互联网金融对居民消费的影响机理与实证检验

发布时间：2021-09-28 13:48

　　本文在探究中国互联网金融与居民消费典型化事实的基础上,基于消费需求方程,从居民消费需求、心理、方式等角度分析了互联网金融对居民消费的影响机理,并运用非线性模型和省际面板数据实证检验了互联网金融对居民消费的影响效果。研究结果表明:第一,互联网金融由于具有互联网工具优势,有助于网络消费发展,引导居民消费模式变迁,刺激居民消费增长。第二,互联网金融对居民消费具有较强的正向线性和非线性影响效果,两者之间表现出相互促进、协同发展的状态。第三,动态面板模型和面板VAR模型进一步验证了互联网金融对居民消费的正向刺激作用。据此,本文认为鼓励和引导互联网金融的健康长效发展,有助于提升居民消费水平。 

【文章来源】：学海. 2019,(03)北大核心CSSCI

【文章页数】：8 页

【部分图文】：

实际值与STR模型拟合值

表2LSTＲ2模型估计结果变量名估计值和标准差t统计量和p值线性部分截距项－0．0575(0．0264)－2．1793(0．05)wxi(－3)－0．7169(0．2307)－3．1083(0．009)hi2．1647(0．3521)6．1474(0)非线性部分截距项－0．3858(0)0(0．2019)wxi(－1)－0．3691(0)0(0．2092)wxi(－2)－0．7394(0)0(0．4473)wxi(－3)1．8827(0)0(0．005)hi1．6715(0．3787)4．4134(0．0008)γ16．7443(0)0(0．6518)C1－0．0256(0．0037)－6．9789(0)C20．4118(0)0(0)模型检验AＲCH效应检验的卡方值和p值8．8354(0．3564)AＲCH效应检验的F统计量和p值2．6874(0．1225)J－B检验的卡方值和p值0．8212(0．6633)图1显示了STＲ模型拟合效果，实际曲线和拟合曲线几乎完全重合，体现本文构建的STＲ模型较好地反映了网络消费受其自身以及互联网金融的影响情况。图2显示了转换函数和转换变量的动态变化趋势图，转换函数和转换变量在2014年3月到2015年1月、2015年6月到2016年1月期间比较平稳，具有线性特征，在其他区间具有明显的非线性变换特征，平滑转移回归模型较好地测度了这种线性和非线性变化。(二)基于动态面板和面板VAＲ模型的稳健性检验STＲ模型结果表明，互联网金融对网络消费具有促进作用，这验证了前面的理论分析。为了增强实证结果的稳健性，综合考虑居民消费的地区差异，我们将计量方法从时间序列方法推广到面

【参考文献】：
期刊论文
[1]为消费而创新——兼论互联网金融的风险与监管[J]. 刘斐.  武汉金融. 2017(03)
[2]基于互联网金融的网贷利率特征研究[J]. 何启志,彭明生.  金融研究. 2016(10)
[3]互联网金融对中国居民消费的影响研究[J]. 崔海燕.  经济问题探索. 2016(01)
[4]互联网金融背景下消费金融发展新趋势分析[J]. 叶湘榕.  征信. 2015(06)
[5]第三方支付体系:兴起、宏观效应及国际监管[J]. 徐超.  经济问题. 2013(12)
[6]消费需求、消费力、消费经济和经济增长[J]. 洪银兴.  中国经济问题. 2013(01)
[7]马克思消费信贷思想及现实指导意义[J]. 孙耀武.  商业研究. 2010(06)
[8]体验经济时代的消费需求及营销战略[J]. 刘凤军,雷丙寅,王艳霞.  中国工业经济. 2002(08)



本文编号：3412013