【人口老齡化對我國居民杠桿率的影響實證探究5100字（論文）】

人口老齡化對我國居民杠桿率的影響實證研究—基于省際面板數(shù)據(jù)的分析目錄TOC\o"1-2"\h\u29007人口老齡化對我國居民杠桿率的影響—基于省際面板數(shù)據(jù)的分析 112661一、我國人口老齡化與居民債務現(xiàn)狀分析 128612（一）我國人口老齡化的發(fā)展現(xiàn)狀 119901（二）我國居民債務現(xiàn)狀 227027二、實證過程與結(jié)果分析 413186（一）研究設計 4340（二）實證分析 518735三、結(jié)語 9281參考文獻： 10摘要：截至2020年末，我國居民杠桿率在數(shù)值上為62.19%，自2008年金融危機以來增長了44.32個百分點，在新興經(jīng)濟體中位居榜首，正邁向發(fā)達國家平均水平，居民部門杠桿水平攀升過快已經(jīng)成為潛在威脅我國金融穩(wěn)定的風險點。有鑒于此，為了更好地預防與緩釋由此帶來的金融風險，打好我國邁向高質(zhì)量發(fā)展這場硬仗，有必要從人口老齡化角度出發(fā)，探索人口老齡化與我國居民杠桿率的快速攀升之間是否存在顯著相關(guān)關(guān)系，有助于對我國居民部門潛在的債務風險進行客觀評估。關(guān)鍵詞：人口老齡化；居民杠桿率；影響一、我國人口老齡化與居民債務現(xiàn)狀分析（一）我國人口老齡化的發(fā)展現(xiàn)狀從我國剛完成的第七次人口普查數(shù)據(jù)來看，在2010-2020年的十年間，60歲及以上人口和65歲及以上人口在總?cè)丝谥械恼急确謩e上升了5.44個和4.63個百分點，增幅與上個十年相比均超過了2.5個百分點，表明我國老齡化發(fā)展進程具有明顯加快的趨勢。此外，2020年末，65歲及以上老年人口超500萬的省份已有16個，更是有6個省份這個數(shù)據(jù)已經(jīng)超過1000萬。同時，我國勞動年齡人口在總?cè)丝谥械谋戎爻尸F(xiàn)“先上升后下降”的發(fā)展趨勢，發(fā)展曲線最高點在2010年，最大值為74.5%，隨后下降速度逐漸加快。人口老齡化發(fā)展不容忽視，是今后較長一段時期我國的基本國情。圖1我國2010-2020年65歲及以上人口數(shù)量及占比從下表我們也可以看到，2000年、2010年和2020年鄉(xiāng)的65歲及以上老年人口占比均高于城和鎮(zhèn)，且城鄉(xiāng)差距在擴大。截至2020年末，我國65歲及以上人口在城、鎮(zhèn)和鄉(xiāng)的總?cè)丝谥兴嫉谋戎刂鸺壣?，分別為10.77%、11.81%和17.72%，鄉(xiāng)村分別高出城和鎮(zhèn)6.95和5.91個百分點。由此可見，我國鄉(xiāng)村相較于城市面臨著更嚴重的老齡化問題，城鄉(xiāng)之間老齡化水平呈現(xiàn)明顯的差異性。、表1我國2000年、2010年和2020年的老年人口占比年份/比例65歲及以上老年人口占比（%）全國城鎮(zhèn)鄉(xiāng)20006.967.006.257.7420108.927.697.7910.06202013.5010.7711.8117.72（二）我國居民債務現(xiàn)狀本文居民杠桿率由居民債務/GDP計算得來，其中居民債務以住戶貸款余額近似衡量，然而居民債務還應包括各種民間貸款、網(wǎng)絡貸款等無法統(tǒng)計的數(shù)據(jù)，因此該統(tǒng)計口徑還存在被低估的問題，我國居民杠桿率的實際水平會更高。以此來看，目前我國的居民債務或許對中長期經(jīng)濟發(fā)展產(chǎn)生了負面影響。表2我國2015-2020年31個省市區(qū)居民杠桿率單位：%地區(qū)2015年2016年2017年2018年2019年2020年北京45.1152.3255.0953.9653.9156.33天津30.8142.2350.7358.6167.1674.60河北33.8441.6048.2751.1355.3761.49山西25.1228.4028.8030.8033.5135.75內(nèi)蒙古32.6233.5035.0436.1737.8240.35遼寧36.1039.3641.9042.3646.0150.20吉林35.8739.4243.1648.7457.2659.46黑龍江34.5338.5940.6141.8543.7547.30上海43.5054.1559.8661.7966.4966.15江蘇28.3535.0738.2641.8547.4154.25浙江54.0958.9064.5873.3680.9794.34安徽34.0539.8543.8246.1549.6455.52福建47.4851.4254.8955.4159.6066.41江西41.2945.1950.6753.4458.2663.45山東25.2928.0731.8536.3541.7247.88河南27.0831.2034.0236.3441.2547.44湖北24.2728.0031.3433.0336.5143.06湖南27.2829.5732.2336.1439.3744.02廣東44.2853.357.9862.1666.9674.5廣西3942.9747.5353.0357.663.46海南24.1831.2843.1649.9953.556.89重慶45.4844.9849.1753.7659.9266.8四川38.4939.5339.8540.7544.3348.43貴州42.0244.245.5748.653.8656.76云南38.2837.4837.3938.7942.2546.75西藏28.8731.835.9739.0642.0244.27陜西31.3332.1332.8135.2638.8845.21甘肅54.1658.8562.5862.4762.6766.76青海22.3722.9625.5326.2731.9438.87寧夏52.652.5453.2654.762.0865.96新疆32.9136.1833.873133.0436.6本文居民杠桿率計算公式為住戶貸款余額/GDP。從表2我們直觀地看出，各地區(qū)居民杠桿率與經(jīng)濟發(fā)展之間整體上呈現(xiàn)正相關(guān)關(guān)系，即一個地區(qū)經(jīng)濟發(fā)展越好、發(fā)展水平越高，居民杠桿率也越高。二、實證過程與結(jié)果分析（一）研究設計1.變量選取本文以人口老齡化為核心解釋變量，另外選取房價、城鄉(xiāng)居民收入差距、城鎮(zhèn)化水平、金融發(fā)展程度、通貨膨脹、經(jīng)濟增速作為模型的控制變量。表3模型變量選取及含義變量類型變量名稱代碼變量含義單位被解釋變量居民杠桿率lr金融機構(gòu)住戶貸款余額/GDP%核心解釋變量老年撫養(yǎng)比old165歲及以上人口數(shù)/勞動人口%老年人口占比old265歲及以上人口數(shù)/總?cè)丝?控制變量房價lnhp商品房銷售平均價格取對數(shù)--城鄉(xiāng)居民收入差距income城鎮(zhèn)居民人均可支配收入/農(nóng)村居民人均可支配收入%城鎮(zhèn)化水平urb城鎮(zhèn)人口/年末常住人口%金融發(fā)展程度loan金融機構(gòu)貸款總額/GDP%通貨膨脹cpi居民消費價格指數(shù)--經(jīng)濟增速pgdpg人均GDP同比增長率%2.模型設定為了探索人口老齡化與居民杠桿率之間的關(guān)系，研究其是否會加大居民部門的債務風險，本文將基于我國2015-2020年的省際面板數(shù)據(jù)進行實證分析，構(gòu)建如下回歸方程：lr其中，i表示?。ㄊ校?，t表示年份。被解釋變量lrit代表?。ㄊ校﹊在t期的居民部門杠桿率。解釋變量oldit代表經(jīng)濟體i在t期的老年撫養(yǎng)比，在后文具體的回歸分析中，考慮到人口老齡化對居民杠桿率的影響具有一定的時滯性，將對人口老齡化指標取滯后一期，克服由潛在的反向因果關(guān)系引起的內(nèi)生性問題。Xit表示控制變量，α0為常數(shù)項，3.數(shù)據(jù)來源本文選取了我國31個省市作為研究對象，數(shù)據(jù)跨度為2015-2020年，數(shù)據(jù)類型為面板數(shù)據(jù)。為了減少異方差的影響，在實證過程中對絕對數(shù)額取對數(shù)，數(shù)據(jù)來源于wind數(shù)據(jù)庫、國家統(tǒng)計局、中國人民銀行等。（二）實證分析1.描述性統(tǒng)計本文收集我國31個省市從2015年到2020年的面板數(shù)據(jù)，對于缺失數(shù)據(jù)進行補齊，共獲得186個觀測值。表4為描述性統(tǒng)計結(jié)果。表4變量描述性統(tǒng)計結(jié)果變量觀測數(shù)單位平均值標準差最小值最大值lr186%45.3412.6222.3794.34lold1186%14.743.437.0123.82lold2186%10.682.374.9816.26lnhp186--8.960.478.3210.54income186%254.4435.54184.51344.55urb186%59.8612.4027.2794.15loan186%158.4344.9383.18299.59cpi186--102.010.62100.57103.70pgdpg186%6.046.73-25.1329.10居民杠桿率均值為45.34%，本文居民杠桿率計算公式中的分子居民債務由于數(shù)據(jù)的可得性，未考慮公積金貸款、保戶質(zhì)押貸款、信托貸款、P2P待還余額和民間借貸等，居民杠桿率數(shù)值存在低估，最大值為94.34%，最小值為22.37%，差異較大，反映了我國各地區(qū)居民杠桿率水平存在明顯的地區(qū)差異性。老年撫養(yǎng)比和老年人口占比都可用來衡量一個地區(qū)老齡化水平，平均值分別為14.74%和10.68%，最大值分別為23.82%和16.26%，最小值分別為7.01%和4.98%，最大值和最小值分別相差16.81和11.28個百分點，側(cè)面反映出各地區(qū)的老齡化水平存在較大的差異，此結(jié)論與第二章我國人口老齡化的現(xiàn)狀分析中的區(qū)域性差異特征吻合。城鎮(zhèn)化水平最大值和最小值相差懸殊，最大可達94.15%，最小僅為27.27%，城鎮(zhèn)化水平一定程度上反映出地區(qū)的經(jīng)濟發(fā)展水平，反映出我國各省經(jīng)濟發(fā)展的不平衡。另外，金融發(fā)展程度最小值為83.18%，最大值為299.59%，也說明我國各地的金融發(fā)展水平不一，不同地區(qū)居民借貸面臨的流動性約束也不同。2.多重共線性檢驗本文采用相關(guān)性檢驗和方差膨脹因子檢驗用于檢驗是否存在多重共線性。（1）相關(guān)性檢驗相關(guān)性檢驗結(jié)果如表5所示，解釋變量之間的相關(guān)程度較小，可以認為解釋變量之間不存在嚴重的多重共線性。表5變量相關(guān)性檢驗結(jié)果相關(guān)性lold1lnhpincomeurbloancpipgdpglold11.0000lnhp0.17941.0000income-0.3766-0.43351.0000urb0.33070.7407-0.59271.0000loan-0.29150.29700.17160.15801.0000cpi0.28270.3227-0.21210.14520.08531.0000pgdpg-0.02830.03100.1508-0.2132-0.1350-0.00511.0000（2）方差膨脹因子檢驗方差膨脹因子檢驗結(jié)果如表6所示，解釋變量VIF值均遠小于10且平均VIF值為1.97，我們有充分的理由認為解釋變量之間不存在嚴重的多重共線性，模型回歸結(jié)果有效性得到保證。表6方差膨脹因子檢驗結(jié)果變量VIFlold11.45lnhp3.06income1.83loan1.46urb3.47cpi1.30pgdpg1.21MeanVIF1.973.回歸結(jié)果分析為了探索人口老齡化與居民部門杠桿之間的關(guān)系，以便更好地防范居民債務風險，本文構(gòu)建了回歸模型進行實證檢驗，得到的回歸結(jié)果如表7所示。豪斯曼檢驗結(jié)果認為固定效應模型更好。表7模型回歸結(jié)果表中***、**、*分別代表在1%、5%和10%的顯著性水平上顯著（下同）。變量類型變量variable被解釋變量：住戶貸款/GDPlr核心解釋變量老年撫養(yǎng)比lold10.2860***控制變量房價lnhp10.6868***城鄉(xiāng)居民收入差距income0.3931***金融發(fā)展程度loan0.0808***城鎮(zhèn)化率urb-0.0154通貨膨脹cpi-0.1118經(jīng)濟增長pgdpg-0.0568**/常數(shù)項cons_-173.6875***/豪斯曼檢驗hausman17.08**//估計方法固定效應模型老年撫養(yǎng)比系數(shù)為0.2860，在1%的顯著性水平上顯著為正，表明人口老齡化與居民部門杠桿率顯著正相關(guān)。具體來說，人口老齡化率每提高1%，居民杠桿率增加0.29個百分點，該結(jié)果與劉哲希等（2020）[80]、郭新華等（2015）[32]等學者的研究一致，進一步支持了人口老齡化的加深將對我國居民杠桿率的上升呈現(xiàn)一個促進作用。此外，我國社會保障制度還不健全，仍有大量老年人并未納入社會養(yǎng)老體系，其生活費用、醫(yī)療保健等支出很大一部分由家庭承擔，會增加家庭的生活負擔，不利于家庭儲蓄的積累，增大居民的償債壓力，從而抑制居民債務規(guī)模的下降。未來，隨著人口老齡化進程的加快，我國居民杠桿率仍然存在上升的風險。同時，阮健弘等（2020）[78]對這一結(jié)果的合理解釋是，一方面子女需要承擔老年人很大一部分的消費支出和債務壓力，支出和債務的代際轉(zhuǎn)移效應導致人口老齡化對居民杠桿率具有正面影響，與生命周期理論不完全一致；另一方面，老年人口占比高也會削弱經(jīng)濟增速，對居民杠桿率計算公式的分母有負面影響，二者共同推高了居民杠桿率。從控制變量的結(jié)果來看，也基本符合預期：房價的快速上漲對居民部門的杠桿率上升有顯著的正向影響，說明房價的上漲會帶來居民杠桿率的攀升。從我國的實際情況來看，房價的持續(xù)上漲帶動家庭資產(chǎn)增值，貸款買房成為常態(tài)化選擇，房價上漲引發(fā)住房貸款增長，自然會加重居民家庭的房貸負擔，進而導致居民債務的上升。同時，我國房地產(chǎn)價格總體上呈持續(xù)上漲的態(tài)勢，居民對房地產(chǎn)的升值預期強烈，對房產(chǎn)的需求不再局限于生活必需品，而是對房產(chǎn)萌生出大量的投資需求；再加上我國還未建成完善的金融市場，市場上相對缺乏居民個人的投資渠道，配置房產(chǎn)是我國居民實現(xiàn)資產(chǎn)保值增值的重要手段，許多居民會選擇貸款買房。全樣本回歸中城鄉(xiāng)居民收入差距對居民杠桿率在1%的顯著性水平上有正向影響。對此，郭新華（2016）[81]做出了詳細的解釋，以追求社會地位的角度為切入點，社會地位的競爭隨著居民收入差距的增大而愈發(fā)劇烈，此時社會地位的提升帶來的物質(zhì)上和心理上的收益越大，此時收入水平低的居民通過負債追求社會地位的意愿強烈，從而會推高居民部門的債務規(guī)模。衡量經(jīng)濟增速的指標人均GDP增長率的回歸系數(shù)為負，表明經(jīng)濟上行將對居民杠桿率產(chǎn)生負效應。主要原因是經(jīng)濟增速加快時，居民收入將穩(wěn)步提升，而居民收入作為居民進行債務償還的主要來源，收入的提升對居民現(xiàn)存的債務償還壓力會有一個減弱的效應，因而會降低居民杠桿率。此外，城鎮(zhèn)化水平對居民部門杠桿率的影響為負且不顯著。從理論上看城鎮(zhèn)居民的借貸理念以及所受到的信貸約束均明顯區(qū)別于農(nóng)村居民，城鎮(zhèn)相對來說具有更強的借貸意愿，因而隨著城鎮(zhèn)化進程的推進，居民整體的借貸意愿會有明顯的提升，對居民杠桿率具有正向的貢獻。然而，隨著城鎮(zhèn)化進程的推進，城鎮(zhèn)居民收入水平也會隨之提高，由農(nóng)村居民向城鎮(zhèn)居民身份轉(zhuǎn)變的這部分居民，其本身對于借貸消費還是相對保守的觀念，這可能是回歸結(jié)果中城鎮(zhèn)化率系數(shù)不顯著的重要原因。4.穩(wěn)健性檢驗為了檢驗結(jié)果的穩(wěn)健性，我們還對核心解釋變量進行了替代。我們將核心解釋變量用老年人口占比來表示，同樣對此進行回歸分析，經(jīng)過檢驗使用固定效應模型，得到了基本相同的結(jié)果，說明本文的研究結(jié)果具有一定的穩(wěn)健性。表8穩(wěn)健性檢驗結(jié)果變量類型變量variable被解釋變量：住戶貸款/GDPlr核心解釋變量老年撫養(yǎng)比lold10.5382***控制變量房價lnhp10.6818***城鄉(xiāng)居民收入差距income0.3939***金融發(fā)展程度loan0.0805***城鎮(zhèn)化率urb-0.0074通貨膨脹cpi-0.0835經(jīng)濟增長pgdpg-0.0570**/常數(shù)項cons_-179.1465***豪斯曼檢驗hausman19.11***//估計方法固定效