数字普惠金融与居民社会信任※—— 基于经济公平和机会公平的双视角

内容提要：利用中国数字普惠金融发展指数和中国家庭追踪调查(CFPS)的匹配数据，基于广义双重差分模型探讨数字普惠金融对居民社会信任的影响及作用机制。研究发现：数字普惠金融能够显著提升居民社会信任水平，在进行稳健性检验和内生性检验后，结论依然成立。机制分析表明，凭借“普”“惠”的特性，数字普惠金融通过缩小收入差距(经济公平)、释放发展机会(机会公平)促进社会信任水平的提升。此外，数字普惠金融对中西部居民及农村地区居民社会信任水平的提升作用更大，男性、学历高、处于相对贫困状态的居民在使用数字普惠金融过程中受益更多。因此，大力推动数字普惠金融发展对于提升当前普遍较低的社会信任水平具有重要的现实意义。

一、 引 言

社会信任测度的是“社会上大多数人是否可信”，暗含个体对利益得失的理性评估与选择。作为正式法律与制度的替代物或补充，社会信任可以降低人际之间的交易成本，提高交易执行效率，推动经济增长以及改善社会福祉(Knack和Keefer，1997)。中共十八大报告明确提出的二十四字社会主义核心价值观就涵盖信任的内容(1)社会主义核心价值观的基本内容为“富强、民主、文明、和谐，自由、平等、公正、法治，爱国、敬业、诚信、友善”。其中，彼此间“诚信”的道德规范是促进信任的前提条件，“友善”是信任的外在表现形式。。社会信任对中国实现长治久安意义重大，也是推动乡村振兴、实现共同富裕的必备条件。

近年来，中国社会信任情况不容乐观，社会信任水平普遍偏低(2)根据2013年中国社会科学院社会学研究所发布的《城市居民社会信任状况调查报告》，截至2011年已有七市的社会信任程度跌至“不信任”水平。另外，有学者根据2014年、2016年、2018年中国家庭追踪调查数据对中国社会信任情况进行测度(范围0至10分)，结果显示居民对陌生人平均信任度仅为2.185、1.965和2.053，尚未达到中等信任水平(吕炜等，2020)。。关于其中的缘由，汪汇等(2009)强调户籍分割是导致社会信任水平低下的关键原因。史宇鹏和李新荣(2016)认为，公共资源的匮乏加上不合理的分配机制加剧了居民尤其是弱势群体对资源的争夺，导致人际间的不信任。吕炜等(2020)从代际流动视角展开研究，发现早期教育机会不平等在个体进入社会后逐步发展成为收入水平、经济地位方面的不平等，进而降低居民社会信任水平。值得一提的是，收入不平等对社会信任的影响更为持久和深刻(Knack和Zak，2003；Bjørnskov，2006)。一方面，收入不平等抑制了居民对未来的乐观情绪，悲观情绪意味着更少的信任，而且在收入差距过大的地区，不同经济阶层的人们无法拥有相同的命运感，也就不再信任陌生人；另一方面，收入差距的扩大加剧了社会地位和社会阶层的分化程度，加上目前普遍存在“不患寡而患不均”的社会心理，居民时常感到压力感和无助感，表现出低水平的社会信任(申广军和张川川，2016；丁从明等，2020)。由此可知，资源、收入以及机会的公平程度成为影响居民社会信任的关键因素。社会公平是人类一直追求的目标之一，尤其对处于转型关键时期的中国而言，社会公平程度以及社会公平感知直接影响居民的社会信任。因此，当前阶段，如何促进社会公平，进而提升社会信任水平成为新时期政府治理和制度安排的重要挑战。以“人本主义”为发展理念的数字普惠金融逐渐进入人们视野，为问题的“破局”提供了新思路。

普惠金融概念最早于2005年由联合国提出，旨在兼顾公平与效率，全方位为社会各阶层群体提供适当和有效的金融服务。不同于传统金融“嫌贫爱富”的特性，普惠金融兼具包容性的特征。近年来，随着以互联网、人工智能、云计算、区块链和大数据等为代表的数字技术快速发展，普惠金融步入数字化阶段。凭借低成本、低风险、覆盖广和速度快等优势，数字普惠金融向传统普惠金融难以触及的客户提供所需的金融服务，有效降低金融服务产品的成本，提高金融服务的可得性、覆盖率和满意度(郭峰等，2020)。而作为信息技术的一种应用，中国数字普惠金融的发展已处于世界前沿，其致力于改善居民生活品质、提升人民福祉的效果已经逐步显现。直观上，“普”和“惠”的理念完美契合社会和谐与稳定的愿景，理应带来居民社会信任水平的提升，如果回答是肯定的，那其中的机制如何？数字普惠金融发展过程中是否存在一定程度的“使命漂移”现象？是否会导致现实与预期相反、商业性和普惠性背离的情况发生，引致“马太效应”，最终导致居民之间社会信任的差异不断扩大，社会信任水平不升反降？诸如此类问题尚未有确切答案，值得深入探讨。

本文利用中国家庭追踪调查(CFPS)数据与北京大学数字普惠金融研究中心和蚂蚁集团研究院共同开发的北京大学数字普惠金融指数，对数字普惠金融与居民社会信任之间关系进行理论探究和实证检验。相比以往的研究，本文的贡献和创新主要体现在：① 以金融发展视角下的数字普惠金融作为切入点，探究其对主观心理层面社会信任的影响，对现有社会信任水平提升路径研究进行补充，也为后续政策制定提供决策参考；② 深入剖析内在影响机制，从经济公平、机会公平的视角研究数字普惠金融对居民社会信任的影响；③ 研究方法方面，以互联网使用情况作为实验组和控制组的划分条件，借助广义双重差分法解决数字普惠金融的内生性问题，有效消除共同趋势和其他干扰因素的影响，得到更加精确的实证结果。

二、 理论分析与研究假说

1. 数字普惠金融与社会信任

近年来，作为一种新业态，数字普惠金融在扩大金融服务覆盖面、拓展金融服务种类、降低金融服务成本以及强化风控能力等方面呈现出迅猛发展的态势，数据与普惠金融优势的完美融合带来变革和机遇，对宏观经济和微观个体产生重要影响。在此背景下，如果将数字普惠金融视为一种福利行为，那么其必然会对居民社会信任产生影响。一方面，信任是社会经济构建和运行的润滑剂，也是经济交易的必要条件，这主要源于现实世界的信息不对称，而数字普惠金融降低了交易环节中的信息不对称程度，赋予经济活动中处于弱势地位群体以更多的信任；另一方面，数字普惠金融逐步演化出传统金融服务的数字化升级、基于电商平台的配套金融服务、第三方互联网金融和“互联网+”农业供应链金融等多种模式(星焱，2021)，形成丰富多彩的应用场景，不仅强化金融服务的可得性、便利性和全面性，还在减少贫困和提高社会福祉等方面取得重要成效，对居民社会信任水平产生积极影响。基于上述分析，本文提出研究假说：

H1：数字普惠金融有助于提升居民社会信任水平。

如前所述，数字普惠金融通过实现社会公平，进而提升居民社会信任水平。社会公平的客体包含多个维度，现代社会公认的基本维度包含结果公平、机会公平以及程序公平三个层面(孟天广，2012)。结果公平追求实质公平，以最为直接且易于观察的经济公平为代表，要求收入和资产等资源在社会中相对均等分配；机会公平强调机会在不同人群中的公平分配，指社会中所有人都应拥有获得成功的平等权利和机会；程序公平强调在过程或制度上被公平对待。换言之，结果公平强调结果，机会公平和程序公平强调过程。由于程序公平侧重衡量司法和制度方面的公平程度，可将其视为机会公平的一种类型。因此，本文将研究视角集中在经济公平和机会公平两个方面(3)长期来看，机会公平与经济公平并非简单的并列关系，两者会相互影响。机会公平(又称起点公平)是实现经济公平的必要前提条件，机会不平等在个体进入社会以后逐步发展为收入水平、家庭经济地位或社会地位等方面的不平等；反之，收入不平等也会加剧资源向少数群体倾斜，使得底层人民的上升渠道减少，跨越阶层的难度加大，导致机会不平等现象愈发严重。，以下将分别展开分析。

2. 基于经济公平视角的机制

作为结果公平的重要组成部分，经济公平通常以收入差距或经济地位衡量。既有研究表明，社会公平尤其是经济公平是引起社会信任变化的关键因素，社会公平感知较低的居民对陌生群体会产生仇视、嫉妒等不信任的态度(Uslaner，2002)。王绍光和刘欣(2002)认为，经济资源的过度集中和分配不均会使得受益较少的底层人民丧失对制度的信心，时常表现出对社会的极度不信任。而数字普惠金融与生俱来的普惠性和包容性对缩小收入差距有着重要的影响，其主要体现在宏观、中观和微观三个层面。

从宏观视角看，“数字化+普惠金融”的模式具有降低金融服务门槛、促进价格发现和信息流通以及打通金融服务“最后一公里”的特征(傅利福等，2021)，能够提高社会资源的整体配置效率，增加资源产出，促进经济增长。经济增长引致税收收入的增加为社会保障性支出提供充足的资金支持，加大政府对贫困地区群体的转移支付，缓解城乡收入差距，持续改善民生。

从中观视角看，数字普惠金融可以发挥金融服务实体经济的作用，通过缓解中小民营企业的融资约束，进而降低融资成本，发挥聚集性的经济效应。民营企业在释放发展活力的同时，创造出大量就业岗位，为低收入群体提供更多收入来源，有效缩小收入差距。

从微观视角看，依托互联技术的深入发展，数字普惠金融突破地理界限的“藩篱”，将更多偏远农村地区纳入金融服务范围，缓解以往普惠金融发展中的流动性约束和金融排斥，从生产和生活等方面给予弱势群体更多金融支持，使其拥有多元的发展机会和稳定的收入来源。除在数字信贷方面为居民提供的便捷服务之外，数字普惠金融使用深度还涵盖其他多种金融服务模式，如数字支付、数字理财、数字保险等。一方面，相较于传统金融的低收益和“嫌贫爱富”的特性，数字货币基金能够提高居民投资理财收益水平；另一方面，数字保险服务可以通过缓释疾病、规避风险冲击，增加居民经济安全(杨伟明等，2020)，避免收入差距进一步扩大。

当数字普惠金融充分发挥增收作用时，居民尤其是弱势群体的收入水平相对提高，收入差距的缩小缓解了其内心深处的相对剥夺感，相互信任程度也随之提升。基于此，本文提出研究假说：

H2：数字普惠金融通过缩小收入差距，实现经济公平进而提升居民社会信任水平。

3. 基于机会公平视角的机制

相比于经济公平描绘的有价资源分配结果，人们更加关注收入来源的合理性(Cappelen等，2010)。努力带来的不平等能够被人们接受，但由制度歧视、家庭背景等不公因素导致的机会不公对民众的日常行为和社会态度产生了深远的负面影响(李实和沈扬扬，2022)。机会不公使得民众丧失对未来的期待和共命运的认可，同样无法产生积极的社会信任。例如对处于社会底层的农民工群体而言，进入城市后面临着机会的匮乏和权利的缺失，这加剧了其内心的社会不公平感，导致在人际交往中丧失对他人的信任。因此，作为社会公平的重要组成部分，机会公平的核心蕴涵是人们拥有均等提升能力的机会，或者是平等向上流动的机会。

在不断演进与深化的过程中，数字普惠金融通过提供创业机会、就业机会以及教育机会三个方面对居民社会信任水平产生影响。

从创业视角看，在现代市场经济条件下，创业成为底层人民打破阶级壁垒、实现机会公平的关键手段，有利于代际收入的向上流动(刘琳等，2019)。但受到金融支持不足和融资约束的制约，居民创业活动难以获得满意的金融服务(Carpenter和Petersen，2002)。根本原因在于，传统金融机构在利益性和安全性驱使下，倾向于将资金向大、中型骨干企业倾斜，导致处于弱势地位的传统创业者因信息闭塞和缺乏足够抵押资产，无法从中获取创业资金，信贷需求得不到满足。在此背景下，数字普惠金融充分利用数字技术的优势解决信贷约束问题。具体而言，通过对大数据的处理、分析和聚合，相关金融机构或金融平台构建了涵盖各类普惠群体的全面征信体系，实现对创业者过往行为的数据画像和信用评估，从而降低创业融资门槛，提供大量创业机会(谢绚丽等，2018)。同时，大数据、云计算、区块链技术在普惠金融中的嵌入式应用起到监督管理的作用，不仅能解决金融服务中的信息不对称、融资成本偏高等问题，还能有效化解生产风险、经营风险以及交易风险，使得居民获得更多经济机会和生产能力，为创业机会增添保障。

从就业视角看，数字普惠金融被视为重要的就业稳定器(冉光和和唐滔，2021)。一方面，数字金融本质上是在信息技术支持下金融服务广度和深度的拓展，金融深化具有就业效应，通过放松利率管制使得利率和资本价格上升。资本价格的上升减少了中小企业对资本的需求，转而加大对劳动力的需求，带动就业机会的增加。另一方面，融资约束的缓解、融资成本的降低有助于现有中小微企业规模和数量的扩张，促使企业扩大再生产，增加企业对劳动力的需求，创造更多的就业机会。

从教育视角看，教育机会公平也是破除社会阶级固化，实现阶层流动的重要手段。教育带来的人力资本提升可以强化居民的认知能力和风险控制能力，有助于向上阶层流动，拥有更高的社会地位。数字普惠金融则为居民获得人力资本投资提供相应的信贷支持。例如，金融机构为贫困落后地区的儿童提供教育专项贷款服务和教育资源，同时对当地居民的教育投资进行专项指导。这在一定程度上避免了教育成为精英家庭社会地位代际传递的手段，促进教育层面的机会公平。

综上所述，数字普惠金融带来更多的创业机会、就业机会以及教育机会，实现机会公平进而提升居民社会信任水平。故本文提出研究假说：

H3：数字普惠金融通过释放发展机会，实现机会公平进而提升居民社会信任水平。

三、 研究设计

1. 数据来源

本文使用的微观数据来源于北京大学社会科学调查中心(ISSS)开展的中国家庭追踪调查(CFPS)，该调查始于2010年，每两年组织实施一次，通过收集个体、家庭、社会三个层面的数据，反映中国的经济、社会、人口、收入等方面的变迁。作为一项全国性、综合性的社会调查项目，CFPS数据库因覆盖面广、信息量大、权威性高而具有较好的代表性。由于本文所需的关键变量在2010年、2012年的问卷中并未涉及(4)2010年调查问卷中未涉及信任层面的问题，2012年调查问卷中未涉及个人或家庭互联网使用情况的问题。，遂选取2014年、2016年、2018年共三年数据进行纵向合并，在剔除关键变量缺失的样本后，共计获得30804个有效样本。其中，调查样本覆盖除新疆、西藏、青海、宁夏、海南、内蒙古和中国港澳台地区之外的25个省(区、市)。宏观层面的数据来源于EPS数据库和Wind数据库。

2. 模型设计

内生性的存在可能导致回归估计结果有偏。现实中，数字普惠金融发展较好的地区主要集中在经济发展水平较高的东部沿海地区，完善的社会保障、公开透明的监管体系降低了人与人之间信任的成本，这意味着东部地区的社会信任本身优于中西部地区，因此不适合使用普通最小二乘(OLS)法进行回归。本文进一步借鉴张铭心等(2022)的方法，应用广义双重差分的计量方法处理内生性问题。其中，数字普惠金融影响的差异源于两个方面。第一重差异是地区数字普惠金融发展水平的差异，将数字普惠金融的发展和普及视作政策冲击，则所有研究样本均受到政策冲击，但个体维度的变化并非从0到1，而是连续的变化，需要根据冲击的大小进行设定。第二重差异是个体是否使用互联网的差异，互联网是数字普惠金融发展的前提条件，数字普惠金融对不使用或较少使用互联网的个体并无直接影响，也无法对此类囿于信贷约束的用户信息进行精准的数据画像和信用评估。

基于上述分析，以互联网用户为实验组、非互联网用户为控制组的划分方法为研究构造了准自然实验，广义双重差分的模型设计如下：

Trustijt=α0+α1DIFjt×Intijt+α2DIFjt+α3Intijt+ξXijt+λj+δt+εijt

(1)

其中，Trustijt表示j省i个人在t时期的社会信任水平，DIFjt表示数字普惠金融指数，Intijt表示个人是否使用互联网，使用赋值为1，否则为0，Xijt表示包含个体、家庭以及省级层面的控制变量，λj表示不随时间变化的地区(省份)固定效应，δt表示时间固定效应。α1为本文主要关注的回归系数，用以衡量不同数字普惠金融发展环境中，是否使用互联网居民之间社会信任的平均差异，显著为正表明数字普惠金融提升了居民的社会信任水平；反之，则起到削弱作用。

3. 变量设定

(1) 被解释变量。信任的衡量有多种维度，主要可以分为特定性信任(Personalized Trust)和广泛性信任(Generalized Trust)，后者体现出更加一般化的信任，也称之为社会信任(Social Trust)。参考李涛等(2008)、申广军和张川川(2016)、丁从明等(2020)、吕炜等(2020)等学者的做法，根据CFPS调查问卷中“对陌生人的信任度”的问题构建社会信任(Trust)指标，回答得分从0到10，0表示非常不信任，10表示非常信任。

(2) 核心解释变量。本文关键的解释变量包括数字普惠金融(DIF)和互联网使用(Int)。首先，数字普惠金融(DIF)指标数据选取北京大学数字普惠金融研究中心和蚂蚁集团研究院共同开发的北京大学数字普惠金融指数，该指数从普惠金融的覆盖广度、使用深度和数字化程度三个维度来构建数字普惠金融体系。其中，数字金融覆盖广度(CB)以地区的第三方支付账号和绑定的银行卡衡量；数字金融使用深度(UD)以实际使用数字金融服务的情况衡量，其中包括支付服务、货币基金服务、信贷服务、保险服务、投资服务和信用服务；普惠金融数字化程度(DL)强调数字技术的移动化、信用化以及便利化，以数字支付的笔数占比、金额占比等角度进行衡量(郭峰等，2020)。为保证研究的稳健性，本文以省级数字普惠金融总指标作为基准变量，其他三个维度的指数作为稳健性检验纳入分析。同时，为保障结果的易观察性，将数字普惠金融指数及其二级指标除以100。

其次，关于互联网使用(Int)变量，根据CFPS调查问卷中“是否移动上网”和“是否电脑上网”两个问题构建虚拟变量，若受访者在两个问题其中之一的回答为“是”，则认定其拥有使用互联网的能力，赋值为1，否则为0。

(3) 机制变量。本文关键的机制变量包括经济公平指标(Gini)和机会公平指标(Eo)。首先，关于经济公平指标(Gini)，收入差距的大小是衡量经济公平的关键指标，借助常用的基尼系数作为收入差距的代理指标，具体的测算公式为：

(2)

其中，Ginijt表示j省t时期的收入基尼系数，Pijt表示第i个家庭人口数在t时期占j省总人口的比例，Wijt表示第i个家庭的总收入在t时期占j省总收入比例，Qjt表示按人均收入排序后的累加收入比例。

其次，关于机会公平指标(Eo)。假定运气中性，在给定努力程度条件下，不同出身背景(即环境因素)的人们具有差异化的收入预期，即表明存在机会不平等。目前测度机会不平等的主流方法有参数估计和非参数估计，其中，参数估计借助回归方程测算预测收入，预测收入的不平等程度则反映出机会不平等程度。因此，借鉴李实和沈扬扬(2022)使用的事前参数法进行测度。具体而言，构建明瑟收入方程：

lnyi=αCi+βEi+μi

(3)

其中，yi表示收入，Ci表示环境因素，Ei表示努力因素。在变量选取方面，环境因素变量包括：父母受教育程度、父母户籍所在地，努力因素变量包括：创业决策(5)根据CFPS调查问卷中的问题“过去一年您家是否有家庭成员从事个体经营或开办私营企业？”构建虚拟变量指标，如果回答为“是”，变量取值为1，否则为0。、工作情况、受教育程度(6)根据CFPS调查问卷中的问题“已完成最高学历”和“受访者教育程度”构建变量指标，由低到高对应“文盲”、“小学”、“初中”、“高中/中专/技校/职高”、“大专”、“本科”、“硕士”以及“博士”，分别赋值1至8。、年龄、户籍、党员身份、婚姻状况、健康状况。由于努力因素来源于环境影响，两者关系可以具体表示成：

Ei=ρCi+υi

(4)

lnyi=δCi+εi

(5)

(6)

(4) 控制变量。参考以往文献，选取受访者的年龄(Age)、性别(Gender)、户籍(Urban)、民族(Nation)、婚姻状况(Marriage)、党员身份(Party)、工作情况(Working)、健康状况(Health)、家庭规模(Famsize)、家庭人均收入(LnPincome)作为个体和家庭层面的控制变量。在省级层面，加入经济发展水平(LnGDP)、失业率(Une)以及城镇化率(Urbanrate)。

4. 描述性统计

主要变量的描述性统计分析如表1所示。整体看来，平均社会信任水平仅达到2.0970，其中，2014年、2016年、2018年中国居民的平均信任水平分别为1.8746、1.9903和2.2100(未在表中展示)，始终处于较低水平。2014-2018年各省份数字普惠金融指数与省级社会信任水平的关系如图1所示，两者呈现正相关关系，即数字普惠金融发展越好的地区，社会信任水平越高。但上述结论仅是从数据的描述性特征观察得出，两者之间的关系以及内生性问题的解决还需进一步的实证检验。

图1 数字普惠金融指数与省级社会信任水平注：纵坐标为各省居民加权平均后的省级层面社会信任水平；在尝试纳入CFPS2012的样本后，数字普惠金融与省级社会信任水平同样呈现正相关，限于篇幅，结果并未汇报，备索。

1. 基准回归分析

表2展示了基准回归结果，列(1)为纳入控制变量(包括个体、家庭以及省级层面)、时间固定效应和地区固定效应的回归结果，其中，数字普惠金融与互联网使用交互项的回归系数为0.182，在1%的水平上显著为正，表明相对于非互联网用户，数字普惠金融提升了互联网用户的社会信任水平。列(2)显示，将数字普惠金融指数滞后一期，交互项系数达到0.217，依旧在1%水平上保持显著，展现出正向影响的稳健性。研究假说1得证。从结构视角看，数字普惠金融是由多维度组成，列(3)-(5)分别验证数字普惠金融的覆盖广度、使用深度、数字化程度3个二级指标对居民社会信任水平的影响，交互项均在1%水平上显著为正。其中，数字普惠金融覆盖广度和发展深度分别用于衡量数字普惠金融的用户数量与用户使用频率，在支付宝、花呗等新兴互联网信用担保平台的保障下，覆盖广度越高、使用力度越大，人与人之间的金融交易愈发安全，对陌生人也更加信任。数字化程度衡量数字普惠金融带来的便利程度，使用成本越低、支付环节更有效率，在一定程度上有助于同他人之间建立信任。上述结果表明，凭借包容性和普惠性方面的独特优势，数字普惠金融有助于居民社会信任水平的提升。这也意味着，伴随着中国数字普惠金融服务不断渗透弱势群体，社会信任的增长必将带来社会资本巨大的跃迁。

回归结果中控制变量的显著性和符号与李涛等(2008)的研究结论大致保持一致。在个体和家庭层面，社会信任水平随着年龄的增长而降低；男性比女性的信任水平更高；城镇居民比农村居民的信任水平更高；党员对他人的信任程度更高；工作群体需要接触更多社会群体，也展现出更高的信任水平；个人的健康程度与社会信任呈现显著的正相关关系。但已婚人群呈现低水平社会信任并没有得到相关文献的支持，可能的原因在于，已婚人群更信任家庭内部成员或身边熟识的群体，对陌生人信任程度较低。在宏观层面，地区经济发展水平与社会信任水平呈现显著的负相关关系，说明经济发展越好的地区，居民社会信任水平反而越低。

2. 机制分析

前文描述了数字普惠金融对居民社会信任的基准回归结果，接下来将从经济公平和机会公平两个方面的影响机制分别展开分析。

(1) 经济公平机制。在目前普遍存在“不患寡而患不均”社会心理的情形下，数字普惠金融能够通过实现经济资源合理配置的方式缩小收入差距，满足个体关联感需求，进而提升居民对陌生人的信任程度。表3列(1)为将基尼系数(Gini)作为机制变量的回归结果，结果显示，交互项系数为-0.0132，数字普惠金融对收入差距有显著的负向影响，说明数字普惠金融能够有效发挥增加低收入群体收入、助力脱贫减贫的作用，缩小了地区间的贫富差距。进一步地，“数字普惠金融→经济公平→社会信任”的传导路径也得到证实，研究假说2得以证实。同时，将区县层面的基尼系数代入进行回归，列(2)的结果同样显示出稳健性。

表2 基准回归分析

考虑到居民关于客观收入差距和主观收入差距之间的感知可能存在滞后性和不对称性(魏钦恭，2020)，本文使用主观层面的收入差距感知作为代替变量。选取CFPS调查问卷中的问题“总的来说，您认为贫富差距问题在我国有多严重？”，以衡量主观收入差距(Sub_gap)，分别赋值0至10，0代表不严重，10代表非常严重。表3列(3)的结果表明，为居民提供必要物资基础保障的同时，数字普惠金融还有助于缓解居民面临的压力感和无助感，提高其内心社会公平感，进而提升社会信任水平。

表3 经济公平机制

(2) 机会公平机制。在传统金融中，机会不平等使得弱势群体难以获得优质的投资和融资服务，数字普惠金融则利用大数据、云计算和机器学习等技术，缓解信贷约束中存在的信息不对称和资源配置不合理问题，使更多潜在的小微用户真正有机会获取金融产品与服务，打破机会不公的“僵局”。本文对此予以检验，使用机会不平等指数(Eo)作为机制变量的回归结果如表4所示，列(1)中数字普惠金融与互联网使用的交互项系数为-0.003，在1%水平上显著为负，说明数字普惠金融能够有效减少机会不平等，是实现机会公平的重要保障。以往高成本、高风险、低收益等因素导致传统普惠金融的金融供给不足，而数字普惠金融的推广普及缓解了居民在发展生产、教育投资等方面的信贷约束，使其在就业、创业以及人力资本提升方面能够抓住更多机遇，从而提升社会信任水平。实证结果验证了“数字普惠金融→机会公平→社会信任”的传导路径，研究假说3得以证实。

表4 机会公平机制

本质上，机会公平强调向上流动的机会。相比于现实中存在的贫富差距，阶层流动性也是衡量社会公平与否的标尺。合理的阶层流动是社会公平的内在要求，二者一致的价值诉求存在内在的统一性。阶层流动主要体现在主观层面的判断与预期(张跃等，2020)，也称为阶层流动感知(8)阶层流动包括垂直流动和水平流动，本文主要研究垂直流动，指个人在地位或职业从下层向上层或从上层向下层的流动。。高水平的阶层流动感知使得人们相信社会阶层之间的开放性和流动性，有助于相互信任。但如若资源分配极度不合理或者缺乏合理的阶层流动机制，处于社会底层的低收入群体、弱势群体对未来不再持有良好的预期，也不可能相信与他人共命运的理念。基于此，选取CFPS调查问卷中的问题“在当今社会，像我这样的人提高生活水平机会还是很大的”作为阶层流动感知(Exp_classmob)的代理指标，回答分别赋值1至5，1为十分不同意，5为十分同意，越同意的受访者越拥有阶层流动的可能性。阶层流动感知表现为人们是否可以通过自身努力获得到更好的发展机会，这也从结果方面体现出机会公平的存在。表4列(2)的结果显示，交互项系数为0.0203，在5%的水平上显著，表明数字普惠金融在提高信息获取能力和打通信息获取渠道方面发挥重要作用，涌现出的发展机会打破了传统的阶层固化，从主观层面提升居民的阶层流动感知，使其不仅限于相信身边亲属或熟识的人，对陌生人也展现出更多的信任。

3. 稳健性分析

(1) 平行趋势检验。使用双重差分法的重要假设为处理组和控制组之间满足平行趋势假设(Parallel Trend Assumption)。但与传统的双重差分法相比，本文的研究缺乏在某一定特定时间点的政策冲击，数字普惠金融的发展在短期内呈现全面覆盖的特性。为此，本文借鉴Kong等(2019)和张铭心等(2022)的方法，将数字普惠金融指数依据等分位点划分为10份，构建各分位点的虚拟变量与处理组虚拟变量的交互项，设定模型如下：

Trustijt=ρ0+ρiθijt×Intijt+ξXijt+λj+δt+εijt

(7)

其中，θi表示为数字普惠金融从1至9分位的划分，ρi为重点关注的系数，式中其他变量保持不变。图2显示，数字普惠金融分组1至5均不显著，而在分组6及之后保持显著且呈现上升扩大的趋势，由此可知，数字普惠金融对社会信任的提升作用存在门槛效应，在突破门槛值后，互联网用户比非互联网用户的社会信任水平有明显的提升。整体上，样本通过了平行趋势检验。

图2 平行趋势检验

图3 安慰剂检验

(3) 稳健性检验。为确保基准回归结论的稳健性，本文从以下几个方面进行稳健性检验(见表5)：首先，替换被解释变量。选取CFPS调查问卷中的问题“一般来说，你认为大多数人是可以信任的，还是要和人相处越小心越好”构建二值形式的社会信任变量(Trust_10)，如果受访者选择回答“大多数人是可以信任的”则取值为1，回答“要越小心越好”取值为0。使用面板Probit模型进行估计，回归结果中数字普惠金融与互联网使用交互项的系数为0.0122，在5%水平上显著。其次，替换估计模型。考虑到基准回归模型中的被解释变量为0至10的有序变量，使用面板Ordered Probit模型重新进行估计，结果依旧保持稳健。再次，剔除年龄在55岁以上样本。中国相关法律对退休条件作出明确规定，一般情况下，男性60岁退休，女性55岁退休。为保证数据的可靠性，剔除55岁以上的样本以排除样本是否在劳动力市场所带来的影响。列(3)的结果显示，交互项的系数有所上升，结论依然稳健。最后，替换成中国综合社会调查(CGSS)数据库。CGSS数据库中也包含描述社会信任的相关问题“总的来说，您同不同意在这个社会上，绝大多数人是可以信任的？”，回答分别赋值1至5；在互联网使用方面，相关问题为“过去一年，您对互联网媒体的使用情况”，将回答“非常频繁”、“经常”、“有时”赋值为1，“很少”和“从不”赋值为0。最终选用2013、2015、2017三年数据进行稳健性检验，结果显示，数字普惠金融提升居民社会信任的正向影响作用与基准回归结果保持一致。

表5 稳健性检验

4. 内生性分析

基准回归中选用双向固定效应虽能缓解遗漏变量引致的内生性问题，但无法规避两者之间可能存在的双向因果关系，即居民社会信任的普遍增加可能会反向推动数字普惠金融的发展。由于被解释变量来源于微观层面数据，核心解释变量来源于宏观层面数据，反向因果性较弱。因此，针对可能存在遗漏变量的问题，本文试图寻找合适的工具变量以缓解内生性问题。

互联网是数字普惠金融发展的前提条件，互联网的普及程度对数字普惠金融发展有直接的影响，满足工具变量的相关性要求。但就目前阶段而言，互联网所发挥的社交网络媒体作用也会通过影响社会交往和社会共识，进而改变居民社会信任(赵建国和王嘉箐，2021)，无法满足排他性要求。因此，参考黄群慧等(2019)的做法，使用各省份1984年邮电数据作为数字普惠金融的工具变量。从理论上分析，以往传统通讯设施的使用频率可以延续到当今社会中，例如，互联网第一次走进大众视野是以固定电话接入的形式出现，其中固定电话线的铺设、固定电话的安装在当时均由邮局进行操作，邮局差异性的布置安排为互联网的先期接入奠定基础。同一地区不同时期的互联网发展状况必然存在相关性，尤其体现在互联网的普及与应用方面。与此同时，1984年邮电的分布情况对现阶段的社会信任水平影响甚微，满足排他性要求。基于此，本文选用滞后一阶的互联网普及率(Intpt-2)(随时间变化)与1984年各省份每万户拥有电话机数量(Tel)构造交互项(10)1984年邮电数据不随时间变化，有可能导致第二阶段回归失效，因此需要构建具有时间变化效应的工具变量。，作为工具变量。考虑到社会信任变量为0至10的有序变量，同时引入两阶段最小二乘法(2SLS)与Roodman(2011)提出的条件混合过程(Conditional Mixed Process，CMP)估计法进行估计。

表6 内生性检验

表6列(1)和(2)显示2SLS估计方法的结果，一阶段F统计量达到493.774，远大于10，拒绝“弱工具变量”的原假设。在第一阶段回归结果中，工具变量正向影响数字普惠金融与互联网使用的交互项，系数在1%的水平上显著，满足相关性的要求。列(2)的结果显示，交互项的系数从基准回归的0.1820上升到1.4936，结果符合预期。列(3)和(4)显示使用CMP估计法的回归结果，内生检验参数Atanhrho_12估计量在5%水平显著，说明基准回归确实存在内生性问题，使用CMP估计法更有效。列(4)为使用Oprobit估计的回归结果，表明在纠正可能的内生性偏误后，数字普惠金融对居民社会信任存在显著的正向促进作用。

5. 异质性分析

(1) 区域异质性。长期以来中国东部与中、西部地区处于不同的经济发展阶段，金融资源配置不均衡，数字普惠金融对居民社会信任的提升作用也可能存在区域异质性。本文对此进行验证，表7列(1)-(3)汇报了东中西部地区的异质性检验结果，显示数字普惠金融显著提升中部地区居民社会信任，其次是西部地区，对东部地区居民社会信任无提升作用。列(4)和列(5)显示数字普惠金融对农村地区居民社会信任的影响显著为正，对城镇居民的影响则不显著。上述结果符合理论分析和经济直觉，东部沿海和城镇地区的金融体系相对完善，金融知识和投资意识也得到广泛普及，金融排斥程度较低，而在中西部及农村地区，金融资源相对匮乏，居民难以享受到优质的金融服务。近年来，数字普惠金融的发展突破地理界限的限制，对偏远地区给予极大的政策倾斜和资金支持，有效发挥长尾效应，将更多弱势群体纳入金融服务范围，使得人际之间的信任水平显著提升。对于中部地区而言，其互联网基础设施优于经济欠发达的西部地区，相应地，数字普惠金融发挥了更高水平的开放、包容和普惠性作用。

表7 区域异质性

(2) 个体异质性。个体的差异同样可能带来异质性的影响，为此，本文构建三重倍差法进行检验，结果在表8中汇报。首先，既有研究表明，部分群体除因数字工具可及性差造成“数字鸿沟”外，还存在受教育程度不足、金融素养匮乏导致的“知识鸿沟”问题，列(1)报告了基于教育水平差异(是否具有大学学历)的异质性检验结果，交互项系数显著为正，表明数字普惠金融的使用存在“门槛”效应，在一定程度上，低学历群体无法享受数字普惠金融带来的政策红利。其次，列(2)报告了关于性别方面的异质性检验，结果显示，相比于女性，数字普惠金融的发展对男性社会信任水平的提升作用更为显著，可能的原因在于，女性在信贷市场中容易受到歧视，借款成功率低于男性。最后，列(3)报告了居民是否处于相对贫困的异质性检验，对省份、城乡做进一步细分后，以收入中位数的40%作为相对贫困线的门槛值(11)相对贫困是衡量人们在相互比较中的贫困情况，突出贫困的动态性。目前学术界主要的衡量方法为以收入均值或中位数的一定比例作为相对贫困线，通常采用0.4、0.5、0.6三个百分比。比如，欧盟国家将可支配收入中位数的60%设定为相对贫困标准，OECD国家则采用中位数或均值的50%。考虑到中国城乡间和地区间的经济发展程度和收入水平的差异，本文尝试降低标准，以收入中位数的40%作为相对贫困线。。结果发现，数字普惠金融对处于相对贫困群体的社会信任水平有更强的提升作用，这一结果也从侧面印证数字普惠金融的“扶贫”效应。

表8 个体异质性分析

五、 结论和政策建议

作为社会资本的重要组成部分，社会信任对社会和谐发展、乡村全面振兴以及共同富裕的实现至关重要。但目前中国居民社会信任水平不尽如人意，加上新冠肺炎疫情的爆发，大量负面信息涌入、市场寻租与个体利己行为频现，不断冲击着中国的社会信任体系，激化并放大了社会信任矛盾，并对社会发展造成了长期的负面影响。若对出现的“信任危机”置之不理，群体间的不信任程度将会不断加深和固化，形成恶性循环。因此，如何促进社会信任水平提升成为亟待解决的社会问题。本文利用2014年、2016年及2018年三轮中国家庭追踪调查(CFPS)数据与北京大学数字普惠金融研究中心和蚂蚁集团研究院共同开发的北京大学数字普惠金融指数，系统分析了数字普惠金融对居民社会信任水平的影响机理，并使用广义双重差分法对其有效性进行检验。研究发现：① 数字普惠金融能够显著提升居民社会信任水平，稳健性检验和内生性检验的结果验证了这一结论的可靠性。② 在影响机制方面，数字普惠金融主要通过缓解收入差距和释放发展机会，进而提升居民社会信任水平。③ 数字普惠金融对居民社会信任的促进影响在中西部地区、农村地区发挥更大的作用，并且对受教育程度高、男性以及处于相对贫困状态居民社会信任的提升作用更为明显。

为此，特提出四点建议。第一，加强法规和制度建设。要制定和完善数字普惠金融方面的法律法规，保障数字普惠金融良好有序发展，尤其对于发展基础相对较弱的地区，相关政策应适当倾斜，鼓励当地金融机构发展数字普惠金融业务，引导金融资本、数字资本等流向这些地区，提高当地数字普惠金融发展水平。同时，加强相关监管制度建设，完善治理体系，监控金融风险，改善在传统信贷市场中存在的地域歧视和性别歧视问题，避免出现“富者愈富、穷者愈穷”的马太效应。第二，提高地区数字普惠金融供给能力。强化和完善中西部和农村地区互联网基础设施建设，着力提升偏远农村地区网络覆盖和信息化水平，为数字普惠金融发展提供坚实信息基础。第三，提升弱势群体掌握和应用数字普惠金融的能力。针对低收入等弱势群体金融素养不高的情况，政府及金融机构应建立长期合作关系，通过线上、线下组织开展电商和金融知识培训等活动，帮助其掌握数字技术和数字金融使用技巧，增强数字金融素养和数字安全意识。第四，发挥顶层设计的作用。通过税收和转移支付等手段，解决收入分配不合理和收入差距过大问题。同时，深化公共服务供给侧结构性改革，推进数字普惠金融与社会保障、公共服务等民生领域的融合，保证创业、就业和教育等资源的公平性，让弱势群体享受高质量服务，从而提升社会信任，强化社会凝聚力。