城镇居民个人理财需求影响因素研究

摘要：本文通过调查问卷所得数据，研究了城镇居民个人理财需求影响因素。研究发现，居民所处生命周期阶段与外部信息环境对居民购买理财产品有非常显著的影响作用。银行信誉实力、居民风险偏好属性、理财产品特性在一定程度影响居民的理财行为；居民对理财产品风险认知对其理财行为无显著影响。

关键词：理财需求 因子分析 Logistic 回归

随着居民财富的日益增长，理财业务的发展逐渐成为银行新的利润增长点。个人理财业务是一种全方位、分层次、个性化的服务；指银行利用掌握的客户信息与金融产品，分析客户的生活、财务状况，通过了解和发掘客户需求，制定客户财务管理目标和计划，并帮助选择金融产品以实现客户理财目标的一系列综合金融服务。目前大多数学者仅从理论层面分析各因素以及各因素与客户选择服务之间的关系，缺乏一定的定量分析；本文通过对重庆市各区县居民理财需求调查问卷结果进行分析，力图掌握真正影响居民选择购买理财产品的因素，以期对我国商业银行开展个人理财业务有一定的参考意义。

一、文献综述

（一）国外文献 国外学者对理财业务问题关注已久，并取得大量成果，目的在于找出影响消费者消费行为的重要因素以及消费者在金融服务和金融机构选择过程中的影响因素及其相对的重要性。经济学家莫迪里亚尼(Modigliani)（1952）提出的生命周期理论很好的解释了消费者的消费行为；该理论指出，个人是在相当长的时间内计划他的消费和储蓄行为的，在整个生命周期内实现消费的最佳配置。Anderson (1976)认为银行声誉及实力、工作人员的服务态度、服务的费用、亲友的推荐和业务的便捷性是影响客户选择银行服务的几个关键因素。迈克尔·波特（2005）提出，银行应根据自身的特点和优势细分客户群体，满足不同客户群体的差异化要求，同时逐渐提升自己竞争优势与核心竞争力，树立银行品牌，吸引更多优质客户进而扩大其市场占有份额。Joe Peppard （2008）指出个人理财业务是基于纳入电子商务活动、渠道管理、关系管理和后台、前台办公集成在一个客户中心的战略。

（二）国内文献 在国内，陈继红、郑振欧（2003）认为，个人理财服务是一套把银行形象、产品与服务、信息科技系统、服务环境、人员配置和营销宣传等多方面互相结合的综合化及个人化服务。黄国平（2009）指出，商业银行个人理财业务正处于从“产品导向”的发展模式向“以服务为中心”综合性发展模式提升的转变期，银行理财业务发展中既面临外部环境问题也有银行本身实力和理念问题。李丽丽、陈启书等（2007）通过我国个人理财产品的市场存活性分析，给出了我国商业银行理财产品开发的立足点:以市场需求为导向，着眼于成本低、收益高的项目。

二、研究设计

（一）样本选取和数据来源 本文样本和数据来源于2010年1-5月对重庆市各区县的调研问卷。调查问卷涉及了城镇居民的个人特征、外部环境、理财产品特性以及银行硬软件设施等对居民选择理财行为的影响状况。本问卷遵循随机原则，共发放250份问卷，收回215有效问卷，回收率为86%。

（二）研究方法 本文首先对调查出的数据进行因子分析，通过主成分法提取6个因子，然后在因子分析的基础上用Logistic模型进一步研究影响居民选择理财的因素。因子分析是一种将具有相关性的多个变量转换成少数几个不相关的综合指标的多元统计分析方法。转换后的综合指标能够反映原始变量的绝大部分信息，同时解决了变量间的多重共线性，提高模型的准确性。因子分析模型的一般模型：Xi=ai1F1+ai2F2+...aimFm+?着i（i=1,2，...，p）。

其中, Xi为观测到的随机变量,Fi为第i个公共因子,是不可观测的变量, aij（j=1,2，...，m）为因子载荷,?着i是特殊因子, 代表公共因子以外的影响因素，实际分析时忽略不计。Logistic回归类似于线性回归模型，但它更适用于因变量为二值的情况；用选取的主成分作为Logistic分析的解释变量来研究影响居民选择购买理财产品的因素，弥补了单纯的Logistic分析存在的共线性和原始变量数据信息丢失等问题。

（三）变量定义 本文将这众多因素归纳为居民个人特征、产品特性、银行硬软件设施、外部环境四个方面。为便于下文研究，定义因变量Y为二元变量，代表居民是否购买过理财产品，取值“1”表示“是”，取值“0”表示“否”。X10-X19表示居民对目前理财市场的认知状况，采用李克特五点量表法进行打分，打分标准为：1-5分表示“完全不同意”-“完全同意”，分数越大，赞同程度越高。其他变量定义见表（1）。

三、实证检验

（一）描述性统计 描述性统计结果见表（1）。

（二）因子分析 采用因子分析，借助SPSS16.0软件对自变量X1至X19进行数据分析。在分析过程中主要采用以下几个步骤：首先，采用主成分分析法求解因子载荷矩阵；第二，在提取公因子时选取特征值大于1的因子；第三，在因子旋转时采用最大方差分析法。将19个指标纳入做因子分析，KMO值为0.710，Bartlett球形检验值统计量的显著性概率为0.000，说明数据具有相关性，是适合做因子分析的。但是由于第一次旋转结果中，X13产品期限，X15银行设施2个变量不能很好的包含在因子中，因此考虑剔除此2个变量进行第二次因子分析，分析结果如表（2）所示。可以发现，KMO值为0.713，Bartlett球形检验值统计量的显著性概率为0.000，说明数据具有相关性，是适合做因子分析的。表（3）显示，按照公因子的提取原则即特征值大于1，应该提取6个因子，它们所解释的方差占总方差的63.655%，说明6个因子就可以解释原始数据的大部分信息。根据旋转后的因子成分矩阵（表4）显示，可以提取6个公因子。将原来的17个变量用6个公因子来表示。在公因子FAC1中，X16业务办理方式、X17人员态度、X18人员专业化程度、X19银行实力具有较大的载荷，因此可以将第一个因子命名为银行实力影响因子。在公因子FAC2中X10存款利率、X11产品风险、X12产品收益、X14起始金额具有较大的载荷，因此可以将第二个因子命名为产品特性影响因子。在公因子FAC3中X2年龄、X3婚姻状况、X5收入三个变量具有较大的载荷，因此可以将第三个公因子命名生命周期影响因子。在公因子FAC4中X4学历、X6了解程度、X8信息获取三个变量具有较大的载荷，因此可以将第四个公因子命名信息环境影响因子。在公因子FAC5中，X7居民对理财产品的风险认知具有较大载荷，因此可以将第五个公因子命名为风险认知影响因子在公因子FAC6中，X1性别、X险偏好具有较大载荷，因此可以将第六个公因子命名为风险偏好影响因子。