前言：想要寫出一篇引人入勝的文章？我們特意為您整理了互聯網消費金融發展對經濟內循環影響范文，希望能給你帶來靈感和參考，敬請閱讀。

1引言

隨著“互聯網+”的不斷發展，傳統的消費金融運作模式發生了轉變。當前國際經濟低迷，在美國的保護主義旗幟下，中國的國際貿易受到了一定的沖擊，2020年又出現了新冠疫情，這對國際貿易更是帶來了嚴重的影響。在未來一段時間內，我國將著力發展經濟內循環，在此背景下，研究互聯網消費金融發展對我國經濟內循環的影響具有現實意義。盡管有學者研究了有關消費金融對拉動需求的作用，但許多研究都只是從理論上進行了闡述，或只是討論零售消費市場。本文將對互聯網消費金融能否拉動內需并帶動內循環進行研究，選擇2008—2018年的樣本數據構建模型，實證分析互聯網消費金融的發展對經濟內循環的影響。

2研究方法與數據

2.1研究方法

經典的計量經濟學結構模型是根據理論構建的，不能嚴格的解釋現實經濟活動中變量間的動態關系，而向量自回歸（VAR）模型是一種非結構化模型，它由克里斯托弗•西姆斯提出。該模型通過實際經濟數據來確定經濟系統的動態結構，構建模型時無需提出理論假設[1]。克里斯托弗•西姆斯在1980年將VAR模型引入經濟系統動態性分析中，通過預測相互聯系的時間序列系統和分析隨機擾動對動態系統的沖擊，從而分析各種經濟因素對經濟變量沖擊造成的影響[2]。互聯網消費金融會受到經濟系統中各種因素的影響，在研究這一系統的動態變化時，本文引入VAR模型進行研究。VAR模型在形式上是聯立方程模型，模型中每一個方程都旨在揭示一個變量的變化受其自身以及其他變量的滯后期的影響，它將所有影響因素看作內生變量，并且將被解釋變量的滯后變量也作為解釋變量，從而避免了由于內生變量和外生變量難以區分所造成的模型構建誤差。VAR模型在建模過程中只需明確所含變量個數和最大滯后階數，便可進行參數估計和分析。在含有k個時間序列、p期滯后的VAR模型的表達式為：TtptptYAYAYAY,2,1,2t21t1t⋅=++⋅⋅⋅+++=⋅−−−αδ（1）其中，Yt是k維內生變量向量，p是滯后階數，樣本個數為T，α是k維常數向量，δt是k維隨機擾動向量。

2.2變量選取與數據來源

消費需求總額：消費需求可用社會消費品零售總額來表示。社會消費品零售總額反映了社會各部門的消費，體現出社會對于消費品的需求，隨著一些政策的實施，社會消費品零售總額增加，因此本文采用社會消費品零售總額來表示消費需求[4]。互聯網消費金融發展水平：國內市場上主要存在三類互聯網消費金融服務模式：電商、分期購物平臺及以消費金融公司、銀行[5]。狹義的互聯網消費金融指的是一種新型的消費金融模式，它由互聯網技術與消費金融相互結合而產生，而廣義的互聯網消費金融還包含了互聯網支付和理財等消費金融業務[6]。本文研究的是狹義上的互聯網消費金融，采用互聯網消費金融放貸規模來表示互聯網消費金融發展水平。如果只單獨研究互聯網消費金融放貸規模和社會消費品零售總額兩個變量之間的關系，所建立的回歸模型不穩定，從而會降低研究的準確度。在中國經濟進入新常態后，市場化改革持續推進、人工智能迅速發展、全球貿易保護主義加重，中國的勞動力市場將面臨更多的不確定性，失業率也逐漸成為制約居民消費的重要因素[7]。消費需求的高低與某個區域的經濟增長有著相互促進與影響的關系，全社會固定資產投資會影響一個地區的消費需求[8]。全社會固定資產投資反映一個地區的投資規模與速度，是影響內需的重要因素。根據數據的可得性，本文選取2008-2018年度的社會消費品零售總額（XFXQ）、互聯網消費金融放貸規模（HFG）、失業率（SYL）以及全社會固定資產投產（SGT）年度數據進行研究。其中，社會消費品零售總額、失業率以及全社會固定資產投資的數據來源于國家統計局，互聯網消費金融放貸規模的數據來源于艾瑞咨詢。互聯網消費金融2012年剛興起，艾瑞咨詢報告中也只收錄了2012-2018年互聯網消費金融放貸規模的數據，因此將2011年以前的互聯網消費金融放貸規模數據設置為0.0001。同時為了消除價格的影響，將社會消費品零售總額樣本數據以商品零售價格指數、互聯網消費金融放貸規模和失業率以居民消費價格指數、全社會固定資產投資以固定資產投資價格指數（2008年=100）為定基價格指數進行折算。根據以上所得數據構建VAR模型，由于這些數據帶有時間趨勢，這種趨勢可能產生虛假回歸，從而得出錯誤的結論。為了減少這種時間趨勢的影響，本文對原始數據進行對數處理，將對數處理后的數據運用Eviews10分析。先對各個變量進行平穩性檢驗，再建立脈沖響應函數、進行方差分解，從而分別分析互聯網消費金融規模（HFG)、失業率（SYL）以及全社會固定資產投資（SGT）對消費需求沖擊的動態影響。

3實證檢驗與結果分析

3.1平穩性檢驗（ADF檢驗）

VAR模型中各變量都要求是平穩的，否則進行的參數估計和統計推斷都是不可靠的。應用廣泛的是單位根檢驗，其判斷時間序列中是否存在單位根，若存在單位根，則該時間序列是不平穩的。本文在建模前先對各個變量進行平穩性檢驗，盡管XFXQ、HFG、SYL、SGT序列都是非平穩的，但在經過一階差分之后都變成平穩序列，符合VAR模型的建模條件。經過一階差分后的序列表示的是原始序列的增量，因此，本文研究的是各變量增長量之間的動態關系。

3.2確定最大滯后階數

VAR模型需要確定滯后階數，而確定滯后階數時要綜合兩方面進行考慮，一方面滯后階數要能夠反映模型的動態變化關系，另一方面要保證足夠的自由度，兩者之間是相互制約的，滯后階數過多會減少自由度，通過檢驗結果，得出模型的最優滯后階數為一階。

3.3脈沖響應函數

脈沖響應函數是衡量系統受到沖擊后的反應，為了研究消費需求在受到沖擊后的影響，分別給互聯網消費金融放貸規模、失業率、全社會固定資產投資的增量一個正向單位的沖擊，觀察社會消費需求的脈沖響應程度。如圖1所示，當給互聯網消費金融放貸規模的年增長量一個正向沖擊，社會消費品零售總額的年增長量先上升后下降，最終趨于平穩。當給失業率的年增長量一個正向沖擊，社會消費品零售總額的年增長量先下降后上升，再下降并趨于0。當給全社會固定資產投資的年增長量一個正向沖擊，社會消費品零售總額的年增長量先上升后下降，最終趨于0。在短期內，當互聯網消費金融放貸規模的年增長量增大時，社會消費品零售總額的年增長量將會增加，從而使得消費需求上升；當居民的收入不變時，上一期的消費增加會使得居民在下一期減少消費，以平衡自己的收支。在長期中，居民會逐漸償還互聯網消費金融貸款，消費需求最終會逐漸穩定在一個水平上。在短期內，當失業率的年增長量增加時，由于失業人數的增加，居民的收入下降，從而導致購買力也隨之下降，消費需求減少。在中期，隨著一部分失業人員重新找到工作，收入提升，居民的消費需求增加。在長期內，隨著一部分人失業，一部分人重新找到工作，使得消費需求趨近平穩，社會消費品零售總額的增長量趨近于零。在短期內，隨著全社會固定資產年增長量的增加，刺激了國內投資市場，讓更多的人參與到投資市場，從而使得消費需求增加。在長期內。由于固定資產的持續增加，會出現產能過剩，投資結構惡化，人們會減少投資，以避免出現損失，最終將會維持在一個較低水平。從圖1可以看出，D（XFXQ）對D（HFG）、D（SYL）、D（SGT）的脈沖響應與實際情況符合。

3.4方差分解

通過方差分解，可以分析每一個結構沖擊對內生變量波動的貢獻度，進一步評價各變量的重要程度。VAR模型跨期為10的方差分解結果如圖2所示。由于互聯網消費金融在2012年才興起，前期互聯網消費金融放貸規模幾乎為0，因此，D(HFG）的貢獻度為0，隨著互聯網消費金融的迅速發展，D(HFG）的貢獻度逐漸顯現出來。D(SYL）和D(SGT）的貢獻一開始就顯現出來，D(SYL）的貢獻度接近于0，D(SGT）的貢獻度在40%左右，隨著時間的推移，兩者的貢獻度都在下降。從圖2可以看出，互聯網消費金融放貸規模的增長和全社會固定資產投資的增長對社會消費品零售總額的增長的影響反應很靈敏，在前兩期，互聯網消費金融放貸規模的增長的貢獻度快速上升，而全社會固定資產投資的增長的貢獻度快速下降，在第4期，互聯網消費金融放貸規模的增長的貢獻度達到了90%左右，在第2期后，全社會固定資產投資的增長的貢獻度下降到了10%以下。失業率的增長的貢獻度反應遲緩，并且一直維持在較低水平，最終接近于0。

4結論與建議

文章通過利用2008年－2018年社會消費品零售總額、互聯網消費金融放貸規模、失業率以及全社會固定資產投資的樣本數據，構建VAR模型實證分析了互聯網消費金融放貸規模、失業率以及全社會固定資產投資對社會消費品零售總額的影響，繼而分析互聯網消費金融放貸規模、失業率以及全社會固定資產投資對經濟內循環的影響。根據以上研究結果可以發現，隨著時間的推移，互聯網消費金融放貸規模的增長有利于社會消費品零售總額的增加，因此，擴大互聯網消費金融放貸規模，能夠刺激消費需求，有利于擴大內需，加大經濟內循環。本文的研究發現互聯網消費金融的發展對推動經濟內循環有積極作用，可利用互聯網消費金融激發內需潛力，實現經濟的增長。因此，為更好地實現互聯網消費金融的發展，提出如下建議：

4.1優化互聯網消費金融產業鏈

互聯網消費金融產業鏈包括資金供給方、消費金融核心以及催收方。資金供給方是各種互聯網消費金融服務平臺，掌控著資金的來源，對于互聯網消費金融的發展起著至關重要的作用，是整個產業鏈得以發展的前提；消費金融核心讓資金供給方和資金需求方得以形成交易；催收方使得資金可以快速流動，能夠讓資金迅速回流。互聯網消費金融產業鏈每個環節都對互聯網消費金融的發展起到重要的作用，因此，需要優化互聯網消費金融產業鏈，使各個環節更加緊密聯系，進一步增強消費需求。

4.2利用大數據結合互聯網消費金融的發展

中國的大數據發展已經處于世界領先地位，將大數據與互聯網消費金融相結合，可以增強內需。大數據分析可以將資金需求者行為的數據進行累積，并通過對資金需求者進行精準、全面的分析，更加精確地了解消費者對資金需求的原因以及借貸的資金的用途，并且能夠減少花費了解資金需求者的時間和人力成本，對互聯網消費金融的發展起到了支撐作用。

4.3拓展互聯網消費金融市場

隨著互聯網消費金融市場的發展，消費者的消費需求范圍越來越廣泛，為了滿足消費者的需求，互聯網消費金融市場應該從現有家電、教育、房地產等的領域向養老、旅游等領域擴展，從而能夠滿足不同年齡結構、不同偏好的需求，有利于互聯網消費金融市場的發展，從而推動國內經濟大循環的發展。

4.4完善互聯網消費金融監管體系

如果盲目擴大互聯網消費金融的規模，當資金需求者發生大量違約時，將會破壞互聯網消費金融市場的健康發展。互聯網消費金融興起較晚，在發展的過程中，相應的法律法規還不完善，監管部門需要對互聯網消費金融產業鏈的三個環節加強管理。對資金供應方制定相關借貸規則，防止由于信息的不對稱，資金供應方獲取高額利潤，嚴重損失資金需求方的利益。提升資金需求者對互聯網消費金融的認知，使得在借貸過程中能夠清晰地了解整個借貸過程，明確需要承擔哪些責任等。制定相關懲處措施，對不遵守互聯網消費金融法律法規的互聯網消費金融服務平臺和消費者進行處罰，從而促進互聯網消費金融市場的健康發展，暢通中國經濟內循環。

參考文獻:

[1]李子奈，潘文卿.計量經濟學.4版[M].北京：高等教育出版社，2015.

[2]任碧云，程茁倫.金融脫媒對中國商業銀行資產負債業務沖擊的動態影響——基于VAR模型的實證研究[J].中央財經大學學報，2015(03):26-33.

[3]晁彥利.中國社會消費品零售總額的相關問題研究[D].華中師范大學，2017.

[4]馮科，何理.互聯網消費金融的創新[J].中國金融，2016(11):32-34.

[5]馬德功，韓喜昆，趙新.互聯網消費金融對我國城鎮居民消費行為的促進作用研究[J].現代財經（天津財經大學學報）,2017,37(09):19-27.

[6]趙達，沈煌南，張軍.失業率波動對就業者家庭消費和配偶勞動供給的沖擊[J].中國工業經濟，2019(02):99-116.

[7]錢婷婷.上海人口老齡化對消費水平的影響研究[J].西北人口，2016,37(06):78-85.

作者:趙鵬 單位:蘭州大學經濟學院