Overtime Work and "the Mystery of Limited Participation" in the Household Risky Financial Market
-
摘要: 家庭风险金融市场的“有限参与之谜”备受关注，而加班工作为解释这一问题提供了新的视角。使用CHFS2011—2019年的面板数据，研究加班工作对家庭风险金融市场参与决策的影响。研究发现，加班时间每增加10小时/月，家庭参与风险金融市场的概率平均下降2.1%，家庭风险金融资产投资比重平均下降0.5%，这一效应在青年户主、无住房和位于低金融发展水平地区的家庭中更为显著。加班工作主要通过风险规避效应、健康损耗效应和有限关注效应三个机制降低了家庭参与风险金融市场的概率和风险金融资产投资比重。本研究揭示了我国家庭风险金融市场“有限参与之谜”新的关键因素，为优化劳动工时制度与提升居民金融参与度提供了政策参考。
-
关键词:
- 加班工作 /
- 风险金融市场参与 /
- 有限参与之谜 /
- 风险金融资产投资比重
Abstract: The "mystery of limited participation" in the household risky financial market attracts much attention, and overtime work offers a new perspective to explain this phenomenon. Using panel data from the CHFS from 2011 to 2019, this study examines the impact of overtime work on household decision-making regarding participation in risky financial market. The findings reveal that for every additional 10 hours of overtime work per month, the probability of household participation in risky financial market decreases by an average of 2.1%, and the proportion of household investment in risky financial assets decreases by an average of 0.5%. This effect is more significant in households with young heads, those lacking housing, and those located in regions with lower financial development levels. Overtime work primarily reduces household participation in risky financial market and the proportion of household investment in risky financial assets by the mechanisms of risk aversion, health depletion, and limited attention. This paper reveals the new key factors of "the mystery of limited participation" in the household risky financial market in China, and provides policy references for optimizing the labor hours system and enhancing household financial participation. -
表 1 主要变量的描述性统计
变量类型 变量名 定义 样本量 均值 最小值 最大值 被解释变量 finance 是否参与风险金融市场 29 917 0.248 0.000 1.000 finance_rate 风险金融资产投资比重 29 917 0.067 0.000 1.000 解释变量 overwork 每月平均加班工作时间，单位：10小时 29 917 2.267 0.000 27.600 控制变量 age 户主的年龄 29 917 42.758 16.000 60.000 age2 户主年龄的平方/100 29 917 19.200 2.560 36.000 gender 户主性别，男性=1 29 917 0.782 0.000 1.000 education 户主是否接受过高等教育，是=1 29 917 0.357 0.000 1.000 hukou 户主户口性质，农业=1，非农业=2，统一居民户口=3 29 917 1.620 1.000 3.000 prefer 户主是否风险偏好，是=1 29 917 0.139 0.000 1.000 hate 户主是否风险厌恶，是=1 29 917 0.588 0.000 1.000 member 家庭成员人数 29 917 3.324 1.000 20.000 house 家庭是否拥有自有住房，是=1 29 917 0.780 0.000 1.000 commerce 家庭是否从事工商业，是=1 29 917 0.081 0.000 1.000 income 家庭年收入(元)的对数 29 917 11.122 0.693 16.311 asset 家庭总资产(元)的对数 29 917 12.913 2.398 17.499 GDP 家庭所在省份当年人均GDP的对数 29 917 10.952 9.682 11.994 added 家庭所在省份当年金融业增加值的对数 29 917 7.421 4.323 9.078 
下载: 导出CSV
表 2 加班工作与家庭参与风险金融市场决策
变量 (1) (2) (3) (4) (5) (6) finance finance finance finance_rate finance_rate finance_rate overwork -0.083*** -0.022*** -0.021*** -0.015*** -0.005*** -0.005*** (-19.786) (-6.047) (-5.824) (-16.258) (-6.015) (-5.740) age 0.033*** 0.039*** 0.007** 0.009*** (2.880) (3.408) (2.410) (3.011) age2 -0.049*** -0.056*** -0.009*** -0.011*** (-3.571) (-4.095) (-2.716) (-3.304) gender 0.082*** 0.078** 0.031*** 0.030*** (2.643) (2.510) (4.067) (3.967) education 0.420*** 0.439*** 0.109*** 0.114*** (12.892) (13.401) (13.666) (14.272) hukou 0.338*** 0.359*** 0.083*** 0.087*** (12.886) (13.603) (12.383) (13.024) prefer 0.262*** 0.269*** 0.078*** 0.079*** (7.057) (7.247) (8.773) (8.988) hate -0.430*** -0.430*** -0.106*** -0.106*** (-14.639) (-14.629) (-14.675) (-14.648) member -0.094*** -0.093*** -0.028*** -0.027*** (-8.235) (-8.126) (-9.396) (-9.236) house -0.424*** -0.367*** -0.107*** -0.092*** (-11.805) (-10.078) (-12.087) (-10.128) commerce -0.189*** -0.162*** -0.047*** -0.039*** (-4.116) (-3.524) (-4.132) (-3.421) income 0.245*** 0.237*** 0.059*** 0.056*** (14.007) (13.757) (15.208) (14.578) asset 0.416*** 0.384*** 0.109*** 0.100*** (28.085) (25.812) (33.946) (29.896) GDP -0.007 0.012 (-0.136) (0.904) added 0.077*** 0.019*** (3.260) (3.146) 常数项 -1.460*** -9.203*** -9.588*** -0.295*** -2.348*** -2.581*** (-27.650) (-26.830) (-16.019) (-50.441) (-32.799) (-18.164) 年份虚拟变量 是 是 是 是 是 是 行业虚拟变量 否 是 是 否 是 是 地区虚拟变量 否 否 是 否 否 是 样本量 29 917 29 917 29 917 29 917 29 917 29 917 注：***、**、*分别表示在1%、5%和10%的水平上显著，括号里的数值为t值。下表同。
下载: 导出CSV
表 3 内生性问题检验
变量 (1) (2) (3) (4) finance finance_rate finance finance_rate overwork -0.031** -0.010** -0.020*** -0.005*** (-2.438) (-2.244) (-5.389) (-5.341) overwork_iv -0.008 -0.002 (-1.014) (-0.925) 控制变量 是 是 是 是 年份/行业/地区虚拟变量 是 是 是 是 样本量 29 139 29 139 29 139 29 139 第一阶段F值 350.980*** 350.980*** - - Wald-Test 5.942** 5.031** - -
下载: 导出CSV
表 4 稳健性检验：改变解释变量和被解释变量定义
变量 (1) (2) (3) (4) (5) (6) finance finance_rate finance finance_rate finance finance_rate overwork -0.023*** -0.006*** -0.022*** -0.006*** -0.039*** -0.009*** (-6.433) (-6.679) (-4.634) (-4.644) (-8.112) (-8.662) 控制变量 是 是 是 是 是 是 年份/行业/地区虚拟变量 是 是 是 是 是 是 样本量 19 409 19 409 29 917 29 917 29 917 29 917
下载: 导出CSV
表 5 稳健性检验：改变样本的范围和估计模型
变量 (1) (2) (3) (4) finance finance_rate finance finance_rate overwork -0.021*** -0.005*** -0.029*** -0.007*** (-5.294) (-5.031) (-7.622) (-5.152) 控制变量 是 是 是 是 年份/行业/地区虚拟变量 是 是 是 是 样本量 24 246 24 246 22 411 22 411
下载: 导出CSV
表 6 稳健性检验：考虑加班的补偿性和排除文化差异的影响
变量 (1) (2) (3) (4) finance finance_rate finance finance_rate overwork -0.022*** -0.004*** -0.023*** -0.006*** (-3.943) (-3.846) (-7.421) (-8.172) overwork×paid 0.010 0.001 - - (0.720) (0.231) - - paid -0.083 -0.025 - - (-1.035) (-1.585) - - 控制变量 是 是 是 是 年份/行业/地区虚拟变量 是 是 是 是 样本量 10 268 10 268 29 917 29 917
下载: 导出CSV
表 7 异质性分析：年龄分组回归
变量 finance finance_rate (1) (2) (3) (4) (5) (6) 青年阶段(16-35岁) 中年阶段(36-49岁) 老年阶段(50-60岁) 青年阶段(16-35岁) 中年阶段(36-49岁) 老年阶段(50-60岁) overwork -0.070*** -0.012 -0.001 -0.020** -0.005 0.001 (-2.650) (-0.652) (-0.039) (-2.300) (-0.874) (0.123) 控制变量 是 是 是 是 是 是 年份/行业/地区虚拟变量 是 是 是 是 是 是 样本量 7 095 14 015 8 029 7 095 14 015 8 029
下载: 导出CSV
表 8 异质性分析：有无房产分组回归
变量 finance finance_rate (1) (2) (3) (4) 有房产 无房产 有房产 无房产 overwork -0.008 -0.093*** -0.001 -0.036*** (-0.528) (-3.194) (-0.170) (-3.374) 控制变量 是 是 是 是 年份/行业/地区虚拟变量 是 是 是 是 样本量 22 739 6 400 22 739 6 400
下载: 导出CSV
表 9 异质性分析：所处地区金融发展水平分组回归
变量 finance finance_rate (1) (2) (3) (4) 低金融发展水平 高金融发展水平 低金融发展水平 高金融发展水平 overwork -0.042*** -0.014 -0.015*** -0.002 (-3.852) (-0.675) (-3.704) (-0.447) 控制变量 是 是 是 是 年份/行业/地区虚拟变量 是 是 是 是 样本量 15 121 14 018 15 121 14 018
下载: 导出CSV
表 10 机制检验
变量 (1) (2) (3) (4) (5) 风险规避效应 健康损耗效应 有效关注效应 风险偏好 风险厌恶 overwork -0.007** 0.008*** -0.006** -0.006** 0.009*** (-2.153) (3.412) (-2.279) (-2.267) (6.157) overwork×income 0.003** (2.259) 控制变量 是 是 是 是 是 年份/行业/地区虚拟变量 是 是 是 是 是 样本量 29 917 29 917 29 917 29 917 27 393
下载: 导出CSV
-
[1] Campbell J Y. Household finance[J]. The Journal of Finance, 2006, 61(4): 1553-1604. doi: 10.1111/j.1540-6261.2006.00883.x [2] 夏帅, 疏爽, 谭黎阳. 数字经济、家庭资产配置与消费升级[J]. 广东财经大学学报, 2023, 38(6): 4-20. [3] 刘志峰, 曾莹芳, 张婷婷. 数字普惠金融与家庭风险金融市场参与: 基于CHFS的实证研究[J]. 管理评论, 2023, 35(5): 42-53. [4] 杨波, 王向楠, 李若蔓. 住房限购、人口老龄化与家庭金融资产配置[J]. 金融评论, 2024, 16(3): 1-22. [5] Angerer X, Lam P S. Income risk and portfolio choice: an empirical study[J]. The Journal of Finance, 2009, 64(2): 1037-1055. doi: 10.1111/j.1540-6261.2009.01456.x [6] 崔静雯, 徐书林, 李云峰. 金融知识、有限关注与金融行为[J]. 金融经济学研究, 2019, 34(6): 105-119. [7] 卢昂荻, 卢文益, 刘仁良. 人工智能职业替代与金融资产投资: 来自中国家庭追踪调查(CFPS)的证据[J]. 浙江社会科学, 2023(5): 24-36. [8] 李兰冰, 吴京洪. 数字经济与家庭收入包容性增长[J]. 广东财经大学学报, 2025, 40(4): 21-34. [9] 潘煜, 徐嫄, 徐铭梽, 等. 出口放缓对劳动力市场和家庭行为的影响[J]. 金融研究, 2025(9): 58-76. [10] Bonaparte Y, Korniotis G M, Kumar A, et al. Inflation, monetary policy, and portfolio decisions of US households[J]. Management Science, 2024, 70(9): 6438-6460. [11] 李汛, 潘宏宇, 肖春海. 多层次金融工具创新与家庭金融资产配置[J]. 中国工业经济, 2025(9): 42-60. [12] 任燕燕, 王纬. 养老金缴存与居民家庭风险资产替代[J]. 数理统计与管理, 2021, 40(3): 463-474. [13] Parker J A, Schoar A, Cole A, et al. Household portfolios and retirement saving over the life cycle[J]. The Journal of Finance, 2025, 80(5): 2739-2787. doi: 10.1111/jofi.13473 [14] 尹志超, 吴雨, 甘犁. 金融可得性、金融市场参与和家庭资产选择[J]. 经济研究, 2015, 50(3): 87-99. [15] 王亚柯, 刘东亚. 信贷约束与家庭金融市场参与[J]. 金融研究, 2023(2): 171-188. [16] Fermand E, Kuhnen C M, Li G, et al. Extrapolative uncertainty and household economic behavior[J]. Management Science, 2024, 70(8): 5607-5625. doi: 10.1287/mnsc.2023.00820 [17] Dimmock S G, Kouwenberg R, Mitchell O S, et al. Ambiguity aversion and household portfolio choice puzzles: Empirical evidence[J]. Journal of Financial Economics, 2016, 119(3): 559-577. doi: 10.1016/j.jfineco.2016.01.003 [18] 刘宏, 张梓静, 周广肃. 企业年金与家庭经济决策[J]. 金融研究, 2024(2): 149-168. [19] 赵乃宝, 王玉婷, 许冰, 等. 房产预期回报率视角下的中国家庭资产配置[J]. 经济研究, 2023, 58(1): 175-191. [20] Zhang Y, Jia Q, Chen C. Risk attitude, financial literacy and household consumption: Evidence from stock market crash in China[J]. Economic Modelling, 2021, 94: 995-1006. doi: 10.1016/j.econmod.2020.02.040 [21] Rosen H S, Wu S. Portfolio choice and health status[J]. Journal of Financial Economics, 2004, 72(3): 457-484. doi: 10.1016/S0304-405X(03)00178-8 [22] 宗庆庆, 刘冲, 周亚虹. 社会养老保险与我国居民家庭风险金融资产投资——来自中国家庭金融调查(CHFS)的证据[J]. 金融研究, 2015(10): 99-114. [23] 孟亦佳. 认知能力与家庭资产选择[J]. 经济研究, 2014, 49(1): 132-142. [24] 李睿, 陈攀宇, 殷允强. 数字素养与家庭金融资产配置[J]. 系统工程理论与实践, 2024, 44(7): 2175-2193. [25] 吴卫星, 尹豪. 工作时长与风险金融市场参与[J]. 国际金融研究, 2019(6): 77-86. [26] Xu X, Xu P, Bai H. Working hours and household financial asset allocation[J]. Finance Research Letters, 2024: 105718. [27] 李欣先, 朱志胜. 缩减工时还是维持原状——迈向高收入国家进程中的最优工时选择[J]. 北京社会科学, 2017(5): 56-68. [28] 刘娜, 李静, 张川川. 被时间束缚的消费: 工作时长对居民消费的影响[J]. 数量经济技术经济研究, 2025, 42(9): 29-51. [29] 张娟娟, 何光喜, 薛姝. 工作时长如何影响科技工作者的身心健康——基于北京市调查数据的实证分析[J]. 中国科技论坛, 2021(5): 147-155. [30] Baumeister R F, Bratslavsky E, Muraven M, et al. Ego depletion: is the active self a limited resource?[J]. Journal of Personality and Social Psychology, 1998, 74(5): 1252-1265. doi: 10.1037/0022-3514.74.5.1252 [31] Mullainathan S, Shafir E. Scarcity: why having too little means so much[M]. New York: Henry Holt and Company (Times Books), 2013. [32] Mcewen B S. Protective and damaging effects of stress mediators[J]. New England Journal of Medicine, 1998, 338(3): 171-179. doi: 10.1056/NEJM199801153380307 [33] 沈悦, 余若涵. 健康状况影响家庭风险金融投资参与了吗?——传导机制检验及异质性探索[J]. 中央财经大学学报, 2021(8): 26-39. [34] 吴卫星, 荣苹果, 徐芊. 健康与家庭资产选择[J]. 经济研究, 2011, 46(1): 43-54. [35] Sicherman N, Loewenstein G, Seppi D J, et al. Financial attention[J]. The Review of Financial Studies, 2016, 29(4): 863-897. doi: 10.1093/rfs/hhv073 [36] Beck T, Levine R. Stock markets, banks, and growth: panel evidence[J]. Journal of Banking & Finance, 2004, 28(3): 423-442. [37] Li K, Griffin D, Yue H, et al. How does culture influence corporate risk-taking?[J]. Journal of Corporate Finance, 2013, 231-22. [38] 牟朋鹏, Lawrence C, 周晓宇. 儒家传统文化与家庭风险金融资产配置[J]. 金融与经济, 2023(1): 85-96. [39] 赵子微, 胡蕴赟. 实施以人为本的新型城镇化战略能否缓解家庭能源贫困[J]. 广东财经大学学报, 2025, 40(1): 93-111. [40] 徐海东, 周皓. 过度劳动、健康损耗与收入补偿[J]. 劳动经济研究, 2021, 9(3): 3-26. -
