数字普惠金融对居民消费的影响研究

付欣然

(南京审计大学 江苏南京 210000)

随着经济转型、产业升级及居民消费观念转变，居民消费对我国经济的推动作用越来越显著。居民消费不仅能够促进经济增长，也能够帮助发展中国家应对普遍存在的就业问题、产业升级、结构转型等挑战。

自2016年我国第一次提出“数字普惠金融”起。近几年，互联网技术、大数据和云计算等创新技术推动了数字金融的进步。不仅大幅降低了金融服务的成本，也提升了金融服务的可获得性，扩大了其使用范围，满足了那些通常难以享受到金融服务的低收入和弱势群体的需求，进一步增强了居民消费活力，特别是占全国人数较大比重的农村及中西部地区的居民。

1 居民消费现状

面对严峻的国际形势及新冠疫情的冲击，2020年我国居民消费水平仍能维持在27438元，较2018年及以前持续上升，说明我国居民拥有较强的消费主动性，消费增长空间较大。

2020年之前，我国居民的恩格尔系数呈现连年下降的趋势，从2016年的30.1%减少至2019年的28.2%，符合联合国最富裕的标准。虽然2020年全国居民恩格尔系数为30.2%，较此前略有上升，但主要是为了恢复疫情对居民消费产生的停滞刺激。整体来说，本国经济发展程度和人民生活水平在不断提升，居民消费结构也得到了优化。

2 数字普惠金融对居民消费的影响

最近几年，以互联网作为技术支撑的数字普惠金融快速发展，在线支付逐渐被广泛运用，大部分小额支付，如小额P2B消费，仅通过一部联网的手机便可完成交易，克服了传统金融对物理网点的依赖，地理穿透力更强、成本更低。

此外，随着对支付业务的深度挖掘，产生了如云闪付、支付宝等创新型支付手段。它们一方面以其低廉的交易成本和高效的交易数据处理方式，提高了消费成交量；另一方面，通过提供小额信用支付服务，减少了居民预防性储蓄的需求，从而缓解了当期收入不足带来的流动性约束问题，促进了居民消费。

3 模型设计与数据来源

3.1 数据来源

本文采用2014—2020年我国31个省(市区)的数据进行分析并对结果进行研究论证。其中，关键解释变量选取来自北京大学数字金融研究中心发布的数字普惠金融发展指数，其余变量选取来自各省统计年鉴和国泰安数据库的数据。选用Eviews软件对数据进行回归分析。

3.2 研究假设与模型构建

3.2.1 研究假设

假设1：发展数字普惠金融能增加居民消费。由于数字化支付的便捷性、快捷性、较低的交易成本及信用支付服务可得性的提升，居民消费被正向影响。

假设2：数字普惠金融对居民消费的促进作用在农村区域、中西部区域更为明显。由于农村与中西部区域消费者获得金融服务较难，金融抑制现象较为普遍，导致数字普惠金融缓解其信贷约束的效果大于城镇与东部地区。

假设3：数字普惠金融的影响有不同消费水平区域的异质性。

3.2.2 模型构建

为了明确数字普惠金融的发展与居民消费之间的关系，在前述现状分析和理论假设的基础上，构建如下计量模型：

lnYit=αi+βlnX1it+γlnX2it+δlnX3it+ζlnX4it+εit

其中，区域用i表示，年份用t表示。被解释变量为Yit，表示i区域t年内的居民人均消费支出。核心解释变量为Xit，表示i区域t年内数字普惠金融发展指数。i区域t年内的人均可支配收入、少儿人口抚养比、老年人口抚养比分别用控制变量X2it、X3it和X4it表示。根据收入消费决定理论，必须予以控制收入。同时，根据生命周期理论，较高的少儿人口抚养比和较低的老年人口抚养比会促进消费增长，因此，也需控制人口结构变量。为了消除异方差对结果的干扰，本文对所用到的数据均进行对数化。同时，考虑到少儿人口抚养比和老年人口抚养比数值较小，因此，均先乘以100后再进行对数化处理。

3.3 描述性分析

变量的描述性统计如表1所示。由表1可知：

表1 变量的描述性统计

居民人均消费支出对数的平均值为9.81，其真实值为18322.57。居民人均消费支出对数的最小值为9.58，相对应的实际数值为14491，最大值为9.98，相对应的实际数值为21559，最大值约是最小值的1.5倍。同时，该指标存在一个相对较小的标准差(0.14)，说明我国居民消费水平各省份之间的差异较小。

数字普惠金融发展指数对数的均值为5.56。最小值和最大值分别为5.19、5.83，相差0.64。此外，数字普惠金融发展指数对数标准差数值较大，为0.21。以上数据结果分析表明，数字普惠金融发展程度在不同省份之间差距较大。

4 实证分析

4.1 基准分析

基于Hausman验证的结果，采取面板固定效应实证检验预估模型。表2列出了基于模型的固定效应基准回归的数据，并采取逐步增加控制变量的回归方法，以去除遗漏变量造成的影响。

表2 面板固定效应回归

只将各省的数字普惠金融发展指数放入回归模型，得到回归常数为0.6425。接着，在下一列中加入人均可支配收入变量后，可以明显地看到回归常数大幅下降为0.1593。然后，在第三列中放入少儿人口抚养比，在第四列中放入老年人口抚养比。通过观察回归数据可以观察到，随着控制变量加入数量的增多，数字普惠金融发展指数的回归常数呈现统计明显为负的现象。但考虑到新冠疫情对消费支出的负面影响，整体来说，居民消费对数字普惠金融的发展呈现正向反应。

从控制变量的角度来看，居民人均消费支出对人均可支配收入的增长呈现积极反应，说明收入的增长能够正向刺激居民消费。因此，出于促进居民消费支出的目的，相关政策应着重于提高居民的可支配收入。

4.2 城乡及区域异质性分析

4.2.1 分城乡的异质性分析

由于农村区域金融服务的可获得性较低，存在较为普遍的金融抑制现象，因此，相较于我国东部地区，数字普惠金融对其信贷约束的缓解效力较大。所以，为了验证假设2，分析数字普惠金融的发展由于城乡的地域差异，而对居民人均消费支出产生的不同影响，进行回归分析。

分析结果说明，与对城镇消费者人均消费支出的影响相比，数字普惠金融对农村区域的消费者人均消费支出的影响呈现更为正向的结果，回归常数为0.0574。对于这个结果，可能的原因是，数字普惠金融的可得性存在显著的群体差异。农村地区金融抑制现象更为普遍, 金融服务的可得性较低，而数字普惠金融克服了传统金融对物理网点的依赖，具有更强的地理穿透力，并以其低成本及高效率的优势，导致其发展能更为显著地约束缓解农村地区居民的流动性。证明了假设2中关于城乡差异性的假设。

4.2.2 分区域的异质性分析

根据基准分析的结果，人均可支配收入对居民人均消费支出具有显著正向影响。但由于不同消费水平地区消费结构组成不同，数字普惠金融的影响程度也可能不同。为验证假设3中对消费水平地区差异性的假设，将总体样本划分为高消费水平地区、中消费水平地区和低消费水平地区3个子样本并进行回归，回归结果如表3所示。

表3 消费水平地区异质性

结果表明，数字普惠金融的发展对消费水平较低地区的居民人均消费支出的增加作用更显著,检验了假设3中对消费水平地区异质性的猜想。

5 结语

5.1 结论

总体而言，数字普惠金融对居民消费具有正向效应。在经过分城乡的异质性分析及分区域的异质性分析后，进一步得出数字普惠金融对居民消费的促进作用在农村区域、中部区域和西部区域更为明显。从回归结果来看，数字普惠金融对居民消费支出的影响有消费水平地区的异质性，对消费水平较低区域的居民人均消费支出存在更显著的促进作用。

5.2 建议

5.2.1 健全数字普惠金融基本设施

虽然从整体上看，数字普惠金融发展势头较为强劲，但仍存在城镇地区领先于农村地区、东部地区领先于中西部地区的发展不平衡问题。因此，政府应为数字普惠金融的进一步发展推出更多的政策支持，如税款优惠等。完善以网络为中心的基础设施建设，促进数字化支付、消费信贷、互联网投资等创新型支付手段面向更大的消费群体，提升数字普惠金融普及人群的比率与受众满意程度。同时，由于数字普惠金融对农村地区、中西部地区信贷约束的缓解效力大于城镇与东部地区，因此应大力推进乡村区域与中西部区域的电子信息技术的基础设施建设，不断减少金融服务提供方所需的成本，从而提高农村地区与中西部地区数字普惠金融服务的可得性，为数字普惠金融的发展打造良好的环境。

5.2.2 健全数字普惠金融监管体制

近年来，数字普惠金融迅速发展，但依然存在客户数据隐私保护和信息披露、数据的权属与生态不完善等方面的问题。进一步挖掘数字普惠金融的潜力，还有赖于金融基本设施的建造与相关法律法规的完善。政府要不断加强金融数据的标准化建设，加快完善征信体系。相关监管部门要严格落实数据安全管理制度，加大数据安全的保障力度，加强对金融消费者的权益保护，使其消费行为更加安全和隐蔽。同时，要加速推进新型监管平台建设，搭建全国性的信用信息共享平台，及时整合市场监管、海关、税务、社保等部门及互联网平台的信息，有效解决信息不对称等问题。