论文复现： 家庭财富冲击会影响生产力吗？

👇 连享会 · 推文导航 | www.lianxh.cn

• 🍎 Stata： Stata基础 | Stata绘图 | Stata程序 | Stata新命令
• 📘 论文： 数据处理 | 结果输出 | 论文写作 | 数据分享
• 💹 计量： 回归分析 | 交乘项-调节 | IV-GMM | 时间序列 | 面板数据 | 空间计量 | Probit-Logit | 分位数回归
• ⛳ 专题： SFA-DEA | 生存分析 | 爬虫 | 机器学习 | 文本分析
• 🔃 因果： DID | RDD | 因果推断 | 合成控制法 | PSM-Matching
• 🔨 工具： 工具软件 | Markdown | Python-R-Stata
• 🎧 课程： 最新专题 | 计量专题 | 关于连享会

作者 ：姚永健 (中山大学岭南学院)
邮箱 ：[email protected]

温馨提示： 文中链接在微信中无法生效。请点击底部 「阅读原文」 。或直接长按/扫描如下二维码，直达原文：

编者按 ：本文主要整理自下文，特此致谢！
Source ：Bernstein, S., T. McQuade, R. R. Townsend, 2020, Do household wealth shocks affect productivity? Evidence from innovative workers during the great recession, The Journal of Finance, 76 (1): 57-111. -Link- , -PDF- , -Appendix- , -Replication-

目录

• 1. 文章简介

• 1.1 问题背景

• 1.2 研究贡献

• 1.3 主要研究结论

• 2. 研究设计与实证分析

• 2.1 数据来源与核心变量说明

• 2.2 实证策略与模型介绍

• 2.3 实证结果分析

• 3 稳健性检验与作用机制探讨

• 3.1 稳健性分析

• 3.2 作用途径探讨

• 4. 相关推文

1. 文章简介

1.1 问题背景

在过去的几十年里，美国每年遭受严重经济损失的家庭比例一直在稳步上升，并随着金融危机达到峰值，无数家庭因房价缩水而资产锐减，财富大幅下降。丰富的研究表明，资产负债表的恶化、家庭财富的减少会导致家庭消费锐减，进而从需求端引发严重的失业问题。然而，鲜有研究者从供给侧角度探究金融危机引发的家庭财富损失对于员工生产力的影响。

• 一方面，负面的财富冲击可能会增强工人维持工作保障或弥补损失的财富的愿望，从而提高他们的生产力，如此一来，负面财富冲击将在供给侧对宏观经济产出提振作用；

• 另一方面，负面的财富冲击可能会增加工人的心理压力，减少他们可以维持工资和生产力的个人资源，从而降低员工的生产力，该效应将从供给侧加剧财富损失对于经济的下行压力。

究竟哪种力量占据上风呢？本文通过研究 2008 年金融危机后创新型员工的产出变化情况，回答这一问题。

1.2 研究贡献

本文的边际研究贡献体现在：

• 从供给侧入手。首创性地研究家庭财富变动与个人工作产出的关系。已有研究大多数围绕家庭财富变动对于需求端的冲击作用，而本文另辟蹊径，思考家庭财富变动对于产出端的作用，进而探究金融危机下家庭房产价值缩水在生产端对于宏观经济的作用，视角新颖，填补了该领域的研究空白。
• 聚焦个体层面。关于生产端冲击的已有研究往往聚焦在公司层面，探究具体事件对于公司产出的影响。然而，作者考虑到金融危机期间，受房价下滑较为严重的公司，往往会收到一些非财富因素影响进而改变产出，如对企业的需求下降、企业的借贷能力下降等。为了避免该内生性问题，本文突破性将研究聚焦在个体层面，在匹配数据上别出心裁，创立了相关的个人数据集。
• 以创新型员工作为研究对象。在过去的几十年里，创新型员工长期以来一直被认为是经济增长的关键驱动力，金融危机发生后，技术进步显著放缓，这表明这种放缓可能对整体经济产生了长期影响。除此以外，选择创新型产出还有利于研究的推进，因为与大多数形式的工人产出不同，创新产出的衡量标准是在个人层面获得的，如专利往往是冠名于个人层面。

通过复现本篇文章，笔者的学习收获在于：

朴实无华的固定效应模型也能玩出不同花样。文章对于现实情况的考量非常地细致，首先考虑员工的创新产出会随着所属公司组别不同及公司分部所处的城市组别不同，而产生识别偏误，因此纳入公司-城市层面的固定效应。

进一步地，本文指出即使是任职同一家公司、在同一个城市拥有住宅，拥有不同个人、社区特征的员工组别之间仍存在差异，因此本文的解决办法是引入公司-城市-个别特征的三维固定效应，进一步缩窄识别的口径。最后，为了同时控制多个特征，本文引入多维的控制变量组，与多维固定效应搭配使用，层层深入，一环扣一环，可读性高。

在代码写作范式上，作者在多处使用了循环语句，将繁重的回归命令变得简洁且便于理解。进一步地，笔者在复现结果时，使用了全局暂元对于本文的一系列被解释变量进行储存，在多个基于三维固定效应的回归的复现上，笔者尝试使用双重嵌套的循环语句，使得代码更为整洁，一目了然。

1.3 主要研究结论

通过实证研究，本文得出了以下结论：

• 危机期间 住房财富的负面冲击显著抑制了创新型员工的产出 。经历家庭财富缩水后，员工的专利数量和专利被引量显著下降，高质量专利数量、宽领域专利、新领域型专利数目下降，且专利使用信息涉及的领域数量下降、突破型专利的数目也大幅下降。
• 在作用机制上，研究结果 印证了已有的机制讨论 ，其中包括负面的心理因素、个人资源，同时指出个人财务困境会加剧上述作用效果。
• 研究还发现 公司创新型产出的起源在于员工本身 。尽管过去研究强调公司高层战略管理对于创新型产出的作用，本文指出员工层面的冲击对于公司的创新型产出是至关重要的。

2. 研究设计与实证分析

2.1 数据来源与核心变量说明

2.1.1 数据来源

本文的数据主要源自于美国专利和商标局 (USPTO)，数据集包括从 1976 年到 2015 年期间授予的所有美国专利的数据。这个数据集包含了申请日期、专利最终被授予的日期、被认定为专利发明人的个人、专利最初被指定的公司，以及作为之前的工作被引用的其他专利，与此同时，专利的申请者向专利和商标局提供了详细的家庭住址。

为了确定专利发明人所拥有的财产变动情况，本文将专利数据与 CoreLogic 公司的数据相匹配，该公司根据契约记录以及其他来源跟踪美国的住房交易。最后，本文从 LinkedIn 网站上获取专利申请者的受教育背景、工作经历和工作头衔等相关个人背景特征信息，并匹配进入数据集中。

2.1.2 核心变量说明

如何衡量创新型员工的产出呢？本文从专利数据中寻找到了答案。文章的一大特色在于充分利用数据，从专利数量、专利被引量、高被引专利数量、专利的领域宽度、突破性等多个维度，衡量创新型产出的数量与质量，构建了以下的被解释变量集：

• 专利数量 (Number Patent Post)：一名员工在 2008 年至 2012 年期间申请的最终授予专利的数量。该指标能从数量 (quantity) 的角度有效衡量员工的产出水平。
• 专利的规范引用次数 (Normalized Citations Per Patent)：员工平均每项专利被规范引用的次数。一般专利的被引次数越高，说明该专利的质量越高。
• 高被引专利数量 (Number of Top Cited Patents)：在同年授予的所有专利和技术类别中排名前 10% 的员工专利的专利数量。该指标衡量的是专利在专利所属领域的前沿程度，同样作为衡量专利质量的指标，它解决了专利被引次数可能受研究领域不同影响的问题。
• 专利的通用性程度 (Normalized Generality Per Patent)：员工平均每项专利的标准化通用性得分，其中通用性得分等于 1 减去赫芬达尔-赫希曼指数 (HHI)。
• 专利的原创性程度 (Normalized Originality Per Patent)：员工平均每项专利标准化原创性得分，其中原创性得分是基于该专利引用它人的专利数量计算而得。
• 新技术指标 (New Technology Indicator)：如果员工申请的任何专利属于公司之前从未申请过专利的技术类别，那么该指标则等于 1，否则等于 0。
• 探索性专利数量 (Number of Exploratory Patents)：员工的探索性专利数量，其中探索性专利被定义为该专利引用的专利所用到的现存知识占比低于 20%。

一般来说，产生专利被高度引用、原始/通用或探索性专利的项目对工人来说可能更难执行。因此，我们可以将上述所有指标都看作是衡量项目难度的指标，从而捕捉到员工创新生产力的各个方面。

在解释变量上，本文的核心解释变量为金融危机后房价变动的百分比情况 ( )，它用于衡量金融危机后地区的房价冲击程度，进而代表家庭财富的变化情况。

最后，在控制变量的选取上，本文主要考虑了三个方面：一是员工个人背景特征，如年龄、教育背景、工作年限以及入职公司年限；二是员工家庭住处特征，如房屋的尺寸等；三是员工所在社区特征，如社区的人均收入、儿童人口占比以及城市化程度等。

2.2 实证策略与模型介绍

本文首要关注的是与 2008 年金融危机相关的房价变化如何影响工人的创新产出。由于 2008 年的金融危机是一次性事件，且影响样本中的所有个体，本文依托截面数据，比较了居住在经历不同房价冲击的邮政区域的员工的创新产出变化。由此，本文的基准模型为：

其中， 是个体 经历冲击后衡量专利产出的一系列变量， 表示邮政区域 经历危机后房价变动的百分比情况， 是个体 在金融危机前创新专利产出的情况， 为不可观测的误差部分，下标 分别指代个体 与邮政区域 。

考虑到员工的住宅选址并未随机分配的，那些生活在受房价下降冲击较严重地区的人往往会在受危机影响更大的公司工作，然而，那些受金融危机影响较为严重的公司可能面临着大幅下降的需求。与此同时，当地房价的下跌可能会降低那些以房地产作为抵押品的公司的借贷能力，上述因素均会导致公司的创新产出下降。

基于上述分析，本文指出员工会受到公司层面因素的影响，这些因素并非通过房价下降直接影响员工的创新产出效率，因此会对估计产生一定的偏误，本文的解决办法是纳入公司层面 (firm) 的固定效应，识别那些同一公司的员工面对不同程度的房价下降冲击时创新产出的变化情况。

此外，考虑到同一家公司会在不同城市区域设立分部，那些处于受危机影响较为严重城市的分部可能面临着更为恶劣的外部机会，进而影响产出。进一步地，为了解决该问题，本文纳入了城市层面 (Core Based Statistical Area-CBSA) 的固定效应。通过纳入公司-城市层面的二维固定效应，本文将识别在同一公司工作并在同一地区拥有房子，但在各自的邮政编码区中经历了不同程度的价格下降的员工的创新产出水平变化情况。此时，模型为：

与基准模型相比，此模型新增的 表示公司 地区 (firm CBSA) 固定效应。

最后，在机制分析部分，本文指出同一公司、同一城市购房的个体之间面临相同的房价冲击时仍会产生不同的反应，已有文献指出金融困境主要由两方面引发：负房屋净值和长期失业期。本文推测在员工的购房时期 (繁荣时期或者危机时期) 以及员工对应专业领域面临的就业市场情况，会影响员工对于房价冲击的反应程度。为了验证该猜想，本文引入了上述特征与房价冲击的交互项，估计模型为：

其中， 表示个体 的购房时期 (若其在危机时期购房，则变量等于 1) 或者个体 的就业市场环境 (若员工的技术被广泛使用或流行，则变量等于 1)， 和 分别表示公司固定效应与邮政编码区域固定效应。交互项的系数反映了不同特征之间的个体对于相同的房价冲击时反应的差异情况。

2.3 实证结果分析

2.3.1 基准回归

首先，本文以房价变动百分比作为自变量，分别以一系列衡量创新型产出数量与质量的指标为因变量，对模型 (2) 式进行估计。为了衡量产出指标的变动情况，回归中添加了对应的产出指标在危机前时期 (2005 年- 2007 年) 的数值作为基准，同时本文额外纳入危机前的房价变动情况对每一个因变量进行第二次回归。

巧妙使用固定效应是本文的一大特色，这个基准回归组施加了公司层面 城市层面的固定效应，用于识别在同一公司工作并在同一地区拥有房子，但在各自的邮政编码区中经历了不同程度的价格下降的员工的创新产出水平变化情况。最后，回归的聚类稳健标准误选择聚类于公司层面和邮政区域层面，表明本文假设同一公司或同一邮政区域内的观测值是相互关联的，不同公司且不同邮政区域的观测值之间是相互独立的。

该回归的结果表明了房价下降的冲击显著地抑制了员工的创新型产出。结果显示，房价的百分比变动情况与专利产出数量存在正向的相关关系，且在 1% 的水平上统计显著，就其数值而言，当其他条件保持不变时，房价每下降 1 个百分点，会导致员工专利数量下降 0.218 个百分点。由于危机期间，房价平均降幅为 16%，这就意味着员工的专利数量平均下降了 3.5%，考虑到创新产出对于经济举足轻重的作用，该数值大小是具有深刻的经济含义的。

衡量专利产出质量的指标也呈现出同样的结果，在其他条件保持不变时，房价每下降 1 个百分点，则会导致员工平均每项专利被引量下降 0.172 个百分点，员工的高被引专利数量下降 0.135 个百分点，专利的通用性程度下降 0.0922 个百分点，原创性程度下降 0.156 个百分点，新技术指标下降 0.0486 个百分点以及突破性专利的数量下降 0.188 个百分点，上述结果均在 1% 的水平上统计显著。

2.3.2 三维固定效应

尽管基准回归使用了公司层面 城市层面的固定效应，但考虑到同一公司内不同类型的员工在同一城市区内选择不同类型的社区的可能性，例如年轻的员工更倾向于居住在市中心，年长的员工倾向于居住在城市的郊区，这类因素既会影响员工的社区选择进而影响员工面临的房价冲击程度，又会影响员工的创新型产出，从而导致内生性问题。

为了解决这一顾虑，本文引入了一系列三维固定效应，即公司层面 城市层面 特征层面，如 firm CBSA worker age quartile fixed effects。文中的一系列三维固定效应如下列示：

• 公司 城市 技术类型固定效应 (Firm CBSA Tech Class FE)：用于识别工作在同一公司、在同一城市拥有住宅且技术性相同的员工面对不同房价冲击时的创新产出变化。
• 公司 城市 邮政编码区人均收入四分位数固定效应 (Firm CBSA Neighborhood Income Q. FE)：用于识别工作在同一公司、在同一城市拥有住宅且生活在同一个社区平均收入四分位区间的员工面对不同房价冲击时的创新产出变化。
• 公司 城市 邮政编码区儿童占比四分位数固定效应 (Firm CBSA Family Neighborhood Q.)：用于识别工作在同一公司、在同一城市拥有住宅且生活在同一个社区儿童占比四分位区间的社区的员工面对不同房价冲击时的创新产出变化。
• 公司 城市 邮政编码区城市化人口占比四分位数固定效应 (Firm CBSA Urban Neighborhood Q. FE)：用于识别工作在同一公司、在同一城市拥有住宅且生活在同一个城市化人口占比四分位区间的社区的员工面对不同房价冲击时的创新产出变化。
• 公司 城市 邮政编码区危机前平均房价四分位数固定效应 (Firm CBSA Neighborhood Price Level Q. FE)：用于识别工作在同一公司、在同一城市拥有住宅且生活在同一个危机前平均房价四分位区间的员工面对危机后不同房价冲击时的创新产出变化。值得一提的是，这里使用了危机前社区的平均房价作为社区质量的代理变量。
• 公司 城市 邮政编码区平均住宅面积占比四分位数固定效应 (Firm CBSA Square Footage Q. FE)：用于识别工作在同一公司、在同一城市拥有住宅且生活在同一个平均住宅面积四分位区间的社区的员工面对不同房价冲击时的创新产出变化。
• 公司 城市 个人工作年限四分位数固定效应 (Firm CBSA Experience Q. FE)：用于识别工作在同一公司、在同一城市拥有住宅且工作年限位于同一个样本四分位区间的社区的员工面对不同房价冲击时的创新产出变化。

另外，本文通过 LinkedIn 网站的相关数据，分别将员工的年龄位于样本四分位区间 (Age Q.)、教育年限 (Education) 以及员工是否任高级职位 (Senior Position) 也作为特征变量纳入到三维固定效应中。同样地，回归的标准误聚类到公司层面与邮政编码区层面。回归结果整理可得：

从回归结果来看，引入了三维固定效应后，参数的系数估计与基准模型 (第一行) 估计的系数总体而言是相近的，尽管在一些情况下，点估计的参数大小是小于基准模型估计的参数大小，但这一差异在统计上是并不显著的。