【人口老龄化对我国居民杠杆率的影响实证探究5100字（论文）】

人口老龄化对我国居民杠杆率的影响实证研究—基于省际面板数据的分析目录TOC\o"1-2"\h\u29007人口老龄化对我国居民杠杆率的影响—基于省际面板数据的分析 112661一、我国人口老龄化与居民债务现状分析 128612（一）我国人口老龄化的发展现状 119901（二）我国居民债务现状 227027二、实证过程与结果分析 413186（一）研究设计 4340（二）实证分析 518735三、结语 9281参考文献： 10摘要：截至2020年末，我国居民杠杆率在数值上为62.19%，自2008年金融危机以来增长了44.32个百分点，在新兴经济体中位居榜首，正迈向发达国家平均水平，居民部门杠杆水平攀升过快已经成为潜在威胁我国金融稳定的风险点。有鉴于此，为了更好地预防与缓释由此带来的金融风险，打好我国迈向高质量发展这场硬仗，有必要从人口老龄化角度出发，探索人口老龄化与我国居民杠杆率的快速攀升之间是否存在显著相关关系，有助于对我国居民部门潜在的债务风险进行客观评估。关键词：人口老龄化；居民杠杆率；影响一、我国人口老龄化与居民债务现状分析（一）我国人口老龄化的发展现状从我国刚完成的第七次人口普查数据来看，在2010-2020年的十年间，60岁及以上人口和65岁及以上人口在总人口中的占比分别上升了5.44个和4.63个百分点，增幅与上个十年相比均超过了2.5个百分点，表明我国老龄化发展进程具有明显加快的趋势。此外，2020年末，65岁及以上老年人口超500万的省份已有16个，更是有6个省份这个数据已经超过1000万。同时，我国劳动年龄人口在总人口中的比重呈现“先上升后下降”的发展趋势，发展曲线最高点在2010年，最大值为74.5%，随后下降速度逐渐加快。人口老龄化发展不容忽视，是今后较长一段时期我国的基本国情。图1我国2010-2020年65岁及以上人口数量及占比从下表我们也可以看到，2000年、2010年和2020年乡的65岁及以上老年人口占比均高于城和镇，且城乡差距在扩大。截至2020年末，我国65岁及以上人口在城、镇和乡的总人口中所占的比重逐级升高，分别为10.77%、11.81%和17.72%，乡村分别高出城和镇6.95和5.91个百分点。由此可见，我国乡村相较于城市面临着更严重的老龄化问题，城乡之间老龄化水平呈现明显的差异性。、表1我国2000年、2010年和2020年的老年人口占比年份/比例65岁及以上老年人口占比（%）全国城镇乡20006.967.006.257.7420108.927.697.7910.06202013.5010.7711.8117.72（二）我国居民债务现状本文居民杠杆率由居民债务/GDP计算得来，其中居民债务以住户贷款余额近似衡量，然而居民债务还应包括各种民间贷款、网络贷款等无法统计的数据，因此该统计口径还存在被低估的问题，我国居民杠杆率的实际水平会更高。以此来看，目前我国的居民债务或许对中长期经济发展产生了负面影响。表2我国2015-2020年31个省市区居民杠杆率单位：%地区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内蒙古32.6233.5035.0436.1737.8240.35辽宁36.1039.3641.9042.3646.0150.20吉林35.8739.4243.1648.7457.2659.46黑龙江34.5338.5940.6141.8543.7547.30上海43.5054.1559.8661.7966.4966.15江苏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山东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广东44.2853.357.9862.1666.9674.5广西3942.9747.5353.0357.663.46海南24.1831.2843.1649.9953.556.89重庆45.4844.9849.1753.7659.9266.8四川38.4939.5339.8540.7544.3348.43贵州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陕西31.3332.1332.8135.2638.8845.21甘肃54.1658.8562.5862.4762.6766.76青海22.3722.9625.5326.2731.9438.87宁夏52.652.5453.2654.762.0865.96新疆32.9136.1833.873133.0436.6本文居民杠杆率计算公式为住户贷款余额/GDP。从表2我们直观地看出，各地区居民杠杆率与经济发展之间整体上呈现正相关关系，即一个地区经济发展越好、发展水平越高，居民杠杆率也越高。二、实证过程与结果分析（一）研究设计1.变量选取本文以人口老龄化为核心解释变量，另外选取房价、城乡居民收入差距、城镇化水平、金融发展程度、通货膨胀、经济增速作为模型的控制变量。表3模型变量选取及含义变量类型变量名称代码变量含义单位被解释变量居民杠杆率lr金融机构住户贷款余额/GDP%核心解释变量老年抚养比old165岁及以上人口数/劳动人口%老年人口占比old265岁及以上人口数/总人口%控制变量房价lnhp商品房销售平均价格取对数--城乡居民收入差距income城镇居民人均可支配收入/农村居民人均可支配收入%城镇化水平urb城镇人口/年末常住人口%金融发展程度loan金融机构贷款总额/GDP%通货膨胀cpi居民消费价格指数--经济增速pgdpg人均GDP同比增长率%2.模型设定为了探索人口老龄化与居民杠杆率之间的关系，研究其是否会加大居民部门的债务风险，本文将基于我国2015-2020年的省际面板数据进行实证分析，构建如下回归方程：lr其中，i表示省（市），t表示年份。被解释变量lrit代表省（市）i在t期的居民部门杠杆率。解释变量oldit代表经济体i在t期的老年抚养比，在后文具体的回归分析中，考虑到人口老龄化对居民杠杆率的影响具有一定的时滞性，将对人口老龄化指标取滞后一期，克服由潜在的反向因果关系引起的内生性问题。Xit表示控制变量，α0为常数项，3.数据来源本文选取了我国31个省市作为研究对象，数据跨度为2015-2020年，数据类型为面板数据。为了减少异方差的影响，在实证过程中对绝对数额取对数，数据来源于wind数据库、国家统计局、中国人民银行等。（二）实证分析1.描述性统计本文收集我国31个省市从2015年到2020年的面板数据，对于缺失数据进行补齐，共获得186个观测值。表4为描述性统计结果。表4变量描述性统计结果变量观测数单位平均值标准差最小值最大值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居民杠杆率均值为45.34%，本文居民杠杆率计算公式中的分子居民债务由于数据的可得性，未考虑公积金贷款、保户质押贷款、信托贷款、P2P待还余额和民间借贷等，居民杠杆率数值存在低估，最大值为94.34%，最小值为22.37%，差异较大，反映了我国各地区居民杠杆率水平存在明显的地区差异性。老年抚养比和老年人口占比都可用来衡量一个地区老龄化水平，平均值分别为14.74%和10.68%，最大值分别为23.82%和16.26%，最小值分别为7.01%和4.98%，最大值和最小值分别相差16.81和11.28个百分点，侧面反映出各地区的老龄化水平存在较大的差异，此结论与第二章我国人口老龄化的现状分析中的区域性差异特征吻合。城镇化水平最大值和最小值相差悬殊，最大可达94.15%，最小仅为27.27%，城镇化水平一定程度上反映出地区的经济发展水平，反映出我国各省经济发展的不平衡。另外，金融发展程度最小值为83.18%，最大值为299.59%，也说明我国各地的金融发展水平不一，不同地区居民借贷面临的流动性约束也不同。2.多重共线性检验本文采用相关性检验和方差膨胀因子检验用于检验是否存在多重共线性。（1）相关性检验相关性检验结果如表5所示，解释变量之间的相关程度较小，可以认为解释变量之间不存在严重的多重共线性。表5变量相关性检验结果相关性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）方差膨胀因子检验方差膨胀因子检验结果如表6所示，解释变量VIF值均远小于10且平均VIF值为1.97，我们有充分的理由认为解释变量之间不存在严重的多重共线性，模型回归结果有效性得到保证。表6方差膨胀因子检验结果变量VIFlold11.45lnhp3.06income1.83loan1.46urb3.47cpi1.30pgdpg1.21MeanVIF1.973.回归结果分析为了探索人口老龄化与居民部门杠杆之间的关系，以便更好地防范居民债务风险，本文构建了回归模型进行实证检验，得到的回归结果如表7所示。豪斯曼检验结果认为固定效应模型更好。表7模型回归结果表中***、**、*分别代表在1%、5%和10%的显著性水平上显著（下同）。变量类型变量variable被解释变量：住户贷款/GDPlr核心解释变量老年抚养比lold10.2860***控制变量房价lnhp10.6868***城乡居民收入差距income0.3931***金融发展程度loan0.0808***城镇化率urb-0.0154通货膨胀cpi-0.1118经济增长pgdpg-0.0568**/常数项cons_-173.6875***/豪斯曼检验hausman17.08**//估计方法固定效应模型老年抚养比系数为0.2860，在1%的显著性水平上显著为正，表明人口老龄化与居民部门杠杆率显著正相关。具体来说，人口老龄化率每提高1%，居民杠杆率增加0.29个百分点，该结果与刘哲希等（2020）[80]、郭新华等（2015）[32]等学者的研究一致，进一步支持了人口老龄化的加深将对我国居民杠杆率的上升呈现一个促进作用。此外，我国社会保障制度还不健全，仍有大量老年人并未纳入社会养老体系，其生活费用、医疗保健等支出很大一部分由家庭承担，会增加家庭的生活负担，不利于家庭储蓄的积累，增大居民的偿债压力，从而抑制居民债务规模的下降。未来，随着人口老龄化进程的加快，我国居民杠杆率仍然存在上升的风险。同时，阮健弘等（2020）[78]对这一结果的合理解释是，一方面子女需要承担老年人很大一部分的消费支出和债务压力，支出和债务的代际转移效应导致人口老龄化对居民杠杆率具有正面影响，与生命周期理论不完全一致；另一方面，老年人口占比高也会削弱经济增速，对居民杠杆率计算公式的分母有负面影响，二者共同推高了居民杠杆率。从控制变量的结果来看，也基本符合预期：房价的快速上涨对居民部门的杠杆率上升有显著的正向影响，说明房价的上涨会带来居民杠杆率的攀升。从我国的实际情况来看，房价的持续上涨带动家庭资产增值，贷款买房成为常态化选择，房价上涨引发住房贷款增长，自然会加重居民家庭的房贷负担，进而导致居民债务的上升。同时，我国房地产价格总体上呈持续上涨的态势，居民对房地产的升值预期强烈，对房产的需求不再局限于生活必需品，而是对房产萌生出大量的投资需求；再加上我国还未建成完善的金融市场，市场上相对缺乏居民个人的投资渠道，配置房产是我国居民实现资产保值增值的重要手段，许多居民会选择贷款买房。全样本回归中城乡居民收入差距对居民杠杆率在1%的显著性水平上有正向影响。对此，郭新华（2016）[81]做出了详细的解释，以追求社会地位的角度为切入点，社会地位的竞争随着居民收入差距的增大而愈发剧烈，此时社会地位的提升带来的物质上和心理上的收益越大，此时收入水平低的居民通过负债追求社会地位的意愿强烈，从而会推高居民部门的债务规模。衡量经济增速的指标人均GDP增长率的回归系数为负，表明经济上行将对居民杠杆率产生负效应。主要原因是经济增速加快时，居民收入将稳步提升，而居民收入作为居民进行债务偿还的主要来源，收入的提升对居民现存的债务偿还压力会有一个减弱的效应，因而会降低居民杠杆率。此外，城镇化水平对居民部门杠杆率的影响为负且不显著。从理论上看城镇居民的借贷理念以及所受到的信贷约束均明显区别于农村居民，城镇相对来说具有更强的借贷意愿，因而随着城镇化进程的推进，居民整体的借贷意愿会有明显的提升，对居民杠杆率具有正向的贡献。然而，随着城镇化进程的推进，城镇居民收入水平也会随之提高，由农村居民向城镇居民身份转变的这部分居民，其本身对于借贷消费还是相对保守的观念，这可能是回归结果中城镇化率系数不显著的重要原因。4.稳健性检验为了检验结果的稳健性，我们还对核心解释变量进行了替代。我们将核心解释变量用老年人口占比来表示，同样对此进行回归分析，经过检验使用固定效应模型，得到了基本相同的结果，说明本文的研究结果具有一定的稳健性。表8稳健性检验结果变量类型变量variable被解释变量：住户贷款/GDPlr核心解释变量老年抚养比lold10.5382***控制变量房价lnhp10.6818***城乡居民收入差距income0.3939***金融发展程度loan0.0805***城镇化率urb-0.0074通货膨胀cpi-0.0835经济增长pgdpg-0.0570**/常数项cons_-179.1465***豪斯曼检验hausman19.11***//估计方法固定效