洪水冲击对家庭风险偏好的影响-以XX“7·21暴雨”和“7·20暴雨”为例

洪水冲击对家庭风险偏好的影响——以北京“7·21暴雨”和“7·20暴雨”为例内容提要：本文基于2011、2013、2015、2017年四年的CHFS微观面板数据，选取2012年与2016年北京地区两次重大洪水灾害为外生冲击，运用双期双重差分（DID）模型，探究洪水灾害对家庭风险偏好的影响及机制。本文以家庭持有股票行为变化为风险偏好的代理变量，研究发现洪水灾害显著提高了受灾家庭的风险厌恶水平，家庭购买股票的概率显著降低。进一步分析表明，青年家庭和男性风险态度受灾害冲击影响更大。机制检验显示，财富效应、收入风险预期上升及负向情绪冲击是洪灾影响风险偏好的重要渠道。本文的研究丰富了突发性自然灾害对家庭金融行为影响的经验证据，并为灾后收入保障、金融支持及心理干预等政策设计提供了参考依据。一、引言近年来全球气候变暖使异常天气事件增多增强。慕尼黑再保险数据显示，2024年飓风、山火、洪涝等灾害造成3200亿美元经济损失，较近十年均值增长超30%。洪涝影响范围广、破坏程度大，威胁全球经济可持续发展。《2024年上半年全球自然灾害损失报告》显示，当年上半年非传统灾害如强降雨、城市内涝造成的损失占比近七成。《2021年自然灾害：关注洪灾风险》表明洪涝发生概率在各类自然灾害最高，近十年全球重大洪灾年均发生频率是热带风暴的三倍，洪灾致死亡人数占自然灾害总死亡人数35%以上，危害程度仅次于热带气旋。气候异常与城市化加速下，洪涝灾害频率强度增加，灾民风险决策模式成为研究热点。​我国洪涝风险敞口持续扩大。国家应急管理部数据显示，2010-2024年多地频发严重洪灾，影响受灾群众财产安全与心理健康。我国风险管理体系完善、居民资产配置多样，洪灾不仅造成直接损失，还改变个体风险感知与安全预期。研究洪灾对我国居民风险态度的影响机制，有助于灾后重建与风险防控提供政策参考。​2012年“7・21”特大暴雨创61年降水极值，城区严重积水，超十一个监测站点降水量破历史纪录，损毁市政设施、危及生命财产。2016年“7・20”暴雨平均降水量超2012年。这两起极端降水事件为研究居民风险偏好变化提供样本，分析灾前灾后居民决策行为差异，有助于理解极端气候事件对风险认知的影响机理，完善灾害应对体系。为此本文借助中国家庭金融调查（CHFS）数据，使用双重差分法（DID）模型对2012年“7·21”和2016年“7·20”两次北京特大暴雨灾害事件研究洪水冲击对家庭风险偏好的影响，进一步分析其影响机制。二、文献综述（一）自然灾害与风险偏好目前国内外文献关于风险环境对个体风险偏好影响的结论不一，对于影响机制的分析不足，并且缺乏来自中国的证据，因此，风险环境与个体时间偏好之间的关系和潜在影响机制具有较高的研究价值。自然灾害对风险偏好的影响：自然灾害对家庭及个人的风险偏好的影响是当期保险经济学研究的一大重点方向，但对于自然灾害冲击对风险偏好的具体作用方向和影响机制，现有研究尚未得出一直结论。目前已有学者研究表明，经历自然灾害的个体倾向于表现出更强的风险规避行为，特别是在经历较大经济损失后（CameronandShah,2015），根据田玲、王童阳（2021）的研究，自然灾害冲击会显著影响居民的风险偏好，导致其更愿意规避风险，具体表现为家庭减少对高风险资产如股票的投资。地震灾害显著提高了城镇家庭的风险厌恶程度（章元等，2022），特大事故（包括自然灾害）的发生能够显著地降低个体主观风险偏好（许荣等，2020）。同时也有文献指出个人在遭受损失后变得更偏好风险，证实了前景理论（Page,SavageandTorgler,2014），Callen（2015）通过研究发现印度洋地震后，灾区居民表现出更高的风险偏好，可能是为了快速恢复经济状况。当前研究对具体的影响方向还未得出一致结论，这其中与其影响机制和研究背景关系密切，国内目前与自然灾害对风险偏好的影响相关研究较少，因此本文基于某一特定自然灾害研究其对中国家庭风险偏好的影响，旨在细化这一自然灾害的影响机制和方向。基于洪水的自然灾害研究目前国外有大量文献已经针对洪水暴雨这一自然灾害展开相关风险研究，正如前文所示，洪水灾害愈发严重，其风险损失不可忽视，Jongman,WardandAerts（2012）研究发现重大洪水灾害事件可以同时影响多个国家，这给跨国风险和风险转移机制带来了巨大压力，Pageetal.（2014）以2011年澳大利亚洪水的边缘发生的一场意外城市洪水作为自然实验环境进行研究洪水后巨额损失对风险偏好和个体行为的影响，Liebenehm,SchumacherandStrobl（2023）将个人层面的面板数据与泰国和越南农村的历史降雨数据相结合，研究发现降雨冲击会增加个人风险规避，并且在缺乏正常运作的信贷和保险市场的情况下，最终导致持续贫困。而国内针对洪水的风险研究相对较少，因此，本文将会选取洪水这一特定自然灾害，选取北京市实际发生的罕见的洪水灾害事件研究其对风险偏好的实际影响。灾后重建行为自然灾害给家庭及个体产生了很大的影响，除了短期行为变化意外，也可能会对其灾后长期行为产生显著影响，经历自然灾害的个体、家庭在灾后更倾向于选择低风险的储蓄与投资工具，并可能长期持续下去这种行为。Voorsetal.（2012）通过研究武装冲突对行为的影响，发现经历冲突的人群更倾向于采取高风险的经济活动，且重大不利冲击可以改变储蓄和投资决策，并可能产生长期后果。本文将基于这些文献，深入探究灾害冲击对风险偏好行为的影响。风险偏好的度量方式风险厌恶是个体在面临不确定性时的行为倾向，学术上通常通过绝对风险厌恶系数和相对风险厌恶系数来定量衡量。绝对风险厌恶系数由Pratt（1964）和Arrow（1971）提出，风险厌恶系数来源于预期效用理论，是基于个体效用函数对个人风险厌恶程度的一种度量方式。现有文献大量采用自然实验通过问卷调查的形式收集此类研究问题数据，代表个人的主观风险厌恶程度，如国外CameronandShah（2015）以2008年印度尼西亚农户实验数据为样本进行调查研究，国内也有文献通过微观调查数据研究，胡新艳、郑沃林（2021）于2015年对全国9省农户发放问卷进行抽样调查研究农户购买农业保险意愿受自然灾害的影响。在没有实地调查数据的情况下，章元等（2022）基于中国过去发生的4次地震事件展开家庭风险偏好情况受地震冲击的影响，许荣等（2020）通过中国家庭金融调查（CHFS）数据深入探究特别重大事故对个人风险偏好的影响。具体来看，刘潇等（2014）采用家庭的风险资产配置情况作为风险偏好的代理指标。本文借鉴以上方法，充分考虑不同数据集的特征，最终基于CHFS调查中风险资产配置情况和主观问题指标来刻画家庭的风险厌恶程度。（二）影响机制灾害冲击可能会改变家庭的财富水平的高低进而对家庭的风险偏好产生影响，这被称为财富效应。Liebenehm,MenkhoffandWaibel（2021）通过泰国和越南农村地区家庭调查数据和村庄层级的历史降雨数据发现，家庭在遭遇降雨冲击后更加厌恶风险，变得更不愿意参与高回报投资。研究发现，穷人更容易受到不利风险的影响，往往比富人更厌恶风险（HaushoferandFehr，2014）。多项研究都发现对于拥有不同财富的个人及家庭在受到灾害冲击后的风险偏好变化影响存在差异。自然灾害对决策者的未来的收入风险预期和死亡风险预期有显著影响。自然灾害带来的收入不确定性既改变家庭的收入预期，还促使其采取更为谨慎的消费态度，同时灾害的发生使得他们更加担忧未来的疾病和死亡，大大影响其死亡风险预期。研究发现，环境风险的变化会改变家庭的预期收入,使得其对未来的不确定性增加，从而改变了效用函数中的风险厌恶系数（Guiso,SapienzaandZingales，2018）。章元等（2022）发现地震对不同年龄家庭的非储蓄性保险支出影响存在差异，对青年家庭的影响最大，而对老年家庭的影响则不显著，这一现象表明地震冲击能够显著提升家庭对死亡风险的预期。灾害后情绪的变化（如悲伤、恐惧）也会影响决策者的风险偏好程度。负向情绪会放大个体对风险的主观感知，导致其在决策中表现出更强的风险规避倾向（Loewenstein,2000）。Guisoetal.（2018）研究发现观看恐怖电影的学生表现出更高的风险厌恶，得出“恐惧情绪可能导致风险厌恶程度的增加”的结论。自然灾害能够引发焦虑、恐惧和悲伤等情绪，这些负面情绪可能导致更强的风险规避倾向（LernerandKeltner,2000）。李紫繁等（2024）在随机酬金实验中发现积极情绪是影响个体风险偏好变化的关键渠道之一，风险冲击可能通过调节个体的情绪来影响其风险偏好和时间偏好。综上所述，本文提出以下理论：洪水灾害冲击带来的财富效应、未来风险预期升高和负面情绪冲击显著增强了家庭的风险规避倾向，使得家庭对风险的厌恶程度显著提高。本文将针对“洪水灾害－财富效应、未来风险预期和负向情绪－风险偏好程度”这一基本框架进行机制分析，分析机制变量的中介作用，同时对异质性家庭及个体展开异质性分析，对家庭经历洪灾后的消费支出等行为变化展开进一步分析。三、研究设计（一）数据来源本文主要收集了两类数据，其一为洪水暴雨灾害事件相关数据和信息，本文在中国气象局网站上收集了2010-2020年间中国各省份发生洪水灾害事件；其二为西南财经大学“中国家庭金融调查”（CHFS）的微观调查数据，该调查自2011年启动，以两年为周期更新一次数据，至今已发布五期。其样本涵盖29个省级行政区、355个区县、1481个社区，涉及40011户家庭及127012名个体。本研究基于双重差分法（DID），利用2011-2013年和2015-2017年两个时间段的面板数据，双重差分的两期面板结构：第一期（2011年、2013年），第二期（2015年、2017年），分别作为洪水灾害冲击前后的对照组和实验组。每个时间段均包含洪水灾害年份的前一年和后一年的观测数据，以此识别洪水冲击的影响。双重差分的两期面板结构：第一期（2011年、2013年），第二期（2015年、2017年），分别作为洪水灾害冲击前后的对照组和实验组。洪水暴雨灾害事件处理上，本文手工选取了相对平时洪水频率极低、灾害冲击外生性强的省份区域在2010-2020这十年间发生的洪水暴雨灾害事件，灾害样本筛选标准包括：（1）发生省份的常年洪水频率低于全国平均水平；（2）灾害强度达到百年一遇标准；（3）气象部门认定的极端气候事件。最终样本满足外生冲击要求。最后综合暴雨特征筛选出了2012年“7·21”北京特大暴雨和2016年“7·20”北京特大暴雨这两件灾害事件由于无法确切地获知受访者参加CHFS调查访问的时间与当年该省份发生的洪水灾害时间的先后关系，因此本文剔除在CHFS调查年份当年发生的洪水灾害事件，选取2012年和2016年的两次洪水灾害事件，使用灾害前一年和灾害后一年的CHFS调查数据进行实证研究。，占许珠等（2024）在对北京暴雨的研究中提及这两场暴雨事件满足极端性和罕见性，本文以受到这两场严重暴雨冲击的北京市作为实验组，未受到这两场暴雨冲击的且地理位置相近的周边省份山东省作为对照组，同时将这两个事件纳入回归中进行分析洪灾的影响。灾害样本筛选标准包括：（1）发生省份的常年洪水频率低于全国平均水平；（2）灾害强度达到百年一遇标准；（3）气象部门认定的极端气候事件。最终样本满足外生冲击要求。由于无法确切地获知受访者参加CHFS调查访问的时间与当年该省份发生的洪水灾害时间的先后关系，因此本文剔除在CHFS调查年份当年发生的洪水灾害事件，选取2012年和2016年的两次洪水灾害事件，使用灾害前一年和灾害后一年的CHFS调查数据进行实证研究。微观数据处理上，在保证数据质量的同时处理面板数据，保留了在2011年和2013年这两次调查中都存在的家庭样本，以及2015年和2017年这两次CHFS调查中都存在的家庭样本，对于同一家庭样本只保留受访者本人（最了解家庭财务状况的人）的调查数据，然后对调查数据进行了纵向合并，分别构成了两个两期短面板数据，删除了核心变量异常或缺失的这两期的样本，且仅保留16周岁以上85周岁以下的个体，最终一共统计了北京和山东共2479个家庭样本，包含943个北京市家庭样本，1536个山东省家庭样本，所有数据合计共5634个观测值，其中2011年和2013年有1244个观测值，2015年和2017年有4390个观测值。（二）变量说明1.被解释变量在金融市场中，风险资产主要指家庭持有的具有较高价格波动性和不确定收益的金融资产，股票、债券、基金、金融衍生品、黄金以及金融理财产品等包含在内（GuisoandSodini，2013），其中，风险金融资产中以股票资产最为典型（程洁，2021）。从实际风险承担情况分析，许荣等（2020）等多篇文献发现高风险金融资产如股票的配置比例与风险偏好程度显著正相关，同时本文参考程洁（2021）在文献中的做法，使用“股票资产投资参与”和“股票资产占比”代表家庭持有风险资产的偏好和实际风险承担，在2011年的CHFS问卷调查中，由于仅直接询问了受访者"是否持有股票账户"，而未直接涉及债券、基金等其他金融资产的持有情况，CHFS对非股票类的其他CHFS对非股票类的其他金融资产的调查采用多选题"有下列哪些资产"来获取，未单独设置各资产类别选项，且该题项存在较高无应答率。为此，本文首先构建了一个二值变量stock作为被解释变量：若家庭持有股票则赋值为1，否则为0。在回归分析中，该因变量反映了家庭股票持有率这一核心指标。同时本文构建“家庭持有股票市值占家庭总风险金融资产价值的比例”变量以进一步衡量家庭风险偏好程度和实际风险承担情况，这里的家庭总风险金融资产价值为当前家庭持有的股票市值、债券面值、基金市值、理财产品市值、金融衍生品市值、非人民币资产市值、贵金属市值之和，不包括现金和银行存款。相较于传统研究以“股票占总金融资产比重”衡量风险偏好，本研究指标可减少流动性偏好变动带来的干扰。洪灾等自然灾害发生后，家庭常常会因应急等需求来减少现金存款，导致传统指标中股票占比被动升高，这种数据变化其实是源于流动性调整而非实际风险偏好改变。而通过分析风险金融资产内部配置结构，能更精准地表明家庭风险偏好的真实动态变化。从主观指标角度来看，数据来源于CHFS调查中受访者对主观风险态度问题的回答，问卷通过设置五类选项询问受访者倾向的投资项目类型：1.高风险高回报；2.较高风险与回报；3.风险回报均衡；4.较低风险与回报；5.完全规避风险。受访家庭选择以上一个答案进行回答，代表其主观风险偏好程度。参照范文萱（2023）的研究，本文根据受访者回答将其主观风险偏好程度赋值，设立有序变量。当受访者选择1时，将其赋值为5；当受访者选择2时，将其赋值为4，以此类推，即主观风险态度数值越大，代表风险偏好程度越高。2.解释变量本文的核心解释变量是“地区是否受到洪水冲击”的虚拟变量和“洪水冲击是否发生”的虚拟变量的交互项(Treatment*Post)。该交互项取值为1表示受到洪水暴雨冲击的家庭（北京市家庭），取值为0表示未受到洪水暴雨冲击的家庭（山东省家庭）。由于CHFS数据基于隐私保护原则仅提供社区伪码（非真实地理编码），并没有提供受访者居住城市的具体名称由于CHFS数据基于隐私保护原则仅提供社区伪码（非真实地理编码），并没有提供受访者居住城市的具体名称，本研究在灾害冲击识别上存在地理精度限制，因此本文无法在更加精确的地理尺度（城市维度）上识别家庭受到的洪水灾害冲击强度，只能从省份维度上识别。控制变量参考现有文献，如雷晓燕、周月刚（2010）在研究家庭资产组合时，认为性别、教育水平、年龄、就业状况、家庭财富收入等都可能影响家庭的投资组合选择，本文纳入家庭和受访者个人相关的特征变量，家庭特征控制变量包括家庭规模人数、家庭总收入、家庭奢侈品支出等，个人特征控制变量包括受访者（最了解家庭财务状况的人）的性别、年龄、教育年限、是否已婚、对幸福的感知程度、是否有工作等。（三）模型设定本文通过DID模型来探究洪水灾害对家庭风险偏好的影响。模型如下：Yipt=α+β1Treatmentpt在基准回归中Y代表与风险偏好相关的变量，下标i、p和ｔ分别代表家庭、省份和年份。Yipt表示省份p在家庭i在中、时间t时的风险态度资产配置相关变量；Treatmentpt表示家庭所在地区是否受到洪水冲击，即北京市家庭该变量赋值为“1”，山东省份家庭该变量赋值为“0”；Postt表示家庭是否处于洪水后的时期，洪水冲击发生当年为“1”，否则为“0”，本文在两次洪水灾害发生前一年份即2011年和2015年该变量赋值为1，在两次洪水灾害发生后一年份即2013年和2017年该变量赋值为0；Treatmentpt×Postt是交互项，用于衡量洪水冲击的影响，β3表1描述性统计变量设置设置方式观测值平均值标准差Stock家庭是否持有股票变量。若家庭持有股票则赋值为1，否则为0。在回归分析中，该因变量反映了家庭股票持有率这一核心指标。56340.1300.336Stock_ratio股票市值占家庭总金融资产的比例52780.0650.235Risk_att主观风险偏好变量（有序变量）。根据受访者对问卷风险态度问题的回答将其主观风险偏好程度赋值设置的有序变量。风险偏好程度最高的赋值为“5”，风险偏好程度最低的赋值为“1”。12302.1691.244Treatment家庭所在地区是否受到洪水冲击，北京市家庭为“1”，山东省份家庭为“0”。56340.3660.482Post洪水冲击发生当年为“1”，否则为“0”。2013年和2017年事后样本post变量为“1”，2011年和2015年事前样本post变量为“0”。56340.5000.500Gender性别变量，男性标记为“1”，女性标记为“0”。56340.4860.500Age年龄变量。563453.4014.61Age2年龄变量Age的平方/100563430.6515.46Edu_y受教育年限：将调查问卷中的文化程度变量转化为连续型教育年限变量，未上学赋值为0，小学赋值为6，初中赋值为9，高中或中专赋值为12，大专赋值为15，本科赋值为16，硕士赋值为19，博士赋值为22。562410.174.45Marriage婚姻变量，已婚为“1”，其他情况为“0”。56340.8570.350Happiness幸福程度变量，根据问卷中对幸福程度的调查反向赋值，“1”代表幸福程度最低，“5”代表幸福程度最高。56343.930.825Work是否有工作，有工作为“1”，无工作为“0”。56340.5570.497Income调查前一年份家庭的总收入。5634100169.7196591.4Income_ln调查前一年份家庭的总收入的对数。550310.831.35Luxury_ln调查前一年份人均家庭奢侈品支出的对数56320.2171.282Family_size家庭规模变量，表示家庭人员总数。56342.981.27四、经验分析（一）洪水冲击对家庭是否购买股票的影响本文通过实证检验洪水冲击对家庭股票购买决策的影响，为确保结果准确性，研究分别控制家庭特征与个人特征变量以减少遗漏变量偏误。表2呈现了4组回归结果：第（1）列未加入控制变量，第（2）列仅控制个人特征变量，第（3）列控制家庭特征变量，第（4）列同时纳入两类控制变量；这四列同时控制了家庭与年份固定效应。结果显示核心解释变量交互项（Treatment*Post）系数在4组回归中均显著为负，估计系数绝对值在0.032-0.033之间，表明洪水冲击使家庭购买股票概率平均降低3.2-3.4个百分点，结果较为稳健。这一结果表明，经历洪水自然灾害后，家庭在灾后购买股票这类高风险资产的概率会显著下降，验证了前文的理论假说，洪水冲击后家庭会更加厌恶风险。表2洪水冲击对家庭是否购买股票的影响（1）（2）（3）（4）Treatment*Post-0.0321***（0.0124）-0.0328***(0.0124)-0.0331***(0.0128)-0.0334***(0.0128)家庭特征未控制未控制控制控制个人特征未控制控制未控制控制家庭固定效应控制控制控制控制年份固定效应控制控制控制控制样本量5634563453885388调整后的R20.6260.6270.6230.623说明：（1）括号内为t值；*、**、***分别表示在10%、5%、1%水平上显著，如无特别说明下表同。（二）洪水冲击对家庭股票持有比例的影响下面进一步考察洪水冲击对家庭股票持有比例的影响。为确保估计的准确性，本文剔除了股票市值缺失的样本并排除了洪灾前一年未开通股票账户但洪灾后一年开通股票账户的家庭样本，以减少因家庭主动调整股票投资（如财富增长或风险偏好变化）对处理效应的干扰。回归结果如表3所示，第（1）列的交互项系数显著为负，表明洪水显著降低了家庭股票的持有比例，第（2）列、第（3）列分别加入个人特征相关的变量如年龄、性别等和家庭特征相关的变量如收入等，结果均保持稳健，在加入所有控制变量后，结果如第（4）列所示，遭受洪水冲击的家庭平均降低了约1.9个百分点的股票配置比例。该研究表明洪灾后家庭的风险厌恶程度明显提高，家庭更不愿意把自身的资产投资到股票这类高风险金融资产上来，这与前文的理论假说也保持一致。表3洪水冲击对家庭持有股票比例的影响（1）（2）（3）（4）Treatment*Post-0.0181***（-2.13）-0.0180***(-2.10)-0.0194***(-2.28)-0.0192***(-2.24)家庭特征未控制未控制控制控制个人特征未控制控制未控制控制家庭固定效应控制控制控制控制年份固定效应控制控制控制控制样本量5278527852785278调整后的R20.670.670.670.67（三）稳健性检验1.平行趋势检验双重差分（DID）模型中有必要验证平行趋势假设，但本研究仅能获取2011年和2015年两个时点的事前观测值，数据有限，难以直接检验该假设条件是否成立。为此研究通过安慰剂检验、替换代理变量等其他方法来确保实证结果的稳健性。安慰剂检验1000次随机回归的核密度估计展现系数分布与P值（见下图），结果表明基准回归估计系数和随机生成“伪处理组”的零值显著不同，说明洪水冲击对家庭股票持有率的负向影响不太可能由随机因素来解释，增强了“洪水冲击显著降低家庭股票持有率、降低家庭风险偏好”的研究结论的稳健性。五、进一步讨论（一）异质性分析1.年龄本文采用国内普遍认可的标准，根据受访者的年龄对不同家庭进行分组，以洪水冲击前一年受访者年龄为划分依据，将16-39岁受访者所在家庭界定为青年家庭，40-59岁者所在家庭归为中年家庭，60岁及以上者所在家庭界定为老年家庭。回归结果如表4所示，研究发现洪水冲击对家庭股票持有行为的影响因年龄而异。其中青年家庭受洪水冲击后持有股票的概率降低最多，相关系数达-0.108并在1%的显著水平下成立；中年家庭受影响呈负向但还未达到显著水平；60岁及以上老年家庭的股票持有决策基本不受洪水冲击干扰。本文又构建了一个新变量Age_group，判断是否为老年家庭（老年家庭取值1，非老年家庭取值0），通过三重差分模型进行验证回归发现交互项（Treatment*Post*Age_group）系数为0.041且在5%的水平下显著，说明相对于青年和中年家庭而言老年家庭的风险偏好受洪灾影响较小，这或许因为不同年龄段家庭的风险偏好与财务恢复能力不同：青年家庭财富积累有限、风险承受力低，对灾害引发的未来不确定性更敏感，会减少股票等高风险投资；老年家庭可能依赖稳定的养老金储蓄投资决策受短期冲击的影响相对较小。表4洪水冲击对家庭是否购买股票的影响：按受访者年龄分组（1）全样本（2）青年家庭（3）中年家庭（4）老年家庭（5）全样本Treatment*Post-0.036***（-2.91）-0.108***（-2.91）-0.024（-1.17）-0.009(-0.73)-0.052***（-3.02）Treatment*Post*Age_group0.041***（2.14）家庭特征控制控制控制控制控制个人特征控制控制控制控制控制家庭固定效应控制控制控制控制控制年份固定效应控制控制控制控制控制样本量56341184249019605634调整后的R20.630.550.620.740.632.性别本文首先根据受访者性别对不同家庭个体分组后进行基础回归，从表5回归结果中可以看出，洪水冲击对男性是否持有股票的影响最大，洪水过后男性购买股票的概率降低了约4.3个百分点，对女性的影响相对较小。表5洪水冲击对家庭是否购买股票的影响：按受访者性别分组（1）全样本（2）男性（3）女性Treatment*Post-0.035***（-2.62）-0.043**（-2.04）-0.030*（-1.70）家庭特征控制控制控制个人特征控制控制控制家庭固定效应控制控制控制年份固定效应控制控制控制样本量451421682346调整后的R20.660.680.63CHFS调查问卷中有直接访问受访者本人的主观家庭风险偏好态度相关问题，所以本文以主观家庭风险偏好态度表示其风险偏好，在此基础上进行稳健性检验及异质性探究。由于2017年问卷只调查新受访者的主观风险态度，未捕捉到追踪访户的主观风险态度，因此此处只采用2011和2013年追踪访户的两期面板数据进行回归分析。根据表6的回归结果，洪水冲击对主观风险偏好态度的影响在性别之间存在显著差异，尽管在全部样本回归中交互变量系数不显著，但依据性别分组时无论是否加入控制变量，男性样本都显著为负，女性样本不显著，本结论与许荣等（2020）提出的观点"男性受到灾害冲击后会产生更明显的负向情绪"相一致。表6洪水冲击对受访者主观风险偏好的影响：按受访者性别分组全样本男性女性（1）（2）（3）（4）（5）（6）Treatment*Post-0.132（-1.23）-0.122（-1.13）-0.306**（-2.00）-0.257*（-1.72）-0.210（-1.27）-0.206（-1.19）控制变量未加入加入未加入加入未加入加入家庭固定效应控制控制控制控制控制控制年份固定效应控制控制控制控制控制控制样本量12101202506506444436调整后的R20.410.410.540.540.420.42机制分析基于前文提出的机制分析，本文将对其进行检验。1．财富效应基于前文理论分析，财富效应可能是洪水冲击影响家庭风险偏好的重要机制。参考相关文献，家庭净资产和家庭收入能从不同层面代表家庭财富水平（吴远远，李婧，2019）。为验证这一机制，本文首先采用家庭人均收入作为财富水平的代理变量，并根据灾害前一年的家庭年度人均收入进行三分位分组：前三分之一为低收入家庭，中间三分之一为中收入家庭，后三分之一为高收入家庭。本本文中面板数据收入分组严格按灾害前一年（t-1期）家庭人均收入划分，同一家庭在不同时点可能归属不同组别（如2011年高收入组→2015年中收入组），该设计确保分组外生于灾害冲击，下文中按照家庭人均净资产分组方式也采取该方法。表7的回归结果支持了这一预期。洪水冲击（Treatment×Post）对低收入家庭的股票投资决策产生了显著负向影响，使其持有股票的概率平均下降4.5个百分点（显著性水平为5%），而对中高收入家庭的影响则统计不显著。这一差异表明，低收入家庭受到洪水灾害冲击后会显著降低其风险承担能力，促使其规避高风险资产，而中高收入家庭因具备较强的经济缓冲能力，风险偏好受灾害影响较弱。该结论与“财富效应”理论一致，说明收入和财富水平在灾害冲击影响家庭风险偏好过程中具有关键作用。表7洪水冲击对家庭是否购买股票的影响：按家庭人均收入分组（1）全样本（2）低收入家庭（3）中收入家庭（4）高收入家庭Treatment*Post-0.033***（-2.65）-0.045**（-1.97）-0.014（-0.72）-0.006（-0.23）家庭特征控制控制控制控制个人特征控制控制控制控制家庭固定效应控制控制控制控制年份固定效应控制控制控制控制样本量5634187818781878调整后的R20.630.440.600.63随后，本文使用家庭净资产代表家庭财富水平，参考汤垚等（2023）的方法，由家庭总资产与总负债的差额计算得出家庭净资产的数值，随后根据家庭人均净资产数值对样本进行三分位分组。表8的回归结果显示，处于前三分之一的低净资产家庭，洪水冲击使其购买股票的概率下降了约2.6个百分点，较为显著；而对于财富水平较高的家庭，该效果不显著，甚至对于处于中间三分之一的中净资产家庭，洪水冲击反而使其购买股票的概率显著提高。该回归结果能在一定程度上进一步验证了财富效应的存在及稳健性。表8洪水冲击对家庭是否购买股票的影响：按家庭人均净资产分组（1）全样本（2）低财富家庭（3）中财富家庭（4）高财富家庭Treatment*Post-0.038***（-3.90）-0.026**（-1.72）0.036***（3.03）-0.025（-1.19）家庭特征控制控制控制控制个人特征控制控制控制控制家庭固定效应控制控制控制控制年份固定效应控制控制控制控制样本量4954161216641678调整后的R20.760.700.750.752．风险预期效应风险预期效应主要包括死亡风险预期和收入风险预期。首先本文考虑死亡风险预期效应，如果死亡风险预期效应发挥作用，则预期洪水灾害冲击可能提高家庭成员的死亡风险预期来影响其风险偏好，洪灾后家庭成员可能更愿意购买与死亡、疾病相关的保险，因此首先对此进行检验，本文将青年家庭、中年家庭、老年家庭中“是否有家庭成员购买商业保险（包括商业健康保险、商业人寿保险、商业财产保险、商业养老保险）”变量进行分组回归，但发现不同组别回归结果并没有显著差异，受到篇幅限制，该实验结果不再列入文中。可能由于北京市和山东省本身地区的保险市场发展速度存在明显差异，保险密度和保险深度不同受到篇幅限制，该实验结果不再列入文中。接下来本文进一步检验收入风险预期机制。根据前文收入风险预期理论，洪水灾害冲击可能通过提高家庭的收入风险预期从而影响其风险偏好。本文预期，对于收入相对稳定的家庭，洪灾的影响应不显著或较弱；而对于收入不稳定的家庭，洪灾可能会提高其对未来收入预期的不确定性，显著提高其风险规避倾向。为检验这一机制，本文基于CHFS调查数据构建“家庭就业类型”的二元分类变量，如果家庭中至少有一位成员在国有经济单位就业，该变量被标记为“1”，若没有家庭成员在国有经济单位就业，则该变量被标记为“0”。国有经济单位职工通常情况下具有更稳定的收入来源和保障，因此国有经济单位职工家庭在面对外部冲击时表现出更强的抵御能力，影响较小。表9的回归结果显示，洪水冲击对非国有经济单位职工家庭的风险偏好有显著负向影响，而对国有经济单位职工家庭的影响不显著。这一回归结果说明收入稳定性较高的家庭受洪灾冲击的影响较小，而收入不稳定的家庭更容易规避风险。表9洪水冲击对家庭是否购买股票的影响：按家庭是否有成员工作于国企单位分组（1）全样本（2）家庭中无国有经济单位就业人员（3）家庭中至少一人在国有经济单位就业Treatment*Post-0.025*（-1.66）-0.033**（-2.21）-0.001（-0.02）家庭特征控制控制控制个人特征控制控制控制家庭固定效应控制控制控制年份固定效应控制控制控制样本量33722456916调整后的R20.650.650.593．负向情绪冲击已有文献指出，在重大灾害冲击后，消费者往往通过增加奢侈品等放纵型消费以进行“情绪修复”，缓解因灾害引发的恐惧与焦虑情绪。这类“情绪修复型消费”行为可在一定程度上反映个体的负向情绪反应强度。因CHFS数据库未直接调查家庭成员情绪状态，本文无法直接测量洪水冲击下个体负向情绪水平。为此借鉴章元等（2022）等研究，选用主观幸福感（Happiness）和享受型消费支出（Luxury）作为情绪反应代理变量，从心理感受与行为反应两方面间接反映负向情绪变化。本文先以主观幸福感为因变量考察洪水冲击项对家庭幸福感的影响。表10报告了回归结果，回归第（1）列显示交互项系数显著为负，说明经历洪水冲击后灾区家庭的幸福感显著下降，表明洪水事件引发了个体的负向情绪反应。随后本文以家庭人均奢侈品支出的对数作为因变量，交互项系数显著为正，说明灾后家庭倾向于通过增加奢侈品支出等享受型消费来缓解灾害带来的情绪压力，证明了情绪效应这一机制。本文进一步选取主观幸福程度指标及家庭人均奢侈品支出、人均旅游支出、人均文化娱乐支出、人均衣物支出等四类享受型消费变量，运用主成分分析法构建综合反映负向情绪的情绪指数（Mood），采用中介效应回归模型对情绪机制进行实证检验。从表11第（1）列可以看出，交互项(Treatment×Post)系数显著为正，表明洪水灾害确实导致受影响家庭的负向情绪水平上升。从第（2）列可以看出，Mood对是否购买股票（Stock）的回归系数显著为负，再将Mood指数纳入回归后，结果如第（3）列和第（4）列所示，交互项系数绝对值从0.0322降为0.0297，表明洪水灾害会通过提高家庭的负向情绪进而降低家庭的风险偏好和风险承担行为，交互项系数仍然较为显著，表明情绪在洪水冲击对风险偏好影响的路径中发挥了部分中介作用。表11中介变量负向情