数字普惠金融、居民消费结构与区域性金融风险

摘 要：本文基于2011—2020年中国31个省份的面板数据，借助北京大学数字普惠金融指数，对地区数字普惠金融的发展状况进行了量化评估，通过覆盖广度、使用深度及数字化程度三个关键指标检验了数字普惠金融如何影响区域性金融风险，并探讨了居民消费结构在两者间的机制作用。研究表明，数字普惠金融的推广和发展显著降低了区域性金融风险，普及高效的金融服务在增强区域金融稳定性方面起到了积极作用；居民消费结构在数字普惠金融与区域性金融风险之间扮演了重要的中介角色。结合上述研究结论，文章创新性地构思了在数字普惠金融环境下有效预防和消解区域性金融风险的建议，以供参考。

关键词：数字普惠金融；区域性金融风险；稳健性；中介效应；覆盖广度；使用深度；数字化程度

中图分类号：F832；F063.2 文献标识码：A 文章编号：2096-0298（2024）08（a）--05

金融作为国民经济的动脉和生命线，承担着为整个经济体系提供资金流动、风险管理和资产配置的关键职能，不仅是国家核心竞争力的重要组成部分，还是推动经济结构优化和转型升级的关键力量。正因如此，金融的稳健发展对中国经济的持续健康增长有着不可或缺的作用。区域性金融风险作为金融风险体系中的重要维度，源自地区金融市场的结构性弱点，包括金融机构的资本充足率不足、信贷市场的过热及资产价格的非理性波动等问题。这些结构性弱点可能引发从流动性紧缩到信用违约的增多，甚至触发金融市场的系统性崩溃，对地区经济产生深远的负面影响。由于金融风险具有潜在的传染性，区域金融的不稳定性不仅威胁到单一区域，还可能扩散至国家乃至全球范围，影响整体金融稳定。因此，防范与化解区域性金融风险具有重要的战略意义。

随着创新驱动发展战略的深入实施，数字金融的快速发展引领了数字普惠金融的兴起。数字普惠金融的核心优势在于能够通过技术手段降低金融服务的门槛，实现更广泛的市场覆盖。这种普及性不仅增加了金融市场的参与者数量，还有助于金融资本更有效地分配，从而推动经济的包容性增长。此外，数字普惠金融通过提供更为多样化的金融产品和服务，增强了金融市场的深度和广度，为预防和化解区域性金融风险提供了新的路径和方法。

基于上述背景，本文选取2011—2020年中国31个省份的面板数据，借助北京大学数字普惠金融指数，对地区数字普惠金融的发展状况进行了量化评估，通过覆盖广度、使用深度及数字化程度三个关键指标检验了数字普惠金融如何影响区域性金融风险，并探讨了居民消费结构在两者间的机制作用。

1 文献综述

数字普惠金融作为一种新兴的金融科技应用，已成为广泛研究的焦点。就其概念界定而言，CGAP将数字普惠金融界定为一种机制，旨在通过数字化途径向那些未充分获得金融服务或遭受金融排斥的群体提供正规的金融服务（CGAP，2015）[1]。信息技术的普及极大地推动了数字普惠金融的发展，数字普惠金融产品和服务已涉及个人征信、消费金融、数字化支付、投资理财诸多领域（向洁等，2021）[2]；中国通过促进地方小额贷款、多元化融资服务和引导金融机构关注数字普惠金融，深化了数字普惠金融实践（周锦鸿，2023）[3]，不断成熟的数字普惠金融技术推动了传统金融的发展。从宏观层面来看，数字普惠金融对经济高质量发展具有显著的直接促进效应（上官绪明和葛斌华，2021）[4]，整体上缩小了收入差距（田瑶和郭力宏，2022）[5]。从微观层面来看，数字普惠金融对中小企业创新研发效率和成果转化效率发挥了促进作用（齐红倩等，2023）[6]，能够有效减轻企业融资约束，提升贷款可得性和企业创新表现（周锦鸿，2023）[3]。

区域性金融风险作为金融风险体系中的重要维度，相关研究也较为丰富。区域性金融风险主要指国内某个经济区域内金融体系面临的风险，由微观金融风险在区域内或区域间传播和扩散构成（梁静姝，2018）[7]，最终可能会上升至宏观的系统性风险（王擎等，2018）[8]，其演变过程受到诸多要素的共同作用。其中，银行和房地产市场扮演着关键角色，成为区域金融风险的主要策源地（荣梦杰和李刚，2020）[9]。信用风险是区域金融风险的主要表现形式（梁静姝，2018）[7]。目前，银行业金融机构依然是我国金融系统的核心力量（王擎等，2018）[8]。因此，部分学者主张采用不良贷款率作为直观衡量区域金融风险的有效指标（欧阳资生等，2021）[10]。

学者在认可数字普惠金融对经济带来积极影响的同时，也开始广泛关注其对区域性金融风险的影响。欧阳资生等（2021）[10]的研究表明，数字普惠金融通过降低交易成本和提高盈利能力等方面，有效抑制区域性金融风险。李晨和丁鑫（2021）[11]进一步发现，这种金融形态通过缓解地方融资困境和减轻地方政府债务压力，有助于降低区域系统性金融风险。同时，何文彬与王珂凡（2023）[12]指出，邻近地区数字金融的发展间接降低了本地区的区域性风险。此外，刘骅与崔婧（2023）[13]指出，数字普惠金融提高了金融体系运行效率，优化了传统金融结构，进而抑制区域金融风险。这些研究共同展示了数字普惠金融对区域性金融风险的抑制效应。

虽然目前的文献已广泛探讨了数字普惠金融对区域性金融风险的影响，但对其作用机制的分析尚显不足。本文引入居民消费结构作为中介变量，探讨数字普惠金融对区域性金融风险的影响。

2 理论分析

2.1 数字普惠金融对区域性金融风险的直接影响

数字普惠金融的积极推广不仅拓展了金融资源向包括个体和小型企业在内的较为边缘化群体的覆盖范围，还促使金融服务更加公平地分配于社会的各个角落（郭文伟和罗冰莹，2024）[14]。这种战略有效降低了对某单一区域或行业的依赖，显著减轻了由于特定领域所承担风险而可能引发的金融系统的冲击。同时，信息技术在提高金融透明度和流动性方面的应用加强了市场参与方在进行风险评估和机会把握时的准确性，进而有效降低了由信息不对称导致的市场不稳定性，进一步降低了金融系统面临的整体风险。

数字普惠金融的普及增强了金融市场的整体包容性，吸引了更广泛的金融边缘人群参与到金融体系中来，提高了市场参与者的多样性。这种多样性的增加不仅使金融市场生态更加丰富，还有效分散了金融系统可能面临的特定风险源造成的冲击。数字技术的运用提高了金融监管的效率和精确性，使得监管机构更加及时和有效地识别、预防和应对潜在的金融风险，从而维护了金融市场的稳定与健康。同时，数字普惠金融作为创新的催化剂，激励金融机构开发出更加多样化、更能满足客户需求的金融产品和服务。这种创新不仅提高了金融市场的竞争力，还提高了金融系统抵御外部冲击的能力，为金融体系的稳定发展奠定了坚实的基础（张梦君，2022）[15]。

综合上述分析，本文提出以下假设：

H1：数字普惠金融发展可对减少区域性金融风险产生积极影响。

2.2 居民消费结构的中介作用

居民消费结构定义为发展与享受型消费支出占消费总支出的比例，对区域性金融风险的影响具有重要意义。发展型消费支出通常包括教育、健康和长期资产投资等；而享受型消费则涉及休闲、娱乐和非必需品的购买。这种消费结构的衡量方式反映了居民在必需品和非必需品之间的支出偏好，以及其对未来投资与即时满足之间的权衡。

当居民的消费结构倾向发展与享受型消费时，可能意味着居民具有较高的经济安全感和相对宽裕的财务状况，因为他们能够承担超出基本生活需求的额外支出。在此情况下，消费者可能更愿意进行风险较高的投资，如购买金融产品或进行其他形式的资本市场投资，能够提高整个区域的资金流动性和经济活力。然而，如果这种高比例的发展与享受型消费未被有效的金融监管和宏观经济政策支持，可能引发区域性金融市场的不稳定。例如，过度的消费驱动可能导致家庭债务累积、减少储蓄，增加对信用的依赖，从而在面临经济衰退或市场调整时增加区域性金融风险。此外，高比例的非必需品消费可能会在经济下行期间迅速减少，导致消费需求的大幅波动，这种波动可能对依赖消费驱动的区域经济产生负面影响。

数字普惠金融通过增强金融教育和提升居民的金融知识，改善了消费者的金融行为，使其在面对消费决策时更加理性。这种提升意味着居民更倾向减少非必需或奢侈性消费，而更多地关注长期的金融健康和储蓄，导致发展型和享受型消费的比例下降。此外，数字普惠金融服务的便利性和广泛可及性使得居民能够更有效NdnH/4PSh9yqc5tIwROP3z2O2UEGzd36kpvYHzwWGps=地管理自己的预算和财务。通过在线工具和应用，居民可以轻松追踪和规划自己的收入和支出，促使其做出更加审慎的消费选择，减少冲动购买，从而进一步优化消费结构。同时，数字普惠金融提高了资金的流动性和获得性，居民不仅可以更容易消费，还可以更容易地进行投资和储蓄。在经济不确定性较高的时期，这种流动性通常促使居民采取更保守的财务策略，如增加储蓄而非消费，特别是在非必需品上的开支。数字普惠金融还包括改进借贷行为的监管措施，如信用评分系统，这些措施帮助消费者减少过度借贷和降低高风险金融行为，进一步影响消费结构，使得其在借贷决策上更加谨慎。

通过这些机制，数字普惠金融不仅优化了居民的消费结构，还促使消费更加个性化和适应性强，满足了消费者的具体需求，避免了不必要的金融支出。这一系列的影响降低了非必需品消费的比例，有助于稳定金融市场，并减轻区域性金融风险。

依据前述分析，本文进一步提出以下假设：

H2：数字普惠金融的发展能够通过调整居民消费结构，进而对降低区域性金融风险产生积极影响。

3 研究Dbz0GNSIHKDy9Bwmk0LsSHnZ5UtGW1wqpDyx+JPOkIw=设计

3.1 样本选取与数据来源

在深入分析与综合考量数据的可靠性与详尽性后，本文选定2011—2020年中国31个省份（港澳台地区除外）的面板数据，累计获得310个有效样本。对于区域性金融风险的相关数据，本文依托EPS数据库在衡量数字普惠金融发展状况时，采用了北京大学发布的数字普惠金融权威指数。此外，为提高研究的全面性和深入性，本文从Wind数据库、国家统计局官网及《中国统计年鉴》中广泛采集了多元化的辅助数据。

3.2 变量选取

（1）被解释变量

本文的被解释变量是区域性金融风险，考虑到其主要来源是商业银行，参照欧阳资生等（2021）[10]的做法，采用各省的不良贷款率来衡量。

（2）解释变量

本文参照李晨和丁鑫（2021）[11]的做法，采用北京大学数字金融研究中心构建的数字普惠金融指数作为解释变量。

（3）中介变量

本文的中介变量是居民消费结构，参照项圆心等（2024）[16]的做法，采用发展与享受型消费支出和消费总支出之比来衡量。

（4）控制变量

本文控制变量选择影响区域性金融风险的主要因素，包括城乡居民收入差距（urban）、金融发展水平（finance）、市场化水平（market）、社会消费水平（social）、产业结构（structure）。其中，城乡居民收入差距（urban）的定义为城镇居民人均可支配收入与农村居民人均可支配收入之比；金融发展水平（finance）的定义为金融机构存贷款余额总额与地区GDP之比；市场化水平（market）采用综合反映各地区市场经济发展状况的市场化指数作为评价指标；社会消费水平（social）的定义为社会消费品零售总额与地区GDP之比；产业结构（structure）的定义为第三产业产值与第二产业产值之比。另外，本文还控制了年份（year）和省份（province）。

3.3 模型计量设定

3.3.1 基准回归模型

为了深入探究数字普惠金融与区域性金融风险之间的内在联系，本文运用了双向固定效应模型，以排除各省份间及宏观经济因素差异带来的干扰，从而确保研究结论的准确性和可靠性。

基于假设H1，构建如下模型：

其中，Loani，t为被解释变量区域性金融风险，表示第i个省份第t年的区域性金融风险水平；β0为截距项；β1为衡量数字普惠金融影响区域性金融风险的大小；Xi，t为核心解释变量，代表第i个省份第t年的数字普惠金融发展水平；controli，t为控制变量集，包含城乡居民收入差距（urban）、金融发展水平（finance）、市场化水平（market）、社会消费水平（social）、产业结构（structure）；个体固定效应由参数λi表示，它捕捉了每个省份特有的不随时间变化的影响因素；而时间固定效应则由参数μt呈现，反映了所有省份共同面临的时间趋势或周期性影响：εi，t代表随机误差项，涵盖了除个体和时间固定效应外其他未观测到的随机扰动。另外，i代表省份，t代表年份，用于区分不同省份和不同时间点的数据。

3.3.2 中介效应检验模型

本文参考项圆心等（2024）[16]的方法，在式（1）的基础上，进一步构建中介效应检验模型，检验居民消费结构是否为数字普惠金融影响区域性金融风险的渠道，中介效应检验模型如下：

其中，Consumei，t为中介变量——居民消费结构；其余变量含义与式（1）一致。

4 实证分析

4.1 基准回归分析

基准回归分析的结果如表1所示。数字普惠金融总指数的系数为-0.0313，在1%的显著性水平上，该指数与区域性金融风险呈现出明显的负相关关系，即数字普惠金融的发展有助于降低区域性金融风险，假设H1成立。

数字金融使用深度（usedepth）和普惠金融数字化程度（diglevel）在统计上具有高度显著性，其系数分别为-0.0146和-0.0136，均达到1%的显著性水平。这一发现揭示了这两个维度在降低区域性金融风险方面发挥了积极作用。然而，数字金融覆盖广度（cobredth）并未显示出显著的影响，意味着在影响区域性金融风险方面，并非所有的数字普惠金融维度都扮演着同等重要的角色。这一发现为人们更深入地理解数字普惠金融与区域性金融风险之间的关系提供了新的视角，对理解和实施更精细化的金融普惠政策具有重要意义。

4.2 稳健性检验

为了验证基准回归结果的稳定性和可信度，本文进行了以下稳健性检验：

（1）增加控制变量。由于人力资本水平（human）能够通过提高经济的适应性和创新能力对区域性金融风险产生一定的影响。为了使研究结果更加准确，增加人力资本水平（human）作为控制变量进行回归。数字普惠金融总指数的系数为-0.0256，表明数字普惠金融总指数与区域性金融风险之间呈负相关关系，且这种关系在1%的统计水平上显著，与之前的基准回归结果一致。

（2）稳健标准误。为应对数据中可能存在的异方差性问题，本文在固定效应模型中引入了稳健性（robust）估计方法。结果显示，回归系数为负，并通过1%的显著性检验，进一步印证了数字普惠金融水平提升对降低区域金融风险具有积极作用的假设。

（3）缩尾处理。为排除极端值对研究结果的干扰，本文对所有数据进行了1%的缩尾处理，并重新进行了回归分析。结果显示，数字普惠金融的总指数系数仍为负值，且显著，与之前的基准回归分析结果相吻合（见表2）。

4.3 中介效应分析

理论分析表明，数字普惠金融通过引导和优化居民的消费结构，降低了区域性金融风险。基于这一理论框架，本文进一步对模型（2）和模型（3）进行了实证检验，旨在验证这一中介效应的存在。相关的中介效应结果如表3所示，数字普惠金融的系数是-0.007，且在1%的显著性水平上显著。同时，在包含更多变量的分析中，数字普惠金融的系数为-0.0283，居民消费结构的系数为4.6102，分别通过了1%和10%的显著性水平检验。这些结果支持了数字普惠金融通过居民消费结构对区域性金融风险产生影响的传导机制，因此，第二个假设H2得到验证。

5 结语

数字普惠金融的发展既对区域性金融风险有着直接的显著遏制作用，又能通过调整和优化居民的消费结构，间接地对金融市场的稳定性产生积极影响。该结果强调了数字普惠金融通过增强金融可访问性和提高金融服务质量，使居民更合理地规划和分配其消费，从而减少不必要的高风险消费行为，增加对发展性和储蓄性消费的投资。

综上，本文提出以下三点建议：

第一，加强数字普惠金融的推广和基础设施建设。考虑到数字普惠金融对降低区域性金融风险的显著效果，建议政府与金融机构联合推进数字金融的基础设施建设，尤其是在经济欠发达地区。这包括但不限于提高宽带互联网和移动通信的覆盖率，提高网络支付系统的安全性与效率，以及加强对金融服务平台的监管，确保数据安全和用户隐私。此外，通过设立政策激励，例如减税或财政补贴，可以鼓励更多的金融科技企业参与到这一领域中来。

第二，促进居民消费结构的优化和合理化。居民消费结构在数字普惠金融与区域性金融风险之间起着中介作用，因此优化消费结构具有重要意义。建议政府部门设计并实施一系列促进消费结构优化的政策措施，如提供财务规划和预算管理的教育项目、增设针对长期投资（如教育、健康保健和养老储蓄）的税收优惠及开展广泛的消费者教育活动，增强消费者对金融产品的认知和理解，从而引导其做出更为理智的消费选择。

第三，深化金融服务的个性化和普及金融教育。为了提高数字普惠金融的效益，金融机构应根据不同消费者群体的具体需求，设计和推广更多个性化的金融产品和服务。同时，应加大金融知识普及的力度，通过学校、社区、在线平台多种渠道普及金融知识，特别是对农村和边远地区的居民。这样的教育不仅有助于提高公众的金融素养，还能促进消费者更加有效和安全地利用数字金融服务，从而进一步稳固区域金融的安全和发展。

这些策略可以充分发挥数字普惠金融在促进经济包容性增长和降低区域性金融风险中的作用，为建设更稳健的金融环境提供支撑。

参考文献

CGAP. What is Digital Financial Inclusion and Why Does it Matter？ [DB/OL] http：//www.cgap.org/blog/what digital finan cialinclusion and why does it matter，2015.

向洁，胡青江，闫海龙.数字普惠金融发展的区域差异及动态演进[J].技术经济与管理研究，2021（2）：65-70.

周锦鸿.数字普惠金融的普惠效应与异质性特征[J].华南农业大学学报（社会科学版），2023，22（6）：102-114.

上官绪明，葛斌华.数字金融、环境规制与经济高质量发展[J].现代财经（天津经大学学报），2021，41（10）：84-98.

田瑶，郭立宏.数字普惠金融缩小收入差距了吗： 来自中国家庭追踪调查的经验证据[J].当代经济科学，2022，44（6）：57-70.

齐红倩，张佳馨，陈苗.数字普惠金融促进中小企业创新效率研究： 基于创新价值链视角[J].宏观经济研究，2023（10）：23-40.

梁婧姝.有效防范化解区域金融风险[J].中国金融，2018（24）：47-48.

王擎，刘军，金致雯.区域性金融风险与区域经济增长的相关性分析[J].改革，2018（5）：66-75.

荣梦杰，李刚.区域金融风险的空间关联、传染效应与风险来源[J].统计与决策，2020，36（24）：119-124.

欧阳资生，路敏，熊家毅.数字普惠金融发展对中国区域性金融风险的影响研究[J].西安财经大学学报，2021，34（5）：5-16.

李晨，丁鑫.数字金融发展缓解了区域系统性金融风险么： 来自中国31个省份的经验证据[J].区域金融研究，2021（12）：36-42.

何文彬，王珂凡.数字普惠金融赋能我国经济高质量发展： 基于空间计量模型和中介效应的研究[J].山东财经大学学报，2023， 35（2）：26-39.

刘骅，崔婧.数字金融发展对区域金融风险的抑制效应： 基于省级面板数据的实证检验[J].金融理论与实践，2023（1）：35-44.

郭文伟，罗冰莹.数字普惠金融聚势赋能共同富裕的效应[J].金融市场研究，2024（4）：90-103.

张梦君.数字普惠金融对商业银行信贷风险的影响： 基于中国省级面板数据的分析[J].上海立信会计金融学院学报，2022，34 （5）：19-33.

项圆心，李浩，王雪梅.数字普惠金融与现代服务业高质量发展： 基于服务消费视角的研究[J].统计与决策，2024，40（5）： 138-143.

李季刚，张哲，汤努尔·哈力克.数字普惠金融促进农村产业融合发展的影响研究： 基于中介效应与调节效应的分析[J].武汉金融，2023（12）：22-29+38.