普惠金融与家庭金融脆弱性

柴时军 ，齐 昊

(1.黄淮学院经济与管理学院，河南 驻马店 463000；2.首都经济贸易大学会计学院，北京 100026)

一、引 言

过去数年，我国债务规模持续攀升，住户部门贷款增速尤为迅猛。《2020年度中国杠杆率报告》显示，1993—2011年间居民杠杆率由8.3%上升到27.8%，18年内增长不到20个百分点，而2011—2020年短短9年内由27.8%攀升至62.2%，呈加速上升态势。居民持续加杠杆在释放潜在消费需求、推动经济内生增长的同时，带来的另一直接后果是家庭过度负债及其衍生的金融脆弱性。一方面，过度负债可能由于流动性收紧，偿债压力和财务脆弱性加剧，加大家庭在未来陷入“入不敷出”的可能性[1]；另一方面，居民杠杆率分化严重，债务负担存在分布失衡且较为集中的问题。加杠杆人群多头共债、过度授信及由此产生的透支效应凸显，并且，长期债务积累导致“短借长用”“借新还旧”等问题频现，人们依赖“以债养债”不断放大自己的杠杆倍数，一旦遭遇自然灾害或其他外部事件冲击，可能触发一系列连锁反应，加剧金融市场潜在风险(1)国际货币基金组织(IMF)认为，居民杠杆率超过30%会对地区中期经济发展造成不利影响，超过65%则会危及金融安全和社会稳定。。

近年来，我国政府主导并积极推进的普惠金融似乎为遏制此类风险提供了契机。普惠金融又称包容性金融，泛指通过政策引导扶持，以可负担的成本为社会各阶层和群体，特别是落后地区低收入人群提供有效的、便捷的普惠性金融服务[2]。相比于传统金融，普惠金融具有更强的地理穿透力，尤其对于广大的农村不发达地区，在实现普惠金融价值的同时，也为人们共享金融福祉创造了条件。实践层面，从最初关注金融基础设施和银行物理网点的建设，到广泛覆盖信贷、支付、征信、保险和投资等在内的多方位金融业务推广，普惠金融凭借金融产品与服务创新，极大地降低了市场准入门槛，服务对象渐进深入，平民化趋势更加显现，并在人们经济活动中发挥越来越重要的积极作用。研究表明，普惠金融能够显著提升居民风险应对能力[3]、缓解家庭流动性约束[4]、减少多维贫困发生概率[5]、促进非农就业与创业[6]、缩小城乡收入差距[7]并推动经济包容性增长[8]，已然成为现阶段我国经济的重要源动力和增长点。

普惠金融能否抑制家庭金融脆弱性是本文关注的核心议题。相关文献探讨了普惠金融与信贷支持和减贫增收的内在关联[3][9]。就理论推测而言，普惠金融可以通过两种机制影响家庭金融脆弱性。首先，金融脆弱性一方面取决于外部风险的强度，另一方面也受制于个体自身的风险应对能力。普惠金融能够提供即时且多样化的金融服务，比如应急贷款支持或商业保险覆盖，作为应对突发事件的避险工具，可以降低家庭在短期内陷入财务困境的发生概率。Choudhury(2014)着重研究了孟加拉国因风险和市场冲击导致的贫困问题，通过构建家庭脆弱性理论框架，指出获得普惠金融服务是解决与风险相关的贫困脆弱性的重要渠道，而金融排斥则会推高人们对金融服务的准入门槛，导致家庭难以应对风险冲击[10]。Urrea和Maldonado(2011)运用哥伦比亚家户调查数据，从保险、信贷、储蓄、支付等角度，证实普惠金融通过提供多渠道的风险应对策略抑制了家庭贫困脆弱性[3]。

其次，普惠金融可以缓解流动性约束和降低金融交易成本，通过提升居民信贷可得性以及激励非农就业与创业，促进家庭减贫增收，进而间接抑制家庭金融脆弱性。Marsden和Nileshwar(2013)认为，普惠金融能够激活地区产业发展，促进工商业的生产和扩大再生产，创造更多就业机会，有助于解决家庭与贫困相关的脆弱性问题[11]。郑秀峰和朱一鸣(2019)利用中国县域数据，从宏观角度验证了普惠金融可通过经济机会获取和金融可及性提升等途径促进居民减贫增收[12]。利用家庭层面普惠金融指数，尹志超和张栋浩(2020)提供了更为直接的微观证据[9]，他们发现普惠金融可以激励家庭自主创业，同时降低创业家庭的退市概率，而从事创业且持续经营可以显著抑制家庭贫困脆弱性。还有研究发现普惠金融能够凭借信息化服务平台，提供更加便捷的收付服务[4]、推送及时的商业信息和跨时空优化金融资源配置[13]，推动居民人力与物质资本积累并激发其内生发展动力[6]。

综上，现有文献大多基于贫困及其脆弱性视角探讨普惠金融的积极作用，较少关注居民家庭的金融脆弱性问题。以Anderloni等(2012)为代表的一部分学者虽在理论上阐述了金融脆弱性中普惠金融的价值及应充当的角色[14]，但对其作用机制及风险冲击来源的分析不仅相对有限，而且缺乏家庭层面的微观证据。鉴于此，借助2015、2017和2019年中国家庭金融调查数据，本文使用VEP方法构建家庭金融脆弱性指标，实证考察普惠金融对家庭金融脆弱性的影响。本文边际贡献主要有：(1)沿循贫困脆弱性的测度思路，将资不抵债(家庭资产<家庭负债)和入不敷出(家庭收入<家庭支出)纳入统一框架，力求精准测度中国家庭金融脆弱性；(2)从风险应对能力、减贫增收的视角分析普惠金融对家庭金融脆弱性的影响及其传导机制，丰富了对普惠金融微观福利效应和作用渠道的认识；(3)通过探讨金融普惠对不同群体(城乡、地区和收入阶层)所扮演角色，“雪中送炭”还是“锦上添花”，揭示普惠金融具有良好的普惠性。

二、家庭金融脆弱性的测度

早期学者将金融脆弱性等同于金融风险[15]，或泛指趋于风险积聚的一种金融状态[16]，广泛应用于宏观经济领域。而对于微观个体金融脆弱性，学界普遍接受来自Anderloni等(2012)的经典描述：金融脆弱性指家庭由于过度负债或资金流动性收紧而在未来陷入财务困境的风险或危及财务安全边界的可能性[14]。对于家庭金融脆弱性的识别与测度，代表性指标可归结为两类：一类与负债相关，表现为资不抵债或不能偿还到期债务，如资产负债率、债务收入比、应偿债务占流动性资产比值、利息支出占可支配收入比值等[4][17][18]；另一类与消费或者支出相关，表现为入不敷出，难以维持家庭收支平衡，如家庭财务边际、是否难以应对突发事件、是否无力支付正常社交费用、是否无法维持基本生活开支等[14][19][20]。比较而言，后者对金融脆弱性的衡量更多是基于受访者的主观预判，而前者类似于过度负债或债务负担的概念，量化过程中往往需要事先设定脆弱性阈值(通常为30%或50%)，而阈值设定同样具有主观性。

本文同时采用两类指标——资不抵债(家庭资产<家庭负债)和入不敷出(家庭收入<家庭支出)衡量家庭金融脆弱性。沿循Milcher(2009)提出的对预期贫困脆弱性测度的思路[21]，本文使用VEP(Vulnerability as Expected Poverty)方法对家庭金融脆弱性进行量化评估。VEP的基本原理是刻画家庭在未来发生贫困的可能性，即预期贫困概率，在逻辑上与本文讨论的家庭在未来陷入财务困境风险是一致的。不同的是，文献对贫困脆弱性的测度大多基于单一维度(是否低于贫困线)，而我们同时考虑了两个维度(资不抵债和入不敷出)，因此需要对具体量化过程加以改进。从Anderloni等(2012)的定义出发[14]，家庭金融脆弱性的测度公式可表述为：

Vi，t=Pr(lnAi，t+1

(1)

其中，Vi，t为家庭i在第t期的金融脆弱性，Ii，t+1、Ei，t+1、Ai，t+1和Li，t+1分别代表家庭i在第t+1期总收入、总支出、总资产和总负债的预测值。简化起见，将上式进行等价变换：

Vi，t=Pr(ln(Ai，t+1/Li，t+1)<0，ln(Ii，t+1/Ei，t+1)<0)

(2)

沿循单一维度下脆弱性指标测度程序，家庭i在第t+1期的ln(A/L)和ln(I/E)通过式(3)和式(4)进行预测。式中，X为决定家庭资产负债比和收入支出比的解释变量集合。考虑到婚丧嫁娶、添丁进口、入学置业、寻医求药等因素会影响家庭财务状况及风险，计量模型中X包括户主年龄、婚姻、健康、教育年限、职业(是否创业)、家庭婴幼儿数量、在校学生数量、老年人口数和地区特征变量。

ln(A/L)=Xβ1+u1

(3)

ln(I/E)=Xβ2+u2

(4)

如果ln(A/L)和ln(I/E)服从正态分布，且扰动项u1和u2相互独立，采用OLS分别回归上述方程，根据式(5)和式(6)，得到单一维度下的金融脆弱性概率值。式中，V1，it和V2，it分别测度家庭未来陷入资不抵债和入不敷出的可能性。

(5)

(6)

考虑到u1和u2可能存在相关性(即ρ≠0)(2)Breusch-Pagan检验结果显示，相关系数ρ=0.3228，表明扰动项u1和u2并不独立。，本文采用似不相关估计(SUR)，得到家庭i在第t+1期ln(A/L)和ln(I/E)的预测值。进一步地，结合式(7)得到二维正态分布下家庭金融脆弱性的联合概率。

(7)

VEP刻画的是未来预期的金融脆弱性，本质上属于事前测度，具有前瞻性，能够反映家庭财务困境的动态变化[9]。使用CHFS2015、2017和2019年数据，表1汇报了我国家庭金融脆弱性测度结果。分城乡来看，预期的金融脆弱性分布严重不均。农村家庭资不抵债概率(V1，it)为0.2618，城市家庭仅为0.0857，不到农村家庭的1/3；入不敷出概率(V2，it)城乡差异较小，城市略高于农村；农村家庭金融脆弱性(Vi，t)均值为0.1533，约为城市家庭的2.4倍，两者差距悬殊。金融脆弱性分布不均还表现为区域不均。东部地区家庭Vi，t均值为0.0535(农村为0.0719，城市为0.0384)，远低于中部、西部地区家庭的0.1101、0.1682；细分维度下的V1，it和V2，it统计结果在地区间的分布状况与整体表现大体一致。

三、数据和变量

(一)数据来源

本文数据主要来自2015、2017和2019年中国家庭金融调查(CHFS)数据。CHFS问卷采录样本覆盖全国29省(自治区、直辖市)、340县(区)、1364村(社区)，询问了村居面貌、家庭资产配置、负债构成、消费与收入、家庭成员结构、金融市场参与等方面的基本信息。剔除家庭资产、家庭收入、家庭支出最高和最低2.5%样本，家庭负债最高2.5%样本，以及部分“不适应”“不知道”“拒绝回答”的无效样本，最后保留的样本规模为12855户(三期合计38565户)。

(二)普惠金融变量

文献主要从宏观层面构建地区或村(社区)层面的普惠金融指数[22][23][24]，常用的衡量指标包括渗透性(金融服务普及程度，如每千人金融账户数、金融服务使用人数占比等)、使用性(金融服务使用深度，如金融交易额/GDP)和可得性(金融网点分布密度，如人均每平方公里银行网点或金融服务点数)。本文关注家庭层面普惠金融，侧重从居民对金融产品及服务参与角度构造普惠金融，指标涵盖存款、贷款、保险、理财和非现金支付等多方面信息。

具体而言，沿循尹志超和张栋浩(2020)的思路[9]，本文利用主成分分析法(CPA)，从金融服务的使用度、满意度和便利度三个维度构建普惠金融指数。使用度包括居民对信用卡、银行贷款、银行存款、商业保险及数字金融的使用状况(3)家庭是否持有信用卡，是为1，否为0。家庭目前是否有待偿(或曾经有但现已还清)的银行贷款，是为1，否为0。家庭是否拥有银行存款账户，是为1，否为0。家庭是否购买(或曾经购买)商业保险，是为1，否为0。若家庭存在互联网理财、互联网借贷行为，或利用智能手机、电脑、iPad等终端设备进行移动支付，则视为使用数字金融服务，赋值为1，否则赋值为0。。便利度对应居民所在村(社区)到最近的银行网点或金融服务点的距离，以虚拟变量赋值(“<5公里”赋值为1，“≥5公里”赋值为0)。满意度对应居民在办理保险、贷款或非现金支付业务过程中对金融服务的评价得分(4)1—5的有序变量，1为非常不满意，5为非常满意。简化起见，评价得分4和5赋值为1，其他赋值为0。。进一步地，对提取的主成分进行标准化转换，使得最终生成的普惠金融指数取值为[0，100]。

(三)控制变量

根据文献中给出的可能影响家庭金融脆弱性因素的理论预期[18][20][25]，控制变量包括三类：户主特征(户主性别、年龄、年龄平方、职业、政治身份(5)户主为中共党员赋值为1，否则赋值为0。、受教育年限、健康状况(6)1—5的有序变量，分别对应非常不好、不好、一般、好、非常好。和风险偏好(7)1—5的有序变量，分别对应不愿意承担任何风险、倾向略低风险和略低回报、倾向平均风险和平均回报、倾向略高风险和略高回报、倾向高风险和高回报。)、家庭特征(婚姻(8)户主已婚赋值为1，其他赋值为0。、流动性资产自然对数、婴幼儿数量、在校学生数量和老年人口数)和地区特征(省一级的城镇化率、互联网普及率、人均GDP自然对数、信贷总额/GDP、城乡和地区变量)。

从表2可以看出，虽然样本家庭总资产中负债占比平均仅为9.52%，且上一年度家庭收入总额平均6.55万元，略高于支出总额5.31万元，基本维持收支平衡，但不同家庭财务状况差异较大：家庭负债标准差与均值相差近两倍，家庭收入、支出和资产的标准差也都显著高于均值；同时，家庭流动性资产平均仅为3.84万元，且分化严重。人口学特征方面，样本家庭婴幼儿数量平均0.21人，在校学生数量平均1.15人，老年人口数平均0.86人，户主男性占比57%，平均年龄46岁，平均受教育年限7.36年，已婚比例超过88%，自评健康接近一般，介于好和一般之间，中共党员占比约11%，超过9%的家庭自主创业。

表2 主要变量描述性统计

四、实证结果及分析

(一)普惠金融对家庭金融脆弱性的影响：基准回归

本文采用面板固定效应模型，分析普惠金融对家庭金融脆弱性的影响，基准模型设定如下：

(8)

其中，Fin_vulit为衡量家庭未来陷入资不抵债和入不敷出概率的金融脆弱性指标；Fin_dexit为普惠金融。Zit代表控制变量集合，包括家庭和户主特征；λit为地区特征向量；δt表示时间趋势项，以控制年份固定效应；uit为模型残差。

表3第(1)和(2)列汇报了普惠金融对家庭资不抵债和入不敷出概率影响的估计结果。可以看出，控制家庭与户主特征、地区特征及时间固定效应后，普惠金融能够同时降低家庭资不抵债和入不敷出的发生概率。第(3)列使用金融脆弱性指标，普惠金融β值为-0.0074，且在1%水平上显著，即普惠金融提升1个单位，家庭未来陷入金融脆弱性的可能性将下降0.74个百分点。这说明整体而言，我国政府主导并积极推进的普惠金融在人们经济活动中发挥了显著的积极作用，有助于遏制居民家庭的金融脆弱性风险。

表3 普惠金融影响家庭金融脆弱性：面板固定效应

普惠金融发展既可以表现为金融机构网点分布密度及渗透性的增强，或是居民对金融服务使用频次的增加，也可以体现为居民办理保险、贷款或支付等业务中对金融服务满意度的提升。本文进一步考虑普惠金融的多维性及其影响的异质性。表3第(4)至(6)列中，核心解释变量依次替换为三个子指标——使用度、满意度和便利度。结果显示，普惠金融便利度的提高并没有抑制家庭金融脆弱性，而使用频次和服务满意度对金融脆弱性的影响均在1%水平上显著为负，边际贡献分别为0.50%和1.22%。这可能因为，虽然目前我国普惠金融的践行更多是通过地理维度的终端网点覆盖、人口普及率、金融可得性等便利性或渗透性指标来直接体现的[24]，但便利性本身并不代表居民实际使用普惠金融服务。也就是说，最近银行网点或金融服务点距离与所在地居民金融脆弱性并无直接关联。使用度强调居民对信贷、保险、理财等金融服务的使用频次及深度，满意度更是反映了金融机构所推出的金融业务的服务水平及其展现的普惠性价值，通过提供适当且有效的避险工具，提升家庭风险应对能力，有助于抑制家庭金融脆弱性。

(二)稳健性与内生性检验(9)受篇幅限制，未报告具体结果，作者备索。

首先，采用Sarma(2016)提出的平均欧几里得距离法[23]，代替主成分分析法对普惠金融各指标进行赋权加总，重新构造家庭普惠金融指数。这一方法通过在多维空间中测量实际点到最差点的距离及到最优点的反向距离，将多维指标转化为一个矢量，据此合成的普惠金融指数具有单调、有界和单位无关的优良属性。回归结果显示，普惠金融提高1个单位，家庭资不抵债、入不敷出的概率和整体金融脆弱性分别降低1.38%、0.19%和0.46%，且均在1%水平上显著异于0。

其次，改变计量模型的设定。基于CHFS问卷的匹配数据集，本文使用一阶差分方程估计金融普惠的变化值(而不是水平值)对家庭金融脆弱性差值(△金融脆弱性)的影响。通过差分残差项中不随时间变化的不可观测信息，差分模型可以最大限度过滤非观测效应对普惠金融回归系数的影响，有助于减轻测量误差和遗漏变量问题。估计结果表明，改变模型设定不影响本文基本结论，普惠金融对家庭金融脆弱性仍然具有显著抑制效应。

除了遗漏变量问题，金融脆弱性对于家庭贷款、保险或非现金支付等普惠金融参与的逆向作用仍然可能导致估计偏误。一个典型的例子是，那些有潜在入不敷出风险的家庭，更有可能向银行或非银行金融机构借款，通过透支来平滑消费，实现暂时性的收支平衡；或正因为濒临资不抵债，家庭可能更加积极参与金融活动，且对普惠金融服务有更高的满意度。这种逆向影响将导致普惠金融对家庭金融脆弱性的抑制效应下偏。

寻找合适的工具变量是解决内生性问题的关键。经过反复测试、比较，借鉴尹志超和张栋浩(2020)的做法[9]，本文采用“样本所在县(区)普惠金融均值是否高于全国均值×样本所在省份推行普惠金融的时间期限(10)主要参考《中国金融年鉴》和《中国银行业监督管理委员会年报》。以2013年为时间起点，如果某省份文件或案例中提及“普惠金融”，则视为当年推行了普惠金融。例如2013年推行，CHFS(2019)数据中的时间期限为6(2019-2013=6)，CHFS(2017) 数据中为4，CHFS(2015)数据中为2；一直没有推行或截至当年才推行赋值为0。因此，“时间期限”为介于0—6的整数。”作为工具变量，记作“省级政策IV”。首先，同一县(区)普惠金融既能为家庭提供同质化的外部金融环境，还可通过社会互动影响居民参与普惠金融的活跃度。并且，各省份推行普惠金融的时间起点不同，不同省份普惠金融发展进程存在差异，时间跨度越长，政策制定和执行会越完备，满足相关性。其次，省级或县(区)级政府行为并不直接影响微观家庭的金融脆弱性，满足外生性。

2SLS第一阶段估计结果显示，F值和工具变量t值拒绝弱工具，且省级政策IV与家庭普惠金融指数显著正相关，说明政策导向与居民参与普惠金融的活跃度高度契合。DWH检验在5%水平上拒绝金融普惠外生性假设“H0：ρ=0”，KP-rk-LM检验证实不存在识别不足，表明省级政策IV是合适且有效的。第二阶段结果表明，考虑内生性后，普惠金融β值达到-0.0385，边际贡献较基准回归大幅提升(11)IV估计系数增大数倍可能是受2SLS局部平均处理效应(LATE)的影响。，且在5%水平上显著异于0，说明普惠金融显著降低家庭未来陷入财务困境的可能性的结论是稳健和可靠的(12)测试中还考虑了文献中常用的工具变量：村(社区)人口密度、样本所在县(区)家庭普惠金融均值、样本所在村(社区)其他家庭普惠金融均值及村(社区)到最近银行网点的距离。结果显示，县级IV和社区IV结论一致，而距离IV存在识别不足，人口密度IV没有达到弱工具阈值。。

(三)作用机制分析

1.促进减贫增收。普惠金融的减贫增收机制涉及两个基本问题：普惠金融能否提升居民收入；收入增加是否降低了家庭金融脆弱性。沿此逻辑，本文分别使用村(社区)人均收入和家庭人均收入作为中介变量。利用中介效应递归模型，表4汇报了减贫增收渠道的验证结果。第(1)至(4)列采用村(社区)人均收入作为中介变量。结果表明，普惠金融有助于促进村(社区)的经济发展，且村(社区)人均收入增加显著抑制了家庭金融脆弱性。特别地，无论是OLS模型还是2SLS模型，控制村(社区)人均收入后，普惠金融β值均所有下降。以第(4)列为例，社区增收效应使得普惠金融对家庭金融脆弱性的抑制效应减少15%左右，表明普惠金融有利于村(社区)的收入提升，其对家庭金融脆弱性的影响部分反映在村(社区)经济发展中。第(5)至(8)列采用家庭人均收入，得到基本一致的结论：家庭人均收入降低了家庭金融脆弱性，且边际系数较村(社区)人均收入更大，同时普惠金融提高了家庭人均收入。这也验证了前文所推测的减贫增收的中介效应，普惠金融通过提振村(社区)经济和改善微观家庭收入抑制了家庭金融脆弱性。

表4 作用机制：促进减贫增收

2.提升风险应对能力。金融脆弱性一方面取决于外部风险冲击的强度，另一方面也受制于个体自身的风险应对能力。普惠金融能够向家庭提供适当且有效的避险工具，比如应急贷款支持或商业保险覆盖，提升家庭风险应对能力，进而降低家庭金融脆弱性。借鉴尹志超和张栋浩(2020)的做法[9]，本文从“养老方式(13)CHFS问卷中“您计划最主要的养老方式是什么？(可多选)(1)自己储蓄、投资；(2)子女赡养；(3)社会/商业养老保险；(4)离退休工资；(5)配偶或亲属支持。””“养老形式(14)受访者更倾向于“以下哪种养老形式？(1)居家养老；(2)机构养老；(3)社区养老。””“借款渠道偏好(15)CHFS问卷中“在以下渠道都能借到钱的前提下，您更偏好哪种渠道？(1)银行；(2)亲戚；(3)朋友；(4)生意伙伴。””三个方面刻画家庭应对风险冲击的能力。具体地，如果家庭计划的主要养老方式中包含“社会/商业养老保险”“自身储蓄和投资”，那么家庭具有较强的风险应对能力，赋值为1；相反，如果仅仅依赖“离退休工资”“配偶亲属支持”“子女赡养”，则认为风险应对能力较弱，赋值为0。同理，如果家庭倾向的养老形式只是“居家养老”，说明家庭风险意识薄弱，风险应对能力弱；而如果选择“社区养老”或“机构养老”，则认为家庭风险应对能力强。借款渠道偏好方面，如果家庭只愿意通过亲戚、朋友或者生意伙伴等民间渠道借款，说明风险应对能力弱；如果倾向通过银行等正规金融借款，则视为风险应对能力强。

采用省级政策IV，表5第(1)至(3)列结果表明，普惠金融虽然对养老形式(是否倾向社区/机构养老)没有显著影响，但对养老方式和融资渠道偏好影响正向显著，即普惠金融有助于促进家庭通过储蓄/投资/保险方式应对养老问题及通过正规融资解决流动性约束。进一步地，金融脆弱性决定方程中分别加入是否倾向储蓄/投资/保险养老、社区/机构养老和正规融资偏好。结果显示，储蓄/投资/保险养老计划和正规融资偏好均在5%水平上降低了家庭金融脆弱性，而社区/机构养老的影响依然不显著；且与前文2SLS第二阶段结果相比，普惠金融对金融脆弱性的边际系数都有不同程度的弱化。依据中介效应识别原理，可以证实风险应对能力的传导机制是成立的，这不仅体现在普惠金融能够促进家庭通过储蓄/投资/保险等更为高效的避险方式应对未来风险冲击，还体现在普惠金融有助于激励家庭借助正规渠道融资解决家庭财务困境。

表5 作用机制：提升风险应对能力(2SLS估计)

五、“雪中送炭”还是“锦上添花”：分样本的异质性分析

与传统金融的“嫌贫爱富”和“精英俘获”不同，普惠金融的初衷和目标定位是扩展金融服务的外延，凭借金融产品创新和信息技术的推广与普及，以可负担的成本为社会各阶层和群体特别是弱势群体提供有效的、便捷的金融服务[2]。其动机在于降低准入门槛，让那些长期受到传统金融排斥的弱势群体有机会享受到所需的金融服务。那么，在抑制家庭金融脆弱性方面，普惠金融是扮演了“雪中送炭”的角色，还是仅仅发挥“锦上添花”的作用？本文根据样本家庭户籍类型、所在地区和收入阶层进行分组，考察普惠金融对不同群体金融脆弱性的影响差异，估计结果见表6。

表6的Panel A显示，普惠金融同时降低了农村和城市家庭未来陷入金融脆弱性的可能性，且均在1%水平上显著(固定效应估计)，但就边际贡献而言，与城市家庭相比，普惠金融对农村家庭金融脆弱性影响更大，回归系数分别高出1.30%(固定效应)和4.54%(固定效应+IV估计)，说明普惠金融更有利于改善农村家庭金融脆弱性状况。同样的结论也体现在地区分组和收入阶层分组的异质性分析中，如Panel B和Panel C所示。分地区看，普惠金融对中部和西部地区家庭金融脆弱性影响显著为负，而对于东部地区家庭，无论是OLS估计还是采用省级政策IV的2SLS估计，普惠金融的抑制作用均不显著。分收入阶层看，普惠金融对金融脆弱性的抑制作用主要体现在低收入阶层中，而对中等收入和高收入阶层，普惠金融的影响不显著或不稳健。整体来看，普惠金融对禀赋更小的长尾群体——低收入阶层、农村、中部和西部地区家庭金融脆弱性的贡献更大，扮演了“雪中送炭”的角色。

怎样看待普惠金融对弱势群体影响更大？从供给侧看，以贫困人群、城镇低收入人群、农民和残疾人等特殊群体为重点服务对象的普惠金融，提供的金融基础设施(如农村金融综合服务站、惠农服务点)和小额借贷项目(如“两权”抵押贷款、农户联保贷款、小额贷款和农业保险等)促进了这类人群对金融服务的使用频次及使用深度。从需求侧看，与优势阶层相比，弱势阶层人力和物质资本积累更少、资源禀赋更低、应对风险冲击能力更差，可能更加依赖普惠金融开展生产性经营或跨期消费，以摆脱当前的脆弱性状态。因此，这是一个自然筛选的过程，低收入、农村、中西部地区家庭会更加积极参与普惠金融，从而推动普惠金融发挥更积极的作用。

六、结论与启示

微观家庭财务风险及其防范作为金融风险监管的重要组成部分，近年来引起社会各界的广泛关注，但我们对其风险程度及规避路径却知之甚少。借助中国家庭金融调查(CHFS)面板数据，本文沿袭贫困脆弱性测度思路，从资不抵债和入不敷出两个方面构建家庭金融脆弱性指标，探讨了普惠金融对家庭金融脆弱性的影响及其传导机制。研究发现：我国家庭财务风险分化严重，金融脆弱性存在分布失衡且较为集中的问题；普惠金融同时降低了家庭资不抵债和入不敷出的发生概率，对家庭金融脆弱性具有显著抑制效应；分维度看，普惠金融使用度和满意度的提升都有助于降低家庭金融脆弱性，而便利度的影响则不显著。机制分析表明，普惠金融可以通过促进社区/家庭减贫增收、激励家庭采用储蓄/投资/保险等方式及正规渠道融资应对未来风险冲击，进而抑制家庭金融脆弱性。进一步研究发现，普惠金融对低收入、农村、中西部地区家庭金融脆弱性影响更为深远。

本文的政策启示在于：第一，积极推进普惠金融发展。除了传统地理维度的金融网点分布密度、金融服务普及率等便利性和渗透性指标，还应关注人们对信贷、保险、理财等金融服务的使用频次及满意度，这直接体现了普惠金融在居民家庭之间的分配、使用状况及对抑制家庭金融脆弱性的践行效果。第二，鼓励并引导普惠金融产品及服务创新，增强普惠金融在协同担保、商业保险和应急信贷等方面的功能，强效推进金融避险工具的开发和利用，确保其在应对未来风险冲击和解决家庭财务困境中发挥积极作用。第三，加强居民风险甄别及风险应对能力的培育，避免家庭财务风险的大范围暴露；同时，监管可控前提下，合理引导普惠金融的规模化应用，加大对低收入阶层、农村和中西部地区家庭等长尾群体的扶持力度，实现真正意义上的普惠金融价值。