互聯網金融、居民消費結構與產業結構的關系研究

摘 要：本文從影響居民消費需求的因素出發，分析了互聯網金融、居民消費結構與產業結構的影響機理，并基于2013年第三季度到2022年第三季度的全國季度數據，利用VAR模型實證檢驗了互聯網金融、居民消費結構和產業結構之間的相關關系。結論表明：長期來看，互聯網金融對居民消費結構產生正向影響，互聯網金融與產業結構呈現相互促進狀態，互聯網金融對產業結構的影響隨時間推移下降，而產業結構對互聯網金融發展的影響較為穩定；相較互聯網金融，居民消費結構對產業結構的促進作用更大，產業結構變化也能顯著影響居民消費結構變化。本文根據實證結論，為我國發展互聯網金融行業、優化居民消費結構和產業結構提供合理建議，以供參考。

關鍵詞：互聯網金融；居民消費結構；產業結構；VAR模型

本文索引：劉雨諾.<變量 1>[J].中國商論，2023（13）：-023.

中圖分類號：F832 文獻標識碼：A 文章編號：2096-0298（2023）07（a）--05

1 引言與文獻綜述

隨著互聯網技術的迅猛發展，互聯網企業和金融行業之間的聯系日益密切。在“互聯網+”背景下的互聯網金融，利用第三方支付的便捷性和安全性，拓寬了消費渠道，提高了居民消費能力，同時提高了投融資企業的資金匹配和支付效率，助推產業數字化轉型?！笆奈濉睍r期，我國經濟增長潛力巨大，居民生活質量不斷提高，傳統實物消費持續升級，產業結構也在調整中不斷優化，服務業發展迎來新機遇?，F階段，互聯網金融行業進入規范化發展階段，但仍有諸多問題和挑戰，居民消費結構和產業結構之間存在供需不匹配的結構性矛盾。因此，研究互聯網金融、居民消費結構和產業結構的關系，對促進我國互聯網金融行業發展、優化居民消費結構和產業結構具有重要意義。

現有對我國互聯網金融、居民消費結構與產業結構之間關系的研究主要集中于三點。一是互聯網金融與居民消費結構。崔海燕（2016）認為，互聯網金融從收入效應和轉換效應兩方面影響居民消費，憑借第三方支付平臺刺激居民消費的欲望；何啟志（2019）認為，互聯網金融可以從消費需求、心理、方式多方面影響居民消費行為，并從馬克思消費信貸理論入手，應用STR、動態面板和面板VAR模型，實證檢驗得出互聯網金融對居民消費有正向促進作用；藍管秀鋒、匡賢明（2022）擴展了跨期消費的基準理論模型，并通過實證分析得出互聯網金融能夠通過緩解居民的流動性約束來提高居民消費需求，通過信貸期限間接影響居民消費層級。二是互聯網金融與產業結構。殷小麗（2018）指出，互聯網金融通過企業生產和消費兩方面影響產業轉型升級；何宜慶等（2020）認為，互聯網金融通過融資便利和增強擴散效應推動企業技術進步，技術進步分別從“硬性”技術進步和“軟性”技術進步影響省內和鄰近省份的產業結構升級。三是居民消費結構與產業結構。查道中、吉文惠（2011）認為，城鄉居民消費結構同產業結構、經濟增長之間存在長期的均衡關系，城市居民消費結構升級對產業結構升級有較弱的正向誘導效應；余紅心等（2019）利用DEA方法研究中國居民消費結構和產業結構的和諧性，研究結果表明它們之間處于基本和諧狀態；張廣柱（2020）對居民消費數據和資本投資方面的關系進行數理推導和實證檢驗，證明居民消費結構變動可以帶動產業結構轉型升級。

從現有文獻資料來看，學者缺乏對互聯網金融、居民消費結構和產業結構三者之間相關關系的深層次理論和實證剖析，相關文獻主要集中于其中兩者之間關系的研究。基于此，本文應用VAR模型，實證研究互聯網金融、居民消費結構和產業結構之間的相關關系，以期為我國發展互聯網金融、優化居民消費結構和產業結構提出對策建議。

2 理論基礎與作用機制

2.1 互聯網金融對居民消費結構的影響分析

本文借鑒張李義和涂奔（2017）互聯網金融的業務分類角度和王紫鸚（2020）互聯網發展的功能性角度，從收入、成本和供求匹配程度三大角度入手，分析互聯網金融對居民消費結構變化的理論影響。

互聯網金融對我國居民消費結構的影響效應主要有三點：一是收入效應。一方面，居民利用互聯網理財產品緩解資金流動，實現財富增值，增加自身收入；另一方面，居民利用互聯網借貸獲得融通資金，當期可配置資金增加。二是成本效應。互聯網支付突破了時空限制，實現了線上便捷支付，居民交易成本降低。收入、成本效應使得居民消費需求增加，進而作用于居民消費結構。三是匹配效應。根據消費者行為理論，消費需求的滿足極大程度取決于消費偏好?；ヂ摼W支付使線上消費市場環境優化，網絡購物平臺依靠大數據的個性化分析，向消費者推送與其需求匹配的產品，居民更高層次的潛在消費需求得到滿足?；ヂ摼W保險根據消費者在風險保障需求方面的變化推出各種各樣的產品，提升了居民的消費預期和傾向，居民消費結構得以整體升級。

2.2 互聯網金融對產業結構的影響分析

互聯網金融主要通過科學技術進步影響我國產業結構。當今，科學技術已廣泛滲透到社會生產的各個環節，科技進步是產業結構升級的根本途徑和直接動力。互聯網金融解決了現實中小型市場主體長期以來“融資難、融資貴”的問題，利用其融資便捷的優勢，實現資金流從低效領域向產業升級領域轉移，優化了企業資本結構。例如，網絡小額貸利用純線上或線上線下相結合的模式，為個人或企業提供無擔保、無抵押的綜合貸款服務，緩解了中小企業的融資約束。此外，互聯網金融能依托大數據、人工智能等新技術，加速企業金融業務多元化創新發展，助力產業結構優化。

2.3 互聯網金融與居民消費結構對產業結構的交互作用

互聯網金融與居民消費結構的融合，有助于推動產業結構升級。胡永翔（2015）指出，居民消費結構對產業結構的影響主要通過需求收入彈性和需求價格彈性實現。以此為基礎，本文對居民消費結構變動做以下劃分：一是居民消費結構通過需求收入彈性和需求價格彈性直接影響產業結構的升級，該影響體現在結構上；二是居民消費結構通過消費需求總量變化影響相關產業的產出值，間接導致產業結構升級，該影響體現在數量上。

居民消費結構優化后，消費質量提高，消費數量增加，加上互聯網金融發展推動了科學技術進步，進而廠商及時擴大和優化相關產業規模，實現產業結構升級。具體表現在：首先，理性的消費者會根據自己的收入水平和產品價格調整自身需求量。產品的需求收入彈性和需求價格彈性越高，居民收入、產品價格變動引起的消費者需求量變動幅度越大，因此廠商會及時擴大這類產業的規模。其次，消費需求總量變化，企業為了抓住居民多樣化的需求，會創新產品、渠道、服務等，使傳統生產經營模式轉變，間接實現產業結構優化。最后，互聯網金融的發展能有效推動服務業的技術進步，刺激新興產業結構發展，促進產業結構升級。居民需求數量增長促進產業規模擴張，同時居民需求質量提高能推動廠商改進生產技術，提高產品質量，最終帶動產業結構優化。

綜上，本文建立的互聯網金融與居民消費結構促進產業結構的作用機理，如圖1所示。

3 指標選取及數據來源

本文選取的變量數據為季度數據，時間跨度為2013年第三季度到2022年第三季度。

（1）互聯網金融?；ヂ摼W金融的發展模式主要有眾籌融資、P2P網貸、第三方支付等，其中第三方支付在互聯網金融市場的交易量占比具有絕對優勢。因此，為了更好地體現互聯網金融的發展狀況，本文將互聯網金融（EF）變量設置為第三方支付交易總額的對數值，數據源自移動支付網的數據庫。

（2）我國居民消費結構。本文采用恩格爾系數（EC）度量我國居民消費結構，并進行對數化處理。恩格爾系數是根據國家統計局中人均食品煙酒消費支出累計值與人均消費支出累計值計算得出。根據馬斯洛需求層次理論，當低層次需求被滿足，居民繼而轉向追求更高層次的需求，表現為對衣食住行等基本需求的需求數量相對降低。恩格爾系數越高，即食品消費比重越高，則表示居民生活越貧困，相應的居民消費結構就越差；反之，越優。

（3）產業結構。產業結構中，第三產業增加值的規模增加就是我國產業結構持續改善的明顯成果。產業結構升級是指產業結構系統從低級向高級的轉化過程。因此，本文使用第二產業增加值與第三產業增加值的比率作為反映產業結構情況的替代變量，記為ISU。該比重越低，說明我國的產業結構優化程度越高；反之，則越低。根據國家統計局的相關公開數據計算得到第二、三產業增加值的比率，并進行了取對數處理。

4 實證分析

4.1 模型建立

向量自回歸模型（VAR）將所有變量都視為內生變量，并將這些內生變量的滯后項作為解釋變量帶入模型中進行回歸，可以較好地反映各變量之間的相互關系。為了研究我國互聯網金融（EF）、居民消費結構（EC）和產業結構（ISU）之間的綜合動態反映，本文構建非結構化的VAR模型。以此為基礎，Johansen協整檢驗、脈沖響應等進一步開展。VAR模型將所有變量視為內生變量，故p階滯后的VAR模型，即VAR（p）的具體形式為：

其中，是k維內生變量；t是樣本個數；A1，…，Ap是待估計的參數矩陣；p是自回歸滯后階數；c是常數項；et是隨機誤差項。

4.2 單位根檢驗

建立VAR模型要求每個變量是平穩序列。為避免出現偽回歸現象，本文先采用ADF檢驗法對各變量進行平穩性檢驗，對非平穩變量進行差分處理。檢驗過程中的原假設為存在單位根，序列不平穩，利用Eviews11的檢驗結果如表1所示。

根據ADF檢驗結果可知，只有LNEF在1%、5%、10%的顯著水平上拒絕變量存在單位根原假設，為平穩時間序列；而LNEC、LNISU在各顯著性水平上不拒絕變量存在單位根原假設，為非平穩時間序列。但將各變量變為一階差分序列之后，它們都在5%的顯著水平上通過顯著性檢驗，即一階差分后的各變量都是平穩的。因此，原序列LNEF、LNEC、LNISU是一階單整的。

4.3 最優滯后期階數

VAR模型正式建立前，要先確定模型的最優滯后期階數。在最優滯后階數方面，包括模型全部變量：LNEF、LNEC、LNISU。考慮到階數的充足性，盡量選擇較大的滯后階數，但滯后階數過大會降低模型的自由度。最優滯后階數檢驗結果如表2所示，當滯后2階時，LR、FPE、AIC、HQ值均達到最小值，且結合樣本容量和模型自由度的限制，本文最終將最優滯后階數設定為2階，構建VAR（2）模型。

4.4 模型平穩性檢驗

為了保證后續脈沖響應和方差分解的有效性，本文還需對構建的VAR模型進行穩定性檢驗。AR根檢驗結果如圖2所示，該VAR模型6個特征根的模型的倒數均小于1，即所有根的倒數都在單位圓內，表明構建的VAR（2）模型擬合度較高，穩定性條件得到滿足。

4.5 協整檢驗

由ADF檢驗可知，一階差分后的各變量都是平穩的，可以進行協整檢驗。為了估計各個變量之間的長期變化關系，對變量LNEF、LNEC、LNISU開展Johansen協整檢驗，檢驗結果如表3所示。由表3可知，檢驗拒絕了最多有2個協整關系的原假設，各變量之間在5%的顯著性水平上至少有3個協整關系，說明它們之間存在長期協整關系，具有經濟意義。

4.6 脈沖響應

構建脈沖響應函數，可以更直觀地描述變量間的動態交互作用及其效應。本文繪制了LNEF、LNEC及LNISU分別對其他兩個變量及自身沖擊的動態反應路徑，將期數定為10期，如圖3所示。以下對各變量之間的沖擊響應程度進行具體分析。

由圖3可知，LNEF給LNEC一個正向沖擊后，響應程度先上升后下降，在第2期達到最大值，隨后這種影響變為負向，在第3期達到最低值，最后影響水平近似于0。LNISU對LNEC的沖擊影響較強烈，LNEC的響應程度在第2期達到峰值，呈短暫迅速上升的趨勢，但隨后呈現下降的狀態，2期之后響應程度明顯下降，在9期后維持在0水平線上。LNEC給LNEF一個沖擊后，LNEF在1～2期先有負向影響，響應程度在1～3期緩慢上升，第4期之后下降并開始收斂于0。LNISU對LNEF的沖擊影響程度較弱，沖擊造成的負向影響在第3期達到負向峰值，隨后緩慢下降趨于穩定。LNEC給LNISU施加一個正向沖擊后，響應程度在第3期達到最高值后開始下降，隨著時間的推移，最終對其影響逐漸趨于0。LNEF對LNISU的沖擊響應程度在第2期處于低谷，再上升后在第3期又開始下降，最后趨于0。綜上所述，居民消費結構對產業結構沖擊的響應程度較大，對互聯網金融發展沖擊的響應程度較小；互聯網金融發展對居民消費結構沖擊的響應程度較小，對產業結構沖擊的響應程度稍大些；產業結構對居民消費結構沖擊的響應程度較高，對互聯網金融發展沖擊的響應程度較小。

4.7 方差分解

為了進一步分析各變量之間的相互影響程度，并評價不同結構沖擊的重要性，本文分別對各變量進行方差分解，結果如表4所示。

由表4可知，LNEC的方差分解中，LNEF對LNEC的貢獻率相對較小，維持在3%左右；LNISU對LNEC的方差貢獻很大，前2期快速上升，最后穩定在43%左右。LNEF的方差貢獻中，LNEC對LNEF的貢獻率很小且總體變化幅度不大，LNISU對LNEF的貢獻率總體上隨著時間的推移緩慢波動上升，在第10期才達到2.94%。LNISU的方差分解中，LNEC對LNISU波動的貢獻率是遞減的，最終穩定在26%左右；LNEF對LNISU的貢獻率在前2期快速上升到10%左右，后呈現緩慢波動上升趨勢，到第10期達到12.18%。由此可以看出，互聯網金融發展對居民消費結構和產業結構的貢獻程度趨勢大致相同，貢獻度雖然并不大，但隨著時間的推移處于緩慢上升階段，說明互聯網金融發展在一定程度上會影響居民消費結構和產業結構；長期來看，居民消費結構對產業結構的貢獻度雖有下降但仍較大，超過了25%，說明居民消費結構的沖擊對產業結構已經產生了較大的影響，這都與脈沖響應分析結果一致。

5 結語

本文采用2013年第三季度到2022年第三季度的全國季度數據，對互聯網金融發展水平、居民消費結構和產業結構變量建立了VAR模型，實證研究各變量之間的關系，得到以下結論：

（1）脈沖響應分析表明：我國互聯網金融發展對恩格爾系數先有正影響再有負影響，表明互聯網金融發展對居民消費結構在初期具有負向作用，在長期具有正向作用且逐漸減弱；我國居民消費結構優化有助于產業結構優化，但該作用具有滯后性，而產業結構優化能顯著促進居民消費結構優化；互聯網金融發展與產業結構之間相互影響，長期來看，互聯網金融發展對第二三產業增加值的比率的沖擊力為負，即互聯網金融發展能夠使產業結構優化，反過來產業結構優化也能推動互聯網金融發展。

（2）方差分解表明：與互聯網金融發展相比，居民消費結構優化對產業結構優化的貢獻度更高。互聯網金融發展對居民消費結構和產業結構的貢獻逐年緩慢增大，即互聯網金融的影響在長期內才能體現出來。

針對以上結論，為實現互聯網金融發展、居民消費結構與產業結構的協調互動，本文提出以下幾點建議：一是積極調整居民消費政策，支持互聯網金融發展。面對互聯網金融的不斷發展，各種新商業模式如微商快速涌現，政府需要鼓勵發展新消費模式，推動線上線下消費的有機融合。此外，需特別關注老年人和農村地區消費者，多給這類消費群體普及互聯網金融知識，幫助其適應新型消費模式，使得居民消費加快適應互聯網金融的發展步伐，全面優化居民消費結構。二是引領產業結構升級，發展戰略性新興產業。現階段，居民生活質量提高，為滿足居民的高端消費需求，政府要牢牢抓住有利條件和新的機遇，共同重視消費端和供給端，引導資金投向重大戰略產業領域，同時企業要不斷拓展新產品與服務，以培育新的消費熱點和消費模式，從而深入推動新興產業發展。三是大力提升監管水平，優化互聯網金融發展環境?；ヂ摼W金融的各種模式不斷創新發展，但仍有一些企業帶來不少行業亂象，如洗錢、網上傳銷、非法集資等。監管部門要出臺互聯網金融細分監管辦法，以促進互聯網金融的可持續化健康發展，為消費者更好地抵御互聯網金融風險的發生，為企業創新發展創造更加穩定的金融

環境。

參考文獻

崔海燕.互聯網金融對中國居民消費的影響研究[J].經濟問題探索，2016（1）：162-166.

何啟志，彭明生.互聯網金融對居民消費的影響機理與實證檢驗[J].學海，2019（3）：146-153.

藍管秀鋒，匡賢明.中國互聯網金融發展對居民消費的影響研究[J].東北大學學報（社會科學版），2022，24（3）：14-21.

殷小麗.互聯網金融對產業結構升級的影響探析[J].現代經濟探討，2018（12）：110-114.

何宜慶，李菁昭，湯文靜，等.互聯網金融、技術進步與產業結構升級[J].金融與經濟，2020（4）：34-40+90.

查道中，吉文惠.城鄉居民消費結構與產業結構、經濟增長關聯研究：基于VAR模型的實證分析[J].經濟問題，2011（7）：19-22.

余紅心，趙袁軍，陳青祝.中國居民消費結構與產業結構的和諧性研究[J].區域經濟評論，2019（1）：95-100.

張廣柱.居民消費結構與產業結構關系的實證[J].統計與決策， 2020，36（6）：118-122.

張李義，涂奔.互聯網金融對中國城鄉居民消費的差異化影響：從消費金融的功能性視角出發[J].財貿研究，2017，28（8）：70-83.

王紫鸚.互聯網發展對城鄉居民消費結構的影響研究[D].杭州：浙江工商大學，2020.

胡永翔.我國居民消費結構變動對產業結構升級的影響研究[D].長沙：湖南大學，2015.

何涌，齊佳思.互聯網金融，居民消費與經濟增長[J].財會月刊，2022（6）：7.

趙振波，岳瑋.進出口貿易、產業結構與消費結構的相關關系：基于VAR模型的實證[J].商業經濟研究，2019（7）：113-116.