经济管理前沿
Frontiers in Economics and Management
- 主办单位:未來中國國際出版集團有限公司
- ISSN:3079-3696（P）
- ISSN:3079-9090（O）
- 期刊分类:经济管理
- 出版周期:月刊
- 投稿量:3
- 浏览量:737
相关文章
暂无数据
数字经济如何促进养老金融参与——影响效应与机制检验
How Digital Economy Promotes Pension Financial Participation: Impact Effects and Mechanism Tests
引言
随着我国人口老龄化程度的不断加深，养老金融已成为应对老龄化挑战、保障老年人生活质量的重要手段。2023年，我国60岁以上人口达到2.97亿人，占总人口的21.1%，65岁以上人口超过2.17亿人，占比15.4%。面对如此庞大的老年群体，发展养老金融不仅是经济发展的需要，更是社会责任的体现。近年来，国家出台了一系列政策文件，推动养老金融的发展。2023年10月，中央金融工作会议将养老金融列为金融高质量发展的“五篇大文章”之一。2024年，国务院发布保险业第三个“国十条”，强调丰富与银发经济相适应的保险产品和服务。此外，央行也通过设立服务消费与养老再贷款等措施，加大对养老产业的金融支持。这些政策的出台，为养老金融的发展提供了明确的方向和有力的支持。养老金融的发展不仅有助于稳定经济增长，推动经济结构转型升级，还能增强经济发展的韧性和稳定性。同时，养老金融的发展也能够带动相关产业链的协同发展，创造更多的经济附加值，为经济增长提供新的动力。
数字经济的快速发展为养老金融的创新和普及提供了新的机遇。数字技术不仅提高了金融服务的效率和可及性，还通过精准画像、智能推荐等方式，为老年人提供了更加个性化和多样化的金融产品和服务。如何通过数字经济来促进养老金融，是一个符合基本国情，适应当下新质生产力发展的重要话题。
本文将探讨数字经济如何通过多种机制促进养老金融的发展，并提出相应的政策建议。相较于已有文献，本文的边际贡献主要有以下几方面：第一，本文通过研究数字经济对于养老金融参与的作用与机制，进一步拓展了数字经济领域的相关研究；第二，本文通过研究养老金融产品的参与问题，能进一步完善养老金融第三支柱视阈下的产品研究，推进养老金融产品的发展；第三，本文所研究主题能较好涵盖“数字金融”与“养老金融”这两篇金融大文章，能为政府实现“金融五篇大文章”提供政策依据。
一、文献综述与理论假设
（一）数字经济的定义及其作用
数字经济是数字技术与传统金融相互交融的新兴事物，其依托大数据信息为平台，来实现企业与居民、居民与消费、消费与投资、生产与供应等行为的数字化，进而推动经济社会的技术进步和发展。将数字技术运用到金融行业也可扩展金融业务范围、消除信息不对称所带来的逆向选择与道德风险问题，降低了金融服务的鞋底成本，并为居民融资带来一定的便利性。
在微观层面，数字经济可通过网络平台层面来提高传统金融企业的服务效率，降低企业和居民的交易成本来提高企业的整体服务质量。同时，数字经济以智能算法、大数据和云平台等互联网技术，可以进一步拓展金融服务的触达范围和使用深度，从而来缓解流动性约束，促进居民消费水平的提高。
（二）数字经济与养老金融
目前数字经济对养老金融的含义较少。一方面，数字经济可以有效提升居民对与企业的认知范围以及减少整体的信息不对称程度，通过正向的成本节约效应来提升整体的金融服务便利性。另一方面，数字经济可以通过平台构建，通过线上云技术等平台，提示居民对于养老金融产品的整体风险识别，并由数字红利对整体产生一定的利益行为。依据老年人基数大，金融素质整体偏低的特征，数字经济可以将金融产品的有效性通过数字化转型来进行早起销售干预转变，并由此保护消费者。
基于上述综述，本文提出核心假设：
H1a：数字经济发展水平能够提升老年人的养老金融参与。
H1b：数字经济发展水平能够促进老年人减少基本养老保险，增进理财类养老产品的投入。
H2a：数字经济发展水平能通过提升老年人的投资便利性来提升老年人的养老金融参与。
H2b：数字经济发展水平能通过改善老年人的风险偏好来提升老年人的养老金融参与。
二、研究设计
（一）数据来源
本文的数据来自于西南财经大学2015年、2017年、2019年所进行的中国家庭金融调查（China Household Finance Survey and Research ，CHFS）。这三期调查的内容分别为2014年、2016年、2018年年末的家庭情况。
本文为保证数据的有效性和平稳性，同时控制家庭的固定效应，将不同调查年份的家庭整合在一起，形成平衡面板数据。本文剔除了关键变量缺失的样本，剔除了总收入、总资产小于0等存在异常值的样本，同时对样本变量进行1%和99%分位上的缩尾处理，以避免极端值所带来的不良影响。由于本文研究对象为老年人，因此借鉴王向楠等的做法，将老年人界定为年龄60岁以上的户主，由此得到9730个样本。
（二）变量定义
1.被解释变量：居民金融参与
本文对此的被解释变量有两个：养老保险和金融理财产品持有情况。
（1）养老保险。本文引用虚拟变量Old_Insurance来表示CHFS问卷中，家庭养老保险的持有情况。其中持有养老保险的家庭，取值为1，没有则取值为0。
（2）金融理财产品持有情况。本文引用虚拟变量Finpart表示CHFS问卷中，持有金融理财产品的家庭取值为1，没有则取值为0。
2.解释变量：数字经济发展水平Digital
本文借鉴赵涛等，通过构建相应市域数字经济发展水平指标体系来进行各地级市数字经济发展水平的测度。
3.控制变量
本文在此借鉴陈华等、储怡安等以及王向楠等相关检验，在模型中加入如下控制变量。各变量具体定义如下表1所示。
| 变量类型 | 变量名称 | 变量符号 | 变量含义 |
|---|---|---|---|
| 被解释变量 | 养老保险持有情况 | Old_Insurance | 虚拟变量，持有保险赋值为1,否则为0 |
| 理财产品持有情况 | Finpart | 虚拟变量，持有理财产品赋值为1，否则为0 | |
| 解释变量 | 数字经济发展水平 | Digital | 连续变量，通过构建指标进行测度 |
| 控制变量 | 文化程度 | Degree | 虚拟变量，户主学历进行1-9赋值 |
| 健康状况 | Health | 虚拟变量，健康状况好至不好进行1-5赋值 | |
| 婚姻情况 | Marriage | 虚拟变量，已婚赋值为1，未婚赋值为0 | |
| 性别情况 | Gender | 虚拟变量，户主性别为男赋值为1，性别为女赋值为0 | |
| 总资产 | Lnasset | 连续变量，家庭总资产对数值 | |
| 总收入 | Lnincome | 连续变量，家庭总收入对数值 | |
| 总负债 | Lndebt | 连续变量，家庭总负债对数值 | |
| 家庭人数 | Size | 连续变量，家庭总人数 | |
| 家庭所属类别 | Rural | 虚拟变量，农村=1，城镇=0 | |
| 家庭所属地区 | Region | 虚拟变量，东部地区赋值为1，中部地区赋值为2，西部地区赋值为3，东北地区，赋值为4 |
（三）模型设定
本文采用双向固定效应模型来分析数字经济发展水平对于养老保险持有情况以及理财产品持有情况进行分析。所建立模型如下所示：
其中：分别表示居民所在省份和年份，表示居民的金融参与情况，包括养老保险参与以及理财产品参与；为核心解释变量——数字经济发展水平；为常数项；表示数字经济发展水平对于居民金融参与的影响；为一系列控制变量；则为控制变量的系数向量；为居民的省份固定效应；为年份固定效应；为随机扰动项。各个变量的描述性统计结果如下表2所示。
| 变量名 | 观测值 | 平均值 | 标准差 | 最小值 | 最大值 |
|---|---|---|---|---|---|
| OldInsurance | 9730 | 0.931 | 0.253 | 0.000 | 1.000 |
| Finpart | 9730 | 0.061 | 0.240 | 0.000 | 1.000 |
| Digital | 9730 | 2.485 | 0.566 | 1.546 | 3.778 |
| Degree | 9730 | 2.878 | 1.396 | 1.000 | 8.000 |
| Health | 9730 | 2.886 | 0.991 | 1.000 | 5.000 |
| Marriage | 9730 | 0.833 | 0.373 | 0.000 | 1.000 |
| Gender | 9730 | 0.773 | 0.419 | 0.000 | 1.000 |
| Lnasset | 9730 | 12.436 | 1.801 | 8.129 | 15.994 |
| Lnincome | 9730 | 10.358 | 1.423 | 3.761 | 13.147 |
| Lndebt | 9730 | 1.766 | 3.896 | 0.000 | 13.528 |
| Size | 9730 | 2.866 | 1.586 | 1.000 | 8.000 |
| Rural | 9730 | 0.397 | 0.489 | 0.000 | 1.000 |
| Region | 9730 | 2.105 | 1.067 | 1.000 | 4.000 |
三、实证分析
（一）基准回归
| 变量 | (1) | (2) | (3) | (4) |
|---|---|---|---|---|
| Old_Insurance | Old_Insurance | Finpart | Finpart | |
| Digital | -0.164*** | -0.164*** | 0.121*** | 0.119*** |
| (0.046) | (0.045) | (0.044) | (0.042) | |
| Degree | 0.005** | 0.020*** | ||
| (0.002) | (0.002) | |||
| Health | 0.001 | -0.003 | ||
| (0.003) | (0.002) | |||
| Marriage | 0.000 | 0.016** | ||
| (0.007) | (0.007) | |||
| Gender | 0.002 | 0.004 | ||
| (0.007) | (0.006) | |||
| Lnasset | -0.002 | 0.019*** | ||
| (0.002) | (0.002) | |||
| Lnincome | 0.042*** | 0.013*** | ||
| (0.002) | (0.002) | |||
| Lndebt | -0.000 | -0.000 | ||
| (0.001) | (0.001) | |||
| Size | -0.016*** | -0.008*** | ||
| (0.002) | (0.002) | |||
| Rural | 0.016*** | -0.012** | ||
| (0.006) | (0.006) | |||
| Region | -0.059*** | 0.002 | ||
| (0.013) | (0.012) | |||
| 年份固定效应 | YES | YES | YES | YES |
| 省份固定效应 | YES | YES | YES | YES |
| Constant | 1.310*** | 0.940*** | -0.086 | -0.562*** |
| (0.113) | (0.126) | (0.107) | (0.118) | |
| N | 9730 | 9730 | 9730 | 9730 |
| R² | 0.052 | 0.098 | 0.064 | 0.127 |
注：*、**、*** 分别表示在10%、5%、1%水平上显著，括号内为标准误差，下同。
数字经济发展水平对金融参与的回归结果如表3所示，列（1）与列（3）为Digital对于金融参与的单变量回归；列（2）和列（4）则在回归方程加入了一系列控制变量列。列（1）-（4）结果显示，数字经济发展水平对于居民金融参与的影响均在1%的水平上显著，且数字经济对养老保险为负相关关系，对理财产品为正相关关系，假说H1a和H1b成立。
在控制变量方面，户主的学历水平Degree的系数估计值在第（2）列和第（4）列中显著为正，表明居民的学历认知水平对于养老保险的持有率以及理财产品的参与度更高。同时，家庭总收入Lnincome的系数估计值显著为正，说明家庭的收入与金融参与度是呈正相关关系，家庭收入越高，代表其在日常消费之余有更多的资金去进行养老金融资产的购买以及理财产品的投资。
（二）稳健性检验
1.替换自变量
通过替换自变量的衡量方式，可以验证模型是否对特定的衡量方式敏感。如果结果在不同衡量方式下保持一致，说明模型是稳健的，结果具有较高的可信度。本文所采取的数字经济发展水平为市级指标构建所得，在此将核心解释变量数字经济发展水平替换为北大数字普惠金融指数进行回归，回归结果如下表4第（1）-（2）列所示。由回归结果可知，在将核心解释变量替换之后，其系数显著为正，前文所得结论稳健。
2.调整年龄界定标准
通过运用不同界定标准来衡量被解释变量，若回归结果没有发生变化，则可证明基准回归结果稳健。本文在此借鉴王向楠等的做法，将老年人的界定标准从“60岁以上”调整为“65岁以上”，重新进行回归分析。回归结果如表4第（3）-（4）列所示，Digital系数在1%的水平上显著，且其系数方向与原回归结果保持一致，前文所得结论稳健。
3.剔除直辖市影响
考虑到直辖市科技优势资源集中、研发投入较大、数字经济发展水平相对更高，进而会对结论产生误差影响。因此本文在此借鉴胡欢欢的做法，通过剔除北京、上海、天津、重庆四个直辖市，来排除地区差异所带来的结果偏误。结果如表4列（5）-列（6）所示，在剔除直辖市之后，系数符号与显著性与原基准回归结果一致，结果依旧稳健。
| 变量 | (1) | (2) | (3) | (4) | (5) | (6) |
|---|---|---|---|---|---|---|
| Old_Insurance | Finpart | Old_Insurance | Finpart | Old_Insurance | Finpart | |
| Digital | 0.001** | 0.001** | -0.123** | 0.139*** | -0.144*** | 0.118*** |
| (0.000) | (0.000) | (0.056) | (0.053) | (0.047) | (0.042) | |
| 控制变量 | Yes | Yes | Yes | Yes | Yes | Yes |
| 年份固定效应 | Yes | Yes | Yes | Yes | Yes | Yes |
| 省份固定效应 | Yes | Yes | Yes | Yes | Yes | Yes |
| N | 9459 | 9459 | 6168 | 6168 | 9241 | 9241 |
| R² | 0.096 | 0.127 | 0.103 | 0.122 | 0.100 | 0.123 |
（三）异质性分析
各个家庭因所在地区、认知水平、经济压力等方面存在一定差异，数字经济发展水平对于家庭养老金融的参与水平也会存在一定的差异。在此，本文将从以下几个方面来讨论其影响的异质性。
1.基于家庭所在地区的异质性分析
发达地区通常拥有更完善的数字基础设施，如高速互联网、5G网络覆盖、数据中心等。这些基础设施为数字经济的发展提供了坚实的基础，促进了数字技术的广泛应用和创新。同时，不同地区发展水平不同，其养老金制度的覆盖率以及金融市场发展仍然存在显著差异。在此本文将样本分为城镇和乡村两个区域进行分析，来探究不同区域数字经济发展水平对于养老金融参与程度的影响。其结果如表5所示。
表5显示，在乡村地带，数字经济发展水平对于养老金融产品的参与影响完全不显著，而对城镇地区的影响则与原回归结果一致。这可能是因为，乡村地带的数字经济基础设施并不完善，政府与数字经济的协同作用不够高。
| 划分标准 | (1) | (2) | (3) | （4） |
|---|---|---|---|---|
| 乡村 | 乡村 | 城镇 | 城镇 | |
| Old_Insurance | Finpart | Old_Insurance | Finpart | |
| Digital | -0.143 | 0.006 | -0.166*** | 0.135** |
| (0.092) | (0.028) | (0.050) | (0.064) | |
| 控制变量 | YES | YES | YES | YES |
| 固定效应 | YES | YES | YES | YES |
| N | 3860 | 3860 | 5870 | 5870 |
| R² | 0.101 | 0.035 | 0.121 | 0.120 |
2.基于家庭收入水平的异质性分析
高收入家庭通常拥有更多的可支配收入，能够承担更高的储蓄率和投资额度。他们更有可能参与多种养老金融产品，如商业养老保险、股票、基金等，以实现资产的多元化配置和风险分散。而低收入家庭，则可能受制于经济压力，更倾向于选择基本养老保险等低收益产品，以确保最基本的养老保障。因此，本文以家庭总收入的中位数为界定标准，将样本分为高收入家庭和低收入家庭以此进行异质性研究，其研究结果如下表6所示。
表6可见，列（1）-（2）的Digital系数并不显著，而列（3）-（4）的系数方向与显著程度与原回归结果一致。这说明高收入家庭的金融参与程度对于数字经济发展水平而言并不敏感，表明其本身对于自身的养老金融产品配置情况以及风险抵御有一定认知见解，并不会随外在因素的变化而改变。
| 划分标准 | (1) | (2) | (3) | （4） |
|---|---|---|---|---|
| 高收入家庭 | 高收入家庭 | 低收入家庭 | 低收入家庭 | |
| Old_Insurance | Finpart | Old_Insurance | Finpart | |
| Digital | -0.083 | -0.175 | -0.165*** | 0.118*** |
| (0.192) | (0.517) | (0.046) | (0.041) | |
| 控制变量 | YES | YES | YES | YES |
| 固定效应 | YES | YES | YES | YES |
| N | 239 | 239 | 9491 | 9491 |
| R² | 0.200 | 0.261 | 0.100 | 0.117 |
3.基于家庭认知水平的异质性分析
在认知水平方面，高学历人群通常具有更高的金融知识水平和更强的理解能力。他们能够更好地理解复杂的金融产品和投资策略，并且能够根据自身的风险偏好和需求，合理对资产进行配置。在此，本文借鉴陈华等的方法，选择以户主学历水平的中位数来对家庭认知水平进行区分，其分析结果如下表7所示。
表7显示，列（1）-（4）的Digital系数均显著，其中高学历家庭对于理财类产品的系数要大于低学历家庭，基本的养老保险系数则要小于低学历家庭。这表明，学历越高，其对于理财产品的偏好越强，越注重在实现基本养老保障的基础上，通过数字技术获得更多信息来追求一定的收益性。
| 划分标准 | (1) | (2) | (3) | （4） |
|---|---|---|---|---|
| 高学历家庭 | 高学历家庭 | 低学历家庭 | 低学历家庭 | |
| Old_Insurance | Finpart | Old_Insurance | Finpart | |
| Digital | -0.166** | 0.350* | -0.164*** | 0.074* |
| (0.070) | (0.188) | (0.051) | (0.039) | |
| 控制变量 | YES | YES | YES | YES |
| 固定效应 | YES | YES | YES | YES |
| N | 1146 | 1146 | 8584 | 8584 |
| R² | 0.168 | 0.170 | 0.098 | 0.094 |
（四）机制分析
前文的基准模型证实了数字经济发展水平能够对养老金融参与产生显著影响，并能够更加显著地提升居民对理财类产品的投入，但是并未对其影响机制进行研究。本文在此从家庭投资便利性以及风险偏好这两个角度来对数字经济如何影响家庭对养老金融的参与进行研究。
老年人对于养老金融产品的参与与其产品投资便利性息息相关，而数字经济可以通过人工智能和大数据分析，金融科技平台为家庭提供个性化的投资建议和管理服务。这些平台可以根据家庭的风险偏好、投资目标和财务状况，自动调整投资组合。同时，金融机构能够通过数字平台等线上渠道将服务覆盖到更广泛的地区。这提高了金融服务的可及性，使更多家庭能够方便地获取金融服务。本文借鉴李久岩对于投资便利度变量的构建方法，考虑CHFS问卷中各家庭对于资产满意度的情况，求得投资便利度指数Investment。
数字经济通过互联网和移动设备，使老年人能够更便捷地获取金融信息和投资知识。这些数字红利有助于老年人更好地理解不同金融产品的风险和收益特征，从而做出更明智的投资决策。随着对金融市场的了解加深，老年人的风险偏好可能会有所提高。他们可能更愿意投资于高风险、高收益的金融产品。本文以CHFS问卷中有关风险偏好的问题来构建虚拟变量Risk appetite，赋值为1-5，数值越小越偏好风险。
具体分析如下表8所示，列（1）与列（2）说明，数字经济发展水平可以通过提升投资便利性以及改善投资者的偏好，使得老年人能够更好地进行养老金融市场的参与。
| 变量 | （1） | （2） |
|---|---|---|
| Investment | Risk appetite | |
| Policy | 2.428*** | 0.640*** |
| （0.026） | (0.169) | |
| 控制变量 | YES | YES |
| 年份固定效应 | YES | YES |
| 省份固定效应 | YES | YES |
| N | 9730 | 6460 |
| R² | 0.982 | 0.916 |
四、结论与建议
随着我国人口老龄化加剧，养老金融成为应对老龄化挑战、保障老年人生活质量的关键。发展养老金融需鼓励老年人参与养老金融产品，改变保守投资观念。数字经济通过提高金融服务效率和可及性，为老年人提供个性化、多样化的金融产品和服务。本文实证分析了数字经济发展水平对老年人养老金融参与的影响及其机制，发现数字经济发展水平对老年人养老金融参与有显著影响。具体而言，数字经济发展水平与老年人持有基本养老保险呈负相关，但与理财产品持有情况呈正相关。这表明数字经济促进了老年人对理财产品的参与，可能替代了部分传统养老保险。异质性分析显示，城镇地区的影响大于乡村地区，可能因城镇地区数字基础设施更完善；低收入家庭比高收入家庭更受益于数字经济，表明数字经济缓解了低收入家庭的金融排斥问题；高学历家庭对理财产品的偏好更强，低学历家庭更倾向于传统养老保险，说明数字经济发展水平对不同认知水平家庭的影响存在差异。机制分析表明，数字经济通过提升投资便利性和提高老年人风险偏好，促进其对理财产品的参与。这些发现为政策制定者和金融机构提供了有益参考，有助于推动养老金融的健康发展。在此，本文为政府和企业提供了以下建议：
第一，加强数字基础设施建设。政府应加大对数字基础设施的投入，特别是在乡村和偏远地区，以确保所有家庭都能受益于数字金融的发展。
第二，积极提升老年人数字素养。政府可通过线上线下双渠道宣传的方式，来开展数字金融教育项目，帮助老年人提高数字素养和金融知识水平，从而做出更明智的投资决策。
第三，进一步加强金融监管。监管机构应加强对数字金融市场的监管，确保金融产品的安全性和透明度。这将有助于保护老年人的合法权益，增强其对数字金融的信任。从而让老年人在积极参与商业型养老金融产品投资的同时，降低风险损失。
参考文献：
- [1] 逄健,朱欣民.国外数字经济发展趋势与数字经济国家发展战略[J].科技进步与对策,2013,30(08):124-128.
- [2] 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),2020,19(04):1401-1418.
- [3] 孙玉环,张汀昱,王雪妮,等.中国数字普惠金融发展的现状、问题及前景[J].数量经济技术经济研究,2021,38(02):43-59.
- [4] 苗力.保险企业数字化战略转型路径研究[J].保险研究,2019(04):57-65.
- [5] 诸竹君,袁逸铭,许明,等.数字金融、路径突破与制造业高质量创新——兼论金融服务实体经济的创新驱动路径[J].数量经济技术经济研究,2024,41(04):68-88.
- [6] 焦勇,齐梅霞.数字经济赋能新质生产力发展[J].经济与管理评论,2024,40(03):17-30.
- [7] 李久岩.数字普惠金融对家庭金融资产配置多样性影响研究[D].北京交通大学,2023.
- [8] 陈华,利圣临,杜霞.城乡居民养老保险与家庭金融资产配置——基于风险态度的视角[J].保险研究,2023(09):95-110.
- [9] 王向楠,仲赛末.用数字金融促进养老金融的案例——“双录”监管政策对老年人金融参与的影响[J].保险研究,2024(08):69-83.
- [10] 储怡安,朱勤.城职保缴费门槛、灵活就业人员参保行为与养老金的福利分层——来自CHFS 2015～2019年的微观证据[J].保险研究,2023(05):82-95.
- [11] 王修华,赵亚雄.数字金融发展与城乡家庭金融可得性差异[J].中国农村经济,2022(01):44-60.
- [12] 张号栋,尹志超.金融知识和中国家庭的金融排斥——基于CHFS数据的实证研究[J].金融研究,2016(07):80-95.
- [13] 赵涛,张智,梁上坤.数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J].管理世界,2020,36(10):65-76.
- [14] 胡欢欢,刘传明.科技金融政策能否促进产业结构转型升级？[J].国际金融研究,2021(05):24-33.
- [15] Chen L. From fintech to finlife: The case of fintech development in China[J].China economic iournal,2016,9(03):225-239.
- [16] Li J, Wu Y, Xiao J J. The impact of digital finance on household consumption: Evidence from China[J]. Economics modelling,2020,86:317-326.
- [17] Xu S, Ali S T, Yang Z, et al. Effect of household's financial literacy on pension decision making: evidence from China's new rural pension program[J].Kybernetes,2023,52(10):4611-4644.
- [18] Ding N, Gu L, Peng Y. Fintech, financial constraints and innovation: Evidence from China[J]. Journal of corporate finance,2022,73:102194.
- [19] El Mekkaoui N, Legendre B. Does pension information impact savings?[J].Journal of pension economics & finance,2023,22(03):352-370.