数字普惠金融对家庭风险金融资产配置影响的差异性——基于地区与城乡视角

■刘颖 张高明 孙婉若

一、引言

随着经济的快速发展，中国的金融资产总量已经跃居全球前列，但与此同时，各种金融服务供给不均衡的情况也开始凸显，普惠金融的发展与推进越来越得到国家和民众的关注。2015年《政府工作报告》指出普惠金融就是立足于机会平等要求和商业可持续原则，通过加大政策引导扶持、加强金融体系建设、健全金融基础设施，以可负担的成本为有金融服务需求的社会各阶层和群体提供适当的、有效的金融服务。普惠金融发展到现在已经和现代互联网技术深度融合，成长为数字普惠金融3.0[1]。数字普惠金融相较普惠金融，可获得性和全面性等特征更加明显。

在数字普惠金融走进大众视野后，越来越多的研究开始着重探索其对创业、经济发展、城乡差距、消费和信贷等方面的影响，但是其对家庭金融资产配置的影响并未得到较多关注。中国家庭金融起步较晚，金融市场参与度低、金融资产占比小。中国家庭的股票市场参与率2013年为6.5%、2015年为9.4%、2017年为6.8%、2019年为5.9%，整体水平偏低，且呈现逐年走低的趋势，这与发达国家10%～20%的家庭股票市场参与率有很大的差距。中国家庭金融资产占比2013年为9.3%、2015年为13.7%、2017年为11.4%、2019年为8.4%，整体平均水平较低。2019年美国家庭金融资产占比为41.8%、英国为43.7%、日本为62.2%，可见中国与这些发达国家的差距依然很大。这其中很大的原因就是正规金融机构提供给家庭的金融参与机会较少。

在此背景下，研究数字普惠金融发展对家庭风险金融资产配置的影响具有特殊的意义，能为优化中国家庭风险金融资产配置提供建议。中国家庭金融调查与研究中心开展的中国家庭金融调查，旨在收集家庭的人口特征、资产与负债、保险与保障、收入与支出等方面的信息。北京大学课题组利用蚂蚁金服关于数字普惠金融的海量数据，编制了数字普惠金融发展指数[2]。以上这些数据为本文的实证研究提供了数据来源。

本文可能的创新点有以下两个方面：第一，引入以互联网骨干直联点为核心的工具变量以解决数字普惠金融与家庭资产配置之间可能存在的内生性问题。第二，创造性地提出“强效地区”等概念，并通过地区与城乡的分样本回归进行验证。

二、文献综述与假说提出

（一）文献综述

本文致力于研究数字普惠金融的发展对家庭的风险金融资产配置的影响，相关文献主要涉及以下两个方面。

一方面是关于数字普惠金融。数字普惠金融在中国发展脉络清晰、发展阶段连贯，所以关于数字普惠金融和普惠金融这类关联性概念的文章较多。数字普惠金融能凭借自身的数字性和普惠性特征为经济发展提质增效[3—5]，能够显著促进省域经济增长[6]。针对减贫效应，数字普惠金融的发展能够显著降低农村家庭的贫困发生率[7，8]，但是这种减贫效应存在区域间的不平衡[9]且具有显著的时滞性[10]。张呈磊等[11]和李牧辰等[12]认为数字普惠金融的发展总体上改善了收入不平等的状况。Demir 等[13]对140 个国家进行面板分析后也得到了一致的结论。其中，数字普惠金融激发了农村居民创业被认为是十分重要的机制[14]，而且可作用于改善家庭在正规信贷的参与状况[15]。王永静等[16]却认为数字普惠金融与新型城镇化发展欠融合，导致其不能有效地缩小城乡收入差距，改善收入不平等状况。Aziz 等[17]也认为由于农村居民的金融知识和社会意识较差，数字普惠金融的潜力不能被完全挖掘，所以其发挥改善收入不平等的作用十分有限。

另一方面是关于家庭金融资产配置。家庭金融资产配置要受到家庭和社会等多方面因素影响，其中风险偏好程度会正向影响家庭参与风险金融市场的广度与深度[18，19]。家庭成员拥有较好的受教育背景和金融知识也会正向促进家庭配置风险金融资产[20，21]。其他诸如商业保险的发展情况[22，23]、住房价格的变化及预期[24，25]和人口老龄化问题[26，27]等也会给家庭参与风险金融市场带来影响。国别对比来看，中国居民家庭储蓄率和房产占比畸高[28]，而家庭金融资产占比与发达国家水平相距甚远。家庭金融资产配置的优化有利于提高家庭资金的收益性和流动性[29]，也有助于实现多渠道增加居民财产性收入。

虽然已有很多有关家庭金融资产配置和数字普惠金融发展的研究，但是将两者结合起来研究的并不多。周雨晴等[30]利用近两万户农业户籍家庭样本进行了实证研究，得出数字普惠金融能够正向促进农户家庭的金融市场参与程度和风险资产配置比例的结论。张晓玫等[31]实证检验了普惠金融对家庭金融资产配置和股票市场参与的影响，得出了提高普惠金融水平可以增加家庭参与股票市场和风险金融市场的概率和比例的结论。但是这些文献并没有着重关注不同发展地区影响的差异性和内在原因。这也将是本文研究的重点。

（二）假说提出

虽然数字普惠金融能在家庭风险金融资产的配置概率和配置比例上起到显著的正向影响已经成为目前研究的共识，但是针对不同地区和城乡差异性的研究并不深入，张晓玫等[31]认为农村家庭所处的金融环境较差，参与渠道较少会是城乡差异的原因。本文在此基础上，结合数字普惠金融的性质及其对媒介的依赖性特征，进一步分析城乡以及不同地区的差异性。

结合数字普惠金融的性质和既往文献的研究，可以认为数字普惠金融要想对某些群体或者地区的家庭风险金融资产配置产生影响需要满足两个条件。第一个条件，数字普惠金融无论是传播的过程还是发挥作用的过程均需要以金融和互联网设施作为前提条件，所以受影响的群体和地区要有着不错的金融设施和互联网条件。第二个条件，只有当某些群体或地区过去所处的金融环境或金融可得性条件较差时，数字普惠金融的边际效应才会比较明显。家庭配置风险金融资产是一种投资或理财的状态，如果某些群体或地区的家庭一直处在较为优越的金融环境下，愿意参与金融市场的家庭已经在很大程度上地参与了风险金融资产配置，那么数字普惠金融对其能够起到的影响就会十分有限。以上两个条件中任意一个不被满足时，数字普惠金融给家庭风险金融资产配置带来的边际效应都会较弱。

综上，本文认为只有当某些地区同时满足上述两个条件，即其过去所处的金融环境并不好，但是随着社会发展和政策扶持，金融和互联网条件都有了明显改善时，数字普惠金融的边际效应才会相对变大。本文将这样的地方称为“强效地区”。同时，本文将不满足第一个条件的地区，即将目前金融可得性或互联网设施较差等“硬件”存在短板的地区定义为“硬弱效地区”；将不满足第二个条件的地区，即将该地区一直所处的金融环境都较为优越，家庭风险金融资产配置的潜力已挖掘殆尽的地区对应地定义为“软弱效地区”。这两类地区统称为“弱效地区”。

根据以上“强效地区”的提出和相关理论的推导，本文提出以下假说：

H1：数字普惠金融对“强效地区”的家庭风险金融资产配置（包括配置概率和配置比例）会有显著的正向影响。

H2：数字普惠金融对“弱效地区”的家庭风险金融资产配置（包括配置概率和配置比例）的影响较小或者不显著。

结合“强效地区”概念，本文进一步根据不同地区和城乡的发展差异对“强效地区”和“弱效地区”进行分析。

一般来说，农村地区所处的金融环境和互联网基础设施弱于城镇地区，但随着乡村振兴战略的推进，这一情况也逐步得以改善。一方面，各地区互联网基础设施明显改善。截至2020年末，中国互联网普及率达70.4%，其中农村地区互联网普及率为55.9%①。且近年来，网络扶贫行动向纵深发展取得了实质性进展，包括东中西部在内的农村和城镇地区的互联网条件都有明显改善。另一方面，农村商业银行这一地方性金融机构的设立对健全农村金融体系、提高农村金融服务水平起到了极大的推动作用。截至2020年底，全国共有1539 家农村商业银行，其中东部地区占三分之一以上，按资产对农村商业银行进行排名，前100名中有75名属于东部地区，可见东部农村地区的金融可得性已经有了极大的改善。但是除了重庆农商行之外②，其他中西部地区发展情况较为一般，中西部地区农村金融机构布点仍然较少[32]，金融可得性情况不容乐观[33]，而中西部城镇地区由于城镇化建设和过去相较于中西部农村地区的优先发展战略，其金融可得性要显著优于中西部的农村地区。

根据以上分析，本文认为东部农村和中西部城镇较为符合“强效地区”的定义。这些地区在受到数字普惠金融影响时边际效应理应更大。东部城镇地区所处的金融和互联网条件一直较好，中西部农村地区目前的金融可得性尚且不足，故本文将其归入“弱效地区”，且他们分别符合“软弱效地区”和“硬弱效地区”的定义。

三、数据和实证模型

（一）数据

本文使用了两类数据。第一类数据来自中国家庭金融调查（China household finance survey，CHFS）数据库。本文选择2017年的CHFS 数据库样本，覆盖了全国29 个省份（不含新疆、西藏、港澳台地区）的355个县（市），包括40011个家庭的微观数据。在剔除有重要缺失值与无法精确到县级的样本后，共有33992个家庭样本被纳入研究。第二类数据来自北京大学课题组利用蚂蚁金服关于数字普惠金融的海量数据编制的北京大学数字普惠金融发展指数。该指数利用蚂蚁金服微观数据合成，空间跨度包含省级、城市和县域三个层级，涉及33个指标，包含覆盖范围（支付宝账户数量、绑定银行卡的数量等）、使用深度（支付、贷款、保险、投资等）和数字支持服务程度（手机支付、贷款利率等）三个维度，以及支付、保险、货币基金、征信等业务分类指数。

本文使用的是2016—2017年县级层面数字普惠金融发展指数。其中2017年数据是为与2017年CHFS 数据做基准回归，2016年数据将作为其中一个工具变量使用。

（二）模型选取

首先建立风险金融资产配置概率与数字普惠金融发展指数之间的基准回归模型。用Pro_riskpi表示p地的i家庭是否配置了风险金融资产。由于Pro_riskpi为二元离散变量，如果使用普通最小二乘法回归，结果会有偏，故选择Probit模型进行实证研究。实证模型如下：

其中，Indexp表示家庭所在p地的数字普惠金融发展指数（此处及以下均取对数处理），X表示户主个人特征和家庭特征的一系列控制变量，μi为随机扰动项。根据模型（1）来衡量数字普惠金融发展指数对家庭风险金融资产配置概率的影响。

（2）式是家庭配置风险金融资产占家庭总金融资产的比例与数字普惠金融发展指数之间的基准回归模型。用Ratio_riskpi表示p地的i家庭配置风险金融资产占家庭总金融资产的比例，因为这一变量左侧数据都集中为0（左删尾变量），因此选择Tobit模型。

根据模型（2）来衡量数字普惠金融发展指数对家庭风险金融资产配置比例的影响。

（三）变量

1.被解释变量。本文选取了两个被解释变量，即家庭配置风险金融资产的概率和家庭配置风险金融资产的比例。将家庭配置风险金融资产的概率这一虚拟变量设定为：如果家庭在股票、基金、公司债券、互联网理财产品、金融理财产品、非人民币资产、贵金属和金融衍生品等产品上任意配置一项及以上，则变量取值1；否则，取值0。家庭配置风险金融资产的比例变量设定是，家庭在风险金融资产项目上配置的资产总和占家庭总金融资产的比例。

2.核心解释变量。核心解释变量是县级层面的数字普惠金融发展指数，包括数字普惠金融综合指数、数字普惠金融覆盖广度指数和数字普惠金融使用深度指数。

3.工具变量。模型中常见的内生性问题大多是由遗漏变量和反向因果引起的。本文选取互联网骨干直联点（国家为汇集和疏通全国网间通信流量而建立的通信枢纽）的合成变量和数字普惠金融指数的滞后一期变量分别作为工具变量，来尽可能地避免内生性问题。

本文针对互联网骨干直联点能给本省带来的影响设置了四个具有代表性的问题，在进行取对数压缩数值和取平均数等操作后构建了互联网得分，具体的问题设置及统计描述见表1。

表1 互联网得分的问题设置及统计描述

根据《中国互联网发展报告2017》可知，截至2017年我国已建立三个批次的骨干直联点。其中北京、上海和广州为第一批次，成都、武汉、西安、沈阳、南京、重庆和郑州为第二批次，杭州、贵阳和福州为第三批次。互联网骨干直联点涵盖了东中西部地区，拉动互联互通效率逐步提高，网络连接效率和用户体验得到了极大的提高与改善。数字普惠金融的发展很大程度上要依赖于互联网设施的建设与互联网联通效率的发展，所以互联网得分能在一定程度上反映数字普惠金融的发展情况，但是家庭的金融资产配置情况并不会对互联网骨干直联点的城市选择产生影响。因此，互联网得分的选取符合工具变量要求。

4.控制变量。户主层面的控制变量包括户主的年龄、性别、婚姻状况、教育程度和风险偏好等。家庭层面的控制变量包括家庭成员数、总资产、总收入和家庭是否拥有自有住房等。表2是相关变量的统计描述。其中针对如风险态度等在2017年调查中仅询问新访户的情况，本文采用匹配往年数据的方法进行处理；金融素养的衡量沿用尹志超等[34]的做法，对调查中的三个金融知识问题设置是否回答正确和是否作答的虚拟变量，然后采用主成分分析法对该变量进行分析得到金融素养这一综合指标。

表2 各变量统计描述

四、实证和结果分析

下文从基准回归、内生性分析和稳健性检验方面，实证分析数字普惠金融对家庭风险金融资产配置的影响。

（一）数字普惠金融与家庭风险金融资产配置的基准分析

本文通过实证分析，从配置概率和配置比例两个方面探究了数字普惠金融综合指数对家庭风险金融资产配置的影响。实证结果如表3所示。

表3 数字普惠金融综合指数对家庭风险金融资产配置的回归结果

表3报告了数字普惠金融综合指数（指数已取对数，下文均同操作）对家庭风险金融资产配置的实证结果。结果表明数字普惠金融发展对家庭风险金融资产配置的概率和比例都有显著的促进作用，这与已有文献的结论相一致，且这一结果在控制变量前后均一致。

同时，结果显示城乡控制变量的系数为负，且在1%的统计水平上显著；地区控制变量的系数为正，且在10%的统计水平上显著。这表明农村群体在风险金融资产配置上的表现（或者说在金融市场上的表现）要明显弱于城镇群体，中西部地区要弱于东部地区。但是存量不代表增量，农村群体和中西部地区受数字普惠金融影响做出的改变是否也弱于城镇和东部地区？且这种改变在城乡和不同地区之间有着怎样的强弱分布？这些都是本文将在差异性分析中重点讨论的内容。

（二）内生性分析

本文选取由互联网骨干直联点信息进行综合处理得到的互联网得分等作为工具变量，以尽可能地解决内生性问题。

互联网既是大多数数字普惠金融业务的载体，也是数字普惠金融发挥作用的途径，互联网得分能在一定程度上反映出当地互联网建设水平，可以预期，互联网得分与数字普惠金融发展显著正相关。相反，互联网骨干直联点的设立多是国家基于网络强国战略思想的整体布局，所以不会受家庭层面的影响。综上，互联网得分基本满足外生性，故可以选取互联网得分为工具变量来解决反向因果的内生性问题。数字普惠金融发展指数反映的是当年数字普惠金融整体的发展情况，这种发展情况能对下一年的家庭金融资产配置产生导向性甚至直接性影响，但是由于时序的问题，下一年的家庭金融资产配置是无法对上一年的数字普惠金融发展产生影响的，故可以选择数字普惠金融指数的滞后一期作为工具变量来解决反向因果的内生性问题。回归结果如表4所示：在解决内生性问题后，工具变量无论是对家庭风险金融资产配置概率还是配置比例而言，系数都显著为正。这说明了基准回归结果具有稳健性。

表4 工具变量回归

关于工具变量的有效性。互联网得分这一工具变量通过了不可识别检验③、过度识别检验④及弱工具变量检验⑤，故工具变量估计是有效的。同样，数字普惠金融指数的滞后一期也通过了以上检验⑥。受篇幅所限，本文未列示稳健性回归结果。

东部地区的互联网得分均值为0.376，中西部地区的互联网得分均值接近-0.200。这种东部与中西部有较大差异的现象与数字普惠金融指数在不同地区的差异接近，而且也说明进一步探究地区内在差异的原因对提高数字普惠金融影响的重要性。

（三）稳健性检验

1.替换变量。北京大学课题组测度中国数字普惠金融发展时，除数字普惠金融综合指数外，还得到了覆盖广度指数、使用深度指数和数字支持服务指数这三个子指标。其中覆盖广度指数和使用深度指数在指数编排时所占比重最大，而且数字支持服务指数在各省间波动幅度较小，故本文除使用综合指数进行基准回归外，还选择了覆盖广度指数和使用深度指数进行稳健性检验。

2.缩小样本量。在进行基准回归前，本文已经按照户主年龄不小于16 岁和不能存在重要缺失值等条件剔除了部分样本，但是本文研究的重点是家庭金融问题，所以家庭资产相关变量的异常性或特殊性会对模型结果产生直接影响。本文对样本按照家庭总资产从高到低进行排序，然后把低于10%分位数值和高于90%分位数值的样本予以剔除进行稳健性检验。两种稳健性检验的结果均与基准回归一致，表明了基准回归结果的可靠性。

五、进一步分析：地区与城乡差异性

（一）数字普惠金融对家庭风险金融资产配置影响的差异性分析

1.数字普惠金融与家庭风险金融资产配置的城乡差异。因数字普惠金融具有普惠金融的包容性特征，但是又要受制于城乡基础设施差距和政策倾斜等条件的影响，故数字普惠金融发展的影响理应具有城乡差异性。表5是将样本按照户口性质划分为农村群体与城镇群体，然后对两组样本分别进行回归的结果。

通过表5（1）列与（2）列系数的对比，可以发现数字普惠金融发展对家庭风险金融资产配置概率的影响程度，农村群体要大于城镇群体。这说明数字普惠金融发展确实能在一定程度上起到缓解城乡在金融可得性、金融参与上的差距的作用；通过（3）列与（4）列的对比，可以发现数字普惠金融在城乡群体中对家庭风险金融资产配置比例的影响也有较大差异，农村群体受数字普惠金融的影响从而配置更多的风险金融资产的程度要大于城镇群体。这不仅说明数字普惠金融有着很好的地理穿透性，能够在一定程度上克服基础设施上的差距，也说明如网络基础设施这类新型设施在农村地区的建设也取得了一定成就，对缓解城乡差距起到了重要作用。

表5 城乡差异性

2.数字普惠金融与家庭风险金融资产配置的东中西部地区差异。数字普惠金融发展对家庭风险金融资产配置要受到地区差异的影响，而且数字普惠金融自身的发展也会有地区差异。所以本文将样本分为西部、中部和东部三组，然后分别进行回归。表6为回归结果。

表6 地区差异性

从表6结果可以看出，数字普惠金融无论是在家庭风险金融资产的配置概率还是配置比例的影响上，都变现为中西部地区显著为正，而东部地区不显著，这说明数字普惠金融发挥了应有的包容性和良好的地理穿透性。这种影响主要得益于近年来国家对中西部地区发展的政策倾斜和战略布局，这也说明了继续推进中西部地区金融发展和互联网基础设施建设、缩小地区间数字鸿沟和缩减地区发展差异的正确性与必要性。

其中，中部地区受影响的显著性最高，系数最大，主要原因可能是中部地区凭借着地理位置的“中介”和“桥梁”优势，连接着东西地区数字普惠金融的合作与发展[35]，使得中部地区在数字普惠金融发展中占据了中心位置。

（二）进一步研究城乡与地区的差异

本节将从理论与实证的角度分析将东部农村与中西部城镇纳入“强效地区”的合理性。下面本文将样本根据地区和城乡分为6个子样本。

结果如表7所示：在样本划分更为细致后，三个“强效地区”在受到数字普惠金融影响时均表现出显著为正的反应，结果无法拒绝假设1。这不仅说明“强效地区”概念提出的正确性，更说明造成城乡群体和东中西地区差异的主要原因在于这些群体和地区所处的金融环境不成熟，金融发展不够完善，家庭的金融可得性较差，所以家庭风险金融资产配置受数字普惠金融的影响显著。由于中西部地区农村群体的家庭风险金融资产配置比例在很大程度上为0，故无法进行Tobit模型回归，本节不再对配置比例进行实证分析。

表7 地区与城乡差异性

六、机制分析

（一）数字普惠金融的增收效应

根据相关文献可知，数字普惠金融有提振经济、增加居民收入的作用[36]。所以数字普惠金融影响家庭风险金融资产配置可能的机制是通过影响当地的经济增长情况，进而影响家庭收入从而实现促进家庭风险金融资产配置。

表8（1）列使用最小二乘法（OLS）分析了数字普惠金融发展对经济增长的代理变量——人均GDP的影响。其中，控制变量包括反映政府干预程度的政府财政支出占GDP的比重、反映贸易开放程度的进出口贸易总额占GDP的比重、反映外商投资水平的外商直接投资占GDP的比重、反映传统金融中介发展水平的银行信贷余额占GDP的比重[37]以及反映当地人口结构的抚养比和劳动人口占比等。结果显示，数字普惠金融对人均GDP 影响的系数为8.091，且在1%的水平上显著。这表明数字普惠金融发展能够显著促进当地的经济增长。

表8（2）列为人均GDP 与家庭总收入的OLS 实证回归，回归结果表明人均GDP与家庭总收入显著正相关，即当地的经济发展能显著提高家庭总收入。（3）和（4）列比较了将人均GDP和家庭总收入纳入数字普惠金融发展指数对家庭风险金融资产配置影响的模型后的结果，可以看出，将人均GDP 和家庭总收入纳入模型后，数字普惠金融发展指数不再显著，这说明经济增长影响家庭收入进而影响家庭风险金融资产配置是数字普惠金融影响家庭配置风险金融资产的主要渠道。

表8 数字普惠金融、经济增长与家庭收入

本文对反映当地传统金融中介发展水平的指标（Credit，当地银行信贷余额与当地GDP 比值）与数字普惠金融结合进行进一步研究。表9结果表明：在控制了传统金融中介发展水平后，中西部地区家庭风险金融资产配置受数字普惠金融影响会更大，即如果中西部地区的传统金融能达到东部地区水平，则数字普惠金融的边际效应会更大。这说明了继续发展中西部地区基础金融机构和金融设施的重要性。而且基础金融机构除发展广度要求外，还要注意加强发展深度，尤其是向中西部农村这样的“硬弱效地区”深入发展。

表9 控制传统金融中介发展水平

（二）数字普惠金融的教育效应

数字普惠金融的发展让更多的家庭接触到金融服务，家庭整体的金融素养理应也会随着数字普惠金融的发展而上升。表10（1）列的实证结果也佐证了这一点。反过来，金融素养又会正向影响家庭配置风险金融资产，这就形成了数字普惠金融影响家庭配置风险金融资产的渠道。

表10（2）和（3）列是未加入金融素养变量的回归结果，数字普惠金融对家庭风险金融资产配置概率影响的系数是0.353，对家庭风险金融资产配置比例影响的系数是0.428。（4）和（5）列是将数字普惠金融发展总指数和金融素养同时加入模型后的回归结果，数字普惠金融发展总指数的系数明显下降。这表明存在“数字普惠金融通过提高居民的金融素养进而促进家庭配置风险金融资产”的传导路径。

表10 数字普惠金融与家庭金融素养

七、结论与政策建议

数字普惠金融利用其数字金融和普惠金融的优势特征，给中国金融业缓解发展不平衡带来了深刻的影响。本文利用中国家庭金融调查（CHFS）数据与数字普惠金融发展指数，评析了数字普惠金融的发展对家庭风险金融资产配置的影响，主要得出以下几点结论：

第一，本文提出的“强效地区”等概念在实证中得到了验证，并且将东部农村和中西部城镇总结为“强效地区”，东部城镇总结为“软弱效地区”，中西部农村总结为“硬弱效地区”。

第二，数字普惠金融的发展能够显著提高以东部农村和中西部城镇为代表的“强效地区”的家庭配置风险金融资产的概率，且能够显著增加家庭配置风险金融资产占家庭总金融资产的比例。

第三，“硬弱效地区”产生的原因是当地的金融机构不发达，家庭的金融可得性较差；“软弱效地区”产生的原因是家庭的风险金融资产配置潜力不足。

第四，通过机制分析发现，数字普惠金融能通过显著促进当地经济增长进而增加家庭收入和提高家庭的金融素养，这都成为了数字普惠金融影响家庭风险金融资产配置的渠道。

基于上文的研究与论证，本文提出以下几点政策建议：

第一，针对“硬弱效地区”。除加速数字金融和普惠金融服务的进程外，更重要的是完善金融基础设施建设。金融基础设施的可及性既是居民生活福祉的保证，也是提高居民金融素养、激发金融活力和促进金融市场参与的前提条件。但是由于资本的逐利性，“硬弱效地区”的金融可得性问题往往很难通过市场自发地改变，需要诸如金融扶贫等方式的政府政策介入。

第二，针对“软弱效地区”。应加快金融产品创新，探索更多有效的金融模式，以此来激发居民参与金融市场的潜能。正如东部城镇这样的“软弱效地区”，在传统金融服务已经较为发达的情况下，数字普惠金融无法大幅地激发居民参与到金融市场的潜能，只有创新型的金融产品和金融模式的出现才能打破这种局面。

第三，针对“强效地区”。应继续推进数字普惠金融发展，完善金融体系建设。从以上的研究也可以看出数字普惠金融确实能够对家庭风险金融资产配置带来显著的正向影响，所以应该继续推进数字普惠金融发展，让数字普惠金融承担起解决金融业发展不均衡不充分的责任。在发展数字普惠金融时，也要注意与地区的传统金融机构结合，这样才能让数字普惠金融有根有源，实现可持续发展。■

注 释

①数据来源：国家统计局《中华人民共和国2020年国民经济和社会发展统计公报》。

②重庆农商行是西部乃至全国第一大农商行，截至2020年底资产规模达11359.27亿元。

③Kleibergen-Paaprk LM 统计量为821.586，p值为0.000，拒绝了工具变量不可识别的原假设。

④Hansen J 统计量，p 值为0.75，无法拒绝工具变量为外生的原假设。

⑤Cragg-Donald Wald F 统计量和Kleibergen-Paaprk Wald F统计量，p值均小于0.01，拒绝了存在弱工具变量的原假设。

⑥相应统计量结果不再罗列赘述。