解經(jīng)濟(jì)下滑的城市都經(jīng)歷了更為嚴(yán)重的住房凈資產(chǎn)價值波動。而對于采取貿(mào)易型就業(yè)的城市則并不會這樣。由于一些城市的非貿(mào)易型交易帶來的反饋效應(yīng)，使得當(dāng)?shù)匾驗橘Y產(chǎn)縮水而造成的原始需求下降被放大了。我們在估計凈資產(chǎn)波動對于消費的影響時包含了兩個方面，一個是原始的直接影響，另一個是隨后的反饋效應(yīng)。五、消費對住房凈資產(chǎn)波動的影響（一）關(guān)于凈資產(chǎn)的消費彈性：風(fēng)險分?jǐn)偧僬f正如第二部分所強(qiáng)調(diào)的那樣，具有代表性的代理模型是具有前提的，這個前提指出家庭的消費對于不可預(yù)期的經(jīng)濟(jì)波動是具有保護(hù)性的，正如圖二所呈現(xiàn)的那樣。我們通過對于方程（1）的評價以及檢驗β是否等于0來評價消費風(fēng)險分?jǐn)偰Ｐ?。圖三通過繪制圖表的方式來說明那些經(jīng)歷了2006到2009年住房凈資產(chǎn)波動的國家的消費增長水平。圖三所繪制的擬合線是性對于消費增長和和住房凈資產(chǎn)波動的線性回歸，這個線性回歸的結(jié)果對應(yīng)的是我們表三第一列的數(shù)據(jù)。圖三住房凈資產(chǎn)波動與消費彈性的關(guān)系注：這個散點圖描繪的是2006到2009年總消費增長與同期住房凈資產(chǎn)變動的對應(yīng)關(guān)系。由于住房凈資產(chǎn)的增長，住房凈資產(chǎn)波動可以反映了每個家庭的總資本增長。這個散點圖以及回歸線是根據(jù)一個城市的家庭數(shù)量進(jìn)行加權(quán)的。消費風(fēng)險分?jǐn)偧僬f是應(yīng)該被拒絕的。關(guān)于住房凈資產(chǎn)波動的消費彈性是0.63，而且我們準(zhǔn)確地估計出了擬合曲線的系數(shù)。事實上，住房凈資產(chǎn)波動這個變量解釋了30%的的國家整體水平上的消費變動。表三第二列將金融凈資產(chǎn)波動加入了關(guān)于消費增長的線性回歸分析中。我們可以看出，關(guān)于住房凈資產(chǎn)波動的系數(shù)并沒有發(fā)生改變，但是金融凈資產(chǎn)波動的系數(shù)卻是-0.595.因為缺乏金融資產(chǎn)波動對于消費增長影響在統(tǒng)計學(xué)上的有力支持，所以我們在線性回歸時得到的回歸系數(shù)標(biāo)準(zhǔn)差很大。這其實不足為奇，因為金融資產(chǎn)波動對于凈資產(chǎn)變化的影響不大，而且我們很難得到家庭水平上直接持有金融資產(chǎn)的有效數(shù)據(jù)。表三第三列增加了大量與城市產(chǎn)業(yè)專業(yè)化和收入相關(guān)的額外控制變量。特別是我們想證明這樣一個問題，那就是忽略掉行業(yè)特定的波動可能會導(dǎo)致跨城市間的住房凈資產(chǎn)波動和消費。特別值得關(guān)注的是房地產(chǎn)行業(yè)。即使一個國家的住房資產(chǎn)凈值大幅縮水，房地產(chǎn)行業(yè)依然可能雇傭很多的建筑工人。既然房地產(chǎn)行業(yè)通常是被就業(yè)影響較大的一個行業(yè)，那么它對于消費的影響很有可能是由于建筑工人失去工作而造成的虛假影響。但是表三第三列中呈現(xiàn)的數(shù)據(jù)表明房地產(chǎn)行業(yè)并沒有明確的對于就業(yè)份額的控制。實際上，我們還可以控制一些其他行業(yè)的公開信息，例如Mian和Sufi在2012年研究時所定義的可貿(mào)易的和非貿(mào)易的行業(yè)。我們也可以控制包括2006年每戶收入和每戶總凈資產(chǎn)在內(nèi)的其他相關(guān)變量。通過分析我們可以得出，即是增加了這些控制因素，凈資產(chǎn)波動的系數(shù)并沒有發(fā)生顯著的改變。一個更加直接的可以用來限制虛假因素影響的方法就是分析住房資產(chǎn)凈值波動時使用住房供給彈性這一工具。我們在表三的第四列采用了這一分析方法，并發(fā)現(xiàn)系數(shù)略有增加。因為我們使用的工具變量與一個城市建筑業(yè)的就業(yè)水平和增長并不相關(guān)，所以第IV部分就更好的證明了系數(shù)并不是由于房地產(chǎn)業(yè)的改變所驅(qū)使的。表三第五列分析了州內(nèi)部的固定影響，使用了僅有各州內(nèi)部存在的變化進(jìn)行系數(shù)估計。通過回歸我們得到住房凈資產(chǎn)波動系數(shù)下降到了0.46.但是正如我們后面的所呈現(xiàn)的那樣，當(dāng)我們用邊際消費傾向替代彈性時，系數(shù)并沒有明顯的減少。表三第六列的分析排除了四個住房繁榮和衰退影響程度最大的四個州，這些州在不考慮衰退期的情況下?lián)碛兄芨叩幕貧w系數(shù)。表三中呈現(xiàn)的結(jié)果完全的拒絕了整個風(fēng)險平坦假說。公式（3）中估計的β值與0有著很大的不同，并且幅度很大。圖二中所顯示的數(shù)據(jù)表明，在按照郵政區(qū)域劃分的情況下，住房凈資產(chǎn)波動在最低組有下跌45%而在最高組有波動0%。通過這些數(shù)據(jù)的分析，表三第一列的數(shù)據(jù)暗示相較于最高組，最低組的消費者花費會有額外的30%的下降。（二）邊際消費傾向給出了充分的風(fēng)險分擔(dān)假設(shè)不成立，我們測試了在不確定性和有限保險的消費理論下，消費函數(shù)的凹性。這樣做需要估計平均MPC，然后檢測MPC的異生性。平均MPC可以通過回歸人均總支出的變化與住房凈資產(chǎn)變化來估計。圖四中左側(cè)面板圖描繪在同一縣級水平，2006?2009年每戶家庭消費的變化與房屋價值的變化的關(guān)系。估計MPC是我們設(shè)定單位為千美元。房屋價值的變化和消費變化之間有很強(qiáng)的正相關(guān)關(guān)系。在特殊情況下，一個縣，家庭房屋價值下降150,000美元，每個家庭花費減少近$10,000美元。還有證據(jù)顯示房屋價值下降少比價值下降大的非線性影響大。表四列出了對應(yīng)于圖四的左側(cè)面板數(shù)據(jù)回歸的回歸系數(shù)。在第（1）列中估計的平均MPC為0.054。第（2）列說明了該效應(yīng)的非線性，系數(shù)為正意味著隨著房屋價值的逐漸下降，MPC是先升后降的。對于房屋價值較小的跌幅，貨幣政策委員會是相當(dāng)大的，上面的每美元10美分。對于房屋價值較小的跌幅，MPC的變化是很大的。房屋價值每下降1%，MPC減小的幅度大于10%。[15]第（3）列在估計中加入了控制變量，但是對MPC的影響很小。第（4）列使用的是工具變量的估計，這種方法比普通最小二乘法（OLS）估計值偏大。IV估計結(jié)果表明，房屋價值每增加1%，MPC增大7.2%。第（5）列中對每個州，使用固定效應(yīng)分析，對MPC并沒有影響。最后，在第（6）列中，排除了四個最大的繁榮和蕭條的州，MPC大幅增加至0.094，這反映了已經(jīng)在第（2）列中的非線性。房屋價值跌幅最大的很多縣是在已剔除的四個州中，以便分離MPC最大的房屋價值變化的分布部分。表四：家庭財富的平均MPC在圖四的右側(cè)條形圖中，我們將MPC分為可衡量的四類支出。條形圖中的每一列表示從與表五第（1）列相同的回歸中得到房屋價值變化的系數(shù)。所有估計的MPC系數(shù)在1%的顯著性水平下顯著。正如條形圖顯示的，汽車等耐用品的MPC和日常用品的大。耐用品較高的MPC與這些產(chǎn)品相對于收入或財富的需求彈性較大是一致的。在購買耐用消費品時融資可用性的重要性的條件下，這也符合信貸約束的重要性。我們估計的MPC大嗎？大多數(shù)現(xiàn)存文獻(xiàn)中指出，從長遠(yuǎn)來看，源自住房財富的MPC在0.05—0.10范圍，本文的估計結(jié)果與此范圍一致。然而，我們的估計是同時期的影響，這通常被低估（Carroll,2004）。我們不知道任何其他的研究，估計在MPC出房產(chǎn)財富的大衰退期間。我們意識到?jīng)]有人研究在大蕭條期間，房屋價值對MPC的影響。[16]Quigley,andShiller(2013)檢驗了至2012年的數(shù)據(jù)，但沒有對MPC進(jìn)行估計。Zhou和Carroll（2012）的研究中估計了經(jīng)濟(jì)衰退前房產(chǎn)價值和消費之間的相關(guān)性，但沒有對2006—2009年間的MPC進(jìn)行估計。描述變化幅度大小的另一種方法是檢驗匯總數(shù)據(jù)。MPC的估計值范圍為從由OLS估計的0.054到由IV估計的0.072。為了方便，選擇0.06作為MPC的值。是什么使得我們擴(kuò)大了房產(chǎn)崩潰對總支出影響呢？家庭總凈資產(chǎn)（即資產(chǎn)減去負(fù)債）的資金數(shù)據(jù)流量在2006年是64.7萬億美元。住房價值在2006年至2009年間下降到5.6萬億美元，下降比例占總資產(chǎn)凈值的8.7％。MPC等于0.06，意味著由于房屋價值損失了5.6萬億美元，家庭消費下降了336萬億美元。在2006至2009年之間，平均的名義支出增長率為5.2%。用這種名義支出增長率，我們預(yù)計，從2006年到2009年與線性預(yù)期趨勢相比總名義支出下降了8700億。由于房屋凈值沖擊而導(dǎo)致的相對于線性預(yù)期趨勢的消費下降近40％（3360億美元/8700億美元）。必須注意的是，這種累計計算并沒有考慮到總消費的任何'“水平提高”，這種累計消費是在2006年至2009年間由一般均衡力量推動是可能的。圖四：消費的平均邊際傾向六、MPC的異質(zhì)性（一）財富分配的異質(zhì)性這項研究的最重要問題是要測試家庭財富水平是否會導(dǎo)致估計的MPC差異。我們通過估計方程（2），這與用初始財富水平已經(jīng)估計預(yù)測系數(shù)為交互項。我們使用雙變量的凈資產(chǎn)：2006年，每一戶家庭的凈價值與收入（使系數(shù)易于閱讀，單位為百萬美元）。表V的前四列顯示了使用縣級數(shù)據(jù)的交互規(guī)范的估計。第（1）列和第（2）列專注于總消費，而第（3）列和第（4）列專注于汽車消費。在所有四個情況下，交互項的系數(shù)為負(fù)，這意味著有更多具有郵編的家庭比同樣的房屋價值下降有較低的開支靈敏度。但是，這個估計是不精確的。特別是，對于總支出，我們不能拒絕零假設(shè)，即交互項的系數(shù)估計值是0。為什么估計值有統(tǒng)計學(xué)上顯著性不強(qiáng)？為了估計凈財富如何使得MPC變化，估計所用數(shù)據(jù)必須在不同縣的凈值的水平上差異顯著。在極端情況下，截止2006，如果沒有各縣的凈價值的變化，我們將無法估計的交互效果。表五：財富和收入水平下MPC的異質(zhì)性縣級分析的問題是全國范圍內(nèi)的凈資產(chǎn)水平變化比較有限。有郵政編碼的家庭凈資產(chǎn)變化更加顯著。例如，在縣內(nèi)的郵政編碼水平的凈值標(biāo)準(zhǔn)差是縣與縣之間的兩倍標(biāo)準(zhǔn)差（440000美元對237000美元）。17財富的不平等，更是一個縣內(nèi)現(xiàn)象而不是一個跨縣現(xiàn)象。因此，郵政編碼水平分析估計MPC的異質(zhì)性提供了更強(qiáng)的統(tǒng)計效果。測試MPC的異質(zhì)性，我們只限于汽車的開支，因為它是唯一可用的支出變量。雖然汽車消費只是整體消費的一個組成部分，但在大蕭條時期，汽車消費占了很大的變化份額。例如，我們看到在圖四，汽車花費的MPC是最高的。同樣，在2009年相對于趨勢，在失去的支出8700億美元中，汽車銷售占了3800億美元。第（5）列估計汽車消費的MPC是0.018。列（6）和（7）測試汽車支出的MPC變化凈值和持有房子的調(diào)整后總收入。結(jié)果表明，富裕和較富裕的家庭有一個顯著更小的住房財富MPC。比較在列（6）和（7）與列（3）和（4）的標(biāo)準(zhǔn)誤差，說明了數(shù)據(jù)的主要優(yōu)點。標(biāo)準(zhǔn)誤差的相互作用項比縣級水平的要大五至九倍。在貧富家庭之間，MPC巨大的差異可以通過圖V看出。圖V是基于單獨估計的各種收入類別的MPC。我們發(fā)現(xiàn)房屋價值的下降，較貧困的家庭在削減支出顯著更。圖五（二）債務(wù)的作用貨幣政策委員會中異質(zhì)性的第二個理由來自于強(qiáng)調(diào)信貸約束重要性的模型。如果信貸約束存在問題，那么借貸能力有限的家庭比沒有受到約束的家庭在房屋價值變化上將做出更強(qiáng)烈的回應(yīng)。我們測試這一想法采用ZIP代碼在住房的杠桿比率中的變化，我們將住房的杠杠比例定義為抵押貸款的ZIP代碼比率，是家庭資產(chǎn)負(fù)債加上2006年的房屋價值。其等價于房屋擁有者在ZIP代碼中的貸款成數(shù)（LTV）比率。住房杠桿比率用ZIP代碼顯示為0.54，同時有大量的橫截面變化。90%具有杠桿比率為0.90，然而比率僅為0.36的僅占10%。我們使用特定房屋的杠桿比率代表借款信貸約束，給出在綿和蘇非（2011）的證據(jù)表明，房屋作為抵押品是經(jīng)常被借出的。表6測試是否ZIP代碼中MPC的差異是基于住房杠桿率。結(jié)果在表V顯示收入產(chǎn)生的MPC差異，我們想要確保任何由住房杠桿率而產(chǎn)生的MPC差異并不受杠桿效率和收入之間一些潛在相關(guān)性的驅(qū)動。表六報告（1）和（2）欄是關(guān)于住房杠桿比率與凈資產(chǎn)和家庭收入的關(guān)系。結(jié)果表明，ZIP代碼中的住房杠桿率和收入與凈資產(chǎn)是正交的。住房利用率和富有程度之間缺乏相關(guān)性，使我們分別估計由杠杠效率導(dǎo)致的MPC的不同。列（3）的測試為是否房屋擁有者在ZIP代碼中具有更高的住房杠桿比率就會有更高的除去房產(chǎn)財富的在汽車上的MPC值。有較強(qiáng)和顯著的效果。列（4）和（5）包括，分別基于凈資產(chǎn)和收入的不同水平和相互關(guān)系。房屋持有者的MPC越高將會有更高的住房杠桿率，貧困家庭也是如此。高房價杠桿和低凈值都將擴(kuò)大住房消費下滑的影響，而且這些影響是相互獨立的。

表6.1非均質(zhì)性MPC：住房債務(wù)的作用注：下表列出了從與2006年和2009年之間的家庭支出在家庭價值的變化回歸系數(shù)，所有的回歸都在ZIP代碼的水平上。住房的杠杠比例定義為抵押貸款的ZIP代碼比率，是家庭資產(chǎn)負(fù)債加上2006年的房屋價值，△顯著性變化用千美元。標(biāo)準(zhǔn)錯誤是異方差穩(wěn)健，聚集在州水平上。所有回歸是由家庭中ZIP代碼的加權(quán)。**，*系數(shù)在統(tǒng)計學(xué)上不同于0，分別是1％和5％的置信水平。圖6.1：邊際消費傾向在住房消費中的比例分配圖顯示估計的是基于一個ZIP代碼的2006年的住房杠桿率的邊際汽車支出傾向。住房杠桿率是定義為總抵押貸款和房屋凈值通過一個ZIP代碼中的房屋擁有者的總價值去衡量。在家庭價值的同一時期，MPC被估計是通過ZIP代碼–級數(shù)據(jù)和回歸對汽車購買支出2006—2009之間的變化。每個在一個給定的住房杠