人口老龄化、信贷渠道和货币政策有效性——来自宏观层面和省级层面的经验证据

刘金全 隋 艺

（广州大学经济与统计学院，广东 广州 510006）

一、引言

“十四五”时期，我国开启全面建设社会主义现代化国家新征程，党中央把积极应对人口老龄化上升为国家战略，并在《中华人民共和国国民经济和社会发展第十四个五年规划和2035 年远景目标纲要》中做了专门部署。人口老龄化是人类社会发展的客观趋势，我国进入老龄化社会已有20 余年，逐步呈现出老年人口规模大、老龄化进程快、老龄化水平地区不平衡等特点。《2020 年度国家老龄事业发展公报》显示，我国60周岁及以上老年人口达26402万人，占总人口的18.7%，60～69 周岁的低龄老年人口在老年人口中占比过半，老年人口抚养比为19.7%，比2010年提高7.8 个百分点，这表明我国人口年龄结构正加速转变，“高老龄化”社会已经形成。

人口老龄化不仅会对宏观经济、金融市场和社会民生等领域产生深远影响，还会对经济政策的效率产生溢出效应。货币政策作为宏观调控的重要工具，可以通过多种传导渠道影响实体经济，例如利率渠道、风险承担渠道、信贷渠道等。在过去二十多年的货币政策调控中，我国中央银行长期以广义货币供给作为中介目标对宏观经济进行调控，直至今日银行信贷仍是社会融资规模中的重要组成部分，这决定了信贷渠道是我国货币政策传导的主要渠道（杜立和钱雪松，2021）[1]。尽管近年来货币政策调控逐渐从数量型向价格型转变，但我国利率市场化仍未完成，当前我国金融市场发展程度不够，各类经济主体的融资方式和融资渠道比较单一，银行信贷仍是企业和家庭获得资金的主要方式。那么，在当前和未来人口老龄化程度日益加深的背景下，货币政策有效性是否会受到影响？人口老龄化是否会对货币政策的信贷传导渠道产生实质性影响？

信息非对称或金融摩擦是货币政策信贷传导渠道的核心问题（Bernanke和Blinder，1988）[2]，扩张性货币政策可以通过降低融资成本、缓解融资约束进而促进信贷增长，最终影响产出和物价。具有更高融资约束的经济个体对货币政策变动的敏感度更高（潘攀和邓超，2020）[3]。老年人对住房和耐用品消费等贷款依赖程度较高的商品需求较低（陈小亮等，2021）[4]，其自我融资倾向较高，外部融资溢价较低（方显仓和张卫峰，2019）[5]，对货币政策的反应也较弱。在高度老龄化社会中，微观经济主体活力不足，扩张性货币政策对信贷的促进作用可能大大减弱，货币政策信贷传导渠道的弱化将进一步影响货币政策对产出和物价的调控效果。因此，在新的人口年龄结构下，人口老龄化通过对货币政策传导渠道的影响，逐步跃升为影响货币政策有效性的重要因素之一。本文的重要贡献在于，采取更为严谨的计量方法，基于信贷渠道，从宏观层面和省级层面探析人口老龄化对货币政策宏观传导效率和中观传导路径的影响，进而给出对策建议。

二、文献综述和理论分析

（一）人口老龄化与货币政策有效性的因果关系和机制刻画

对于人口老龄化视角下的货币政策有效性问题，发达经济体已有大量文献进行研究，相当多学者认为老龄化会降低货币政策有效性，如老龄化会削弱日本货币政策对消费的影响及其产出效应（Yoshino和Miyamoto，2020）[6]，减弱美国、加拿大、日本、英国、德国的失业率和通货膨胀对货币政策的反应（Imam，2015）[7]。Mangiante（2022）[8]则认为由于美国老年人更多购买价格刚性较高的产品，老龄化社会下产出对货币政策冲击的反应也更加强烈，即老龄化可能会强化货币政策有效性。也有少部分学者认为在欧元区老龄化对货币政策实施效果的影响微乎其微（Kara和Thadden，2016）[9]。

同样地，国内学者普遍认为我国人口老龄化会削弱货币政策有效性，采用的测度方法主要有四类：第一，采用时变参数向量自回归（TVP-VAR）模型先测度出货币政策有效性的时变特征，然后再利用回归模型探讨货币政策有效性的下降是否由人口老龄化引起（张卫峰和刘堂勇，2019；何俊杰，2017；李婷婷和逯进，2021；邹瑾，2017）[10-13]。这种方法的缺陷是，TVP-VAR 模型对参数施加随机游走约束，这并不一定符合经济现实，一旦TVP-VAR 模型所测度的货币政策有效性存在测量误差，便会将其带入第二步回归模型，导致参数估计失去可信度。第二，基于生命周期理论，采用世代交叠模型（OLG）或动态随机一般均衡模型（DSGE）等进行理论演绎（方显仓和张卫峰，2019；Yoshino 和Miyamoto，2020；Ippei 等，2019；李建强和张淑翠，2018）[5，6，14，15]。第三，将老年人抚养比引入Rudebusch 和Svensson（1999）[16]提出的货币政策效果方程，构建多项式分布滞后模型并进行参数估计。第四，陈小亮等（2021）[4]把老年抚养比11.9%作为“高老龄化”和“低老龄化”的划分依据，利用局部投影法估计不同老龄化状态下的货币政策有效性，发现老龄化弱化了货币政策的稳增长效果，但该研究并未控制影子银行、经济不确定性等对货币政策有效性具有重要影响的变量，可能导致遗漏变量偏误。

在老龄化影响货币政策有效性的理论机制刻画层面，李建强和张淑翠（2018）[15]在DSGE模型中纳入老龄化特征，研究发现老龄化社会的通货膨胀容忍程度下降，弱化货币政策的需求管理能力。方显仓和张卫峰（2019）[5]推导简约的OLG 模型并指出，由于老年人持有国债和存款等低风险资产，提高货币政策利率将产生正的财富效应，促进社会消费，这意味着紧缩性货币政策效果降低。老龄化影响货币政策的另外一个理论机制是压低自然利率，加剧货币政策触及零利率下界的风险，进而收窄货币政策的自主操作空间（王博和陈开璞，2021；Bielecki等，2022）[17，18]。也有一部分研究从实证角度讨论这一问题，例如Leahy 和Thapar（2019）[19]发现美国40～65 岁人口占比越高，货币政策有效性就越强，因为企业家的年龄大多分布在40～65岁，企业家对货币政策刺激更加敏感。Berg等（2021）[20]使用向量自回归（VAR）模型和生命周期模型研究发现美国的老年人消费对货币政策冲击的反应远远大于年轻人消费，这与不同年龄层的财富特征和投资组合等因素密切相关。

（二）人口老龄化对货币政策传导渠道的影响

根据国内外研究文献，老龄化通过影响货币政策传导渠道进而影响货币政策的有效性，货币政策传导渠道主要有五种，分别为利率传导渠道、信贷传导渠道、财富效应渠道、风险承担渠道和汇率渠道，如表1 所示。具体而言：（1）利率传导渠道。老年人资产净值高，借债需求少，住房等投资需求也较少，消费和投资的利率敏感性下降，当社会老年人口比例明显增加，全社会对利率的敏感程度会大幅减弱，利率传导渠道下货币政策有效性也会随之减弱。（2）信贷传导渠道。老年人资产较多，抵押物丰富，且对房屋等耐用品的需求也没有年轻人大，使用信贷消费的需求较低，因此，在老龄化社会下，货币政策的信贷传导渠道受到阻碍。（3）财富效应渠道。老年人拥有大量财富，有资产保值需求，对货币政策变化更加敏感，故老龄化社会下财富效应传导渠道的货币政策有效性会增强。（4）风险承担渠道。货币政策通过鼓励“追求收益”直接或间接地影响风险承担。在一个老龄化社会中，弥补损失的时间比年轻社会要短，这可能会导致更多的家庭厌恶风险，从而降低整体风险承担。因此，在老龄化社会中，风险承担渠道的效力可能不如年轻社会，从而降低了货币政策的有效性。（5）汇率渠道。受多重因素影响，老龄化社会中货币政策汇率渠道传导的有效性无法确定。总体而言，人口老龄化会在一定程度上阻碍利率渠道、信贷渠道和风险承担渠道的传导（何俊杰，2017；Fujiwara 和Teranishi，2008）[11，21]，但会加强财富效应，最终影响取决于各渠道的相对重要性（Bean，2004）[22]。

从我国情况看，由于呈现“未富先老”特征，财富效应渠道是比较微弱的（陈小亮等，2021）[4]，而汇率渠道的影响也无法确定，因此，我国并不存在明显的财富效应渠道和汇率渠道（翟光宇等，2023）[23]，考虑到过去我国数量型货币政策主要通过信贷渠道影响物价和产出，本文聚焦于信贷渠道视角研究人口老龄化对我国货币政策有效性的影响。一方面，本文从宏观层面，对比了纳入老龄化调节变量的交互向量自回归模型（I-VAR）与不纳入老龄化调节变量的VAR模型中货币政策冲击对产出、物价和信贷变量的影响。这种方法避免了使用局部投影模型产生的遗漏变量问题，也避免了TVP-VAR 模型对参数施加随机游走假设的问题。另一方面，本文从省级层面，构建了以老龄化作为条件变量的面板同质向量自回归（PCH-VAR）模型，探讨具有异质性人口结构特征的不同地区的产出、物价和信贷变量对货币冲击的脉冲响应函数是否存在差别，论证了老龄化能影响“货币政策→信贷渠道→产出和通货膨胀”这一传导机制，为理解人口老龄化如何影响货币政策有效性提供了宏观层面和中观层面的经验证据支持。此外，本文还验证了利率调控的有效性同样会被人口老龄化弱化。

三、计量模型构建和实证分析策略

此部分介绍了如何使用I-VAR 模型和PCH-VAR模型测度不同老龄化状态下的货币政策有效性，同时刻画老龄化对货币政策信贷渠道的具体影响，并阐述关于变量选取、模型设定和数据处理的实证思路。

（一）I-VAR模型

本文的目标是识别不同老龄化状态下货币政策冲击对经济的非线性影响，从而检验人口老龄化是否会影响货币政策有效性。I-VAR 模型对解决本文的问题十分有利，它将交互项的思想纳入VAR 模型框架，包含了足量的经济信息并能以一种简洁的方式模拟人口老龄化对货币政策效率的影响。本文的I-VAR 模型形式如下：

其中，yt=[GDP,CPI,M,XD,llh]'，为包含实际GDP 同比增长率、居民消费价格指数CPI、广义货币供应量同比增速M、金融机构人民币各项贷款余额（同比增速）XD和老年抚养比llh的5×1 维内生变量向量，α为n×1 的常数项向量，Aj为n×n的系数矩阵，k为模型滞后阶数，μt为n×1 的误差项向量，且其方差协方差矩阵为Ω 。括号内是老年抚养比llht-j以及广义货币供应量同比增速M的交互项，cj是交互项的系数矩阵，以捕捉不同老龄化状态下货币政策对宏观经济变量的调控效果差异。

本文通过广义脉冲响应函数来量化不同老龄化状态下货币政策冲击对产出、物价和信贷的影响。理论上，内生变量向量yt的h期向前的广义脉冲响应函数可表示为：

其中，E[·]表示期望算子，δt为t时刻的结构性冲击，ωt-1={yt-1,yt-2,…,yt-l} 为初始条件。GIRFy使我们能够跟踪系统内生变量对本文框架中所有内生变量的动态响应，GIRFy的结果取决于货币政策冲击的方向、幅度以及初始条件。

变量选取方面，本文选用实际GDP 同比增长率、居民消费价格指数、广义货币供应量同比增速、金融机构人民币各项贷款余额（同比增速）和老年抚养比分别表征产出、消费、货币政策、信贷和人口老龄化，数据时间跨度为2002 年第一季度—2019 年第四季度，数据来源于中经网统计数据库和国家统计局。其中，老年抚养比是学界普遍使用的衡量人口老龄化程度的代理变量，但该变量只有年度数据，考虑到人口老龄化是慢动变量，本文根据陈小亮等（2021）[4]的做法对其进行线性插值转化为季度频率数据。本文选用的货币政策代理变量为广义货币供应量M2 同比增速，是因为我国过去主要使用数量型货币政策调控经济，并且数量型货币政策与信贷的关联最为紧密，使用该变量符合本文的研究需求。

模型估计方面，参考Caggiano 等（2017）[24]的做法，模型（1）和（2）使用最小二乘法进行参数估计，滞后阶数使用AIC准则确定，然后使用广义脉冲响应函数算法计算不同老龄化状态下货币政策对产出、物价和信贷的调控效果。

（二）PCH-VAR模型

要刻画人口老龄化对货币政策有效性和传导机制的影响，一种方法是令模型参数随着老龄化变量的变化而变化，PCH-VAR 模型可以满足这一研究需求。PCH-VAR 模型克服了线性面板VAR 模型完全同质假设下导致的参数估计不一致问题，并且相比于TVPVAR 模型，它不局限于单个经济个体时间序列的估计，能通过识别不同经济主体的结构特征差异来分析异质性和动态变化来源。在本文中，应用PCH-VAR模型可以通过不同省份的结构特征，刻画人口老龄化影响下货币政策效果的异质性和动态变化，从而增加研究结论的直观性和政策建议的价值。参考Georgiadis（2012）[25]做法，构建PCH-VAR模型形式如下：

其中，内生变量Yit=[GDPit,CPIit，XDit,M]'，是包含省级实际GDPit同比增长率、省级居民消费价格指数CPIit、省级金融机构人民币各项贷款余额（同比增速）XDit和国家层面广义货币供应量同比增速M的向量，Aj()zit为系数矩阵，标量zit是外生条件变量，这里选取老年抚养比来衡量各省人口老龄化的结构特征，Aj(zit)的数值会随着老龄化的不同而变化。i=1,2,…,N代表中国31 个省（自治区、直辖市，以下简称省份），t代表时间，p是内生变量系数矩阵Aj(zit)的滞后阶数，μit是均值为0、协方差矩阵为Σit的随机误差项。为了能够估计PCH-VAR 模型，假设Aj(zit)中每个标量系数aj,sm(zit)可以近似表示为条件变量zit中的标量多项式：

其中，j=1,2,…,p，s=1,2,…,K，m=1,2,…,K，π(zit)=[π1(zit),π2(zit),πτ(zit)]是zit的1×τ阶多项式组成的向量，γj,sm=(γj,sm1,γj,sm2,γj,smτ)'是τ×1 阶多项式系数的向量。根据这种近似，Aj(zit)可表示为：

方程可以写成：

一旦确定了多项式阶数（本文设定为2 阶）①，模型就可以运用普通的最小二乘法（LS）或广义最小二乘法（GLS）确定系数矩阵Aj(zit)，由此便可计算信贷、产出和物价等变量对货币政策冲击的响应函数，而这个脉冲响应函数的具体形态和演变趋势又依赖于老龄化变量的状态，这使得货币政策有效性和传导机制直接与人口老龄化形成函数关系，让我们能够直接观测不同老龄化水平下货币政策有效性的趋势性变化。

在数据选取方面，产出变量、物价变量和信贷变量分别选用我国31 个省份的实际GDP 季度同比增长率、CPI 季度同比增长率和金融机构本外币各项贷款余额季度同比增长率，货币政策变量选用国家层面的广义货币供给量季度同比增长率，老龄化变量采用各省份的老年抚养比数据，由于老年抚养比只有年度数据，本文使用线性插值法将其转化为季度数据。另外，省级层面老年抚养比数据在人口普查年度使用的是人口普查数据，在非人口普查年度使用的是抽样数据。所有数据来自各省统计年鉴、中经网统计数据库和各年度《中国区域金融运行报告》，样本区间为2004年第一季度—2019年第四季度。

四、人口老龄化对货币政策有效性影响和传导机制的实证分析

（一）描述性统计分析

图1 展示了M2 同比增速与各省信贷同比增速的对比，较粗的曲线代表M2 同比增长率，不难看出各省信贷同比增速与M2 同比增速的趋势高度一致，这表明宏观层面的数量型货币政策立场对各省信贷走向具有决定性作用。但从数值上看，不同省份的信贷增速也存在显著的差异，这主要是因为各省份的经济发展、金融发展、信贷需求量等方面存在着较大的差异。此外，各省信贷增速的明显高点出现在2008 年国际金融危机爆发期间，这与该时期我国实施超宽松的财政货币政策刺激信贷和经济的现实相吻合。

图1：M2同比增速与各省信贷同比增速对比

观察图2 可以发现，各省老年抚养比差异显著但整体呈上升趋势，这说明我国老龄化程度逐年加剧并具有明显的区域差异。具体来看，将我国各省份（不包含港澳台地区）划分为东、中、西三部分②，东部地区老龄化程度最高，西部地区老龄化程度最低，2010年后各地老龄化程度加速上升，中部地区老龄化水平逐渐接近东部地区。截至2020 年末，按照陈小亮等（2021）[4]对人口老龄化的划分，各省全部处于“高老龄化”社会，东部和中部地区的老年抚养比高达18%左右，西部地区约为15%，老龄化问题严峻。

图2：老年抚养比的省级差异和区域对比

（二）国家层面分析：人口老龄化对货币政策有效性的影响

图3 呈现了VAR 模型和I-VAR 模型中产出和物价对数量型货币政策冲击的反应函数，从左图可以发现，VAR模型中的产出脉冲响应函数数值在所有时期均高于I-VAR 模型，I-VAR 模型中的GDP 脉冲响应函数在中期甚至转为负值。这一结果表明，当考虑老龄化因素后，数量型货币政策对产出的调控效率下降。同样地，右图的结果表明，VAR模型中物价对货币政策冲击的反应程度更大，尽管在第7—11 期I-VAR 模型中物价的脉冲响应函数数值比VAR 模型稍高，但在其他时期均低于VAR 模型。从累积20 期脉冲响应函数的情况看，经计算，VAR模型中物价的累积脉冲响应函数值为1.89，高于I-VAR 模型的1.35。由于IVAR模型的估计参数受到老年抚养比变量的影响，这一结果意味着，当考虑人口老龄化因素后，货币政策对产出和物价的调控效果均出现了弱化，这一结果与国内大多数研究的结论一致。我们有理由相信人口老龄化的不断加剧是导致数量型货币政策效果不断下降的重要原因。

图3：产出和物价对货币政策冲击的脉冲响应函数

图4 的结果同样表明，VAR 模型中信贷对货币政策冲击的反应函数数值高于I-VAR 模型，这说明当考虑了人口老龄化因素后，货币政策对信贷的促进作用减弱了。原因在于，老年人的信贷需求较低，其外部融资溢价也较低，对货币政策的敏感度大大下降。扩张性货币政策的信贷传导渠道的核心是降低融资成本和缓解外部融资溢价，具有更高融资约束的个体通常会有更强的反应。因此，老龄化程度越高的社会，货币政策对信贷的刺激作用就越弱，导致货币政策对产出和物价的调控效果进一步弱化。图3 和图4 的结果相互佐证，能够在一定程度上论证人口老龄化对信贷渠道的弱化导致了对产出和物价的调控效果下降。

图4：信贷对货币政策冲击的脉冲响应函数

（三）省级层面分析：人口老龄化对货币政策有效性影响的省级差异和传导机制分析

观察图5 可以发现，在观察区间内，当老年抚养比逐步增加时，货币政策对省级产出和省级物价的影响程度逐渐下降，其中省级产出的累积响应下降了0.3 左右，而省级物价的累积响应下降了1.2 左右，这表明在省级层面人口老龄化削弱了货币政策对产出和通货膨胀调控的有效性。值得注意的是，受人口老龄化影响，通货膨胀对扩张性货币政策冲击的反应由正转为负，说明未来可能面临通货紧缩的风险。

图5：不同老龄化状态下省级产出和省级物价对货币政策冲击的累积脉冲响应函数

下面从省级层面探析人口老龄化对货币政策中观传导路径的影响，信贷传导渠道是货币政策传导的重要方式，具体传导路径为“货币政策→信贷渠道→产出和通货膨胀”。图6 显示，随着老龄化程度的加深，省级信贷对M2 冲击的累积脉冲响应函数数值不断下降，说明人口老龄化削弱了传导路径“货币政策→信贷渠道”的边际效率。

图6：不同老龄化状态下省级信贷对货币政策冲击的累积脉冲响应函数

图7 显示，分区域来看，由于东部和中部地区的平均人口老龄化程度较高，人口老龄化对货币政策在东部和中部地区的产出调控效率有更强的负面影响，而西部地区老龄化程度相对较低，故货币政策对西部地区产出的边际效果基本未受到影响，甚至有上升的趋势。

图7：不同区域老龄化对货币政策有效性的影响对比

（四）人口老龄化是否弱化了价格型货币政策的有效性

考虑到我国货币政策调控方式正逐渐由数量型向价格型转变，以利率调控为核心的价格型货币政策将成为未来的重点，本文将I-VAR 模型中的数量型货币政策变量替换成价格型货币政策变量（以银行间同业拆借7 天加权平均利率代表），并计算了VAR 模型和I-VAR 模型中产出和信贷对利率冲击的脉冲响应函数（见图8）。可以看出，无论是VAR 模型还是I-VAR 模型，利率每上升一个单位，产出和信贷都呈现负向的脉冲响应，这符合经济理论，说明紧缩性货币政策对产出和信贷产生负面影响。通过对比可以发现，IVAR模型中产出和信贷对利率冲击的反应程度比VAR模型更小，这表明考虑人口老龄化因素后，我国价格型货币政策对产出和信贷的调控效果弱化。当前我国数量型货币政策和价格型货币政策仍在混合使用，两者的调控效果都会受到人口老龄化的负面影响。

图8：产出和信贷对利率冲击的脉冲响应函数

五、结论和政策建议

本文运用I-VAR 模型和面板PCH-VAR 模型，从宏观和省级层面研究人口老龄化对货币政策有效性的时变影响特征以及其内在传导机制，主要得到以下结论：首先，随着我国人口老龄化程度的加深，数量型货币政策对产出、通货膨胀和信贷的边际调控效率趋于下降；其次，无论从宏观还是省级层面来看，信贷与M2 增速的趋势高度一致，信贷传导渠道在货币政策众多传导渠道中处于重要地位，是影响区域经济的重要渠道；再次，人口老龄化的深化会对信贷传导渠道“货币政策→信贷渠道→产出和通货膨胀”产生负面影响，当人口老龄化程度加剧时，货币政策对信贷的影响减弱，削弱了货币政策有效性；最后，我国人口老龄化区域差异较大，东部地区明显高于西部地区，因此，人口老龄化加深背景下货币政策对东部地区的有效性大幅下降，对西部地区影响不大。

基于以上研究结论，本文提出如下政策建议：

第一，多方位完善生育保障体系。改善人口年龄结构，从生育率入手，在加强三孩生育政策的宣传和引导的基础上，应将重点放在生育保障体系的完善和政策支持上。一方面，要加大对生育的补贴和优惠，如税收优惠、生育津贴、孕期医疗费用适当报销、扩大教育费用减免范围和年限等；另一方面，要加强并落实对女性权益的保障，包括但不限于延长产假、保障女性返岗就业的工资、推广灵活办公模式等，解决“不想生”“推迟生”“不敢生”的问题，提高生育率。

第二，宏观调控既要考虑宏观层面人口结构变化对货币政策有效性的影响，也应充分考虑地区层面人口结构差异引致的货币政策效率的区域差异。政策当局应该认识到人口老龄化时代货币政策调控的局限性，并健全目标优化、分工合理、高效协同的宏观经济治理体系，建立更加完备的宏观调控工具箱。例如，在老龄化程度日益加深的背景下，一旦宏观经济运行受到负面冲击，单靠货币政策扩张可能无法完全实现稳增长，可以让财政政策和货币政策协调配合、共同发力，保证经济运行维持在合理区间。

注：

①多项式阶数不宜太大，否则VAR模型的特征根出现在单位圆外将意味着模型不稳定。

②东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西、海南12 个省份，中部地区包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南9 个省份，西部地区包括四川、贵州、云南、西藏、陕西、甘肃、宁夏、青海、新疆9个省份。