科技和产业

变量	变量符号	均值	标准差	最小值	最大值
家庭消费	consump	10.548 8	0.897 0	6.603 7	14.585 4
数字普惠金融指数	Fi	2.747 1	0.502 3	1.932 9	4.102 8
覆盖广度	coverage	2.508 6	0.544 5	1.595 9	3.846 6
使用深度	usage	2.644 8	0.736 9	1.252 5	4.399 1
数字化程度	digitization	3.720 7	0.415 0	3.014 2	4.622 3
人力资源	HR	3.001 1	4.113 1	0.000 0	13.122 4
家庭资产	asset	12.451 7	1.726 1	0.000 0	20.413 9
是否持有金融理财产品	hold	0.044 1	0.205 2	0.000 0	1.000 0
是否从事工商业生产	business	0.122 2	0.327 5	0.000 0	1.000 0

变量	变量符号	均值	标准差	最小值	最大值
家庭消费	consump	10.548 8	0.897 0	6.603 7	14.585 4
数字普惠金融指数	Fi	2.747 1	0.502 3	1.932 9	4.102 8
覆盖广度	coverage	2.508 6	0.544 5	1.595 9	3.846 6
使用深度	usage	2.644 8	0.736 9	1.252 5	4.399 1
数字化程度	digitization	3.720 7	0.415 0	3.014 2	4.622 3
人力资源	HR	3.001 1	4.113 1	0.000 0	13.122 4
家庭资产	asset	12.451 7	1.726 1	0.000 0	20.413 9
是否持有金融理财产品	hold	0.044 1	0.205 2	0.000 0	1.000 0
是否从事工商业生产	business	0.122 2	0.327 5	0.000 0	1.000 0

变量	(1)	(2)	(3)	(4)
Fi	0.329 6^***
	(47.32)
coverage		0.302 0^***
		(47.58)
usage			0.200 0^***
			(41.64)
digitization				0.041 4^***
				(5.45)
HR	0.045 2^***	0.045 0^***	0.044 7^***	0.048 5^***
	(35.96)	(35.87)	(35.23)	(36.97)
hold	0.0754^***	0.076 0^***	0.105 9^***	0.128 5^***
	(3.44)	(3.47)	(4.79)	(5.61)
business	0.118 5^***	0.119 8^***	0.102 8^***	0.056 7^***
	(7.19)	(7.28)	(6.19)	(3.31)
asset	0.085 7^***	0.085 4^***	0.092 0^***	0.100 3^***
	(24.28)	(24.21)	(25.88)	(27.28)
常数项	8.423 0^***	8.574 8^***	8.723 0^***	8.987 1^***
	(183.36)	(190.70)	(194.09)	(172.44)
样本数	36 698	36 698	36 698	36 698
R²	0.168	0.169	0.152	0.092

变量	(1)	(2)	(3)	(4)
Fi	0.329 6^***
	(47.32)
coverage		0.302 0^***
		(47.58)
usage			0.200 0^***
			(41.64)
digitization				0.041 4^***
				(5.45)
HR	0.045 2^***	0.045 0^***	0.044 7^***	0.048 5^***
	(35.96)	(35.87)	(35.23)	(36.97)
hold	0.0754^***	0.076 0^***	0.105 9^***	0.128 5^***
	(3.44)	(3.47)	(4.79)	(5.61)
business	0.118 5^***	0.119 8^***	0.102 8^***	0.056 7^***
	(7.19)	(7.28)	(6.19)	(3.31)
asset	0.085 7^***	0.085 4^***	0.092 0^***	0.100 3^***
	(24.28)	(24.21)	(25.88)	(27.28)
常数项	8.423 0^***	8.574 8^***	8.723 0^***	8.987 1^***
	(183.36)	(190.70)	(194.09)	(172.44)
样本数	36 698	36 698	36 698	36 698
R²	0.168	0.169	0.152	0.092

变量	(1)	(2)	(3)	(4)
Fi	0.345 2^***
	(25.97)
coverage		0.292 3^***
		(25.95)
usage			0.196 3^***
			(22.29)
digitization				-0.055 1^***
				(-4.20)
HR	0.044 0^***	0.044 0^***	0.044 3^***	0.048 3^***
	(20.10)	(20.07)	(19.98)	(21.19)
hold	0.098 2^**	0.094 6^**	0.131 2^***	0.146 9^***
	(2.06)	(1.98)	(2.72)	(2.96)
business	0.102 9^***	0.103 6^***	0.085 4^***	0.042 0
	(3.60)	(3.62)	(2.96)	(1.42)
asset	0.100 0^***	0.098 9^***	0.106 5^***	0.110 4^***
	(15.64)	(15.45)	(16.51)	(16.60)
常数项	8.208 9^***	8.426 0^***	8.556 9^***	9.172 7^***
	(99.49)	(105.46)	(106.86)	(99.36)
样本数	11 993	11 993	11 993	11 993
R²	0.168	0.167	0.150	0.098

变量	(1)	(2)	(3)	(4)
Fi	0.345 2^***
	(25.97)
coverage		0.292 3^***
		(25.95)
usage			0.196 3^***
			(22.29)
digitization				-0.055 1^***
				(-4.20)
HR	0.044 0^***	0.044 0^***	0.044 3^***	0.048 3^***
	(20.10)	(20.07)	(19.98)	(21.19)
hold	0.098 2^**	0.094 6^**	0.131 2^***	0.146 9^***
	(2.06)	(1.98)	(2.72)	(2.96)
business	0.102 9^***	0.103 6^***	0.085 4^***	0.042 0
	(3.60)	(3.62)	(2.96)	(1.42)
asset	0.100 0^***	0.098 9^***	0.106 5^***	0.110 4^***
	(15.64)	(15.45)	(16.51)	(16.60)
常数项	8.208 9^***	8.426 0^***	8.556 9^***	9.172 7^***
	(99.49)	(105.46)	(106.86)	(99.36)
样本数	11 993	11 993	11 993	11 993
R²	0.168	0.167	0.150	0.098

变量	(1)	(2)	(3)	(4)	(5)
Fi	0.362 2^***	0.343 5^***	0.340 9^***	0.346 1^***	0.330 2^***
	(45.49)	(44.31)	(43.84)	(44.48)	(42.84)
HR		0.048 4^***	0.048 3^***	0.047 7^***	0.045 4^***
		(35.42)	(35.27)	(34.89)	(33.50)
hold			0.098 0^***	0.094 5^***	0.064 7^**
			(3.58)	(3.46)	(2.40)
business				0.164 4^***	0.113 0^***
				(9.39)	(6.48)
asset					0.090 4^***
					(23.50)
常数项	9.530 9^***	9.431 1^***	9.435 0^***	9.401 7^***	8.345 4^***
	(438.91)	(443.19)	(442.73)	(436.08)	(167.81)
样本数	31 779	31 779	31 653	31 653	31 653
R²	0.090	0.141	0.142	0.146	0.168

变量	(1)	(2)	(3)	(4)	(5)
Fi	0.362 2^***	0.343 5^***	0.340 9^***	0.346 1^***	0.330 2^***
	(45.49)	(44.31)	(43.84)	(44.48)	(42.84)
HR		0.048 4^***	0.048 3^***	0.047 7^***	0.045 4^***
		(35.42)	(35.27)	(34.89)	(33.50)
hold			0.098 0^***	0.094 5^***	0.064 7^**
			(3.58)	(3.46)	(2.40)
business				0.164 4^***	0.113 0^***
				(9.39)	(6.48)
asset					0.090 4^***
					(23.50)
常数项	9.530 9^***	9.431 1^***	9.435 0^***	9.401 7^***	8.345 4^***
	(438.91)	(443.19)	(442.73)	(436.08)	(167.81)
样本数	31 779	31 779	31 653	31 653	31 653
R²	0.090	0.141	0.142	0.146	0.168

变量	(1)	(2)
IV	0.147 5^***(1 464.83)
Fi		0.333 5^***(46.51)
HR	-0.000 4^***(-3.47)	0.045 4^***(35.62)
hold	0.004 0^*(1.83)	0.083 5^***(3.67)
business	-0.001 7(-1.03)	0.122 0^***(7.27)
asset	0.001 7^***(4.86)	0.086 8^***(24.18)
常数项	-0.025 4^***(-5.71)	8.396 2^***(179.99)
样本数	35 254	35 254
R²	0.990	0.170

变量	(1)	(2)
IV	0.147 5^***(1 464.83)
Fi		0.333 5^***(46.51)
HR	-0.000 4^***(-3.47)	0.045 4^***(35.62)
hold	0.004 0^*(1.83)	0.083 5^***(3.67)
business	-0.001 7(-1.03)	0.122 0^***(7.27)
asset	0.001 7^***(4.86)	0.086 8^***(24.18)
常数项	-0.025 4^***(-5.71)	8.396 2^***(179.99)
样本数	35 254	35 254
R²	0.990	0.170

变量	(1)	(2)	(3)	(4)	(5)	(6)
Fi	0.691 7^***		0.290 8^***	0.792 8^***		0.292 3^***
	(35.21)		(40.57)	(21.08)		(21.33)
Income		0.073 9^***	0.052 8^***		0.078 4^***	0.058 1^***
		(31.55)	(22.71)		(19.30)	(14.30)
HR	0.033 8^***	0.045 0^***	0.043 3^***	0.034 1^***	0.045 4^***	0.042 1^***
	(9.55)	(34.54)	(34.30)	(5.50)	(20.13)	(19.17)
hold	0.075 0	0.122 0^***	0.072 0^***	0.155 6	0.109 8^**	0.080 6^*
	(1.22)	(5.41)	(3.29)	(1.16)	(2.25)	(1.70)
business	0.507 9^***	0.029 9^*	0.094 9^***	0.455 8^***	0.018 5	0.078 1^***
	(10.85)	(1.74)	(5.69)	(5.59)	(0.62)	(2.70)
asset	0.144 6^***	0.087 9^***	0.077 4^***	0.168 3^***	0.095 6^***	0.091 3^***
	(14.57)	(24.03)	(21.83)	(9.34)	(14.48)	(14.22)
常数项	6.363 0^***	8.553 6^***	8.102 2^***	5.752 0^***	8.374 4^***	7.879 4^***
	(49.24)	(176.01)	(167.84)	(24.76)	(98.83)	(92.14)
样本数	35 949	35 949	35 949	11 746	11 746	11 746
R²	0.074	0.128	0.186	0.080	0.140	0.188

变量	(1)	(2)	(3)	(4)	(5)	(6)
Fi	0.691 7^***		0.290 8^***	0.792 8^***		0.292 3^***
	(35.21)		(40.57)	(21.08)		(21.33)
Income		0.073 9^***	0.052 8^***		0.078 4^***	0.058 1^***
		(31.55)	(22.71)		(19.30)	(14.30)
HR	0.033 8^***	0.045 0^***	0.043 3^***	0.034 1^***	0.045 4^***	0.042 1^***
	(9.55)	(34.54)	(34.30)	(5.50)	(20.13)	(19.17)
hold	0.075 0	0.122 0^***	0.072 0^***	0.155 6	0.109 8^**	0.080 6^*
	(1.22)	(5.41)	(3.29)	(1.16)	(2.25)	(1.70)
business	0.507 9^***	0.029 9^*	0.094 9^***	0.455 8^***	0.018 5	0.078 1^***
	(10.85)	(1.74)	(5.69)	(5.59)	(0.62)	(2.70)
asset	0.144 6^***	0.087 9^***	0.077 4^***	0.168 3^***	0.095 6^***	0.091 3^***
	(14.57)	(24.03)	(21.83)	(9.34)	(14.48)	(14.22)
常数项	6.363 0^***	8.553 6^***	8.102 2^***	5.752 0^***	8.374 4^***	7.879 4^***
	(49.24)	(176.01)	(167.84)	(24.76)	(98.83)	(92.14)
样本数	35 949	35 949	35 949	11 746	11 746	11 746
R²	0.074	0.128	0.186	0.080	0.140	0.188

变量	(1)	(2)	(3)
Fi	0.064 8^***		0.328 4^***
	(10.56)		(47.05)
digitization		0.041 4^***	0.018 2^**
		(5.45)	(2.49)
HR	-0.0103^***	0.048 5^***	0.045 4^***
	(-9.27)	(36.97)	(36.05)
hold	0.183 7^***	0.128 5^***	0.072 0^***
	(9.51)	(5.61)	(3.28)
business	-0.024 2^*	0.056 7^***	0.119 0^***
	(-1.66)	(3.31)	(7.22)
asset	0.027 7^***	0.100 3^***	0.085 2^***
	(8.90)	(27.28)	(24.11)
常数项	3.223 9^***	8.987 1^***	8.364 4^***
	(79.61)	(172.44)	(162.08)
样本数	36 698	36 698	36 698
R²	0.016	0.092	0.168
Number of hhid	12 543	12 543	12 543

变量	(1)	(2)	(3)
Fi	0.064 8^***		0.328 4^***
	(10.56)		(47.05)
digitization		0.041 4^***	0.018 2^**
		(5.45)	(2.49)
HR	-0.0103^***	0.048 5^***	0.045 4^***
	(-9.27)	(36.97)	(36.05)
hold	0.183 7^***	0.128 5^***	0.072 0^***
	(9.51)	(5.61)	(3.28)
business	-0.024 2^*	0.056 7^***	0.119 0^***
	(-1.66)	(3.31)	(7.22)
asset	0.027 7^***	0.100 3^***	0.085 2^***
	(8.90)	(27.28)	(24.11)
常数项	3.223 9^***	8.987 1^***	8.364 4^***
	(79.61)	(172.44)	(162.08)
样本数	36 698	36 698	36 698
R²	0.016	0.092	0.168
Number of hhid	12 543	12 543	12 543

数字普惠金融与家庭消费——基于CHFS的实验证据

PDF下载

彭浩

科技和产业 | 产业发展 2025,25(7): 116-122

收起

科技和产业 | 产业发展 2025, 25(7): 116-122

数字普惠金融与家庭消费——基于CHFS的实验证据

全屏

彭浩

作者信息

北方民族大学经济学院, 银川 750030

彭浩(2001—),男,山东临沂人,硕士研究生,研究方向为数字金融、科技金融。

Digital Financial Inclusion and Household Consumption: Experimental Evidence Based on CHFS

Hao PENG

Affiliations

School of Economics, North University for Nationalities, Yinchuan 750030, China

出版时间: 2025-04-10

文章导航

摘要

收起

数字普惠金融是助推经济高质量发展、实现消费扩大升级的重要途径。通过CHFS(中国家庭金融调查)微观家庭数据研究发现,数字普惠金融能够显著提高中国家庭和西部地区家庭的消费水平,同时数字普惠金融通过提升家庭收入和地区数字化程度的中介机制实现对家庭消费的助力作用。为使数字普惠金融更好实现消费扩大升级,一方面,要加大政策支持力度,推动数字基础设施建设,另一方面,要改善家庭的消费和金融消费观念。

关键词

数字普惠金融 / 家庭消费 / 家庭收入 / 西部地区

Abstract

收起

Digital inclusive finance is an important way to promote high-quality economic development and achieve consumption expansion and upgrading. It is found that digital inclusive finance can significantly improve the consumption level of households in China and the western region by using CHFS (China Household Finance Survey) micro household data, and digital inclusive finance can help household consumption through the intermediary mechanism of improving household income and regional digitalization. In order to make digital inclusive finance better realize the expansion and upgrading of consumption, on the one hand, it is necessary to increase policy support and promote the construction of digital infrastructure; On the other hand, it is necessary to improve the consumption and financial consumption concepts of households.

Key words

digital financial inclusion / household consumption / household income / western region

引用本文

彭浩. 数字普惠金融与家庭消费——基于CHFS的实验证据. 科技和产业, 2025 , 25 (7) : 116 -122 .

Hao PENG. Digital Financial Inclusion and Household Consumption: Experimental Evidence Based on CHFS[J]. Science Technology and Industry, 2025 , 25 (7) : 116 -122 .

正文

收起

随着科技的飞速发展,数字普惠金融作为一种新兴的金融服务模式,正逐渐渗透到人们的日常生活中。它通过利用互联网、大数据、人工智能等现代信息技术,为传统金融服务难以覆盖的广大群体提供便捷、低成本的金融服务。这一概念最早由国际组织G20在2016年提出,强调通过负责任、成本可负担、商业可持续的方式,使更多人能够享受到金融服务的便利。在2023年10月举行的中央金融工作会议上指出要做好科技金融、绿色金融、普惠金融、养老金融、数字金融5篇大文章,其中数字金融是未来研究和发展的一个重要热点问题。随着互联网、大数据、人工智能等技术的发展,数字普惠金融在全球范围内迅速扩展,特别是在发展中国家,成为推动经济增长和社会进步的重要力量。

党中央、国务院把2024年确定为“消费促进年”。服务消费是民生福祉改善提升的重要支撑,是消费结构优化升级的重要方向,也是推动经济高质量发展的重要内生动力。党中央、国务院高度重视服务消费,2024年7月30日召开的中央政治局会议,强调要以提振消费为重点扩大国内需求,经济政策的着力点要更多转向惠民生、促消费,把服务消费作为消费扩容升级的重要抓手,支持文旅、养老、育幼、家政等消费。

由于科技和数字技术的迅速发展,传统的支付和理财手段被打破。微信、支付宝和云闪付等支付方式迅速普及;并且支付宝、微信、淘宝、京东和抖音等线上平台均出台了低门槛的消费借贷方式;蚂蚁集团、腾讯集团、招商银行等均开发了低准入门槛的理财工具。数字普惠金融通过数字化技术扩大了金融服务的覆盖范围并且降低了金融服务的风险与成本,提升了金融服务的可获得性。相比与传统的金融服务,数字普惠金融具有较强的包容性,其准入门槛更低,能够更大程度上使得居民可以享受到金融发展带来的福利。

家庭作为社会的基本单位,其消费行为直接关系到经济的稳定与发展。因此,探讨数字普惠金融对家庭消费的影响,对于理解数字普惠金融的经济效应、优化家庭消费结构以及促进经济健康发展具有重要意义。

1 研究综述

收起

关于数字普惠金融国内学者普遍认可并被使用的是北京大学数字普惠金融指数,其也是目前最具有权威性的指标。横向上,该指数刻画了中国不同地区数字普惠金融的发展趋势;纵向上,该指数刻画了不同年份的数字普惠金融发展趋势。该指数包含构建数字普惠金融指数的子指标数字金融覆盖广度、数字金融使用深度和普惠金融数字化程度,并且不同地区的数字普惠金融呈现逐步缩小的态势^[1]。目前,已有许多学者探究中国数字普惠金融的发展状况。黄益平和黄卓^[2]探讨了数字普惠金融支持实体经济、发展数字金融对传统金融市场的影响等。胡锦娟^[3]在实证过程中使用省级面板数据、构建高斯混合模型(Gaussian mixture module, GMM),发现“互联网+”指数、居民金融素养的提升等均可促进数字普惠金融的发展。除此之外,焦瑾璞等^[4]基于金融服务的“可获得性”“使用情况”及“服务质量”3个维度运用层次分析法构建普惠金融指标并进行实证分析。葛和平和朱卉雯^[5]利用熵值法基于覆盖广度、使用深度和数字服务支持3个维度构建数字普惠金融指数,得出除部分城市外中国数字普惠金融指数东部地区普遍大于西部地区,地区经济发展与该指标呈现“U”型关系。

有关数字普惠金融与消费的文献已有很多。高晓燕等^[6]研究认为,数字普惠金融存在消费促进效应,但家庭债务负担抑制了数字普惠金融的消费促进效应。程欣炜和李婵娟^[7]通过测度2011—2020年286个地级以及以上的城市消费差距,运用双向固定面板回归模型,得出数字普惠金融能够显著缩小城市消费差距,并且数字普惠金融子指标覆盖广度和数字化程度均对缩小城市消费差距具有显著促进作用。张林和丁小兰^[8]采用似不相关回归法(SUR)得出数字普惠金融通过预防性储蓄机制、支付便利性机制等提升农民消费水平,并探究了数字普惠金融对不同财富水平家庭的生存性、享受性和发展性消费水平的影响。涂强^[9]通过调节效应模型得出,社交网络在数字普惠金融对家庭居民消费的影响中起到显著的调节作用。钟晓军等^[10]使用2011—2021年全国省级面板数据进行实证分析,得出数字普惠金融在排除内生性问题的影响下仍然能够显著促进居民服务消费水平,且数字普惠金融3个子指标均能提升居民消费水平,其中数字化程度的促进作用最大,覆盖广度次之,使用深度正向促进作用最小;并且其促进效果在居民的不同消费类型中具有异质性,整体赋能效果从强到弱以此为交通通信消费、医疗保健消费、教育文化娱乐消费。

2 理论分析和研究假设

收起

在传统金融模式下,金融机构通过提供各种金融产品和保险服务,使得消费者在一定程度上实现资源的高效分配和缓解家庭为预防风险而承受的压力,增加消费。这说明传统金融通过缓解融资流动性约束和降低预防风险储蓄来提高家庭消费水平。随着数字技术的迅速发展,传统的支付手段地位相对降低,支付宝等高效支付方式的出现使得消费的频率和金额进一步增大。另一方面,随着中国经济的高速发展和人民生活水平不断提升,居民享乐和发展为目的的消费需求进一步扩大,而数字普惠金融的出现进一步提升了这方面消费的频率和效率。由此可见,数字普惠金融在家庭消费中具有重要影响。基于此,提出如下假设。

H1:数字普惠金融能够提升家庭消费水平。

数字普惠金融指数的3个子指标数字金融覆盖广度、使用深度和数字化程度,以3个维度呈现数字普惠金融的作用方式。数字普惠金融打破了传统金融的地域限制,利用高效数字技术的优势弥补了传统金融的缺陷。数字普惠金融覆盖范围越广的地区居民以更低成本获得数字普惠金融带来的金融支持,提高了金融服务的获得性。数字普惠金融使用深度越深的地区居民更大程度上可以获得更广泛、更优质的融资渠道,增强了家庭抵抗金融风险的能力,提升家庭收益和促进家庭消费;同时数字普惠金融凭借其数字技术的优势高质量、高效率重构信用评价体系,根据其信用评价体系为家庭提供更低门槛、高效实惠的金融服务和金融产品。基于供给侧视角,数字普惠金融的数字化催促金融产品推广和金融服务等脱离了线下网点的限制,使得金融机构的运行成本降低;基于需求侧视角,数字普惠金融的高度数字化使得支付环境进一步优化,居民可以更加便利、灵活、高效地享受各种金融服务。根据心理账户理论,居民在使用数字化的支付方式时的心理损失程度远远小于现金支付,且敏感程度同样也小于现金支付,所以数字化支付提升了居民的支付体验,有利于激发居民的消费欲望。基于此,提出如下假设。

H2:数字普惠金融覆盖广度、使用深度和数字化程度均能够促进家庭消费。

根据凯恩斯的理论,收入是影响消费者消费行为最主要的因素之一,随着收入的增加,消费也会增加,居民可支配收入的多少直接制约着居民的购买能力;同时凯恩斯的消费理论中指出,边际消费倾向是指可支配收入增加时,消费支出的增加量。虽然凯恩斯认为消费会随着收入的增加而增加,但边际消费倾向是小于1的,即人们不会把所有的额外收入都用于消费支出,而是会有一部分用于储蓄。数字普惠金融凭借其自身优势,降低融资约束、实现资源高效配置等方式可以促进家庭提升资金流动性,缓解家庭资金阶段性紧张,促进家庭资金合理配置,进而提升家庭收入。在现实生活中,人们一般也会实行“以收定支”的模式。一般来说,收入较高的家庭其消费水平也较高。同时数字普惠金融通过运用数字化技术发挥的优势使得数字普惠金融发挥其普惠性。数字普惠金融的发展需要良好的数字化基础设施支持,包括互联网普及率、移动支付系统等。随着这些基础设施的完善,地区居民可以更方便地接入金融服务,从而提升整体数字化水平。数字普惠金融通过线上平台提供多样化的金融产品和服务,如小额贷款、保险等,满足不同群体的需求。这种服务模式的优化有助于提高金融服务的可得性和便利性,进而促进地区数字化水平的提升。数字普惠金融鼓励金融科技的应用,如大数据、人工智能等,以提高金融服务的效率和精准度。这些技术的应用不仅改善了用户体验,还促进了地区内金融科技的发展和应用,进一步提升数字化水平。随着数字普惠金融的推广,越来越多的消费者接触到数字金融服务,这不仅提高了他们的金融知识,也增强了他们使用数字工具的能力,进一步提升了地区的数字化水平。基于此,提出如下假设。

H3:数字普惠金融通过提升家庭收入促进家庭消费;

H4:数字普惠金融通过提升数字化程度促进家庭消费。

3 数据来源与变量设置

收起

3.1 数据来源

本文的数据来自西南财经大学中国家庭金融调查数据(CHFS),选取时间为2015年、2017年和2019年,数据包含家庭变量数据库(hh)、个人变量数据库(ind)以及非问卷变量数据库(master),数据具有全国及省级代表性,为本文的实证研究提供了较好的微观金融数据。同时,选取北京大学与蚂蚁集团共同测度的数字普惠金融指数,其可以很好地呈现各地区的数字普惠金融的程度,为本文提供了较好的宏观数据。

3.2 变量说明

3.2.1 被解释变量:家庭消费

本文主要探究数字普惠金融对家庭消费的影响,所以参考田子方等^[11]、蒲艳萍和王皓^[12]选取家庭总消费作为被解释变量。家庭总消费由8项分项组成,分别为食品消费、衣着消费、居住消费、家庭设备服务消费、交通通信消费、教育文娱消费、医疗保健消费、其他消费。中国家庭金融调查数据(CHFS)所计算的家庭总消费属于消费性支出,没有将财产性支出、经营性支出、社会保障支出、转移性支出计入在内。目前CHFS数据库最新数据仅到2019年,本文选取2015年、2017年和2019年的数据作为研究对象,同时将该变量取自然对数。

3.2.2 解释变量:数字普惠金融指数

使用北京大学和蚂蚁集团共同测度的数字普惠金融指数^[13]。由于数量级问题,将数字普惠金融总指数及其子指数同等放缩100倍。

3.2.3 控制变量

选用以下指标作为控制变量:①人力资源。该变量为家庭中能够从事生产劳动人的个数。②家庭是否持有金融理财产品。将持有金融理财产品的家庭赋值为1,否则为0。③是否从事工商业生产。将从事工商业生产的家庭赋值为1,否则为0。④家庭资产。该变量为家庭总资产,包括非金融资产和金融资产。非金融资产包括农业经营资产、工商业经营资产、土地资产、房产、车辆资产、其他非金融资产;金融资产包括社保账户余额、现金、存款、股票、基金、债券、衍生品、理财、外币资产、黄金、其他金融资产和借出款。考虑到数量级问题,将该变量取自然对数。

3.2.4 中介变量

为进一步探究数字普惠金融对家庭消费的影响机制,运用中介效应模型,将数字化程度和CHFS中家庭收入纳入模型,同时对家庭收入变量进行取自然对数处理。

3.2.5 变量描述性统计

变量描述性统计见表1。表1结果显示,家庭消费的均值为10.548 8,标准差为0.897 0,最大值和最小值分别为6.603 7和14.585 4。数字普惠金融指数的均值为2.747 1,标准差为0.502 3,最大值和最小值分别为1.932 9和4.102 8。

4 模型设定

收起

由于数据选取的限制,选取数据年份较少,所以本文构建如下个体固定效应模型:

(1)

$consum{p}_{it}={\beta }_{0}+{\beta }_{1}F{i}_{it}+{\beta }_{2}control{s}_{it}+{\mu }_{i}+{\epsilon }_{it}$

式中:i为家庭个体;consump_it为被解释变量,表示个体家庭i在t时期的家庭总消费;Fi_it为核心解释变量,即个体家庭i在t时期时的数字普惠金融指数;controls_it为控制变量的合集;μ_i为个体固定效应;ε_it为随机扰动项;β₀为常数项;β₁、β₂为回归系数。

为进一步探究数字普惠金融影响家庭消费的作用机制,构建如下中介效应模型:

(2)

$Incom{e}_{it}={\alpha }_{0}+{\alpha }_{1}F{i}_{it}+{\alpha }_{2}control{s}_{it}+{\lambda }_{i}+{\nu }_{it}$

(3)

$consum{p}_{it}={\theta }_{0}+{\theta }_{1}F{i}_{it}+{\theta }_{2}control{s}_{it}+{\sigma }_{i}+{\xi }_{it}$

(4)

$consum{p}_{it}={\kappa }_{0}+{\kappa }_{1}F{i}_{it}+{\kappa }_{2}{M}_{it}+{\kappa }_{3}control{s}_{it}+{\pi }_{i}+{\zeta }_{it}$

式中:Income为中介变量;α₀、θ₀、κ₀为常数项;α₁、α₂、θ₁、θ₂、κ₁、κ₂、κ₃为回归系数;λ_i、σ_i、π_i为固定效应;v_it、ξ_it、ζ_it为随机扰动项。

根据中介效应检验步骤,首先检验式(2)中α₁的显著性;然后检验式(3)中θ₁的显著性,如果该系数为正说明中介变量Income能够促进家庭消费;最后检验式(4)中κ₂的显著性,若该系数显著为正说明数字普惠金融通过中介变量促进家庭消费^[14]。

5 回归结果分析

收起

表2显示了数字普惠金融及其3个子指标与家庭消费的基准回归结果,根据列(1)显示,数字普惠金融总指数的回归系数为正,且在1%的水平上显著,说明数字普惠金融可以显著提升家庭消费。列(2)~列(4)表明,数字普惠金融3个子指标覆盖广度、使用深度指数和数字化程度的回归系数为正,且均在1%的水平上显著,表明数字普惠金融覆盖广度越大、使用程度越深、数字化程度越高即越能促进家庭的消费。其中,数字普惠金融的3个子指标中覆盖广度的回归系数最大,使用深度次之,数字化程度的回归系数最小,说明覆盖广度对家庭消费的促进作用最大,数字化程度对家庭消费的助力最小。

表3汇报了西部地区的回归结果(西部地区的划分参照国家统计局的标准),列(1)~列(3)分别为数字普惠金融总指数、覆盖广度和使用深度,三者的回归系数均为正,且均在1%的水平上显著,说明数字普惠金融及其两个子指标均能提升家庭消费。列(4)为数字普惠金融子指标数字化程度的回归结果,该指标回归结果不理想,可能由于西部地区数字基础设施及数字技术人才相对缺乏,数字普惠金融数字化程度发展较为迟滞,并未对家庭消费起到促进作用。

6 稳健性及内生性检验

收起

由于普遍来说数字普惠金融发达程度与经济发展程度存在一定相关性,所以剔除经济发达的直辖市地区的家庭样本,并且逐步加入控制变量进行检验,进一步加强结论的稳健性。表4结果显示,在剔除直辖市地区的家庭样本后逐步控制变量,数字普惠金融指数的回归系数均为正,且均在1%的水平上显著,该结果进一步增强了基准回归结果的稳健性。

使用数字普惠金融指数和家庭所在城市到杭州的球面距离的自然对数的乘积作为工具变量来缓解反向因果和遗漏变量问题。普遍来说,城市到杭州的球面距离越近其数字普惠金融发展程度越高,满足工具变量要求的相关性,其与家庭消费的相关性较弱,满足工具变量要求的外生性。根据表5列(1)得知,选取的工具变量在1%的水平上显著,并且F统计量的值远远大于经验值,证明选取的工具变量不存在识别不足或弱工具变量的问题。由列(2)可知,数字普惠金融的回归系数为正,且在1%的水平上显著,说明数字普惠金融在排除内生性的影响后仍然能够促进家庭消费。

7 影响机制分析

收起

7.1 家庭收入中介效应

构建中介效应模型探究数字普惠金融促进家庭消费的作用机制。根据凯恩斯的消费理论,收入是影响消费的重要变量。将家庭收入作为中介变量,探究数字普惠金融的作用机制。数字普惠金融通过数字通信等技术降低融资约束,催促个体工商业等发展,进而促进家庭消费;同时,工商业个体的发展提升家庭收入,进一步促进家庭消费。表6列(1)~列(3)为全样本家庭收入中介效应结果,列(1)数字普惠金融指数在1%的水平显著,说明其能够提升家庭收入;列(2)家庭收入回归系数为正,且在1%的水平显著,表明家庭收入是家庭消费的中介机制;列(3)表明,数字普惠金融通过提升家庭收入促进家庭消费。列(4)~列(6)为子样本西部地区的中介效应结果。通过该结果可知,在西部地区视角中,数字普惠金融仍然能够通过提升家庭收入来促进家庭消费。

7.2 数字化程度中介效应

基于数字普惠金融的特点,将北京大学数字普惠金融指数的子指标数字化程度作为中介变量,探究数字化程度在数字普惠金融促进家庭消费的作用机制中是否存在中介效应。“数字是手段,普惠是目的”,数字手段的运用很大程度上促进地区的数字化程度的提升,而数字化程度的提升又进一步缓解金融的向下延伸难度,使得家庭个体消费及小规模个体工商业更易得到金融的助力,以达到普惠的目的。即数字普惠金融通过提升地区的数字化程度促进小规模个体工商业的发展和家庭消费,同时小规模个体工商业的发展可进一步促进家庭消费。表7汇报了数字化程度中介效应的检验结果。列(1)数字普惠金融指数在1%的水平显著,说明数字普惠金融能够显著提升地区的数字化程度;列(2)中数字化程度的回归系数在1%的水平上显著为正,说明数字化程度是促进家庭消费的中介机制;列(3)说明数字普惠金融通过提升数字化程度的中介机制促进家庭消费。

8 结论与建议

收起

本文运用中国家庭金融调查数据(CHFS)数据和北京大学与蚂蚁集团共同测度的数字普惠金融指数,研究数字普惠金融对家庭消费的影响。得出结论:基于全国层面数据,数字普惠金融及其子指标均对家庭消费具有正向促进作用,且家庭收入和数字化程度在数字普惠金融促进家庭消费时发挥了中介效应;基于西部地区层面数据,数字普惠金融及其子指标覆盖广度和使用深度均对家庭消费具有显著促进作用,家庭收入同样发挥了中介效应。

基于以上分析,提出以下建议:数字普惠金融能够提升家庭收入促进家庭消费,所以发展数字普惠金融不可或缺。政府要发挥“有形的手”和市场“无形的手”,吸引社会各种资金和力量发展数字普惠金融,提升各地区的数字普惠金融水平,发挥其各种优势促进家庭消费。虽在西部地区数字普惠金融能显著促进家庭消费,但该地区数字普惠金融的数字化程度发展相对迟缓,并未对家庭消费起到促进作用,所以推进西部地区数字化发展势在必行。推进西部地区数字化发展可着手于西部地区数字基础设施建设和培养数字技术人才,改善数字普惠金融发展失衡的结构。同时加大该地区商业银行、保险和第三方支付的下沉力度,提供相应的政策优惠导向,推进农村数字普惠金融事业的发展,让数字普惠金融真正发挥其“普惠性”作用,拉动家庭消费。

基金

收起

北方民族大学经济学院硕士研究生创新项目(YCX24181)

参考文献

收起

文献

收起

参考文献引证文献

排序方式：

[1]

郭峰, 王靖一, 王芳, 等. 测度中国数字普惠金融发展: 指数编制与空间特征[J]. 经济学(季刊), 2020, 19(4): 1401-1418.

[2]

黄益平, 黄卓. 中国的数字金融发展: 现在与未来[J]. 经济学(季刊), 2018, 17(4): 1489-1502.

[3]

胡锦娟. 数字普惠金融发展影响因素实证研究[J]. 中国商论, 2019(23): 75-78.

[4]

焦瑾璞, 黄亭亭, 汪天都, 等. 中国普惠金融发展进程及实证研究[J]. 上海金融, 2015(4): 12-22.

[5]

葛和平, 朱卉雯. 中国数字普惠金融的省域差异及影响因素研究[J]. 新金融, 2018(2): 47-53.

[6]

高晓燕, 向念, 何雨桐. 数字普惠金融、债务负担和家庭消费[J]. 华北金融, 2023(9): 41-51.

[7]

程欣炜, 李婵娟. 数字普惠金融对城乡消费差距的收敛作用研究[J]. 现代经济探讨, 2023(6): 27-41.

[8]

张林, 丁晓兰. 数字普惠金融发展能促进农民消费水平提升吗?[J]. 东方论坛, 2023(5): 91-105.

[9]

涂强. 社交网络视角下数字普惠金融对我国居民消费的影响机制分析[J]. 商业经济研究, 2023(24): 45-49.

[10]

钟晓君, 刘淑文, 张日新. 数字普惠金融赋能农村居民服务消费: 理论机制与经验证据[J]. 林业经济, 2024, 46(4): 82-96.

[11]

田子方, 李涛, 伏霖. 家庭关系与居民消费[J]. 经济研究, 2022, 57(6): 173-190.

[12]

蒲艳萍, 王皓. 借贷约束与家庭消费: 来自CFPS2018的证据[J]. 消费经济, 2021, 37(2): 35-46.

[13]

郭峰, 王靖一, 王芳, 等. 测度中国数字普惠金融发展: 指数编制与空间特征[J]. 经济学(季刊), 2020, 19(4): 1401-1418.

[14]

温忠麟, 方杰, 谢晋艳, 等. 国内中介效应的方法学研究[J]. 心理科学进展, 2022, 30(8): 1692-1702.

2025年第25卷第7期

PDF下载

363

192

引用本文

BibTeX

文章信息

接收时间：2024-10-31
首发时间：2025-07-21
出版时间：2025-04-10

补充材料

相关文章

文章信息

作者

出版历史

收稿日期：2024-10-31

基金

北方民族大学经济学院硕士研究生创新项目(YCX24181)

作者信息

北方民族大学经济学院, 银川 750030

参考文献

分享链接

https://castjournals.cast.org.cn/joweb/kjhcy/CN/1153992988746305770

分享至

全文二维码

扫描看全文

引用本文

BibTeX

本文的引用情况

2种不同金属材料的力学参数

科 Family	属数 Number of genus	种数 Number of species	占总种数比例 Percentage of total species (%)	属 Genus	种数 Number of species	占总种数比例 Percentage of total species (%)
鹅膏菌科Amanitaceae	2	11	5.26	鹅膏菌属 Amanita	10	4.78
小菇科 Mycenaceae	2	12	5.74	丝盖伞属 Inocybe	5	2.39
多孔菌科 Polyporaceae	8	14	6.70	蜡蘑属 Laccaria	5	2.39
红菇科 Russulaceae	3	23	11.00	小皮伞属 Marasmius	6	2.87
				小菇属 Mycena	11	5.26
				光柄菇属 Pluteus	5	2.39
				红菇属 Russula	17	8.13
				栓菌属 Trametes	5	2.39

关闭全屏

BibTeX
EndNote
RefWorks
TxT