发薪日贷款：英雄还是恶棍？

1、工资日贷款：英雄还是恶棍？Adair Morse*Booth School of BusinessUniversity of Chicago摘要高利率的工资日贷款对于陷入财务危机的个体究竟是好是坏。以自然灾害作外生冲击，我运用倾向匹配评分，三重不同规范探究了信贷获得与福利之间的关系。我发现灾后加利福利亚的止赎数量增加，但是工资日贷款的存在减少了止赎（每1000户减少1.2次止赎）,此外还减少了盗窃的发生，每1000户减少2.67次盗窃，但对入室行窃与车辆盗窃并没有影响。我的结论适用于遇到紧急状况的个人。需要说明的是,并不是所有的工资日贷款客户都是因为紧急事件而借款。 我从以下讲座中受益匪浅Be

2、rkeley, Columbia, Duke, the European University Institute, the FDIC, the Federal Reserve Bank of Cleveland, the Federal Reserve Bank of New York, Harvard Business School, MIT, New York University, Northwestern University, Ohio State University, UCLA, University of Chicago, University of Illinois, Un

3、iversity of Maryland, University of Michigan, University of Southern California, Wharton, Yale, the WFA, and the European Summer Symposium in Financial Markets (Gerzensee).此外我还要感谢David Brophy, Michael Barr, Alexander Dyck, Fred Feinberg, E. Han Kim, Amiyatosh Purnanandam, Amit Seru, Tyler Shumway, a

4、nd Luigi Zingales for their helpful comments.人们对于融资提高企业价值鲜有争议 例如Jayaratne and Strahan (1996); Rajan and Zingales (1998); Levine and Demirguc-Kunt (2001);Dahiya, John, Puri and Ramirez (2003); Guiso, Sapienza and Zingales (2004); Cetorelli & Strahan(2006); Paravisini (2006), etc，但对消费信贷是否为家庭产生福利却不存在共识

5、。金融机构可能会刻意迎合缺乏金融常识(Campbell, 2006)(Johnson,Kotlikoff and Samuelson, 2001; Stango and Zinman, 2007; Lusardi and Tufano, 2008)或陷入自我毁灭的消费狂热中的人(ODonoghue and Rabin, 2006)，融资只会使得借款者每况愈下。本文中，我通过一个社区的自然实验研究财务困境下融资渠道对于信贷受到限制的个体的福利影响。为信用受限的居民提供贷款的主要是工资日贷款者，他们主要提供短期，小额贷款给借款者以维持他们直到下一个发薪日的生计。其年化利率到400%多。本文中，通过

6、衡量止赎和小财产犯罪，我评估了工资日贷款究竟是缓解还是加剧了借款者的财务困境。近20%的美国居民遭受了经济上的限制，了解工资日贷款对于福利的影响是极其重要的。15%的美国的居民从工资日贷款者那儿贷款，目前这个市场达到了一年400亿美元的规模 想要更好的了解这个市场，可以参考Caskey (1994, 2005); Fannie Mae (2002); Barr (2004); Bair (2005)。面对不断增长的需求，州与联邦执法者们正在努力的打压，规范市场。到目前为止，已经有15个州禁止了工资日贷款。从某个角度讲，工资日贷款者应该使个体平稳顺利的度过危机而不用遭受支票的更大成本，不用支付滞

7、纳金，终止和恢复的服务，也不会受到驱逐和取消赎回权。他们因以此帮助经济困难的客户度过难关。这样说来，工资日贷款有利于增加福利。另一种相反的观点是工资日贷款减少福利。从贷款者处得到的资金可能会诱惑客户更多的消费。缺少融资的渠道对容易受到消费诱惑的个体可能更为有利 (Gul and Pesendorfer, 2001; 2004; ODonoghue and Rabin, 2006)。这点上看，工资日贷款减少了福利。工资日贷款究竟是减轻还是增加了借款者的福利，我用自然灾害做社区的天然实验。我用1996-2002年间加利福利亚州邮政编码作分析。解决贷款者位置的外生性与社区经济环境导致的福利成果是测量

8、工资日贷款随时间影响福利变化的两大难题。为了克服内生性，我建立一个相符的三重不同框架。实证模型的一个简单发散显示只要我能符合金融上的限制，实验就能够发现财务困境对于个体福利的影响与工资日贷款者在财务困境中所起的作用。陷入财务困境的居民的倾向的匹配优先于自然实验。我通过估计可能性提出了这些倾向在地区级别这些可能性来源于在SCF中，个体陷入财务困境作为社会经济学特征的一个功能。然后我通过将SCF系数应用到普查在社区级别观察到的社会经济变量映射这段关系。匹配本身还不能解决内生性，但是使用三重不同规范却促进了这一论调。外生性假设的关键在于无灾害的社区提供了一个基准以比较有无贷款者社区的福利增长的差别。

9、这样，通过从观测到的借款者减去灾害社区非借贷的福利增长再减去基准，我可以区分出观察到的某地区的借贷者的存在的内生性。三重不同规范模型可能有一个问题没能解决。工资日贷款者所在的社区可能有其独特性。在自然灾害期间，居民会变得异常的有弹性。我还不确定这点，但是我抛出这一话题通过用某区的十字路口的数量来检测工资日借款者的位置。这基于工资日贷款者倾向于在重点交通和交通主干道集群的事实(U.S. Department of Treasury, 2000)。因为我在一个时间框架内分析，所以我认为十字路口可以作为一种技术满足内生性假设。这结果暗示工资日贷款者对于陷入财务危机的个人有着积极地影响。自然灾害诱发的

10、止赎案例大幅增加72%,但是工资日贷款的出现使得这个数字变为一半，特别是，我发现危急时刻获得信贷可以阻止每1000户1.22的止赎。这结果也暗示工资日贷款减少了金融危机时小额财产犯罪的发生。我发现了重要的结果，只因为盗窃，至少判刑的财产犯罪。自然灾害导致盗窃增加13%（平均每1000户里面有9户），获得信贷可以使每1000户里减少2.67户盗窃，或者说减轻了30%自然灾害的影响。我设计的实验需要解释这些结果。居民也可能在非经济危机时选择工资日贷款。在工资日借款者的一篇调查里，Elliehausen and Lawrence (2001)报告说33%的借款并非因为紧急需求。某些借款者只是习惯性的

11、过度消费，用贷款去弥补资金差额。Skiba and Tobacman (2005)提供了相应的证据。这些过度消费者最可能因此受到负的福利影响。因为我没有确认工资日贷款的净福利在借款者中的分配，所以我的结论只能是工资日贷款对于遇到财务危机的居民提供了有价值的服务，并不能分辨给那些习惯性过度消费者所带来的影响。许多其他的文献也在探索工资日贷款所带来的福利影响。表面上看，这些结果相互矛盾。Morgan 和 Strain (2007)认为贷款者福利有所增长，但是Skiba ，Tobacman (2007) 和 Melzer(2008)认为恰恰相反。我认为，认识到贷款者的异质性还有他们所面临的环境 (B

12、ertrand and Morse, 2009a) ，所犯的错误(Brito and Harvey, 1995; Bernheim and Rangel, 2006;Skiba and Tobacman, 2009; Bertrand and Morse, 2009b)有很重要的意义。文章结构如下。第一部分对工资日贷款市场进行概述。第二部分利用竞争力假说说明其究竟有助于还是有损于福利。第三部分提出三重差异实证方法与中间倾向得分匹配结果。第四部分展示了数据来源与统计简介。第五，第六部分分别展现了止赎与犯罪的实证结果。第七部分总结。1.工资日贷款市场近十年有近20%的美国人遭受了信用限制。(Hal

13、l and Mishkin, 1982; Hubbard and Judd, 1986; Zeldes, 1989; Jappelli, 1990; Gross and Souleles, 2002)从主流银行，贷款公司和信用卡处无法贷到款的居民往往会转向高利贷。尽管工资日贷款每年贷款额超400亿美元，但是教科书中却少有提及。以汽车和家庭资产作抵押的贷款提供了更廉价的选择，但是因为市场要求有价值资产的明晰的所有权，所以贷款的转移额度并不大。除了工资日贷款外，陷入财务危机的居民的主要选择是银行透支贷款与空头支票。空头支票依然是一种很常见的获取资金的方法。尽管年利率取决于借款数量与持续时间，但是空

14、头支票的成本多多少少要高过工资日贷款，尤其是某人有不良信用记录时。银行透支贷款与空头支票有所不同，因为银行提前同意用某种费用清掉透支支票。透支贷款在成本方面可以与工资日贷款一比，如果有更长的点数，就会更便宜。如果多个支票需要清算就会更贵。我的许多样本可以广泛的获得透支贷款，尤其是那些有不良信用记录的或者银行不提供透支贷款的。因此对于我大部分的样本来说，没有工资日贷款的替代品。 见附录以便更深的讨论为什么工资日贷款没有替代品。工资日贷款是怎么运作的？个人带着最近的支票，支票本或者银行记录去工资日贷款点。没有银行记录或者没有工作的就没有资格。一笔典型的贷款是300元，费用50元。在一个案例中，一个

15、借款者会开一张支票或者授权银行取钱，数额为350元，日期定为工资日，通常有10到14天。贷款者核实工作与银行信息，但是不会做一个正式的信用评估。在工资日，如果借款者无力兑付支票，这常常发生，她将回到工资日贷款点再为借款筹资，需要再付50元。借款者通常都会是熟客。根据Center for Responsible Lending (2004)的报告，91%的工资日贷款者一年内都会有5次以上借款。（通常是8-13次）2竞争力假说居民往往会遭遇到一些紧急状况（例如医疗费用或者车辆损毁），这使得他们缺乏现金。银行并不为此提供资金，因为小额短期贷款的交易费用是巨大的。潜在的借款者处于反高利贷法与更高法律限

16、制的矛盾之中。数额较小的个人灾难会导致空头支票，滞纳金、效用终止,房屋收回,在某些时候，还会止赎，驱逐和破产。50元费用要比这些便宜多了，尤其是工资日借款躲避拖欠在多个义务。在这些情况下，工资日贷款者就有如英雄一样。消费者权益团体认为，工资日贷款的问题不是单一贷款，而是循环贷款，如果居民不能在一次借贷中还清借款。这个观点并不总是正确的。如果居民面临短期的个人麻烦，他也许会愿意以400￥的代价解决而无论是否处于财务危机。即使对于重复借款者，工资日贷款也增进了那些有需要者的福利。在另一方面，消费者权益团体也许是对的。如果工资日贷款会带来过度消费呢？大量的的文献证明时间不一致的偏好会导致偏向性消费(

17、e.g., Jones, 1960; Thaler, 1990;Attanasio and Browning, 1995; Stephens, 2006) 和缺少储蓄(e.g., Thaler andShefrin, 1981; Laibson, 1997; Laibson, Repetto, and Tobacman, 1998; Choi, Laibson and Madrian, 2005)。Gul and Pesendorfer (2001; 2004)ODonoghue and Rabin (2006), and Fudenberg and Levine (2006)的诱惑与自控力模

18、型说明工资日贷款所带来的现金会导致偏向性消费。在这些模型中，在一些中间期，如果存在事前的自我控制机制，消费欲望可能会得到抑制。如果禁止工资日贷款，那么消费欲望很能会被降低。宣称缺乏自我控制机制会降低福利需要一个特别的视角。显示偏好参数(e.g., Gul and Pesendorfer, 2001;2004)工资日借款人从自发购买中获得足够的效用来抵消未来消费的消极后果。ODonoghue and Rabin (2006)从另一个视角认为工资日贷款就是恶棍。他们把福利看成事前的长期的。从这个角度看，消费欲望降低了整个生命周期内的效用。如果工资日贷款能够促进消费欲望，那么未来的消费就会降低。 O

19、Donoghue and Rabin (2003) and DellaVigna and Malmendier (2004)的观点中借款者要么天真到缺乏自我控制力要么不存在承诺机制。如果不是这样，个体就会自控。借款者可能同时受制于两者，不能抵御花费的念头，在贷款很容易的情况下轻易消费。从ODonoghue and Rabin (2006)的角度看，如果长期福利可以增进，那么工资日贷款理应被禁止。需要注意的是。贷款者可以既是英雄也是恶棍。存在两种借款者，一种是面临着个人紧急事务，一种则把借款视为例行的商业活动。后者通常会伴随着消费欲望所带来的困扰。Skiba and Tobacman (2005

20、) 认为借款者的行为与个体对消费冲击的反应和时间不一致偏好的反应是一致的。因为我实证性的设计重点是外生性冲击诱导财务危机，我的结论可能无法发现消费欲望的负面影响。对于贷款者究竟是英雄还是恶棍还存在争议，我们必须知道工资日贷款的分配。例如，多大比例的款项被用作帮助人们处理临时的困境。Elliehausen and Lawrence (2001)发现66%的被调查者借款是为了应急。基于此，可认为我的结论可应用于三分之二的工资日贷款。但是我更倾向于低调的解释而不是把他用作福利加权的社会计划。个人紧急状况是生活的一部分，因此我才会发问工资日贷款者是英雄还是恶棍。有一部分借款者的福利我并不了解。我理解响

21、应的政策含义。3实证方法论分析的目的是发现贷款者的存在对于福利有什么程度上的影响。财务危机（f)线性影响福利增长。高利率的贷款者（L）可能会减轻或者加剧福利。表示时间t地区z个体i福利的变化。表示时间第一次变化。我指的是福利增长随时间的线性变化。时间虚拟变量去除了在福利增长中的任何经济大幅波动，所以个人财务危机的系数反映了时间t个体i的特定影响。等式式1去除了个体的福利增长的固定效应，。如果个体可以接触到贷款者，指示器变量等于1。在社区z是否用位置来定义能接触到因为居民不会跑太远去找一个贷款(Elliehausen andLawrence, 2001)，一个地区大约有21，000个人。在人口稠

22、密的地区，下一个社区可能很近。因此，为了预测，我忽略了人口稠密地区。如果等式1可以被预测，主要利率的系数可以反映接触到贷款者是怎么作用于财务危机影响福利增长的。等式还存在三个严重问题。 另一个问题是残差序列相关，这个问题可以相对轻松地被解决。1。从个体层面来看测量福利和个体财务危机的变量还没有实现。2贷款者的位置是外生的，也许会导致估计量偏差。3，财务危机和福利增长都同时取决于社区的经济状况这也导致可能存在偏差。在下文，我将对等式1进行一系列变换，并构建框架解决这些问题。由于缺少数据，我将财务危机分为两类：个人紧急危机与自然灾害危机 在实证环节，我允许危机的影响随个人紧急状况或自然灾害而变动，

23、但现在我假设个体要么资金受限要么充裕。由于两类危机可以在同一时间发生，所以变量可以拆分为：分解的好处在于与贷款者的位置无关。准确的说灾难发生与贷款者的位置相关系数是0.005。另一种数据处理办法是在社区层面聚合模型，平均社区的人口。聚合有利于两方面的简化。由于大的自然灾难地区相对较小，我将个人下标i从自然灾害变量中去除，如果地区太大那么灾难就没什么影响了。另一个简化是社区中个人紧急状况的平均数量相当于社区中任一因为个人紧急状况陷入财务危机个体的倾向。代表倾向。我假设社区有一个中期的对与个人紧急事务的倾向（时间下标消失）。个体可能进入或脱离危机，但是在一个给定的社区一段时间内只有固定数量的个人陷

24、入危机。在更长期内，这个假设不成立，因此在预测中，我把定为三年。和既不可以预测也不可以观测。通过简化和聚合得到一个包含所有可得数据的等式。 固定影响指的是没有危机和贷款者时社区的福利。3.1反事实框架社区级别上的遇险的分解与组合并不能解决贷款者位置外生性与遗漏变量偏差的问题。但是，等式2运用三重区别的方法构筑了一个反事实框架确实的解决了这些问题。基本思想就是运用一个DID对没有遭受灾难的社区估测福利。(DID维度：时间，有无贷款者）同时对那些遭受自然灾害却没有受到随机的救助的社区的反应做一个类似的DID预测。操作如下。treat表示已经遭受或将要遭受灾难的社区，cntrl表示没有遭受过的。可以

25、接触到贷款者的社区我标记下标L，没有的则是N。对于每一个可以接触到贷款者的社区，想象选择另一个没有贷款者的社区，时间，居民在个人遇险时倾向皆吻合，选择特定一对，假设。用等式2对这些社区做一个DID预测。需要注意的是我在所有受控社区中对DID做了一个平均。我不能把这个预测当做借贷者对福利影响的随意的测量。有贷款者与无贷款者社区福利增长的区别在于贷款者位置的外生性与其他贷款者的经济倾向。同样的操作得到了DID预测:在一个受控的例子中，我不能随意解释DID预测。福利增长的不同也许与有无贷款者相关但是这些原因却与灾难引起的经济危机毫不相关。但是等式2揭示了平均来看，福利在两种社区中如何区别增长的。根据

26、直觉，最终的区别从等式4的DID预测中减去等式3的DID预测。4个社区从1到M求平均值，最终预测是： 等式5中，我假设，因为社区固定影响并没有受到灾难的影响。只要样本足够大这就成立。另外我认为四个都是在同一时间发生，所以去掉了时间下标。只要我在同一时间里选择有灾难和无灾难配对，时间虚拟变量就可以被省略。我在等式中包含了时间虚拟变量。独立性假设是不可缺少的条件。如果不存在自然灾害，那么有无贷款者社区的不同的福利增长将与受到救助的组一样。假设基于自然灾害是随机发生的。尽管贷款者位置外生性与遗漏变量偏差存在，但是这同样存在于所有的社区里。任何从外生性导致的偏差分列于误差项。相应的方程是：等式受到限制

27、，所以第二和第四个系数相等，第三和第五个反映了遇到个人危机或者自然灾害对于财务危机的影响相同。我放松了限制以说明结论的通用性。显示了危机对福利的影响， 显示了贷款者的存在减少或放大了不同类型的财务危机。为了解决Bertrand, Duo and Mullainathan (2004)所讨论的序列相关， 我把各邮政编码放到一个观测值里反映了在自然实验里邮政编码的变化。3.2弹性和工具变量可以认为有无贷款者的社区灾难的弹性不同因为贷款者的存在。缺失弹性的变量只在特定的条件下出现，因此受控的反事实框架不会纠正偏差 技术上讲，前一块显示了和，但是这并没有排除的可能性。要解决这个，必须讨论为什么有贷款者

28、的社区与对照组的没有贷款者的社区反应不同。例如，在灾难时，贷款者可能出现在联系更（不）紧密的社区。这并不显著。我解决问题首先通过将受控变量插入可直接衡量弹性的等式7，然后测量贷款者的位置。对于止赎，我用商业的变化测量弹性，社区里建立和总体工资支付的数量通过人口标准化。还有房产的价格变化 (Campbell and Cocco, 2006)。对于小额财产犯罪，我用两个经济变量加上暴力犯罪的变化来测量弹性。我分别用房产价格变量和暴力犯罪变量直接测量止赎和小额财产犯罪的直接影响。用协变量显示结果，我通过工具变量确认我了的工作。变量是2006年一个区的十字路口数量。一个合适的变量必须满足两个要求：在第

29、一阶段相关。在第二阶段满足排除限制条件。这很容易满足。根据美国财政部的报告（2000）工资日贷款者，就像加油站一样，总是出现在十字路口。这结果很直观。在日常生活中，贷款者出现在居民容易接触到的地方。为了排斥在外限制条件式成立，十字路口必须与福利增长的无法解释的部分不相关。在匹配的第一时间差因变量社区下讨论缓解了许多对排斥外在限制的破坏因素。要想破坏，路口的静态测量预测了对社会福利的残差变化。然而，可能存在对十字路口与人口密度关系的担心。邮局不时的根据人口调整邮政编码的大小。因此人口密度越大的地方拥有更小的土地面积。对于有相同人口的配对社区来说，土地面积大小是否会有更多十字路口并不明显。但因为我

30、将大城市排除出分析，所以可以专心于可以对比的邮政编码。更多的十字路口与经济活动的增长之间的联系可能会有争议。因为我对十字路口的测量是事后（2006）到分析期。在同一时期，地区经济增长可能会引起十字路口数量的增多。这不同。从住宅到商业的道路变化与新建道路的出现的进程都是十分缓慢的。此外，道路并不会消失，也不会因为经济活动的衰退就消失商业地块。但是，即使测量的事后性不是问题，基础设施有利于未来的经济发展，在将来可能会引起止赎和犯罪的下降因此，在预测4中，我建立薪资数据控制了经济活动的增长，在样本期的末端静态的预测了4。运用在1998年来自SCF的4300个人群样本，估计这些人最后受这些措施限制的概

31、率。这样的逻辑估计跟Jappelli（1990）和Calem美斯特（1995）使用的是相同的程序。我用他们的可以在政府文件中查找的社会经济变量，比如财富，收入，年龄，教育，婚姻状况，种族，性别，职业，家庭出身，宗教信仰，教育程度，家庭规模，家庭和汽车保有量，住房成本等待。受益于社会经济特征的分布，而这不只是手段，我将变量定义在受访者是否属于一个值的范围。例如，我不将收入作为一个变量使用，而是作为两个范围之间的一个指标。表2列出了受财政约束的概率估计结果。逻辑估计预测一个人89的时间是否收到财政限制。运用大多数的解释收入和年龄变量的方差，得出R-平方运行从0.096到0.150。我只简要地强调了

32、结果，有兴趣的读者参考Jappelli（1990）和Calem与美斯特（1995）。表2中的系数应作为“一个富裕的，受过教育的，单身高级男性”的对比解释。对于收入在 15,000 - 45,000美元的人而言，所有的三个因变量中，受到资金限制的概率是最高的。Elliehausen和劳伦斯（2001）的调查数据发现，个人收入在$ 25,000 - $ 50,000范围内的占“发薪日借款人”一半以上，这表明，我确定了一个与之相关的个人样本范围。贷款的制约因素在18和34之间的某个地方达到峰值，之后随着年龄的增长而普遍减少。此外，非白人与拥有车辆的人面临更多的约束。其他的结果会因用来衡量财政制约的变

33、量的不同而不同。在这些非决定性的结果中，教育是特别有趣的的变量。当加入收入变量是，教育变量具有的解释力非常小；但除去收入这样变量，会发现，在后期的还款方式规范中，那些没有完成高中教育的人受到的制约会更多。我利用这些系数，查找普查数据中1762个加州邮政编码的线性关系。换句话说，我根据每一个邮政编码的特点，用居民百分比乘以每个系数并最后加总。我不但分别研究了三个衡量受财政限制的因素，而且还分别分析了1990年，1997年（更新的社会经济变量）和2000年这三年的普查数据。为了避免时间差异产生的预测误差，我穿插在几年之间进行研究。由于运用每一个变量分别测量制约因素中的重要部分可能引起争议，所以，我

34、想将这些变量形成某种组合进行一次性测量。为简单起见，也因为我不想强加主观假设，我会重新确定预测变量的范围，将每个变量赋予0.10相等的权重以便于论述，并对测量每个邮政编码的三个变量取取平均数。为检测是否丢失信息，我创建了一个索引，检查三个变量的主成分。第一主成分占据了三个变量方差空间的的80（特征值为2.4）。因子载荷重量几乎等于整个三个变量，并且这些因素的得分与我设定的平等加权指数的相似度超过0.95。 运用手中的倾向分数，我将那些遭受灾害和未遭受灾害的社区区分为两个池进行近邻比对，在允许更换的共同支持下，比对他们是更接近贷款人还是非贷款人。因为我的止赎和犯罪数据不能全面覆盖所有邮政编码和年

35、份，所以观察的数量和匹配样品是不一样的。我所选择的方法指导我应该一次性做一个4路匹配（遭受灾难/非遭受灾难和贷款人/非贷款人）。然而，我遭受灾害的样本池比非遭受灾害的样本池校，所以我不太可能建立一个双向匹配的偏差。总体而言，我在遭受灾害的观察样本（在一季度的水平）中选取了899个邮政编码进行赎匹配，在遭受灾害观察样本（在一年的水平）中选取了492 邮政代码进行犯罪匹配的意见。当对照组观察值重复选择时，我相应的赋予以下四个组值都具有同等得权重：非遭灾/非贷款人社区，非遭灾/贷款人社区，遭害/非贷款人社区，遭灾/贷款人社区。我运行一个卡方检验，将居民的信贷约束平均倾向于四个社区。 0.438的邦弗

36、朗尼调整p值运行不拒绝，表明都是一样的。4数据和汇总统计我把分析限定在加利福尼亚州,利用过去一段时间超过发薪日贷款人的位置和福利变量的微观数据,并把分析隔离在一个单一的监管环境。我剔除大的市县，把重点放在跨越邮政编码线不作为日常业务的地区，和在我的犯罪数据更精确的（如下所述）的地方进行。特别是，我剔除了人口超过80万人的11家大型citycounties（共58），等于或大于旧金山人口的所有县。分析的时间段是1996-2002年。4.1福利变量止赎作为一种福利措施，当公民的房屋被取消赎回权的时候,它必须是公共事业的底线。诚然，有自己的房子抵债在某些情况下可以是有效的，即使考虑到大的交易成本。一

37、般的规则是，止赎是低效的，如果房主的收入现值是足以应付目前的消费现值，包括住房消费，但房主缺乏获得信贷使用未来收入作为抵押的平稳消费。在我的经验设计中，匹配的三重差异减去了类似的社区（非灾区）的一般模式和强制止赎的灾害影响(灾区和非贷款区)，从而隔离唯一的金融强制性止赎。 我用的因变量是从1996年至2002年期间邮政编码下由加州房地产经纪人协会和兰德公司统计的季度住宅止赎.按我的方法，我的工作是止赎率, 从政府获得的全部邮政编码社会的总人数中业主自用住房止赎。表1报告，在估计使用匹配的样本，取消抵押品赎回权的范围从零到59每季度邮政编码，平均10.9（6）（中位数）。就利率来说，这意味着平均

38、每千名业主自用的房屋有3.0单位的止赎。 我衡量福利的第二种方式是小财产犯罪。加州犯罪数据是加利福尼亚州刑事司法统计中心通过RAND统计1996至2002年的每个民警管辖。由于警方的管辖权可能是一个县，市，镇，或地方当局（例如，一所大学或铁路警察部队），我需要以一种有意义的方式分配犯罪。我手动确定由警察管辖范围涵盖所有邮政编码和分配内覆盖的邮政编码人口比重的罪行。我然后聚集横跨所有警察部队的邮政编码的犯罪。这种方法是不完美的。最大的偏差将在洛杉矶，因为我根据人口分配所有在洛杉矶县和在洛杉矶邮政编码被市警察部队逮捕的犯罪，加强了剔出这些大城市县的需要。问题最不严重的是小城镇，当地警察部队很好地定

39、义在邮政编码内。 其中可能的犯罪的措施，我专注于小的财产犯罪,盗窃罪（非有力盗窃的，例如店铺盗窃），偷车及爆窃案。我专注于这些罪行，因为他们是非暴力，缓解财务困境和犯罪行为之间的联系是最直接的。由于犯罪的力度是根据量刑标准，从盗窃偷车爆窃单调递增，我可以学习到个人可以什么程度上用犯罪以缓解财务困境。表1报告的盗窃罪，偷车及爆窃案的平均数分别为672，145和232每邮政编码。在这种估算中，我通过家庭单位正常化它们.4.2发薪日贷款机构和交叉口数据1996年加州参议院法案规定发薪日贷款合法化，并规定了在加州授权的公司的授权和监管。该署有每个发薪商店的许可证数据，与原来的牌照日期和停牌日期，如果适

40、当的话，为每个活动和非活动的贷款人。这些数据的一个需要注意的是，发薪商店在一定期限内在两个贷款类别中列出：加利福尼亚州的金融贷款机构和消费信贷的贷款人。我过滤掉保险公司，汽车贷款公司和不动产贷款。我无法完全区分检查收银员许可证被借给只有标题贷款或不发薪的小额消费贷款。然而，根据我的计算,在2002年,有2160个发薪商店，或一个州每16000人有1个贷方。这个数字几乎完全与被tegman和 Faris（2003）引用的加利福尼亚数据以及Graves和Peterson（2005）从律政司取得的数据是一致的。值得注意的是,2002到2005年发薪日贷款在加利福尼亚的数据大幅度增加.根据发薪日贷款人

41、的地址，我利用地理信息系统软件（ArcView）绘制地址的经度和纬度坐标，然后从政府邮政编码覆盖映射数据。表1介绍了社区级的发薪日贷款汇总统计。平均数和中位数的邮政编码有1.9和1个发薪日贷款.设计在是/否的问题，是否有任何发薪日贷款，相当于以高于或低于中位数的邮政编码社区的基础上完成的.图1描述2002年发薪日地点映射邮政编码，连同社区从3.3节限制信贷的倾向。邮政编码点越大，贷款密度越大。最小尺寸圆点表示在邮政编码内没有贷款包括所有的角度。邮政编码阴影反映的信贷约束的倾向;倾向越高的信用约束，颜色越深。我指出发薪日贷款的交叉口邮政编码计数的位置。我从加州运输部获得2006年的详细道路数据，

42、并计算节点在地理信息系统，地面道路相交的路口密度。高速公路或住宅区街道的地面道路是有区别的。对于国家指定的农村地区，我允许高速公路要考虑地面道路，因为电子商务常常在非市区中心的高速公路出入口。平均数和中位数是74.8和55。 其他统计资料表1中的数据，B组共变数。邮政编码水平的地理变量说明在这个表中.4.3自然灾害数据 自然灾害的数据来自南卡罗来纳州大学的Sheldus危害数据库，提供了位置（县），类型（洪水，wild.re等），以及自然灾害的财产损失幅度。虽然灾害观测是县级，危害数据库中的注释字段包含更详细的位置信息，最经常的形式是查明受灾地区的城市名称或NOAA（国家海洋和大气管理局）代码

43、。对于每一行的项目，我手动归纳灾害提供的最小面积，然后用地理信息系统方案覆盖灾害邮政编码归属。危害数据库包含了所有的自然灾害，在一个县造成超过50,000美元的财产损害。因为本文的重点是止赎，我关心保险的作用，特别是如果保险举行差异性跨人口统计。因此，不是试图控制可能的保险支付，我把重心放在保险可能最少覆盖的灾难上，尤其是从我的样本上消除地震，风灾和龙卷风灾害。一个补充的福利是，这些灾害是最有可能援引州或联邦的一揽子援助。表1，B组包含灾害统计的突破,1996-2002年的样本期间的灾害类型。我汇总子类别（例如，进入风暴冰雹）提出这些一般统计数据。洪水和泥石流灾害的人数最多（137宗）和社区的

44、影响（2,175）。82个暴风雨占1381邮政编码观测。最后，59野火造成701邮政编码社区的损害。不出意外，造成财产损失（每事件）野火和洪水比风暴高出许多。因为止赎和犯罪数据不包括所有邮政编码，这个估计只用了这些灾害的一个子集。5赎结果 表3和表4给出了匹配的样本赎结果。因变量是邮政编码的季度止赎率的变化，其中变化的平均止赎率定义在4至7的区间，这一区间是用在灾难发生后的平均止赎率（匹配组对齐）减去在灾难发生4个月前的平均止赎率得来的。我将发布期延后3个季度，以使加利福尼亚州的平均时间匹配在赎的高峰值。贝特朗，迪弗洛，Mullainathan（2004）强调，可以为邮政编码设置一个单一的倒塌

45、观察，以降低序列相关问题差异性。 自变量是那些由方程（7），加上邮政编码中房价级差（季度平均值）的变化，变化的薪金（年度），以及机构单位数目（年度）的变化。序列2和4包含与灾害相互作用的协变量，以消除自然灾害任何影响社会的弹性因素。列1和2的估计使用的是约束最小二乘稳健标准误差和年虚拟变量。下表显示该变量是等于符号（C 1）和（C 2），分别在第一个限制条件和第二个限制条件下。第一个约束使得的系数（2）等于（1 -）*Disaster的系数。这个系数被解释为financial distress 对foreclosure rate changes 的影响。第二个约束使得*Lender的系数（3）

46、等于（1 -）* Disaster*Lender的系数。这个系数体现了两种类型的贷款人的财务困境的相互作用，进一步解释为财务困境对贷款人有权进入的社区的抵押率变化的额外影响。列1和2表明，财务危机，由行一（）和行四（1 -）*Disaster）的系数体现，正如预期的，对丧失抵押品赎回权具有强烈的正面影响。然而，贷款人权利（行2和行5）减轻了这种冲击。利率模型中的主要系数的差异在第一列和第二列之间相差不多，这表明列1的估计值不仅是确认遗漏的弹性变量。在解释这些系数之前，我在一个无约束的框架下重复了1和2的估计值，只使用一个OLS difference-in-differences 方法（技术上，

47、由于因变量在变化，它是一个三差分），在列3和列4。我没有限制我的估计值，为了确保我正在辨别XX自然实验的灾难，而不是居民对于财务约束的倾向性。从列3和4，1和2来看，自然灾害的影响对个人福利的影响是非常相似的。因此，主要的结果是稳健地放宽约束以使得所有形式的压力相等地影响到抵押品赎回权（foreclosure）。因为列3和4比第1，2列更直接更保守，所以我从第4列来理解经济规模。Pre-disaster意味抵押品赎回权的数量为3.2每季度和每1000名业主自用住房。灾难的约束系数是1 : 6，这意味着一个灾难或其他困境的原因将造成额外的1：6的丧失抵押权的房屋每1000家，增加百分之50。当个

48、人获得贷款，所有除了丧失抵押品赎回权0.3的增加都得到缓解。融资似乎减轻了1.3丧失抵押品赎回权每1000家。相关变量的系数是符合预期的。随着房价增长，丧失抵押品赎回权将如预期经历较低的增长。这种效果在自然灾害期间被消除掉。更多的工资总额也与较少的丧失抵押品赎回权联系在一起，效果不受灾害影响。在更多的商业社会中，衡量企业的变化，增加了丧失抵押品赎回权的成长。然而，如果社区抵御灾害，他们不会失去企业，他们将经历丧失抵押品赎回权的低增长。我现在做的IV的结果。确保我能证明贷款人和取消抵押品赎回权之间的一个因果关系，表4列出了我采用交叉项工具所产生的结果。我对这些工具的变量用了控制函数方法，在这些变

49、量中第一阶段的残差被包含在了第二阶段。我这样做是因为，工具（instrument）和灾难（Disaster）的交互需求创造了非线性关系使得工具（instrument）进入第二阶段。伍德里奇（2001）表明，控制函数方法在这些条件下是更好的。 右边的表4显示了第一阶段回归，利用交叉项作为工具。我把地区作为相关变量包含在了两个阶段里来引起地区邮编的大小差异。交叉项在预测是否一个贷款人所在位置时，在1%水平上是显著的。除了房价，所有的变量都是显著的。越多的工资总额增长，更多的企业增长和越低的区域预测的位置，贷款人。第一阶段的F -统计量是31.64，超过了工具（instrument）相关的临界值。我

50、从工具（instrument）对于贷款人（Lender）的回归得到了这个可预测的概率。通过对第一阶段的500次剥离和使用在500个新的第二阶段估计值中500种不同的IV_Lender预测值，我修正了已产生的回归元的第二阶段的残差。如果IV_Lender 不是一个产生的回归元（Petrin and Train,2001），我会把500个新系数估计值的方差加到从第二阶段估值来的参数的稳健方差上。第二阶段估计使用了OLS（最小二乘法）作为一个三差分在表3的第4列。为简单起见，我不显示所有的相关变量系数；他们跟表3第4列非常的相似。也许IV specification导致的最重要的变化，是这些主要变量

51、（Disaster; Lender; Disaster和Lender交叉项）的估计值都变大了。在一定程度上，这是技术性地。初始变量Lender是一个均值和标准差都等于0.5的虚拟变量。IV _Lender是一个有相同均值，但标准差等于0.5的连续变量。因此，Lender 和 Disaster*Lender的相关系数可能仅仅反映的是紧绕着均值的偏差。IV _Lender * Disaster的关键系数估计值是-3.09。虽然从第一步误差bootstrapping过程，该变量参数的显著性就在下降，但结果仍然是具有解释力的。比较表3和表4的结果，我认为有两个标准偏差的情况趋向于社区中有一个贷款人的现

52、状（这是和表3中从没有lender到有一个lender，在标准差方面的一个比较）。当自然灾害发生时，一个拥有一名移民借款人的two standard deviation higher赎回可能性将减少0.4 * -3.09，等于1.23。这些结果和表3中的结果十分相似：在1000人的社区的distress时，一个lender的存在将减轻1.23的赎回。直观地说，一旦应用了IV，我发现灾害造成的赎回增加了72%（= 2.3 / 3.2）。同时由于外生引致的财务困境导致的赎回增加，贷款人减少了一半多一点（56%）。关于稳健性，我考虑的是payday lenders的目标是军事基地。（联邦政府于200

53、6年规定向军事人员贷款是非法的）因为加利福尼亚有许多军事基地，以及军事人员可能不遵守赎回的一般规定，所以可能我可能发现了一种军事效应。我所得到的结果的解释是，贷款人社区附近有军事基地的现象普遍存在于受灾地区，而贷款人社区附近没有军事基地的现象普遍存在于不受灾地区，反之亦然。而且，我在所有的军事社区进行了重新测试，从某种程度上来说这是真的。我以是否存在军事银行或ATM机的邮政编码来衡量一个军事社区。军事银行和ATM机的位置来自Army Bank, Navy Bank, Air Force Bank and Bank of America Military Bank这些网页。在重新测试的结果和我之

54、前的赎回测试结果并没有变化。6小产权犯罪结果表5的报告结果指出了三个小产权犯罪变量：盗窃，车内盗窃及爆窃。因变量是每年在每户的犯罪变化，这种变化是用发生灾难这一年的平均罪率（比赛组对齐）减去发生灾难前一年的平均止赎率所得到的。相同的弹性变项也包含在内，有机构和社区人均工资（但不包括房价）以及暴力犯罪。所有协变量都与灾害指标相互作用。列1-3使用的是估计约束最小二乘数，结合稳健标准误差和今年假设。该表显示哪些变量被限制在的赎估计，并且与（C1）和（C2）符号相等。列4-6，在简单的牛肚差异规范的基础上，进行三个因变量的重复估计。一个引人注目的事实是，自然灾害不会影响车辆的盗窃或爆窃。更严重是财产

55、犯罪，这些反映领土或企业导向的犯罪行动更有组织性。然而，我发现，自然灾害的影响，使统计的盗窃罪统计显著增加11.20个点。将这一结果放置在这样的背景下，同比增长11.20的家庭盗窃罪意味着平均每1000户就发生了68 盗窃罪，增长了18。研究发现，当个人获得贷款，伴随着自然灾害发生后的所有盗窃的增长将得到缓解。值得注意的是，在盗窃群体中，社区贷款利润有一个达到9.98的陡峭增长。在跟第4栏不受约束的三重差异规范的结果非常相似。协方差结果看上去也很有趣。正如预期的那样，暴力犯罪的变化解释了非暴力的小财产犯罪变化的变化。灾害增加了暴力和小财产犯罪之间的关系强度，使它们之间的灵敏度几乎翻了一倍。唯一

56、重要的其他协变量是，灾难发生后盗窃和偷车犯罪人群工资的变化，但在赎结果中，灾害不影响这种变量的敏感性。表6报告犯罪结果的工具变量规范，注重三差规格并尽量减少各因素之间的相互作用。一次汽车偷盗行为没有影响的自然灾害或获得信贷。我发现，获得信贷的可以减轻财务困境带来的影响。表5中显示，系数的大小对四_lender *灾害与平行（4）的影响是非常相似的。四_lender是一个连续变量，然而，为了取消抵押品赎回权的结果，我调整解释的事实，以求得更严格的标准偏差。由此产生的四级如下：自然灾害造成盗窃增加8.766或13%（= 8.766 / 68），和贷款人减轻2.67（= 13.36 * 0.2）犯罪或30%增加以下盗窃引起的金融困境。这一结果是重要的，但只有10%的置信水平。由于额外的差额产生的回归，捕捉到引导标准误差。也许最有趣的一系列犯罪的结果是，金融危机和效益。从获得的信贷问题只有最小的财产犯罪，在连接之间需要现金和刑事行动无疑是最直接的。7结论借助在三重差异框架工作中的自然灾害外源性休克，