第三方互联网金融对中国居民汽车消费的影响研究——基于ARDL 模型的实证分析

范红忠 魏铃洁

(华中科技大学经济学院, 武汉 430074)

引 言

当前有效需求不足依旧是制约我国国民经济可持续发展的关键瓶颈之一， 而我国有效需求不足的重要原因之一就是消费需求的不足。 虽然我国经济在改革开放以来保持了30 多年的高速增长，但一直存在低消费和高储蓄的突出现象。 这一问题早已引起众多学者的重视， 现有研究从居民收入分配、 消费习惯、 社会保障体系等诸多方面对这一问题进行了研究， 也有许多学者针对性地对我国居民住房消费进行了研究。 但他们都忽略了一个重要的领域， 我国汽车消费市场。 汽车作为我国居民消费中主要的耐用品， 并不具备住房商品的投资性。 近年来受经济下行压力的影响和房价暴涨的挤占， 我国汽车消费市场经历了很大的波动。

中国汽车工业协会发布的《汽车工业经济运行情况》 相关数据显示， 从1990 年起， 中国汽车市场经历了从“井喷增长” 阶段转为“发展逐步趋于平缓” 阶段。 2011 年之前， 中国汽车市场以“井喷式” 速度高速增长， 汽车销量从2001 年的230 万辆增长到2010 年的1800 万辆。 但自2011年开始， 销量同比增速从之前的20%以上逐渐下滑， 过渡到“平缓” 的微增长阶段。 而在最近的2018 年， 中国汽车市场销量28 年来首次出现负增长。 当前我国汽车市场面临严峻的下行趋势，这一现象在一定程度上使我国居民整体消费也同样出现下行趋势。 如何有效刺激我国汽车消费市场活力成为目前社会各界关注的焦点。

近年来， 互联网金融的快速发展正逐步影响并改变我国居民的消费方式和消费习惯。 第三方支付、 P2P 网贷、 大数据金融、 众筹等模式的不断兴起， 降低了居民消费成本， 提高了居民消费能力， 是促进我国居民消费增长的重要力量。 特别地， 我国居民在日常生活中已经养成使用移动支付的习惯， 第三方互联网支付渗透率达到较高水平。 第三方互联网支付是指除银行以外具备一定实力和良好信誉的独立机构， 利用互联网技术和信息安全技术等现代信息科技， 通过与各大银行签约的方式， 在用户与银行支付结算系统之间建立连接的网络支付模式。 这种模式既能降低交易主体之间的交易成本， 又能节省交易时间， 加快信息及资金的流通速度， 提高资源配置效率。在互联网技术的推动下， 传统的金融产业正朝着更加定制化、 智能化的方向变革， 一些新产品、新业态和新模式将成为未来金融市场的主导。 金融行业与互联网技术的深度融合是大势所趋， 必将对经济和社会发展产生深远的影响。

在互联网金融领域， 汽车资产逐渐成为主流资产之一。 目前互联网金融在汽车抵押贷款、 购车分期等领域发挥着重要作用。 中国车贷联盟发布的《全球车贷报告》 及其他相关数据显示， 2016年我国互联网金融在汽车行业的总规模达到约2000亿元人民币， 数十家互联网汽车金融服务商获得融资。 此外， 近年来高速发展的互联网金融信贷也加入了车贷市场的竞争中。 因此探讨互联网金融发展是否促进了居民汽车消费对我国汽车消费市场与经济的健康可持续发展均具有重要的现实意义。

1 文献综述

通过对现有研究的梳理和回顾可以发现， 已有大量文献对互联网金融发展的多方面影响效应进行了研究。 国外研究主要聚焦于互联网金融发展对传统金融中介的冲击(Stijn 等， 2002； Syed等， 2013）［1，2］、 互联网金融对货币政策与金融稳定的影响(Krueger， 2012）［3］等方面。 国内研究主要聚焦于互联网金融发展与经济增长的关系(李炳和赵阳， 2014； 周斌等， 2017； 姜松和黄庆华，2018）［4－6］、 互联网金融发展对传统金融行业的影响(郭品和沈悦， 2015）［7］、 互联网金融风险与监管(俞林等， 2015）［8］、 互联网金融发展对中小微企业融资的影响(王馨， 2015）［9］等方面。

此外一部分国内学者针对互联网金融对我国居民消费的影响进行了研究。 何启志和彭明生(2019）［10］运用非线性模型和省际面板数据就互联网金融对居民消费的影响效果进行了实证研究，发现互联网金融对居民消费具有较强的正向影响。崔海燕(2016）［11］利用动态时间序列模型实证研究了互联网金融对中国居民消费的影响效应， 发现加快互联网金融的发展可以有效促进中国居民消费的增长。 邢天才和张夕(2019）［12］采用面板VAR模型实证分析互联网消费金融对城镇居民消费升级的影响效应， 发现互联网消费金融促进了我国城镇居民的消费水平升级。 张李义和涂奔(2017）［13］从消费金融的功能性视角出发， 基于2011 ～2016 年月度数据， 运用信息熵方法和面板模型分析了互联网金融发展对中国居民消费的差异化影响， 发现互联网金融发展对居民消费结构升级有着显著正向影响， 并且对城镇居民消费的影响程度大于农村居民。

然而， 少有研究聚焦到互联网金融发展对居民汽车消费的影响， 仅有部分研究在实证分析中提及这二者之间的关系(邢天才和张夕， 2019）［12］。此外， 现有文献对我国居民汽车消费的研究大多以私有汽车保有量衡量居民汽车消费水平， 从汽车销量的视角研究居民汽车消费的文献较为少见，对互联网金融与汽车销量关系的探讨更是空白。因此本文采用中国2012 年第一季度至2019 年第二季度的时间序列数据， 构建ARDL 模型进行协整分析， 旨在探究互联网金融中第三方互联网支付交易规模对我国居民汽车销量的长短期影响效果， 希望可以为新常态下我国进一步挖掘汽车消费市场的潜力， 以及有关部门政策的制定与调整提供科学参考依据。

2 数据选取与模型构建

2.1 变量设计、 数据来源及处理

我国汽车互联网消费金融主要分为第三方支付、 电商类、 P2P 类、 分期购物类等。 其中， 第三方支付机构通过对支付的把控渗透各个汽车消费金融场景， 分享较大的市场份额。 第三方支付交易规模占互联网金融交易规模的比例较大， 并且对我国居民汽车消费的影响最大， 因此本文沿用崔海燕(2016）［11］的衡量标准， 选用第三方互联网支付市场交易规模作为互联网金融发展的衡量指标。 此外4 种主流的消费理论均认为收入是影响消费最重要的因素， 其中凯恩斯的绝对收入理论强调消费支出与实际收入之间存在稳定的函数关系。 因此， 为了研究互联网金融对我国居民汽车消费的影响， 需要控制收入因素， 本文选用实际国内生产总值来衡量居民收入水平。

考虑到数据的可获得性以及统计口径上的一致性， 本文选取2012 年第一季度至2019 年第二季度作为研究区间。 第三方互联网支付市场交易规模的季度数据来自易观智库EnfoDesk 《中国第三方支付互联网支付市场季度监测报告》， 我国汽车销量和国内生产总值的季度数据以及居民消费价格指数的月度数据均来自于《中国经济景气月报》。

由于本文采用季度时间序列数据进行实证研究， 需对数据进行以下预处理： (1） 由于国内权威统计机构只对居民消费价格指数的月度或年度数据进行了统计， 故本文选用居民消费价格指数的月度数据， 并以2012 年1 月作为基年， 换算每个月的价格指数， 取每个季度月平均值作为该季度的居民消费价格指数。 第三方互联网支付市场交易规模和国内生产总值的数据均以该价格指数进行换算为实际值； (2） 以上数据均使用Eviews 8.0 进行Census X12 季节调整。

2.2 ARDL 模型构建

考虑到本文选取的时间序列样本量有限， 采用适合小样本的自回归分布滞后(ARDL）模型进行实证研究。 除了不受样本量的限制， ARDL 方法与传统协整检验模型相比还具备以下优势： 能够处理时间序列非同阶平稳的情况； 即使解释变量存在内生性问题， 也能保证估计结果一致有效。ARDL 模型分析方法一般分为如下3 步进行。 第一步， 需要对各时间序列变量的单整性进行单位根检验， 虽然ARDL 模型适用于时间序列非同阶的情形， 但要求各变量的单整阶数不超过1。 第二步， 检验各变量间是否存在长期稳定的协整关系，并确定各变量间作用的方向。 为实现协整关系的检验， 可构建如下ARDL 边界协整检验模型：

其中： Δ 表示对变量进行一阶差分； ε1t为随机扰动项； α1为漂移项； ρi(i=1，2，3） 为最优滞后阶数， 由AIC 准则确定； μi(i=1，2，3） 表示模型的长期相关系数， βki(k=1，2，3） 为模型的短期相关系数； lnCt表示在时间t 我国汽车销量(万辆） 的对数值， lnFINt表示在时间t 第三方互联网支付交易规模(亿元， 2012 年第一季度价格指数） 的对数值， lnGDPt表示在时间t 实际国内生产总值(亿元， 2012 年第一季度价格指数）的对数值。

ARDL 边界协整检验是通过F 统计量和Wald统计量对滞后变量的系数进行联合显著性检验，以判断各变量间是否存在长期稳定的协整关系。原假设为各变量之间不存在长期均衡的协整关系。以式(1） 为例， 检验的原假设为： H0∶μ1=μ2=μ3=0， 备择假设为： μ1≠0 或μ2≠0 或μ3≠0。 如果F 统计值大于较大的临界值， 则无论各时间序列是I(0）或I(1）， 均可拒绝不存在协整关系的原假设， 即各变量间存在长期稳定的协整关系； 如果F 统计值小于临界值的下限， 则不能拒绝原假设， 即各变量间不存在协整关系； 如果F 统计值落在两个临界值之间， 则无法确定检验结果。

如果通过上述边界协整检验， 确定各变量间存在长期稳定的协整关系后， 则可进行ARDL 方法的第三步， 估计变量间的短期动态系数及长期均衡系数。 依据同样的原理， 建立如下ARDL(δ1，δ2，δ3）模型估计长期系数：

其中， δi(i=1，2，3） 是根据AIC 准则选取的最优滞后阶数， ηki(k=1，2，3） 表示长期均衡系数。 短期动态系数可由ARDL 误差修正(ARDLECM） 模型求得：

其中， γki(k=1，2，3） 表示短期动态系数，ECMt－i为误差修正项， 其系数λ 反映了当存在短期偏离时， 向长期均衡水平调整的速度。

3 实证结果分析

3.1 变量的单位根检验

虽然自回归分布滞后(ARDL） 模型不要求时间序列具备严格的同阶单整性， 但要求各变量的单整阶数不超过1。 在进行边界协整检验之前， 对各时间序列进行单位根检验， 本文使用ADF 检验方法进行单位根检验， 结果如表1 所示。

表1 的检验结果表明， 汽车销量和第三方互联网支付交易规模的自然对数序列均是I(0）， 实际国内生产总值的自然对数序列是I(1）， 可以使用ARDL 模型进行估计。

表1 各时间序列的单位根检验结果

3.2 边界协整检验

接下来对式(1） 的误差修正模型进行边界协整检验， 本文根据最小AIC 准则确定最优滞后阶数， 并得出相应的F 统计量， 进而在统计上判断这些变量之间是否存在长期协整关系。 边界协整检验结果如表2 所示。

由表2 的协整检验结果可以看出， F 统计量为7.234， 大于1%显著性水平对应的最高临界值6.36。 这表明这3 个变量间不存在长期协整关系的原假设被拒绝， 汽车销量、 第三方互联网支付交易规模以及实际国内生产总值之间存在长期稳定的协整关系。 在确定各变量间存在长期协整关系后， 就可以通过ARDL 模型估计第三方互联网支付交易规模和实际国内生产总值对汽车销量的短期动态及长期均衡系数。

表2 边界协整检验结果

3.3 ARDL 模型长短期系数的估计结果及说明

在进行长短期系数估计前需要确定模型中各变量的滞后阶数， 考虑到本文所选取样本数据的实际情况， 采用AIC 准则确定估计模型的最优滞后阶数， 并且设定最大滞后阶数为2。 第三方互联网支付交易规模和实际GDP 对汽车销量的长短期系数的估计结果如表3 所示。

表3 自回归分布滞后（ARDL） 模型长短期系数估计结果

通过分析表3 的估计结果发现， 第三方互联网支付交易规模在长期和短期中均对我国汽车销量产生显著的正向影响。 从长期来看， 第三方互联网支付交易规模增长1%， 会导致汽车销量增加0.13%。 从短期关系上看， 第三方互联网支付交易规模增长1%， 会导致汽车销量增加0.16%。第三方互联网支付交易规模对汽车销量的短期弹性系数要大于其长期弹性系数。 这充分说明互联网金融的发展确实能够促进我国居民汽车消费的增长。

实际GDP 在长期中对汽车销量具有显著的正向效应。 长期影响系数为0.24， 即当实际GDP增长1%， 汽车销量将会增加0.24%。 由此可见，长期中实际GDP 的增长增加了居民实际购买力，带动了我国居民汽车消费市场增长。 从短期来看，实际GDP 对汽车销量不具有显著影响。 这可能是由于本文使用的是季度数据， 时间跨度太短， 实际GDP 增长对居民汽车消费的影响具有短期时滞性。

此外， 在短期误差修正模型中， 除了包含第三方互联网支付交易规模、 实际GDP 对汽车销量的短期影响外， 还包含偏离长期关系的影响， 即误差修正项ECMt－1。 该模型误差修正项系数为－1.22，在1%的水平上显著， 当短期波动偏离长期均衡时， 将以122%的调整速度进行修正。

3.4 格兰杰因果检验

上述实证分析已基于ARDL 模型分析了第三方互联网支付交易规模和实际GDP 对汽车销量的长短期影响效应， 接下来对这三者间内在关系进行格兰杰因果检验。 本文综合使用LR、 AIC、 SBC等指标确定各变量最优滞后阶数， 格兰杰因果检验结果如表4 所示。 从表4 中可以看出， 第三方互联网支付交易规模和汽车销量、 实际GDP 和汽车销量之间存在单向格兰杰因果关系， 第三方互联网支付交易规模和实际GDP 均是汽车销量的格兰杰原因。 同时， 第三方互联网支付交易规模和实际GDP 之间存在双向格兰杰因果关系。

表4 格兰杰因果检验结果

4 结论和政策建议

4.1 研究结论

本文采用2012 年第一季度至2019 年第二季度的季度数据， 构建自回归分布滞后(ARDL） 模型， 研究了互联网金融行业中第三方互联网支付交易规模对我国居民汽车消费的影响， 得出以下结论： (1） 第三方互联网支付交易规模、 实际国内生产总值及我国汽车销量之间存在长期稳定的协整关系； (2） 第三方互联网支付交易规模在长短期均对我国汽车销量产生显著的正向影响， 且短期效应大于长期效应； (3） 实际GDP 在长期中对汽车销量具有显著的正向效应， 而短期中实际GDP 对汽车销量不具有显著影响； (4） 第三方互联网支付交易规模和实际GDP 均是汽车销量的格兰杰原因。 由此可见， 互联网金融的发展能够刺激我国居民汽车消费， 并能在一定程度上改善我国汽车市场产能过剩问题， 从而带动我国消费市场的增长。

4.2 政策建议

本文在互联网金融快速发展的背景下， 研究了互联网金融行业中第三方互联网支付交易规模对我国居民汽车消费的作用效果。 结合上述研究结论， 本文从政府、 汽车企业及互联网金融企业3 个视角提出如下政策建议： (1） 政府层面， 应加大对汽车互联网消费金融业务的政策支持力度，鼓励互联网金融积极参与汽车消费金融， 并将服务渗透到汽车产业的更多领域。 目前我国已出台了一系列政策支持汽车金融行业的发展， 内容涵盖汽车销售层面、 二手车和新能源汽车、 消费金融等领域。 但总体而言， 多集中于传统金融业务，针对汽车互联网金融业务的支持政策较少。 同时，政府也应加强对互联网金融行业的风险管控工作，促进互联网金融健康发展； (2） 汽车企业层面，面对当前我国汽车市场下行的严峻趋势， 应积极寻求与互联网金融公司的深层合作， 互联网金融不只能够在汽车抵押贷款和购车分期上发挥作用，未来还可以将业务延伸到汽车行业的众多领域，如汽车经销商上下游供应链、 汽车保险等， 从而在汽车市场推出更多创新的产品和服务。 汽车互联网金融将有望成为整个汽车行业发展的重要推动力和加速器； (3） 互联网金融企业层面， 应在合规运作的前提下， 在汽车行业积极开展互联网金融业务， 进一步挖掘汽车互联网金融市场潜力。2015 年我国汽车消费金融开始迈入爆发增长阶段， 借助P2P 网贷这股东风， 互联网金融公司广泛参与到汽车消费金融行业。 各路资本纷纷进入，一大批融资租赁公司和汽车金融的网贷平台迅速成立并发展起来， 如人人车贷、 微贷网等。 腾讯、阿里、 京东等互联网巨头也将互联网金融产品逐步渗透到汽车领域， 如腾讯理财通和一汽－大众奥迪展开品牌跨界合作； 余额宝与天猫启动“余额宝购车” 活动； 京东金融与易鑫车贷平台联合推出汽车融资互联网平台“汽车白条”。 但据《中国汽车市场年鉴》 相关数据显示， 2016 年我国汽车金融渗透率仅为35%， 与英国、 美国、 德国等发达国家成熟汽车市场相比仍有较大差距。 对于互联网金融企业而言， 目前我国汽车金融市场仍有很大的发展空间， 有望进一步挖掘汽车互联网金融市场潜力。