范紅忠 魏鈴潔

(華中科技大學(xué)經(jīng)濟(jì)學(xué)院, 武漢 430074)

引 言

當(dāng)前有效需求不足依舊是制約我國(guó)國(guó)民經(jīng)濟(jì)可持續(xù)發(fā)展的關(guān)鍵瓶頸之一， 而我國(guó)有效需求不足的重要原因之一就是消費(fèi)需求的不足。 雖然我國(guó)經(jīng)濟(jì)在改革開(kāi)放以來(lái)保持了30 多年的高速增長(zhǎng)，但一直存在低消費(fèi)和高儲(chǔ)蓄的突出現(xiàn)象。 這一問(wèn)題早已引起眾多學(xué)者的重視， 現(xiàn)有研究從居民收入分配、 消費(fèi)習(xí)慣、 社會(huì)保障體系等諸多方面對(duì)這一問(wèn)題進(jìn)行了研究， 也有許多學(xué)者針對(duì)性地對(duì)我國(guó)居民住房消費(fèi)進(jìn)行了研究。 但他們都忽略了一個(gè)重要的領(lǐng)域， 我國(guó)汽車(chē)消費(fèi)市場(chǎng)。 汽車(chē)作為我國(guó)居民消費(fèi)中主要的耐用品， 并不具備住房商品的投資性。 近年來(lái)受經(jīng)濟(jì)下行壓力的影響和房?jī)r(jià)暴漲的擠占， 我國(guó)汽車(chē)消費(fèi)市場(chǎng)經(jīng)歷了很大的波動(dòng)。

中國(guó)汽車(chē)工業(yè)協(xié)會(huì)發(fā)布的《汽車(chē)工業(yè)經(jīng)濟(jì)運(yùn)行情況》 相關(guān)數(shù)據(jù)顯示， 從1990 年起， 中國(guó)汽車(chē)市場(chǎng)經(jīng)歷了從“井噴增長(zhǎng)” 階段轉(zhuǎn)為“發(fā)展逐步趨于平緩” 階段。 2011 年之前， 中國(guó)汽車(chē)市場(chǎng)以“井噴式” 速度高速增長(zhǎng)， 汽車(chē)銷(xiāo)量從2001 年的230 萬(wàn)輛增長(zhǎng)到2010 年的1800 萬(wàn)輛。 但自2011年開(kāi)始， 銷(xiāo)量同比增速?gòu)闹暗?0%以上逐漸下滑， 過(guò)渡到“平緩” 的微增長(zhǎng)階段。 而在最近的2018 年， 中國(guó)汽車(chē)市場(chǎng)銷(xiāo)量28 年來(lái)首次出現(xiàn)負(fù)增長(zhǎng)。 當(dāng)前我國(guó)汽車(chē)市場(chǎng)面臨嚴(yán)峻的下行趨勢(shì)，這一現(xiàn)象在一定程度上使我國(guó)居民整體消費(fèi)也同樣出現(xiàn)下行趨勢(shì)。 如何有效刺激我國(guó)汽車(chē)消費(fèi)市場(chǎng)活力成為目前社會(huì)各界關(guān)注的焦點(diǎn)。

近年來(lái)， 互聯(lián)網(wǎng)金融的快速發(fā)展正逐步影響并改變我國(guó)居民的消費(fèi)方式和消費(fèi)習(xí)慣。 第三方支付、 P2P 網(wǎng)貸、 大數(shù)據(jù)金融、 眾籌等模式的不斷興起， 降低了居民消費(fèi)成本， 提高了居民消費(fèi)能力， 是促進(jìn)我國(guó)居民消費(fèi)增長(zhǎng)的重要力量。 特別地， 我國(guó)居民在日常生活中已經(jīng)養(yǎng)成使用移動(dòng)支付的習(xí)慣， 第三方互聯(lián)網(wǎng)支付滲透率達(dá)到較高水平。 第三方互聯(lián)網(wǎng)支付是指除銀行以外具備一定實(shí)力和良好信譽(yù)的獨(dú)立機(jī)構(gòu)， 利用互聯(lián)網(wǎng)技術(shù)和信息安全技術(shù)等現(xiàn)代信息科技， 通過(guò)與各大銀行簽約的方式， 在用戶(hù)與銀行支付結(jié)算系統(tǒng)之間建立連接的網(wǎng)絡(luò)支付模式。 這種模式既能降低交易主體之間的交易成本， 又能節(jié)省交易時(shí)間， 加快信息及資金的流通速度， 提高資源配置效率。在互聯(lián)網(wǎng)技術(shù)的推動(dòng)下， 傳統(tǒng)的金融產(chǎn)業(yè)正朝著更加定制化、 智能化的方向變革， 一些新產(chǎn)品、新業(yè)態(tài)和新模式將成為未來(lái)金融市場(chǎng)的主導(dǎo)。 金融行業(yè)與互聯(lián)網(wǎng)技術(shù)的深度融合是大勢(shì)所趨， 必將對(duì)經(jīng)濟(jì)和社會(huì)發(fā)展產(chǎn)生深遠(yuǎn)的影響。

在互聯(lián)網(wǎng)金融領(lǐng)域， 汽車(chē)資產(chǎn)逐漸成為主流資產(chǎn)之一。 目前互聯(lián)網(wǎng)金融在汽車(chē)抵押貸款、 購(gòu)車(chē)分期等領(lǐng)域發(fā)揮著重要作用。 中國(guó)車(chē)貸聯(lián)盟發(fā)布的《全球車(chē)貸報(bào)告》 及其他相關(guān)數(shù)據(jù)顯示， 2016年我國(guó)互聯(lián)網(wǎng)金融在汽車(chē)行業(yè)的總規(guī)模達(dá)到約2000億元人民幣， 數(shù)十家互聯(lián)網(wǎng)汽車(chē)金融服務(wù)商獲得融資。 此外， 近年來(lái)高速發(fā)展的互聯(lián)網(wǎng)金融信貸也加入了車(chē)貸市場(chǎng)的競(jìng)爭(zhēng)中。 因此探討互聯(lián)網(wǎng)金融發(fā)展是否促進(jìn)了居民汽車(chē)消費(fèi)對(duì)我國(guó)汽車(chē)消費(fèi)市場(chǎng)與經(jīng)濟(jì)的健康可持續(xù)發(fā)展均具有重要的現(xiàn)實(shí)意義。

1 文獻(xiàn)綜述

通過(guò)對(duì)現(xiàn)有研究的梳理和回顧可以發(fā)現(xiàn)， 已有大量文獻(xiàn)對(duì)互聯(lián)網(wǎng)金融發(fā)展的多方面影響效應(yīng)進(jìn)行了研究。 國(guó)外研究主要聚焦于互聯(lián)網(wǎng)金融發(fā)展對(duì)傳統(tǒng)金融中介的沖擊(Stijn 等， 2002； Syed等， 2013）［1，2］、 互聯(lián)網(wǎng)金融對(duì)貨幣政策與金融穩(wěn)定的影響(Krueger， 2012）［3］等方面。 國(guó)內(nèi)研究主要聚焦于互聯(lián)網(wǎng)金融發(fā)展與經(jīng)濟(jì)增長(zhǎng)的關(guān)系(李炳和趙陽(yáng)， 2014； 周斌等， 2017； 姜松和黃慶華，2018）［4－6］、 互聯(lián)網(wǎng)金融發(fā)展對(duì)傳統(tǒng)金融行業(yè)的影響(郭品和沈悅， 2015）［7］、 互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)與監(jiān)管(俞林等， 2015）［8］、 互聯(lián)網(wǎng)金融發(fā)展對(duì)中小微企業(yè)融資的影響(王馨， 2015）［9］等方面。

此外一部分國(guó)內(nèi)學(xué)者針對(duì)互聯(lián)網(wǎng)金融對(duì)我國(guó)居民消費(fèi)的影響進(jìn)行了研究。 何啟志和彭明生(2019）［10］運(yùn)用非線性模型和省際面板數(shù)據(jù)就互聯(lián)網(wǎng)金融對(duì)居民消費(fèi)的影響效果進(jìn)行了實(shí)證研究，發(fā)現(xiàn)互聯(lián)網(wǎng)金融對(duì)居民消費(fèi)具有較強(qiáng)的正向影響。崔海燕(2016）［11］利用動(dòng)態(tài)時(shí)間序列模型實(shí)證研究了互聯(lián)網(wǎng)金融對(duì)中國(guó)居民消費(fèi)的影響效應(yīng)， 發(fā)現(xiàn)加快互聯(lián)網(wǎng)金融的發(fā)展可以有效促進(jìn)中國(guó)居民消費(fèi)的增長(zhǎng)。 邢天才和張夕(2019）［12］采用面板VAR模型實(shí)證分析互聯(lián)網(wǎng)消費(fèi)金融對(duì)城鎮(zhèn)居民消費(fèi)升級(jí)的影響效應(yīng)， 發(fā)現(xiàn)互聯(lián)網(wǎng)消費(fèi)金融促進(jìn)了我國(guó)城鎮(zhèn)居民的消費(fèi)水平升級(jí)。 張李義和涂奔(2017）［13］從消費(fèi)金融的功能性視角出發(fā)， 基于2011 ～2016 年月度數(shù)據(jù)， 運(yùn)用信息熵方法和面板模型分析了互聯(lián)網(wǎng)金融發(fā)展對(duì)中國(guó)居民消費(fèi)的差異化影響， 發(fā)現(xiàn)互聯(lián)網(wǎng)金融發(fā)展對(duì)居民消費(fèi)結(jié)構(gòu)升級(jí)有著顯著正向影響， 并且對(duì)城鎮(zhèn)居民消費(fèi)的影響程度大于農(nóng)村居民。

然而， 少有研究聚焦到互聯(lián)網(wǎng)金融發(fā)展對(duì)居民汽車(chē)消費(fèi)的影響， 僅有部分研究在實(shí)證分析中提及這二者之間的關(guān)系(邢天才和張夕， 2019）［12］。此外， 現(xiàn)有文獻(xiàn)對(duì)我國(guó)居民汽車(chē)消費(fèi)的研究大多以私有汽車(chē)保有量衡量居民汽車(chē)消費(fèi)水平， 從汽車(chē)銷(xiāo)量的視角研究居民汽車(chē)消費(fèi)的文獻(xiàn)較為少見(jiàn)，對(duì)互聯(lián)網(wǎng)金融與汽車(chē)銷(xiāo)量關(guān)系的探討更是空白。因此本文采用中國(guó)2012 年第一季度至2019 年第二季度的時(shí)間序列數(shù)據(jù)， 構(gòu)建ARDL 模型進(jìn)行協(xié)整分析， 旨在探究互聯(lián)網(wǎng)金融中第三方互聯(lián)網(wǎng)支付交易規(guī)模對(duì)我國(guó)居民汽車(chē)銷(xiāo)量的長(zhǎng)短期影響效果， 希望可以為新常態(tài)下我國(guó)進(jìn)一步挖掘汽車(chē)消費(fèi)市場(chǎng)的潛力， 以及有關(guān)部門(mén)政策的制定與調(diào)整提供科學(xué)參考依據(jù)。

2 數(shù)據(jù)選取與模型構(gòu)建

2.1 變量設(shè)計(jì)、 數(shù)據(jù)來(lái)源及處理

我國(guó)汽車(chē)互聯(lián)網(wǎng)消費(fèi)金融主要分為第三方支付、 電商類(lèi)、 P2P 類(lèi)、 分期購(gòu)物類(lèi)等。 其中， 第三方支付機(jī)構(gòu)通過(guò)對(duì)支付的把控滲透各個(gè)汽車(chē)消費(fèi)金融場(chǎng)景， 分享較大的市場(chǎng)份額。 第三方支付交易規(guī)模占互聯(lián)網(wǎng)金融交易規(guī)模的比例較大， 并且對(duì)我國(guó)居民汽車(chē)消費(fèi)的影響最大， 因此本文沿用崔海燕(2016）［11］的衡量標(biāo)準(zhǔn)， 選用第三方互聯(lián)網(wǎng)支付市場(chǎng)交易規(guī)模作為互聯(lián)網(wǎng)金融發(fā)展的衡量指標(biāo)。 此外4 種主流的消費(fèi)理論均認(rèn)為收入是影響消費(fèi)最重要的因素， 其中凱恩斯的絕對(duì)收入理論強(qiáng)調(diào)消費(fèi)支出與實(shí)際收入之間存在穩(wěn)定的函數(shù)關(guān)系。 因此， 為了研究互聯(lián)網(wǎng)金融對(duì)我國(guó)居民汽車(chē)消費(fèi)的影響， 需要控制收入因素， 本文選用實(shí)際國(guó)內(nèi)生產(chǎn)總值來(lái)衡量居民收入水平。

考慮到數(shù)據(jù)的可獲得性以及統(tǒng)計(jì)口徑上的一致性， 本文選取2012 年第一季度至2019 年第二季度作為研究區(qū)間。 第三方互聯(lián)網(wǎng)支付市場(chǎng)交易規(guī)模的季度數(shù)據(jù)來(lái)自易觀智庫(kù)EnfoDesk 《中國(guó)第三方支付互聯(lián)網(wǎng)支付市場(chǎng)季度監(jiān)測(cè)報(bào)告》， 我國(guó)汽車(chē)銷(xiāo)量和國(guó)內(nèi)生產(chǎn)總值的季度數(shù)據(jù)以及居民消費(fèi)價(jià)格指數(shù)的月度數(shù)據(jù)均來(lái)自于《中國(guó)經(jīng)濟(jì)景氣月報(bào)》。

由于本文采用季度時(shí)間序列數(shù)據(jù)進(jìn)行實(shí)證研究， 需對(duì)數(shù)據(jù)進(jìn)行以下預(yù)處理： (1） 由于國(guó)內(nèi)權(quán)威統(tǒng)計(jì)機(jī)構(gòu)只對(duì)居民消費(fèi)價(jià)格指數(shù)的月度或年度數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)， 故本文選用居民消費(fèi)價(jià)格指數(shù)的月度數(shù)據(jù)， 并以2012 年1 月作為基年， 換算每個(gè)月的價(jià)格指數(shù)， 取每個(gè)季度月平均值作為該季度的居民消費(fèi)價(jià)格指數(shù)。 第三方互聯(lián)網(wǎng)支付市場(chǎng)交易規(guī)模和國(guó)內(nèi)生產(chǎn)總值的數(shù)據(jù)均以該價(jià)格指數(shù)進(jìn)行換算為實(shí)際值； (2） 以上數(shù)據(jù)均使用Eviews 8.0 進(jìn)行Census X12 季節(jié)調(diào)整。

2.2 ARDL 模型構(gòu)建

考慮到本文選取的時(shí)間序列樣本量有限， 采用適合小樣本的自回歸分布滯后(ARDL）模型進(jìn)行實(shí)證研究。 除了不受樣本量的限制， ARDL 方法與傳統(tǒng)協(xié)整檢驗(yàn)?zāi)Ｐ拖啾冗€具備以下優(yōu)勢(shì)： 能夠處理時(shí)間序列非同階平穩(wěn)的情況； 即使解釋變量存在內(nèi)生性問(wèn)題， 也能保證估計(jì)結(jié)果一致有效。ARDL 模型分析方法一般分為如下3 步進(jìn)行。 第一步， 需要對(duì)各時(shí)間序列變量的單整性進(jìn)行單位根檢驗(yàn)， 雖然ARDL 模型適用于時(shí)間序列非同階的情形， 但要求各變量的單整階數(shù)不超過(guò)1。 第二步， 檢驗(yàn)各變量間是否存在長(zhǎng)期穩(wěn)定的協(xié)整關(guān)系，并確定各變量間作用的方向。 為實(shí)現(xiàn)協(xié)整關(guān)系的檢驗(yàn)， 可構(gòu)建如下ARDL 邊界協(xié)整檢驗(yàn)?zāi)Ｐ停?/p>

其中： Δ 表示對(duì)變量進(jìn)行一階差分； ε1t為隨機(jī)擾動(dòng)項(xiàng)； α1為漂移項(xiàng)； ρi(i=1，2，3） 為最優(yōu)滯后階數(shù)， 由AIC 準(zhǔn)則確定； μi(i=1，2，3） 表示模型的長(zhǎng)期相關(guān)系數(shù)， βki(k=1，2，3） 為模型的短期相關(guān)系數(shù)； lnCt表示在時(shí)間t 我國(guó)汽車(chē)銷(xiāo)量(萬(wàn)輛） 的對(duì)數(shù)值， lnFINt表示在時(shí)間t 第三方互聯(lián)網(wǎng)支付交易規(guī)模(億元， 2012 年第一季度價(jià)格指數(shù)） 的對(duì)數(shù)值， lnGDPt表示在時(shí)間t 實(shí)際國(guó)內(nèi)生產(chǎn)總值(億元， 2012 年第一季度價(jià)格指數(shù)）的對(duì)數(shù)值。

ARDL 邊界協(xié)整檢驗(yàn)是通過(guò)F 統(tǒng)計(jì)量和Wald統(tǒng)計(jì)量對(duì)滯后變量的系數(shù)進(jìn)行聯(lián)合顯著性檢驗(yàn)，以判斷各變量間是否存在長(zhǎng)期穩(wěn)定的協(xié)整關(guān)系。原假設(shè)為各變量之間不存在長(zhǎng)期均衡的協(xié)整關(guān)系。以式(1） 為例， 檢驗(yàn)的原假設(shè)為： H0∶μ1=μ2=μ3=0， 備擇假設(shè)為： μ1≠0 或μ2≠0 或μ3≠0。 如果F 統(tǒng)計(jì)值大于較大的臨界值， 則無(wú)論各時(shí)間序列是I(0）或I(1）， 均可拒絕不存在協(xié)整關(guān)系的原假設(shè)， 即各變量間存在長(zhǎng)期穩(wěn)定的協(xié)整關(guān)系； 如果F 統(tǒng)計(jì)值小于臨界值的下限， 則不能拒絕原假設(shè)， 即各變量間不存在協(xié)整關(guān)系； 如果F 統(tǒng)計(jì)值落在兩個(gè)臨界值之間， 則無(wú)法確定檢驗(yàn)結(jié)果。

如果通過(guò)上述邊界協(xié)整檢驗(yàn)， 確定各變量間存在長(zhǎng)期穩(wěn)定的協(xié)整關(guān)系后， 則可進(jìn)行ARDL 方法的第三步， 估計(jì)變量間的短期動(dòng)態(tài)系數(shù)及長(zhǎng)期均衡系數(shù)。 依據(jù)同樣的原理， 建立如下ARDL(δ1，δ2，δ3）模型估計(jì)長(zhǎng)期系數(shù)：

其中， δi(i=1，2，3） 是根據(jù)AIC 準(zhǔn)則選取的最優(yōu)滯后階數(shù)， ηki(k=1，2，3） 表示長(zhǎng)期均衡系數(shù)。 短期動(dòng)態(tài)系數(shù)可由ARDL 誤差修正(ARDLECM） 模型求得：

其中， γki(k=1，2，3） 表示短期動(dòng)態(tài)系數(shù)，ECMt－i為誤差修正項(xiàng)， 其系數(shù)λ 反映了當(dāng)存在短期偏離時(shí)， 向長(zhǎng)期均衡水平調(diào)整的速度。

3 實(shí)證結(jié)果分析

3.1 變量的單位根檢驗(yàn)

雖然自回歸分布滯后(ARDL） 模型不要求時(shí)間序列具備嚴(yán)格的同階單整性， 但要求各變量的單整階數(shù)不超過(guò)1。 在進(jìn)行邊界協(xié)整檢驗(yàn)之前， 對(duì)各時(shí)間序列進(jìn)行單位根檢驗(yàn)， 本文使用ADF 檢驗(yàn)方法進(jìn)行單位根檢驗(yàn)， 結(jié)果如表1 所示。

表1 的檢驗(yàn)結(jié)果表明， 汽車(chē)銷(xiāo)量和第三方互聯(lián)網(wǎng)支付交易規(guī)模的自然對(duì)數(shù)序列均是I(0）， 實(shí)際國(guó)內(nèi)生產(chǎn)總值的自然對(duì)數(shù)序列是I(1）， 可以使用ARDL 模型進(jìn)行估計(jì)。

表1 各時(shí)間序列的單位根檢驗(yàn)結(jié)果

3.2 邊界協(xié)整檢驗(yàn)

接下來(lái)對(duì)式(1） 的誤差修正模型進(jìn)行邊界協(xié)整檢驗(yàn)， 本文根據(jù)最小AIC 準(zhǔn)則確定最優(yōu)滯后階數(shù)， 并得出相應(yīng)的F 統(tǒng)計(jì)量， 進(jìn)而在統(tǒng)計(jì)上判斷這些變量之間是否存在長(zhǎng)期協(xié)整關(guān)系。 邊界協(xié)整檢驗(yàn)結(jié)果如表2 所示。

由表2 的協(xié)整檢驗(yàn)結(jié)果可以看出， F 統(tǒng)計(jì)量為7.234， 大于1%顯著性水平對(duì)應(yīng)的最高臨界值6.36。 這表明這3 個(gè)變量間不存在長(zhǎng)期協(xié)整關(guān)系的原假設(shè)被拒絕， 汽車(chē)銷(xiāo)量、 第三方互聯(lián)網(wǎng)支付交易規(guī)模以及實(shí)際國(guó)內(nèi)生產(chǎn)總值之間存在長(zhǎng)期穩(wěn)定的協(xié)整關(guān)系。 在確定各變量間存在長(zhǎng)期協(xié)整關(guān)系后， 就可以通過(guò)ARDL 模型估計(jì)第三方互聯(lián)網(wǎng)支付交易規(guī)模和實(shí)際國(guó)內(nèi)生產(chǎn)總值對(duì)汽車(chē)銷(xiāo)量的短期動(dòng)態(tài)及長(zhǎng)期均衡系數(shù)。

表2 邊界協(xié)整檢驗(yàn)結(jié)果

3.3 ARDL 模型長(zhǎng)短期系數(shù)的估計(jì)結(jié)果及說(shuō)明

在進(jìn)行長(zhǎng)短期系數(shù)估計(jì)前需要確定模型中各變量的滯后階數(shù)， 考慮到本文所選取樣本數(shù)據(jù)的實(shí)際情況， 采用AIC 準(zhǔn)則確定估計(jì)模型的最優(yōu)滯后階數(shù)， 并且設(shè)定最大滯后階數(shù)為2。 第三方互聯(lián)網(wǎng)支付交易規(guī)模和實(shí)際GDP 對(duì)汽車(chē)銷(xiāo)量的長(zhǎng)短期系數(shù)的估計(jì)結(jié)果如表3 所示。

表3 自回歸分布滯后（ARDL） 模型長(zhǎng)短期系數(shù)估計(jì)結(jié)果

通過(guò)分析表3 的估計(jì)結(jié)果發(fā)現(xiàn)， 第三方互聯(lián)網(wǎng)支付交易規(guī)模在長(zhǎng)期和短期中均對(duì)我國(guó)汽車(chē)銷(xiāo)量產(chǎn)生顯著的正向影響。 從長(zhǎng)期來(lái)看， 第三方互聯(lián)網(wǎng)支付交易規(guī)模增長(zhǎng)1%， 會(huì)導(dǎo)致汽車(chē)銷(xiāo)量增加0.13%。 從短期關(guān)系上看， 第三方互聯(lián)網(wǎng)支付交易規(guī)模增長(zhǎng)1%， 會(huì)導(dǎo)致汽車(chē)銷(xiāo)量增加0.16%。第三方互聯(lián)網(wǎng)支付交易規(guī)模對(duì)汽車(chē)銷(xiāo)量的短期彈性系數(shù)要大于其長(zhǎng)期彈性系數(shù)。 這充分說(shuō)明互聯(lián)網(wǎng)金融的發(fā)展確實(shí)能夠促進(jìn)我國(guó)居民汽車(chē)消費(fèi)的增長(zhǎng)。

實(shí)際GDP 在長(zhǎng)期中對(duì)汽車(chē)銷(xiāo)量具有顯著的正向效應(yīng)。 長(zhǎng)期影響系數(shù)為0.24， 即當(dāng)實(shí)際GDP增長(zhǎng)1%， 汽車(chē)銷(xiāo)量將會(huì)增加0.24%。 由此可見(jiàn)，長(zhǎng)期中實(shí)際GDP 的增長(zhǎng)增加了居民實(shí)際購(gòu)買(mǎi)力，帶動(dòng)了我國(guó)居民汽車(chē)消費(fèi)市場(chǎng)增長(zhǎng)。 從短期來(lái)看，實(shí)際GDP 對(duì)汽車(chē)銷(xiāo)量不具有顯著影響。 這可能是由于本文使用的是季度數(shù)據(jù)， 時(shí)間跨度太短， 實(shí)際GDP 增長(zhǎng)對(duì)居民汽車(chē)消費(fèi)的影響具有短期時(shí)滯性。

此外， 在短期誤差修正模型中， 除了包含第三方互聯(lián)網(wǎng)支付交易規(guī)模、 實(shí)際GDP 對(duì)汽車(chē)銷(xiāo)量的短期影響外， 還包含偏離長(zhǎng)期關(guān)系的影響， 即誤差修正項(xiàng)ECMt－1。 該模型誤差修正項(xiàng)系數(shù)為－1.22，在1%的水平上顯著， 當(dāng)短期波動(dòng)偏離長(zhǎng)期均衡時(shí)， 將以122%的調(diào)整速度進(jìn)行修正。

3.4 格蘭杰因果檢驗(yàn)

上述實(shí)證分析已基于ARDL 模型分析了第三方互聯(lián)網(wǎng)支付交易規(guī)模和實(shí)際GDP 對(duì)汽車(chē)銷(xiāo)量的長(zhǎng)短期影響效應(yīng)， 接下來(lái)對(duì)這三者間內(nèi)在關(guān)系進(jìn)行格蘭杰因果檢驗(yàn)。 本文綜合使用LR、 AIC、 SBC等指標(biāo)確定各變量最優(yōu)滯后階數(shù)， 格蘭杰因果檢驗(yàn)結(jié)果如表4 所示。 從表4 中可以看出， 第三方互聯(lián)網(wǎng)支付交易規(guī)模和汽車(chē)銷(xiāo)量、 實(shí)際GDP 和汽車(chē)銷(xiāo)量之間存在單向格蘭杰因果關(guān)系， 第三方互聯(lián)網(wǎng)支付交易規(guī)模和實(shí)際GDP 均是汽車(chē)銷(xiāo)量的格蘭杰原因。 同時(shí)， 第三方互聯(lián)網(wǎng)支付交易規(guī)模和實(shí)際GDP 之間存在雙向格蘭杰因果關(guān)系。

表4 格蘭杰因果檢驗(yàn)結(jié)果

4 結(jié)論和政策建議

4.1 研究結(jié)論

本文采用2012 年第一季度至2019 年第二季度的季度數(shù)據(jù)， 構(gòu)建自回歸分布滯后(ARDL） 模型， 研究了互聯(lián)網(wǎng)金融行業(yè)中第三方互聯(lián)網(wǎng)支付交易規(guī)模對(duì)我國(guó)居民汽車(chē)消費(fèi)的影響， 得出以下結(jié)論： (1） 第三方互聯(lián)網(wǎng)支付交易規(guī)模、 實(shí)際國(guó)內(nèi)生產(chǎn)總值及我國(guó)汽車(chē)銷(xiāo)量之間存在長(zhǎng)期穩(wěn)定的協(xié)整關(guān)系； (2） 第三方互聯(lián)網(wǎng)支付交易規(guī)模在長(zhǎng)短期均對(duì)我國(guó)汽車(chē)銷(xiāo)量產(chǎn)生顯著的正向影響， 且短期效應(yīng)大于長(zhǎng)期效應(yīng)； (3） 實(shí)際GDP 在長(zhǎng)期中對(duì)汽車(chē)銷(xiāo)量具有顯著的正向效應(yīng)， 而短期中實(shí)際GDP 對(duì)汽車(chē)銷(xiāo)量不具有顯著影響； (4） 第三方互聯(lián)網(wǎng)支付交易規(guī)模和實(shí)際GDP 均是汽車(chē)銷(xiāo)量的格蘭杰原因。 由此可見(jiàn)， 互聯(lián)網(wǎng)金融的發(fā)展能夠刺激我國(guó)居民汽車(chē)消費(fèi)， 并能在一定程度上改善我國(guó)汽車(chē)市場(chǎng)產(chǎn)能過(guò)剩問(wèn)題， 從而帶動(dòng)我國(guó)消費(fèi)市場(chǎng)的增長(zhǎng)。

4.2 政策建議

本文在互聯(lián)網(wǎng)金融快速發(fā)展的背景下， 研究了互聯(lián)網(wǎng)金融行業(yè)中第三方互聯(lián)網(wǎng)支付交易規(guī)模對(duì)我國(guó)居民汽車(chē)消費(fèi)的作用效果。 結(jié)合上述研究結(jié)論， 本文從政府、 汽車(chē)企業(yè)及互聯(lián)網(wǎng)金融企業(yè)3 個(gè)視角提出如下政策建議： (1） 政府層面， 應(yīng)加大對(duì)汽車(chē)互聯(lián)網(wǎng)消費(fèi)金融業(yè)務(wù)的政策支持力度，鼓勵(lì)互聯(lián)網(wǎng)金融積極參與汽車(chē)消費(fèi)金融， 并將服務(wù)滲透到汽車(chē)產(chǎn)業(yè)的更多領(lǐng)域。 目前我國(guó)已出臺(tái)了一系列政策支持汽車(chē)金融行業(yè)的發(fā)展， 內(nèi)容涵蓋汽車(chē)銷(xiāo)售層面、 二手車(chē)和新能源汽車(chē)、 消費(fèi)金融等領(lǐng)域。 但總體而言， 多集中于傳統(tǒng)金融業(yè)務(wù)，針對(duì)汽車(chē)互聯(lián)網(wǎng)金融業(yè)務(wù)的支持政策較少。 同時(shí)，政府也應(yīng)加強(qiáng)對(duì)互聯(lián)網(wǎng)金融行業(yè)的風(fēng)險(xiǎn)管控工作，促進(jìn)互聯(lián)網(wǎng)金融健康發(fā)展； (2） 汽車(chē)企業(yè)層面，面對(duì)當(dāng)前我國(guó)汽車(chē)市場(chǎng)下行的嚴(yán)峻趨勢(shì)， 應(yīng)積極尋求與互聯(lián)網(wǎng)金融公司的深層合作， 互聯(lián)網(wǎng)金融不只能夠在汽車(chē)抵押貸款和購(gòu)車(chē)分期上發(fā)揮作用，未來(lái)還可以將業(yè)務(wù)延伸到汽車(chē)行業(yè)的眾多領(lǐng)域，如汽車(chē)經(jīng)銷(xiāo)商上下游供應(yīng)鏈、 汽車(chē)保險(xiǎn)等， 從而在汽車(chē)市場(chǎng)推出更多創(chuàng)新的產(chǎn)品和服務(wù)。 汽車(chē)互聯(lián)網(wǎng)金融將有望成為整個(gè)汽車(chē)行業(yè)發(fā)展的重要推動(dòng)力和加速器； (3） 互聯(lián)網(wǎng)金融企業(yè)層面， 應(yīng)在合規(guī)運(yùn)作的前提下， 在汽車(chē)行業(yè)積極開(kāi)展互聯(lián)網(wǎng)金融業(yè)務(wù)， 進(jìn)一步挖掘汽車(chē)互聯(lián)網(wǎng)金融市場(chǎng)潛力。2015 年我國(guó)汽車(chē)消費(fèi)金融開(kāi)始邁入爆發(fā)增長(zhǎng)階段， 借助P2P 網(wǎng)貸這股東風(fēng)， 互聯(lián)網(wǎng)金融公司廣泛參與到汽車(chē)消費(fèi)金融行業(yè)。 各路資本紛紛進(jìn)入，一大批融資租賃公司和汽車(chē)金融的網(wǎng)貸平臺(tái)迅速成立并發(fā)展起來(lái)， 如人人車(chē)貸、 微貸網(wǎng)等。 騰訊、阿里、 京東等互聯(lián)網(wǎng)巨頭也將互聯(lián)網(wǎng)金融產(chǎn)品逐步滲透到汽車(chē)領(lǐng)域， 如騰訊理財(cái)通和一汽－大眾奧迪展開(kāi)品牌跨界合作； 余額寶與天貓啟動(dòng)“余額寶購(gòu)車(chē)” 活動(dòng)； 京東金融與易鑫車(chē)貸平臺(tái)聯(lián)合推出汽車(chē)融資互聯(lián)網(wǎng)平臺(tái)“汽車(chē)白條”。 但據(jù)《中國(guó)汽車(chē)市場(chǎng)年鑒》 相關(guān)數(shù)據(jù)顯示， 2016 年我國(guó)汽車(chē)金融滲透率僅為35%， 與英國(guó)、 美國(guó)、 德國(guó)等發(fā)達(dá)國(guó)家成熟汽車(chē)市場(chǎng)相比仍有較大差距。 對(duì)于互聯(lián)網(wǎng)金融企業(yè)而言， 目前我國(guó)汽車(chē)金融市場(chǎng)仍有很大的發(fā)展空間， 有望進(jìn)一步挖掘汽車(chē)互聯(lián)網(wǎng)金融市場(chǎng)潛力。