中國人口老齡化對居民家庭金融資產配置的影響研究

李填境

(海峽金橋財產保險股份有限公司 福建福州 350000)

老齡化社會是指老年人口占總人口達到或超過一定比例的人口結構模型。聯合國的傳統標準是一個地區60歲以上老人達到總人口的10%，新標準是65歲以上老人占總人口的7%，該地區即視為進入老齡化社會。我國老年人口規模龐大，自2000年邁入老齡化社會之后，人口老齡化程度持續加深。2021年，中國60歲及以上人口26736萬人，比2020年增加992萬人，占全國人口的18.9%。由此可見，人口老齡化現象不容樂觀。人口老齡化是社會發展的必然趨勢，也是未來我國的基本國情，影響著社會的諸多方面。

研究人口老齡化對家庭金融資產配置的影響，可有效反映出在當前我國人口發展進入深度轉型期，老齡化現象愈發明顯的情況下，家庭根據自身情況及宏觀經濟狀況做出的不同的資產分配選擇，有助于金融機構根據這一現象研發針對性的理財產品，進而有效引導家庭做出更適宜的資產分配，最終達到提高家庭經濟收益的目的。這樣做不僅可以豐富家庭收入來源，使其金融資產在維持一定的穩定性的前提下獲得更多收益，同時還可以間接緩解社會養老負擔，促進金融市場進一步發展和完善。

1 文獻綜述

1.1 家庭金融資產配置的影響因素研究

影響家庭金融資產配置的因素包括宏觀和微觀兩個層面。從宏觀層面來看，胡寧寧、侯冠宇等(2023)基于中國家庭金融調查(CHFS)面板數據研究發現，數字普惠金融對家庭金融資產配置有正向影響，也能通過金融素養、風險認知、通信技術及財富水平正向影響家庭金融配置；何玥(2018)根據中國家庭追蹤調查(CFPS)和中國勞動力動態調查(CLDS)的數據研究發現，建設法治政府能夠顯著提升家庭對風險資本市場的參與度；方文玲等(2018)結合時代背景，運用宏觀面板數據建立模型進行實證分析，得出“互聯網+金融”這一新興金融模式對家庭風險資產配置具有正向效應的結論。此外，重大突發事件也會通過影響人們的心理狀態、收入情況等進一步對家庭金融資產的配置產生影響；胡思敏等(2021)運用湖北省、北京市兩個地區的居民調查數據進行分析，發現重大突發事件對家庭風險金融資產的配置有抑制作用，并且其程度受個體差異的影響。

微觀層面對影響家庭金融資產配置的研究相較于宏觀層面要更加具象且深入。在身體健康狀況方面，黃采蕊(2023)將風險偏好作為中介變量，通過實證研究發現，健康狀況沖擊與居民家庭金融資產配置呈負相關關系。在住房方面，秦海林等(2022)利用工具變量法，基于2018年中國家庭追蹤調查(CFPS)的相關數據實證檢驗了家庭持有住房對金融市場參與度的影響，并得出了前者對后者會有擠出效應的結論。但也有不少學者認為，住房貸款對家庭金融風險資產配置具有正向影響。此外，戶主的主觀幸福感也會影響家庭金融資產的配置，郝春銳等(2022)通過實證分析研究得出結論，主觀幸福感對家庭金融資產配置具有抑制作用，而且這一點在高收入家庭中更為顯著。

1.2 老齡化與家庭金融資產配置

年齡與家庭金融資產配置方面。Samuelson(1989)在研究家庭金融資產配置與年齡的關系時引入資產回報率及效用函數，推理研究結果顯示，年齡的增長會對家庭金融資產配置的比例產生抑制作用；Gao and Fok(2015)在研究人口統計學特征對資產配置的影響時發現，戶主年齡與不同金融活動之間的關系是非線性相關的；李麗芳(2015)基于2011年中國家庭金融調查(CHFS)數據，從年齡及年齡結構角度切入，得出結論：家庭居民在股票、基金等風險性資產的配置比例與家庭戶主的年齡呈現“倒U型”關系，而銀行存款、現金等無風險金融資產的投資與戶主年齡大致呈正相關關系。

家庭老齡化與家庭金融資產配置方面。越來越多的相關研究學者將注意力放到了家庭老齡化方面。陳丹妮(2018)運用中國家庭金融調查數據得出高風險投資比例會隨著家庭老齡化程度的加深而降低，銀行儲蓄、現金等無風險金融資產與此相反的結論；余靜文和姚翔晨(2019)通過分析2013年CHFS數據得出，家庭風險投資比例與家庭老齡人口數量呈負相關關系。

1.3 文獻評述

有關老齡化和資產配置的研究，大部分學者主要分析隨著年齡的變動對家庭資產配置的影響，以家庭作為整體對老齡化程度衡量的文獻并不多。所以本文選取戶主(家庭經濟決策者)年齡及老齡人口占家庭總人口的比例，從家庭層面進行老齡化的衡量，從而分析人口老齡化對家庭金融資產配置的影響。

2 人口老齡化影響家庭金融資產配置的研究設計

2.1 模型設計

2.1.1 模型的選擇

本文研究的兩個問題分別為：家庭是否持有風險性金融資產及家庭持有風險性金融資產占總金融資產的比例。前者是取值為0或1的二值虛擬變量，后者是取值在0到1之間的區間范圍變量。適用于連續型變量的線性回歸模型并不能很好的應用于研究此問題，所以本文實證分析部分使用的模型為Logit和Tobit模型。

2.1.2 模型的構建

(1)Logit模型

在研究家庭是否參與風險金融資產投資問題中，本文使用離散選擇(Logit)模型來研究家庭是否參與風險金融資產投資的決策問題，具體模型為：

式(1)(2)中：highriski代表家庭是否持有風險性金融資產，是取值為0或1的二值虛擬變量；α1為截距項，β1為自變量的系數；自變量elder-60i表示家庭戶主(經濟決策者)年齡是否在60歲及以上，同樣為二值虛擬變量；γ為控制變量的系數，控制變量包括家庭14歲及以下人口比例、家庭人口規模、家庭是否持有住房、家庭年收入水平、戶主性別、戶主的婚姻狀況、戶主的文化程度、戶主的風險態度、城鄉變量和地理變量；ε為隨機擾動項。

(2)Tobit模型。在研究家庭參與風險金融資產投資深度，即持有風險金融資產占總金融資產比例問題中，因變量是取值為0到1之間的階段數據。因此本文使用樣本選擇(Tobit)模型來研究家庭參與風險金融資產投資深度問題，具體模型為：

式(3)(4)中：highrisk-ri代表家庭參與風險金融資產投資占家庭總金融資產投資的比重，是取值在0至1之間的階段數據。自變量old-ri代表家庭中60歲及以上老齡人口占家庭總人口數的比重。其余變量均與模型1含義相同。

2.2 數據來源

本文的數據使用西南財經大學中國家庭金融調查與研究中心所進行的中國家庭金融調查項目的調查數據(簡稱CHFS)。根據整篇文章所需變量及數據，以家庭ID(hhid)為關鍵字段，對其包含的家庭變量庫、個人變量庫、綜合變量庫進行了合并處理。同時還篩選并刪除了缺失關鍵變量及家庭金融資產為零的樣本，以保證實證數據的嚴謹性及結論的可靠性。

2.3 變量選取

具體變量的選取如表1所示。

表1 變量說明

表2 人口老齡化對家庭風險金融市場參與度及參與深度的影響

3 人口老齡化影響家庭金融資產配置的實證分析

3.1 基準回歸

本文基準回歸部分分別使用兩個模型進行回歸。首先是使用Logit模型分析家庭是否參與風險金融資產的投資；其次是使用Tobit模型分析家庭對風險金融資產的投資深度。通過分析明確人口老齡化是否會對其產生顯著影響。表2為研究人口老齡化對家庭風險金融市場參與度的Logit模型，以及研究老齡人口占比影響家庭風險金融市場參與深度的Tobit模型的實證結果。

然后分析核心解釋變量：Logit模型中核心解釋變量(以家庭戶主年齡是否在60歲及以上衡量人口老齡化)的邊際效應分別為-0.098、-0.031，與被解釋變量是顯著負相關關系，即人口老齡化程度的增加會顯著抑制家庭對風險金融資產的投資。Tobit模型中核心解釋變量(以家庭中60歲及以上人口數占家庭總人口數的比重衡量人口老齡化)的邊際效應分別為-0.154、-0.052，同樣與被解釋變量呈顯著負相關關系，即人口老齡化程度的增加會顯著降低家庭對風險金融資產的投資比例。

最后分析控制變量：

3.1.1 家庭層面特征

家庭人口規模對風險金融市場的參與有顯著正向影響。但14歲以下人口數占家庭總人口數的比重對家庭參與風險金融市場的參與度及參與深度均有顯著負向影響，在家庭總資產不變的情況下，家庭少兒撫養比增加會提高育兒、教育等成本，從而抑制其在風險金融市場的積極性。家庭收入和房產持有情況在兩個模型中的邊際效應均為正值，表明家庭收入的增加或房產的持有均會提高家庭對風險金融市場的參與性。

3.1.2 家庭戶主層面特征

戶主性別在兩個模型中都以1%的顯著性水平呈現明顯的負向作用，即男性戶主相較于女性戶主而言，對風險金融資產的投資意愿更高，相應的投資比例也更深。戶主的婚姻狀況在兩個模型中的邊際效應分別為0.015、0.016，呈顯著正相關關系，即已婚戶主相較于單身戶主對風險市場的參與度更高。對于戶主的風險態度，風險中立型和偏好型在模型1中的邊際效應分別為0.078、0.095，在模型2中的系數分別為0.086、0.110，可以看出風險偏好型戶主相較于風險中立型戶主有更高的投資風險金融資產的意愿，而且在1%的顯著性水平下顯著。從戶主受教育程度來看，隨著戶主學歷水平的提升，兩個模型中的系數分別為0.067、0.101、0.126和0.082、0.126、0.156，也呈現遞增趨勢，說明隨著戶主受教育水平的提升，家庭會加大對風險金融資產的投資比例。

3.1.3 地理因素

城鄉變量在兩個模型中的邊際效應分別為-0.086和-0.089，而且均在1%的顯著性水平下顯著，說明城鎮相較于農村而言，經濟發展水平及金融產品的可接觸性更高，從而會提高城鎮家庭對風險金融資產的投資意愿。家庭所在地區方面，中部、西部、東北部在兩個模型中的邊際效應分別為-0.038、-0.076、-0.084和-0.077、-0.122、-0.129，而且均在1%的顯著性水平下顯著，可見家庭所在不同經濟發展程度的地區，對其參與風險金融的意愿也會有顯著影響。

通過分析控制變量得出：除人口老齡化程度之外，家庭特征、家庭戶主(經濟決策者)特征、地理特征同樣也會影響家庭風險金融資產的配置。如果戶主性別是男性、戶主受教育水平為本科及以上、家庭類型為城鎮，則家庭風險金融資產配置比例會提高。

3.2 穩健性檢驗

為了規避由各種因素導致的估計誤差，本文使用變換模型和變換核心變量兩種方式對實證結果進行穩健性檢驗。變換模型：將Logit模型更換為Probit模型，將Tobit模型更換為OLS模型，再次分別進行回歸。變換核心變量：將本文中采用的兩種人口老齡化衡量標準改變為戶主年齡，再次進行回歸。根據表3，變換模型和變換核心變量的結果均證明了實證結果的穩健性。

表3 穩健性檢驗

4 結語

本文運用Logit模型和Tobit模型進行實證分析，最后得出以下結論：

第一，人口老齡化對家庭風險金融資產的配置行為具有顯著抑制作用，即隨著人口老齡化程度的加深，家庭在風險金融市場中的參與度和參與深度都會隨之下降。

第二，家庭特征、家庭戶主(經濟決策者)特征、地理特征同樣會影響家庭風險金融資產的配置，即如果戶主性別是男性、戶主受教育水平為本科及以上、家庭類型為城鎮，則家庭風險金融資產配置比例會較高。