理论框架与变量选择
（一）理论框架。英国CFLI组织提出金融包容的多层面特性及其与福利的内在关联：金融排斥导致家庭预算资金的外流；包容意味着更强的金融意识，可增加人们获得福利的可能性；包容表示可接触到一系列金融产品能够避免人们陷入或帮助人们走出贫困陷阱，而较低水平的金融包容将限制政府更为广泛的福利改革策略的成功实施。笔者曾尝试分析金融包容对中国城乡居民福利的影响，遗憾的是，由于复合因果关系的存在，区域经济福利的定量分析很难找到可信、共识性强的度量指标，而非经济福利则因缺乏相应数据而无法展开量化研究。[4]本文在充分考察学理、中国国情及数据可得性的基础上，提出以下三个假设：
H1:在其他条件不变的情况下，家庭金融包容水平越高，居民的消费水平及生活水平越高。这是金融包容作用于家庭福利水平的第一条渠道。
H2:在其他条件不变的情况下，家庭金融包容的提高可以缓解居民的过度负债（Over-indebtedness）以及可能由此造成的负面影响（包括对其心理健康和生理健康的损害）。这是金融包容作用于家庭福利水平的第二条渠道。
H3:在其他条件不变的情况下，家庭金融包容的提高可以促进居民主观幸福感的提升。这是金融包容作用于家庭福利水平的第三条渠道。[5]
根据以上三条假定，本文依次采纳多元线性回归模型1[6]、二值响应模型2（Probit）及有序响应模型3（Ologit），模型形式略。此外，若某一区域债务负担过重且居民主观感受不幸福，很容易陷入金融沙漠（Financial Desertification）与社会排斥（Social Exclusion）的负反馈环，引发金融风险、经济下滑与社会动荡，为检验中国是否存在此类空间集聚的危险，在文章第四部分将采用空间计量方法深入讨论。
（二）变量选择。1.自变量。家庭金融包容指数（hfi）：侧重需求主体的能动性、判断力，用基于结果的资产价值法来衡量，体现了调查时点家庭的金融能力。根据Gloukoviezoff（2006）、Jones（2008）、Arnold等人（2011）以及Donnelly等人（2012）分析，剔除现金、民间借贷等非主流金融指标，保留是否具有常用活期存款账户、目前活期存款总额（元）、定期存款笔数与时点余额、股票目前市值（元）、股票账户现金余额（元）、非公开市场交易股票市值（元）、目前拥有基金市值（元）、期货市价（元）、权证市价（元）、其他衍生品市值（元）、理财产品总市值（元）、黄金市值（元）及常用信用卡有几张，由于指标众多，采用主成分分析法，提取前两个主成分，得出每个家庭的主流金融包容指数。取值范围在[-0.1388,0.3851]；income：去年实收货币收入（取对数）；toincome：家庭全部收入，包括基本工资收入、财产性收入、投资性收入及其他收入；[7]gender：户主性别，女性为1，男性为0；edu：以户主文化程度为分类变量，没上过学、上过小学与初中、上过高中（或高职、中专与大专）、上过大学本科及以上依次赋值1、2、3、4；loanedu：为了检验教育负债是否对生活消费具有挤出效应，引入家庭教育贷款指标；securityratio：家庭社会保障覆盖率，由家庭中领取退休／离休工资或养老保险人数、拥有社会医疗保险人数、有失业保险人数及有住房公积金人数的总和占全部人口的比例来衡量；age：户主年龄，18岁～30岁、31岁～55岁、56岁以上依次赋值1、2、3；marriage：婚姻状况，未婚赋值0，已婚赋值1；family：家庭规模，用家庭总人口数度量；house：是否拥有房产，是赋值1，否赋值0；auto：是否拥有汽车，是赋值1，否赋值0；newbusi：是否经营工商业项目，是赋值1，否赋值0；rural：农村地区为1，城市地区为0；east和central：两个哑变量表示东、中、西部控制变量，是为1，否为0；eco：社区或村落经济状况，从贫穷到富裕依次打分1分～10分；fcap：金融能力，分类变量，按照能力由低到高，依次得分为0、1、2、3；[8]risk1和risk2：两个哑变量分别代表风险偏好与风险厌恶，[9]是为1，否为0；opi：对互联网金融的接纳程度（Arnold，2011），用常用的支付方式来衡量，网上银行、信用卡赋值0；支付宝、财付通、找人代付、货到付款及其他赋值1；borrow：主流及非主流金融的偏好，认为银行可靠的赋值0，认为亲戚、朋友、生意伙伴等其他非主流借贷可靠的赋值1；umempr：家庭失业率，用失业总人口／家庭总人口；belief：是否有宗教信仰，无信仰为1，其他为0；health：与同龄人相比，现在的身体状况如何，为分类变量，按照非常好、很好、好、一般、不好分别赋值1、2、3、4、5；todebt：家庭负债（取对数），包括农业负债、工商业负债、非风险资产负债、风险资产负债、房屋负债、汽车负债[10]及其他负债；Quarrel：与爱人在生活中吵架的频率？一个月1次及以上、两到三个月1次、一年1到3次及没有依次赋值1、2、3、4；idea1和idea2：两个哑变量衡量是否具有家庭观念。“您认为家庭在您生活中的重要程度是？”参照组为“一般”，“非常重要”与“重要”为具备家庭观念，idea1=1，“不重要”与“非常不重要”为家庭观念淡漠，idea2=1；trust：“您对初次见面的人信任程度”按照完全不相信到完全相信，依次赋值1分～5分；children：子女数量；poli：户主政治面貌，中共党员、共青团员为1；民主党派或其他党派、群众为0。
2.因变量。（1）consum：家庭伙食支出占总支出（伙食支出、日用品消费、家政服务支出、交通通信支出及文化娱乐支出）比重，近似反映居民生活水平的高低，[11]考察影响它的自变量与控制变量，依次为hfi、income、edu、loanedu、securityratio、gender、age、marriage、family、house、auto、newbusi、rural、eco、east和central；（2）overdebt：过度负债或承付能力差为1，没有过度负债为0，[12]考察影响它的自变量与控制变量，依次为hfi、income、fcap、risk1和risk2、opi、borrow、[13]umempr、family、house、auto、edu、age、securityratio、marriage、belief、gender、rural、eco、east和central；（3）happy:家庭的主观幸福感。0表示非常不幸福和不幸福、1表示一般、2表示幸福和非常幸福。考察影响它的自变量与控制变量，依次为hfi、health、toincome、todebt、securityratio、umempr、house、auto、Quarrel、idea1和idea2、trust、eco、belief、edu、marriage、gender、age、family、poli、children、rural、east和central。采用不同模型分析时，其自变量与控制变量的选择各不相同，按研究需要分为关键考察变量、家庭特征变量与区域特征变量三大类。本文将根据实证情况分别汇报各变量对家庭福利的影响及其经济学意义。
计量结果
多元线性回归模型分析结果。由于伙食支出是生存的必需品，属于刚性需求，而其他支出仅限于日用品（如洗衣粉、香皂、卫生纸、牙刷等）、家政服务（如保姆、小时工、家政服务公司的清洁、清洗与管道疏通等）、交通通信（交通费、自驾油费、电话费、网络费）及基本文化娱乐支出（书报、杂志、影剧票等），衣着、奢侈品、耐用消费品等并未计入，因此不必考虑Donnelly（2012）提出的性格、情绪特征（如强迫购物症）大幅影响消费的情况。如表1所示，在5%的显著性水平上，hfi显著为负，说明hfi每增加一个单位，会导致consum降低0.4477。家庭金融包容的水平的提高，意味着资产的高效管理，而稳定的心理预期、预算约束的放松、丰富的金融产品的可接触与可使用（如拥有活期账户、持有信用卡）等都有助于家庭方便、快捷地购买所需的消费品，引导其调整消费结构，并促进家庭福利水平的上升。这里consum与恩格尔系数相似，标志着家庭生活的富裕程度，该值越低，意味着家庭生活水平越高。在所有变量中，hfi对家庭的福利作用最强，H1成立；由于财产性收入、投资性收入的或然性和不稳定，而根据持久收入假说，持久收入与持久消费之间才存在固定的比例关系，因而这里income衡量基本工薪收入对伙食消费比例的影响，它每变动1%，会导致consum降低0.7个百分点，说明家庭稳定收入的增加会提升其福利水平；edu每上一个档次，福利水平也会相应提高1.4个百分点，说明文化水平越高，其消费理念越先进，也更容易接纳新的产品与适应新的生活模式。盖洛普全球统计研究数据表明，最早接纳互联网金融的人群，其学历基本都在大专以上，本科、硕士占比高达42.8%及15.7%；是否拥有住房、汽车等非金融性资产对消费的影响差异比较大，拥有汽车的家庭其伙食消费比要低0.1072，说明有汽车的家庭福利更好。拥有house的家庭，其consum却增加了0.7个百分点。两类家庭资产作用迥异的原因：购买住房与购买汽车相比，前者大大加重家庭的债务负担，货币债务使家庭预算约束线内移，从而影响其生活质量；住房同时具备居住属性与投资属性，汽车则可归入奢侈的耐用消费品。按照中国的传统观念，似乎拥有一套自己的住房才有了安定性与归属感，所以对于大部分普通平民家庭而言，更看重其居住属性。在28143户受访者中，拥有住房的有19051户，占67.69%，拥有汽车的只有3717户，仅占13.21%。前者成为必需的家庭资产；age与marriage体现了家庭特征控制变量，年龄越大，其他支出会减少，生活模式回归简约，福利会相对降低3.79个百分点。理论上，家庭是基本生活保障单位，但这里已婚家庭的福利要低于未婚家庭的原因在于，已婚家庭包括了所有曾经有过婚姻经历的家庭，如离婚、丧偶、独居，这些生活事件会降低家庭福利水平（Lentonand Mosely，2008）；newbusi表明从事创业的家庭对生活质量相对较高，与不从事创业的家庭相比，其福利高1.96个百分点。可见，“大众创业、万众创新”不仅是拉动中国经济的发动机之一，也是带动居民福利提升的有效渠道。社区或村落的经济状况对consum的影响为负，说明受访者居住地越富裕，其消费的示范效应越强，其贡献为0.3个百分点。
家庭消费的总量与人口数相关，引入family，以控制家庭规模对食物消费占比的影响；securityratio则从制度层面控制了社会福利制度对家庭消费的作用。中国的福利制度不同于某些国家，不是选择性的，而是具有广覆盖和普惠性，如社会医疗保险、社会养老保险等，具备正式工作的人一般可拥有企业年金、失业保险和住房公积金。社会保险不同于商业保险，后者是居民为了弥补社会保险的不足，自主选择商业性保险机构投保、参保，前者则是为居民提供最基本的社会保障。引入securityratio是为了控制家庭社会保障覆盖率的影响。此外，户主性别的作用并不显著，教育负债也没有出现挤出效应，表1不再汇报。从区域控制变量来看，东部、中部地区的生活水平高于西部地区，东部地区比其他地区的福利高出1.98个百分点，而中部地区则相对高出0.7个百分点。说明生活福利的区域差异在中国依然存在，并可能持续一定时期；有趣的是，农村地区比城市地区的consum低了6.68个百分点，这并不是说农村地区的生活质量高于城市地区。从细化数据来看，consum的均值为0.7264，而城市consum的均值是0.7389，农村consum的均值为0.6993。这里用consumption指标来解释，农村consumption的均值是5.7162，而城市该指标的均值是5.44，可见农村的伙食消费（月均1741元，城市为885元，大大低于农村）相对较高，而城市的其他支出相对较高，导致出现这样的回归结果。表1整理汇报了关键自变量和控制变量的回归结果（显著性水平低于5%的没有列出，右侧是consumption的回归结果对比，显著水平低于5%的不再汇报）。[14]
Probit模型分析结果。Overdebt反映家庭延迟还款的情况，在负债比的临界值难以确定的条件下，可作为过度负债的衡量指标。以最大一笔借款[15]为例，中国家庭的农业借款、工商业借款、房屋借款、汽车借款、教育借款及其他借款未能按期还款的比例依次为10.79%、11.71%、14.31%、7.89%、10.79%及11.45%。这些借款多来源于父母、亲戚、朋友、同事、民间金融组织、小额贷款公司及有合作关系的人或机构，属于非主流金融渠道，其形式不规范、多以口头协定为主。亲属、兄弟姐妹是家庭最信任的借款渠道，体现中国家庭的互助性及保障性功能。如在受访的16120户家庭中，有50.97%的家庭认为借钱最可靠的途径仍是亲戚，这一比例甚至高于主流金融机构（银行仅占33.57%）。基于亲缘、人缘的借贷有非正式制度的制约，而民间金融组织的借款与之比较风险控制难度则相对较大，如利息成本高、蕴藏违约风险以及债务链条断裂而引发的连锁反应等，有可能引发地方金融风险，也是过度负债需要重点关注的方面；信用卡到期只偿还最低还款额、延期偿还、停止偿还及其他的比例依次为6.82%、0.96%、0.6‰、7.27%，视为过度负债，而到期偿还账单总额（56.26%）及提前偿还（28.63%）表明家庭偿付能力较强；对于为什么没有信用卡，在23599名受访者中，有33.79%是喜欢现金消费、43.13%的居民是不了解信用卡、愿意使用而申请被拒只占0.58%，有2594户家庭（占比10.99%）明确表示没有还款能力（债务承担能力已经有限，即过度负债）。
Probit模型回归结果显示，hfi显著作用于overdebt，回归系数为-8.3090，说明家庭金融包容水平越高，过度负债的几率就越低，这与H2是吻合的。hfi不仅体现了某一时点家庭财务的实力，更是居民金融能力的反映。hfi越高，越善于进行财务规划、合理编制财务预算、金融意识较强、具有前瞻性和灵活性、消息灵通、易于接纳新生事物、总能保持收支平衡、自由选择最合适的金融产品与服务等，基本不会陷入不可持续的债务陷阱，更不会出现由于过度负债而引发的心理压力和焦虑紧张（Gloukoviezoff，2007；Ronald等人，2010）；income对overdebt是负贡献（-0.0799），即收入[16]的增加会导致过度负债的减少；opi是对互联网金融的采用情况，该指标反映了中国金融领域的最新发展态势，这里的界定是狭义的互联网金融（田霖，2016）。opi可以有效降低过度负债，回归系数是-0.1212。众所周知，互联网金融方便、灵活、便捷，具有长尾化、低成本的优势，在信用评级（如蚂蚁的“水文模型”、芝麻信用等）、贷款手续（无抵押要求、操作简单）、价格优惠（免息期、购买自建电商平台的商品时可享受积分抵扣和优惠券支付等）等方面都具有传统金融所不具备的优点：一是大数据风控和云计算的广泛运用。以多年积累的交易和评级数据为参照，事先就能避免将款项贷放给资质不佳的消费者；二是全流程管理模式，实现线上24小时申请、审查与放贷，便于消费者随时自助操作；三是贷款金额灵活，没有门槛条件，小额资金需求[17]可以迅速得到满足，帮助消费者临时周转与合理规划资金的使用。可见，opi也可以提高家庭福利；从家庭控制变量看，risk1在5%的水平上显著，回归系数为0.0709，说明风险偏好的家庭更倾向于过度负债；越是年龄大的户主行事更为谨慎、保守，因此age可减少负债比例（-0.1769），这也可能与消费观念有关；家庭社会保障覆盖率在1%的水平上显著（-0.3174），说明完善的社会福利制度可以有效减少过度负债出现的几率，社会保险是可以增进家庭福利水平的；umempr则会增加过度负债的可能性（0.1336），表明家庭失业率的上升会损害福利水平；拥有汽车的家庭比没有汽车的家庭债务负担轻，福利水平高（-0.1080）；户主为女性的家庭倾向于减少借贷（-0.1769），这可能与男性与女性的性格差异有关，前者更喜欢冒险，行事比女性更激进；从区域控制变量来看，农村地区的债务负担轻于城市地区（-0.1375），西部地区的过度负债最为严重（east=-0.1914，central=-0.0667）；受访者居住地越富裕，其陷入过度负债困境的几率越小（eco=-0.1404）。
Probit命令只能得到自变量的大小，为了得到自变量真正的作用，本文使用dprobit命令，以求出边际作用dy/dx。表2不仅汇报了各变量的回归系数，而且给出了dy/dx以及各自对应的稳健标准误、Z和P>|z|值。利用probit和dprobit回归，两种方法得出的各自变量的符号是一致的，不同的是回归系数的大小发生了变化（如表2）从dy/dx的值来看，hfi同样是对overdebt作用强度最高的，每变动一个单位，就会使过度负债的发生概率减少162%，再次验证H2成立；income每增加1%，过度负债的可能性降低1.56%，拥有汽车的家庭过度负债的几率降低2%；opi的采纳者比不使用互联网支付服务的家庭负债负担降低2.25个百分点；风险偏好者的债务负担要多出1.43%，而女性比男性过度负债的可能性低0.8个百分点；家庭失业比率每高一个百分点，导致其过度负债发生概率增加2.61%，而完善的社会保障则使其发生几率降低6.2个百分点；从青年到中年、再从中年到老年，age会带来负债比率降低3.45%；edu对overdebt的影响不显著，说明文化程度或者教育水平对家庭过度负债情况没有什么影响，性格的作用可能更为明显。然而，度量金融能力的fcap也并不显著，这与一般的预期不相符合。这是因为本文采用3个问卷指标用以衡量受访者对基本经济与金融信息的关注度以及基本的数字计算能力，前者是受访者的自评，缺乏客观的标准，有随意性或夸大性，后者将“不知道”也计入了“计算错误”的范畴，而“不知道”的家庭其金融素养更为低下（Ronald等人，2010）。此外，研究需要能够全面、完整、客观衡量受访者债务素养（Debt Literacy）的指标体系，以准确度量其对家庭负债的影响；borrow回归结果显示，似乎偏爱非主流金融的家庭其债务负担相对小0.7个百分点，只是显著性水平大大降低了。这一部分是由于非主流借贷有高达50.97%偏好向亲戚借钱，而亲戚之间的借贷通常不收利息，也不需要抵押，一定程度降低了偿债负担。比如以最大一笔借款为例，农业借款、工商业借款、房屋借款、汽车借款不需要支付利息的比例依次为87.75%、76.29%、94.56%及91.71%；社区经济环境的dy/dx为-0.0081，可见区域特征变量对过度负债依然有较强的边际作用。[18]
金融包容特别强调产品与服务在可支付范畴（Affordable），而过度负债可能引发居民面临四大难题，即基本剥夺（Basic Deprivation）、次级剥夺（SecondaryDeprivation）、健康剥夺（Health Deprivation）和环境剥夺（Environmental Deprivation）（田霖，2012）。消费超出家庭承付能力的金融产品会直接影响居民的心理健康，而过度负债对身体健康的具体影响还不明确。身体状态不佳可能既是过度负债的结果，又是其原因，如果没有足够的纵列数据，将很难判断其因果关系（Ronald等人，2010）。诚然，理论上讲，身体与心理健康相互影响、互为因果，但是主观心理感受对客观身体健康的影响机制较为复杂，且作用强度很难确定。需要参照国外经验，对过度负债人群进行现场调研与深度访谈，了解其性格、偏好、家庭特征、社区环境、尤其是心理压力（如焦虑、恐惧、绝望、不安全感）并由此不良的心理状态而引发的身体不适与具体表现等。中国家庭金融调查并未设计涵盖此类问题的问卷，因此，目前精确量化过度负债的心理压力对身体健康的冲击还比较困难。[19]故依据国外学者的研究结论，理论推断过度负债也可能对中国居民的身心健康产生一定程度的伤害，H2成立。
Ologit模型分析结果。hfi的回归系数为6.3815，且在5%的水平上显著，充分说明家庭金融包容指数越高，则家庭成员的幸福感就越强烈。家庭富足、收支平衡、资产多元化、财务高效管理的家庭更能体会从财务安全到财务自由的幸福感，也可以更为随性、自由地选择喜欢的生活模式，其福利水平就越高，H3成立；health的回归系数为负，说明身体状况越差的人，越不容易感到幸福；家庭总收入与家庭总负债从两个角度反映了对居民幸福感的影响，前者是显著增加幸福感（0.0552），后者则是显著降低幸福感（-0.0283）；家庭社会保障覆盖率反映了社会基本福利制度对家庭福利的影响，显然较为充分的社会保险提供了一定的经济与生活安全保障，可以提高家庭的主观幸福感受（0.5914）；家庭失业率的增加，会影响其生活质量，所以对福利、幸福感是消极负面作用（-0.2319）；汽车、住房类非金融资产对福利的影响与模型1类似，前者在1%的显著性水平上提高幸福感，后者则在1%的显著性水平上降低幸福感；Quarrel、idea1与idea2透视了受访者对婚姻和家庭的态度，Quarrel在1%的水平上显著（0.1544），说明夫妻争吵的次数越少，家庭越幸福。后两个指标度量受访者是否具备家庭观念。idea1的回归系数是0.1544说明具有浓厚家庭观念、对家庭怀有较重感情依赖的人（认为家庭在生活中重要或者非常重要）更容易感到幸福。中国家庭的传统观点是将家庭视为情感交流的场所（占受访者的70.10%）以及生老病残等生活保障单位（占受访者的54.94%），家庭观念淡薄的人（仅占受访者的0.50%）往往主观幸福感相对弱一些。与之对应，marriage的回归结果显示，已婚的人比未婚的人更容易感到家庭的温暖和幸福；生活环境对居民幸福感的影响也至关重要，eco的回归系数是0.0770且在1%的水平上显著，表明受访者居住地的经济状况越好，其幸福感越强烈，幸福的“传染效应”明显；从其他家庭特征控制变量来看，女性比较容易对生活现状感到满足，从而幸福感较强。年龄越大的人，生活阅历丰富、家庭基础牢固、心态比较淡定，也就更容易觉得幸福。family与children则是从另外一个角度证明了家庭人丁兴旺、子女绕膝所带来的主观幸福感；区域控制变量在5%的水平上显著，幸福感也存在一定程度的区域差异。农村地区的家庭与城市家庭比较，幸福感要相对低一些（-0.0951）。相对而言，西部地区的家庭主观幸福感要弱于东部、中部地区的家庭（见表3）。
从几率比来看，hfi具有带动幸福感的倍增效应：在其他变量给定的情况下，hfi每上升一个单位，家庭感到幸福的几率比会增加到原来的590倍，可见，hfi是对中国家庭幸福感最有影响力的变量，其作用力度也最大，再次验证H3的成立；身体不健康会使幸福感降低35%；在其他变量保持不变的情况下，家庭收入每增加一个单位，会使幸福感提高6个百分点，而家庭负债每增加一个单位，则引发幸福感降低3%；拥有社会保障的家庭感到幸福的几率比增加80%，而失业率增加的家庭感到幸福的几率比降低21%；拥有汽车的家庭感到幸福的概率是没有汽车家庭的1.53倍；不常吵架的夫妻，在其他条件不变的情况下，幸福几率提高17%；对家庭有着深厚感情的受访者其幸福几率要高于家庭观念淡薄的受访者55%，而family、children则表明了每增加一口人或者一个子女，将会带来家庭幸福几率比分别提升7%和9%；在其他变量控制不变的前提下，已婚家庭的幸福感是未婚家庭的3倍，年老的人的幸福感几率高于年轻人20%，而党员、团员的幸福感是普通群众的1.22倍；在5%的显著性水平上，农村地区的幸福感要低于城市10%，东部地区的幸福几率比高于其他地区12%，而中部地区的幸福几率比则高于其他地区24%。
本文曾经提到过身体健康与心理健康之间的复杂关系：一般情况下，身体健康可以影响心理健康，并使心理上产生不悦的感受（Lenton等人，2008），模型3health的回归系数与几率比均验证了身体越不好，就感觉越不幸福的假设；那么心理上的主观感受是否能够影响身体健康状况呢？如果答案是肯定的，就意味着模型存在内生性。为了检验这个推测，这里采用变通后的处理，构建变量happy2：非常幸福和幸福赋值为1，而不幸福赋值为0，建立二元响应模型。工具变量（IV）的选择上，本文采用了受访者16岁以前的身体状况。一般情况下身体底子好，就不容易生病，因此IV与health高度相关；同时16岁以前的身体状况与受访者当前的幸福感并不直接相关，IV与happy2不相关。使用此工具变量进行IV Probit的估计结果如表4。根据沃尔德检验结果，p值为0.000，故可以在1%的显著性水平上判定health为内生变量。然而，其相关系数却并不高，=0.2695。从回归结果来看，ivprobit的估计结果与probit并无大的不同，不仅系数的符号相同，而且连系数的大小都没有很大的变化（均在-0.45左右）。这说明即便忽略health的内生性，也不会出现明显的高估或低估的情况。
本文进一步运用两步回归法进行验证，研究表明，即便这里选择的IV是个很好的工具变量（p值为0.000，在1%的显著性水平上认为是内生变量）但是其回归的结果仍然是没有差别（happy2的回归系数是-0.4881）。可见，health确实存在一定程度的内生性，但是并不严重，health与happy互为因果的情况并不明显，模型3的内生性可以不予处理；health会影响幸福感，但幸福感对身体健康的作用强度并没有像大多数学者预期的那么强烈。[20]
