文章编号：1003-6636（2012）02-0086-07；中图分类号：F113.9；F224.0；文献标识码：A 社会资本能够降低中国农村家庭脆弱性吗收稿日期：2011-11-16
基金项目：本研究成果获得国家留学基金管理委员会资助（资助编号：2011601186）
作者简介：杨文（1981-），男，四川古蔺人，北京大学社会经济与文化研究中心经济学博士研究生，研究方向为中国经济改革与发展。
杨文
（北京大学 社会经济与文化研究中心，北京100871）
摘要：脆弱性能综合反映家庭贫困和因各种风险所导致的消费波动性。基于对家庭脆弱性的定义和效用函数形式的设定，使用CFPS数据对中国农村家庭脆弱性进行度量，结果表明多数农村家庭是脆弱的。针对农村家庭亲友间频繁的送礼现象，尝试把礼金支出额作为家庭脆弱性模型的解释变量之一，计量结果表明：以礼金支出额为代表的社会资本能有效降低中国农村家庭的脆弱性。
关键词：农村家庭；社会资本；脆弱性； 贫困；礼金
Can Social Capital Reduce Household’s Vulnerability in Rural China
YANG Wen
(Institute of Social Economy and Culture, Peking University, Beijing 100871, China)
Abstract：Vulnerability can reflect household’s poverty and volatility of consumption resulted from various risks. Based on definition of vulnerability and the form setting of utility function, this paper adopts CFPS data to measure household’s vulnerability in rural China. The result shows that a majority of households are vulnerable in rural China. As to the phenomenon of presenting money as a gift of frequent ceremonial activities, this paper attempts to use the amount of presenting money as one of the explanatory variables of the household’s vulnerable model. The econometric result shows that social capital, which is represented by the amount of presenting money, can effectively reduce household’s vulnerability in rural China.
Key words：Rural Household; Social Capital; Vulnerability; Poverty; Presenting Money
一、引言
中国经济持续高速增长提升了农村家庭的平均消费水平，且中国实行的反贫困政策也使得农村贫困人口自1981年以来大幅减少（Chen & Ravallion, 2008)［1］。然而，农村家庭的消费却是不平等的，且各种风险导致了农村家庭消费的波动性显著上升。中国农村家庭消费水平的不平等性和不确定性同时影响了农村家庭的福利水平。脆弱性是福利水平的重要组成部分，能将家庭消费的不平等性（贫困）和波动性相结合以测量家庭的福利水平。同时，基于脆弱性的测量还有助于探索农村家庭的福利水平及其决定因素。
社会资本是近年来学术界研究的一个热点。在当前中国农村，亲友间进行着往来频繁的礼仪活动，兼具送礼频繁和礼金额度较大的特点。亲友间送礼的频度和金额往往体现了亲友关系的密切程度，成为农村家庭在面临风险和应对消费冲击时极为重要的消费平滑手段(马光荣和杨恩艳，2011)［2］。因而，亲友的礼仪活动成为了农村家庭社会资本的集中体现。农村家庭所拥有的社会资本是否能够有效缓解农村家庭的脆弱性，现有的研究成果并未对此作出回答。本文的研究尝试把脆弱性置于主观效用的框架内，采用CFPS①①CFPS的全称为Chinese Family Panel Studies，是北京大学社会科学调查中心领导和执行的中国家庭动态跟踪调查。面板数据进行实证分析，试图拓展脆弱性的测量和探讨社会资本是否能够有效降低中国农村家庭的脆弱性水平。
二、文献回顾
现有研究文献对脆弱性的研究可分为两类：一类未对脆弱性进行明确定义。这类研究文献注重风险的识别和归纳，并与脆弱性相联系去探讨二者的关系。Dercon（2000）发展了一个风险与脆弱性分析的框架，将农户的各类资产、收入、消费和相应的制度安排纳入到一个体系之中。［3］在此基础上，陈传波（2005）利用“能源、贫困与社会性别”项目，基于湖北恩施土家族苗族自治州的108户农户调查数据去分析这些农户对风险的认知和表现出的风险特征。［4］另一类是对脆弱性作出了明确的定义，这有助于对脆弱性进行度量。归纳既有研究文献，脆弱性的定义主要有以下三种
定义一：将脆弱性定义为一个家庭或个人在未来陷入贫困的可能性或期望贫困，是对未来消费陷入贫困的事前预判，其公式表达为：Vit=E[Pit+1(z,cit+1)|F(cit+1)]。多数学者作出这种定义，如Günther & Harttgen(2006)［5］, Chaudhuri(2000)［6］，Christiaensen & Subbarao(2004)［7］和韩峥（2004）［8］。基于这种定义对脆弱性的测量决定于四个因素：一是贫困线z的设定。二是未来永久性收入cit+1的估计方法。三是期限的选择。基于经验数据的不同特征，学者通常将未来消费的期限设定为一年或两年。四是脆弱线设定。其设定一般有两种方法：一是人数比例H=q(y;z)/n(y)，即贫困家庭数量占家庭总数的比例（Foster, Greer & Thorbecke, 1984)［9］；二是将脆弱线设定为50%（Zhang & Wan，2008)［10］。综合以上四个决定因素，不难发现这种定义在经验分析层面上具有较强的主观性和武断性，以此为基础进行实证分析势必存在争议。
定义二：当一个家庭在遭受负面冲击时，有限的消费平滑能力使得现有消费水平迅速下降，则称该家庭是脆弱的（Kurosaki, 2002）［11］。何平、高杰和张锐（2010）将家庭脆弱性定义为在家庭应对社会经济、政治改革、灾害等负面冲击时现有生活水平、社会地位下降的反应程度。［12］
定义三：将脆弱性定义为确定性等价消费的效用与期望效用之差，公式表达为：Vi=Ui(z)-EUi(ci)（Ligon & Schechter，2003)。［13］其中，Vi代表第i个家庭的脆弱性，z为确定性等价消费，类似于定义一的贫困线。这种定义把脆弱性纳入到期望效用的框架内，将家庭的主观偏好反映到其效用函数的选择中，从而对主观福利水平的度量具有了微观基础，并为其提供了可量化的实用方法。尽管定义三本质上类似于定义一的期望贫困定义，但由于这一定义直观地反映了家庭偏好的微观基础且具有可将贫困和不确定性进行综合分析的优点，加之定义二对脆弱性的度量过于简单化且未考虑到不确定性，因此本文将使用定义三的定义，并在此基础上度量脆弱性值并探讨其影响因素。
在经验分析上，由于脆弱性与贫困或不平等性密切相关，因而对脆弱性的分析主要针对发展中国家，而囿于数据，多数现有文献是基于横截面数据或者假面板数据（Imai, Wang & Kang, 2009）来进行回归分析。［14］基于对扰动项形式的不同假设，回归方法上也就各异。一是假设扰动项同方差，并直接采用了简单最小二乘回归。这种假设排除了低消费均值的家庭比高消费均值家庭面临更高消费波动的可能性（Chaudhuri, 2000）［6］，二是假设扰动项存在异方差性并识别异方差的不同来源（Günther & Harttgen, 2006），在回归方法上采用广义最小二乘回归（GLS）或三阶段广义最小二乘回归法（3GLS）(Günther & Harttgen, 2006)。［5］
基于不同的脆弱性定义，采用不同的经验数据和计量方法，既有的研究结论存在显著差异。Ligon & Schechter(2003)基于保加利亚的2287个家庭的月度数据，发现贫困或不平等是家庭脆弱性的最大部分。［13］与此相异，Günther & Harttgen（2006）运用马达加斯加的数据，得出协同性风险是农村家庭脆弱性的根本决定因素。［5］Imai, Wang & Kang (2009)采用中国三年的调查数据，从税收效用的角度去研究农业税对中国农民脆弱性的影响效应。结果发现教育、土地、基础设施和灌溉设备是减少脆弱性的关键因素，同时农业税费也会增加中国农民的脆弱性。［14］
通观既有研究文献，在对农村家庭脆弱性影响因素的考察上，现有文献并没有关注到当前农村异常活跃的社会资本的典型表现――亲友送礼，也并未将家庭所拥有的这种社会资本作为解释变量纳入到家庭脆弱性影响因素的分析之中，导致了在家庭受到消费冲击时，在消费平滑能力的分析上不能得到深刻说明，其可能的原因是并未意识到社会资本在家庭脆弱性中的作用，或缺乏社会资本的有效数据。因此，我们尝试把社会资本作为家庭脆弱性影响因素分析时一个重要的解释变量纳入到模型中进行分析。
三、分析框架
（一）农村家庭脆弱性的设定
使用Ligon & Schechter (2003)［13］ 对家庭脆弱性的定义，假设农村家庭h(h=1,2,…,n)具有有限人口且为风险规避型，我们给每个家庭设定一个严格递增且弱凹的定义在实数集上的效用函数Un(.):R→R，进而将家庭h的脆弱性定义为确定性等价效用与家庭期望效用之差，即：
Vh=Uh(zce)-EUh(cht)(1)
其中，Vh代表家庭h的脆弱性值。zce代表在没有任何风险和不平等条件下家庭h的消费水平，即确定性等价消费。当家庭h的确定性消费大于或等于zce时，我们认为家庭不具有脆弱性，因为此时家庭h的期望效用EUh(cht)必定大于等于确定性等价效用水平Uh(zce)。这意味着Vh≤0时，家庭h不具脆弱性；当Vh＞0时，家庭h是脆弱的。
在采用（1）式对家庭脆弱性进行测量之前，我们还需要设定效用函数Uh(.)的具体形式。这里我们采用Ligon & Schechter (2003)［13］类似的设定形式，即：
Uh(ch)=c1-rh1-r,r=2,3 (2)
与Varian(1992)［15］和Andreu, Whinston & Green（1995）［16］的观点相一致，这里将家庭h的效用函数表达为消费的函数。在经验分析中，我们运用确定性等价消费zce去标准化家庭的消费cht，从而将较大的消费数值转化为分数以缩小脆弱值的取值范围，同时又不会对家庭是否具有脆弱性作出误判。与Matthew & Thaler（2001）［17］的观点相异，这里假设家庭为风险厌恶型，并且其风险规避程度在不同的利益状态下保持一致。r反映了家庭h的风险规避类型，尽管r的取值尚无一致定论，但设定r>1是一个必要条件，只要大于1即可，Ligon & Schechter (2003)［13］将其设定为2。为了便于比较分析r的不同取值对家庭脆弱性的影响，在第四部分经验分析中将同时考察r=2和r=3两种情况。
（二）脆弱性影响因素回归模型
为了探索家庭脆弱性的影响因素，这里沿用Ligon & Schechter (2003)［13］的分析方法，即将家庭脆弱性作为被解释变量，家庭特征变量作为解释变量，从而获得以下脆弱性模型：
Vh=β0+β1X+ε （3）
其中，ε为随机扰动项，Vh是被解释变量，代表家庭的脆弱性水平；X作为解释变量，代表家庭的特征变量集合。
四、数据与变量描述
本文使用的数据来自2008年和2009年北京大学中国社会科学调查中心（ISSS)的“中国家庭动态跟踪调查（CFPS)”。该调查是一项旨在搜集个体、家庭和社区三个层次的动态数据，以反映中国在社会、经济、人口、教育和健康等变迁，为学术研究和政策决策提供数据为目标的重大社会科学项目。调查第一期为12年（2008―2020）①①2008年和2009年调查的数据分别反映了2007年和2008年的社区、家庭、个人情况。。作为初期测试性调研数据，目前ISSS已经在北京、上海和广东三个经济最发达省市进行了三年的测试性调查，其中，在广东省的调查活动由北京大学和中山大学结合广东社会追踪调查共同执行，现已整理出2007年和2008年的家庭、社区和个人数据。样本涵盖了3省市24县95个村庄2375个家庭的信息。由于参与调查的人员和督导人员接受过严格职业培训，且样本指标设计有较强的科学性，因而数据缺失少，数据新、质量高，这有助于本文的实证分析。通过对2007年和2008年两年的数据进行整理，本文获得了对家庭脆弱性模型进行回归分析所需的848个家庭的平衡面板数据。
（一）数据处理
在使用整理出来的数据计算家庭h的脆弱性值进而对其脆弱性进行回归分析前，需要对该样本数据做出如下处理。
1.货币变量的处理。所有的货币变量均根据2008年北京、上海和广东三省市的农村CPI进行了调整，从而变成可比量。货币变量包括了家庭年度总消费支出②②与Ligon & Schechter (2003)仅用家庭食品消费支出作为家庭消费额不同，本文采用了包含家庭食品消费额、家庭衣着支出、家庭购买日常用品和家电支出、医疗保健支出、交通支出、通信支出、教育和文化支出、娱乐休闲支出、居住支出和杂项商品和服务支出共十个大项的年度支出之和作为家庭消费额。这比仅用家庭食品支出来代表家庭消费支出更为合理。需特别指出的是，2008年样本仅含有最近三个月家庭月均食品消费额，而家庭全年食品消费额数据是缺失的。为了测算2008年家庭全年的食品消费额，本文将家庭全年食品消费额设定为：家庭全年食品消费额=最近三个月家庭月均食品消费额×12个月；其余9项年度消费支出数据均在样本中。这样，我们就获得了2007和2008年的所有家庭的年度消费支出额。，家庭农、林、牧、副和渔业总纯收入，以及家庭年度礼金支出数额。
2.公式（1）中脆弱性测量的数据处理采用如下方法：第一，对于确定性等价zce，我们采用简单平均值法①①需特别指出的是，本文采用简单平均法事实上是以家庭的人口规模进行加权平均。然而，由于家庭的人口规模在这两年内并未发生改变，故与简单平均法是一致的。以下各处采用的简单平均法也基于这一原因。对三省市所有848个家庭在2007和2008年共1696个消费支出数据求得每个家庭年均消费额。我们以zce为基础，对zht进行了正则化处理从而将家庭h在t年的消费额转化为百分数，并将zce单位化为1，这种处理方法能够缩小脆弱性的取值范围。再根据公式（2）的效用函数设定，并采用简单平均法求得家庭h的期望效用EUh(cht)。同时，根据公式（2），确定性等价的效用Uh(zce)也很容易求得。于是，家庭h的脆弱性值便可由确定性等价效用Uh(zce)与家庭h的期望效用EUh(cht)二者之差求得。
（二）变量选择
1．被解释变量。被解释变量为家庭h的脆弱性水平Vh。
2.解释变量。解释变量的选择包含了以下家庭特征变量。第一，家庭人口特征。由于缺乏户主特征数据，我们用家庭年长者的人口特征替代户主特征，因为家庭年长者往往对家庭在消费、教育和收入来源产生较大影响。家庭人口特征变量包括了年长者的年龄、年龄的平方、性别（虚拟变量）、教育类型（虚拟变量）、家庭人口规模。第二，家庭收入对数。家庭收入是家庭从事大农业生产和经营的纯收入，包含家庭的农、林、牧、副和渔业纯收入。第三，家庭物质资本。这里采用是否拥有摩托车和是否拥有拖拉机等两个虚拟变量来代表家庭的物质资本。在中国农村，摩托车为家庭购物和生产活动提供便利；而拖拉机一方面能增加农民收入，也同时为农民生产和消费活动提供便利。第四，社会资本。社会资本用家庭在全年送出的基于亲友间的婚、丧、生日和升学的礼金数额的对数表示，这能较好地反映中国农村家庭在面临负面冲击时平滑消费的能力。第五，家庭做饭燃料类型。家庭做饭用的燃料直接关系到家庭的生活成本和生活质量，因此，也可能会对家庭的消费带来影响。第六，家庭便利设施。一是家庭离最近医疗点的距离。这个变量反映了家庭的就医成本和医疗条件，会直接影响到家庭消费。二是家庭离最近市（镇）商业中心的时间。这个指标会影响到家庭消费的便利程度和消费选择的多样性。表1给出了家庭脆弱性模型回归（3）中所有变量的定义及描述性统计。
表1变量定义和描述性统计
变量名观测值平均数标准差最小值最大值变量定义Vh(r=2)8481.5784384.810357-0.813154.36158家庭h的脆弱性水平HouSize848 2.707547 1.214312 17家庭人口规模SexMale8480.75 0.433524201年长者是男性Age848 57.39151 10.464282887年长者年龄AgeSquar848 3403.028 1255.396 7847569年长者年龄平方EduZero848 0.2358491 0.425029801年长者是小学以下文化EduPrim848 0.2971698 0.457551801年长者是小学或私塾文化EduMidd848 0.3537736 0.478704801年长者是初中文化EduHigh848 0.0943396 0.2926459 01年长者是高中文化EduSkill848 0.0141509 0.118252601年长者是职高或技校EduUnder848 0.004717 0.068599101年长者大学本科LnToNeInco848 6574.331 9579.462 096400家庭大农业总纯收入的对数HospDistan848 132.6174 318.2568 0.012500距离最近医疗点距离（公里）DowntowT84829.87028 24.71759 1120到最近商业中心时间（分钟）Motorbik8480.3820755 0.486468901家庭中有摩托车Tractor8480.2311321 0.422054701家庭中有拖拉机LnGiftOut848 1252.642 1397.202 012000家庭礼金支出额的对数CookWoo848 0.6084906 0.488664501做饭主要用柴草CookCoal848 0.0896226 0.285977801做饭主要用煤炭CookGas848 0.1485849 0.356099 01做饭主要用煤气CookMeth848 0.0165094 0.1275745 01做饭主要用沼气CookElect848 0.1179245 0.3228997 01做饭主要用电CookOTh848 0.0188679 0.1362193 01做饭用其他燃料五、实证结果
（一）家庭脆弱性在不同参数r下的比较
1.参数r的不同取值不会带来家庭脆弱性的显著差异。为了便于比较不同参数r对家庭脆弱性取值的影响，我们同时估计了r=2和r=3的脆弱值和分解值。表2表明，多数家庭在2007―2008年都具有脆弱性。对于不同的参数取值，脆弱家庭总数均为596户，占到总样本家庭的70%以上。不同的参数r对遭受脆弱性的家庭数和脆弱性均值水平都不产生影响，不仅脆弱性家庭数相同，而且遭受脆弱性的家庭其脆弱性均值也都是2?368529。不同的参数r对遭受脆弱性家庭的区域分布也不产生影响，北京、上海和广东的脆弱性人数和比例也未发生变化。
表2遭受脆弱性的家庭的脆弱值、家庭总数与地区分布
效用函数参数rr=2r=3脆弱性均值（V>0）2?368529 2?368528家庭总数（户）596596北京市320(53?69)320上海市88(14?77)88广东省188(31?54)188（二）家庭贫困状态与脆弱性
在这部分，我们使用新国际贫困线去考察家庭贫困状态和脆弱性的关系。
1?贫困家庭更可能是脆弱的。左图（r=2）和右图（r=3）反映了2007―2008年家庭平均脆弱性水平和家庭跨期人均消费水平的关系。两图体现出一个共同特征，即家庭平均脆弱性水平和跨期人均消费成反比关系。我们将家庭跨期人均消费均值小于等于3300元人民币①①使用2005年按PPP计算的新国际贫困线人均1?25美元/天的标准，并按2007―2008年的日均汇率1美元=7?2329元人民币换算及经城乡生活成本调整，我们可得到新国际贫困线为人均3300元/年。称为贫困家庭，反之称为非贫困家庭。这表明，贫困家庭遭受脆弱性的概率高于非贫困家庭。
注：竖线为按新的国际贫困线换算的贫困线3300元人民币。
图12?非贫困家庭占非脆弱家庭的绝对比重。如表3所示，在252个非脆弱家庭中，非贫困家庭为248户，贫困家庭仅为4户，非贫困家庭比例高达98%。在2007―2008年间，遭受脆弱性的家庭总数为596户，占样本家庭总数的70?28%。在地区分布上，北京的非脆弱性家庭最多，而非贫困家庭数也最多，无一户是贫困家庭；上海的非脆弱性家庭数和非贫困人口数均最少，但非贫困人口比例略高于非脆弱性家庭比例；广东省的脆弱性家庭数和非贫苦人口数居中，但4个贫困人口家庭均出自广东省。
表3按贫困状态分的脆弱性家庭和非脆弱性家庭的分布情况
r的取值非脆弱性（V≤0）非脆弱性家庭数非贫困贫困r=2 252 248 4北京市 180(71.43) 180(72.58) 0 上海市 20(7.94) 20(8.06) 0广东省 52(20.63)48(19.35) 4 脆弱性（V>0）脆弱性家庭数非贫困贫困596 360 236 320(53.69) 212 108(45.76) 88(14.77) 44 44(18.64) 188(31.54) 104 84(35.59)（四）家庭脆弱性的影响因素
这个部分讨论家庭脆弱性的影响因素。采用类似于Ligon & Schechter (2003)的研究方法，本文以家庭脆弱性为因变量对家庭特征集合进行横截面普通最小二乘（OLS）回归，回归的结果显示在表4中。［13］对于两年内发生变化的家庭特征变量，我们使用其平均值作为解释变量。由回归结果，可得到以下几个结论。
表4家庭消费脆弱性及其分解的回归系数（OLS）
被解释变量Vh（r=2）解释变量HouSizeSexmaleAgeAgeSquarEduZeroEduPrim回归系数-0?5659***
(0?1348)-0?6270***
(0?3189)-0?1356
(0?1215)0?0013
(0?0010)-0?4000
（1?8467）-0?8328
（1?8059））解释变量EduMiddEduHighEduSkillEduUnder（对照组）Ln(TotNeInco)HospDistan回归系数-0?8871
（1?7927）-0?7295
（1?8266）-0?6889
（2?1235）―0?0989
(0?1114)-0?0005
(0?0004)解释变量DowntowTMotorbikTractorLn(GiftOut)CookWooCookCoal回归系数-0?0068
(0?0054)-1?2584***
(0?2893)-0?2405
(0?3541)-0?5944***
(0?1448)0?6669
（1?2621）-0?5917
（1?3350）解释变量CookGasCookMethCookElectCookOTh
（对比组）回归系数-0?4457
（1?2960）0?8043
（1?5791）-0?0247
（1?2919）―注：括号内的数值为标准误差。***代表1%的显著性水平，**代表5%的显著性水平，*代表10%的显著性水平。
1?家庭规模与脆弱性有显著的负相关关系。家庭规模（HouSize）对脆弱性的影响系数为-0?5659,且在1%的显著性水平下显著。因此，与Ligon & Schechter (2003)［13］的研究结论不同，本文发现更小的家庭规模意味着更大的脆弱性，这可能是由于更大的家庭规模具有多样化的收入来源，能更好地分散收入波动的风险，从而拥有更稳定的收入，进而应对负面冲击的能力更强。这一结论能够较好地解释中国农民倾向于组建大家庭这一现象。
2?家庭年长者的性别对家庭的脆弱性有较为显著的影响。年长者的性别为男性的系数为-0?6270,且在5%的水平下显著。因此，总体上看，年长者为男性的家庭会减少脆弱性，与Ligon & Schechter (2003)的性别与脆弱性无关的研究结论相异。［13］
3?拥有摩托车的家庭会明显降低家庭的脆弱性。拥有摩托车对脆弱性的系数为-1?2584，且在1%的水平下显著。在农村，摩托车为农民出行和购物提供了极大的便利，也能有效降低交通支出成本，从而能够提升农村家庭的福利。
4?家庭的社会资本即送礼金额的对数会显著降低中国农村家庭的脆弱性。家庭礼金支出额对中国家庭脆弱性的影响系数为-0?5944,且在1%的显著性水平下显著。这意味着家庭礼金支出额越多，家庭越能够降低其脆弱性。这表明，在中国农村，家庭是否脆弱与家庭拥有的社会资本密切相关，而社会资本能够在家庭面临负面冲击时有效地发挥平滑消费的作用。因此，这突出反映了社会资本对于农村家庭福利提升的正效应。
六、总结性评论
本文采用了Ligon & Schechter (2003)的家庭脆弱性定义，即将家庭脆弱性定义为确定性等价的效用与家庭消费的期望效用之差。［13］假设家庭成员是厌恶风险的前提下，本文对效用函数的形式进行了明确设定，从而为测量家庭脆弱性值奠定了基础。同时，为了探讨效用函数参数r的不同取值对家庭脆弱性水平和类型的影响，本文同时考察了r=2和r=3两种取值情况。使用CFPS中848个农村家庭在2007和2008年的平衡面板数据，本文对家庭脆弱性值进行了计算。计算结果显示，效用函数参数r的不同取值不会影响脆弱性家庭总数、脆弱性均值及地区分布。
由于脆弱性和贫困存在密切联系，脆弱性本身也是贫困的原因和表现形式之一（韩峥，2004）。［8］因此，本文探讨了家庭的贫困状态与其脆弱性间的关系。在引入了新国际贫困线之后，本文发现贫困家庭更易变得脆弱。脆弱家庭中，贫困家庭比重高达98%，占了绝对比重；而非脆弱家庭中，非贫困家庭占据首位。
为了探索影响家庭脆弱性的因素，本文用脆弱性对家庭特征集合进行OLS回归。回归结果发现，作为社会资本代表的家庭礼金支出额对降低农村家庭脆弱性有着显著作用，尽管作为物质资本代表的摩托车对降低家庭脆弱性仍就发挥着基础性作用。这一结论较好地解释了当前农村家庭日益频繁的礼仪活动这一现象。
本文不足之处：一是面板数据为短面板数据。目前，CFPS数据仅有2007年和2008年两年测试性数据，在此基础上整理的面板数据时间维度较短，制约了对家庭脆弱性的动态研究。此外，仅有北京、上海和广东三省市数据，而中国幅员辽阔及经济发展不平衡，由此得出的实证结论未必能反映整个中国的实际情况。二是未能发现教育对降低家庭脆弱性的作用。由于缺失户主的教育背景数据，我们采用了家庭年长者教育来替代家庭户主教育，这可能不是一个反映家庭教育的合适变量，因此，本文并未获得作为人力资本的教育水平对减弱家庭脆弱性的结论。三是未对不同职业的家庭脆弱性进行分析。在848户样本家庭中，家庭人员的职业数据缺失较为严重，因此，我们未对不同职业的家庭的脆弱性展开分析，也就未能获得不同职业对家庭脆弱性影响的结论。后续研究可在这三个方向上进行。
参考文献：
［1］ Shaohua Chen, Martin Ravallion. China is Poorer than We Thought, But No Less Successful in the Fight against Poverty［R］. Policy Research Working Paper, Washington DC: World Bank, 2008, (4621):1-15.
［2］ 马光荣, 杨恩艳. 社会资本、非正规金融与创业［J］. 经济研究, 2011(3):83-94.
［3］ Stefan Dercon. Assessing Vulnerability ［R］. Draft, Jesus College and CSAE, Department of Economics, Oxford University, 2001, 1-80.
［4］ 陈传波. 农户风险与脆弱性：一个分析框架及贫困地区的经验［J］. 农业经济问题, 2005(8):47-50.
［5］ Isabel Günther, Kenneth Harttgen. Households" Vulnerability to Covariate and Idiosyncratic Shocks［R］. Preliminary Draft, 2006, 1-30.
［6］ Shubham Chaudhuri. Empirical Methods for Assessing Household Vulnerability to Poverty［R］. Mimeo, Department of Economics, Columbia University, New York, 2000.
［7］ Luc J. Christiaensen, Kalanidhi Subbarao. Toward an Understanding of Household Vulnerability in Rural Kenya［R］. World Bank Policy Research Working Paper, Washington DC: World Bank, 2004,(3326):2-45.
［8］韩峥. 脆弱性与农村贫困［J］. 农业经济问题, 2004(10):8-12.
［9］James Foster, Joel Greer, Eric Thorbecke. A Class of Decomposable Poverty Measures［J］. Econometrica, 1984, 52(3): 761-766.
［10］ Yuan Zhang, Guanghua Wan. Can We Predict Vulnerability to Poverty?［R］. UNU-WIDER Research Paper , 2008, 82:1-11.
［11］ Takashi Kurosaki. Consumption Vulnerability and Dynamic Poverty in the North-West Frontier Province, Pakistan［R］. IER Discussion Paper Series, Hitotsubaski University, 2002, 1-26.
［12］ 何平, 高杰, 张锐. 家庭欲望、脆弱性与收入――消费关系研究［J］. 经济研究, 2010(10):78-89.
［13］ Ethan Ligon, Laura Schechter. Measuring Vulnerability［J］. The Economic Journal, 2003, 113(486): C95-C102.
［14］ Katsushi Imai, Xiaobing Wang, Woojin Kang. Poverty and Vulnerability in Rural China: Effects of Taxation［R］. Economics Discussion Paper Series, 2009, 913:1-36.
［15］ Varian, H. Microeconomic Analysis［M］. New York: Norton, 1992.
［16］ Andreu, Mas-Colell, Michael D. Whinston, Jerry R. Green. Microeconomic Theory［M］. New York: Oxford University Press, 1995.
［17］ Matthew Rabin, Richard H. Thaler. Anomalies: Risk Aversion［J］. Journal of Economic Perspectives, 2001, 15(1): 219-232.
责任编辑：吴锦丹