人口老龄化影响我国数字普惠金融的发展吗?——基于2011—2018年省级面板数据的实证检验

摘要/Abstract

摘要：

在我国人口老龄化以及数字普惠金融快速发展的背景下,学界对人口老龄化与数字普惠金融发展的关系却鲜有关注。为此,本文基于我国2011—2018年省级面板数据实证检验人口老龄化对数字普惠金融发展的影响,试图为数字普惠金融发展提供一个人口年龄结构角度的解释。研究发现:人口老龄化显著抑制了数字普惠金融的发展;同时,在人口老龄化水平高的地区、中西部地区和城乡收入差距较大的地区这种抑制作用更强;机制检验表明,人口老龄化通过抑制互联网普及、增强风险厌恶来抑制数字普惠金融的发展。

关键词: 人口老龄化, 数字普惠金融, 互联网普及, 风险厌恶, 中介效应模型

Abstract:

Under the background of the deepening aging degree and the rapid development of the digital financial inclusion in China, the academic circle has paid little attention to the relationship between the population aging and the development of the digital financial inclusion. Therefore, this paper empirically tests the impact of the population aging on the development of the digital financial inclusion based on the provincial panel data from 2011 to 2018, hoping to provide an explanation from the perspective of the demographic structure for the development of the digital financial inclusion. The results show that the population aging significantly inhibits the development level of the digital financial inclusion. At the same time, the inhibitory effect is stronger in the regions with a high level of aging, the central and western regions and the regions with a large urban-rural income gap. Further mechanism tests show that the population aging inhibits the development of the digital financial inclusion by inhibiting the internet popularization and enhancing the risk aversion.

Key words: Population Aging, Digital Financial Inclusion, Internet Popularization, Risk Aversion, Mediating Effect Model

中图分类号:

F832.5

张正平, 陈杨. 人口老龄化影响我国数字普惠金融的发展吗?——基于2011—2018年省级面板数据的实证检验[J]. 财经论丛, 2021, 37(11): 47-57.

ZHANG Zhengping, CHEN Yang. Does Population Aging Affect the Development of Digital Financial Inclusion?An Empirical Test Based on Provincial Panel Data during 2011 to 2018[J]. Collected Essays on Finance and Economics, 2021, 37(11): 47-57.

图/表 9

参考文献 32

[1]	黄益平. 数字普惠金融的机会与风险[J]. 新金融, 2017, (8):4-7.
[2]	夏淼, 吴义根. 人口老龄化与我国金融结构的变迁[J]. 西北人口, 2011, (2):124-129.
[3]	刘方, 李正彪. 人口出生率、年龄结构与金融发展[J]. 审计与经济研究, 2019, (3):117-127.
[4]	王平权. 人口与金融的三个关系[J]. 财经科学, 1996, (2):80-81.
[5]	Hogarth J. M., O’Donnell K. H. Being Accountable: A Descriptive Study of Unbanked Households in the US[C]. Proceedings of the Association for Financial Counseling and Planning Education, 1997: 58-67.
[6]	朱超, 宁恩祺. 金融发达地区是否存在金融排斥?——来自北京市老年人口的证据[J]. 国际金融研究, 2017, (4):3-13.
[7]	葛和平, 朱卉雯. 中国数字普惠金融的省域差异及影响因素研究[J]. 新金融, 2018, (2):47-53.
[8]	郭峰, 王靖一, 王芳, 等. 测度中国数字普惠金融发展: 指数编制与空间特征[J]. 经济学(季刊), 2020, (4):1401-1418.
[9]	蒋庆正, 李红, 刘香甜. 农村数字普惠金融发展水平测度及影响因素研究[J]. 金融经济学研究, 2019, (4):123-133.
[10]	齐红倩, 李志创. 中国普惠金融发展水平测度与评价——基于不同目标群体的微观实证研究[J]. 数量经济技术经济研究, 2019, (5):101-117.
[11]	孟娜娜, 粟勤. 挤出效应还是鲶鱼效应: 金融科技对传统普惠金融影响研究[J]. 现代财经(天津财经大学学报), 2020, (1):56-70.
[12]	张卫峰, 方显仓, 刘峻峰. 非常规货币政策、银行贷款与人口老龄化——来自日本的经验证据[J]. 国际金融研究, 2020, (7):45-55.
[13]	顾宁, 刘扬. 我国农村普惠金融发展的微观特征分析[J]. 农业技术经济, 2018, (1):48-59.
[14]	Bauer K., Hein S. E. The Effect of Heterogeneous Risk on the Early Adoption of Internet Banking Technologies[J]. Journal of Banking and Finance, 2006, 38(3):340-353.
[15]	李昊. 人口老龄化、医疗负担与微观人力资本投资[J]. 统计与决策, 2021, (2):88-92.
[16]	郭峰, 王瑶佩. 传统金融基础、知识门槛与数字金融下乡[J]. 财经研究, 2020, (1):19-33.
[17]	Davis F. D. A Technology Acceptance Model for Empirically Testing New End-User Information Systems: Theory and Results[D]. Massachusetts: Massachusetts Institute of Technology, 1986.
[18]	Phang C. W., Sutanto J., Kankanhalli A., et al. Senior Citizens’ Acceptance of Information Systems: A Study in the Context of E-government Services[J]. IEEE Transactions on Engineering Management, 2006, 53(4):555-569. DOI URL
[19]	刘勍勍, 左美云, 刘满成. 基于期望确认理论的老年人互联网应用持续使用实证分析[J]. 管理评论, 2012, (5):89-101.
[20]	张文娟, 刘瑞平. 中国老年人社会隔离的影响因素分析[J]. 人口研究, 2016, (5):75-91.
[21]	宋晓玲, 侯金辰. 互联网使用状况能否提升普惠金融发展水平?——来自25个发达国家和40个发展中国家的经验证据[J]. 管理世界, 2017, (1):172-173.
[22]	易祯, 朱超. 人口结构与金融市场风险结构: 风险厌恶的生命周期时变特征[J]. 经济研究, 2017, (9):150-164.
[23]	余静文, 姚翔晨. 人口年龄结构与金融结构——宏观事实与微观机制[J]. 金融研究, 2019, (4):20-38.
[24]	Christian K., Lukas M., Markus N. Financial Knowledge, Risk Preference, and the Demand for Digital Financial Services[J]. Schmalenbach Business Review, 2017, 18(12):343-375. DOI URL
[25]	Van Rooij M. C. J., Kool C. J. M., Prast H. M. Risk-return Preferences in the Pension Domain: Are People Able to Choose?[J]. Journal of Public Economics, 2007, 91(3):701-722. DOI URL
[26]	刘哲希, 王兆瑞, 陈小亮. 人口老龄化对居民部门债务的非线性影响研究[J]. 经济学动态, 2020, (4):64-78.
[27]	程名望, 张家平. 互联网普及城乡收入差距: 理论与实证[J]. 中国农村经济, 2019, (2):19-41.
[28]	孙英杰, 林春. 中国普惠金融发展的影响因素及其收敛性——基于中国省级面板数据检验[J]. 广东财经大学学报, 2018, (2):89-98.
[29]	戴魁早, 刘友金. 市场化改革能推进产业技术进步吗?——中国高技术产业的经验证据[J] 金融研究, 2020, (2):71-90.
[30]	朱超, 张林杰. 人口结构能解释经常账户平衡吗[J]. 金融研究, 2012, (5):30-44.
[31]	陈虹, 陈韬. 金砖国家与发达国家对外直接投资经济增长效应比较研究——基于动态面板工具变量法的分析[J]. 国际贸易问题, 2018, (4):72-89.
[32]	连玉君, 廖俊平. 如何检验分组回归后的组间系数差异?[J]. 郑州航空工业管理学院学报, 2017, (6):97-109.

变量	计算方法	均值	标准差	最小值	最大值
数字普惠金融(Index)	Ln(北京大学数字普惠金融省级指数)	5.064	0.679	2.786	5.934
人口老龄化(Elder)	65岁及以上人口数/劳动年龄人口数	0.135	0.032	0.067	0.227
65岁及以上人口占比(Old)	65岁及以上人口数/总人口数	0.099	0.022	0.048	0.152
经济发展水平(Lnpgdp)	Ln(人均国内生产总值)	10.767	0.434	9.710	11.851
城乡收入差距(Uig)	城镇居民人均可支配收入/农村居民人均纯收入	2.691	0.442	1.850	3.980
政府干预(Gov)	财政支出/GDP	0.281	0.211	0.110	1.379
普通高等学校毕业生人数(Edu)	Ln(普通高等学校毕业生人数)	11.974	0.976	9.007	13.281
人口密度(Tpd)	Ln(人口数/面积数)	7.854	0.426	6.244	8.669
互联网普及(Did)	互联网使用人数/年末总人口数×100	47.756	15.522	18.600	77.830
风险厌恶(Rav)	金融机构存款/股票交易额	0.975	1.029	0.058	6.898

变量	计算方法	均值	标准差	最小值	最大值
数字普惠金融(Index)	Ln(北京大学数字普惠金融省级指数)	5.064	0.679	2.786	5.934
人口老龄化(Elder)	65岁及以上人口数/劳动年龄人口数	0.135	0.032	0.067	0.227
65岁及以上人口占比(Old)	65岁及以上人口数/总人口数	0.099	0.022	0.048	0.152
经济发展水平(Lnpgdp)	Ln(人均国内生产总值)	10.767	0.434	9.710	11.851
城乡收入差距(Uig)	城镇居民人均可支配收入/农村居民人均纯收入	2.691	0.442	1.850	3.980
政府干预(Gov)	财政支出/GDP	0.281	0.211	0.110	1.379
普通高等学校毕业生人数(Edu)	Ln(普通高等学校毕业生人数)	11.974	0.976	9.007	13.281
人口密度(Tpd)	Ln(人口数/面积数)	7.854	0.426	6.244	8.669
互联网普及(Did)	互联网使用人数/年末总人口数×100	47.756	15.522	18.600	77.830
风险厌恶(Rav)	金融机构存款/股票交易额	0.975	1.029	0.058	6.898

变量	(1)系统GMM	(2)FE	(3)OLS	(4)FE	(5)差分GMM
Elder	-0.450^***(-4.129)	-2.196^***(-2.633)	-0.037(-0.316)	-0.339^*(-1.743)	-0.324^***(-3.098)
Lnpgdp	0.105^***(4.105)	0.563^***(4.310)	0.097^***(9.101)	0.061^*(1.710)	0.029(0.920)
Uig	-0.025^*(-1.810)	-0.029(-0.356)	0.005(0.634)	-0.009(-0.481)	0.002(0.105)
Gov	-0.095(-1.109)	1.598^***(3.370)	0.011(0.485)	-0.104(-0.938)	-0.044(-0.627)
变量	(1)系统GMM	(2)FE	(3)OLS	(4)FE	(5)差分GMM
Edu	0.002(0.302)	0.345^**(2.196)	0.011^**(2.147)	0.021(0.557)	0.118^***(4.214)
Tpd	0.012(0.947)	0.046(0.864)	0.006(0.884)	0.019(1.255)	0.018(1.302)
L.Index	0.346^***(22.390)		0.449^***(25.290)	0.335^***(22.172)	0.321^***(23.548)
C	2.260^***(8.000)	-6.851^**(-2.483)	1.746^***(10.903)	2.429^***(3.512)	1.605^***(3.064)
时间效应	是	是		是	是
地区效应		是		是
Hausman检验		18.94		74.16
F统计量		591.07	1700.68	3396.81
AR(1)检验	0.001				0.001
AR(2)检验	0.149				0.158
Sargan统计量	0.999				0.971
N	217	248	217	217	186

变量	(1)系统GMM	(2)FE	(3)OLS	(4)FE	(5)差分GMM
Elder	-0.450^***(-4.129)	-2.196^***(-2.633)	-0.037(-0.316)	-0.339^*(-1.743)	-0.324^***(-3.098)
Lnpgdp	0.105^***(4.105)	0.563^***(4.310)	0.097^***(9.101)	0.061^*(1.710)	0.029(0.920)
Uig	-0.025^*(-1.810)	-0.029(-0.356)	0.005(0.634)	-0.009(-0.481)	0.002(0.105)
Gov	-0.095(-1.109)	1.598^***(3.370)	0.011(0.485)	-0.104(-0.938)	-0.044(-0.627)
变量	(1)系统GMM	(2)FE	(3)OLS	(4)FE	(5)差分GMM
Edu	0.002(0.302)	0.345^**(2.196)	0.011^**(2.147)	0.021(0.557)	0.118^***(4.214)
Tpd	0.012(0.947)	0.046(0.864)	0.006(0.884)	0.019(1.255)	0.018(1.302)
L.Index	0.346^***(22.390)		0.449^***(25.290)	0.335^***(22.172)	0.321^***(23.548)
C	2.260^***(8.000)	-6.851^**(-2.483)	1.746^***(10.903)	2.429^***(3.512)	1.605^***(3.064)
时间效应	是	是		是	是
地区效应		是		是
Hausman检验		18.94		74.16
F统计量		591.07	1700.68	3396.81
AR(1)检验	0.001				0.001
AR(2)检验	0.149				0.158
Sargan统计量	0.999				0.971
N	217	248	217	217	186

变量	(1)FE+GMM	(2)IV+系统GMM
Elder	-1.561^**(-2.563)	-0.551^***(-4.775)
控制变量	是	是
C		1.698^***(4.789)
时间效应	是	是
AR(1)检验		0.001
AR(2)检验		0.175
Sargan统计量		0.996
N	217	217