数字普惠金融、负债结构与农村家庭消费研究

李任平

摘要：本文基于2018年省级数字普惠金融指数与2019年中国家庭金融调查（CHFS）横截面数据，从微观视角实证评估了二元负债结构在数字金融对农村家庭消费的影响中所起到的中介作用。结果表明，数字普惠金融水平的提高可以通过改善农村家庭的负债结构促进家庭消费。政府应着力提升农村地区信息化水平，推进农村地区金融知识普及，增强农村居民创收、增收能力。

关键词：数字普惠金融 农村居民 负债结构 家庭消费

一、问题提出与文献回顾

消费常被认为是国民经济“三驾马车”中最重要的一架。从宏观角度，它既是促进经济繁荣、加速资本积累、影响财富形成的核心因素，也是提高就业率、优化产业结构、调整经济结构的重要推力（朱信凯和骆晨，2011）。从微观角度，消费则经常被視作衡量家庭福利的最优指标。党的二十大报告指出，要着力扩大内需，增强消费对经济发展的基础性作用。在此背景下，对我国居民消费的影响因素进行更深入、更细致地分析，具有很强的现实意义。

已有研究表明，数字普惠金融可以通过便利支付、缓解流动性约束、减少不确定性等机制促进居民消费。然而，对于数字普惠金融能否显著促进农村家庭的消费，这些研究却并未达成统一。例如，易行健和周利（2018）认为，由于农村地区的金融可得性较差，金融抑制现象相对普遍，数字普惠金融对农村家庭的流动性缓解程度要高于城镇家庭。因此，数字普惠金融对农村家庭的消费具有更强的边际促进效果。郭继辉和王泽荣（2022）认为，由于农村和中西部地区的金融资源比较匮乏，根据边际收益递减的理论，数字金融的同等发展为这些地区的家庭带来的边际收益应当更大。因此，数字普惠金融对消费的拉动作用主要体现于农村和中西部家庭。然而，张勋、杨桐、汪晨等（2020）却认为，由于数字金融鸿沟的存在，农村家庭对数字金融的接触机会较少，很难像城镇家庭一样方便地享受数字金融发展的成果。因此，数字金融的发展对农村家庭的消费没有显著的促进作用，而仅仅是显著地提高了这些家庭的收入。上述分歧与我国农村地区金融运行状况的复杂性息息相关。

我国农村信贷市场长期表现出明显的“二元化”特征，既存在以农村信用合作社、国有商业银行为代表的现代正规金融部门，也存在以亲朋借贷、高利贷为代表的传统非正规金融部门。在农村地区比较常见的现代金融部门中，中国农业发展银行并不开展个人业务，中国农业银行在乡镇及以下地区设立的分支机构稀少，农村信用合作社则长期处于超负荷经营的状态，其资产扩张能力较为有限。因此，这些部门都难以满足农村居民的信贷需求。而由于农村地区人口规模较小、风险相对较大、风险监测困难，即使在资金来源充足、申请者符合放贷条件的情况下，正规金融机构也经常不愿为农村居民提供贷款（何广文，1999）。因此，当前我国农村家庭贷款的主要来源仍是亲朋借贷等非正规融资。这类民间借贷手续简单，以借款人的社会信用为基础，往往抵押较少或不需要抵押，交易费用低廉，但其利息通常要明显高于正规金融借贷的利息水平，且即时偿还压力较大，从而对消费具有显著的抑制作用。与此相反，农村家庭使用较少的正规金融借贷却对消费有着明显的促进作用（张冀、孙亚杰、张建龙，2020）。

数字金融的发展影响着我国农村居民的借贷方式。在传统私人借贷市场上，从供给端来看，数字金融的发展拓宽了农村居民的投资渠道，增加了农村居民的交易机会，提高了农村居民将资金借与私人使用的机会成本，增强了农村居民使用金融工具的意愿，从而使非正规金融信贷在农村地区的获取难度有所上升；从需求端来看，互联网借贷平台能够让地理位置相隔较远的资金供求双方实现对接，从而拓宽了农村居民的资金借入渠道，减弱了农村地区的金融排斥程度，对传统私人借贷形成了替代效应，使农村居民对非正规金融信贷的需求有所下降（吴雨、李成顺、李晓等，2020）。在现代金融市场上，由于大数据的引入，传统征信下本会被银行拒绝的贷款者得以建立相对完整的信用，由于信用甄别与授信等技术的创新，金融服务的提供成本得以降低。因此，数字金融的发展使银行能够满足更多长尾客户的资金需求（王曙光和杨北京，2017）。这几方面机制共同作用，令数字金融的发展能够显著提高农村居民对正规信贷的需求，并显著降低非正规信贷在农村家庭总负债中占据的比重（傅秋子和黄益平，2018）。

鉴于此，本文提出如下假设：数字普惠金融的发展可以改善我国农村家庭的负债结构，减少非正规金融负债在家庭总负债中的占比，缓解农村家庭即时偿还负债、支付利息的压力，从而促进其消费。在余下的内容中，本文将利用2018年省级数字普惠金融发展指数与2019年中国家庭金融调查横截面数据对该假设进行检验，并基于实证分析的结果提出相关政策建议。

二、数据介绍与模型设计

（一）数据及变量说明

参考郭继辉等（2022）的研究方法，本文采用家庭年度人均消费水平作为被解释变量。在该变量的计算过程中，家庭年度总消费数据来自西南财经大学的中国家庭金融调查（CHFS），通过加总问卷“消费性支出”板块中的各项支出数据得到。由于CHFS2015、2017年的调查问卷与2019年的调查问卷在诸多细节上存在差别，为保持统计口径的一致性，本文仅使用2019年的横截面数据。在进行加总时，若某项支出数据为月度平均数据，则将其乘以十二，作为该项支出的年度数据。在得到家庭年度总消费数据后，令其除以家庭总人数，从而得到家庭年度人均消费数据。参考尹志超等（2021）的做法，本文以北京大学数字金融研究中心提供的省级数字普惠金融指数（DFIIC）作为解释变量，并采用滞后一期，即2018年的数字普惠金融指数来衡量家庭所在省份的数字普惠金融发展水平。

在计算中介变量时，参考傅秋子和黄益平（2018）的分类方法，本文将家庭信贷分为生产性信贷和消费性信贷，并以消费性非正规借贷在家庭总负债中的占比衡量家庭的负债结构。考虑到住房贷款具有明显的长期性，很可能并不适于仅滞后一期的数字普惠金融指数，本文所计算的消费性非正规借贷仅包含家庭在汽车、教育、医疗与其他消费板块进行的非正规借贷。对于家庭总负债，本文直接使用CHFS提供的2019年家庭负债数据。

参考郭继辉等（2022）与易行健、周利（2018）的做法，本文的控制变量主要包括户主特征变量、家庭特征变量与地区特征变量。其中，户主特征变量包括户主年龄（根据户主出生年份进行计算）、性别、受教育年限、婚姻状态与健康状态，家庭特征变量包括家庭规模与家庭总资产，这两类变量均使用来自CHFS的2019年横截面数据。限于数据可得性，地区特征变量仅使用省级数据，包括家庭所在省的人均GDP与省份金融发展程度。其中，省份人均GDP使用来自中国国家统计局的数据，省份金融发展程度则根据中国人民银行《2020年金融运行报告》中披露的各省2019年年末金融机构本外币存款与当年GDP之比进行计算。此外，为减少遗漏变量所带来的估计误差，参考张勋等（2020）的做法，本文在控制变量中加入了户主年龄的平方项。主要变量的描述性统计结果见表1。

（二）中介效应检验方法与模型介绍

参考温忠麟、叶宝娟（2014），本文采用如下流程对中介效应进行检验：

第一步，检验数字普惠金融发展水平对农村家庭人均消费水平的总效应。若该效应显著，则进行后续检验。

第二步，检验数字普惠金融发展水平对农村家庭负债结构的效应，并检验在控制了数字普惠金融发展水平的影响后，农村家庭负债结构对家庭人均消费水平的效应。若这两个效应均显著，则认为中介效应显著，否则进入第三步。

第三步，使用Bootstrap法检验数字普惠金融发展水平对农村家庭负债结构的效应与控制数字普惠金融发展水平影响后农村家庭负债结构对家庭人均消费水平的效应的乘积是否显著。若显著，则认为中介效应显著，否则认为中介效应不显著。

因此，建立以下三个实证分析模型：

1.数字普惠金融与农村家庭消费

用表示位于i省的第j个家庭于2019年的人均消费，家庭所在地区的数字普惠金融发展水平用表示。得到如下实证模型：

其中，Xij表示户主、家庭与家庭所在省份的控制变量，μij为随机扰动项，γ1衡量数字普惠金融发展水平对农村地区家庭人均消费水平的总效应。

2.数字普惠金融与农村家庭负债结构

用percentij表示位于i省的第j个家庭在2019年于汽车、医疗、教育及其他方面所承担的非正规金融负债占其当年总负债的百分比，家庭所在省份的数字普惠金融发展水平用表示。得到如下实证模型：

與上文相似地，Xij表示户主、家庭与家庭所在省份的控制变量，μij为随机扰动项，β1衡量数字普惠金融发展对农村地区家庭负债结构的效应。

3.农村家庭负债结构与家庭消费

用perbuyij表示位于i省的第j个家庭于2019年的人均消费，家庭负债结构用percentij表示。得到如下实证模型：

其中，Xij表示户主、家庭与家庭所在省份的控制变量，包括模型（1）中的数字普惠金融发展水平dfiicj。μij为随机扰动项，α1衡量农村地区家庭负债结构对家庭人均消费水平的效应。

三、实证分析结果

表2报告了数字普惠金融对我国农村地区家庭消费水平效应的估计结果。该结果表明，数字普惠金融指数的系数为0.658，且在1%的水平上显著。这支持了易行健、周利（2018）等学者的结论，即数字普惠金融能够从整体上促进农村家庭消费，农村家庭并未因数字金融鸿沟等因素的存在被整体排斥在数字金融发展带来的福利之外，数字金融的发展的确具备普惠性。

表2第（1）列仅控制了数字普惠金融指数，第（2）至（4）列在第（1）列的基础上逐步加入户主特征、家庭特征与区域经济特征，数字普惠金融指数的系数始终显著为正，说明估计结果在不同模型设定下仍然保持稳健。

表3报告了数字普惠金融对我国农村地区家庭负债结构效应的估计结果。该结果表明，数字普惠金融指数的系数为-0.429，且在1%的水平上显著。这支持了傅秋子和黄益平（2018）等学者的结论，即数字普惠金融能够减少私人借贷市场上非正规金融信贷的供求，在整体上降低非正规金融负债在农村家庭总负债中的比例。尽管银行等传统金融机构在农村、偏远地区设置的分支机构稀少，并会出于信息不对称等原因设置较高的贷款发放门槛，致使大量不满足门槛的相对贫困者因无法获得贷款而难以扩大投资、提高财富水平，落入“贫困收入陷阱”，数字金融的发展却能够渗透进偏远地区，减少银行获取与分析借款者信息的成本，降低贷款等金融服务的门槛，从而真正惠及相对贫困现象较为凸显的农村地区，缓解资源错配问题，为农村地区居民带来“数字红利”。

表3第（1）列仅控制了数字普惠金融指数，第（2）至（4）列在第（1）列的基础上逐步加入户主特征、家庭特征与区域经济特征，数字普惠金融指数的系数始终显著为负，说明估计结果在不同模型设定下仍然保持稳健。

表4报告了在控制数字普惠金融发展水平的基础上，我国农村地区家庭负债结构对家庭人均消费效应的估计结果。该结果表明，家庭负债结构的系数为0.01，且在1%的水平上显著。这支持了张冀等（2020）的结论，即非正规负债在总负债中占比的下降可以提高家庭的人均消费水平。此外，可以看到，随着户主年龄的增长，农村家庭人均消费水平也有所下降，这可能是由于老年人社交角色转变致使其在应酬、交通、教育等方面投入减少，以及生理变化导致其在饮食等方面的需求大幅减少（李建民，2001）；户主受教育程度越高，则家庭人均消费水平也倾向于更高，这可能是由于知识水平更高者进行教育等个人投资的意愿更强，更愿意借款消费，且更愿意尝试使用互联网等工具进行购物（张学敏和何酉宁，2006）；户主健康状况越差，则家庭人均消费水平越低，这可能是由于当家庭中存在健康状况较差的成员，尤其是当户主为健康状况较差的老年人时，较高的健康风险将使家庭出于风险规避的动机进行更多预防性储蓄，从而削减除医疗支出外的其他消费支出（何兴强和史卫，2014）。

上述实证分析表明，数字普惠金融对农村家庭消费水平的总效应显著，数字普惠金融对农村家庭负债结构的效应显著，且在控制数字普惠金融发展水平的影响后，家庭负债结构对农村家庭消费水平的效应显著。因此，基于温忠麟、叶宝娟（2014）的中介效应检验流程，家庭负债结构的中介效应显著，即数字普惠金融水平的提高可以通过改善家庭的负债结构促进家庭消费。

四、政策建议

（一）提升农村地区信息化水平

截至2022年，我国互联網整体普及率已达到74.4%，但农村地区互联网普及率仍然仅有55.8%，与城镇地区呈现明显分化。有限的互联网使用水平将制约农村居民，尤其是中西部地区农村居民享受数字金融发展所带来的福利的能力。因此，政府应加快农村地区信息基础设施建设，着力提高信息技术在农村地区的使用深度，并推动5G、物联网等新型互联网技术的发展，为数字金融对农村家庭消费的促进提供更加有力的硬件保障。

（二）加强农村地区金融及互联网知识普及

当前，我国农村居民对互联网金融普遍认知不足，计算机应用能力偏低，存在对数字金融“不会用、不能用、不敢用”的现实困境。政府可通过相关政策鼓励村干部与位于农村地区的分支行主动向农村居民普及、宣传金融知识，提高与金融、互联网知识相关的广播电台、电视节目、报刊书籍在农村地区的普及性与可获得性，并在当地中小学开设相关课程，从而推动农村居民对数字金融工具的使用。

（三）提高农村居民收入水平

尽管数字普惠金融的发展能够通过诸多机制促进居民消费，长期来看，决定居民消费水平的核心因素仍然是可支配收入水平（易行健，周利，2018）。因此，在着力推进数字金融发展的同时，政府也应积极引入鼓励金融机构对偏远、农村地区进行生产性信贷发放的倾斜性、扶持性政策，建立、健全农业支持保护政策及相关补贴机制，激励地方政府进行农村基础设施建设，从而进一步增强农村居民创收、增收能力。

参考文献：

[1]朱信凯，骆晨.消费函数的理论逻辑与中国化：一个文献综述.经济研究，2011，46（01）：140-153.

[2]易行健，周利，数字普惠金融发展是否显著影响了居民消费——来自中国家庭的微观证据.金融研究，2018，461（11）：47～67.

[3]郭继辉，王泽荣.数字普惠金融发展能促进家庭消费水平吗——基于CHFS数据的实证研究.贵州财经大学学报，2022，219（04）：22～31.

[4]张勋，杨桐，汪晨等.数字金融发展与居民消费增长：理论与中国实践.管理世界，2020，36（11）：48～63.

[5]何广文.从农村居民资金借贷行为看农村金融抑制与金融深化.中国农村经济，1999，（10）：42～48.

[6]张冀，孙亚杰，张建龙.我国家庭负债存在过度风险吗？——基于负债结构下的消费视角.河北经贸大学学报，2020，41（05）：28～38.

[7]吴雨，李成顺，李晓等.数字金融发展对传统私人借贷市场的影响及机制研究.管理世界，2020，36（10）：53～64+138+65.

[8]王曙光，杨北京.农村金融与互联网金融的“联姻”：影响、创新、挑战与趋势.农村金融研究，2017，449（08）：19～24.

[9]傅秋子，黄益平.数字金融对农村金融需求的异质性影响——来自中国家庭金融调查与北京大学数字普惠金融指数的证据.金融研究，2018，461（11）：68～84.

[10]尹志超，刘泰星，张逸兴.数字金融促进了居民就业吗？.福建论坛（人文社会科学版），2021，345（02）：98～112.

[11]温忠麟，叶宝娟.中介效应分析：方法和模型发展.心理科学进展，2014，22（05）：731～745.

[12]李建民.老年人消费需求影响因素分析及我国老年人消费需求增长预测.人口与经济，2001，（05）：10～16.

[13]张学敏，何酉宁.受教育程度对居民消费影响研究.教育与经济，2006，（03）：1～5.

[14]何兴强，史卫.健康风险与城镇居民家庭消费.经济研究，2014，49（05）：34～48.

[15]郭峰，王靖一，王芳等.测度中国数字普惠金融发展：指数编制与空间特征.经济学（季刊），2020，19（04）：1401～1418.

（作者单位：南开大学金融学院）

责任编辑：李丽君