数字素养与农村流动人口数字金融使用行为——基于江苏省5市农村流动人口的调查数据

■翁辰 朱红根 陈杰

一、引言

随着我国城镇化的不断推进，外来劳动力已成为城市建设的重要力量，并为城市经济发展作出了巨大贡献[1]。国家统计局发布的《2020年农民工监测调查报告》显示，2016年以来，农民工总量规模年平均增速达0.6%，截至2020年，全国农民工总量已达2.86亿人①。由于农民工总量不断提升，农村流动人口需要加速积累财富和社会资源，以缩小与城镇居民资本积累的差距。农村流动人口资本积累的需求也带来了更为丰富的阶段性金融需求[2]。然而，长期以来我国城乡二元结构带来的户籍制度差异使得农村流动人口难以平等地享受流入地的公共服务和福利[3]。传统金融服务业存在较为严重的排斥现象，低收入人群和弱势群体难以从正规渠道获得金融服务。农村流动人口在进入城市后，面临的金融市民化障碍之一就是流入地城市的金融机构面向农村流动人口的授信门槛要系统性地高于城镇家庭[4]。

近年来，数字金融通过大数据、云计算等信息技术创新，降低了使用门槛和成本，扩大了金融服务的覆盖面和渗透率，有效地弥补了传统金融服务的短板，使低收入人群和弱势群体的金融需求得以满足[5，6]。2017年中国家庭金融调查数据显示，使用过互联网理财、网络借贷或第三方支付的城镇家庭占全部家庭的比重约为61.11%，而农村家庭占比仅为20.96%，城乡居民数字金融使用存在明显差距[7]。然而，目前较少有研究关注农村流动人口的数字金融使用情况。那么，农村流动人口数字金融使用现状如何？影响农村流动人口数字金融使用的关键因素是什么？

现有关于数字金融的相关研究主要聚焦于数字金融发展的特征及其影响。例如，张晖[8]、张龙耀等[9]探讨了数字金融发展的区域及空间特征。在数字金融发展的影响方面，学者们分别从宏观和微观视角展开了探讨。宏观层面的研究发现，数字金融发展可以促进经济高质量增长，从而提振我国实体经济[10，11]；微观层面上，研究发现数字金融发展有利于激励家庭消费[12，13]、驱动企业创新[14，15]、促进居民创业[16]。从数字金融参与影响因素的相关研究来看，现有研究主要关注了交通地理[17]、传统金融使用[18，19]以及金融知识[20，21]等因素的影响。然而，较少研究关注到个体数字金融参与中可能存在的“数字鸿沟”问题。

当前我国金融科技发展不平衡不充分的问题仍然突出，数字金融发展受到“数字鸿沟”的制约[22]。“数字鸿沟”是指不同社会群体在互联网可及性和使用方面的差异[23，24]。据统计，截至2020年12月，我国城镇地区互联网普及率为79.8%，农村地区互联网普及率为55.9%，城乡地区互联网普及率差异较2018年缩小了12.3个百分点②。在互联网可及性差异缩小的同时，人们在互联网使用上的差异正逐渐显现[25]，“数字鸿沟”已逐步从初期的互联网“接入沟”转化为现阶段的互联网“使用沟”。部分弱势群体由于缺乏使用数字技术的知识和技能，容易形成“工具排斥”“评估排斥”等新的金融排斥[26，27]，而缓解这类金融排斥的关键则在于提高个体的数字素养。国外学者和相关机构较早便开始对数字素养的概念内涵进行有益探索。Eshet[28]最早提出“数字素养”的概念，认为数字素养是数字时代的生存技能，具有整合性以及跨学科特点。2017年，《国际图联数字素养宣言》发布，认为数字素养是个体利用数字工具并发挥其潜能的能力。2018年，联合国教科文组织发布数字素养全球框架，将数字素养定义为通过数字设备和网络技术，安全适当地访问、管理、理解、集成、通信、评估和创造信息的能力，具体包括7个素养域：操作域、信息域、交流域、内容创作域、安全伦理域、问题解决域和职业相关域[29]。然而，现有对数字素养的研究多集中于教育学领域，对诸如教师[30]、大学生[31，32]和青少年[33]的数字素养水平进行了分析探讨，但在经济学领域的应用仍不多见。随着数字金融的不断发展，数字素养会对农村流动人口数字金融使用行为产生怎样影响？能否提高农村流动人口数字金融使用的概率和广度？其内在影响机理如何？本文试图对上述问题进行探讨。

为此，本文以江苏省为例，基于农村流动人口调查数据考察数字素养对农村流动人口数字金融使用行为的影响及其作用机制。与以往研究相比，本文的贡献主要体现在：第一，在研究对象上，本文重点关注农村流动人口的数字金融使用行为，数字金融有助于解决农村流动人口在融入城市过程中面临的“金融市民化”障碍问题。第二，在研究视角上，本文从数字素养视角探讨其对农村流动人口数字金融使用行为的影响，数字素养水平是关系个体能否积极灵活使用数字金融的重要因素。第三，在研究方法上，本文不仅采用Poisson Hurdle模型修正样本选择偏误，还综合采用IV-Probit模型、IV-Poisson模型和CMP模型处理可能存在的内生性问题，并通过遗漏变量检验、改变核心自变量的测度方式进行稳健性检验。

二、理论基础与研究假说

（一）数字素养对农村流动人口数字金融使用行为的影响

根据国外学者及相关机构提出的数字素养基本框架，国内学者也对数字素养的核心要素进行了探讨，指出数字素养不仅包括数字技术使用技能，还涉及认知、情感和社交等技能[34]，还应注重个体运用数字媒介对社会经济文化等的认知能力、批判性分析与质疑能力，以及运用数字技术整合、再生产超文本内容并进行负责任传播与有效互动交往的能力[35]。基于此，本文结合农村流动人口个体特征，将数字素养界定为个体在工作、学习、休闲及社会活动参与中所具备的数字技术使用和认知的能力。农村流动人口个体的数字金融使用决策不仅依赖于其自身的数字金融使用能力，还取决于其对使用数字金融可能存在的风险的综合评估与所能带来的预期效用的比较。一般来说，个体数字技术使用素养水平越高，则其采用数字化工具进行信息收集、整理和加工的知识越丰富，对数字理财、数字支付、数字信贷等各类数字金融平台的基本操作能力越好，这可以有效降低个体数字金融使用的技术门槛。而个体数字技术认知素养水平越高，则其对使用数字金融可能存在的风险及预期效用的综合评估能力越强，这有助于降低其使用数字金融的潜在成本和风险，提高预期效用。因此，本文提出如下假说：

假说1：数字素养可以促进农村流动人口的数字金融使用行为。

（二）数字素养对农村流动人口数字金融使用行为的影响机制

在互联网时代，社会权力结构变化中影响最广泛的是信息权力[36]。信息权力是与信息、知识和认同紧密联系在一起的，有效使用互联网可以使个体获得有价值的信息，形成行动与策略的优势结果，从而带来信息权力的收获[37]。金融信息的有效获取与处理是影响个体数字金融使用的重要因素。一方面，倘若农村流动人口个体缺乏有效获取金融信息的能力，则难以了解不同数字金融产品的特征及差异，这可能会限制其数字金融使用行为。而数字素养水平较高的农村流动人口个体可以有效获取金融信息，其通过增加对金融信息的关注，缓解数字金融产品使用中可能存在的信息不对称问题，从而增强数字金融使用的内生动力。另一方面，农村流动人口个体获取金融信息后，倘若缺乏处理金融信息所必需的理解和认知能力，则会增加金融信息的处理成本，从而制约其数字金融使用行为。而农村流动人口个体数字素养水平提高有助于其金融知识水平的提升，从而帮助个体认识和理解新兴的数字金融产品，降低个体数字金融使用决策中的金融信息处理成本。因此，本文提出如下假说：

假说2：数字素养促使农村流动人口增加金融信息关注，进而促进其数字金融使用行为。

假说3：数字素养促使农村流动人口提高金融知识水平，进而促进其数字金融使用行为。

个体在进行各种决策时所面临的外部条件总是不确定的，不确定性会产生风险，而对待风险的态度是影响个体决策的重要因素[38]。数字金融产品在降低个体获得金融服务成本的同时，也存在着财务安全和隐私泄露等潜在风险。因而，部分个体对数字金融使用持谨慎态度[39]。曹倩等[40]研究发现风险厌恶程度越高的个体使用第三方支付的概率越低。随着互联网时代的到来，信息通信基础设施的完善和智能设备的普及全方位提升了个体获取信息的能力，这对个体的思想观念也产生了深刻影响[41，42]。张世虎等[38]研究发现互联网信息技术的应用可以有效缓解长时间处于信息劣势的个体的风险厌恶态度。因此，农村流动人口个体数字素养水平的提升，有助于改善其风险态度，进而促进其数字金融使用。据此，本文提出如下假说：

假说4：数字素养促使农村流动人口提升风险偏好水平，进而促进其数字金融使用行为。

三、研究设计

（一）数据来源

为调查农村流动人口数字素养与数字金融使用情况，课题组以江苏省为例，根据2020年外来就业人口在江苏省各市的分布情况，选择外来就业人口的主要流入地苏南3市（南京市、无锡市、苏州市）和苏中2市（南通市、扬州市）共5市作为调研地。课题组于2021年1—2月对上述地区的农村流动人口进行了调查。本文将农村流动人口界定为离开农村户籍所在地6个月以上的外出务工人员。本次调查内容涵盖农村流动人口个体的基本特征、就业状况、社会交往、家庭特征、数字使用及认知行为等信息。课题组采用多阶段分层随机抽样方法，每个市抽取3个县（区），每个县（区）抽取3个社区（村），每个社区（村）调查10—15 个农村流动人口个体。本次调查共获得农村流动人口个体样本总数540个。删除关键变量数据缺失的样本后，最终得到有效样本总数446个，样本有效率为83%。

（二）变量选取

1.被解释变量：数字金融使用行为。数字金融指传统金融机构与互联网公司利用数字技术实现融资、支付、投资和其他新型金融业务模式[5]。根据农村流动人口数字金融工具使用情况，本文重点分析数字支付、数字信贷和数字理财三类数字金融工具，并从两个方面探讨农村流动人口数字金融使用：第一，是否使用数字金融。如果农村流动人口个体使用过数字支付、数字信贷和数字理财三类数字金融工具中的任意一类，本文则认为该个体使用了数字金融。第二，数字金融使用广度。本文定义为农村流动人口个体使用的数字金融工具种类数。

2.核心解释变量：数字素养。本文参考现有国内外学者提出的数字素养基本框架[29，34，35]，结合农村流动人口个体特征，从数字技术使用和数字技术认知两个层面构建数字素养指标体系。具体指标选取及定义如表1所示。

表1 数字素养指标体系

本文采用Sarma[43]提出的平均欧几里得距离构建数字素养指数。该方法能避免分项指标出现完全可替代性，满足单位无关、有界、单调等良好指标特性，且便于计算。具体计算步骤如下：

（1）各维度指标标准化。

其中，Xij表示第i维度下第j个指标处理后的标准值，Bij表示该指标的实际值，mij表示该指标的最小值，Mij表示该指标的最大值。

（2）权重确定。各维度赋权是数字素养指数构建的关键，本文采用变异系数赋权法。与主观赋权法相比，该方法更具客观性。同时，本文还对各维度分别计算权重，这可以有效避免所有维度混合计算赋权可能带来的某一维度指标数量过多而权重过大的问题。

首先，计算第i 维度下各指标的变异系数Vij和权重wij。如式（2）和式（3）所示：

其中，Sij表示第i 维度下第j 个指标的标准差，表示该指标的平均值。

其次，计算各维度的变异系数Vi和权重wi。如式（4）和式（5）所示：

其中，Si表示第i维度数字素养指数的标准差，表示该维度数字素养指数的平均值。

（3）指数合成。通过计算获得各维度指数Di后，进一步计算得到数字素养指数D。具体如下：

3.控制变量。本文分别选取了农村流动人口个体特征、就业状况、社会资本和家庭特征的控制变量。此外，采用虚拟变量控制地区效应，从而消除可能存在的地区层面的异质性影响。主要变量定义及描述分析如表2所示。

表2 变量说明及描述性统计

（三）模型构建

1.基准模型。首先，为分析数字素养对农村流动人口使用数字金融工具的影响，本文构建了如下Probit模型：

其中，被解释变量yi是衡量农村流动人口是否使用数字金融工具的哑变量；G()· 为标准正态分布函数；Di为核心解释变量，表示农村流动人口数字素养水平；Xk为反映个体、家庭及地区等特征的控制变量；β1和βk为待估参数，k=2,3,…,K。

其次，为分析数字素养对农村流动人口数字金融使用广度的影响，考虑到被解释变量数字金融使用广度为具有计数特征的非负整数，本文构建了如下Poisson模型进行估计：

其中，农村流动人口数字金融使用广度Ti=ti的概率由参数为λi的泊松分布决定，λi＞0 为“泊松到达率”，表示事件发生的平均次数，由解释变量xi决定。

2.样本选择偏差问题。基准模型中，本文分别采用Probit模型和Poisson模型估计数字素养对农村流动人口是否使用数字金融工具和数字金融使用广度的影响，得到一致估计结果的前提是参与方程（是否使用）和结果方程（使用广度）相互独立。由于一部分农村流动人口并未使用数字金融工具，从而其数字金融使用广度为零，造成被解释变量数字金融使用广度具有数据截断特征。为解决上述问题，本文参考Mullahy[44]的研究思路，运用Poisson Hurdle模型（PH模型）进行估计，该模型可以有效解决被解释变量受限问题。PH模型的构成如下：

首先，采用Complementary Log-log 模型（CLL 模型）估计农村流动人口个体是否使用数字金融工具。具体模型如下：

其中，x是影响农村流动人口个体是否使用数字金融工具的外生变量集，η是对应的系数向量。

其次，如果个体使用数字金融工具（yi=1），则进一步采用Truncated Poisson Regression 模型（TPR模型）估计其数字金融使用广度。具体模型如下：

其中，h是影响农村流动人口个体数字金融使用广度的外生变量集，κ是对应的系数向量。

将（10）、（11）和（12）式联立，可得PH 模型的对数似然方程：

3.内生性问题。本文采用工具变量法解决可能存在的内生性问题。由于本文的被解释变量分别为是否使用数字金融工具的二值型变量和数字金融使用广度的计数型变量，核心解释变量数字素养水平为连续型变量，因此，本文分别采用处理二值型被解释变量的IV-Probit 模型和处理计数型被解释变量的IV-Poisson模型进行工具变量回归分析。

对于工具变量的选取，考虑到有效的工具变量应满足以下条件：第一，相关性。工具变量应与数字素养水平相关。第二，外生性。工具变量并不直接影响个体数字金融使用。据此，本文采用个体所在流入地农村流动人口数字素养平均水平作为工具变量。

四、实证分析

（一）基准回归分析

表3报告了数字素养对农村流动人口数字金融使用行为影响的基准回归结果。其中，（1）和（3）列仅加入了数字素养这一变量，（2）和（4）列是引入了控制变量后的回归结果。从（1）和（3）列可以看出，数字素养变量的回归系数均在1%的水平上显著为正，表明数字素养不仅显著提升了农村流动人口数字金融使用概率，还提升了其数字金融使用广度。（2）和（4）列加入控制变量后，所得结论依然稳健。

表3 数字素养与农村流动人口数字金融使用行为基准回归结果

（二）纠正样本选择偏差

上文采用Probit模型和Poisson模型分别探讨数字素养对农村流动人口是否使用数字金融和数字金融使用广度的影响，估计结果可能会因为参与方程（是否使用）和结果方程（使用广度）并非相互独立而存在样本选择偏差问题。为纠正模型估计中可能存在的选择性偏误，本文进一步采用Poisson Hurdle模型进行估计，结果如表4所示。

表4 数字素养与农村流动人口数字金融使用的Poisson Hurdle模型结果

由于Poisson Hurdle 模型要求CLL 模型和TPR模型中至少有一个排他性解释变量，不同时出现在两个模型中。本文选择农村流动人口个体经常使用的银行卡开户行数作为排他性解释变量，原因是个体经常使用的银行卡开户行数越多，其金融需求可能越多样化，从而可使其数字金融使用广度增加。而数字金融使用仅需个体有银行卡就能实现，与银行卡开户行数量的多少并无直接联系。从模型估计结果来看，控制样本选择性偏差后，数字素养变量的回归系数仍显著为正，即数字素养有利于促进农村流动人口个体数字金融使用概率及广度的提高。排他性解释变量银行卡开户行数与数字金融使用广度也存在显著的正相关关系，表明农村流动人口个体银行卡开户行越多，其数字金融使用广度也会提高。

（三）内生性处理

除了样本选择偏差，数字素养对农村流动人口数字金融使用影响的回归模型可能还面临潜在的内生性问题。本文选用“个体所在流入地农村流动人口数字素养平均水平”作为核心解释变量数字素养的工具变量，分别采用IV-Probit 模型和IV-Poisson模型估计数字素养对农村流动人口是否使用数字金融和数字金融使用广度的影响，并采用CMP方法的估计结果做对照检验，结果如表5所示。

表5 数字素养与农村流动人口数字金融使用的工具变量回归结果

从一阶段回归结果来看，个体所在流入地农村流动人口数字素养平均水平与个体本身的数字素养水平在5%的水平上显著正相关，表明本文选用的工具变量满足相关性条件。进一步地，数字素养对农村流动人口是否使用数字金融影响的IV-Probit 模型估计结果显示，Wald 检验的χ2统计量为17.11，且在1%的水平上显著，表明在该模型中数字素养为内生变量，基准回归结果可能会受到内生性问题的干扰。同时，本文也采用CMP 估计做进一步验证，估计所得内生性参数在1%的水平上显著为正，说明采用的工具变量来处理模型可能存在的内生性是合理的。通过矫正可能存在的内生性问题后，数字素养对农村流动人口是否使用数字金融的影响仍在1%的水平上显著为正。从数字素养对农村流动人口数字金融使用广度的IV-Poisson模型和CMP估计所得结果来看，模型的内生性参数均不显著，表明在该模型中，核心解释变量数字素养并不存在显著的内生性问题，因而前文基准回归所得结果是较为稳健的。

（四）数字素养对农村流动人口使用不同数字金融工具的影响

为进一步考察数字素养对农村流动人口使用不同数字金融工具的影响，本文分别检验了数字素养对农村流动人口使用数字理财、数字融资和数字支付三类数字金融工具的影响，估计结果如表6所示。农村流动人口数字素养水平越高，其使用数字理财和数字支付的概率就越大。从边际影响效果来看，农村流动人口数字素养水平的提高对其使用数字理财的促进作用相对更大。但是，数字素养对农村流动人口使用数字融资的影响并不显著。可能的原因是，互联网借贷平台存在一定风险，尤其是网贷平台违规跑路事件频发，随着个体数字素养水平的提高，其对数字融资方式的选择也会更为谨慎。

表6 数字素养对农村流动人口使用不同数字金融工具的影响

（五）不同类型数字素养对农村流动人口数字金融使用行为的影响

本文还考察了不同类型数字素养对农村流动人口数字金融使用行为的影响，结果如表7所示。根据数字素养指标构建思路，本文将数字素养细分为数字技术使用素养和数字技术认知素养。结果显示，数字技术使用素养和数字技术认知素养均对农村流动人口个体数字金融使用概率的提高具有显著的正向影响。从边际影响效果来看，数字技术使用素养水平的提高更有利于农村流动人口个体数字金融使用概率的提高。从不同类型数字素养对农村流动人口数字金融使用广度的影响来看，数字技术使用素养对个体数字金融使用广度的增强具有显著正向影响，而数字技术认知素养的影响并不显著。这说明要促进农村流动人口使用数字金融需侧重强化其数字技术使用技能。

表7 不同类型数字素养对流动人口数字金融使用行为的影响

（六）数字素养对农村流动人口数字金融使用行为的影响机制

前文分析表明数字素养对农村流动人口数字金融使用具有显著的正向影响，接下来本文进一步探讨数字素养影响农村流动人口数字金融使用的内在机制。一方面，数字素养的提升可以使个体获得更多的信息，通过个体增加对金融相关信息的关注或自身金融知识水平的提升，从而促使其使用数字金融；另一方面，数字素养的提升也可以提高个体风险偏好水平，从而使个体更愿意接触新兴事物，促进其对数字金融的使用。鉴于此，本文采用中介效应模型实证检验数字素养对农村流动人口数字金融使用行为的影响机制。

1.金融信息关注机制。数字素养的提升可以拓展个体信息获取渠道，增强其信息获取能力，提高其对金融相关信息的关注。金融信息关注增加有助于个体及时跟踪掌握金融产品信息，从而促进其对数字金融的使用。在对流动人口的问卷调查中询问了受访者“您平时对金融方面的信息关注程度如何？”，本文将回答“从不关注”“很少关注”“一般”的赋值为0，将回答“很关注”“非常关注”的赋值为1。表8报告了检验数字素养通过金融信息关注机制进而影响农村流动人口数字金融使用行为的实证结果。（1）列的回归结果显示，数字素养与中介变量金融信息关注的回归系数在1%的水平上显著为正，表明数字素养提升会显著增加个体对金融信息的关注。（2）列在解释变量中引入中介变量金融信息关注后，结果表明金融信息关注对农村流动人口个体是否使用数字金融并没有显著影响。根据中介效应检验程序，需进一步采用Sobel 检验来判断数字素养对农村流动人口数字金融使用决策影响中是否存在金融信息关注的影响机制。Sobel 检验值为1.047，在统计上并不显著，表明数字素养对农村流动人口是否使用数字金融的影响中并不存在金融信息关注的中介效应。（3）列在解释变量中引入中介变量金融信息关注后，结果表明金融信息关注对农村流动人口数字金融使用广度在1%的水平上显著为正，但数字素养对数字金融使用广度的影响并不显著，表明数字素养可以通过促进个体对金融信息的关注进而扩大其数字金融使用广度。在这一过程中，金融信息关注起到了完全中介效应作用。

表8 数字素养与农村流动人口数字金融使用行为：金融信息关注机制的检验

2.金融知识机制。数字素养的提升不仅可以拓宽个体信息获取渠道，促使个体增加关注金融相关信息，还可以促进个体相关金融知识的积累，进而提升金融知识水平。现有研究也发现金融知识水平的提升可以促进个体数字金融的参与[20，21]。调查中，对农村流动人口金融知识水平进行测试，设置了复利计算、通货膨胀理解和风险认知等测试题目③，并采用因子分析法测算得到个体金融知识综合得分。表9报告了检验数字素养通过金融知识机制进而影响农村流动人口数字金融使用行为的实证估计结果。（1）列结果显示，数字素养与中介变量金融知识的回归系数在1%的水平上显著为正，表明数字素养提升会促进个体金融知识水平的提高。（2）列在解释变量中引入中介变量金融知识后，结果表明金融知识对个体是否使用数字金融并没有显著影响。进一步采用Sobel 检验的结果表明，Sobel 检验值为0.045，在统计上并不显著，表明数字素养对农村流动人口是否使用数字金融的影响中并不存在金融知识的中介效应。（3）列在解释变量中引入中介变量金融知识后，结果表明金融知识对个体数字金融使用广度在1%的水平上显著为正，且数字素养对数字金融使用广度的影响也仍在10%的水平上显著为正。这表明数字素养可以通过金融知识机制影响个体数字金融使用广度，且在该过程中，金融知识起到了部分中介效应作用。

表9 数字素养与农村流动人口数字金融使用：金融知识机制的检验

3.风险偏好机制。数字素养的提升可以使个体更全面地了解数字相关产品，提高其风险偏好水平，进而促进其数字金融使用。问卷调查中询问了受访者“如果有一笔钱，更愿意选择何种投资项目”，根据受访者的回答，本文对“不愿意承担任何风险”“略低风险、略低回报的项目”“平均风险、平均回报的项目”“略高风险、略高回报的项目”“高风险、高回报的项目”依次赋值1 至5，以此衡量受访者的风险偏好程度。表10报告了检验数字素养通过风险偏好机制进而影响数字金融使用行为的实证估计结果。（1）列结果显示，数字素养与中介变量风险偏好的回归系数在5%的水平上显著为正，表明数字素养的提高可以提升个体的风险偏好水平。（2）列加入中介变量风险偏好后，风险偏好的系数并不显著。进一步采用Sobel 检验结果显示，Sobel 值为0.856，在统计上并不显著，表明数字素养对农村流动人口是否使用数字金融的影响中并不存在风险偏好的中介作用。（3）列加入中介变量风险偏好后，结果表明风险偏好的系数在1%的水平上显著为正，且数字素养的系数也在10%的水平上显著为正。这表明数字素养对农村流动人口数字金融使用广度的影响中存在风险偏好的中介作用，且在该过程中，风险偏好起到了部分中介效应作用。

表10 数字素养与农村流动人口数字金融使用：风险偏好机制的检验

五、稳健性检验

本文分别采用遗漏变量检验和改变自变量的测度方式进行稳健性检验。

（一）遗漏变量检验

虽然本文在基准回归过程中已尽可能地控制了农村流动人口个体特征、就业状况、社会资本、家庭特征及地区特征等多方面因素，但仍无法确保模型中不存在遗漏变量问题，从而带来估计偏误。因此，本文采用Oster[45]提出的两种方法来检验遗漏变量及其对回归的影响。

Oster[45]指出当回归模型存在不可观测的遗漏变量时，可根据估计量β*=β*(Rmax,δ)获得核心解释变量对被解释变量的一致估计。在本文中，β*衡量的是数字素养对农村流动人口数字金融使用行为的影响；Rmax为当不可观测的遗漏变量能够被观测时，回归方程的最大拟合优度；δ为选择比例，衡量的是可观测变量与关注变量的相关关系相较于不可观测遗漏变量与关注变量的相关关系的强弱。具体地，参考Oster[45]，本文采用以下两种方法对实证结果进行稳健性检验：方法一，根据当前回归拟合优度的1.3倍确定Rmax，且δ值取-1时，如果β*=β*(Rmax,δ)落在了估计参数的95%置信区间内，则意味着数字素养对农村流动人口数字金融使用行为的影响并不会因遗漏变量问题而发生变化；方法二，Rmax取值方法如前所述，计算使β=0 的δ值，若δ值大于1，则表明估计结果通过了稳健性检验。

由于Oster[45]的方法主要适用于被解释变量为连续变量的情形，本文采用了OLS 回归，结果如表11所示。采用方法一的稳健性检验结果显示，数字素养对农村流动人口是否使用数字金融和数字金融使用广度的影响的计算结果落在了β的95%置信区间内。采用方法二的稳健性检验结果显示，当不可观测的遗漏变量能够被观测时，计算所得δ值均大于1。上述结果表明，数字素养对农村流动人口数字金融使用行为的影响并不会因遗漏变量的存在而发生显著变化，即前文结论是稳健的。

表11 遗漏变量检验结果

（二）改变核心自变量的测度方式

本文还通过改变核心自变量数字素养的测度方式来检验估计结果的稳健性。采用熵值法对数字素养进行测度后，所得估计结果如表12所示。数字素养对农村流动人口是否使用数字金融和数字金融使用广度的系数均在1%的水平上显著为正，再次验证了数字素养可以提升农村流动人口使用数字金融的概率和广度这一结论。

表12 稳健性检验结果：改变核心自变量测度方式

六、研究结论与启示

本文基于2021年江苏省5 市15 县（区）农村流动人口调查数据，考察了数字素养对农村流动人口数字金融使用行为的影响。研究结果表明：第一，数字素养是影响农村流动人口数字金融使用行为的重要因素。数字素养不仅可以提升农村流动人口数字金融使用概率，还可以扩大其数字金融使用广度。第二，数字素养对农村流动人口不同数字金融工具使用行为的影响存在差异。相比于数字融资工具的使用，数字素养可以显著提升农村流动人口对数字理财和数字支付工具的使用。第三，不同类型数字素养对农村流动人口数字金融使用行为的影响存在差异。不同类型数字素养均可以显著提高农村流动人口数字金融使用概率，但仅数字技术使用有助于扩大农村流动人口数字金融使用广度。第四，数字素养对农村流动人口数字金融使用的影响机制检验表明，数字素养可以通过增加金融信息关注、提高金融知识水平和提升风险偏好水平来提高农村流动人口数字金融使用广度。本文在采用Poisson Hurdle模型修正样本选择偏误，以及综合采用IV-Probit模型、IV-Poisson 模型和CMP 模型处理可能存在内生性问题，并通过遗漏变量检验、改变核心自变量的测度方式进行稳健性检验后，所得研究结论依然成立。

基于此，为在数字化时代更好地实现数字技术赋能，推动数字金融发展，有效提升农村流动人口“金融市民化”水平，本文提出如下建议：第一，多措并举提高农村流动人口的数字素养水平。一方面，积极在农村地区开展数字化普及教育，鼓励学校、行业组织和社会教育机构等参与农村数字化教育体系建设；另一方面，农村流动人口是当前数字乡村建设和城市数字经济发展中不可或缺的参与主体，政府应调动多方资源，采用线上线下等多种形式开展面向农村流动人口的基础数字技能科普与培训，适当地对参与数字技能学习及培训的农村流动人口提供财政补贴和奖励，激发其学习的积极性，从而在农村流动人口群体中形成数字化学习的优良环境。第二，金融信息关注不足抑或金融知识水平低下会限制农村流动人口数字金融使用。因此，在提升农村流动人口数字素养水平的同时，还应加大金融知识教育普及力度，从而提高农村流动人口数字金融行为决策的有效性。第三，建立健全数字金融风险管理的相关体制机制，保护数字金融参与者的合法权益。个体在使用数字金融工具时也会面临安全性风险，政府应规范完善数字金融产品设计，防范潜在的金融风险，保护数字金融参与者的合法权益，从而使农村流动人口能够真正享受数字金融成果。■

注 释

①详 见http：∕∕www.stats.gov.cn∕tjsj∕zxfb∕202104∕t20210430_1816933.html。

②数据来自《第47次中国互利网络发展状况统计报告》，中国互联网络信息中心，2021年。

③调查问卷中设置了如下金融知识水平测试题：Ⅰ假设银行的年利率是40%，如果把100元钱存1年定期，1年后获得的本金和利息为？a.小于104 元；b.等于104 元；c.大于104元；d.算不出来。Ⅱ假设银行的年利率是5%，通货膨胀率每年是3%，把100 元钱存银行一年后能够买到的东西将？a.比一年前多；b.跟一年前一样多；c.比一年前少；d.算不出来。Ⅲ一般而言，股票和基金哪个风险更大？a.股票；b.基金；c.没有听过股票；d.没有听过基金；e.两者都没有听过。