中国人口老龄化对居民家庭金融资产配置的影响研究

李填境

(海峡金桥财产保险股份有限公司 福建福州 350000)

老龄化社会是指老年人口占总人口达到或超过一定比例的人口结构模型。联合国的传统标准是一个地区60岁以上老人达到总人口的10%，新标准是65岁以上老人占总人口的7%，该地区即视为进入老龄化社会。我国老年人口规模庞大，自2000年迈入老龄化社会之后，人口老龄化程度持续加深。2021年，中国60岁及以上人口26736万人，比2020年增加992万人，占全国人口的18.9%。由此可见，人口老龄化现象不容乐观。人口老龄化是社会发展的必然趋势，也是未来我国的基本国情，影响着社会的诸多方面。

研究人口老龄化对家庭金融资产配置的影响，可有效反映出在当前我国人口发展进入深度转型期，老龄化现象愈发明显的情况下，家庭根据自身情况及宏观经济状况做出的不同的资产分配选择，有助于金融机构根据这一现象研发针对性的理财产品，进而有效引导家庭做出更适宜的资产分配，最终达到提高家庭经济收益的目的。这样做不仅可以丰富家庭收入来源，使其金融资产在维持一定的稳定性的前提下获得更多收益，同时还可以间接缓解社会养老负担，促进金融市场进一步发展和完善。

1 文献综述

1.1 家庭金融资产配置的影响因素研究

影响家庭金融资产配置的因素包括宏观和微观两个层面。从宏观层面来看，胡宁宁、侯冠宇等(2023)基于中国家庭金融调查(CHFS)面板数据研究发现，数字普惠金融对家庭金融资产配置有正向影响，也能通过金融素养、风险认知、通信技术及财富水平正向影响家庭金融配置；何玥(2018)根据中国家庭追踪调查(CFPS)和中国劳动力动态调查(CLDS)的数据研究发现，建设法治政府能够显著提升家庭对风险资本市场的参与度；方文玲等(2018)结合时代背景，运用宏观面板数据建立模型进行实证分析，得出“互联网+金融”这一新兴金融模式对家庭风险资产配置具有正向效应的结论。此外，重大突发事件也会通过影响人们的心理状态、收入情况等进一步对家庭金融资产的配置产生影响；胡思敏等(2021)运用湖北省、北京市两个地区的居民调查数据进行分析，发现重大突发事件对家庭风险金融资产的配置有抑制作用，并且其程度受个体差异的影响。

微观层面对影响家庭金融资产配置的研究相较于宏观层面要更加具象且深入。在身体健康状况方面，黄采蕊(2023)将风险偏好作为中介变量，通过实证研究发现，健康状况冲击与居民家庭金融资产配置呈负相关关系。在住房方面，秦海林等(2022)利用工具变量法，基于2018年中国家庭追踪调查(CFPS)的相关数据实证检验了家庭持有住房对金融市场参与度的影响，并得出了前者对后者会有挤出效应的结论。但也有不少学者认为，住房贷款对家庭金融风险资产配置具有正向影响。此外，户主的主观幸福感也会影响家庭金融资产的配置，郝春锐等(2022)通过实证分析研究得出结论，主观幸福感对家庭金融资产配置具有抑制作用，而且这一点在高收入家庭中更为显著。

1.2 老龄化与家庭金融资产配置

年龄与家庭金融资产配置方面。Samuelson(1989)在研究家庭金融资产配置与年龄的关系时引入资产回报率及效用函数，推理研究结果显示，年龄的增长会对家庭金融资产配置的比例产生抑制作用；Gao and Fok(2015)在研究人口统计学特征对资产配置的影响时发现，户主年龄与不同金融活动之间的关系是非线性相关的；李丽芳(2015)基于2011年中国家庭金融调查(CHFS)数据，从年龄及年龄结构角度切入，得出结论：家庭居民在股票、基金等风险性资产的配置比例与家庭户主的年龄呈现“倒U型”关系，而银行存款、现金等无风险金融资产的投资与户主年龄大致呈正相关关系。

家庭老龄化与家庭金融资产配置方面。越来越多的相关研究学者将注意力放到了家庭老龄化方面。陈丹妮(2018)运用中国家庭金融调查数据得出高风险投资比例会随着家庭老龄化程度的加深而降低，银行储蓄、现金等无风险金融资产与此相反的结论；余静文和姚翔晨(2019)通过分析2013年CHFS数据得出，家庭风险投资比例与家庭老龄人口数量呈负相关关系。

1.3 文献评述

有关老龄化和资产配置的研究，大部分学者主要分析随着年龄的变动对家庭资产配置的影响，以家庭作为整体对老龄化程度衡量的文献并不多。所以本文选取户主(家庭经济决策者)年龄及老龄人口占家庭总人口的比例，从家庭层面进行老龄化的衡量，从而分析人口老龄化对家庭金融资产配置的影响。

2 人口老龄化影响家庭金融资产配置的研究设计

2.1 模型设计

2.1.1 模型的选择

本文研究的两个问题分别为：家庭是否持有风险性金融资产及家庭持有风险性金融资产占总金融资产的比例。前者是取值为0或1的二值虚拟变量，后者是取值在0到1之间的区间范围变量。适用于连续型变量的线性回归模型并不能很好的应用于研究此问题，所以本文实证分析部分使用的模型为Logit和Tobit模型。

2.1.2 模型的构建

(1)Logit模型

在研究家庭是否参与风险金融资产投资问题中，本文使用离散选择(Logit)模型来研究家庭是否参与风险金融资产投资的决策问题，具体模型为：

式(1)(2)中：highriski代表家庭是否持有风险性金融资产，是取值为0或1的二值虚拟变量；α1为截距项，β1为自变量的系数；自变量elder-60i表示家庭户主(经济决策者)年龄是否在60岁及以上，同样为二值虚拟变量；γ为控制变量的系数，控制变量包括家庭14岁及以下人口比例、家庭人口规模、家庭是否持有住房、家庭年收入水平、户主性别、户主的婚姻状况、户主的文化程度、户主的风险态度、城乡变量和地理变量；ε为随机扰动项。

(2)Tobit模型。在研究家庭参与风险金融资产投资深度，即持有风险金融资产占总金融资产比例问题中，因变量是取值为0到1之间的阶段数据。因此本文使用样本选择(Tobit)模型来研究家庭参与风险金融资产投资深度问题，具体模型为：

式(3)(4)中：highrisk-ri代表家庭参与风险金融资产投资占家庭总金融资产投资的比重，是取值在0至1之间的阶段数据。自变量old-ri代表家庭中60岁及以上老龄人口占家庭总人口数的比重。其余变量均与模型1含义相同。

2.2 数据来源

本文的数据使用西南财经大学中国家庭金融调查与研究中心所进行的中国家庭金融调查项目的调查数据(简称CHFS)。根据整篇文章所需变量及数据，以家庭ID(hhid)为关键字段，对其包含的家庭变量库、个人变量库、综合变量库进行了合并处理。同时还筛选并删除了缺失关键变量及家庭金融资产为零的样本，以保证实证数据的严谨性及结论的可靠性。

2.3 变量选取

具体变量的选取如表1所示。

表1 变量说明

表2 人口老龄化对家庭风险金融市场参与度及参与深度的影响

3 人口老龄化影响家庭金融资产配置的实证分析

3.1 基准回归

本文基准回归部分分别使用两个模型进行回归。首先是使用Logit模型分析家庭是否参与风险金融资产的投资；其次是使用Tobit模型分析家庭对风险金融资产的投资深度。通过分析明确人口老龄化是否会对其产生显著影响。表2为研究人口老龄化对家庭风险金融市场参与度的Logit模型，以及研究老龄人口占比影响家庭风险金融市场参与深度的Tobit模型的实证结果。

然后分析核心解释变量：Logit模型中核心解释变量(以家庭户主年龄是否在60岁及以上衡量人口老龄化)的边际效应分别为-0.098、-0.031，与被解释变量是显著负相关关系，即人口老龄化程度的增加会显著抑制家庭对风险金融资产的投资。Tobit模型中核心解释变量(以家庭中60岁及以上人口数占家庭总人口数的比重衡量人口老龄化)的边际效应分别为-0.154、-0.052，同样与被解释变量呈显著负相关关系，即人口老龄化程度的增加会显著降低家庭对风险金融资产的投资比例。

最后分析控制变量：

3.1.1 家庭层面特征

家庭人口规模对风险金融市场的参与有显著正向影响。但14岁以下人口数占家庭总人口数的比重对家庭参与风险金融市场的参与度及参与深度均有显著负向影响，在家庭总资产不变的情况下，家庭少儿抚养比增加会提高育儿、教育等成本，从而抑制其在风险金融市场的积极性。家庭收入和房产持有情况在两个模型中的边际效应均为正值，表明家庭收入的增加或房产的持有均会提高家庭对风险金融市场的参与性。

3.1.2 家庭户主层面特征

户主性别在两个模型中都以1%的显著性水平呈现明显的负向作用，即男性户主相较于女性户主而言，对风险金融资产的投资意愿更高，相应的投资比例也更深。户主的婚姻状况在两个模型中的边际效应分别为0.015、0.016，呈显著正相关关系，即已婚户主相较于单身户主对风险市场的参与度更高。对于户主的风险态度，风险中立型和偏好型在模型1中的边际效应分别为0.078、0.095，在模型2中的系数分别为0.086、0.110，可以看出风险偏好型户主相较于风险中立型户主有更高的投资风险金融资产的意愿，而且在1%的显著性水平下显著。从户主受教育程度来看，随着户主学历水平的提升，两个模型中的系数分别为0.067、0.101、0.126和0.082、0.126、0.156，也呈现递增趋势，说明随着户主受教育水平的提升，家庭会加大对风险金融资产的投资比例。

3.1.3 地理因素

城乡变量在两个模型中的边际效应分别为-0.086和-0.089，而且均在1%的显著性水平下显著，说明城镇相较于农村而言，经济发展水平及金融产品的可接触性更高，从而会提高城镇家庭对风险金融资产的投资意愿。家庭所在地区方面，中部、西部、东北部在两个模型中的边际效应分别为-0.038、-0.076、-0.084和-0.077、-0.122、-0.129，而且均在1%的显著性水平下显著，可见家庭所在不同经济发展程度的地区，对其参与风险金融的意愿也会有显著影响。

通过分析控制变量得出：除人口老龄化程度之外，家庭特征、家庭户主(经济决策者)特征、地理特征同样也会影响家庭风险金融资产的配置。如果户主性别是男性、户主受教育水平为本科及以上、家庭类型为城镇，则家庭风险金融资产配置比例会提高。

3.2 稳健性检验

为了规避由各种因素导致的估计误差，本文使用变换模型和变换核心变量两种方式对实证结果进行稳健性检验。变换模型：将Logit模型更换为Probit模型，将Tobit模型更换为OLS模型，再次分别进行回归。变换核心变量：将本文中采用的两种人口老龄化衡量标准改变为户主年龄，再次进行回归。根据表3，变换模型和变换核心变量的结果均证明了实证结果的稳健性。

表3 稳健性检验

4 结语

本文运用Logit模型和Tobit模型进行实证分析，最后得出以下结论：

第一，人口老龄化对家庭风险金融资产的配置行为具有显著抑制作用，即随着人口老龄化程度的加深，家庭在风险金融市场中的参与度和参与深度都会随之下降。

第二，家庭特征、家庭户主(经济决策者)特征、地理特征同样会影响家庭风险金融资产的配置，即如果户主性别是男性、户主受教育水平为本科及以上、家庭类型为城镇，则家庭风险金融资产配置比例会较高。