数字金融对家庭风险投资决策的影响及路径研究——基于CHFS 数据的实证检验

□ 胡宁宁 侯冠宇

（1.中国财政科学研究院，北京 100142；2.中国政法大学商学院，北京 100088）

一、引 言

《“十四五”规划和2035 年远景目标纲要》指出要“加快数字化发展建设数字中国、打造数字经济新优势、营造良好数字生态”。作为新一轮技术革命的产物，数字经济是实现经济高质量发展、加速产业升级与转型、改善人民生活的重要路径。在此背景下，数字经济助推大数据、云计算、人工智能等数字科技手段不断向金融领域渗透，在融合了传统金融、互联网金融、移动数字化情况下，数字金融应运而生。加快建设数字经济，激发数据要素潜能，以数字化转型驱动生产方式和生活方式变革是实现社会主义现代化的重要内容。作为数字经济发展的重要组成部分，数字金融既是数字经济向传统金融渗入的结果，也是助推数字经济发挥功能的重要驱动力。2022 年中央一号文件指出，“要加快推动数字乡村标准化建设、持续开展数字乡村试点，拓展农业大数据应用场景，推动农业农村现代化迈出新步伐”。

数字金融借助数字技术来助推传统金融发展与变革，具有较强的“普惠性”，是助推金融资源与服务在民生领域“落地”和“生根”的加速器，也是改善人民幸福生活、实现乡村振兴与共同富裕的重要抓手。2022 年1月，中央网信办等10 部门印发《数字乡村发展行动计划》强调要“着力发展乡村数字经济，着力提升农民数字素养与技能，着力繁荣乡村网络文化，着力提高乡村数字化治理效能”。数字金融以金融资源和服务为关键要素，借助现代信息网络载体，改变了传统金融行业的服务和创新方式，加速了金融服务向微观主体的倾斜过程，增强了金融资源和服务对微观主体的关注。在疫情叠加实体经济下行压力加大等现实背景下，探索重构数字金融发展新思路新举措势在必行，尝试性解构数字金融对微观主体的决策行为的影响逻辑既十分必要也非常重要。

二、文献述评与理论假设

（一）文献述评

随着我国社会经济的快速发展，居民生活水平得到显著改善，如何将家庭财富进行合理配置成为当下居民面临的现实问题。以“数字金融”为核心关键词，在CNKI 截取近五年相关论文数据，在CiteSpace 中运行得到图1。已有研究围绕数字金融、创业决策、信贷需求、社会资本、金融知识、金融素养、社会资本、家庭金融展开。2017-2019 年，关于农村居民、金融教育、信贷需求的相关研究成为热点内容，2019-2021 年家庭投资组合、大数据等得到学界关注。

图1 以“数字金融”为主题的CiteSpace 可视化网络图与关键词突现

经济学领域有关资产配置的研究，最核心的理论是Markowitz 的投资组合理论[1]。Markowitz（1952）认为个体应该根据各自的风险偏好程度，将总资产在风险资产和无风险资产中进行分配，组成一个充分分散化了的组合。即所有投资者将参与包括风险资产和无风险资产的所有资产的投资。有学者在Markowitz 基础上，将投资期扩展到多期，得出与单期投资行为相同的结论[2]。但传统时期的投资组合理论假设仅体现在风险厌恶与否，其他特征并没有考虑在内。由于性别、年龄、家庭收入、受教育程度同样会导致不同个体、家庭采取不同的投资组合策略。已有学者研究发现，教育程度[3]、年龄和性别[4]、财富水平会对投资者参与金融市场的积极性产生影响。国内关于家庭投资规模的研究，有学者认为拥有更高金融知识水平的家庭为规避风险，会选择更加分散和资产配置方式[5]，经济政策、数字金融、制度环境[6]利于家庭金融资产的合理配置，经济政策不确定性降低了家庭风险金融资产比例[7]。由于信息对家庭风险金融资产投资具有正向影响，家庭收集并掌握的信息越多，面临的信息成本越低、越有可能配置风险金融资产[8]。有学者证实了数字普惠金融对家庭风险金融市场的参与概率和参与深度存在正向影响[9]，影响机制是金融可得性提高、交易成本的下降[10]。在微观层面，数字金融的发展降低了家庭创业成本、进而提高了家庭收入[11]，缓解了实体经济部门的信贷约束，同时推动实体经济高质量发展[12]。

理性经济人为实现最优家庭资产组合配置应当持有一定比例的风险金融资产，数字金融的发展，是否影响并改善了家庭风险金融资产投资行为与投资规模是本文探究的问题。若影响存在，具体路径机制如何？本文基于2019 年相关数据，探究数字金融对家庭风险金融投资决策的影响。本文创新之处在于，从金融知识、风险偏好、移动互联网技术、家庭收入水平四条路径探究数字金融对家庭风险投资决策的影响，并从家庭风险投资行为和投资规模两个维度对家庭风险决策进行解读，具有一定的理论意义和现实意义。

（二）理论基础与研究假设

数字金融的纵深发展，已将金融服务触达范围拓展至弱势群体与落后地区，在缓解地区贫困、缩小贫富收入差距等方面发挥了重要作用[13]。发展数字金融能够拓宽融资渠道，缓解金融市场与投资主体之间的信息不对称问题[14]。数字金融发展程度越高，其覆盖范围越广、金融普惠程度加深、金融数字化速度加快，对微观个体行为认识、家庭金融的可及性、以及财富水平的影响也越深入。数字金融能够通过直接或间接的方式，促进更多家庭参与风险资产投资和提升风险资产规模。故提出假说H1：数字金融对家庭风险投资行为与规模具有正向影响。

数字金融指数由数字金融的移动化、实惠化、信用化、便利化四个方面构成。数字金融发展程度越高，微观主体个人和家庭了解的金融信息越丰富、获取的金融服务越多，对金融的认知越清晰。故提出假说H2：金融知识是数字金融影响家庭风险投资行为与规模的重要路径之一。

数字金融的快速发展改变了微观家庭的“风险担忧”和风险偏好，减少家庭对金融投资和风险的逃避性，增加其对风险投资的全面认知，能够在一定程度上促进家庭风险投资行为、提升风险投资资产的规模。故提出假说H3：风险偏好是数字金融影响家庭风险投资行为与规模的重要路径之二。

移动互联网作为市场主体和数字金融服务的关键技术手段，缩短了家庭与金融信息、服务之间的距离，移动设备的便利性增强了数字金融的可及性，使得家庭获得更多的数字金融信息和服务，数字金融能够通过移动互联网的可及性促进家庭风险投资。故提出假说H4：移动互联网技术是数字金融影响家庭风险投资行为与规模的重要路径之三。

数字金融的发展减少了传统金融资源对家庭的限制，改善微观主体面临的融资约束问题，提升了家庭成员使用金融资源的便利度，促进家庭财富收入的增加，进而改善家庭资产规模，正向影响家庭风险金融资产投资。故提出假说H5：家庭收入水平是数字金融影响家庭风险投资行为与规模的重要路径之四。

基于以上分析，本文从金融“数字化”视角进行深入研究，选取金融知识、风险偏好、移动互联网技术、家庭收入水平作为中介变量，代表金融知识水平、风险偏好程度、移动互联网可及性、收入水平四条传导路径，探讨数字金融对家庭投资决策的具体影响路径。

三、数据来源与模型构建

（一）数据来源

本文数据来源之一，是西南财经大学中国家庭金融调查与研究中心的“中国家庭金融调查”（CHFS）数据样本。该项目每两年进行一次，旨在收集家庭主要包括住房资产、金融财富、负债、信贷约束、收入、消费、社会保障以及人口特征等方面的信息，采用多项措施控制抽样误差和非抽样误差。2019 年中国家庭金融调查数据样本覆盖了全国29 个省（自治区、直辖市），343 个区县，1360 个村（居）委会，最终收集了34643 户家庭、107008 个家庭成员的信息，具有全国及省级代表性。本文数据来源之二，是由北京大学数字金融研究中心公布的普惠金融指数，该指数包含三个维度：使用深度、覆盖广度和数字化程度，本文选取“数字化程度”作为数字金融的衡量指标，数字化程度主要涵盖了移动化、实惠化、信用化、便利化四个方面内容，能够较好反映我国数字金融发展程度[15]。

（二）变量指标选取

1. 被解释变量。本文将家庭风险投资决策作为本文研究的被解释变量。将是否参与股票、债券、理财产品、金融衍生品以及非人民币资产等投资作为家庭风险投资行为的代理变量，将参与风险投资的资产价值占金融资产的相对规模比作为风险投资规模变量。

2. 核心解释变量。本文使用数字化作指数为数字金融指数的代理变量，主要包含移动化、实惠化、信用化、便利化四个方面。

3. 控制变量。选取年龄、受教育程度、性别、户籍性质、金融知识、风险偏好、移动互联网设备、房产数量、家庭规模、家庭财富水平、城市等级、城镇化率作为本文的控制变量。

4.金融知识赋分。金融知识评价体系主要从主观层面、客观层面两个维度进行：选取CHFS 调查问卷设置的题目H3101、D9203 作为主观层面的评价标准，H3105、H3106 作为客观层面的评价标准：一是考察受访者对经济金融问题的关注程度和了解程度，主要针对受访者对H3101、D9203 的答题进行赋值。二是考察受访者对利率问题和通货膨胀问题的掌握程度，最后通过因子分析构建金融知识指标。1

表1 变量选取与变量描述

（三）模型构建

1.基准模型构建

本文选择家庭风险投资行为与规模作为被解释变量，数字金融指数作为核心解释变量。选取户主层面、家庭层面以及地区层面的特征变量作为控制变量。考虑被解释变量的类型差别：家庭风险投资行为是取值为0 和1 的离散变量，风险资产配置是受限因变量，存在大量零值，属于截断数据，故本文分别采取Probit 和Tobit 对因变量进行模型构建与分析。具体模型构建如下：

（1）Probit 模型构建：

模型（1）中Y 表示家庭风险投资选择情况，digitfina为数字金融指数，X代表各个控制变量，ε为随机扰动项。

（2）Tobit 模型构建：

其中y表示家庭风险资产规模，y*表示对应的潜变量，当y*≥0 时，y=y*，否则为0。

2.中介模型构建

本文构建中介模型进行进一步考察数字金融对家庭风险投资的影响路径。中介模型的构建分为三步：

其中（4）方程的系数δ为自变量digitfina对因变量RI/RA的总效应。方程（5）的系数∂为自变量digitfina对中介变量效应。方程（6）的系数 ‘δ是控制了自变量digitfina的影响后，中介变量对因变量RI/RA的效应，系数‘δ是在控制了中介变量的影响后，自变量digitfina对因变量RI/RA的直接效应；1φ～3φ是回归残差。检验中介效应最常用的方法是逐步检验回归系数。[16]根据逐步法最后一步，通过检验方程 ‘δ来区分完全中介还是部分中介。如果系数 ‘δ不显著，则属于完全中介效应。如果系数 ‘δ显著，则属于部分中介效应。

四、实证分析

（一）基准回归分析

为避免多重共线性对实证研究造成的影响，对选取的变量进行多重共线性检验，检验结果发现VIF 均小于10，可以认为本文选取的关键变量之间不存在多重共线性。在此基础上进行实证分析，本文基准回归结果如表2所示。

表2 基准模型回归结果

从本次基准回归结果1-2 列可知，数字普惠金融总指数和数字金融指数对家庭风险投资决策的影响，在1%的显著性水平上与家庭风险投资行为正相关。其中3-4 列汇报了数字普惠金融总指数和数字金融指数对家庭风险投资决策的影响，在5%的显著性水平上与家庭风险投资规模正相关，说明普惠金融发展程度越高、数字金融发展越快，越利于家庭风险投资行为与规模。此外，户主的受教育程度、金融知识水平以及风险偏好正向促进家庭风险投资行为与规模，家庭的人口规模、房产数量、城乡属性也显著正向影响家庭风险投资行为和风险投资规模。年龄与风险投资行为和规模呈现负向变动关系，即说明年龄增长与风险选择呈现负向变动关系，年龄越大作出风险投资的概率越低；家庭的城市水平越高，其参与风险投资的行为的概率越大。在农村转化为城镇人口的过程，反而与风险投资行为和规模呈现负向变动关系，说明城镇化率高的城市，其家庭风险投资行为和增加风险投资规模的概率较低。这可能是由于我国城镇化率反映的是人口向城镇集聚的程度，说明在城镇化率较高地区的家庭风险投资行为的概率越低。

（二）中介效应分析

1. 以金融知识作为中介的机制检验

表3 金融知识的中介效应检验结果

在以金融知识为中介的回归结果中，1-3 列回归结果中，可以看出数字金融指数和金融知识对家庭风险投资行为的影响均显著为正，金融知识在数字金融影响家庭风险投资过程中起到部分中介作用。4-6 列中可以看出数字金融指数和金融知识对家庭风险投资规模的解释在10% 水平下显著，即说明金融知识在数字金融对风险投资规模的正向影响中起到部分中介效应。

2. 以风险偏好作为中介的机制检验

表4 风险偏好的中介效应检验结果

在以风险偏好为中介的回归结果中，1-3 列回归结果中，可以看出数字金融指数和风险偏好对家庭风险投资行为的影响在1%水平下均显著为正，因此可以认为户主的风险偏好在数字金融影响家庭风险投资过程中起到部分中介作用。4-6 列中可以看出数字金融指数和金融知识对家庭风险投资规模的解释在5%水平下显著，即说明风险偏好在数字金融对风险投资规模的正向影响中起到部分中介效应。

3. 以移动互联网技术作为中介的机制检验

表5 移动互联网的中介效应检验结果

在以移动互联网设备为中介的回归结果中，1-3 列可见数字金融指数和移动互联网设备对家庭风险投资行为的影响在1%水平下均显著为正。可以认为户主的移动互联网设备在数字金融影响家庭风险投资行为中起到部分中介作用。4-6列中可以看出数字金融指数和移动互联网设备对家庭风险投资规模的解释在10%水平下显著，说明移动互联网设备在数字金融对风险投资决策的正向影响中起到部分中介效应。

4.以家庭收入作为中介的机制检验

表6 家庭收入的中介效应检验结果

在以家庭收入水平为中介的回归结果中，1-3 列回归结果中，可以看出数字金融指数和家庭收入水平对家庭风险投资行为的影响在1% 水平下均显著为正，因此可以认为户主的家庭收入水平在数字金融影响家庭风险投资过程中起到部分中介作用。4-6 列中可以看出数字金融指数和移动互联网设备对家庭风险投资规模的解释在5%水平下显著，说明家庭收入水平在数字金融对风险投资规模的正向影响中起到部分中介效应。

（三）异质性分析

本文从异质性角度对样本进行进一步研究，考察数字金融对家庭风险投资的影响在年龄、城乡、教育程度上的差异。

1.年龄异质性回归结果分析

年龄异质性回归分析中，将年龄大于55 岁定义为老龄人群，其他为非老龄人群，回归结果如表7 所示。在分样本回归中，解释变量均在1%水平下显著，即说明数字金融能够正向影响两类人群的家庭风险投资行为和规模。数字金融指数对老年群组的影响系数大于非老龄群组人群，说明数字金融对老年群组的风险投资行为影响明显；而在数字金融对家庭风险投资规模的影响分析中，非老龄人群的系数比老龄群组大，表明在数字金融对非老龄人群的风险资产规模影响更为显著。

表7 数字金融对不同年龄群体的风险投资行为和规模的估计结果

2.城乡异质性回归结果分析

城乡异质性回归结果如表8 所示。数字金融指数在模型中均显著正向影响家庭风险投资行为。在分组回归中，发现数字金融指数对农村家庭组的影响系数大于非农家庭，说明数字金融对农村家庭的风险投资行为的正向影响更加显著；数字金融对农村家庭的风险资产规模影响显著，对非农家庭的风险资产规模不显著，表明数字金融对农村家庭的风险资产规模正向促进作用十分显著。这可能是由于非农家庭风险投资行为与规模相对于农村家庭本身就处于一个较为合理的区间，且本文使用的是相对规模指标，非农家庭的风险资产占比变动较小。

表8 数字金融对不同户籍家庭的风险投资行为和规模的估计结果

3.教育异质性回归结果分析

教育异质性回归分析中，将受教育程度在小学及小学以下人群定义为低教育人群，其他人群为非低教育人群，回归结果如表9 所示。数字金融在模型中均显著正向影响低教育人群、非低教育人群的风险投资决策。在分组回归中，发现数字金融对低教育人群的影响系数小于非低教育人群，说明数字金融对非教育人群的风险投资决策的正向影响更加显著；说明教育程度不同，风险投资行为受到数字金融的影响程度存在差异。在数字金融对风险投资规模的影响分析中，数字金融对非低教育人群的家庭风险投资行为与规模影响显著，对低教育人群的风险资产规模不显著。低教育人群的风险投资行为得到改善，但在实际风险资产配置环节，由于低教育人群的金融劣势和风险规避意识较强，可能不会提升风险资产对金融资产的相对规模。

表9 数字金融对不同教育水平的风险投资行为和规模的估计结果

（四）稳健性检验

本文采取替换解释变量和更换模型的方法进行稳健性检验。使用滞后一期的数字金融指数作为核心解释变量的替代变量。替换实证方法进行回归，采取Logit 和Ols 分别对风险投资行为和风险投资规模两个解释变量进行回归，模型均通过相关检验，说明本文的实证结果具有稳健性。

五、结论与政策建议

本文考察了数字金融对中国家庭风险投资行为以及风险投资规模的影响，通过各种实证分析，得出如下结论：一是数字金融正向促进了中国家庭风险投资行为与风险资产相对规模。除却直接影响途径，数字金融通过对金融知识、风险偏好、移动互联网技术、家庭收入四条路径间接正向影响家庭的风险投资行为和风险投资规模。二是年龄、性别以及城镇化率与家庭金融投资行为和规模之间存在负向关系。即说明年龄增加会减少家庭风险投资决策行为和风险资产的相对规模、男性在风险资产规模配置上更为谨慎、城镇化人口过于集中的地区家庭做出风险决策的行为概率较低。三是数字金融对家庭风险投资行为的影响在老年群组、农村家庭以及非低教育群体中更加显著。数字金融对家庭风险投资行为与规模的影响有限，仅在非老龄组群体中显著，在非农家庭、低教育群组中影响不显著，说明数字金融有利于家庭风险投资，且对老年群体与农村家庭改善更为显著；数字金融对家庭风险投资资产的影响有一定局限性。

本文提出如下政策建议：一是要继续强化数字金融的普惠性，加强对弱势群体的关照和帮助，避免金融数字化带来群体差异。如在城镇化过程中，要关注数字金融对流动人口的普惠性。二是要关注金融知识在微观家庭层面的普及性，以提升家庭风险投资意识，改善家庭金融风险资产规模。三是要加强金融市场体系建设，推出多样化金融投资产品，鼓励更多家庭参与到金融市场。四是要提高数字金融领域的数据开放性和共享性，以数字技术推动金融资源在不同主体和地区间的流动。