数字普惠金融发展能够缓解家庭经济脆弱性吗？——来自中国家庭的微观证据

吕学梁，程 歌，司登奎，孙继国

(1.青岛大学 经济学院， 山东 青岛 266061； 2.对外经济贸易大学 金融学院， 北京 100029)

一、引言

产业结构的调整、劳动力市场的变化以及生老病死等原因使家庭面临着诸多风险[1]，尤其是新冠肺炎疫情等重大突发公共事件，对我国居民收入产生了负向冲击，加剧了家庭经济脆弱性。家庭经济脆弱性不仅考虑现在的家庭特征与经济状况，更将未来家庭可能面临的风险包括其中，是家庭在未来陷入贫困的概率[2-3]。不同于贫困发生率等事后静态指标，它在事前全面刻画了家庭整体的福利状况，具有较强的前瞻性和动态性。如何有效面对风险冲击，缓解家庭经济脆弱性是一个亟待研究的问题。

金融体系通过风险管理可以提高家庭应对风险冲击的能力[4]，降低家庭经济脆弱性。但是，长期以来我国的金融体系并不完善，低收入群体、农村居民难以充分地享受到金融服务，也无法利用金融工具摆脱贫困陷阱。党的二十大报告明确指出“巩固拓展脱贫攻坚成果，增强脱贫地区和脱贫群众内生发展动力”。2016年9月，G20杭州峰会发布《G20数字普惠金融高级原则》，数字普惠金融正式成为全球金融扶贫的重要手段。数字普惠金融拓展了传统金融的服务边界，完善了金融服务体系，对居民就业和收入存在着正面促进作用。特别在抗击新冠肺炎疫情期间，各类数字金融机构借助大数据征信等技术手段，提供了精准高效的信息流、资金流等服务，为抗击新冠肺炎疫情提供了金融服务，有效对冲了家庭所面临的风险[5]。既然数字普惠金融为风险管理提供了新的方式，那么数字普惠金融的发展能否有效减缓家庭经济脆弱性？如果可以减缓，其机制为何？其对于特征各异的家庭又会有何种异质性的影响？

目前，直接回答上述问题的研究不多。部分学者从理论和实证层面探究了数字普惠金融的减贫效应，发现其能够缓解贫困[6-7]。部分学者指出数字金融不仅能够缩小城乡收入差距[8]，而且可以通过均等化创业机会等机制促进包容性增长[9-10]。除此之外，还有学者对数字普惠金融和农村正规金融需求、居民消费以及创业行为等因素之间的关系进行了探讨[11-13]。

为此，本文借助西南财经大学CHFS调查数据和北京大学数字普惠金融指数等地市级层面的数据，实证研究数字普惠金融发展对居民家庭经济脆弱性的影响。研究发现：数字普惠金融的发展有效缓解了家庭经济的脆弱性，其缓解效应在农村家庭、低物质资本家庭的效果更加显著；数字普惠金融的发展可以通过促进居民创业、缓解信贷约束来降低家庭经济脆弱性，这种影响在农村家庭、低收入家庭和低净资产家庭中更加显著。本文的创新主要有以下3个方面：(1)在研究视角方面，本文使用CHFS调查数据探究了数字普惠金融与经济脆弱性的因果关系，丰富了家庭经济脆弱性影响因素的相关研究；(2)在研究内容方面，少数关于数字普惠金融对家庭经济脆弱性影响的研究对象多集中于农村地区，本文将研究对象扩展至普通家庭，使用“贫困脆弱性”概念来探究减贫问题，建立了数字普惠金融发展影响经济脆弱性的创业机制和信贷约束机制，厘清了其作用机理；(3)在研究价值方面，本文进一步讨论了数字普惠金融对不同类型家庭经济脆弱性的异质性影响，有助于更加全面认识数字普惠金融发展对“长尾”家庭影响的普惠性。

二、文献综述与理论分析

(一)文献综述

家庭经济脆弱性度量了风险冲击对于家庭福利和消费水平的影响，通常将这些风险视作影响家庭经济脆弱性的主要因素。Sun等[14]发现在经历了自然灾害冲击后，农村家庭未来陷入贫困的可能性增大。张冀等[15]的研究表明我国城市居民家庭普遍存在由死亡风险导致的经济脆弱性，且比较严重。能够缓解这些风险冲击的制度和宏观环境等外部因素也会影响家庭经济脆弱性，如Imai[16]指出降低家庭经济脆弱性的关键在于教育和公共设施的普及；此外，农村养老保险的参与[17]、公共转移支付[3]、城乡低保[18]、贸易开放程度[19]等外部因素也会对风险冲击的应对产生重要影响。家庭经济脆弱性亦会因为家庭特征或行为差异有所不同，如私人转移支付[20]、民间借贷[21]、教育支出[22]等。

近年来，随着信息技术、大数据和云计算等新技术的飞速发展，数字普惠金融充分发挥了其能够有效降低交易成本和缓解信息不对称的优点，极大地提高了金融服务的可得性和便利性，为普惠金融注入了新的内涵，提高了普惠金融发展的可行性[23]。目前国内外对数字普惠金融进行了大量的研究，主要集中于数字普惠金融发展的影响效应。从宏观层面来看，数字普惠金融通过技术溢出效应，显著提升了我国传统金融行业的全要素生产率[24]，且在扩展金融服务覆盖面和降低金融成本等方面发挥了重要作用，对我国居民收入具有显著的正向影响，尤其是对农村低收入群体的增收效应更大，从而有效缩小城乡收入差距[25-26]，促进经济的包容性增长[10，27-28]。但也有学者指出，我国的数字普惠金融发展在贫困户和非贫困户之间存在马太效应[29]，数字普惠金融的发展会增加中老年家庭陷入相对多维贫困的概率[30]。从微观层面来看，数字普惠金融在促进居民就业和创业[12，26，31-32]、促进家庭商业保险购买[33]、推动消费升级[13]等方面也发挥了积极作用。

金融市场的发展对居民家庭应对风险极为重要。若金融市场发展不完善，低收入阶层等弱势群体缺乏有效的避险工具，难以通过正规金融市场获取金融服务，这将加剧家庭经济的脆弱性[1]。目前关于数字普惠金融对家庭经济脆弱性影响的研究还不充分，现有文献主要关注数字普惠金融的减贫效应，认为数字普惠金融显著减缓了居民贫困[6-7，34]，少有文献系统性地研究其对家庭经济脆弱性的影响。已有研究也存在以下两处不足：一方面，相关文献主要研究了国外问题，缺少基于中国现实的研究，如Choudhury[35]从理论上建立了普惠金融与家庭经济脆弱性之间的联系，指出普惠金融通过提高家庭应对风险冲击的水平降低了经济脆弱性；另一方面，国内学者较多关注农村家庭的脆弱性问题[1，36]，并未将数字普惠金融对经济脆弱性的影响扩展至普通家庭。

(二)理论分析

社会结构的变化和社会保障体系的不完善限制了中国家庭的风险应对水平，金融市场的发展状况对中国家庭应对风险事件来说显得尤为重要。在激烈的市场竞争中，传统金融机构仅关注20%的头部客户，往往忽略了需要投入更多精力和成本的尾部客户，“二八法则”使大部分长尾客户面临金融服务严重不足的问题[37-38]。数字普惠金融的发展使金融基础设施发生了深刻变化，改变了人们获取金融服务的方式，从而降低了服务成本，提高了为偏远地区提供金融服务的效率。一方面，交易成本的下降大大提升了金融服务的触达能力，促使金融服务需求向“尾部”移动；另一方面，借助大数据、云计算、人工智能等现代化数字技术的应用，风险甄别和数据处理的效率也大大提升，使金融门槛按照风险、信用级别等合理划分，而不是按高、低收入人群和地理区域划分，这促进了金融资源的均等化，减弱了不平等因素[25]。总之，诸多风险事件极易导致现有非贫困家庭在未来发生贫困和已脱贫家庭返贫，数字普惠金融通过降低金融交易成本，提升金融服务的触达能力以及有效的风险控制充分发挥了“长尾”作用，为更多的城乡居民提供经济机会，拓宽增收渠道，增强抵御风险的能力，从而降低了家庭在未来陷入贫困的概率。

因此，本文提出如下假说：

假说1：数字普惠金融的发展能够缓解家庭经济脆弱性。

数字普惠金融作为一种金融基础设施，能够弥补传统金融的不足，降低小微企业和不发达地区的融资成本，使贫困落后的地区也能享受到便捷的金融服务，为创新提供了基础，缓解创业者可能面临的“资金难”问题，从而增加了创业机会[12]。同时，数字普惠金融利用信息科技，缓解了信息不对称，增强了信息可得性，有利于缓解创业者面临的有效信息缺乏问题，最终促进居民创业[32]。创业带来了大量的就业岗位和更高的社会收入流动性，有利于经济的长期发展，间接通过当地经济增长的“涓滴效应”提高居民福利[39]。创业还能带来收入的持续性提升，增加家庭的资本积累，直接降低居民未来陷入贫困的可能性[40]。

因此，本文提出如下假说：

假说2：数字普惠金融可以通过促进创业降低家庭经济脆弱性。

数字普惠金融依托大数据、云计算和区块链等新兴技术积累了大量客户信息，并且运用这些信息精准提供金融产品和服务，降低了在不同交易环节中存在的信息不对称问题，从而提高了家庭信贷服务的便利性和可得性[10，12]。居民在传统金融机构的借贷需求往往受抵押品价值和担保方式等的制约，导致家庭难以借助信贷产品应对风险事件[41]。Urreasupa等[4]和Choudhuri[2]指出，普惠金融降低了家庭获取金融服务的门槛，提供了风险管理的新方式，通过提高家庭的风险应对能力，降低了家庭未来陷入贫困的概率。因此，数字普惠金融可以通过降低金融服务门槛，有效缓解脆弱性家庭面临的信贷约束，从而提高其风险应对能力和增强自身发展动力，扩大家庭增收机会，拓宽家庭增收渠道，降低家庭经济的脆弱性程度。

因此，本文提出如下假说：

假说3：数字普惠金融可以通过缓解信贷约束降低家庭经济脆弱性。

三、实证策略

(一)家庭经济脆弱性的测度

作为一种前瞻性指标，家庭经济脆弱性代表了家庭未来陷入贫困的可能性，不仅考虑现在的家庭特征与经济状况，更将未来家庭可能面临的风险也包括其中。测量家庭经济脆弱性的方法主要有以下3种：预期的脆弱性(VEP)、低期望效用的脆弱性(VEU)和风险暴露的脆弱性(VER)。其中，使用低期望效用的脆弱性(VEU)方法需要用到主观性很强的家庭效用函数，而风险暴露的脆弱性(VER)方法则为事后估算，是通过已发生的风险冲击来估算其脆弱性。因此，本文采用Chaudhuri[2]提出的预期的脆弱性指标(VEP)。VEP方法是通过t时期的家庭特征计算t+1时期家庭陷入贫困的概率来获得相应的脆弱性度量，该指标不仅可以体现贫困动态的变化，也可以解决发展中国家数据缺失的问题，因而得到了广泛的使用。基本的测度方程为：

Vulnerabilityi,t=P(incomei,t+1≤poort)

(1)

式(1)中:Vulnerabilityi,t为第i个家庭在第t年的脆弱性；incomei,t+1为该家庭在第t+1年的家庭人均收入；poort为贫困线。

假设家庭未来的收入呈对数正态分布，得到第i个家庭未来陷入贫困的概率为：

(2)

式(2)中:μi,t+1为第i个家庭在第t+1年的家庭人均收入对数值的期望；σi,t+1为相应的标准差。若要得到Vulnerabilityi,t，就必须对μi,t+1、σi,t+1进行估计。

本研究借鉴Chaudhuri[2]对收入对数均值和方差的测度方法，先采用三阶段广义最小二乘法(FGLS)[42]建立收入均值和收入波动模型，估计人均收入对数，再利用回归后的残差平方再进行OLS回归。

lnYi=Xiβ+ei

(3)

(4)

式(3)中：Yi为家庭的人均收入，Xi为影响收入水平的一系列家庭特征变量。各变量对家庭的暂时性和持久性收入均有不同程度的影响。另外，在上述回归的基础上，构建异方差结构权重，重新对残差平方和收入对数进行加权回归，获得估计值。即：

(5)

(6)

将式(5)和式(6)代入式(2)，可得到每个居民家庭的脆弱性指数。

由式(1)可知，在估计脆弱性时需要设定贫困线。本文采用世界银行发布的2美元/人/天的贫困标准计算家庭经济脆弱性[20]。除了贫困线外，还需要设定脆弱线，本文遵循樊丽明等[3]的研究，将50%的概率值作为脆弱线的标准，即当某家庭在未来发生贫困的概率大于50%时，则认为该家庭存在经济脆弱性。

(二)数据选取

本文实证采用的数据包含3个部分：(1)西南财经大学2017年中国家庭金融调查数据(China Household Finance Survey，CHFS)，用于刻画微观样本的基本情况。该调查样本覆盖了全国29个省份，样本规模达到 40 011户家庭，保证了样本的随机性和代表性；(2)北京大学中国数字金融研究中心发布的北京大学数字普惠金融指数，用于衡量中国地级市数字普惠金融发展程度；(3)中国统计年鉴提取的宏观区域层面数据。本文使用2017年的CHFS调查数据，按照受访家庭所在城市与2016年的数字普惠金融指数进行匹配，在删除部分缺失值和异常值，并根据收入、家庭净资产等变量进行1%的双边截尾后，最终样本量为 23 850个。

(三)变量设定

本文的被解释变量是家庭经济的脆弱性(Vul)，计算过程详见家庭经济脆弱性的测度部分。得到每个家庭经济脆弱性指数后与50%的概率值(脆弱线)进行比较，大于该值赋值为1，否则赋值为0(本文将脆弱线设定为29%概率值作为稳健性检验，具体见表1)。

解释变量采用了地级市层面的数字普惠金融指数来度量各样本家庭所在城市的数字普惠金融发展水平。同时，本文还选用了数字普惠指标体系的3个一级维度指标，即覆盖广度、使用深度和数字化程度，分别衡量数字普惠金融的账户覆盖程度、地区使用数字普惠金融的频率以及数字普惠金融的便利性以及成本。关于数字普惠金融指数的具体计算方式，参见郭峰等[38]的研究。实证分析中，以上指数均取自然对数。

选取居民创业、信贷约束作为中介变量进行机制分析。居民创业变量参考尹志超等[43]的研究，将CHFS问卷中“您家是否参与过工商业经营项目，包括个体户、租赁、运输、网店、经营企业等？”回答为有的家庭定义为参与过创业活动的家庭。信贷约束变量参照孙继国等[37]、尹志超等[44]的研究，对于CHFS问卷中“截至目前，您家是否曾向银行/信用社申请过贷款，但是被拒绝？”回答为“有”的家庭定义为受到信贷约束的家庭。

本文分析影响家庭经济脆弱性的因素包括户主特征、家庭特征以及地区特征。为避免遗漏变量对回归结果造成偏误，控制变量的选取遵循张栋浩等[1]的研究，主要有以下3类：户主特征变量、家庭特征变量以及地区特征变量。其中户主特征变量包括年龄、年龄的平方、性别、受教育程度、婚姻状况、户口、是否为党员等。家庭特征变量为家庭人均收入对数值、家庭规模、是否领取政府补助、是否领取养老保险、医疗保险余额对数值以及医疗保健支出对数值。地区特征变量选取地区GDP对数值，同时控制了省份等地区哑变量(见表1)。

(四)描述性统计

由表2可知，家庭经济脆弱性指标一的均值为0.28，指标二的均值为0.29；我国居民家庭的数字普惠金融总指数均值为5.34，其中最小值为5.07，最大值为5.51，其余3个一维指标的均值差异不大；观察户主特征变量可以发现，约有82%的户主为男性，平均年龄为53.38岁，90%的户主已婚，且受教育程度普遍为初中水平。考虑家庭特征变量，家庭规模均值为1.62，约16%的家庭参与过创业活动，5%的家庭受到过信贷约束，领取政府补助的家庭占比为19%，且居民家庭普遍持有养老保险(占比为82%)。

表1 变量说明

表2 描述性统计

续表(表2)

(五)实证模型

为探讨数字普惠金融发展对家庭经济脆弱性的影响，设计实证模型如下：

Vulnerabilityi=β0+β1DFIi+β2Xi+ei

(7)

式(7)中：Vulnerabilityi为在2美元/人/天的贫困标准下测量的家庭经济脆弱性[3]；DFIi为数字普惠金融指数；Xi为一系列的控制变量。本文使用Probit模型来探究数字普惠金融发展和家庭经济脆弱性的因果关系，若Vulnerabilityi≥0.50，则定义Vulnerabilityi=1，表示该家庭具有经济脆弱性，反之赋值为0。

四、实证分析与结果

(一)基准回归

表3汇报了数字普惠金融发展对家庭经济脆弱性的影响。表3的第(1)—(4)列分别是数字普惠金融总指数和3个一级维度指标对家庭经济脆弱性的回归结果。由回归结果可知，数字普惠金融显著降低了家庭经济的脆弱性程度，假说1成立。表3第(1)列的边际效应为-0.024，表示数字普惠金融总指数每提高1%，家庭经济脆弱性发生的概率降低2.4个百分点，考虑到家庭经济脆弱性指标的均值为28%，这一影响较大。由表3的第(2)列可知，数字普惠金融指数的3个子维度中，覆盖广度的系数显著为负，表明覆盖广度对家庭经济脆弱性具有显著缓解作用。

在控制变量中，家庭人均收入对脆弱性具有显著的负向影响，家庭收入越高，应对风险的能力也越强，经济脆弱性越低。户主年龄对家庭经济脆弱性的影响呈“U”形，随着年龄的增大，其家庭脆弱性先下降后上升。家庭经济脆弱性随着户主文化水平的提高而降低，已婚家庭相较于未婚家庭来说，应对风险冲击的能力更强。领取养老保险和医疗保险的家庭比未领取家庭的脆弱性程度更低。

表3 数字普惠金融对家庭经济脆弱性影响的基准分析结果

(二)基准回归的稳健性检验

1.内生性检验

考虑到数字普惠金融对家庭经济脆弱性的影响可能存在内生性问题，本文试图通过寻找合适的工具变量来缓解模型的内生性。参照Bartik[45]的做法，构建一个“Bartikinstrument”工具变量，其等于滞后一期的数字普惠金融指数DFIj,t-1与时间维度上的一阶差分ΔDFIt,t-1的乘积，即：Bartikinstrument=DFIj,t-1·ΔDFIt,t-1。原因如下：第一，由于全国的数字普惠金融指数来自一百多个地级市，普惠金融指数不会明显地受到某个地级市经济脆弱性的影响，全国数字普惠金融指数的变化对具体某地级市而言是相对外生的；第二，地级市层面除数字普惠金融外的需求冲击也可能导致估计偏误，但是单个地级市并没有重要到其内部需求冲击同整个国家的普惠金融显著相关；第三，工具变量与所在城市的数字普惠金融发展水平直接相关，但不会通过其他渠道直接影响居民未来陷入贫困的概率，同时满足工具变量的相关性和外生性两个条件，因此使用该工具变量是有效的[13]。表4给出的回归结果显示：数字普惠金融发展对家庭经济脆弱性的影响依旧显著为负，即数字普惠金融能够显著减缓家庭经济的脆弱性，基准分析结论较为稳健。

表4 工具变量回归结果

Variables(1)一阶段结果DFI(2)Ⅳ PprobitVul1marriage-0.001-8.267∗∗∗(-1.26)(-6.298)health-0.001∗∗∗4.902∗∗∗(-4.21)(6.760)government-0.002∗∗∗0.312(-2.83)(0.611)endowment-0.002∗∗∗-9.337∗∗∗(-3.07)(-5.885)medicalinsurance0.000∗∗∗-0.786∗∗∗(3.22)(-6.341)healthcare0.000-0.587∗∗∗(0.14)(-5.670)regionalGDP0.070∗∗∗3.931∗∗(145.28)(2.110)外生性Wald检验2.99对应P值0.083 9第一阶段F统计量3 303provinceYESYESN23 85023 850

2.稳健性检验

为了验证数字普惠金融减缓经济脆弱性的回归结果是否可靠，本文分别从以下4个方面进行稳健性检验：一是为避免家庭经济脆弱线设定的偏差，将脆弱线由50%的概率值换作29%的概率值以检验估计的稳定性，回归结果如表5第(1)列所示，数字普惠金融仍然减缓了家庭经济脆弱性，结果依旧稳健[46]；二是为减弱反向因果造成的估计偏误，并证明数字普惠金融发展对家庭经济脆弱性具有长期影响，本文使用滞后两期的数字普惠金融指数作为核心变量进行回归分析。回归结果如表5第(2)列所示，数字普惠金融发展依旧缓解了家庭经济脆弱性；三是为保证实证方法的稳健性，使用 Logit方法进行回归，回归结果如表5第(3)列所示，Logit回归结果中数字普惠金融指数的系数仍然显著为负，表明数字普惠金融发展能够有利于降低家庭经济脆弱性；四是为避免抽样调查设计的偏差，使用2018年中国家庭追踪调查数据(CFPS)进行实证检验，由表6可知，数字普惠金融指数的回归系数依然显著为负。

综上所述，无论是替换被解释变量、解释变量、变换计量分析方法，还是更换调查样本，数字普惠金融指数对家庭经济脆弱性的影响与基准回归一致，本文实证分析结果稳健。

表5 更换回归方法与变量设定的稳健性检验

Variables(1)ProbitVul2(2)ProbitVul1(3)LogitVul1marriage-0.011∗∗∗-0.009∗∗∗-0.009∗∗∗(-13.647)(-10.419)(-9.939)health0.006∗∗∗0.006∗∗∗0.006∗∗∗(16.717)(12.294)(11.281)government-0.002∗∗∗0.0000.000(-3.203)(0.650)(0.351)endowment-0.012∗∗∗-0.011∗∗∗-0.010∗∗∗(-13.332)(-8.660)(-7.899)medicalinsurance-0.001∗∗∗-0.001∗∗∗-0.001∗∗∗(-7.716)(-9.987)(-9.415)healthcare-0.001∗∗∗-0.001∗∗∗-0.001∗∗∗(-8.328)(-8.138)(-8.079)regionalGDP0.002∗∗0.001∗0.001∗(2.214)(1.682)(1.806)provinceYesYesYesN23 85023 85023 850Pseudo R20.996 30.992 70.996 2

表6 使用2018年CFPS截面数据的稳健性检验

五、进一步分析

(一)异质性分析

“长尾”理论认为，考虑到成本和效率因素，传统金融机构仅关注重要的客户，即正态分布曲线所描绘的“头部和中部”客户，往往忽略了处于正态分布曲线“尾部”的客户，即那些需要投入更多精力和成本才能关注到的大多数客户。而数字普惠金融具有“普惠”特征，其“成本低、速度快、覆盖广”的优势能更有效地突破时空限制，让金融机构更好地服务“长尾”人群。那么，数字普惠金融是否真的具有普惠性的特点？数字普惠金融是否对弱势群体和发展落后地区影响更大？本文进一步分析数字普惠金融发展影响的异质性。

1.城乡异质性

中国是典型的城乡二元经济体，相比于城镇，农村地区金融发展水平较低，城乡差距较大[47]。数字普惠金融的发展可能会极大地扩展农村地区的金融覆盖面和提升金融服务可得性，从而对农村家庭经济脆弱性的改善起到更大的促进作用。为了考察数字普惠金融发展对家庭经济脆弱性影响的城乡异质性，将样本划分为城镇样本和农村样本进行分样本估计。表7的第(1)—(2)列汇报了估计结果。其中，数字普惠金融的发展显著缓解了农村家庭的经济脆弱性，但并未显著改善城镇居民的家庭经济脆弱性水平。本文采用了基于似无相关模型SUR检验，二者组间系数的经验P值为0.021 7，小于0.1，通过了组间系数差异检验，城乡异质性存在。这可能是因为数字普惠金融的发展扩大了农村地区的金融覆盖面，使农村居民在数字普惠金融的发展过程中获益更多，充分体现了数字普惠金融发展的普惠性目标[10]。

2.物质资本异质性

参考周广肃等[48]的研究，本文将家庭纯收入与家庭净资产作为物质资本的代理变量，将居民家庭分为低收入组(中位数以下)和高收入组(中位数及以上)、低净资产组(中位数以下)和高净资产组(中位数及以上)，分别用子样本估计Probit模型进行回归，回归结果如表7的第(3)—(6)列。如表7所示，数字普惠金融的发展仅帮助缓解低收入组和低净资产家庭的经济脆弱性水平，对高收入组家庭和高净资产组家庭的影响并不显著，可能是因为后者可获得较为充足的资金进行创业，且面临较弱的信贷约束。数字普惠金融的发展有益于物质资本匮乏的居民家庭改善其经济脆弱性状况，充分体现了其包容性。

表7 异质性分析

(二)机制分析

理论分析表明：数字普惠金融的发展会促进居民创业，增加家庭收入，从而缓解家庭经济脆弱性；此外，数字普惠金融的发展有利于缓解家庭的信贷约束，使其具有更强的能力应对风险冲击，降低家庭经济脆弱性。基于上述分析，本文选取家庭创业水平、是否存在信贷约束作为中介变量进行机制分析。

在机制分析中，参考温忠麟等[49]提出的中介效应检验程序，采用依次检验回归系数的方法，建立回归方程如下：

Vulnerability=β0+β1DFIi+β2Xi+λi

(8)

Mi=δ0+δ1DFIi+δ2Xi+ζi

(9)

Vulnerabilityi=γ0+γ1DFIi+γ2Mi+γ3Xi+ηi

(10)

式(8)—(10)中：Vulnerabilityi为家庭经济的脆弱性，DFIi为数字普惠金融指数，Mi为居民家庭是否创业和是否受到信贷约束，Xi为一系列控制变量。

表8展示了基于创业机制的数字普惠金融发展对经济脆弱性的影响。由表8第(1)列可知，数字普惠金融发展在1%的显著性水平上会降低家庭经济脆弱性，边际效应为-0.024；在第(2)列中，将是否创业作为因变量进行Probit回归，可知数字普惠金融发展对家庭创业情况具有显著的正向影响，即在10%的显著性水平上，数字普惠金融发展越好的地区家庭创业倾向越明显，这与谢绚丽等[12]的研究结果保持一致；在第(3)列中加入居民创业的中介变量后，采用Probit模型分析对家庭经济脆弱性的影响，可知创业可有效降低家庭经济脆弱性，数字普惠金融指数对家庭经济脆弱性影响的显著性没有变化，但是系数由-0.024变为-0.018，影响变小，中介效应占比约为40.91%。同时表8列出了数字普惠金融覆盖广度指标的中介效应回归结果，如第(4)—(6)列所示，结论同数字普惠金融总指数一致。因此，数字普惠金融对家庭经济脆弱性影响的创业机制存在，数字普惠金融可以通过促进家庭创业进而降低其经济脆弱性，验证了假说2。

表8 创业机制的中介效应检验

续表(表8)

表9为基于信贷约束机制的数字普惠金融发展对经济脆弱性的影响。在表9第(1)列中，数字普惠金融发展会显著降低家庭经济的脆弱性。在表9第(2)列中，数字普惠金融的发展会缓解居民家庭面临的信贷约束。在表9第(3)列中加入中介变量后，数字普惠金融指数对家庭经济脆弱性仍具有显著的负向影响，且影响有所下降；而信贷约束会加剧家庭经济脆弱性，其中，中介效应占比约为41.8%。同时表9列出了数字普惠金融覆盖广度指标的中介效应回归结果，如第(4)—(6)列所示，结论同数字普惠金融总指数一致。因此，数字普惠金融对家庭经济脆弱性影响的信贷约束机制存在，数字普惠金融可以通过缓解家庭信贷约束进而降低其经济脆弱性，验证了假说3。

表9 信贷约束机制的中介效应检验

续表(表9)

六、研究结论与政策建议

(一)研究结论

文章采用2017年中国家庭金融调查(CHFS)数据，使用预期的贫困脆弱性(VEP)方法测量家庭经济脆弱性，实证检验了数字普惠金融发展对其影响，研究发现：在控制了个体特征、家庭特征及省份哑变量后，数字普惠金融发展对经济脆弱性具有显著的负向影响，其中数字普惠金融总指数每提高1%，家庭经济脆弱性发生的概率就降低2.4个百分点，考虑到家庭经济脆弱性指标的均值为28%，这一影响较大；而在度量数字普惠金融的3个子维度中，数字普惠金融的覆盖广度具有显著缓解家庭经济脆弱性的作用；居民家庭创业和信贷约束在数字普惠金融发展与家庭经济脆弱性之间起着中介效应，数字普惠金融发展水平越高，居民家庭创业倾向越高，面临的信贷约束也越少，这拓展了家庭增收渠道，增强了应对突发风险事件的能力，从而缓解了其经济脆弱性；数字普惠金融对家庭经济脆弱性的“长尾”效应在农村、低收入、低净资产家庭中更加显著，有效地降低了这些家庭的经济脆弱性，体现了其“普惠”特征。

(二)政策建议

基于上述结论，本研究提出如下政策建议，以期发挥数字普惠金融正向作用，降低家庭在未来落入贫困陷阱的可能性。

1.重视数字普惠金融在降低家庭经济脆弱性方面的作用。数字普惠金融的发展能够缓解家庭经济脆弱性，有效预防风险冲击所带来的家庭福利水平的下降。家庭经济脆弱性强调的是居民家庭在未来发生贫困的可能性，因此政府不仅要关注居民的贫困现状，还需要基于动态视角增强对经济脆弱性家庭的关注。经过多年努力，我国已经消除了绝对贫困，但是农村地区以及偏远地区的居民和部分“长尾”人群仍有返贫的可能，数字普惠金融可以有效帮助他们提高收入，增强风险管理能力，从而达到“防贫”的目的。政府应加大对数字金融发展的支持力度，引导其更加关注普惠性目标，优化数字普惠金融发展环境。在扩大数字普惠金融覆盖面的同时，增强产品和服务的多样性和便利度，以放大其正向效应。要通过政策引导和市场化手段双管齐下，通过有序竞争，促使金融机构增强业务的数字化和普惠化。

2.创业在降低家庭经济脆弱性方面具有重要作用，要为家庭创业提供更适宜的金融环境和政策支持。传统金融业务对于家庭创业的支持力度较弱，尤其是对“长尾客户”的关注不足，而创业对我国家庭多渠道增收、新型城镇化建设都具有重要的意义。政府应通过窗口指导、财政贴息等方式，借助数字金融低成本、便利化的特点，利用人工智能等新技术，与网络电商等应用场景相结合，推动金融机构开发更多的免抵押、小额度、审批快的创业金融产品，鼓励并引导农村居民返乡创业，以创业带动就业，激发经济活力，将大众创业向更大范围和更深层次推进，多渠道开源，增加收入，降低家庭经济脆弱性。

3.信贷约束对家庭经济脆弱性产生了重要影响，要利用数字技术，完善征信和信用评级体系，缓解信贷约束。鼓励将传统征信体系纳入新型征信机构，充分利用科技企业和平台公司的另类数据，借助知识图谱、用户画像等新技术，构建大数据征信体系，增强信用评价的准确性，降低担保要求，缓解“长尾客户”面临的信贷约束。

4.数字普惠金融的长尾效应要更有效地发挥，要在农村地区加大数字基础设施建设力度。政府应继续通过“村村通”和“电信普遍服务试点”等工程，逐步缩小城乡间网络技术差距，普及数字终端设备，延伸金融服务半径，让农村地区和偏远地区享受到优质金融服务，避免因“数字鸿沟”造成的技术性金融排斥；改善地区环境，提升互联网用户覆盖率，降低居民使用互联网的成本。

5.数字普惠金融的“长尾”效应要更有效地发挥，要加大金融教育和数字技术教育力度。农村居民和低收入群体往往缺乏金融素养，也不能有效使用智能手机等数字化产品，从而存在数字鸿沟中的素养鸿沟，这会影响数字普惠金融的效应发挥，甚至可能造成新的金融不平等。政府应通过政策引导、购买服务等方式，加大金融教育和数字技术教育力度，帮助农村居民和低收入群体更好地了解和理解数字金融产品及服务，增强其金融决策的有效性和科学性。