文2025年4月JEL分類：C81,D10,D12,E21,G21關鍵詞：家庭財務調查、抵押貸款、消費者信貸、違約、測量誤差國際清算銀行（BIS）工作論文是由貨幣和經濟領域的成員撰寫的國際清算銀行部門，以及不時由其他部門提供。經濟學家編寫，并由該行出版。論文主題為時事興趣與它們的技術性質相關。其中所表達的觀點是它們作者的個人觀點。作者的觀點，并不一定是BIS的觀點。此出版物可在國際清算銀行（BIS）網站（）上獲取。線)1消費者在家庭支出中報告債務的準確性如何卡洛斯·馬德伊拉?2025年3月摘要本文在先前研究的基礎上進一步發展，通過結合智利家庭金融調查中個體借款人的代表性樣本及其銀行貸款記錄進行獨特匹配。我發現，調查結果與信用登記系統不同，不僅在報告的貸款數量上有所差異，而且在貸款金額上存在顯著異質性。調查受訪者能夠準確報告違約狀態。此外，很大一部分差異可以歸因于調查答案中的舍入誤差。最后，我發現當受訪者不是家庭中收入最高成員時，差異更大。JEL分類：C81;D10;D12;E21;G21.關鍵詞：家庭財務調查；抵押貸款；消費者信貸；違約；測量誤差。國際清算銀行和智利中央銀行，carlos.madeira@。我想借此機會表示感謝?JonFrost、BasitZafar、SumitAgarwal、JorgePonce以及出席智利中央銀行和智利金融市場委員會（CMF）研討會的人員。文章中表述的觀點為作者個人觀點，并不一定反映巴塞爾銀行監管委員會或智利中央銀行或其董事會成員的觀點。所有錯誤均系本人所致。2家庭財務調查，如歐洲的家庭金融消費調查或美國的消費者財務調查，越來越多地被用于研究家庭在儲蓄、投資和貸款方面的決策（Dynan和Kohn2007，Christelis、Georgarakos和Haliassos2013，Christelis、Ehrmann和Georgarakos2017，L )。財務調查信息的重要性不言而喻（Zinman2009），尤其是由于許多家庭和小型企業依賴于各種資金來源和信貸工具，這些可能來自銀行和非銀行貸款人。調查還測量了正式和非正式的收入來源，這對于非正規就業可能占勞動力的25%以上的國家來說是一個優勢。然而，涉及多個主題的調查遭受測量誤差，主要原因是有意誤報（例如，由于社會期望）、記憶缺失、認知錯誤以及受訪者進行的四舍五入（Bound等人2001，Giustinelli等人2022，Stantcheva2023）。測量誤差會導致系數估計值出現向下偏差（Bound等人2001），通常會使實證分析變得復雜，例如需要驗證樣本（Bound等人2001）、重復測量或工具變量（Schennach2016）。這使得研究調查響應的準確性變得尤為重要，特別是在涉及復雜和困難問題的調查中，如財務調查。比較研究調查數據集和國家賬戶中的家庭負債總金額發現，家庭調查中貸款存在顯著程度的低報（Brown等人，2015年），特別是在短期債務，如消費貸款和信用卡的情況下（Karlan和Zinman2008，Zinman2009）。在1998年至2002年間對歐洲和美國的家庭金融調查進行審查時，發現調查在德國低估了總負債的40%，在意大利低估了56%，在葡萄牙低估了72.5%，在芬蘭低估了16%，在美國低估了11%（Sierminska等人，2006年，Kavonius和T?rm?lehto2010年）。因此，不同的調查方法和訪談方法已試圖提高對經濟和金融變量的調查測量（LeBlanc等人，2015年）。這項工作展示了微觀數據證據，用以說明家庭自我報告的債務信息與其行政銀行貸款記錄之間的差異。該研究利用了一個獨特的匹配數據集。在智利家庭金融調查（（在西班牙語中，從此處（EFH）和銀行貸款行政記錄（來自智利銀行局，3在西班牙語中，因此，在SBIF上。1匹配調查-銀行登記數據集在結果上顯著優于其他國家先前研究的結果。我在微觀層面上展示了調查中自報貸款信息與受訪者實際銀行債務記錄之間的差異。這允許測試調查信息與貸款記錄之間的差異是否由于未報告貸款的數量或貸款金額的差異。我還分析了根據教育、收入水平或人口復雜度（如同一家庭中存在多個財務決策者）的差異性，調查信息質量如何不同。因此，這是對先前研究的一個強勁改進，先前研究僅限于比較調查數據中的總體債務金額和行政記錄（Zinman2009，Brown等2015，Bhandari等2020）。匹配調查-銀行業務注冊數據集提供了2003年至2018年所有銀行貸款合同（包括抵押貸款、消費者分期貸款、信用卡和信用額度）及其對于調查年度家庭人口特征、收入和貸款（無論是銀行還是非銀行機構）的自報橫斷面信息，該調查年度包括2011年、2014年和2017年的家庭訪談。匹配數據包括受訪者在銀行系統中的貸款歷史記錄，以及對于受訪者和家庭成員的收入、年齡和教育的調查報告測量值。本分析表明，個人借款人的調查報告與行政記錄之間存在重大差異。在貸款參與方面，有相當比例的貸款在調查中被報告，但在登記冊中沒有記錄，或者反之亦然。然而，借款人對他們貸款的逾期狀況報告相當準確。他們也對他們的抵押貸款和消費分期貸款的到期日報告相當準確。在貸款金額方面，存在合理的差異，百分位數25到75的范圍從-31%到18%，對于抵押貸款和分期貸款金額，分別從-0.7%到59.3%。對于信用卡和信貸額度，差異更大（這與2009年的Zinman的研究結果一致）。這種信用卡和信貸額度較大的差異是可以預見的，因為調查訪談僅要求借款人報告將持續超過一個月的債務。因此，調查不包括非常短期循環債務。1注意，智利銀行管理局于2019年與保險及資產管理局合并，因此成立了智利金融市場委員會（西班牙語中為）。金4我接著測試這些差異是否可以由調查報告中舍入誤差來解釋，因為家庭傾向于報告的是10的倍數的整數。在舍入登記貸款之后，我確實發現這樣的機制在解釋債務金額分布中間的差異方面可以發揮重要作用，對于很大一部分借款人來說，調查和登記之間的差異降為零。對于消費者分期貸款的情況，在舍入之后，超過25%的借款人在調查和登記報告中報告的債務金額之間沒有差異，而對于抵押貸款，這種差異對于超過25%的借款人來說是7%或更少。最后，我發現那些家庭復雜、有較多高收入成員（可能更容易獲得貸款）的借款人，以及不是家庭中最收入或年齡最大成員的借款人，往往會在他們的調查報告和登記之間顯示出更多的差異。原因是，在這種情況下，借款人在調查中可能報告的不是他或她的貸款（例如，配偶報告了個人貸款或抵押貸款作為自己的債務，但實際上貸款是由不參加訪談的最高收入家庭成員簽署的）。家庭金融調查用于債務風險和家庭壓力測試（歐洲系統家庭金融和消費網絡2009年）。我展示了借款人債務的錯誤測量如何影響債務收入比率的評估。因此，匹配的調查-登記數據集可以改善政策分析的這一方面。此外，隨著新技術（如金融聚合器和信息共享的放寬）能夠更好地從調查受訪者中提取財務價值，調查設計的改進可能有助于在未來減少調查測量誤差（Caplin2025）。這項工作最接近于關于家庭金融調查中的總債務金額與行政數據之間關系的研究，例如Zinman2009和Brown等人2015年的研究。同樣，它也與使用聯接調查和行政信息的調查測量誤差文獻有關（Bound等人2001年，Schennach2016年）。這篇論文還與家庭債務的微觀經濟研究有關（Ampudia等人2016年，Madeira2018年b，2019年a，2019年b）以及更可靠的解釋調查響應的措施（Madeira和Zafar2015年，Madeira2018年a）。一些研究比較了一個貸款人的調查和行政債務記錄（Karlan和Zinman2008年），盡管不是在全國范圍內的所有銀行貸款人。其他國家如果也擁有調查-行政匹配數據集，也可能希望進一步分析這方面的分析（見5埃スト尼亞案例由Meriküll和R??m于2020年詳細描述。幾個國家擁有進行此類分析所需的調查和信用登記數據集，但往往對家庭調查數據在保密性方面的處理可能需要特殊的法律處理。這項研究展示了首次分析個人債務報告在國家代表性家庭金融調查和全面覆蓋銀行債務的行政登記之間的比較。研究表明，調查數據中逾期行為和到期日被準確報告，而貸款金額存在相當程度的舍入誤差。這項研究與其他主題（如健康調查和預期）中舍入誤差的分析相吻合（Giustinelli等本工作按以下結構組織。第二章總結了匹配的問卷調查-銀行登記數據集。第三章展示了調查數據中不同貸款類型參與情況的統計差異以及登記數據。第四章解釋了測量自我報告數據和行政數據中連續結果差異（如債務金額和到期日）的統計方法。接下來，我測試了在相同的借款人之間，調查和行政債務價值差異中有多少可以歸因于舍入誤差和異常值。第五章測試了關于調查數據中差異原因的幾個假設，包括調查員的年齡分布和家庭收入的復雜性。第六章測試了使用匹配登記和調查數據來衡量總債務和債務風險的影響。最后，第七章總結了結論。2匹配的問卷調查-銀行登記數據集2.1匹配數據集的質量EFH是一項每三年實施一次的橫斷面調查，涉及大約4,000到4,500個家庭。EFH是一項具有代表性的橫斷面調查，包含有關家庭資產、負債、收入和金融行為的詳細信息，與美國和歐洲（歐洲系統家庭金融與消費網絡2009年，Ampudia等人2016年）的類似調查具有廣泛的可比性。EFH特別詳細地關注每個家庭的貸款和債務承諾。它要求提供每個家庭在每種貸款類型中最大的三項債務，總共613個貸款類別：銀行信用卡債務、銀行信用額度、銀行或金融機構消費者貸款、零售店信用卡、零售店消費者貸款、汽車貸款、工會信用、教育貸款、親友貸款、高利貸、典當行、食品雜貨和信用購物（即，店鋪欠賬），以及其他債務。因此，調查可能要求家庭目前擁有的債務總額高達39筆，盡管顯然很少有代理會報告擁有所有可能的貸款類別債務。與美國SCF及其歐洲等同項調也等同于家庭戶主。在約67.5%的情況下，受訪者也是家庭戶主。此外，在89.6%的情況下，受訪者要么是家庭戶主，要么是家庭戶主的配偶。為了更準確地了解每個家庭在一段時間內負債的演變，智利中央銀行和智利銀行管理局（SBIF）決定建立一個調查-銀行登記數據集，其中每個調查的信息都與2003年1月至2018年12月期間每個月的銀行信貸信息相鏈接。通過使用智利國家身份證號碼，將調查數據集中每個家庭的主要成員與其整個銀行債務歷史聯系起來。智利人經常使用他們的國家身份證在超市連鎖店享受折扣、申請貸款或使用醫療系統。因此，參與調查的家庭在調查訪談過程中愿意提供他們的信息。此外，每個國家身份證號碼后面都跟著一個驗證數字，這使得調查員能夠測試所聲稱的號碼是否正確。這防止了不匹配的情況發生，因為它允許調查員驗證在訪談過程中記錄的國家身份證號碼沒有錯誤。2每個調查受訪者的國家身份證號碼隨后將與智利銀行管理局的登記冊進行匹配，該登記冊包括所有曾經申請過銀行產品（無論是貸款、活期賬戶還是儲蓄賬戶）的人。表1總結了每個數據集中觀察到的家庭數量。調查數據集中大約有13,110個家庭（波次）。2請注意，受訪者給出一個虛假身份然后通過回答一個隨機數正確地給出其驗證數字的可能性僅為10%。受訪者必須知道驗證數字背后的相當復雜的數學，才能給出一個帶有正確驗證數字的虛假身份號碼。這使得受訪者對自己身份號碼的回答錯誤地屬于他人的身份號碼的可能性極為低。7表1：調查中的總受訪者和匹配的調查登記數據集的受訪人數波浪調查——調查銀行成員及有調查債務的成員登記調查時間點前后在兩個來源中的債務人信息。注意：登記數據僅包括曾經使用過貸款或申請過貸款的人員。調查中有超過8,047人報告了他們的ID，但其中一些人可能從未申請過貸款。2011年、2014年、2017年（），在8,047名受訪者中，這些人既提供了正確的國家身份證號碼，又與銀行貸款數據庫中的登記信息匹配。3值得注意的是，并非所有調查銀行登記冊的受訪者都在調查時擁有正數的債務。這意味著我們只能對3,855個觀察值中自報貸款的非零金額差異進行測試。2,192名受訪者在調查和登記冊中都有觀察到的正數債務。調查數據集有超過8,047名報告了正確ID的受訪者。這些受訪者不屬于匹配的調查銀行登記冊數據集，因為登記冊數據集只包含那些在某些時候申請或使用過銀行產品的人。因此，個人身份證號碼的實際回復率大于61.4%。4本研究的排除對象包括從未擁有或申請過銀行貸款的家庭。3受訪者的ID披露率隨時間變化，在2017年最近的調查波次中顯著較高。其中一個原因可能是由于現場作業公司從2011年的阿爾韋托·胡爾塔多社會觀察所到2014年和2017年的Ipsos公司，在田野調查方法、訪談者培訓、監督和調查管理方面的變化。另一個原因可能是通過實踐學習。受訪者ID的提取是通過一個包含若干敏感問題的全新訪談部分實現的，這一部分首次在2011年被加入。因此，調查公司可能隨著時間的推移積累了更好地提取此類敏感信息的經驗。4本文的研究者不知道確切的響應率，因為調查受訪者的國家身份證號碼在智利中央銀行無法直接獲得。國家身份證號碼出于統計保密的原因存放在國家統計局、社會觀察站（實施了2011年的EFH波次）以及Ipsos（實施了2014年和2017年的EFH波次）。智利中央銀行僅獲得了EFH-SBIF數據集中匹配觀察的偽標識符，從未獲得過任何真實的國家身份證號碼。8這意味著此類家庭觀察并不提供信息。例如，Madeira2019b研究了因利率上限變動而被排除在信貸之外的家庭比例，從這個角度來看，了解無信貸家庭的信息是有益的。登記的銀行貸款被認為是一個高質量的數據庫。因此，這個鏈接數據庫可以用來驗證自我報告的調查債務價值。如果銀行未能向銀行管理局報告一筆貸款、其金額和利率，將會構成嚴重的法律違規，原因如下：i）銀行有義務向監管機構報告其貸款以進行風險評估；ii）銀行有義務報告每筆貸款、每筆貸款的金額及其利率必須符合智利的放款法律（放款利率因貸款金額而異，因此利率和貸款金額都必須準確報告）。這意味著不合作的銀行將面臨短期大額罰款，并且從長遠來看 ,這意味著銀行將無法進行所有合法活動并失去公司章程。此外，銀行管理局要求所有銀行每月更新其信息，這使得任何貸款錯誤都不會在2019年1月之前未被發現和糾正，而那時登記和調查被鏈接在一起。注意，在智利，無論是存款、貸款、保險或其他金融產品，銀行產品的運作方式與美國、加拿大或歐盟等發達國家相似。目前，智利有10家銀行向家庭提供貸款。其中兩家主要銀行為西班牙的（桑坦德，BBVA）。加拿大銀行豐業銀行（Scotiabank）和巴西銀行Itaú（一家購買了美國銀行花旗集團和英國銀行匯豐銀行的智利業務的巴西銀行）屬于中等規模銀行。然而，智利在非銀行債務的可用性方面與更發達經濟體存在實質性差異。調查銀行注冊匹配數據集存在一些局限性：i）總體僅限于曾申請或使用過銀行產品（如消費貸款、抵押貸款、信用卡、借記卡或活期賬戶）的個人；ii）月度貸款歷史僅限于不同類型的銀行貸款（消費分期貸款、信用卡、信用額度、學生貸款和抵押貸款）因此不包括來自非銀行貸款機構的貸款。5并且iii)匹配的調查-銀行登記數據提供了關于當前貸款金額、原始貸款的信息5請注意，這種第二種限制與第一種不同。如果所有銀行客戶都沒有非銀行貸款，那么這種第二種限制就不重要了。然而，在調查注冊數據集中，約有51.6%的家庭有某種形式的不銀行債務。9在合同簽訂時的金額、該月應償還貸款的總金額以及該貸款是否拖欠，但不包括貸款重組、利率或其他費用和成本的信息。6注意，在智利，非銀行放貸機構具有顯著的市場份額。根據2017年EFH調查波次的數據，大約49.8%的智利家庭擁有某種類型的非銀行貸款，其中大約13.2%的家庭同時擁有銀行和非銀行債務（Madeira2024）。在客戶數量方面，最大的非銀行放貸機構是零售店鋪。對于匹配的調查-登記數據，大約51.6%的家庭在調查時擁有某種類型的非銀行債務。大約41.8%的匹配調查-登記樣本具有零售店鋪債務。7而11.1%有工會或合作社債務8并且10.6%的人擁有其他類型的債務(車輛或教育貸款）。調查銀行登記數據集的人口是一個有意義的總體，因為它代表了智利所有銀行和金融機構的貸款用戶和申請人，占智利城市人口的61.4%。此外，銀行是極其重要的貸款人，2017年家庭銀行貸款占GDP的34.5%（其中銀行抵押貸款占GDP的24.4%，銀行消費貸款占GDP的10.1%）。然而 ,請注意，調查銀行登記數據集只能驗證受訪者的貸款報告，因為調查并未包括其他家庭成員的身份證號碼。9所有用于格式化匹配調查注冊數據以及復制的必要軟件代碼6中國銀行業務債務登記冊并非貸款的面板數據。它列出了給定月份中每個人的所有貸款，但無法將每筆貸款與其他時期的貸款相連接。如果個人重新談判一筆貸款，那么無法確定新貸款是否是以前貸款重新談判的結果。7一些公司同時擁有零售店和銀行。像Falabella、Paris和Ripley這樣的大型零售公司最初是在他們的店內提供零售信貸和零售信用卡。經過幾年，這些公司開始擴展至銀行業務，這些業務通常位于他們的零售店旁邊。8注意，在智利，所有正式工人都注冊在工會之下。工會直接從成員的工資中收取會費。這些資金可用于各種社會目的，也可用于向其成員提供貸款。此外，智利還有大量的信貸合作社，可以向其成員提供貸款。9EFH調查進行了一些預測試，調查員要求受訪者提供自己的身份證號碼以及“家庭中第二個經濟相關人員的身份證號碼”，但受訪者要么不知道其他成員的身份證號碼，要么不愿意提供。因此，匹配調查登記表僅限于受訪者的身份證號本文的經驗分析數據可在MendeleyData鏈接中公開獲取。10該鏈接還包含本文的在線附錄，其中包含額外信息和分析。特別是，在線附錄包括以下信息：i）調查的抽樣和現場操作；ii）調查問卷的特定問題，尤其是在債務和貸款方面的提問；iii）數據的附加匯總統計；iv）Kolmogorov-Smirnov和Goldman-Kaplan關于調查和登記數據集中債務分布相同性的測試結果（Goldman和3比較自我報告信息和登記信息本節更深入地探討了自我報告調查貸款與行政記錄之間的差異。我首先從債務參與度（見表2）和違約情況（見表3）兩方面對調查和登記冊進行比較。然后，通過比較調查和登記冊中債務金額的累積分布函數（CDF），完成本節的闡述。本文將研究歸類于4種產品的銀行貸款：抵押貸款、消費者分期貸款、信用卡、信貸額度。11消費者分期貸款是指需要在幾個期間（分期）內償還的貸款，還款期限可以從幾個月（例如，購買衣物或小型家居用品）到幾年（如支付車輛或昂貴家具的費用）。這一消費者債務類別通常不能自動續借，因此可以與循環債務類別（信用卡和信用額度）進行對比。此外，我定義了消費者債務的整體類別，它包括消費者分期貸款和循環債務（信用卡、信用額度）。請注意，分析中只考慮銀行債務，因為登記冊不包括非銀行貸款機構。這種對比之所以可能，是因為調查仔細區分了每種貸款機構和貸款產品（參見附錄第2節）。當前貸款金額在調查和登記冊中都定義為應還本金。本文的所有分析比較都考慮了特定產品類型（抵押貸款、消費者分期貸款）的所有債務總11請注意，即使樣本僅限于擁有一種貸款類型的家庭，調查數據和登記數據集之間仍將存在顯著的差異，如在線附錄中的表A.6（擁有一種或零種貸款類型的家庭）和表A.7（僅有一種貸款類型的家庭）所示。因此，調查數據與登記數據之間的差異不能歸因于對不同銀行貸款類型的簡單混淆。貸款、信用卡、信用額度）在借款人層面。12原因是注冊信息不是一個貸款的面板數據集，因此它可以包括屬于同一筆貸款的不同交易（保險、費用、利息）的多個項目。可能是調查數據和登記冊之間存在差異的一個原因是每月貸款記錄更新的延遲。借款人可能在調查中報告了新的貸款，但在登記冊中缺少該貸款的記錄。同樣，借款人可能在本月或上個月還清了貸款并報告說他們沒有當前未償還債務，但在行政信用登記冊中，他們的無債務狀態可能需要幾天時間才能生效。因此，我認為最接近調查數據的登記冊報告是在調查時間前后大約兩個月的時間窗口內。調查登記冊調查??詳細調查信息，例如：某些貸款是否來自不同家庭成員（例如，孩子、父母或配偶）而非主要借款人，家庭是否可能將同一商業集團內的零售店和零售銀行的貸款混淆。13并且家庭是否可能將針對房屋相關費用的消費者分期貸款與抵押貸款混淆。因此，對于在擁有聯合零售店和零售銀行的公司的債務人，我認為最接近登記措施的債務測量方法。14表2總結了在匹配的調查-銀行登記數據集中，關于債務參與（一個二進制變量，1表示家庭在某個數據集中有正貸款金額）的差異。每一對二進制變量對應于兩個數據集是否在無債務（調查=0 ,登記=0）方面一致，或者報告存在分歧，因為只有登記數據集。12請注意，在統計分析中，對于每個借款人取所有債務的總和也是更為合適的。人們容易假設不同借款人之間的債務是相互獨立的，但同一借款人的債務不太可能被視為獨立觀察值。如果分析是在貸款級別進行的，那么擁有許多貸款的借款人會比其他債務人的計數多得多。13智利有3家公司同時擁有零售店和專注于消費信貸的銀行。這些銀行和零售店在行政上作為獨立的機構運營，但通常位于同一商業分支下，并使用相似的廣告品牌名稱。因此，可能有些借款人會將同一名稱的銀行和零售店的貸款混14這是通過以下算法進行銀行債務調查金額的：YRi,t,調查≡?表2：自報調查數據與借款人狀態登記（二元貸款變量）之間的差異債務參與（調查、登記）-%（0，00，11，01，房貸貸款82.01.69.37.0消費者分期貸款79.47.73.99.1信用卡或信用額度69.914.54.211.4信貸額度88.55.42.24.0觀察樣本數量：8,047戶家庭（所有行加起來共有8,047個觀察值，包括有或無正債務表3：自報調查數據和違約狀態登記（二元變量）之間的差異默認（調查，登記）-%（0，0）（0，1）（1，0）（1，1）所有貸款（包括僅在一個數據集中報告的貸款）抵押貸款97.700.81.5消費者分期貸款84.10.27.28.5包括僅參與兩個數據集債務的借款人抵押貸款96.3003.7消費者分期貸款87.20.30.312.2觀測數量：8,047個家庭（所有行加起來共有8,047個觀測值）受訪者，無論是否有積極債務。報告了一筆貸款（調查=0，登記=1），無論差異是否發生是因為只有調查數據報告了這筆貸款(調查=1，登記=0），還是因為兩個數據集在正貸款金額方面一致（調查=1，登記=1）。我也在調查數據和登記冊中報告貸款是否違約。我將以下條件之一或多個滿足的家庭視為違約：欠款1個月或以上、逾期貸款金額為正數或不良貸款金額為正數。表3報告了家庭在違約報告方面的差異。首先，我報告了考慮所有報告（包括將零貸款金額視為零違約的報告）的違約債務狀況。數據顯示，調查數據報告的貸款事件比登記冊多幾個。然而，一旦我只考慮在調查數據和登記冊中債務狀況（正數或非正數）相一致的那些借款人，違約報告幾乎完全一致。圖1：調查和登記的原抵押貸款和消費者債務金額的累積分布函數（CDFs）。累積概率累積概率0債務金額（以UF計）抵押貸款：調查抵押貸款：登記處消費者：調查消費者：登記處兩個數據集中情況相同。因此，調查似乎僅在貸款金額報告方面與登記冊不同，但家庭準確報告了他們的違約狀態。現在，我展示了借款人調查中自我報告的債務金額在UF中的累積分布函數（CDF）以及他們在銀行登記中的債務。為了避免由于大量借款人負債為零（如表2所示）而在零處形成大量質量點，此分析僅包括在調查或登記中具有正債務金額的借款人。此外，所有債務金額均轉換為UF。UF是智利使用的真實貨幣單位，根據上個月官方消費者價格指數（CPI）每日更新。這個真實貨幣單位通常用于智利的長期合同，例如抵押貸款和大額消費貸款。在2013年至2019年的樣本期間 ,1UF大約相當于40美元。圖1顯示了匹配調查-登記借款人的總抵押貸款和總消費銀行貸款的累積分布函數（CDF）。在抵押貸款的情況下，調查和登記的債務分布在大約1,500個UF（大約是調查和登記的50分位數）之前相當接近。然后，調查和登記的抵押貸款分布開始分叉，在百分位數70到85以及百分位數95到100之間再次接近。之后，圖2：原始消費者分期貸款和循環債務工具的累積分布函數（信貸）卡和信用額度（cardsandlinesofcredit）在調查和登記冊中累積概率累積概率0債務金額（以UF計）分期：調查分期：注冊表卡片+線條：調查卡+行：注冊處圖表顯示，在90百分位數以上的抵押貸款金額，調查數據更為詳細。因此，調查中包含的高價值抵押貸款比登記冊要多。對于總消費者債務金額，調查與登記冊之間的差異相當大。在18百分位數之后，調查和登記冊的累積分布函數（CDFs）開始偏離，僅在小額消費者貸款中顯示出一致性。值得注意的是，與抵押貸款的情況不同，對于消費者貸款，登記冊在包含較大債務價值方面更為完整。現在，我對分期債務和循環債務工具（即信用卡和信用貸款總額）的類別進行消費者債務分配的比較。值得注意的是，預計循環債務的問卷調查數據可能不太完整，因為受訪者被要求不要報告預期在一個月內償還的債務。然而，如果受訪者和預期該債務的償還將超過一個月，他們仍可能會報告一些循環債務。圖2顯示，循環債務（卡片加貸款）在所有百分比中，調查與登記的分布都很相似。因此，循環債務在問卷調查和登記中都有良好的報告。除了小額債務以外的分期貸款,圖3：調查和登記冊中信用卡和信貸額度的累積分布函數（CDFs）累積概率10 債務金額（以UF計）卡：調查卡：注冊表行：調查行：注冊表數值在調查和登記中差異較大，從第15個百分位數之后開始分離。我接著展示了調查數據與登記數據中信用卡和信用額度債務分布之間的差異。圖3顯示，對于信用卡，調查數據與登記數據分布幾乎相同。然而，在調查數據集中，借款人報告的信用額度金額更高。這是有道理的，因為信用額度是一種代價高昂的循環債務形式。因此，借款人可能在月末登記數據之前就還清了信用額度。最后，我比較了調查和登記系統中貸款期限的分布。圖4顯示，抵押貸款的期限在調查和登記數據集中非常相似。然而，調查數據中的抵押貸款期限在20年、25年和30年（即240個月、300個月和360個月）方面有相當大的舍入。分期貸款的期限在調查和登記之間有顯著差異，登記系統顯示出顯著較長的貸款期限。對于分期貸款，調查和登記只在低于10%和高于90%的百分位數相吻合。再次值得注意的是，調查受訪者傾向于對他們的自我報告的期限進行舍入，因為24個月、36個月和48個月（即2年、3年和4年）周圍有密集的點。圖4：調查和登記中抵押貸款和消費者分期貸款的原貸款到期日的累積分布函數（CDFs）累積概率1累積概率0原始貸款到期期限（月數）抵押貸款：調查抵押貸款：登記處分期：調查分期：注冊表4貸款金額和到期日的差異為了更深入地探究調查報告和行政報告之間的差異，我現在以連續貸款金額為標準總結這些差異。為此，我使用了一個連續的錯誤度量。YY定義為兩個報告（帶有變量）之間差異的比率R并且Ri,t,注冊處代表在調查和注冊報告中借款人在特定時間的持續貸款結果與他們的平均價值之比：YR-YRi,t=YR-YRi,t=(YRi,t,注冊處+YRi,t,調查)/2.這個比率有兩個優點。第一個優點是，通過在分母中使用注冊和調查測量，可以防止來自任一來源的較小值（例如，一個接近零的較低值）對誤差測量產生極端大的影響。這個衡量標準在定義上被限制在-2和2之間（或者說等價地，-200到200%），并且它可以包括一個數據報告為零結果的情況。第二個方面是，由于有界限，這個誤差比率衡量標準不會受到少數幾個大值的影響，從而影響統計結果。分析。因此，已成為衡量差異的最標準方式。可能在注冊數據集更新月份與其中包含的數據所反映月份之間存在差異。Y因此，我取了最近的調查報告日期。R在兩個月窗口期內：YY,,Y表4)了借款人調查報告和行政報告之間的差異。款類型的不同特征（原始貸款合同中的債務金額、債務償還、貸款的原期限以及未來債,t支,調的剩余期限）。結果顯示，即使考慮中值測量誤差，調查報告和行政報告之間的差異也對于抵押貸款、信貸額度和個人信用卡，債務金額的中值測量誤差相對較低。此外 對于抵押貸款和分期貸款的成熟度都偏低，這代表著在這方面的信息準確。自我報告的總消費者債務、分期付款貸款原始債務金額和抵押債務支付的差異超過10%，即使是中值誤差也是如此。然而，即使在排除最差報告（百分比在10和90，或更極端的值）后，分布中間依然存在合理的差異，百分比為25到75之間從-31%到18%，分別對應于抵押貸款和分期貸款金額從-0.7%到59.3%。自我報告的原抵押貸款期限和殘值抵押貸款期限以及原分期貸款期限相25至75分別位于[13%41%]，[13%15YY相關系數均為正值，債務金額在不同貸款類型間的值介于40%至70%之間。分期貸款和抵押貸款債務服務的相關系數分別為66%和79%。殘值和原始抵押貸款到期日的相關系數也分別為59%和67%。這些較高的相關系數表明，調查的自我報告數據可以被視為貸款真實價值和其到期日的強烈信號。因此，即使調查數據并不完全準確，研究人員仍然可以將其視為一個有價值的信息來源 ,盡管它受到測量誤差的影響（Schennach2016）。分期貸款的到期日與調查自我報告和登記之間的相關性較低，但相關性仍然為正值。一個可能導致差異的原因可能是調查自我報告中存在的舍入誤差。例如，受訪者可能會將150萬比索作為他們的貸款價值來回答，而不是回答1,647,150比索。這可能會導致顯著的測量誤差，盡管調查響應可以被視為一個真實報告的近似值。因此，我通過估計舍入差異比率，將調查自我報告與注冊記錄的舍入版本進行比較。(使用：YYYYY求最小值?表4：登記與調查貸款報告之間差異的總結：百分位數和線性相關系數消費者債務原始金額-97.6-13.715.870.313信貸額度債務金額-163.5-102.2-8.411.547.原始抵押貸款到期期限-28.0-1.31.44.124.866.6剩余抵押貸款到期日-38.3-13.0-0.515.441.858.5分期貸款債務服務-42.9-9.88.125.065.566.4原始貸款到期期限-25.90.05.430.670.323.7殘差分期貸款的剩余期限-74.3-28.6-2.845.282.919.0此舍入函數取最接近的、為10的整數倍的數值（表示整數集，因此10表示整數集Z×Z倍數（10的倍數），但舍入誤差小于原始值的四分之一：這意味著800,000可以被舍入到1,000,000，但不能舍入到500,000。請注意，超出原始值25%以上的舍入是不允許的。因此，651,000可以被舍入到500,000，但667,000不能再被舍入到500,000。算法選擇與調查報告最匹配的舍入量，只要舍入量低于金額的25%。然而，請注意，25%是算法中允許的最大舍入量，但在大多數情況下，最佳舍入量是通過較低的數值實現的。原因是貸款的數值范圍非常廣，因此相同的舍入可能不適合所有規模的貸款，這就是算法為什么在與貸款價值成比例的范圍內尋找最佳舍入表5總結了圓整注冊表和調查報告之間的差異。預期，第25和第75百分位數范圍展示出許多差異。 15例如，在過去的幾年里，智利比索的匯率波動接近1,000比索兌換1美元。因此，在報告小額信用卡債務時，大約10萬比索的四舍五入可能是一個相當大的舍入誤差。然而，在報告抵押貸款的情況下，10萬比索的舍入誤差可能極為精確，甚至超過10倍的誤差仍被視作準確（例如，報告301,000美元而不是300,000美元的差額）。表5：登記冊與調查貸款報告之間的差異（百分位數和線性相關系數）：在抵押貸款原始債務金額-60.9-22.20.07.061.076.0分期貸款原始債務金額-33.30.00.050.0103.072.4信貸額度及卡片債務-122.3-33.30.028.685.756.7信用卡債務金額-117.4-15.40.035.385.743.1信貸額度債務金額-160.0-85.70.00.035.351.8抵押貸款債務服務-58.4-27.2-6.50.04.581.7原始抵押貸款到期時間-22.20.00.00.022.269.4剩余抵押貸款到期日-31.4-9.50.011.838.971.1原始到期分期貸款額度-4.70.00.028.666.730.7殘差期限分期貸款-66.7-18.20.040.066.723.9較小幅度，這個范圍降至僅[22%7%]和[0%50%]，分別對應抵押貸款和分期貸款債務金額。此外，在四舍五入后，超過50%的原抵押貸款到期觀察值可以與登記冊相對零差異完全解釋。超過50%的分期貸款到期觀察值在調查和登記冊之間小于28.6%的差異。這意味著，受訪者將他們的答案四舍五入到10的倍數的一個簡單錯誤，可以在很大程度上解釋調查數據中的差異。因此，調查答案可以有益地解釋為借款人真實負債的近似版本。然而，就調查報告中的信用卡和信用額度債務金額而言，四舍五入并不能顯著減少差異。這很有意義，因為調查訪談僅詢問旨在在超過一個月的期間內償還的信用卡和信用額度貸款。由于信用卡和信用額度中的大多數債務是每月支付的循環債務，調查數據可能與登記冊有較大差異。最后，我分析了排除幾個異常值可能有助于解釋調查數據和登記數據之間差異的可能性。特別是,我通過丟棄以下內容進行了一個截斷分析：數值低于百分位數5且高于百分位數95。此分析丟棄了最極端的10%值。表6顯示了個人借款人調查報告與其登記之間的差異匯總統計。結果顯示，丟棄表6：登記處與調查貸款報告之間的差異（百分位數和線性相關系數）：在剔除異常值后抵押貸款原始債務金額-64.1-27.9-2.614.663.957.3分期貸款原始債務金額-49.2-2.28.042.698.666.4按揭債務償付率：-55.7%-27.3%-14.殘差抵押貸款剩余期限-28.6-12.9-0.814.336.872.7分期貸款債務服務-47.1-13.43.318.041.679.9原始分期貸款的到期期限-27.30.04.128.670.321.7剩余貸款期限-66.7-28.6-2.840.080.023.5異常值相對于表4中的分析僅略微減少了測量的差異。因此，盡管考慮舍入誤差在很大程度上可以解釋這些差異，但一小部分異常值的存在并不顯著改變結果。圖5顯示了調查與登記之間的差異分布，具體數據如下：圖示表明，無論是債務金額還是...研究報告中，成熟度值主要集中在零附近，而對于遠離零的數值，大誤差的概率顯著下降。在債務金額方面，主要誤差類型為債務參與的誤報。在分期貸款的情況下，最常見的錯誤是一個借款人未報告已在實際行政系統中登記的銀行債務。對于抵押貸款，借款人通常會在調查中報告銀行系統中不存在的抵押貸款（可能是由于這些是來自非銀行貸款人的抵押貸款）。在分期貸款中，對連續債務金額的誤報更傾向于借款人在調查中報告較低的金額。對于抵押貸款來說，情況則相反，調查受訪者往往會報告比在行政系統中實際擁有的金額更大的數額。誤報的到期日與債務金額在數量和質量上都有所不同。再次強調，在分期貸款的情況下，最常見的錯誤是借款人未報告已經在行政系統中登記的銀行債務。對于抵押貸款，借款人在調查中報告的抵押貸款在銀行系統中并不存在。然而，從連續錯誤分布的角度來看，很容易觀察到到期日的報告比貸款金額的報告中更為準確，且到期日的錯誤分布相當緊密。圖5：匹配調查-行政記錄與調查抵押和消費者分期貸款之間的差異的概率密度分布：原始債務金額和貸款期限PDFPDF債務金額22錯誤率抵押消費者分期貸款PDFPDF成熟錯誤率抵押消費者分期貸款在零附近。因此，圖5證實，調查中貸款到期日的報告相當精確。主要調查誤差是債務參與的誤5解釋差異除了舍入誤差，我還測試了其他可能解釋調查和登記之間差異的可能性。一個假設是，借款人將其應屬于其他家庭成員（如簽署了抵押貸款的配偶或父母）的一些貸款報告為自己。在家庭成員較多的家庭中，這種情況更有可能發生，尤其是如果家庭中有多個高收入成員且可以獲取銀行貸款（Brown等人，2015年）。我通過查看不同貸款類型中不是最高收入成員或最年長成員的借款人百分比來測試這個假設，比較在兩個數據集中都報告了正貸款和只在調查中報告了貸款的結果。表7顯示，在調查中報告但未在登記中報告的貸款的借款人，家庭中不是最高收入或最年長成員的可能性要大得多。此外，一些家庭可能有不止一個成員是家庭中的最高收入成員。這可能在夫妻雙方因舍入而報告相同收入價值的情況下發生，例如一百萬比索。表7顯示，只在調查中報告貸款的借款人，家庭中多個最高收入成員的案例更多。僅報告調查貸款的家庭中，最高收入成員的平均人數為1.4。表8通過多元logit回歸檢驗了借款人僅報告了抵押貸款或分期貸款這一事件時的相同假設。作為額外的解釋，我測試了家庭是否可能混淆抵押貸款和分期貸款：例如，借款人為了房屋維修而貸款 ,但該貸款被歸類為消費分期貸款而不是抵押貸款。因此，回歸還添加了一個控制變量，即借款人是否還有另一筆實際上在登記冊中報告的貸款。表8中的回歸支持所有這些關于抵押貸款的假設，但對于分期貸款的情況，只有允許借款人混淆貸款的額外控制變量是顯著的。最后，我在表9中檢驗了相同的控制變量是否可以解釋不同貸款類型債務金額連續差異率的分散情況。這表明，差異率更高的表7：在調查中報告有銀行貸款但登記冊中沒有貸款的借款人百分比借款人，非百分比借款人，中的百分比借款人最高收入成員而不是最年長的成員貸款參與（調查，登記）（1，0）（1，1）（1，0）（1，1）抵押貸款35.410.649.429.2消費者債務31.914.639.431.1信貸額度及卡30.516.951.630.1信用卡25.618.753.732.7信用額度：25.517.236.920.0家庭成員中收入最高者的平均人數：貸款參與（調查、登記）（1,0）（1,1）表8：調查中存在但未在登記冊（logit）中存在的貸款 不屬于最高收入成員我：i(0.187)(0.2家庭成員數量0.527***0.0316與最高收入我：i模擬借款人，0.343**0.0847不是最年長的成員我：i(0.159)(0.或者抵押貸款登記簿我：i(0.170)(0.偽R平方0.1420.026穩健的標準誤差（）。*,**,***,分別在10%，5%和1%的水平上具有統計學意義。表9：線性回歸（OLS）對于債務金額穩健的標準誤差（）。*,**,***,分別在10%，5%和1%的水平上具有統計學意義。抵押貸款和信用卡與不是最高收入成員的借款人相關聯。他們家庭。六項關于債務金額和債務風險分析的含義本部分分析了調查誤報的總體影響以及匹配行政調查數據集在分析智利銀行債務金額和風險方面的優勢。家庭金融調查被用于分析債務風險和家庭壓力測試（歐洲系統家庭金融和消費網絡，2009年）。本部分展示了借款人債務的誤測如何影響債務償還收入比率的評估。債務償還收入比率在許多國家被廣泛應用，是監管機構評估貸款風險和撥備的一個元素（Tiongson等人，2010年）。表10顯示，在總體層面上，調查和登記中銀行債務的指標相當相似，差異僅為8.8%。然而，在抵押貸款和表10：登記和調查數據集中的銀行債務總額（千萬比索*）調查登記差異（百分比）總銀行債務45,88542,029-8.8%銀行抵押貸款債務35,49028,547-21.7銀行消費者債務10,39413,48225.9*注意：在2024年，1美元大約相當于950比索。因此，十億大約等于9500億美元。比索大致相當于一百萬美元。表11：視為存在風險的借款人比例（%）債務風險（調查、登記）（0，0）（1，0）（0，1）（1，1）所有借款人68.14.620.17.2消費者債務，兩個數據集之間的差異分別為21.7%和25.9%。由于消費者債務沒有抵押且由于其短期到期而面臨續期風險，它被視為銀行風險更高的資產。登記簿中包含大量消費者債務，同時顯示出較低的抵押債務。這是相對于純調查分析而言，指示一個更具風險性的銀行體系。債務服務收入比在許多國家得到廣泛應用，它是監管機構用于評估貸款風險和準備金的一個元素（Tiongson等，2010年）。使用國際貨幣基金組織（IMF）數據對宏觀審慎政策框架進行比較(Alam等，2019年）顯示，在135個國家的總樣本中，有55個國家實行某種形式的債務服務收入比監管。銀行和監管機構常用的一個經驗規則是，負債服務收入比高于40%的借款人被視為風險較大。表11展示了調查銀行登記處與調查借款人風險狀況分析之間的差異。在大約7.2%的銀行借款人中，被認為具有風險。然而，在登記處中被評估為有風險但在調查中未被評估的借款人占20.1%。因此，匹配的行政和調查數據集有助于獲得銀行系統中風險的更精確圖景。大約有4.6%的借款人在調查中被歸類為有風險，但在登記處中并非如此。這種差異小于之前的情況，這證實了調查可能低估了家庭債務風險。眾所周知，調查中自行報告的財務信息與行政來源的匯總數據存在差異。本文在現有文獻的基礎上，通過研究智利家庭金融調查（EFH）中的個人借款人與銀行貸款登記冊的獨特匹配，進一步探討了數據集之間差異的分布情況：包括借款人數是否有所不同，借款人是否低估了債務，以及差異程度的異質性。盡管在貸款參與度的報告中存在實質性差異，但我發現貸款違約報告總體上是準確的。在調查數據和登記冊中，個人借款人債務金額的差異存在顯著異質性，尤其是對于消費貸款。然而，其中相當一部分差異可以歸結為舍入誤差，即調查受訪者回答的值是10的倍數。另一個有趣的發現是，在一個數據集中報告但在另一個數據集中未報告的貸款通常要比中位數小得多，尤其是在信用卡和信用額度的情況下。最后，我發現調查中的貸款誤報與具有多個成員且收入水平相同的高收入家庭強烈相關。因此，誤報可能是由于受訪者不知道的貸款造成的。調查與登記之間的差異也與不是家庭中收入最高或最年長的借款人相關。這些借款人可能在調查中報告某些他們實際已簽訂但由配偶、父母或家庭成員簽訂的貸款。家庭金融調查在分析借款人行為，如拖欠或信用排除，方面變得越來越重要。因此，對調查金融數據的優點和缺點進行進一步的研究是必要的。參考文獻[2]Avery,R.,G.Elliehausen評估1983年消費者財務調查。,34(4關于美國企業？,\",2(4),443-[6]Bover,O.,J.Casado,S.Costa,P.DuCaju,Y.McCarthy,E.Sierminska,P.Tzamourani,E.個體特征、制度和信貸條件的作用赫克曼和E.萊amer編第5卷。《借款人和貸款人報告的消費債務》,[9]Bucks,B.和Pence,K.(2008),“借款人是否了解他們的抵押貸款條款？”[11]Caplin,A.(2025),\"數據工程應用于認知經濟學,\國家：經濟環境與家庭特征[14]Christelis,D.,M.Ehrmann和D.Georgarak異的研究,\"CSEF工作論文465.[16]歐洲系統家庭金融與消費網絡（2009年），《家庭金融與消費調查數據：研究摘要和政策應用》，歐洲中央銀行不定期出版物100號。失業、負資產與策略性違約,31(3),分位數或累積分布函數（CDF）值，”,206,143—166.[23]Hurst,E.,李，G.，和Pugsley，B.（2014），《家庭調查像稅務表格嗎？證據》[26]Kavonius,I.和V.T?rm?lehto(2010)，《整合微觀和宏觀賬戶——歐元區家庭財富調查與家[27]LeBlanc,J.,A.Porpiglias,\"NBERWP14808.異質代理人模型：智利案例,39,209-220.[35]Meriküll,J.和T.R??m(2020),\"基于微觀[38]斯坦切娃，S.（2023年“如何開展調查：創建您自己的識別方[39]斯蒂格利茨，J.，A.賽恩和J.菲圖西（2009），《關于經濟績效和社會進步測量的委員會報告》，國際貨幣基金組織/金融穩定委員會。[40]Tiongson,E.R.,N.Sugawara,1消費者在家庭中報告其債務的準確性如何在線附錄2025年3月摘要這是文章的在線附錄。第1節解釋了智利家庭金融調查的抽樣和實地操作。第2節總結了問卷中的債務問題。第3節展示了數據的附加匯總統計。第4節展示了調查和登記數據集中債務分布相等的檢驗結果。JEL分類：C81;D10;D12;E21;G21.關鍵詞：家庭金融調查；抵押貸款；消費者信貸；違約；測量誤差。21抽樣與家庭金融調查的操作對于這項研究，我使用了2011年、2014年和2017年的國家EFH（家庭經濟狀況調查）數據波次 ,涵蓋了13,110個城市家庭。1每個調查樣本都是在整個日歷年度內收集的，EFH2011的收集時間為2011年7月至2012年5月，EFH2014的EFH2017的收集時間為2017年6月至12月。然而，為了簡化，調查波次被標記為EFH2011和2014，這對應于收集各自樣本最大部分的年份。在所抽取的家庭中，有一名成員被選中進行訪談，這名成員是家中對家庭財務知識最多或收入最高的成員。然而，該調查搜集了所有家庭成員的人口統計、凈財富、資產、債務和收入信息。該調查的樣本選擇基于智利國內稅務局的詳盡住房清單，因此，在將每個單位的擴展因子應用于每項之后，它代表全國城市人口（Madeira20調查問卷與歐洲央行（ECB）協調并由歐洲各國中央銀行實施的《家庭金融消費調查》非常接近，智利央行也參與了ECB網絡的多場會議。2007年，國家層面的第一波EFH調查得以實施。第一份EFH問卷主要基于始于2002年的西班牙家庭金融調查，因此與歐洲的家庭金融調查相當相似。此外 ,在2007年至2010年之間，12007年、2008年、2009年和2010年間存在EFH波動。然而，由于隱私和匿名性的考慮，這些波動中的調查提供者沒有記錄訪談的月份。因此，這些之前的波動無法用于檢驗調查中的自報貸款與同一月度或在一到兩個月窗口內的行政記錄是否相似。2注意，智利國內稅務局的住宅清單包括了智利所有的住宅（所有住宅都有應稅價值評估）因此，調查代表智利城市人口。EFH調查樣本是住宅樣本，無論居民是擁有、租賃還是甚至非法占用房產。它是智利城市地區所有住宅的詳盡集合，無論其占用者是納稅人與否。農村家庭沒有被選中，因為這些家庭只占人口的一小部分，并且從訪談者的運輸角度來看，到達這些家庭成本更高。因此，農村人口不在抽樣范圍之內。根據國家統計局（INE，西班牙語）的估計，……國家統計局)2021年智利城市人口為1,171,8329人，約占全國總人口的87.8%。3調查準備團隊使用了與西班牙銀行在場地人員能力提升方面非常相似的培訓材料。在2014年至2017年期間，該公司Ipsos負責場地人員的培訓和調查采訪操作，采用了與Ipsos在加拿大和其他國家進行的家庭金融調查相似的培訓和材料。調查問卷基于對美國消費者財務調查問卷的全面研究，以及意大利和荷蘭之前的調查經驗。此后 ,于2008年、2009年和2010年在圣地亞哥首都地區（代表全國GDP和人口的40%以上）進行了EFH調查。由于預算限制，這三次調查僅限于首都地區。3該文章的分析不包括2011年之前的調查波次，因為那些調查沒有收集到受訪者的國家身份證號碼。類似于歐洲家庭金融調查，問卷被分為幾個主題部分。4該調查包含12個主題部分：A)家庭結構 ,B)教育，C)就業，D)支付方式和服務，E)房地產資產和抵押貸款（主要住宅，其他物業），F)非抵押債務，G)對債務償還和信貸限制的看法，H)車輛和其他實物資產，I)財務資產、養老金和保險，J)非勞動收入和其他收入，K)對未來收入的預期，L)聯系信息和愿意參與未來調查波次。其中最大的部分旨在衡量家庭貸款，部分E包含約85個問題（其中大部分與抵押貸款相關）,部分F則詢問了45個問題。53在全國范圍內進行調查，派遣的受訪者遍布超過4300公里的南北距離，其成本遠高于僅僅覆蓋一個首都。此外，家庭金融調查會詢問幾個敏感的財務問題，這要求所有受訪者在開始實地工作之前進行數天的培訓。4該調查問卷的EFH和每個波次的數據庫（但不是與銀行貸款系統制作的保密匹配數據庫）可在智利中央銀行網站獲5F部分尤其長，因為45個問題中的幾個被反復應用于13種不同的非抵押貸款類型，具體包括：銀行信用卡、銀行信用額度、零售商店信用卡、銀行分期貸款、零售商店分期貸款、工會和信用合作社貸款、汽車貸款、教育貸款、親友貸款、典當行貸款、商店信貸、高利貸債務以及其他非正式債務。4在購買住宅貸款（包括抵押貸款和一些非抵押貸款）的情況下，這些問題是針對主要住宅以及家庭可能擁有的最多三套其他房地產物業所提出的。6調查問卷明確地從家庭的住房貸款（包括抵押貸款和非抵押貸款）開始，然后針對家庭擁有的前三大其他房地產資產提出相同的問題。提問的順序是從價值最高的房地產資產開始，最后到價值最低的房地產資產。當您的家庭購買房屋時，購房資金是如何籌集的？1)自籌資金（自有儲蓄），2)住房補貼，3)從金融機構獲得的抵押貸款，4)從金融機構獲得的非抵押貸款（例如：消費貸款或補充購房貸款） ,5)對應于部分或全部房產的轉移（例如：贈與或遺產），6)從親戚或朋友處獲得的貸款。對于每種3種不同的住房貸款類型（選項3，4，6），讓我們談談您的住房信貸。在購房時，您是通過哪個機構獲得抵押貸款的？1）州貸款，2）銀行或金融機構（是哪家銀行或金融機構？），3）工會，4）保險公司，5）合作社或信用社，6）其他機構（是哪個機構？請指定），8）未回答，9）不知道。您在購買房屋時房屋貸款的金額是多少，無論是以比索計還是以UF計？7對于受訪者未回答或不知道的情況，請向其展示包含19個可能區間的卡片：1)低于20UF，2)介于21至80UF之間，3)81至150UF，4)151至250UF，5)251至500UF，6)501至1000UF，7)1001至1500UF，8)1501至2000UF，9)2001至2500UF，10)2501至3700UF，11)3701至5006在EFH抵押貸款借款人中，92.9%在其主要住宅上擁有抵押貸款，18.5%在另一處物業上擁有抵押貸款，11.5%在主要住宅和其他物業上同時擁有抵押貸款。一些富裕的家庭可以報告至多4個抵押貸款。在EFH樣本中，87.9%的抵押貸款借款人只有一項抵押貸款，10.7%有2項抵押貸款，1.1%有3項抵押貸款，0.3%有4項抵押貸款。7UF是一種實際貨幣單位，用于調整智利的通貨膨脹，并在許多長期合同中廣泛使用，例如租金、抵押貸款、消費貸款和工資。在2010年至2019年期間，UF的平均價值為42.13美元，波動范圍在38.25美元至46.43美元之間。5您仍在償還這筆貸款嗎？您的貸款是否仍在進行中？您問這個貸款有多少年了？您完成了多少年多少個月的償還？您還需要償還多少年和月？值得強調的是，房地產和貸款問題首先出現，而非貸款貸款章節隨后出現。對于非貸款貸款，調查詢問了以下問題：對于這些貸款類型，1)銀行信用卡，2)銀行信貸額度，3)零售店卡或非銀行信用卡，4)零售店或非銀行消費者分期貸款（例如：店鋪現金預支），5)銀行或金融機構消費者分期貸款（不包括之前章節中已報告的其他貸款，如家庭補充貸款），6)合作社、工會或其他類似機構，7)汽車貸款，8)教育債務，9)來自親戚或朋友的貸款，10)來自放貸者和高利貸者的信貸，11)典當行，12)約定信貸（店鋪賬單或店鋪賬戶貸款），13)來自其他來源的債務（例如：雇主）。請具體說您或家中的任何成員是否有上述提及類型的信貸或債務？每個家庭擁有多少種類型的貸款？現在，對于每種類型的貸款，請提供以下信息，針對三個最大的家庭貸款（即債務金額最高的三個貸款），順序從最大的貸款開始，到最后一個第三大的貸款。家庭成員中誰擁有這筆債務？該債務的貸款機構是哪個？此貸款金額為多少（在您簽訂貸款合同之時）？對于受訪者未回答或不知道的情況，請向其出示包含17個可能區間的卡片（$表示智利比索）：1)$0至$30,000；2)$30,001至$50,000；3)$50,001至$120,000；4)$120,001至$250,000；5)$250,001至$500,000；6)$500,001至$1,000,000；7)$1,000,001至$2,000,000；8)$2,000,001至$3,500,000；9)$3,500,000至$5,000,000；10)6您問這項貸款已經多久了？您完成了多少年多少月的還款？您還有多少年零幾個月需要償還？您每月必須支付作為股息（包括利息、攤銷和其他費用）的貸款金額是多少？3匹配調查-登記數據的匯總統計表A.1總結了本研究家庭樣本中，調查和登記數據集（包含兩個數據集中任一的正數金額）中貸款的單變量分布。特別是，我考察了原始債務金額（這是調查受訪者所報告的問題）、總月度債務服務和貸款到期日。我考察了每個債務類別的總金額：抵押貸款、分期貸款、信用卡和信用額度。8結果顯示，調查和登記報告在抵押貸款、信用卡和信貸額度方面具有相似的貸款金額。這兩個數據集也顯示出相似的抵押貸款債務償還金額，盡管調查借款人傾向于報告較短的抵押貸款到期期限。調查借款人傾向于報告較小的消費分期貸款和總體消費債務（包括分期貸款、信用卡和信貸額度）的債務金額和償還金額，盡管他們對貸款到期期限的自我報告與登記數據相似。最后，我總結當調查數據和注冊數據在債務所有者方面存在差異時，貸款金額是否較小的情況。例如，可能的情況是，家庭在調查中未報告過小的貸款，因此這兩個數據集在借款人數上會有所不同，但主要是因為小額和不顯著的貸款被忽視。表A.2總結了匹配的問卷調查-銀行登記樣本中每種類型的貸款平均數和中位數分布，區分了在調查和登記中都存在正債務的案件。8如果一個借款人在某個類別中有不止一筆貸款，那么我們將報告總債務金額和債務。服務，以及按每筆貸款的債務金額加權的成熟度。7并且注冊信息，以及僅有一個數據源報告的正貸款額的案例。值得注意的是，調查中存在大額抵押貸款，這些貸款未在注冊數據集中報告。這可能會發生，因為調查中的一些抵押貸款可能來自非銀行機構，如保險公司，盡管借款人將其報告為銀行貸款。然而，確實存在這種情況：當注冊報告了一筆在調查中未報告的債務時，相應的抵押貸款金額加上信用卡和信用貸款的金額遠低于通常水平。這支持了這樣的觀點：一些家庭在訪談中簡單地沒有報告他們的貸款，因為他們認為這些貸款不重要。由于表A.2僅限于平均值和中位數，當債務所有權一致時，我還展示了調查和登記數據集中債務金額的累積分布函數（CDF）。也就是說，這些數字排除了僅在其中一個數據集中報告的貸款。結果與文章中的數字相似，文章包括了調查和登記中的所有正債務值。因此，債務所有權不是調查和登記之間差異的唯一來源。數據集在廣泛邊際（債務所有權報告）和密集邊際（每個債務類別的貸款金額）方面都存在差異。累積概率累積概率0債務金額（以UF計）抵押貸款：調查抵押貸款：登記處消費者：調查消費者：登記處8原始抵押貸款和消費者債務金額的調查和登記的累積分布函數（當兩個數據集中每個債務類別的正金額都存在時）累積概率累積概率0債務金額（以UF計）分期：調查分期：注冊表卡片+線條：調查卡+行：注冊處原始消費者分期貸款和循環債務工具（信用卡和信