数字化是否缓解了家庭风险资产的有限配置？——基于风险认知的传导机制

王慧敏 薛启航 魏建

(1.山东大学经济学院，山东 济南 250100；2.山东大学《山东大学学报(哲学社会科学版)》编辑部，山东 济南 250100)

一、引言

习近平总书记指出：“扩大中等收入群体比重，要增加居民金融资产等各类财产性收入(1)求是网，扎实推动共同富裕，http://www.qstheory.cn/dukan/qs/2021-10/15/c_1127959365.htm.”。家庭金融资产配置作为拓宽财产性收入渠道的重要方式之一，不仅能够影响居民的生活水平，而且影响着我国宏观经济的增长速度和发展质量[1]。近几年，随着中国金融市场的不断发展以及金融产品的创新升级，家庭的金融资产选择不再局限于银行存款等传统投资工具，还涉及到股票、基金、债券、金融衍生品以及其他新型投资工具。金融资产的多元化配置既有利于家庭提高风险防御能力以及获得长期稳健的收益，又能够增加社会金融福利。但相关数据显示，中国家庭金融资产占总资产的比重不到两成(2)2019中国家庭金融调查数据库，https://chfser.swufe.edu.cn/datas/Home/HomeIndex.，并且无风险资产(现金、活期存款、定期存款等)在金融资产中的占比高达88%(3)中国经济网，http://www.ce.cn/xwzx/gnsz/gdxw/201910/30/t20191030_33477567.shtml.，与欧美国家的家庭风险资产配置水平存在较大差距。加拿大家庭的风险资产配置比重早在2005年就已达25%，美国家庭2007年的风险资产配置占比接近33%[2]，德国家庭2014年的风险资产参与占比为23%[3]。可见，中国家庭资产结构单一、金融资产市场参与率低，且风险资产配置远低于最优份额[4-6]，导致中国家庭风险资产的 “有限配置”现象，给我国的居民财产性收入增长以及中等收入群体比重扩大带来不利影响。在此背景下，探究中国家庭风险资产配置及其影响机制，对于微观层面家庭财富的保值增值，以及宏观层面国民经济的高质量运行都具有现实意义。

近年来，中国数字化进程持续加快，数字化建设受到广泛关注和大力支持。2017年《政府工作报告》提到“促进数字经济加快成长”“扩大数字家庭”(4)中国政府网，《2017政府工作报告》，http://www.gov.cn/zhuanti/2017lhzfgzbg/index.htm.，这是“数字经济”“数字家庭”等首次出现在政府工作报告中。随后几年里，“数字中国(5)中国政府网，《2018政府工作报告》，http://www.gov.cn/zhuanti/2018lh/2018zfgzbg/2018zfbgdzs.htm#book7/page1.”“数字产业化(6)中国政府网,《2021政府工作报告》，http://www.gov.cn/guowuyuan/2021zfgzbg.htm?ivk_sa=1024320u.”等先后出现在政府工作报告中，可见数字化发展是当前乃至未来很长一段时间的发展趋势。目前，各个领域朝着数字化方向转型升级，“数字化”不断融入居民的日常生活。《中国互联网络发展状况统计报告》显示(7)中国互联网络信息中心, 第49次《中国互联网络发展状况统计报告》, http://www.cnnic.net.cn/hlwfzyj/hlwxzbg/.，中国网络用户规模达10.32亿，其中手机网民占比高达99.7%，并且移动支付、在线办公、互联网医疗的用户规模分别达9.04亿、4.69亿、2.98亿。随着网民规模的扩大、前沿信息技术的发展以及与传统行业领域的融合，数字化逐步影响着家庭的风险资产配置。越来越多的学者开始关注数字化相关因素与家庭风险资产配置的关系。周广肃和梁琪(2018)探究了互联网的作用，发现互联网使用能够提高家庭投资股票等风险资产的概率[7]；赫国胜和耿丽平(2021)着重探讨数字金融的影响，认为数字金融发展有利于促进家庭风险资产配置的增加[8]。可见，数字化发展对家庭风险资产配置具有重要影响。但已有研究大多从互联网使用这一较为传统的数字化角度或者数字金融的这一新型数字化角度出发，较少文献将传统数字化和新型数字化结合起来综合探究数字化的影响。

同时，家庭风险资产配置问题实际上是家庭将其拥有的风险信息和资产收益信息进行最优匹配，从而在风险控制的前提下实现收益最大化的过程，这一过程还涉及家庭风险认知的影响。经典资产组合理论一般假设投资者在进行资产配置时只面临资产组合风险[9]，这种风险可以通过多元化投资的方式实现风险分散[10]，需要家庭对投资金融产品的收益特征和风险特征具备一定的判断能力，即资产组合风险认知。但现实中投资者也面临诸如收入风险、健康相关的意外风险等背景风险[11]，这些风险不能通过资产组合进行分散，但能够通过相应的管理方式提高风险容忍度[12]，需要家庭对背景风险具备一定的管理能力[13]，即背景风险认知。由此可见，家庭的风险认知会影响其风险资产配置。目前已有较多文献从金融素养[14]、金融从业经历[6]等金融视角出发探讨数字化因素对家庭风险资产配置的影响机制，但鲜有学者从风险认知的视角进行机制分析。

基于此，本文使用2017和2019年中国家庭金融调查(CHFS)数据，利用传统计量的线性回归模型和机器学习的因果森林模型对数字化与家庭风险资产配置的关系进行实证分析，并从风险认知的角度出发探究其机制路径。本文试图在以下几方面有所创新：一是研究视角方面，与以往研究的视角不同，本文综合考虑传统数字化和新型数字化两个层面，探讨数字化对家庭风险资产配置的影响；二是机制分析方面，不同于既有文献从金融视角探究作用路径，本文从风险认知的角度出发考察数字化如何影响家庭的风险资产配置，结合资产组合理论和背景风险理论，将资产组合风险认知和背景风险认知纳入统一分析框架并进行实证检验，能够对家庭金融的相关研究进行有益补充；三是实证方法方面，本文使用机器学习的因果森林算法进行因果识别，既有利于缓解内生性问题对研究结论造成的影响，又能够减少结果可能存在的主观干扰和局部性问题，确保结果的客观性和稳健性。

二、理论分析与研究假说

(一)数字化与家庭风险资产配置

资产组合理论认为，家庭配置的风险资产比例取决于其风险态度[9]，但现实中某些因素会导致风险资产配置和风险态度之间存在偏差[1]，从而使大多数家庭选择配置低风险资产或不参与风险资产投资，即家庭风险资产的“有限配置”现象。在数字化发展趋势下，从电脑等传统数字化终端到智能手机、平板等移动数字化设备，数字化生活的门槛逐渐降低，提供给居民更多样化的信息搜集渠道和学习渠道。进一步地，居民能够获取更多金融理财知识，了解更多金融资产的风险信息和收益信息，有利于促进家庭参与风险资产市场。同时，数字化技术与金融领域的不断融合促进了金融产品和服务的创新升级，提高了家庭的投资理财效率，有利于加大家庭风险资产的配置比例。由此可见，数字化逐渐成为缓解家庭风险资产有限配置的重要影响因素。

从信息供给的角度出发，信息量的多寡能够影响家庭的风险态度和决策，数字化使信息获取更加便捷，居民能够通过电脑、智能手机等各种互联网终端获取更加充分的信息，从而促进家庭的风险资产配置。一方面，风险态度是风险资产配置过程中的决定因素，并且个体的风险态度与其信息获取能力密切相关[15]。信息量获取的丰富程度会导致个体对同一事物具有不同的认知，从而导致其风险态度的异质性，信息缺乏容易使个体趋于风险规避态度[16]。在数字化的发展趋势下，家庭能够获取更丰富的金融信息和理财知识，全方位地了解风险资产，有利于缓解因信息缺乏而持有风险规避态度的现象。另一方面，家庭风险资产配置本质上就是通过搜集和处理信息来降低信息不确定性，从而做出决策的过程[17]。这意味着家庭出于对风险因素的考虑，会减少对信息不完全产品的配置比例或者配置意愿。家庭基于各种互联网或移动互联网设备能够随时随地进行数字化信息检索，多方面尽可能获取某一风险金融产品的完全信息，从而有利于增加对该类产品的接受意愿，并进一步作出相应决策。

从金融产品供给的角度，数字金融突破了传统金融的时空约束，催生出多样化的理财产品，有利于家庭高效便捷地进行多元化资产组合，从而促进了家庭的风险资产配置。首先，数字金融能够扩大金融服务的范围，降低家庭投资理财的门槛。家庭获取传统金融服务受到线下网点位置的限制，而数字金融依托互联网平台能够消除地域限制，使金融服务更容易获得[18-20]，从而提高家庭接触风险资产的概率。其次，数字金融有利于精准匹配家庭风险投资的需求与金融产品的供给，提升风险资产配置效率。传统金融机构的投资咨询服务通常费用较高，而依赖于大数据和人工智能的机器人顾问既有利于家庭低成本获取咨询服务，也能够凭借信息和技术优势对投资者进行精准画像，提高供需双方的匹配度，有利于为家庭提供合适的理财产品[21]。最后，数字金融的发展催生了灵活性更强的互联网理财产品，为家庭配置风险资产提供了更多元化的选择。传统投资理财产品较高的门槛使家庭容易暴露在极端的投资组合风险中[22]，而数字金融催生出基于支付宝、微信等平台的一系列理财产品，因其高回报的承诺和赎回的灵活性，显著降低了家庭承担极端投资组合风险的可能性，对家庭的投资理财颇具吸引力。基于以上分析，本文提出如下假设。

H1数字化有利于缓解家庭风险资产的有限配置。

(二)数字化、风险认知与家庭风险资产配置

认知是指个体对知识进行获取或者应用，是一个信息加工的过程。具体到风险领域，风险认知表示风险主体对自身面临的风险进行感知或者识别，将与风险有关的信息进行加工处理。在家庭配置风险资产过程中，风险认知是其中一个重要影响因素[13]，包括资产组合风险认知和背景风险认知两个方面。

一方面，资产组合风险资产组合风险是指资产组合收益的波动，主要与资产多元化配置有关[10]，是家庭配置风险资产过程中自然存在的。资产组合风险认知能够反映家庭对各类金融资产风险、收益等信息的了解程度和判断能力，并通过影响风险资产收益的稳定性作用于风险资产配置行为。从资产组合风险的角度，资产组合风险认知可以解释为家庭以减少收益的波动性为目的来进行信息加工的过程，并且这一过程以信息获取为前提。在资产组合理论的理性人、完全市场和标准偏好假设下，投资者总能获取与风险资产有关的一切信息，从而总能够实现风险资产和无风险资产的最优组合。但现实中，信息的不确定性以及家庭信息处理能力的有限性会导致资产组合风险认知不足，从而使家庭难以保证风险资产收益的稳定性，当家庭面临未来风险资产收益的不确定性时便容易趋向于风险规避的态度，出现风险资产有限配置现象。因此，资产组合风险认知的提升有利于增强家庭对各种风险资产的了解，降低资产收益的不确定性，从而缓解家庭风险资产的有限配置。

另一方面，背景风险指的是风险资产配置过程存在的一个或多个不受个体控制、独立于金融资产风险的其他风险因素[23]，这些风险因素的存在增加了家庭的预期不确定性，并且无法通过多元化资产配置分散，需要额外进行风险管理。从这一角度，背景风险认知可以解释为家庭以减少背景风险带来的不确定性为目的进行信息加工的过程，这一过程主要涉及到背景风险管理。背景风险理论认为个体面临的多个独立风险来源是相互作用而不是相互替代的关系，背景风险的加入会使个体提高对其他独立风险的风险厌恶，从而导致更低风险水平的活动。这说明面临背景风险的家庭不采取任何风险管理措施时，会通过降低风险资产的需求以减少背景风险带来的不确定性，也就意味着背景风险认知不足会使家庭趋向于规避风险而非管理风险。可见，具备一定背景风险认知的家庭能够利用恰当的风险管理手段降低背景风险的影响，从而尽可能预防未来的不确定性。当预期风险得到保障，家庭当期风险偏好会增加，从而进行更多的风险资产配置。因此，背景风险认知的提升有利于家庭通过背景风险管理手段减少预期不确定性，缓解家庭风险资产的有限配置。

进一步，数字化对家庭风险认知也产生了重要影响，主要原因在于数字化为风险认知提供丰富的信息来源[28]。首先，资产组合风险认知与家庭理财信息密切相关，而各种数字化渠道能够实时准确地提供风险资产相关信息。资产组合风险认知要求家庭不仅需要掌握金融资产的风险和收益，还需要了解影响金融资产价格波动的相关信息，尤其是股票等类型的产品要求家庭能够更加及时准确地把握价格、政策、基本面等信息的变化。各类财经新闻网站或APP等数字化平台相比报纸、电视等传统媒体，能够实时地提供具有针对性的理财信息[29]，有利于家庭及时把握不同投资组合的风险和收益，促进家庭资产组合风险认知的提升。其次，背景风险认知与家庭风险管理能力关系密切，而数字化技术有利于解决家庭应用风险管理手段时面临的信息不完全和不对称问题，有效促进家庭利用保险进行风险管理。例如，当家庭采用保险的手段进行背景风险管理时，人工智能、大数据等数字化前沿技术有利于增加投保人和保险人之间的信息透明度[29]，推动家庭多方面了解保险产品信息，进一步实现有效的背景风险管理。最后，数字化发展降低了信息搜集成本，从而降低了家庭风险认知的成本。风险认知的成本可以看作是一种机会成本，当这种机会成本大于家庭配置风险资产带来的收益时，家庭可能趋向于“有限参与”。风险认知以信息获取为前提，数字化的搜索引擎提供了快速的信息获取渠道，智能手机等移动互联网设备的发展又降低了数字化信息检索的门槛，从而大大缩小了家庭的信息搜集成本，进一步减少了家庭风险认知的成本。因此，数字化趋势下信息透明度的提高以及信息成本的降低，使家庭能够便捷获取投资理财、风险管理等方面的相关信息，从而有利于家庭风险认知的提升。基于以上分析，本文提出以下假设。

H2a数字化能够通过家庭资产组合风险认知的提升缓解风险资产的有限配置。

H2b数字化能够通过家庭背景风险认知的提升缓解风险资产的有限配置。

三、研究设计

(一)基准模型设定

为探究数字化对风险资产配置的影响，首先利用传统计量模型对其进行检验，并构建如下模型

riski=β0+β1digi+β2Xi+εi

(1)

其中，被解释变量riski为个体i所在家庭的风险资产配置。当riski代表家庭风险资产市场的参与情况时，使用Logit模型；当riski代表家庭风险资产的配置程度时，使用线性回归模型。解释变量digi为数字化的代理变量。Xi是控制变量，选取地区特征(人均GDP、产业结构)、家庭特征(成员规模、老年人规模、总资产)和个体特征(年龄、性别、婚姻、工作、教育、户口、党员)。εi表示随机误差项。核心解释变量dig的系数β1表示数字化对家庭资产配置的边际效应，根据研究假说，预期该系数显著为正。

(二)广义随机森林的因果森林

因果森林(Causal Forest)是对随机森林[31]的一种扩展，用于测量因果效应，能够在考虑个体倾向得分的基础上，计算个体平均处理效应的一致估计[32]。随机森林是一种应用于分类和回归树(CART)的集成方法，它通过递归的方式将全样本随机划分成子样本，从而最大限度提高各个子样本之间的异质性，并根据数据子样本生成决策树，递归生成的所有决策树构建形成随机森林。随机森林大多作为非参数函数用于预测被解释变量，Wager和Athey(2018)[33]提出“honest”方法将随机森林用于预测处理效应，建立了处理效应的有效置信区间，以及估计结果的一致性和渐近正态性，从而实现了因果森林算法。

一般来说，传统计量模型的回归过程中可能存在遗漏变量、测量误差、双向因果等内生性问题，内生性的存在会使得参数估计不满足一致性。缓解内生性问题的常见方式是使用工具变量，但考虑到该方法一般仅作用于受到工具变量影响的那部分样本，估计结果的外部有效性相对较弱[34]。而因果森林的构建是通过递归的方式随机划分子样本的过程，能够计算整个样本观测水平的处理效应，保证所有子样本的估计结果是有效的，从而降低局部有效性的影响。并且因果森林允许数据驱动的特征选择，被认为是一种自适应最近邻方法，由数据决定特征的重要性并进一步确定计算处理效应时权重的大小，又可以尽可能避免对模型形式的人为设定和干扰。因此，因果森林的处理效应估计更具客观性和有效性，本文使用这一方法进一步探究数字化的平均处理效应。

(2)

(3)

(4)

(三)变量说明

1．被解释变量

本文被解释变量是家庭风险资产配置，分为两个层次衡量：第一个层次衡量家庭风险资产市场的参与情况(fengxian)，通过家庭是否拥有风险资产度量，为二值虚拟变量，拥有风险资产取值为1，否则为0；第二个层次衡量家庭风险资产的配置程度(fengxian1)，通过风险资产占家庭总资产的比重测度。参考尹志超等(2014)，家庭总资产包括风险资产和无风险资产，其中风险资产主要包括股票、基金、金融债券、企业债券、金融衍生产品、金融理财产品、黄金、外汇，无风险资产主要包括现金、股票账户现金、政府债券、活期存款、定期存款[14]。

2．解释变量

本文的核心解释变量是数字化(dig)，同样分为两个层次衡量：第一个层次衡量基于互联网平台的传统数字化(int1)，通过是否使用互联网衡量(8)问卷中相关问题和相应选项为：您使用过互联网吗？1.是；2.否。，为二值选择变量，其中1表示使用，0表示不使用[7]；第二个层次衡量基于智能手机的移动数字化(phone)，通过是否使用智能手机衡量(9)问卷中相关问题和相应选项为：目前使用哪款手机？1.智能手机(可以网购、社交聊天等)；2.非智能手机；3.没有手机。其中被调查者选择“智能手机”赋值为1，选择“非智能手机”或者“没有手机”赋值为0。，也为二值选择变量，其中1表示使用，0表示不使用[37]。

此外，由于2019年数据不涉及传统数字化的指标，在后文的实证检验中，首先使用2017年的样本检验传统数字化和移动数字化的作用，尽可能控制时间效应以缓解偏误。随后主要使用2017年的样本检验传统数字化的影响，使用2019年的样本检验移动数字化的影响。原因在于：第一，2017年“数字经济”首次被写入《政府工作报告》，2019年是5G发展的元年，因此2017年互联网使用和2019年智能手机使用对当年数字化进程分别具有一定的代表性；第二，数字化进程与互联网发展是相辅相成、相互依赖的，因此传统数字化与互联网使用关系密切，而互联网向移动端发展的趋势，使数字化进程也逐渐体现出以智能手机为平台的移动数字化特征；第三，智能手机的使用降低了居民上网的门槛，体现出家庭数字生活门槛随着传统数字化到移动数字化的发展趋势而降低，有利于进一步分析不同层面数字化对家庭风险资产配置的处理效应异质性。同时，考虑到不同年份自身存在的影响，还对2019年样本进行了调整。由于2017年样本范围为2017年的新受访户以及之前年份的追踪受访户，将2019年样本中家庭编号(hhid)为2019开头的数据剔除，保留2017年及之前年份的追踪样本，从而减少2019年新受访户样本对实证结果的干扰，尽可能统一样本以保证连续性。

3．机制变量

机制变量为风险认知，分别从资产组合风险认知(liaojie)和背景风险认本文的机制变知(shangye)两个角度衡量。对于资产组合风险认知，考虑到资产组合风险可以通过多元资产配置分散，说明资产组合风险认知涉及家庭对各种风险资产的了解程度[13]，因此通过家庭对资产的了解程度来衡量(10)问卷中相关问题和相应选项为：您对股票、债券、基金的整体了解程度如何？1.非常了解；2.比较了解；3.一般；4.比较不了解；5.完全不了解。对选项进行了重新赋值，1-5分别表示为：完全不了解、比较不了解、一般、比较了解、非常了解。，了解程度的取值范围为1-5。对于背景风险认知，由于商业保险是管理背景风险的有效手段[23]，因此通过家庭是否购买商业保险衡量(11)问卷中相关问题和相应选项为：您家有下列哪些商业保险？1.商业人寿保险；2.商业健康保险；3.其他商业保险；4.都没有。被调查者回答包含1或者2或者3则表示参与商业保险。，为二值选择变量，购买商业保险取值为1，否则为0。

4．控制变量

参考现有文献[38-39]，还控制了家庭风险资产配置的其他影响因素，包括家庭特征、个体特征和地区特征。家庭层面控制变量包括家庭规模(size)、老年人规模(12)65岁以上的家庭成员定义为老年人。(oldsum)以及家庭总资产(asset)。个体层面控制变量包括年龄(age)、性别(13)构建二值虚拟变量，男=1，女=0。(gender)、是否已婚(14)问卷中相关问题和相应选项为：目前，您的婚姻状况是？1.未婚；2.已婚；3.同居；4.分居；5.离婚；6.丧偶；7.再婚。构建二值虚拟变量，其中被调查者回答为2或者7取值为1，其他回答为0。(marry)、是否在业(15)问卷中相关问题为：最近一周是否为取得收入而工作过 1 小时以上？构建二值虚拟变量，是=1，否=0。(work)、教育水平(16)参考杨碧云等(2019)，根据CHPF问卷中“文化程度”问题，对变量进行重新赋值：没上过学赋值为0，小学为6，初中为9，高中、中专、职高为12，大学本科、大专、高职为16，硕士生为19，博士生为22。(edu)、是否农业户口(17)问卷中相关问题为：您的户口类型是？构建二值虚拟变量，农业=1，非农业=0。(hukou)、是否党员(18)问卷中相关问题为：是否是中共党员或预备党员？构建二值虚拟变量，是=1，否=0。(dangyuan)。地区层面控制了地区人均GDP(gdp)和产业结构(adv)。

(四)数据及描述性统计

本文使用的数据来自西南财经大学中国家庭金融调查与研究中心组织管理的“中国家庭金融调查”项目(CHFS)[40]2017年和2019年的调查数据。2017年调查数据集覆盖全国29个省(自治区、直辖市)，355个区县，1 428个村(居)委会。2019年调查数据集覆盖全国29个省(自治区、直辖市)，343个区县，1 360个村(居)委会。数据涵盖了家庭人口统计特征、资产与负债、保险与保障、支出与收入等方面的信息。2017年的数据通过剔除缺失值得到家庭样本21 516，个体样本35 524个，处理组样本17 982，控制组样本17 542。2019年的数据共得到家庭样本14 674，个体样本28 596，处理组样本20 533，控制组样本8 063。表1给出了变量的描述性统计。

表1 变量描述性统计

四、实证结果及分析

(一)基准回归结果

表2报告了数字化对家庭风险资产配置的影响，列(1)-(6)展示了2017年样本的回归结果，列(7)(8)展示了2019年样本的回归结果。通过表2列(1)-(4)的回归结果发现，基于互联网平台的传统数字化(int1)的系数和基于智能手机的移动数字化(phone)的系数均在1%的水平上显著为正，说明传统数字化和移动数字化均能够促进家庭参与风险资产市场和提高风险资产的配置程度。表2列(5)(6)的结果表明，当同时检验传统数字化和移动数字化对家庭风险资产配置的影响时，虽然传统数字化(int1)和移动数字化(phone)均有利于促进家庭参与风险资产市场(表2列(5))，但移动数字化(phone)对家庭风险资产配置程度的影响不显著(表2列(6))，说明2017年主要是传统数字化发挥缓解家庭风险资产有限配置的作用。进一步地，考虑到2019年5G的陆续试点使得数字化逐渐朝着移动端方向发展，利用2019年的样本再次检验移动数字化的作用。通过表2列(7)(8)的回归结果发现，基于智能手机的移动数字化(phone)的系数同样在1%的水平上显著为正，说明移动数字化促进家庭风险资产配置的显著作用仍然存在。通过表2的回归结果，可以发现2017年主要是传统数字化发挥缓解家庭风险资产有限配置的作用，2019年移动数字化的影响日益凸显。因此，后续研究中使用2017年的样本探究传统数字化的作用，使用2019年的样本探究移动数字化的作用。由此可见，传统数字化和移动数字化能够显著促进家庭参与风险资产市场以及提高风险资产配置程度，有利于显著缓解家庭风险资产的有限配置现象，H1得证。

表2 数字化对家庭风险资产配置影响的基准回归结果

控制变量估计系数的显著性与符号也基本符合预期。其中家庭特征变量中家庭成员规模(size)的影响显著为负，家庭总资产(asset)的影响显著为正，老年人规模(oldsum)对家庭参与风险资产配置的影响显著为正，但对家庭风险资产配置程度的影响不显著。从个体特征变量看，教育水平(edu)与家庭参与风险资产市场显著正相关，性别(gender)和户口(hukou)对家庭参与风险资产配置及提高风险资产配置程度的影响显著为负。从地区特征变量看，地区人均GDP(gdp)能够显著促进家庭风险资产配置。

(二)基于因果森林的回归结果

通过前文基准回归结果，可以发现数字化有利于缓解家庭风险资产的有限配置。但线性回归模型可能还存在内生性问题，为弱化这一影响，进一步使用因果森林进行检验。因果森林基于数据进行特征选择，能够避免回归结果带有主观判断，并且递归划分子样本可以同时保证因果识别结果的内部有效性和外部有效性。本文构建的因果森林模型涉及的参数值均使用causal_forest()函数的默认值。表3展示了因果森林的回归结果，其中Panel A展示了传统数字化的平均处理效应，Panel B展示了移动数字化的平均处理效应，列(1)(3)是未进行家庭聚类的结果，列(2)(4)是按照家庭聚类的结果，聚类用于控制来自不同家庭的差异。根据Panel A的结果可以发现，int1对家庭参与风险资产市场的平均处理效应显著为正，对家庭风险资产配置程度的平均处理效应同样显著为正，说明传统数字化对家庭风险资产配置具有显著促进作用。根据Panel B的结果可以发现，phone对家庭参与风险资产市场和风险资产配置程度的平均处理效应均显著为正，说明移动数字化对家庭参与风险资产市场和风险资产配置程度的提高同样具有显著促进作用。因果森林的回归结果显示，在采用更加客观的机器学习方法进行因果推断以后，数字化缓解家庭风险资产的有限配置的作用仍然显著，前文结论依然成立。

表3 因果森林结果

(三)稳健性检验(19)稳健性检验中只展示了被解释变量为风险资产配置程度的结果，是否参与风险资产市场的结果与其相同，未具体展示。

1．更换被解释变量

股票市场“有限参与”之谜是家庭资产选择的核心问题[5]，并且股票也是大多家庭风险资产配置的选择，因此本文将被解释变量替换为是否参与股票市场(20)问卷中相关问题为：目前，您家是否有股票账户？构建二值选择变量，有=1，没有=0。。表4中，Panel A和Panel B列(1)展示了更换被解释变量以后的回归结果，可以发现int1和phone的系数仍然显著为正，说明更换了被解释变量以后前文结论仍然可靠。

2.Tobit模型

被解释变量风险资产占比有受限变量的特征，因此，为进一步检验前文结论的可靠性，使用Tobit模型重新验证基准回归结论。结果如表4的Panel A和Panel B列(2)所示，可以发现使用Tobit模型以后，int1和phone的估计系数仍然在1%的水平上显著为正，数字化缓解家庭风险资产有限配置的作用依然存在。

3．控制遗漏变量

虽然前文回归中尽可能对相关影响因素进行了控制，但仍然可能存在一些遗漏变量。参考陈刚(2019)、盛智明和蔡婷婷(2021)，本文进一步对房价(21)采用该省当年商品房价格衡量房价对风险资产配置的影响。(house)、幸福感(22)问卷中相关问题和相应选项为：总的来说，您现在觉得幸福吗？1.非常幸福；2.幸福；3.一般；4.不幸福；5.非常不幸福。本文根据选项对变量进行了重新赋值，1-5分别为：非常不幸福、不幸福、一般、幸福、非常幸福。(xingfu)、金融知识关注程度(23)问卷中相关问题和相应选项为：您平时对经济、金融方面的信息关注程度如何？1.非常关注；2.很关注；3.一般；4.很少关注；5.从不关注。本文根据选项对变量进行了重新赋值，1-5分别为：从不关注、很关注、一般、很少关注、非常关注。(eco_guanzhu)等变量进行了控制[6,41]。结果如表4的Panel A和Panel B列(3)所示，可以发现控制遗漏变量以后，传统数字化(int1)和移动数字化(phone)仍然具有显著的正向促进作用。

4．剔除直辖市样本

一般来说，直辖市相比其他地区数字化进程更为迅速，数字化对直辖市家庭风险资产配置的影响可能更大，因此剔除直辖市样本后重新进行回归。结果如表4列(4)所示，可见剔除直辖市样本后int1和phone的估计系数仍然显著为正，证明了前文结论的稳健性。

五、机制分析

前文实证研究证实了数字化对家庭风险资产配置的促进作用，接下来探讨数字化缓解家庭风险资产有限配置的机制。本文以家庭风险认知为切入点，从资产组合风险认知和背景风险认知两个角度对作用机制展开研究。

在数字化背景下，家庭可以低成本接触到更多金融资产信息和专业理财信息，有利于家庭把握不同投资组合可能带来的风险和收益，提高资产组合风险认知，并进一步降低收益的不确定性，从而促进家庭参与风险资产市场。同时，数字化使家庭不需要付出较高的信息搜集成本就可以获得更多风险管理专业信息，有利于家庭有效管理背景风险，提高背景风险认知，从而降低预期风险的不确定性，进一步促进家庭配置风险资产。为了验证数字化能够通过提升家庭风险认知缓解风险资产的有限配置，从资产组合风险认知和背景风险认知两个方面进行因果森林检验，并利用中介效应模型进一步检验风险认知的中介作用。

(一)基于因果森林的机制检验

首先利用因果森林算法检验风险认知的机制作用，使用家庭对风险资产了解程度(liaojie)作为资产组合风险认知的代理变量，使用家庭商业保险购买行为(shangye)作为背景风险认知的代理变量。因果森林的识别结果如表5所示，其中表5列(1)(2)展示了聚类前后数字化对资产组合风险认知的检验结果，表5列(3)(4)展示了聚类前后数字化对家庭背景风险认知的检验结果，Panel A和Panel B分别代表基于互联网平台的传统数字化和基于智能手机的移动数字化的检验结果。

表5列(1)(2)结果表明，聚类前后传统数字化和移动数字化的平均处理效应均显著为正，说明二者均能够显著促进家庭风险资产了解程度。表5列(3)(4)结果表明，聚类前后传统数字化和移动数字化的平均处理效应同样显著为正，说明二者也能够显著促进家庭商业保险购买行为。基于因果森林的分析结果可知，数字化有利于提升家庭的资产组合风险认知和背景风险认知。

表5 因果森林机制检验结果

(二)风险认知的中介效应检验

为了进一步检验风险认知的作用渠道，参考李跟强等(2022)的做法[42]，本文还构建了中介效应模型进行考察(24)表6只展示了被解释变量为家庭风险资产配置程度的回归结果，被解释变量为家庭风险市场参与的回归结果类似，不影响最终结论。。

riski=β0+β1digi+β2Xi+εi

(5)

Mi=γ0+γ1digi+γ2Xi+θi

(6)

riski=ω0+ω1digi+ω2Mi+ω3Xi+δi

(7)

其中，式(5)为基准模型，riski为个体i所在家庭的风险资产配置，digi为数字化的代理变量；式(6)中的被解释变量Mi表示中介变量，即资产组合风险认知和背景风险认知，解释变量与式(5)相同；式(7)在式(5)的基础上加入中介变量Mi，其余变量含义与式(5)相同。

根据中介效应模型，首先验证数字化对家庭风险资产配置的影响(基准模型)，随后检验数字化对风险认知这一中介变量的影响，最后检验数字化、风险认知对家庭风险资产配置的共同影响。回归结果如表6所示，其中表6列(1)-(3)展示了传统数字化的回归结果，表6列(4)-(6)展示了移动数字化的回归结果。

从表6列(1)-(3)的回归结果可以发现，基准模型中传统数字化(int1)对家庭风险资产配置具有显著正向影响。当加入资产组合风险认知(liaojie)和背景风险认知(shangye)这两个中介变量以后，传统数字化(int1)对家庭风险资产配置仍然具有显著正向影响，并且中介变量的系数同样显著为正。这一结果说明资产组合风险认知和背景风险认知属于部分中介，传统数字化对家庭风险资产配置的促进作用至少一部分是通过家庭风险认知的提升实现的。

从表6列(4)-(6)的回归结果可以发现，基准模型中移动数字化(phone)对家庭风险资产配置具有显著正向影响。当加入资产组合风险认知(liaojie)和背景风险认知(shangye)这两个中介变量以后，移动数字化(phone)对家庭风险资产配置的影响不显著，但中介变量的系数显著为正。这一结果说明资产组合风险认知和背景风险认知属于完全中介，移动数字化对家庭风险资产配置的促进作用可以通过家庭风险认知的提升来实现。

表6 中介效应模型回归结果

通过以上实证结果可得，数字化能够通过提升家庭的资产组合风险认知和背景风险认知，从而促进家庭参与风险资产市场和提高家庭风险资产的配置程度，缓解家庭风险资产的有限配置。基于此，H2a和H2b得证。

六、使用广义随机森林进一步分析处理效应的异质性

根据前文实证分析，可以发现数字化对于家庭风险资产配置具有正向的平均处理效应，并且中介效应模型的回归结果表明，传统数字化和移动数字化对家庭风险资产配置的作用渠道存在一定的差异，这种差异可能与传统数字化和移动数字化的异质性平均处理效应有关。因此，下文利用广义随机森林进一步分析传统数字化和移动数字化的异质性处理效应。处理效应异质性分析是因果森林又一较为广泛的应用[43]。由于因果森林基于广义随机森林的框架实现，而广义随机森林实际上是在传统随机森林中引入了组间差异函数[32]，从而使得递归划分样本过程中能够得到每一子样本的平均处理效应，进一步反映出哪些群体受处理的影响更大[44]。图1(a)和图1(b)分别展示了传统数字化和移动数字化对家庭参与风险资产市场的处理效应估计值分布(25)传统数字化和移动数字化对家庭风险资产配置程度的个体处理效应估计值分布类似，没有单独展示。，其中横坐标分别表示传统数字化和移动数字化对家庭参与风险资产市场的处理效应估计值。通过图1(a)可以发现，传统数字化的处理效应的估计值范围较大，取值范围为0-0.33。可见对于不同的家庭，传统数字化对其风险资产配置的影响仍然存在较大差异，说明传统数字化对于不同子样本的处理效应与样本特征关系密切。通过图1(b)可以发现，相比传统数字化的处理效应分布，移动数字化的处理效应的估计值范围有所缩小，取值范围为0.01-0.14，但大多聚集在0.02附近。可见移动数字化对不同家庭风险资产配置的影响不存在较大的异质性，说明相比传统数字化，移动数字化对家庭风险资产配置的处理效应分布更加集中，对不同特征子样本的作用效果更加一致，进一步反映出移动数字化的普惠性和低门槛性。

(8)

最优线性预测法的实现采用R语言grf包的test_calibration()函数，将构建的因果森林放入该函数就可以进行检验。结果如表7所示，其中mean的估计系数即为ρ1，differential的估计系数即为ρ2。其中列(1)(2)展示了传统数字化的异质性检验结果，列(3)(4)展示了移动数字化的检验结果，异质性检验均进行了家庭层面聚类。通过列(1)(2)可以看出，differential的估计系数均显著为正，说明传统数字化对家庭参与风险资产市场以及风险资产配置程度的影响存在明显的异质性。列(3)(4)结果显示，列(3)differential的估计系数均显著为正，但列(4)differential的估计系数不显著，说明移动数字化对家庭参与风险资产市场的影响存在明显的异质性，但对家庭风险资产的配置程度不存在异质性。由此可见，移动数字化相比传统数字化对家庭风险资产配置程度的影响受家庭层面特征的干扰较弱，从而在各个群体中更具有普惠性，进一步说明了家庭数字生活的低门槛化更有利于数字化缓解风险资产的有限配置现象。

表7 处理效应异质性检验结果

七、结论与政策建议

在经济高质量发展的关键时期，实现微观层面家庭财产性收入的增长具有重要意义，而缓解家庭风险资产有限配置对其财产性收入增长，以及共同富裕的实现也具有重要推动作用。本文基于中国家庭金融调查(CHFS)2017年和2019年的数据，从传统数字化和移动数字化两个层面实证分析了数字化对家庭风险资产配置的影响，并使用机器学习中的因果森林算法对二者进行因果识别，确保结论的可靠性。研究发现，第一，数字化能够显著缓解家庭风险资产的有限配置。具体而言，基于互联网平台的传统数字化和基于智能手机的移动数字化均能够显著促进家庭参与风险资产市场和风险资产配置程度的提高。第二，风险认知是数字化缓解家庭风险资产有限配置的重要作用机制。数字化主要通过推动家庭资产组合风险认知和背景风险认知的提升，即增进家庭对风险资产的了解以及提高家庭管理背景风险的能力，从而促进家庭参与风险资产市场和风险资产配置程度的提高。第三，相比传统数字化，移动数字化的影响更具普惠性。移动数字化对家庭风险资产配置的处理效应分布更加集中，受到群体特征的干扰较弱，对不同群体的作用效果差异较小。

基于以上研究结论，提出如下政策启示。

首先，政府应持续推进数字化建设，既要提高数字化服务质量，也要提高居民的数字素养。政府要不断完善数字化的基础设施建设，提高数字化服务质量，吸引更广泛的群体参与数字化生活，从而充分发挥数字化对家庭风险资产配置的正向促进作用。同时，政府还要着力提升居民的数字素养，包括居民的数字意识、数字技能等，降低数字鸿沟对家庭风险资产配置行为的影响。

其次，政府应当注重培养居民的风险认知，引导家庭风险认知的形成与更新。政府可以通过开展知识普及活动，积极引导居民利用互联网、智能手机等平台了解各类金融理财产品的风险、收益信息，推动家庭资产组合风险认知的提升，使家庭具备多元化资产配置的能力。同时，向居民普及各种风险管理手段的应用，引导居民进行有效的风险管理，降低背景风险对家庭未来不确定性的影响，使家庭能够同时具备多元化投资、稳定资产投资收入的能力，以及有效进行风险管理的能力。

最后，金融机构应积极向数字化方向转型升级，利用数字化充分发挥金融的福利效应。金融机构可以充分结合大数据、人工智能等先进技术推动投资理财产品供需的精准匹配，积极探索基于互联网端、智能手机端的产品创新，为居民提供数字化理财服务。此外，监管机构也应加强对金融网站的监管力度，确保各类风险金融资产相关信息的准确性，及时核实各类金融产品的真实性，避免不法分子利用数字化手段进行金融诈骗，影响家庭对正规风险资产的接受意愿。