凡是搞计量经济的，都关注这个号了
邮箱：econometrics666@126.com
所有计量经济圈方法论丛的code程序, 宏微观数据库和各种软件都放在社群里.欢迎到计量经济圈社群交流访问.
正文
关于下方文字内容，作者：冯宁静，湖南师范大学商学院，中央财经大学中国财政发展协同创新中心，通信邮箱：fengnj2000@163.comAndreas Fagereng，Magne Mogstad，and Marte Rønning. 2020. “Why do wealthy parents have wealthy children?” Journal of Political Economy.We show that family background matters significantly for children’s accumulation of wealth and investor behavior as adults, even when removing the genetic connection between children and the parents raising them. The analysis is made possible by linking Korean-born children who were adopted at infancy by Norwegian parents to a population panel data set with detailed information on wealth and socio-economic characteristics.The mechanism by which these KoreanNorwegian adoptees were assigned to adoptive families is known and effectively random. This mechanism allows us to estimate the causal effects from an adoptee being raised in one type of family versus another.
摘要：我们表明，家庭背景对孩子成年后的财富积累和投资者行为具有重要影响，即使在消除孩子和抚养他们的父母之间的遗传关系后也是如此。通过将婴幼儿时期被挪威父母收养的韩国孩子和人口面板数据集相联系，这种分析成为可能，数据集中包含了关于财富和社会经济特征的详细信息。这些韩国被收养者被分配到收养家庭中的机制是已知的且实际上随机的。这种机制允许我们去评估被收养者在一种类型的家庭中被抚养对另一种家庭的因果关系。为什么富裕父母的孩子往往自己也很富裕？过去十几年财富不平等现象加剧的证据引发了政策制定者和类似的研究者对该问题越来越大的兴趣。目前存在两种解释。一种是纯粹的选择故事，父母可能通过遗传传递能力和偏好，在收入、储蓄行为和金融风险承担上创造代际联系；另一个故事是因果关系，孩子财富的积累取决于父母的行为，比如财富的直接转移、促进儿童人力资本和收入能力的父母投资等。本文使用韩国-挪威被收养者的准随机分配来估计孩子在一种类型和另一种类型的家庭中成长的因果效应。同时，为了帮助解释结果的经济意义，作者比较了被收养儿童和未被收养儿童之间的代际财富关系。为了评估结果的敏感性，作者也执行了一些稳健性检查。接下来，为了了解机制，作者进行了一系列的步骤。首先调查分配到更富有父母的影响是否通过与父母财富相关的儿童抚养环境的其他可观测特征来运作。然后，作者借鉴Heckman（2013）在应用中介分析来量化替代渠道的经验重要性。进一步，为了评估普遍性问题，本文研究了收养结果的外部有效性可能受到限制的可能原因。综上，本文的研究补充了一个小而不断增长的文献，该文献记录了各国之间财富的代际相关性。使我们的研究独特的是可信地控制能力和偏好的遗传差异，由此来理解为什么富裕父母的孩子往往自身也会更加富有。本文首次利用被收养者的准随机分配来估计家庭背景对财富积累和投资者行为的影响。在方法和目标人群和本文的研究最接近的是Sacerdote (2007)。本文使用与之相同的识别策略，但本文使用不同的数据，考虑不同的处理方法，并且观察到了不同的结果。与Sacerdote (2007)不同，本文还探索了机制，考虑了被收养者经验教训的普遍性，并扩展了遗传分解分析，以纳入先天和后天因素的相关性。本文还使用收养数据来研究广泛的社会经济变量中的代际传递，这些研究对于记录代际持久性和社会流动性的各个方面非常重要。同时，本文也与家庭金融中一篇文献相关，该文献利用行为遗传学分解来研究同卵和异卵双胞胎的金融风险承担。然而，这些结果需要谨慎解释，因为行为遗传学模型依赖于很多强有力的假设。而与上述文献不同，本文的主要分析不依赖于限制性行为遗传学模型，而是利用被收养者的准随机分配来显示家庭背景和个人股票市场参与度和投资组合风险之间的显著因果联系。并且，为了直接将我们的发现与家庭金融文献进行比较，作者还通过行为遗传学模型的镜头将本文数据进行解释。与标准模型相反，本文的分析纳入了遗传学和家庭环境之间的相关性。研究表明，家庭环境和遗传在解释儿童财富积累的变化方面都很重要，与使用双胞胎数据的现有文献相比，本文没有发现在金融风险承担方面具有显著的遗传组成部分。2 Data and descriptive statistics本文分析采用了来自挪威的几种数据源，可以通过每个个人和家庭的唯一标识符来进行链接。关于被收养者的信息来自国家收养登记处，其中包含了自1965年以来所有本地出生和外地出生的被收养者的记录。数据集包括了被收养者的详细信息（例如出生日期、性别、原籍国、领养日期）和养父母的身份识别信息。作者使用一个丰富的纵向数据库，将这些信息与挪威统计局提供的行政登记册合并，该数据库覆盖了1967-2014年的每一位居民。每年，它包含个人社会经济信息（包括性别、年龄、婚姻状况、教育程度）和地理标识。在1994-2014年期间，能将这些数据集和每个挪威人的税务记录相联系。这些税务记录几乎包含所有年收入来源（包括收入、自营收入、资本收入和现金转移）以及大多数资产持有和负债的信息。收入数据以年度金额报告，而资产持有量和负债价值的数据以每年的最后一天计量。2.2 Definition and measurement of key variables本文的主要分析使用了1994-1996年父母财富和2012-2014年子女财富的数据。采用三年平均财富来减少短暂变化的影响。在大部分研究中，本文使用净财富，定义为非金融资产和金融资产的价值减去未偿负债的价值。衡量净财富最大的挑战在于，税收数据记录的是全部抵押金额，而不一定是房产的实际市场价值。为了应对这一挑战，作者从挪威土地登记处获得了数据，其中提供了房地产交易的综合信息。对于挪威几乎所有的房地产，该数据集包含1994年以前最后一笔交易的信息。此外，它记录了1994-2014年期间的所有房地产交易。该数据集提供了交易的详细信息，包括对于卖方、买方和房地产独特标识符、销售价格和房地产特征。使用交易数据，作者首先找到1986-2015年一个或几个时间点的给定房地产的市场价值。为了估计其他年份的市场价值，作者将房地产特征数据与特定地区和类型房屋的房价指数相结合。除净财富外，本文也给出了金融财富的结果。金融财富包括银行存款、债券、股票、共同基金和货币市场基金。为了分析人们如何组成他们的证券投资组合，作者遵循文献中考虑的两种资产组合：风险资产和非风险资产。风险资产被定义为具有股票成分和直接持有股票的共同基金的总和。投资组合风险的主要衡量标准是三年间投资于风险资产的金融财富的比例，称之为风险份额。作者用股票市场参与指标来补充这种投资组合风险的度量，如果三年期间至少有一部分金融财富投资于风险资产，则取值为1。2.3 Sample selection and summary statistics本文主要研究了被韩国父母收养的韩国出生的孩子。作者首先将样本限制于婴儿时期（18个月或更少）被收养的孩子，这种样本限制能够捕捉大部分养父母家庭中早期儿童环境的差异。进一步将样本限制为在1965-1986年期间出生的被收养者，这种样本限制能够观察到对相当数量的成年被收养者（2012-2014年）和他们的父母（1994-1996年）的感兴趣的变量。综上，这些限制提供了2254名韩国-挪威被收养者的基线样本。图1中的实线显示了被收养者净财富的分布，而表1左上角面板显示了同一样本除净财富外的变量的汇总统计。2014年被收养者的年龄在28-49之间，平均年龄接近36岁。被收养者更可能是女性，平均受教育年限为15年，家庭收入约为7万美元。在2012-2014年期间，平均净财富约为10.5万美元，其中3.8万美元为金融财富。大约13%的金融财富投资于风险资产，大约五分之二的被收养者在2012-2014年期间至少参与过一次股票市场。图1和表1提供了韩国-挪威被收养者和非被收养者（由亲生父母抚养的孩子）人口的比较，这两组孩子都在1965-1986年间出生。非被收养者净财富的分布由图1的虚线给出，并表明韩国-挪威被收养者在净财富分布方面与挪威非被收养者相当。两个样本的金融财富量和投资者行为也相似（表1的上面板）。相比于挪威非被收养者，被收养者往往年轻几岁，他们更可能是女性，并且平均受教育程度略高。在表1的下半部分，我们显示了被收养者和非被收养者父母的汇总统计数据。养父母相比于不收养的父母收入和财富更高。这些差异主要是因为在我们的样本中养父母年龄较大。如图2所示，一旦以出生年份为条件，两组父母的净财富的分布十分相似。以年龄为条件能帮助消除大部分养父母和不收养的父母之间的收入和教育差距。
图1和图2显示了父母和子女净财富的边际分布，图3通过显示父母和子女在净财富分布上的排名的关系来总结了各代人对净财富的依赖性。小组A关注于韩国-挪威被收养者，而小组B比较了被收养和未被收养的孩子财富排名的最佳线性预测。在这两个小组中，作者根据父母在父母财富整体分配中的地位来衡量父母的百分位数，将未被收养者的父母和韩国-挪威被收养者的父母集中在一起。相似的，作者定义孩子的百分位数为孩子在孩子财富整体分配中的地位，包括被收养者和未被收养者。为了调整孩子和父母之间的年龄差异，以孩子和父母出生年份的一组指标变量为条件。小组A展示了韩国-挪威被收养者样本关系的分仓散点图。每个点代表给定父母等级的平均子女等级（在y轴上测量）（由于样本量小，装仓量超过5个百分点）。粗实线表示孩子财富等级对父母财富等级的局部线性回归。细实线表示孩子净财富排名的最佳线性预测。小组B将被收养者样本（实线）的孩子净财富预测与未被收养者样本（点划线）的最佳线性预测进行比较。为了比较，还绘制了45度线（虚线）。未被收养者和被收养者样本的线性秩相关分别为0.24、0.16。这意味着父母净财富每增加10个百分点，亲生子女净财富平均增加2.4个百分点，被收养者净财富平均增加1.6个百分点。给定父母净财富，子女净财富的条件预期在大多数净财富分布的百分位排名中相对线性。在净财富分布的顶端，这种依赖性比从子女排名到父母排名的线性回归中预测的更强。
3 Assignment of adoptees to families在本文所考虑的时期内，几乎所有的韩国-挪威被收养者是通过名为挪威世界儿童（CNW）的组织来处理的。这个组织起源于韩国朝鲜协会，由韩国战争期间驻扎在韩国的挪威野战医院的人员于1953年成立。从韩国到挪威的收养过程由几个步骤组成。第一步是提交申请给CNW，由案件审查员审查。养父母必须满足预先规定的标准，案件审查员才会与养父母面谈来讨论他们的个人历史和家庭关系。这项家庭研究得到通过之后，家庭才有领养资格（在收养申请中，父母没有被给予机会指定性别、家庭背景和其他关于他们未来被收养者的任何情况，这条规则的一个例外是父母可以表明他们是否愿意公开收养一个大孩子）。整个审查过程通常为一年左右。第二步是CNW将批准的文件发送给霍尔特韩国公司。霍尔特系统中的幼儿按照申请到达的顺序被分配到挪威家庭。这种先到先得的政策意味着被收养者分配到哪个家庭取决于申请到达的顺序而不是孩子或养父母的特征。3.2 Verifying quasi-random assignment表2验证了先到先得政策创造了一种环境，在这种环境下，对收养家庭的分配与对收养时间的随机条件一样好。作者根据收养家庭的预分配特征来回归被收养者的预分配特征（在孩子出生时测量）。因变量是被收养者的收养年龄和性别，解释变量与Sacerdote (2007)在他的随机性实验中使用的预先决定的家庭背景特征一样，包括：家庭收入记录、父母受教育年限以及童年居住城市的收入记录中位数。在表2的第一列和第三列中，我们对每个家庭背景变量分别进行了回归。在第2列和第4列中，我们对所有家庭背景变量进行了多元回归。所有回归采用收养日历年的假人。回归结果显示，没有一个家庭背景特征是收养时儿童年龄或性别的统计学显著预测因子（10%显著水平），这是令人欣慰的。事实上，点估计值很小，并且综合起来，家庭特征仅能解释被收养者特征的一小部分变化。
为了评估随机试验的效力，作者对由挪威家庭收养的本国出生的孩子以及收养时年龄大于18个月的韩国-挪威被收养者进行了相同的回归分析（如表B.2和B.3所示）。表B.2回归结果显示养父母的受教育程度、家庭收入和被收养者的特征之间具有很强的显著相关性。当观察收养年龄大于18个月的韩国-挪威被收养者时，作者也发现了一些非随机分配的证据（正如预期的那样，因为父母公开表明他们收养年龄大的孩子）。国内被收养者和韩国-挪威被收养者的显著非随机分配的证据并不受大样本规模的驱动。韩国-挪威被收养者中的大多数在收养时年龄小于18个月，本地出生的被收养者和韩国-挪威被收养者的人数相似。
4.1 Research design and parameters of interest本文的研究设计聚焦于代际财富传递。为了准确说明在收养年份条件下，在被收养者随机分配的假设下，我们能（和不能）识别什么，考虑以下回归模型，该模型将儿童i的成年结果Y（如净财富）和个人特征以及家庭特征j相联系：
在作者给出回归结果之前，图4展示了数据的变化，作者使用这些数据来估计被分配到高财富和低财富收养家庭的总体影响。图的背景是按净财富划分的家庭密度直方图，这张图还描绘了被收养者成年后（2012-2014年）净财富与她的养父母（1994-1996年）净财富的函数关系。该图是对方程（1）的灵活模拟，根据局部线性回归描绘估计值（具有孩子和父母出生年份和收养年份的全套指标）。儿童财富在父母财富中单调递增。这一图形证据表明被更富有的父母抚养往往孩子成年后也会更富有。
表3为净财富代际关联的回归结果。依据方程（1），每一栏报告了OLS估计值，包括被收养者和其收养父母的收养年份和出生年份的全套指标。前三栏展示了去除了孩子和抚养他们的父母之间的基因联系后，养父母和韩国-挪威被收养者之间的联系。接下来三栏展示了保留了孩子和抚养他们的父母之间的基因联系后，父母和其亲生子女（与被收养者出生在同一年）之间的联系。最后两栏将样本限制为同时拥有一个韩国-挪威被收养孩子和未被收养孩子的家庭。样本限制使我们能够比较父母完全相同的被收养者和未被收养者。
在第一列中，点估计值为0.225，标准误为0.041。这一估计表明被分配到更富裕家庭的被收养者往往也会更富有。第二列控制了被收养者的收养年龄和性别，结果表明增加这些控制，净财富的代际联系并不会改变，这与被收养者随机分配到收养家庭的证据保持一致。第三列增加了对一系列可观察到的除父母财富外的儿童抚养环境的特征的控制。估计表明被更富有的父母收养的影响不是通过其与父母的教育、家庭收入、儿童兄弟姐妹的数量和童年居住地的相关性来发挥作用。为了帮助解释分配给更富裕家庭的影响程度，第四和五列报告了未被收养者样本（与被收养者同一年出生）的代际联系。研究发现相比于未被收养者（点估计值为0.575），财富从父母转移到被收养者要少得多（点估计值为0.225），。比较第三列和第五列，发现控制除父母财富外的儿童抚养环境的可观察到的特征，这个结论依旧成立。在第六列，作者根据预先确定的可观察到的特征对未被收养者的样本进行加权，以匹配未被收养者的样本，对比第五列和第六列，作者发现匹配结果和从具有控制后的OLS回归中获得的结果几乎相同。最后两列，作者过将样本限制为同时具有一名韩国-挪威被收养者和未被收养者的家庭来发现养父母之间可能存在未被观察到的差异是否产生影响。样本限制使得比较的是父母完全相同的被收养者和未被收养者。此时，研究结论并没有发生重大改变。并且，当父母和孩子存在基因联系时，财富传递比不存在这种基因联系（点估计值为0.276）要强烈的多（点估计值为0.468）。
在上述分析中，作者采用了1994-1996年父母财富的三年平均值和2012-2014年子女财富的三年平均值。财富衡量的平均父母年龄为48岁，平均子女年龄为35.8岁。在本文的基线规范中，被收养者的代际财富传递估计为0.225，未被收养者的代际财富传递估计为0.575。由于这一参数估计值是不同年龄潜在异质效应的加权平均值，因此代际财富传递中的生命周期变化问题受到关注。本文检验了以下方面的敏感性：儿童的财富年龄测量；代际财富测量的年龄差距。表B.4显示了代际财富传递对儿童财富年龄测量的敏感性，作者对韩国-挪威被收养者的样本（小组A）和未被收养者的样本（小组B）进行了稳健性检验。两个样本中的孩子都出生于1965-1986年。回归显示测量子女财富时，代际财富传递并不会随年龄发生显著变化。并且，在所有年龄段，未被收养者的代际财富传递大约是被收养者的两倍。然而，根据本文数据，作者无法观察到49岁以上年龄的儿童。因此，不能排除代际财富和继承的重要性在老年时更高。图B.1显示了调整跨代财富变量的测量年龄时代际财富传递的估计量。作者使用韩国-挪威被收养者和未被收养者的样本。对于每个样本，作者根据父母和子女财富测量的年龄差异来分别估计代际财富传递。研究发现：对于被收养者，年龄差距由15缩小到8岁时，子样本中财富传递没有发生实质性变化，但相对较少的的被收养者阻止我们进一步调整测量年龄；对于未被收养者，样本量足够大，能完美调整测量年龄。结果表明如果跨代财富测量的年龄差距很大、很小或没有时，代际财富传递仍然相似。
Other specification checks第一列和第二列中，作者检验了异常值的敏感性，发现执行对极值不太敏感的中值回归对儿童净财富中值的影响是显著的且接近表3中的基线估计。在基线规范中，作者对财富数据顶部和底部的0.1%进行了缩尾。第二列不进行缩尾处理，估计值没有发生明显变化。第三列说明使用家庭层面或个人层面的衡量标准，代际传递是稳健的。第四列说明当使用财富的年度数据而非三年平均数据时，估计值没有明显变化。最后两列，作者检验了描述代际传递的两种备选规格的稳健性，即等级-等级（第5列）和对数-对数（第6列）。这两种规格的估计表明，分配到更富裕家庭的被收养者往往自身也会更富有，并且代际财富传递并没有受到除父母财富外儿童抚养环境的可观测特征的驱动。然而，这种估计需要谨慎解释，因为对数-对数规格需要我们排除大量净财富为0或负数的子女和父母。
5 Mechanisms and generalizability
5.1 Mediation analysis of mechanisms财富积累的标准模型显示财富水平取决于个人收入、储蓄倾向和投资组合的选择、礼物和遗产的数量和选择。模型指出了父母和子女财富相似的几个原因，即使在去除子女和抚养他们的父母之间的基因联系时依然相似：富裕的父母会对子女投资更多的人力资本，提高他们的收入水平；富裕的父母可能通过出生或继承直接转移财富；富裕的父母可能会形成影响孩子储蓄倾向或投资行为的态度或特征。量化投入对财富积累的相对重要性的理想实验有两层随机化。首先，会将孩子随机分配到不同财富的家庭。然后，第二个实验将在富裕和贫困家庭实施，例如测量的输入值根据父母财富通过随机化方案而变化。诚然，本文无法做到这样的理想化实验，只能够将被收养者准随机分配至富裕和贫困家庭。因此，额外的假设是必须的。作者遵循Heckman et al. (2013) and Heckman and Pinto(2015)使用中介模型来量化机制。这种分析的目标是通过两种类型的输入或渠道来分解对结果产生的平均因果效应：（a）由实验对被测中介的影响产生的间接效应；（b）通过被测中介以外的渠道产生的直接效应本文的中介分析考虑了四个可观察到的中介因素：儿童教育、儿童收入、儿童金融知识和出生前父母财富的转移。利用1994-2014年间的数据，作者构建了财富直接转移的衡量标准。每年，作者都观察到来自朋友、父母和家庭其他成员的礼物和遗赠（现金或实物），因此，衡量礼物和遗赠的标准应包括直接或间接转移给个人的任何款项。儿童教育用受教育年限衡量，儿童收入用2012-2014年平均值来衡量，作者用一个虚拟变量来表示儿童的金融素养，以确定儿童是否具有金融、商业或经济方面的大学学位。本文对调解模式的规范建立在Heckman et al. (2013) and Heckman and Pinto (2015)的基础上。令D表示父母财富，为多值处理变量；令Yd表示被收养者的潜在财富，如果他被分配到父母财富为D的家庭，那么D=d。如果实验影响中介变量，但不影响这些变量和背景变量对结果的影响，则可以简化中介模型：。根据Heckman and Pinto（2015）的结论，在非相关性假设下，检验这些假设是可能的。因此，本文进行了该测试，未能在显著性水平下拒绝这两个假设。加上该限制，中介模型如方程（2）-（4）所示。
等式（5）的第二个等式是将等式（4）代入等式（2）中所得，基于等式（5），我们可以分解被分配到具有父母财富水平d’的家庭而不是具有父母财富水平d的家庭相联系的平均实验效应。
本文的主要目标是区分间接效应和直接效应，间接效应是由实验对被测中介的影响引起的，直接效应是通过观察到的中介变化以外的其他渠道发挥作用的。第二个目标是量化不同观测中介的相对重要性。
评估进程分两步进行，第一步为给出下列的估算等式，第二步为估计观察到的中介变量的线性模型：
Findings from mediation analysis如果中介影响结果，并且中介受实验组影响，那么实验组效应是通过中介的变化产生的。在将平均实验效应分解为直接效应和间接效应之前，作者检验了分配到富裕的父母如何影响观察到的中介变量和中介变量如何影响子女财富的积累。表B.6根据等式（7）给出了父母财富和中介因素对子女积累财富影响的估计。结果表明，父母财富、子女收入和父母财富的转移对子女财富的积累具有统计显著性和经济意义。保持变量不变，没有证据表明子女教育和金融素养之间存在显著影响，并发现分配到更富裕的父母对教育的影响很小。平均来说，如果被收养者被分配到每年有10000美元额外财富的家庭，他将额外获得0.01年的教育和1480美元的额外财富转移。
图5中，我们按等式（6）分解平均实验效果。图5表示有多少间接效应可以归因为可观察到的关键中介变量：父母财富转移。作者发现间接效应起源于中介变量的变化，它能解释分配到更富裕父母对子女财富积累的平均因果效应的37%。财富的直接转移是最重要的中介变量，能解释间接效应的90%。这从一定程度上反映，被分配到更富裕家庭对父母财富转移有很强烈的影响，并且父母财富转移对子女财富积累也有相当大的影响。并且，我们放松α和β的限制，直接和间接估计没有明显改变，父母财富转移仍是最重要的中介变量，解释了间接效应的90%。
5.2 External validity and comparability of adoptees and non-adopteesComparability of adoptees and non-adoptees正如Holmlund et al. (2011)所讨论的，收养结果的外部有效性受到限制有几个可能的原因。第一个是养父母和其他父母不同，可能是由于自我选择或是父母必须满足有资格收养的预先规定的标准。如表B.7所示，以养父母的出生年份为条件，养父母的社会经济特征与其他父母相当。相比之下，收养本国子女的父母比未收养孩子的父母要差得多（表B.7最后一栏），对出生年份的控制并没有消除两个群体之间在结果和社会经济特征上的巨大差距。对外部有效性第二个可能的担忧是被收养者可能和其他的孩子不同。这可能是因为从韩国收养的儿童类型的选择，也可能是韩国收养前的环境影响儿童发展。在本文研究期间，大多数从韩国领养的孩子都是未婚生的，母亲是工薪阶层或中产阶级。在收养之前，这些孩子被安置在寄养家庭。第二节表1表示韩国-挪威被收养者样本的结果和特征往往和其他孩子相似。
作者首先使用概率设定来估计得分倾向，即给定一组观察到的子女和父母特征，作为韩国-挪威被收养者的条件概率。在估计得分倾向后，再权衡被收养者的观察结果，以平衡与韩国-挪威被收养者相比的特征分布。表B.9中给出了实验组（韩国-挪威被收养者）和控制组（未被收养者）之间的平衡描述。计算倾向得分所使用的每一个变量，作者报告了加权程序前（1、2栏）后（3栏）两个样本的平均值。然后我们通过比较（4栏）和测试（5栏）未被收养者加权后剩余的差异来检查平衡。归一化差异是实验状态的平均协变量值的对比，由协变量的标准偏差的度量来衡量。这种归一化的差异是有用的，它们提供了一种没有尺度和样本量的方法来评估重叠。作者发现被收养者和未被收养者之间的差异是经济学上适度的，一旦对未被收养者加权，统计学上不显著的。
即使韩国-挪威的被收养者和他们的养父母和其他的孩子和父母很相似，但相比于遗传相关的孩子来说，父母对被收养者的投资差异可能会使得收养结果的外部有效性受到限制。关于父母如何对待收养孩子和亲生孩子，不同的理论给出了不同的预测。一方面，进化科学中的亲缘选择理论预测，父母在基因上倾向于投资自己的亲生子女。然而，其他的理论强调补偿机制，预测相比于亲生子女，养父母会对被收养者投资更多。由于作者没有关于父母投资的数据，因此不能直接评估父母投资的更多或更少。然而，如果父母对待收养的孩子不同于亲生的孩子，作者预期父母财富对子女的传递取决于这些孩子是否有一个收养的或非收养的兄弟姐妹。使用有兄弟姐妹的韩国-挪威被收养者的子样本，作者扩展等式（1），使之包含一个指标变量，如果兄弟姐妹是被收养的（来自韩国），则取值为1；如果不是被收养者（因此与父母有基因联系），则取值为0。等式（1）还包含父母财富和拥有被收养兄弟姐妹的指标变量之间的交互项。结果在表B.8中报告。第一栏中的估计值表明根据被收养者是否有被收养或未被收养的兄弟姐妹，父母对被收养孩子的财富传递并没有发生明显变化。第二栏显示如果我们控制家庭和孩子的可观察到的特征，这个结论依旧成立。表B.8的最后两栏遵循前两栏中使用的相同的程序，但使用有兄弟姐妹的亲生子女的样本。根据孩子是否有被收养的兄弟姐妹，本文并没有发现父母对亲生子女的财富传递有显著差异的证据。然而，表B.8中交互项系数的标准误相对较大，估计值需谨慎解释。综上所述，作者将描述性统计和估计结果（见表3和表B.8）作为基于韩国-挪威被收养者的发现的外部有效性的暗示性证据。
6 Intergenerational links in financial wealth and investor behavior
在表4中，作者将注意力由净财富转向转向金融财富和投资者行为的代际联系。每一栏对收养年份、被收养者和其养父母的出生年份、被收养者的收养年龄和性别进行控制，报告了从等式（1）中得出的估计值。在表4的第一个面板中，作者将收养家庭的金融财富对被收养者的金融财富进行回归。第一栏表示代际关联为0.247，标准误为0.049。将表4的结果和表3进行比较，发现如果使用不完美的净财富衡量标准或金融财富的高质量衡量标准，代际财富传递的估计值将会非常相似。第二栏调查了金融财富的代际传递是否不是财富本身，而是父母股票市场参与度和投资组合风险的影响。估计结果显示控制这些变量，代际财富传递几乎不会发生改变。第三栏表示控制除父母财富外的儿童抚养环境的可观察到的变量，结论同样适用。这表明由具有更多金融财富的父母抚养的影响并不是通过父母教育、家庭收入、儿童兄弟姐妹的规模和儿童居住地来运作的。第二和三个小组转向投资者行为的代际联系，通过股票市场参与度和投资于风险资产的金融财富的比例来衡量。第一栏显示了被收养者的股票市场参与度和风险份额随养父母的股票市场参与度和风险份额的增加而增加。第二栏表示家庭背景的其他方面在子女资产分配和所选投资组合的风险方面发挥了重要作用。如果控制父母教育和收入、子女兄弟姐妹数量和儿童居住地，这个结论仍然成立。
7 Comparison with results from behavioral genetics decompositions
为了直接将本文的发现和以前的证据进行比较，作者通过行为遗传学分解的镜头，对数据进行解释来补充实证分析。使用具有限制性但常用的ACE模型，将儿童结果分解为遗传因素、共享家庭环境和无法解释的因素的线性和可加性组合。标准ACE模型具有一些限制，其中之一为它假定基因和共享环境之间是独立的。通过利用我们所拥有的三对同胞：生物-生物、收养-生物和收养-收养，我们能够放松这个假设。Basic and extended ACE model考虑一个归一化的结果Y，使得被收养者和未被收养者的条件均值为0。基本模型假定每个来自家庭j的个体i的结果Y是三个误差项的组成部分。
上半面板的前两栏显示家庭环境和基因在解释儿童财富积累的变化方面十分重要。共享环境约占净金融财富积累变化的16%（10%）。相对于共享环境，遗传因素解释了财富积累（包括净财富和金融财富）变化的更大比例（2倍甚至更多）。这表明与未被收养者相比，从父母到被收养者的财富传递显著但更少，与表3结果一致。第三栏表明共享环境在解释金融财富承担（通过风险份额来衡量）的变化方面很重要。相比之下，遗传因素很难解释这种金融风险承担度量的变化。表5的最后一栏，我们报告了按受教育年限衡量的教育的结果。这些结果与美国Sacerdote (2007)关于韩国被收养者的研究相似，他发现受教育年限差异的9%能被共享环境解释，而60%的变化归因于基因。行为遗传学模型依赖许多强有力的假设，因此表5的结果需要谨慎解释。扩展ACE模型放松了其中一个假设，通过参数γ允许基因和共享环境保持依赖。表5的第二个面板表明当允许基因和共享环境之间依赖时，家庭环境和遗传在解释儿童财富积累（包括净财富和金融财富）变化上变得愈加重要。并且，估计量γ是负的（仅在净财富的10%水平上显著），表明父母通过提供更好的环境或转移更多的财富来补偿差的基因。此外，当我们考虑基因和共享环境之间的相关性时，基因和共享环境对金融风险承担和教育的贡献变化相对较小，相关系数接近于0并且在常规水平上远非显著。扩展ACE模型允许基因和共享环境之间的依赖性，但它仍然保持线性和假发结构，这种结构备受质疑。虽然基因型的传递遵循生物学上确定的机制，基因型到表型的映射很可能受到环境通过表观遗传力的影响，这些表观遗传力可能也会影响未来几代。Heckman and Mosso (2014)回顾了行为遗传学文献的主要研究。他们得出结论，无论何时考虑到环境效应在调节基因表达上的作用，遗传力的估计都会受到很大影响。由此，论文的主要分析并未集中于ACE模型。相反，我们利用被收养者的准随机分配来显示家庭背景和个人财富、股票市场参与度和金融风险承担之间的显著因果联系。家庭背景的因果估计并不需要关于基因-环境相互作用的假设。
本文为财富积累和投资者行为的代际联系提供了新的证据，同时能可信地控制能力和偏好的遗传传递。研究设计的关键是，作者将挪威父母在婴儿时期收养的韩国出生的儿童与人口面板数据集联系起来，该数据集中包含了分类财富组合和社会经济特征的详细信息。被收养者分配到收养家庭的机制是已知的且实际上随机的。作者使用准随机分配来估计被收养者在一种类型的家庭成长与另一种家庭的因果效应。研究发现家庭背景对孩子成年后的财富积累和投资者行为至关重要，即使是移除孩子和抚养他们的父母之间的基因联系时。特别的，被富有父母抚养的被收养者往往自身也会更富有，并且，被收养者的股票市场参与度和投资组合风险会随养父母的金融风险承担增加而增加。作者认为对婴儿期被挪威父母收养的韩国孩子的研究可以了解家庭背景对孩子成年后财富积累和投资者行为的因果效应。同时，该结果引发了一系列问题，例如：父母影响孩子是通过什么机制？可以从被收养者那里了解关于儿童总体人口的什么信息？本文采取了几步来阐明这些重要但困难的问题。首先，作者研究了父母财富和投资者行为的影响是否通过儿童抚养环境的其他可观察到的特征来运作，这些特征可能与父母财富相关。研究表明这这种影响并没有通过父母教育、家庭收入或子女兄弟姐妹数量和儿童居住地来发挥作用。其次，本文应用了中介分析来量化替代渠道。中介分析考虑了四个可观察到的中介因素：儿童教育、收入、金融素养和父母的直接财富转移。估计表明中介变量的变化能解释分配到更富裕家庭的平均因果效应的近40%。出生前财富的转移是最重要的中介因素。最后，本文研究了收养结果的外部有效性受到限制的可能原因。发现当涉及代际财富转移时，养父母与其他父母并没有显著差异的暗示性证据。此外，韩国-挪威被收养者和他们的养父母的社会经济特征与其他孩子和父母（出生在同一时期）大致相似。事实上，与被收养者相比，对孩子和父母特征的控制或匹配并不会实质上影响未被收养者的代际财富传递。如果将样本限制在一组既有韩国-挪威被收养者又有未被收养的兄弟姐妹的家庭中，结论依然成立。在这些家庭中，作者仍然发现财富从父母转移到被收养者要比未被收养者少得多。 关于中介或调节效应，可以参看1.计量回归中的交互项到底什么鬼? 捎一本书给你，2.计量经济学中"交互项"相关的5个问题和回应，3.实证机制分析那些事，机制分析什么鬼？，4.政策评估中"中介效应"因果分析, 增添了文献和Notes，5.内生变量的交互项如何寻工具变量, 交互项共线咋办，6.因果中介效应分析出现在顶刊, 是时候使用新方法了，7.中介和调节效应自助法检验，针对非正态截面数据，8.面板数据中介效应的计算程序, 打开面板这扇门，9.中介和调节效应操作指南, 经典书籍和PPT珍藏版，10.中介效应分析的四种方式, 原则方法和应用综述，11.中介效应分析的方法和模型, 一篇听说必须看的文献，12.多重中介效应的估计与检验, Stata MP15可下载，13.具有调节变量的中介效应分析, moderated mediation，14.具有调节变量的中介效应程序和数据, 独家解读相关结果，15.有限混合模型FMM,异质性分组分析的新筹码，16.省份/行业固定效应与年份固定效应的交乘项固定效应，17.面板数据中去中心化的交互项回归什么情况，18.面板交互固定效应是什么, 白聚山教授推动了最前沿的研究，19.跨数据比较回归系数技巧，22.U型, 倒U型, 还是线性关系, 你平常的做法不靠谱，23.中介变量需要放到回归中去吗?何时放何时不放?，24.多个中介变量如何检验中介效应?，25.调节变量, 中介变量和控制变量啥区别与联系?，26.logit和probit模型中的交叉项, 如何求边际效应，27.中介效应最新进展: 中介效应中的工具变量法使用方法及其代码！关于相关计量方法视频课程，文章，数据和代码，参看 1.面板数据方法免费课程, 文章, 数据和代码全在这里, 优秀学人好好收藏学习！2.双重差分DID方法免费课程, 文章, 数据和代码全在这里, 优秀学人必须收藏学习！3.工具变量IV估计免费课程, 文章, 数据和代码全在这里, 不学习可不要后悔！4.各种匹配方法免费课程, 文章, 数据和代码全在这里, 掌握匹配方法不是梦！5.断点回归RD和合成控制法SCM免费课程, 文章, 数据和代码全在这里, 有必要认真研究学习！6.空间计量免费课程, 文章, 数据和代码全在这里, 空间相关学者注意查收！下面这些短链接文章属于合集，可以收藏起来阅读，不然以后都找不到了。