劉方，李正彪

（云南師范大學(xué) 經(jīng)濟(jì)與管理學(xué)院，云南 昆明 650500）

一、引言

改革開(kāi)放以來(lái)，隨著我國(guó)計(jì)劃生育政策的實(shí)施，我國(guó)生育水平和人口結(jié)構(gòu)發(fā)生了巨大變化。一方面，出生率下降較多。人口出生率從1978年的18.25‰下降到2016年的12.95‰，人口自然增長(zhǎng)率甚至更低（2016年為5.86‰）。另一方面，人口少子化和老齡化趨勢(shì)不斷凸顯。截至2016年末，我國(guó)0—14歲人口有23008萬(wàn)人，占總?cè)丝诘?6.7%，相比1982年下降了約17個(gè)百分點(diǎn)，少兒撫養(yǎng)比下降到22.9%；65歲及以上人口有15003萬(wàn)人，占總?cè)丝诘?0.8%，較1982年提高了5.9個(gè)百分點(diǎn)，而且占比一直呈上升趨勢(shì)，老年撫養(yǎng)比上升到15%。與此同時(shí)，2016年我國(guó)金融業(yè)增加值占國(guó)內(nèi)生產(chǎn)總值（GDP）的8.2%，貢獻(xiàn)率從1978年的1.9%上升到2015年的15.2%，2016年略微下降到7.1%，拉動(dòng)經(jīng)濟(jì)增長(zhǎng)0.5個(gè)百分點(diǎn)，金融業(yè)對(duì)經(jīng)濟(jì)發(fā)展起到越來(lái)越重要的作用。

人口出生率和少兒撫養(yǎng)比的下降，意味著家庭養(yǎng)育子女費(fèi)用的減少，使當(dāng)期的家庭儲(chǔ)蓄提高，從而促進(jìn)了銀行等金融中介的發(fā)展。但是，人口出生率和少兒撫養(yǎng)比的下降，卻不利于社會(huì)勞動(dòng)力供給和人力資本投資的增加，進(jìn)而會(huì)影響家庭未來(lái)的收入和儲(chǔ)蓄結(jié)構(gòu)。因此，子女?dāng)?shù)量直接影響家庭用于未來(lái)養(yǎng)老的預(yù)防性?xún)?chǔ)蓄，進(jìn)而影響一個(gè)地區(qū)或一國(guó)金融發(fā)展程度。

換句話說(shuō)，我國(guó)人口出生率和年齡結(jié)構(gòu)的變化究竟是提高還是降低了我國(guó)的金融發(fā)展？其作用機(jī)制是什么？這需要從理論和實(shí)證兩個(gè)維度進(jìn)行剖析，并且研究人口出生率、年齡結(jié)構(gòu)對(duì)金融發(fā)展的影響有其重要的現(xiàn)實(shí)意義，這有助于我們深入了解人口問(wèn)題，為我國(guó)經(jīng)濟(jì)金融發(fā)展提出針對(duì)性的調(diào)節(jié)政策。

本文剩余部分的結(jié)構(gòu)安排如下：第二部分為相關(guān)文獻(xiàn)評(píng)述；第三部分為理論分析；第四部分為研究設(shè)計(jì)；第五部分為實(shí)證結(jié)果的分析；最后是全文的結(jié)論和政策啟示。

二、文獻(xiàn)評(píng)述

金融發(fā)展與經(jīng)濟(jì)增長(zhǎng)文獻(xiàn)中，制度質(zhì)量、宗教文化、法制水平（法律起源）、對(duì)外開(kāi)放、產(chǎn)權(quán)制度、社會(huì)資本等均被視為金融發(fā)展的決定因素，最近的研究則關(guān)注了非洲奴隸貿(mào)易對(duì)金融發(fā)展的影響［1］，但是對(duì)于從人口角度，尤其是從人口出生率、年齡結(jié)構(gòu)的實(shí)證視角來(lái)解釋金融發(fā)展的文獻(xiàn)則相對(duì)較少。

在國(guó)內(nèi)研究中，王平權(quán)較早探討了人口與金融的關(guān)系［2］。他認(rèn)為，人口與金融二者是相互依賴(lài)、相互適應(yīng)和相互作用的關(guān)系（正、負(fù)效應(yīng)同時(shí)存在）。李鴻雁和王超則分析了人口老齡化對(duì)商業(yè)銀行、證券和保險(xiǎn)業(yè)的影響，認(rèn)為人口老齡化對(duì)我國(guó)金融業(yè)發(fā)展既有挑戰(zhàn)，也帶來(lái)諸多機(jī)遇［3］，李良松和姜天鷹的研究結(jié)論與此類(lèi)似，他們認(rèn)為人口老齡化將為我國(guó)債券市場(chǎng)發(fā)展帶來(lái)機(jī)遇［4］，主要是因?yàn)槿丝诮Y(jié)構(gòu)會(huì)影響金融結(jié)構(gòu)的變遷，從而既促進(jìn)了金融業(yè)的發(fā)展，又使我國(guó)金融發(fā)展面臨風(fēng)險(xiǎn)［5］。袁志剛和余靜文指出，在人口老齡化背景下，我國(guó)金融發(fā)展模式亟須向財(cái)富管理模式轉(zhuǎn)變，以發(fā)揮市場(chǎng)在金融資源配置中的作用，糾正金融要素價(jià)格的扭曲［6］，而李德則認(rèn)為，應(yīng)大力發(fā)展養(yǎng)老產(chǎn)業(yè)，促進(jìn)老年金融服務(wù)的發(fā)展［7］。

國(guó)外研究則是探討金融發(fā)展對(duì)生育率的影響。Steckel運(yùn)用美國(guó)1850—1860年的統(tǒng)計(jì)數(shù)據(jù)，研究發(fā)現(xiàn)金融發(fā)展負(fù)向影響農(nóng)村家庭的人口出生率［8］。Cigno和Rosati研究德國(guó)、意大利、英國(guó)和美國(guó)的數(shù)據(jù)時(shí)，發(fā)現(xiàn)金融發(fā)展負(fù)向影響出生率（兒童婦女比）［9-10］。Rammohan認(rèn)為，當(dāng)資本市場(chǎng)發(fā)展水平提高，父母能夠獲得更多回報(bào)時(shí)，出生率水平及在兒童方面的投資將會(huì)下降［11］。Basso等人則運(yùn)用19世紀(jì)美國(guó)東北部196個(gè)縣的面板數(shù)據(jù)，研究發(fā)現(xiàn)金融發(fā)展（銀行服務(wù)可得性、銀行密度）與人口出生率呈負(fù)相關(guān)關(guān)系［12］。Lehr從工資變動(dòng)視角，認(rèn)為金融發(fā)展能夠使家庭勞動(dòng)力供給從傳統(tǒng)勞動(dòng)密集型企業(yè)向現(xiàn)代企業(yè)轉(zhuǎn)移以獲得較高工資，這種勞動(dòng)力配置決策降低了人口出生率［13］。Habibullah等人研究發(fā)現(xiàn)，金融發(fā)展對(duì)生育率的影響存在國(guó)別差異，在發(fā)達(dá)國(guó)家金融發(fā)展顯著正向影響生育率，而在發(fā)展中國(guó)家則是負(fù)向影響［14］。

綜上可知，國(guó)內(nèi)對(duì)人口出生率、年齡結(jié)構(gòu)與金融發(fā)展的研究大多停留于規(guī)范層面，或者討論人口出生率或年齡結(jié)構(gòu)和金融發(fā)展對(duì)經(jīng)濟(jì)增長(zhǎng)、經(jīng)常項(xiàng)目、產(chǎn)業(yè)結(jié)構(gòu)等的影響［15-17］，未從實(shí)證角度研究人口出生率及年齡結(jié)構(gòu)對(duì)金融發(fā)展的影響，國(guó)外則是探討金融發(fā)展與生育率之間的關(guān)系。有鑒于此，本文承襲現(xiàn)有文獻(xiàn)，通過(guò)借鑒Basso等人的理論框架，試圖從理論和實(shí)證探討人口出生率、年齡結(jié)構(gòu)對(duì)金融發(fā)展的影響。

總體來(lái)看，在已有文獻(xiàn)的基礎(chǔ)上，本文可能的邊際貢獻(xiàn)有以下三點(diǎn)：首先，本文可能是國(guó)內(nèi)首篇從人口視角（人口出生率、年齡結(jié)構(gòu)）解釋金融發(fā)展的文章。近年來(lái)，由于少子化、老齡化的加劇，其對(duì)金融市場(chǎng)、金融產(chǎn)品的影響日益增加，也會(huì)帶來(lái)金融結(jié)構(gòu)的變化，但從人口視角的實(shí)證研究較少，本文的研究在一定程度上可作為同類(lèi)研究的重要補(bǔ)充。其次，內(nèi)生性作為實(shí)證研究中必要的關(guān)注重點(diǎn)，本文亦考慮到人口出生率的內(nèi)生性問(wèn)題，并使用工具變量進(jìn)行了估計(jì)分析，這為同類(lèi)實(shí)證研究提供了一些可行的工具變量選擇。最后，考慮了計(jì)劃生育政策控制強(qiáng)弱對(duì)金融發(fā)展的影響，這為分析計(jì)劃生育政策與金融發(fā)展關(guān)系提供了新的視角。

三、理論分析

根據(jù)Basso等人的研究，本文令α表示將來(lái)子女照顧父母的概率，β表示父母所在地存在銀行的概率，這樣在父母年老時(shí)，他們就會(huì)享受當(dāng)?shù)劂y行提供的金融服務(wù)，即父母在年輕時(shí)通過(guò)工作獲得收入而儲(chǔ)蓄，在年老時(shí)取得儲(chǔ)蓄回報(bào)，γ表示父母至少接受子女或銀行經(jīng)濟(jì)幫助的概率［12］。

假若一個(gè)家庭生育n個(gè)子女，那么在父母年老時(shí)，所有子女都不照料其父母的概率為(1-α)n，父母所在地并不存在銀行的概率為1-β。因此，父母至少接受子女或銀行經(jīng)濟(jì)幫助的概率則表達(dá)為：

式（1）中，若父母希望獲得經(jīng)濟(jì)幫助的概率不低于γ，則其所在地存在銀行的概率至少要大于β*，也就是：

式（2）右邊等式對(duì)n求偏導(dǎo)數(shù)得到：

式（3）意味著，父母生育子女越多，所在地區(qū)存在銀行的概率就越小，也就是說(shuō)，父母生育子女的數(shù)量越少，所在地區(qū)存在銀行的概率就越大。這樣，父母在年老時(shí)就可以通過(guò)銀行提供的金融服務(wù)度過(guò)余生，而不需要更多子女的照料和經(jīng)濟(jì)幫助。

另外，若考慮父母所在地銀行存在的概率是當(dāng)?shù)亟?jīng)濟(jì)發(fā)展水平y(tǒng)的線性增函數(shù)β=κy（κ＞0，為常數(shù)），那么納入人口結(jié)構(gòu)變量的經(jīng)濟(jì)發(fā)展水平可表示為：

式（4）中，y是人均GDP，Y是GDP總量，N是人口數(shù)量，L是勞動(dòng)力數(shù)量，y?是勞均GDP，fo是老年撫養(yǎng)比，fy(n)是少兒撫養(yǎng)比，且假設(shè)是生育子女?dāng)?shù)目n的增函數(shù)fy=wn（w＞0，為常數(shù)）。對(duì)式（4）進(jìn)行數(shù)學(xué)變換，得到人均GDP增長(zhǎng)率的表達(dá)式：

式（5）對(duì)出生率n求偏導(dǎo)有：

因此，式（6）意味著，出生率的上升，及老年撫養(yǎng)比和少兒撫養(yǎng)比的上升均抑制了經(jīng)濟(jì)增長(zhǎng)率，由此說(shuō)明β∝間接成立。

父母所在地存在銀行的概率可視為是銀行數(shù)目的多寡，反映的是這個(gè)地區(qū)的金融業(yè)發(fā)展水平，而父母生育子女?dāng)?shù)量的多少則可視為人口出生率高低的反映。人口出生率的下降意味著對(duì)每個(gè)家庭而言（平均意義上），其撫養(yǎng)子女?dāng)?shù)目的減少（少兒撫養(yǎng)比下降），花費(fèi)在子女身上的支出降低（消費(fèi)減少），從而以當(dāng)前獲得的收入進(jìn)行更多儲(chǔ)蓄（投資增加），就可為年老時(shí)消費(fèi)提供富足的保障性資金。

因此，人口出生率的下降提高了父母對(duì)金融服務(wù)的需求，相應(yīng)的金融機(jī)構(gòu)、金融產(chǎn)品與金融市場(chǎng)得到發(fā)展，這里將這一作用機(jī)制稱(chēng)為“老年安全假說(shuō)”①Neher和Caldwell提出的“老年安全假說(shuō)”（Old-age Security Hypothesis），意指在缺乏金融市場(chǎng)（金融機(jī)構(gòu)）時(shí)，子女可視為父母養(yǎng)老的安全資產(chǎn)，以便在父母年老時(shí)允許將子女收入提供給父母。因而，金融發(fā)展與出生率呈負(fù)相關(guān)關(guān)系。這與本文強(qiáng)調(diào)的出生率與金融發(fā)展的負(fù)相關(guān)關(guān)系不一致，雖然二者都呈負(fù)相關(guān)關(guān)系，但是作用機(jī)制不同。，強(qiáng)調(diào)的是金融機(jī)構(gòu)、金融市場(chǎng)的安全保障作用，而不是強(qiáng)調(diào)依靠子女提供經(jīng)濟(jì)幫助以保障父母年老時(shí)的消費(fèi)支出。所以，這種機(jī)制作用的發(fā)揮經(jīng)過(guò)“出生率下降—支出減少—儲(chǔ)蓄增加—金融發(fā)展”這一邏輯鏈條，其理論依據(jù)是生命周期理論，人口出生率、少兒撫養(yǎng)比和老年撫養(yǎng)比的下降均會(huì)提高儲(chǔ)蓄率［18］。

四、研究設(shè)計(jì)

（一）計(jì)量模型

為了探討人口出生率、年齡結(jié)構(gòu)對(duì)金融發(fā)展水平的影響，根據(jù)前述的理論分析，本文設(shè)立如下的計(jì)量模型：

式（7）中，下標(biāo)i表示地區(qū)，t表示時(shí)間，lnfdit表示地區(qū)金融發(fā)展水平，lnbrateit表示地區(qū)人口出生率，lnpsit表示地區(qū)年齡結(jié)構(gòu)，lnbrateit×lnpsit表示人口出生率和年齡結(jié)構(gòu)的交叉項(xiàng)，cit表示其他影響地區(qū)金融發(fā)展水平的控制變量，vi表示非觀測(cè)的地區(qū)固定效應(yīng)，εit為隨機(jī)誤差項(xiàng)。

式（7）中，我們預(yù)期β1＜0，這就意味著人口出生率負(fù)向影響金融發(fā)展。否則，人口出生率對(duì)金融發(fā)展就具有正向作用。β2的系數(shù)符號(hào)不確定，一方面，若年齡結(jié)構(gòu)偏年輕型，則因年輕人工作而擁有較多儲(chǔ)蓄，從而正向影響金融發(fā)展。另一方面，若年齡結(jié)構(gòu)偏老年型，則因老年人退出勞動(dòng)力市場(chǎng)，他們只消費(fèi)不儲(chǔ)蓄就會(huì)帶來(lái)儲(chǔ)蓄率的下降或負(fù)儲(chǔ)蓄［19-20］，從而不利于金融發(fā)展。交互項(xiàng)的系數(shù)β3如果顯著為負(fù)，則說(shuō)明在人口出生率越低的地區(qū)，年齡結(jié)構(gòu)對(duì)金融發(fā)展的影響就越小，即人口出生率降低了年齡結(jié)構(gòu)對(duì)金融發(fā)展的作用，反之亦成立。

（二）變量說(shuō)明

1．被解釋變量

被解釋變量為地區(qū)金融發(fā)展水平的自然對(duì)數(shù)（lnfd）。關(guān)于金融發(fā)展指標(biāo)的度量，Goldsmith最早提出金融相關(guān)比率（FIR），即在某一時(shí)點(diǎn)上現(xiàn)存金融資產(chǎn)總額與國(guó)民財(cái)富之比來(lái)衡量一國(guó)的金融發(fā)展水平［21］。Mckinnon則采用貨幣存量（M2）與國(guó)民生產(chǎn)總值（GDP）之比來(lái)衡量一國(guó)或地區(qū)金融發(fā)展，此時(shí)M2/GDP也稱(chēng)金融深化率［22］。Levine、Crinò和Ogliari等使用商業(yè)銀行向私人部門(mén)提供的信貸占GDP之比來(lái)衡量一國(guó)或地區(qū)的金融發(fā)展［23-24］，而Svirydzenka將金融發(fā)展分解為深度、進(jìn)入和效率3個(gè)方面，并構(gòu)建了金融市場(chǎng)發(fā)展和金融機(jī)構(gòu)發(fā)展兩方面指數(shù)，運(yùn)用主成分方法合成金融發(fā)展指標(biāo)［25］。

表1 主要變量的相關(guān)系數(shù)及描述統(tǒng)計(jì)

由于中國(guó)缺乏省份或地區(qū)的金融資產(chǎn)、M2和金融效率等數(shù)據(jù)，因此根據(jù)前述理論分析，本文主要采用銀行類(lèi)金融機(jī)構(gòu)的營(yíng)業(yè)網(wǎng)點(diǎn)數(shù)表示金融發(fā)展水平①感謝匿名審稿人的意見(jiàn)。由于證券類(lèi)機(jī)構(gòu)營(yíng)業(yè)網(wǎng)點(diǎn)數(shù)僅能獲得總部在轄區(qū)內(nèi)的證券公司數(shù)、期貨公司數(shù)和基金公司數(shù)，而且除北京市、上海市、廣東省數(shù)量較多外，其余各省份“總部設(shè)在轄區(qū)內(nèi)證券類(lèi)機(jī)構(gòu)數(shù)”均較低，因此將其與銀行類(lèi)網(wǎng)點(diǎn)數(shù)相加，意義不大，而且對(duì)結(jié)果影響也較小。所以，我們采用了各地區(qū)金融機(jī)構(gòu)存款余額和貸款余額之和占該地區(qū)生產(chǎn)總值（GDP）之比進(jìn)行穩(wěn)健性檢驗(yàn)。，為了穩(wěn)健起見(jiàn)，我們選擇各地區(qū)金融機(jī)構(gòu)的各項(xiàng)存款和貸款之和占GDP之比（deposit）②感謝匿名審稿人的意見(jiàn)。由于證券類(lèi)機(jī)構(gòu)營(yíng)業(yè)網(wǎng)點(diǎn)數(shù)僅能獲得總部在轄區(qū)內(nèi)的證券公司數(shù)、期貨公司數(shù)和基金公司數(shù)，而且除北京市、上海市、廣東省數(shù)量較多外，其余各省份“總部設(shè)在轄區(qū)內(nèi)證券類(lèi)機(jī)構(gòu)數(shù)”均較低，因此將其與銀行類(lèi)網(wǎng)點(diǎn)數(shù)相加，意義不大，而且對(duì)結(jié)果影響也較小。所以，我們采用了各地區(qū)金融機(jī)構(gòu)存款余額和貸款余額之和占該地區(qū)生產(chǎn)總值（GDP）之比進(jìn)行穩(wěn)健性檢驗(yàn)。作穩(wěn)健性檢驗(yàn)。各地區(qū)銀行類(lèi)金融機(jī)構(gòu)營(yíng)業(yè)網(wǎng)點(diǎn)數(shù)來(lái)自Wind數(shù)據(jù)庫(kù)、歷年《區(qū)域金融運(yùn)行報(bào)告》，各項(xiàng)存款和貸款數(shù)據(jù)則來(lái)自歷年《中國(guó)金融統(tǒng)計(jì)年鑒》。

2．核心解釋變量

（1）人口出生率（lnbrate）。根據(jù)人力資本理論，人口出生率或生育率下降將會(huì)影響到一國(guó)或地區(qū)勞動(dòng)力和人力資本的積累或“人口紅利”。從理論分析來(lái)看，隨著人口出生率的不斷下降，消費(fèi)會(huì)下降，儲(chǔ)蓄會(huì)上升，從而使金融發(fā)展得以提高。人口出生率數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局網(wǎng)站《中國(guó)統(tǒng)計(jì)年鑒》。

（2）年齡結(jié)構(gòu)（lnps）。根據(jù)生命周期理論，為使一生效用最大化，理性人會(huì)根據(jù)預(yù)期收入平滑少年、中年、老年三個(gè)階段的消費(fèi)，少年和老年是低儲(chǔ)蓄，中年（成年）是高儲(chǔ)蓄。然而，人口結(jié)構(gòu)不僅是年齡結(jié)構(gòu)，它還包括城鄉(xiāng)結(jié)構(gòu)、教育結(jié)構(gòu)、性別結(jié)構(gòu)等三個(gè)維度［26］，人口結(jié)構(gòu)的四個(gè)方面突破了人口學(xué)變量特征和狹隘的人口結(jié)構(gòu)概念，突出了人口與經(jīng)濟(jì)的聯(lián)系。但是根據(jù)熊焰和丁瑩、熊超的研究以及本文的目的［27-28］，選擇少兒撫養(yǎng)比作為年齡結(jié)構(gòu)的代理變量③我們也選擇總撫養(yǎng)比進(jìn)行過(guò)回歸分析，結(jié)果與少兒撫養(yǎng)比類(lèi)似（符號(hào)仍然顯著為負(fù)）；而選擇老年撫養(yǎng)比時(shí)，結(jié)果則剛好相反（符號(hào)為正，個(gè)別顯著）。。此外，為了穩(wěn)健起見(jiàn)，還選擇了0～14歲人口占總?cè)丝诘谋戎兀ㄈ丝诔闃诱{(diào)查數(shù)據(jù)，lnnum）④0—14歲人口和總?cè)丝跀?shù)（人口抽樣調(diào)查數(shù)據(jù)）均缺失2010年的數(shù)據(jù)，本文使用SPSS軟件，運(yùn)用線性插值法將其補(bǔ)齊，作為缺失值的代理變量。來(lái)衡量年齡結(jié)構(gòu)進(jìn)行穩(wěn)健性分析，數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局網(wǎng)站《中國(guó)統(tǒng)計(jì)年鑒》。

3．控制變量

為了使本文的分析結(jié)論更為穩(wěn)健，我們選擇影響金融發(fā)展的一些關(guān)鍵控制變量，包括：地區(qū)經(jīng)濟(jì)發(fā)展水平（lnrgdp），使用各地區(qū)的人均GDP表示；對(duì)外貿(mào)易開(kāi)放度（lnopen），使用各地區(qū)進(jìn)出口總額占該地區(qū)GDP的比重表示，并用當(dāng)年美元和人民幣匯率的年平均價(jià)折合成以人民幣為單位。崔巍和文景指出，居民的受教育程度、法律制度對(duì)金融發(fā)展水平存在顯著影響［29］，故本文使用大專(zhuān)及以上教育程度的人數(shù)占6歲及以上人口的比例來(lái)衡量居民受教育程度（lnedu），使用樊綱等人測(cè)算的市場(chǎng)化指數(shù)中的第五個(gè)分項(xiàng)“市場(chǎng)中介組織的發(fā)育和法律制度環(huán)境”的數(shù)據(jù)來(lái)衡量各地區(qū)的法律制度水平（legal），數(shù)據(jù)分別取自于《中國(guó)統(tǒng)計(jì)年鑒》和樊綱等主編的《中國(guó)市場(chǎng)化指數(shù)：各地區(qū)市場(chǎng)化相對(duì)進(jìn)程2011年報(bào)告》和王小魯?shù)戎骶幍摹吨袊?guó)分省份市場(chǎng)化指數(shù)報(bào)告（2016）》［30-31］。

上述數(shù)據(jù)中，除了法律制度水平的樣本期為2008—2014年外，其余所有變量的樣本期均為2005—2016年，為了避免異方差帶來(lái)估計(jì)結(jié)果的不一致和有偏，對(duì)除法律制度水平以外的所有數(shù)據(jù)取自然對(duì)數(shù)。

圖1 人口出生率與中國(guó)各地區(qū)金融發(fā)展

圖2 少兒撫養(yǎng)比與中國(guó)各地區(qū)金融發(fā)展

（三）描述統(tǒng)計(jì)

表1報(bào)告了主要變量的相關(guān)性檢驗(yàn)及描述統(tǒng)計(jì)結(jié)果①由于法制水平的樣本期與其他變量不一致，故未列出，而且在后面的穩(wěn)健性檢驗(yàn)中，也不再納入法制水平變量。。從中不難發(fā)現(xiàn)，絕大部分解釋變量與被解釋變量之間的關(guān)系與預(yù)期相一致，其中，人口出生率、人口結(jié)構(gòu)與金融發(fā)展之間的Pearson相關(guān)系數(shù)分別為-0.2966和-0.1932。2005—2016年我國(guó)31個(gè)省市（自治區(qū)、直轄市）銀行類(lèi)金融機(jī)構(gòu)網(wǎng)點(diǎn)平均為8.55個(gè)（對(duì)數(shù)值），最大時(shí)也僅有9.76個(gè)，其他變量也展示了各地區(qū)之間的差異。

考慮到中國(guó)各地區(qū)金融發(fā)展不平衡的事實(shí)，為了初步考察人口出生率和人口結(jié)構(gòu)（少兒撫養(yǎng)比）與金融發(fā)展之間的關(guān)系，本文測(cè)算了2005—2016年對(duì)數(shù)化的銀行類(lèi)金融機(jī)構(gòu)營(yíng)業(yè)網(wǎng)點(diǎn)數(shù)、未對(duì)數(shù)化的人口出生率和少兒撫養(yǎng)比的均值以及各自在全國(guó)的排序，結(jié)果報(bào)告在表2中。

從表2中可觀察到，銀行類(lèi)金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)較高的地區(qū)，其人口出生率和少兒撫養(yǎng)比均較低。例如，廣東省的銀行類(lèi)金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)全國(guó)最高，排名第1，但是其人口出生率和少兒撫養(yǎng)比排名第17，山東省的銀行類(lèi)金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)排名第2，人口出生率和少兒撫養(yǎng)比分別排名第15和第20。與此類(lèi)似，銀行類(lèi)金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)越低的地區(qū)，人口出生率和少兒撫養(yǎng)比排名越靠前，例如，銀行類(lèi)金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)最低的西藏，其人口出生率和少兒撫養(yǎng)比分別排在第1位和第2。

因此，人口出生率和少兒撫養(yǎng)比越低的地區(qū)其金融發(fā)展水平越高，這與圖1和圖2顯示的負(fù)相關(guān)關(guān)系一致，但這僅僅是無(wú)條件相關(guān)，還需要在控制其他影響因素的條件下通過(guò)嚴(yán)格的計(jì)量分析才能得出確切的結(jié)論。

五、計(jì)量結(jié)果分析

（一）初步估計(jì)結(jié)果

由于是面板數(shù)據(jù)（短面板，n=31，T=12），在回歸之前需要進(jìn)行模型選擇判斷，通常使用F檢驗(yàn)、LM檢驗(yàn)及Hausman檢驗(yàn)選擇固定效應(yīng)、隨機(jī)效應(yīng)還是混合回歸模型②F檢驗(yàn)的原假設(shè)是“所有的ui=o”，拒絕原假設(shè)說(shuō)明固定效應(yīng)模型優(yōu)于混合回歸；LM檢驗(yàn)的原假設(shè)是“σ2u=o”，拒絕原假設(shè)說(shuō)明原模型中應(yīng)該有一個(gè)反映個(gè)體特性的隨機(jī)擾動(dòng)項(xiàng)，而不應(yīng)該使用混合回歸；Hausman檢驗(yàn)的原假設(shè)是“ui與xit、zi不相關(guān)”，拒絕原假設(shè)則認(rèn)為應(yīng)該使用固定效應(yīng)模型，而非隨機(jī)效應(yīng)模型。。在本文中，經(jīng)過(guò)三種檢驗(yàn)發(fā)現(xiàn)，選擇固定效應(yīng)回歸模型更為合適。表3報(bào)告了固定效應(yīng)模型的估計(jì)結(jié)果，為了克服異方差的影響，估計(jì)時(shí)使用了聚類(lèi)穩(wěn)健標(biāo)準(zhǔn)誤。表3中的列（1）是不加入法律制度水平時(shí)的回歸結(jié)果，列（2）是加入法律制度水平的回歸結(jié)果。從列（1）、列（2）可以看出，人口出生率和年齡結(jié)構(gòu)（少兒撫養(yǎng)比）及其交叉項(xiàng)對(duì)地區(qū)金融發(fā)展的影響為負(fù)，并在10%以下的水平上顯著，這與前述理論和事實(shí)分析相一致?；貧w系數(shù)顯示，人口出生率和少兒撫養(yǎng)比每下降1%，將會(huì)帶來(lái)至少0.55%和1.3%金融發(fā)展水平的提高。

為了考察人口出生率、年齡結(jié)構(gòu)是否穩(wěn)健地影響了地區(qū)金融發(fā)展水平，將樣本分為東部、中部、西部三個(gè)子樣本①東部地區(qū)13個(gè)?。ㄖ陛犑校ū本?、天津、河北、上海、江蘇、浙江、福建、山東、廣東、海南、遼寧、吉林和黑龍江；中部地區(qū)6個(gè)省，包括山西、安徽、江西、河南、湖北和湖南；西部地區(qū)12個(gè)省（自治區(qū)、直轄市），包括內(nèi)蒙古、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏和新疆。，以及按照金融發(fā)展水平的中位數(shù)值（8.64345）對(duì)樣本進(jìn)行劃分，即若lnfd≥8.64345，則歸為高金融發(fā)展組，否則為低金融發(fā)展組，估計(jì)結(jié)果如表3的列（3）—（7）。從中不難發(fā)現(xiàn)，人口出生率和年齡結(jié)構(gòu)（少兒撫養(yǎng)比）及其交叉項(xiàng)對(duì)地區(qū)金融發(fā)展的影響為負(fù)，但是不具有統(tǒng)計(jì)上的顯著性，而且西部地區(qū)的作用力度遠(yuǎn)大于東部和中部，金融發(fā)展較低的地區(qū)（和年份），人口出生率和年齡結(jié)構(gòu)的抑制作用較大，“老年安全假說(shuō)”成立。

在控制變量中，地區(qū)人均GDP促進(jìn)了地方金融發(fā)展水平，這與大多數(shù)文獻(xiàn)估計(jì)結(jié)果相符。對(duì)外貿(mào)易開(kāi)放的估計(jì)系數(shù)大多顯著為負(fù)，其原因可能是由于貿(mào)易開(kāi)放過(guò)快導(dǎo)致國(guó)內(nèi)企業(yè)面臨更多外部沖擊，國(guó)內(nèi)競(jìng)爭(zhēng)壓力凸顯，生產(chǎn)要素、商品價(jià)格波動(dòng)加劇、國(guó)內(nèi)投資的波動(dòng)性增大，從而可能抑制金融發(fā)展［32］。另外，對(duì)外貿(mào)易開(kāi)放帶來(lái)的“競(jìng)爭(zhēng)效應(yīng)”使國(guó)內(nèi)在位企業(yè)受到影響，這些國(guó)內(nèi)企業(yè)可能采取不正當(dāng)?shù)母?jìng)爭(zhēng)手段，阻滯政府實(shí)施貿(mào)易開(kāi)放政策，進(jìn)而惡化市場(chǎng)經(jīng)濟(jì)環(huán)境，抑制該地區(qū)的金融發(fā)展。居民受教育程度對(duì)地區(qū)金融發(fā)展水平的影響顯著為正，這與Guiso等人、崔巍和文景的結(jié)果一致［29，33］。因?yàn)榻逃礁叩慕鹑趶臉I(yè)者和投資者能夠?yàn)榻鹑谛袠I(yè)的發(fā)展做出積極貢獻(xiàn)，他們要么推動(dòng)金融業(yè)創(chuàng)新、要么推動(dòng)金融契約交易活躍。法律制度水平也與地區(qū)金融發(fā)展存在顯著的正相關(guān)關(guān)系，這說(shuō)明，地區(qū)法制化水平的提高，其給予債權(quán)人對(duì)企業(yè)具有充分的要求權(quán)、契約執(zhí)行效率越高、企業(yè)信息披露越充分，該地區(qū)金融發(fā)展就越好［34-35］。

表3 固定效應(yīng)模型的初步估計(jì)結(jié)果

（二）工具變量GMM估計(jì)結(jié)果

由于嚴(yán)重的內(nèi)生性問(wèn)題將會(huì)導(dǎo)致普通最小二乘法（OLS）有偏和非一致，因此，內(nèi)生性問(wèn)題在越來(lái)越多的實(shí)證研究中得到普遍關(guān)注。在本文中，導(dǎo)致內(nèi)生性問(wèn)題的一個(gè)原因可能是人口出生率和地區(qū)金融發(fā)展之間存在雙向因果關(guān)系，表現(xiàn)為人口出生率和隨機(jī)誤差項(xiàng)存在相關(guān)關(guān)系。金融發(fā)展通過(guò)改善居民金融服務(wù)可及性，從而使父母獲得更多資金支持，這時(shí)就不需要接受更多子女的經(jīng)濟(jì)幫助，人口出生率得以下降［36］，為了克服內(nèi)生性問(wèn)題帶來(lái)的估計(jì)偏誤，本文使用工具變量估計(jì)（IV）法重新檢驗(yàn)前述結(jié)論。

一個(gè)合格的工具變量必須滿(mǎn)足兩個(gè)條件：一是其與內(nèi)生變量之間具有相關(guān)性，二是工具變量本身是外生的。本文嘗試使用“每萬(wàn)人擁有的衛(wèi)生技術(shù)人員”作為人口出生率的工具變量②此外，我們也使用計(jì)劃生育率（出生政策符合率）作為人口出生率的工具變量。在同時(shí)使用每萬(wàn)人擁有的衛(wèi)生技術(shù)人員數(shù)和計(jì)劃生育率進(jìn)行GMM估計(jì)時(shí)，檢驗(yàn)發(fā)現(xiàn)計(jì)劃生育率是冗余工具變量，而每萬(wàn)人擁有的衛(wèi)生技術(shù)人員數(shù)則不是，因此我們選擇該指標(biāo)作為人口出生率的工具變量。，原因在于醫(yī)療水平對(duì)人口出生率可能產(chǎn)生正向影響，而與金融發(fā)展不相關(guān)，滿(mǎn)足工具變量的兩個(gè)條件。為了增強(qiáng)估計(jì)的有效性，我們還選取人口出生率的滯后一期作為工具變量進(jìn)行多重工具變量GMM估計(jì)③，估計(jì)結(jié)果見(jiàn)表4。

表4的列（1）結(jié)果表明，使用工具變量GMM估計(jì)后，相比未使用工具變量的估計(jì)結(jié)果，人口出生率、年齡結(jié)構(gòu)及交叉項(xiàng)系數(shù)的顯著性下降，但是符號(hào)并未改變，而控制變量的符號(hào)也未改變，顯著性水平由原來(lái)的10%變?yōu)?%，說(shuō)明使用工具變量估計(jì)并未改變前文結(jié)論，進(jìn)一步證實(shí)“老年安全假說(shuō)”。關(guān)于工具變量效果的評(píng)判條件有三：其一，Cragg-Donald Wald F統(tǒng)計(jì)量的值為14.5，大于經(jīng)驗(yàn)值10，表明工具變量與內(nèi)生變量之間具有較強(qiáng)的相關(guān)關(guān)系。其二，Anderson canon.corr.LM值為27.07，且在1%水平上顯著，拒絕工具變量識(shí)別不足的原假設(shè)，而且Cragg-Donald Wald F值大于Stock-Yogo檢驗(yàn)15%水平上的臨界值（11.59），由此可拒絕工具變量弱識(shí)別的假定。其三，Sargan過(guò)度識(shí)別檢驗(yàn)值不具有統(tǒng)計(jì)意義上的顯著性，即不能在10%以?xún)?nèi)的水平上拒絕工具變量是過(guò)度識(shí)別的原假設(shè)。

表4 穩(wěn)健性檢驗(yàn)結(jié)果

（三）穩(wěn)健性檢驗(yàn)

為了保證估計(jì)結(jié)果可靠，有必要進(jìn)行穩(wěn)健性檢驗(yàn)，本文主要從五個(gè)方面進(jìn)行檢驗(yàn)。

第一，考慮金融發(fā)展和年齡結(jié)構(gòu)的不同衡量指標(biāo)。為檢驗(yàn)上述結(jié)論，我們采用金融機(jī)構(gòu)各項(xiàng)存貸款之和占該地區(qū)生產(chǎn)總值之比和0-14歲人口占總?cè)丝诘谋戎兀╨nnum）對(duì)模型進(jìn)一步做固定效應(yīng)估計(jì)，見(jiàn)表4中的列（2）和列（3）。結(jié)果發(fā)現(xiàn)，人口出生率和少兒撫養(yǎng)比對(duì)金融機(jī)構(gòu)各項(xiàng)存貸款余額占GDP之比（deposit）的影響為負(fù)，二者交叉項(xiàng)的系數(shù)亦為負(fù)值，但均不具有統(tǒng)計(jì)顯著性，說(shuō)明我國(guó)人口增加并不一定導(dǎo)致儲(chǔ)蓄和貸款余額下降。0－14歲人口占總?cè)丝诘谋戎嘏c地區(qū)金融發(fā)展顯著負(fù)相關(guān)，而其與人口出生率的交叉項(xiàng)系數(shù)也顯著為負(fù)，人口出生率與地區(qū)金融發(fā)展仍顯著負(fù)相關(guān)。也就是說(shuō)，改變年齡結(jié)構(gòu)的度量指標(biāo)后，其余變量的符號(hào)均未發(fā)生變化，而且系數(shù)也很顯著，進(jìn)一步表明估計(jì)結(jié)果的穩(wěn)健性。

第二，剔除異常樣本值?？紤]到中國(guó)地區(qū)金融發(fā)展的差異性，以及人口出生率和年齡結(jié)構(gòu)可能存在異常值對(duì)本文結(jié)果產(chǎn)生不利影響。為了剔除異常樣本值的影響，按照毛其淋的做法［37］，分別計(jì)算出在樣本期內(nèi)各地區(qū)人口出生率、年齡結(jié)構(gòu)和金融發(fā)展的均值以及它們的10%和90%分位數(shù)值，然后把樣本中均值低于各自指標(biāo)的10%分位數(shù)值和高于90%分位數(shù)值的地區(qū)予以剔除，得到17個(gè)省區(qū)的樣本數(shù)據(jù)①剔除的地區(qū)包括北京、天津、上海、山東、四川、貴州、廣東、青海、寧夏、西藏、新疆、遼寧、黑龍江、吉林等。。另外，將所有變量做縮尾處理，同時(shí)刪除1%和99%分位的數(shù)據(jù)進(jìn)行固定效應(yīng)估計(jì)，結(jié)果報(bào)告在表4中的列（4）和列（5）。從中不難發(fā)現(xiàn)，人口出生率和年齡結(jié)構(gòu)及其交叉項(xiàng)仍然顯著負(fù)向影響地區(qū)金融發(fā)展。以剔除異常值的回歸系數(shù)為例，其經(jīng)濟(jì)學(xué)含義是，若我國(guó)人口出生率和少兒撫養(yǎng)比分別下降1%，將會(huì)帶來(lái)金融發(fā)展水平1.4%和4%的提高，其他情況含義類(lèi)似?？刂谱兞恐械牡貐^(qū)經(jīng)濟(jì)發(fā)展水平估計(jì)系數(shù)不再顯著，且符號(hào)發(fā)生了改變，但不對(duì)我們所關(guān)心的主要變量結(jié)果產(chǎn)生影響。

第三，動(dòng)態(tài)面板方法估計(jì)?？紤]到金融發(fā)展具有一定的持續(xù)特征，即當(dāng)前的金融發(fā)展可能依賴(lài)于過(guò)去的水平而存在慣性，有必要在式（4）的基礎(chǔ)上引入被解釋變量的一階滯后項(xiàng)，并將其擴(kuò)展為如下形式的動(dòng)態(tài)面板模型：

滯后項(xiàng)lnfdit-1的引入可以降低計(jì)量模型設(shè)定的偏誤，從而可能提高估計(jì)精度。為使估計(jì)更為準(zhǔn)確、穩(wěn)健，本文同時(shí)使用系統(tǒng)GMM和差分GMM兩種動(dòng)態(tài)面板GMM估計(jì)方法。差分GMM是將式（8）進(jìn)行一階差分，然后用內(nèi)生變量的水平滯后項(xiàng)作為水平項(xiàng)的工具變量，而系統(tǒng)GMM則是在前者的基礎(chǔ)上再引入水平方程，并用內(nèi)生變量的差分項(xiàng)作為水平項(xiàng)的工具變量，估計(jì)結(jié)果見(jiàn)表5。

從表5的列（1）和列（2）可知，人口出生率、年齡結(jié)構(gòu)及其交叉項(xiàng)均顯著為負(fù)，滯后一期金融發(fā)展的系數(shù)顯著為正，說(shuō)明了前期金融發(fā)展水平對(duì)當(dāng)前金融發(fā)展具有持續(xù)正向影響。控制變量的符號(hào)也與表3、表4結(jié)果一致。

從估計(jì)效果來(lái)看，系統(tǒng)GMM和差分GMM的擾動(dòng)項(xiàng)存在一階自相關(guān)，但不存在二階自相關(guān)，故接受擾動(dòng)項(xiàng)無(wú)自相關(guān)的原假設(shè)①因?yàn)榧词乖僭O(shè)“擾動(dòng)項(xiàng)無(wú)自相關(guān)”成立，“擾動(dòng)項(xiàng)的一階差分”仍將存在一階自相關(guān)，但擾動(dòng)項(xiàng)的差分將不存在二階或高階的自相關(guān)。當(dāng)二階及以上不存在自相關(guān)時(shí)，故可接受原假設(shè)“擾動(dòng)項(xiàng)無(wú)自相關(guān)”。。Sargan檢驗(yàn)結(jié)果表明，無(wú)法拒絕所有工具變量均有效的原假設(shè)，說(shuō)明模型設(shè)定的合理性和工具變量的有效性。因此，使用系統(tǒng)GMM和差分GMM估計(jì)是有效的，這也證明回歸結(jié)果具有較好的穩(wěn)健性。

第四，基于生育政策控制力的分析。在全面二孩政策以前，我國(guó)基本實(shí)行的是計(jì)劃生育政策，但是由于控制力度的差異，計(jì)劃生育政策在不同省區(qū)之間的實(shí)施效果各不相同，從而使得人口出生率呈現(xiàn)顯著的地區(qū)差異。根據(jù)梁超的研究［38］，在二孩政策以前，所有省份都規(guī)定城鎮(zhèn)地區(qū)非農(nóng)業(yè)戶(hù)口一對(duì)夫妻只能生育一個(gè)子女，而農(nóng)村地區(qū)農(nóng)業(yè)戶(hù)籍人口的規(guī)定則可分為“一孩政策”②包括北京、上海、天津、江蘇、四川和重慶等6省市?！耙缓胝摺薄皟珊⒄呒耙陨稀雹郯êＤ稀⒃颇?、青海、寧夏、新疆、西藏（2孩以上）等6省（自治區(qū)）。三類(lèi)，從而影響到各地區(qū)的人口出生率水平，這些地區(qū)對(duì)生育政策的控制力由大到小衰減。

因而，可按控制力大小分為強(qiáng)、中、弱三個(gè)不同省區(qū)的樣本進(jìn)行估計(jì)，同時(shí)設(shè)定強(qiáng)弱虛擬變量，即當(dāng)省區(qū)屬于計(jì)劃生育政策控制強(qiáng)的區(qū)域時(shí)，取Strong=1，否則為0；當(dāng)省區(qū)屬于計(jì)劃生育政策控制弱的地區(qū)時(shí)，取Weaken=1，否則等于0。使用固定效應(yīng)估計(jì)的結(jié)果見(jiàn)表6。

表5 動(dòng)態(tài)面板GMM估計(jì)結(jié)果

從表6的列（1）、列（2）可知，計(jì)劃生育政策控制力在中度、高度的省區(qū)，人口出生率和年齡結(jié)構(gòu)及其交叉項(xiàng)的系數(shù)均為負(fù)，而且統(tǒng)計(jì)意義上不顯著。但是在列（3）中，相應(yīng)變量的符號(hào)逆轉(zhuǎn)為正，而且變得十分顯著，這大大不符合理論預(yù)期。因?yàn)樵谟?jì)劃生育政策控制較弱的地區(qū)，其金融發(fā)展水平較低，人口出生率和年齡結(jié)構(gòu)反而很高，可能導(dǎo)源于這些地區(qū)人力資本比較稀缺，人力資本投資的收益低于孩子的收益，因此人們會(huì)選擇較高的生育率，而且對(duì)每個(gè)子女的投資也較少。

另外，不對(duì)樣本進(jìn)行劃分，而是利用虛擬變量回歸的方法進(jìn)行研究，見(jiàn)表6中的最后兩列。其結(jié)果表明，加入計(jì)劃生育政策控制強(qiáng)、弱虛擬變量與人口出生率的交叉項(xiàng)后，人口出生率、年齡結(jié)構(gòu)及交叉項(xiàng)的系數(shù)均顯著為負(fù)，虛擬變量與人口出生率的交叉項(xiàng)系數(shù)為正但不顯著，其凈影響仍為負(fù)。例如，在計(jì)劃生育政策控制較強(qiáng)的地區(qū)，人口出生率對(duì)該地區(qū)金融發(fā)展的凈影響大于計(jì)劃生育政策控制較弱的地區(qū)，這與梁超的研究結(jié)論基本一致①這是因?yàn)?，在生育政策控制較嚴(yán)的地區(qū)，生育率較低，從而較大促進(jìn)了金融發(fā)展；而生育率控制較弱的地區(qū)，生育率高，反而削弱了該地區(qū)的金融發(fā)展，影響力度自然比控制強(qiáng)的地區(qū)大。。因此，人口出生率對(duì)金融發(fā)展的影響力度還是在計(jì)劃生育政策控制較強(qiáng)的地區(qū)大，負(fù)的凈影響也表明了本文結(jié)論的可靠性。

第五，面板分位數(shù)估計(jì)。在前面的回歸分析中，考慮的是自變量對(duì)因變量的平均效應(yīng)，沒(méi)有考慮在不同分位點(diǎn)上的回歸結(jié)果，而且不同省區(qū)的金融發(fā)展、人口出生率和人口結(jié)構(gòu)都存在顯著差異。為了精確捕捉在不同水平上，人口出生率、年齡結(jié)構(gòu)對(duì)金融發(fā)展的影響，我們利用面板分位數(shù)回歸技術(shù)進(jìn)行分析。根據(jù)李群峰［39］，假設(shè)有如下簡(jiǎn)化形式的面板數(shù)據(jù)模型：

式（9）中，i表示代表不同的樣本個(gè)體（地區(qū)），t代表不同的觀察時(shí)點(diǎn)（時(shí)間），βi為解釋變量的系數(shù)向量，ai表示不可觀測(cè)的隨機(jī)效應(yīng)向量，uit表示隨機(jī)誤差項(xiàng)。

若采用分位數(shù)回歸方法對(duì)式（6）進(jìn)行參數(shù)估計(jì)，首先需要建立條件分位數(shù)方程：

式（10）中，β′(τ)=(β1,β2,…βτ)′是τ分位數(shù)下的系數(shù)向量。

當(dāng)τ在（0，1）上變動(dòng)時(shí)，通過(guò)求解加權(quán)絕對(duì)殘差最小化問(wèn)題即可得到分位數(shù)回歸在不同分位點(diǎn)的參數(shù)估計(jì)值，最小化加權(quán)絕對(duì)殘差表達(dá)為：

我們運(yùn)用31個(gè)省、直轄市、自治區(qū)共12年的面板數(shù)據(jù)進(jìn)行分位數(shù)估計(jì)，結(jié)果如表7所示。

從表7可知，隨著分位數(shù)的增加，人口出生率、年齡結(jié)構(gòu)的分位數(shù)回歸系數(shù)呈現(xiàn)先升后降的趨勢(shì)，而且均在1%的水平上顯著為負(fù)。這表明人口出生率、年齡結(jié)構(gòu)的提高對(duì)金融發(fā)展在低分位點(diǎn)上的影響比對(duì)高分位點(diǎn)上的影響較大，且在25%分位點(diǎn)上達(dá)到最大，分別為-13.14和-30.09，這與表3所得結(jié)論一致。

因此，綜合上述估計(jì)結(jié)果，我們認(rèn)為人口出生率和年齡結(jié)構(gòu)負(fù)向影響金融發(fā)展，二者“替代效應(yīng)”的關(guān)系顯著。只有在特殊情況下，比如在我國(guó)計(jì)劃生育政策控制較弱的地區(qū)②同時(shí)，這些地區(qū)的經(jīng)濟(jì)也較落后。，人口出生率和年齡結(jié)構(gòu)則會(huì)正向影響金融發(fā)展?？傮w上，人口出生率、年齡結(jié)構(gòu)與金融發(fā)展之間呈替代關(guān)系。

表6 分生育政策控制強(qiáng)弱地區(qū)的固定效應(yīng)估計(jì)結(jié)果

注：括號(hào)里為z值，***、**和*分別表示在1%、5%和10%的水平上顯著。

六、研究結(jié)論

人口因素在一國(guó)經(jīng)濟(jì)金融發(fā)展中具有重要的作用。隨著中國(guó)人口出生率的下降及人口結(jié)構(gòu)少子化趨勢(shì)的不斷演進(jìn)，其對(duì)我國(guó)金融改革與發(fā)展將會(huì)產(chǎn)生顯著影響。為此，我們利用2005—2016年的省際面板數(shù)據(jù)，綜合采用固定效應(yīng)模型、動(dòng)態(tài)面板模型、面板分位數(shù)模型、工具變量回歸等方法，系統(tǒng)、全面地對(duì)此問(wèn)題進(jìn)行了實(shí)證檢驗(yàn)。研究結(jié)果表明，我國(guó)人口出生率、年齡結(jié)構(gòu)（少子化）均穩(wěn)?。@著）負(fù)向影響我國(guó)的金融發(fā)展。不過(guò)，在計(jì)劃生育政策控制較弱的地區(qū)則恰好相反，即人口出生率及年齡結(jié)構(gòu)顯著提高金融發(fā)展。這表明，整體上，隨著人口出生率下降、人口少子化趨勢(shì)的不斷加強(qiáng)，我國(guó)金融發(fā)展將會(huì)得到有力提升，但是，需要重視一些特殊地區(qū)可能出現(xiàn)的相反情況。進(jìn)一步的研究表明，各地居民的教育年限、法律制度水平促進(jìn)了該地區(qū)的金融發(fā)展，而且金融發(fā)展還需要一個(gè)穩(wěn)定開(kāi)放的宏觀環(huán)境。

本文的研究結(jié)果說(shuō)明，一是商業(yè)銀行應(yīng)轉(zhuǎn)變金融服務(wù)方式，擴(kuò)展金融服務(wù)范圍層次，特別是推進(jìn)普惠金融業(yè)務(wù)，增加新的金融產(chǎn)品供給，優(yōu)化東、中、西部網(wǎng)點(diǎn)布局，構(gòu)筑多層次完善的金融服務(wù)體系，以滿(mǎn)足人口變動(dòng)引發(fā)的對(duì)各種金融服務(wù)需求。二是國(guó)家既要出臺(tái)相應(yīng)的生育補(bǔ)貼和獎(jiǎng)勵(lì)政策，又要從降低撫養(yǎng)成本、教育成本和住房成本三大方面著手化解生育后帶來(lái)的一系列成本支出問(wèn)題，在現(xiàn)行成本難以有效改善和降低的情況下，適宜提高個(gè)人工資水平、降低居民稅負(fù)，保障基本的養(yǎng)育支出。面對(duì)老齡化的到來(lái)，則需要加快養(yǎng)老保險(xiǎn)制度改革，構(gòu)筑完善的養(yǎng)老保險(xiǎn)金收入支出制度。同時(shí)，出臺(tái)老年人口的再教育、再培訓(xùn)和再就業(yè)鼓勵(lì)舉措，發(fā)掘二次“人口紅利”，擴(kuò)展老年人口的收入來(lái)源渠道。三是增加農(nóng)村、城市的中小學(xué)教育基礎(chǔ)設(shè)施投入，調(diào)整和優(yōu)化城鄉(xiāng)教育資源分配，強(qiáng)化優(yōu)質(zhì)教育資源向非優(yōu)質(zhì)教育的地、縣、市及鄉(xiāng)傾斜，以培養(yǎng)具有創(chuàng)新意識(shí)的人才為導(dǎo)向，全面推進(jìn)教師教育體制機(jī)制改革。同時(shí)，注重法律制度的完善，加強(qiáng)法律法規(guī)的建設(shè)并提高執(zhí)法效率，保護(hù)金融市場(chǎng)上每位參與者的合法權(quán)益。

在本文的基礎(chǔ)上，未來(lái)的研究一方面可以采用銀行業(yè)金融機(jī)構(gòu)網(wǎng)點(diǎn)的分布密度指標(biāo)進(jìn)行實(shí)證分析，以探究各地區(qū)銀行業(yè)金融機(jī)構(gòu)的分布及服務(wù)的廣度與人口出生率、年齡結(jié)構(gòu)之間的因果關(guān)系。另一方面，從時(shí)變視角，考察人口出生率、年齡結(jié)構(gòu)與金融發(fā)展隨時(shí)間變化的動(dòng)態(tài)效應(yīng)，以辨明三者關(guān)系隨時(shí)空推移的變化情況，從而豐富和發(fā)展對(duì)人口與金融關(guān)系的認(rèn)知。因此，本文得出的相關(guān)結(jié)論及政策僅是基于本文回歸結(jié)果提煉總結(jié)的一系列推測(cè)，其合理性和正確性還有待在獲得較為全面的數(shù)據(jù)、深入考察時(shí)變動(dòng)態(tài)效應(yīng)與正確識(shí)別因果關(guān)系的基礎(chǔ)上做更全面的檢驗(yàn)。