李 奧， 桑晨穎， 呂勇斌

(中南財(cái)經(jīng)政法大學(xué) 金融學(xué)院，湖北 武漢 430073)

一、引 言

2021年中央一號(hào)文件首次明確提出“發(fā)展農(nóng)村數(shù)字普惠金融”，意在進(jìn)一步提升農(nóng)村地區(qū)數(shù)字金融服務(wù)質(zhì)效、有效銜接從脫貧攻堅(jiān)到鄉(xiāng)村振興戰(zhàn)略，最終實(shí)現(xiàn)農(nóng)業(yè)農(nóng)村現(xiàn)代化、讓農(nóng)民生活更加美好的長(zhǎng)遠(yuǎn)目標(biāo)。事實(shí)上，中國(guó)政府一直重視普惠金融在農(nóng)村地區(qū)的發(fā)展。2015年來(lái)，中國(guó)政府分別發(fā)布《推行普惠金融發(fā)展規(guī)劃(2016—2020)》《G20數(shù)字普惠金融高級(jí)原則》《金融科技發(fā)展規(guī)劃(2019—2021年)》《數(shù)字鄉(xiāng)村發(fā)展戰(zhàn)略綱要》等重要文件，明確提出利用數(shù)字技術(shù)發(fā)展普惠金融、助推鄉(xiāng)村振興、建設(shè)數(shù)字中國(guó)。從現(xiàn)實(shí)來(lái)看，中國(guó)的數(shù)字普惠金融在過(guò)去十年得到了跨越式發(fā)展，在全球產(chǎn)生了很大的影響(黃益平和黃卓，2018)。根據(jù)郭峰等(2020)[1]的研究，2011年中國(guó)各省數(shù)字普惠金融指數(shù)的中位數(shù)為33.6，到2018年上升到294.3，年均增長(zhǎng)達(dá)36.4%，中國(guó)數(shù)字普惠金融的快速發(fā)展趨勢(shì)可見(jiàn)一斑。

與此同時(shí)，自2016年以來(lái)，中國(guó)政府推出“三去一降一補(bǔ)”五大改革任務(wù)，去杠桿成為供給側(cè)結(jié)構(gòu)性改革的重要工作內(nèi)容?！?021年國(guó)務(wù)院政府工作報(bào)告》提出，繼續(xù)完成“三去一降一補(bǔ)”重要任務(wù)。2018年9月，中共中央、國(guó)務(wù)院在印發(fā)的《鄉(xiāng)村振興戰(zhàn)略規(guī)劃(2018—2022年)》中提到，實(shí)施鄉(xiāng)村振興戰(zhàn)略是黨的重大歷史任務(wù)，專業(yè)化的“三農(nóng)”金融服務(wù)可以更好地滿足鄉(xiāng)村振興多樣化金融需求，在現(xiàn)代農(nóng)業(yè)經(jīng)營(yíng)體系中堅(jiān)持構(gòu)建家庭經(jīng)營(yíng)、集體經(jīng)營(yíng)、合作經(jīng)營(yíng)等新型農(nóng)業(yè)集體經(jīng)濟(jì)?；跀?shù)字技術(shù)的快速發(fā)展、金融可得性的提高和“三農(nóng)”發(fā)展的政策傾斜，家庭金融行為不再只滿足于資產(chǎn)端的收益，還會(huì)逐漸參與信貸市場(chǎng)，獲得一定比例的家庭貸款(尹志超等，2018)[2]。從實(shí)際來(lái)看，去杠桿政策主要集中在企業(yè)部門和地方政府層面，家庭部門的杠桿及債務(wù)問(wèn)題未得到足夠的重視。家庭作為數(shù)量最多的微觀經(jīng)濟(jì)主體，其過(guò)高的杠桿水平、過(guò)快的債務(wù)增長(zhǎng)所帶來(lái)的經(jīng)濟(jì)危害不容忽視(Reinhart & Rogoff，2008[3]；馬勇和陳雨露，2017[4])。美國(guó)次貸危機(jī)爆發(fā)的直接原因就是家庭杠桿率飆升，造成大量普通家庭資不抵債。根據(jù)國(guó)家資產(chǎn)負(fù)債表研究中心的報(bào)告，2000年底，中國(guó)家庭的宏觀杠桿率為12.4%，2009年底上升至23.5%，2019年底高達(dá)55.8%，顯著高于新興經(jīng)濟(jì)體平均水平。家庭過(guò)快、過(guò)度加杠桿的行為不僅會(huì)造成家庭財(cái)務(wù)危機(jī)和貧困脆弱性，甚至破壞金融穩(wěn)定，影響經(jīng)濟(jì)增長(zhǎng)(Schularick & Taylor，2012[5]；Bhamra & Uppal，2019[6])。由此，同企業(yè)部門和政府部門降杠桿一樣，家庭部門的高杠桿和債務(wù)風(fēng)險(xiǎn)也應(yīng)高度重視，農(nóng)戶家庭的過(guò)度負(fù)債問(wèn)題同樣如此。

鑒于此，越來(lái)越多的研究聚焦于數(shù)字金融對(duì)家庭經(jīng)濟(jì)行為的影響(Agarwal & Chua，2020[7])。本文關(guān)注的是數(shù)字金融與家庭過(guò)度債務(wù)的影響。一方面，利用數(shù)字技術(shù)來(lái)提供新形式的支付、借貸和投資等金融服務(wù)，有可能改善家庭的資產(chǎn)負(fù)債表，通過(guò)讓家庭實(shí)時(shí)控制其財(cái)務(wù)狀況而受益(Brainard，2016[8])。另一方面，數(shù)字金融可能刺激過(guò)度的信貸增長(zhǎng)和高杠桿以及向風(fēng)險(xiǎn)更高的借款人放貸，從而導(dǎo)致家庭債務(wù)危機(jī)，并可能進(jìn)一步惡化更廣泛經(jīng)濟(jì)領(lǐng)域的債務(wù)和違約問(wèn)題(Mian et al.，2017[9])。由此，數(shù)字金融和家庭債務(wù)之間的關(guān)系尚不能完全厘清。此外，數(shù)字金融對(duì)家庭債務(wù)的影響是不均衡的，數(shù)字技術(shù)促進(jìn)普惠性增長(zhǎng)的數(shù)字紅利，在不同家庭中產(chǎn)生異質(zhì)性的影響。對(duì)于那些金融素養(yǎng)較低、收入水平較低的家庭，由于無(wú)法接觸到互聯(lián)網(wǎng)等新技術(shù)，無(wú)法享受到數(shù)字金融發(fā)展帶來(lái)的數(shù)字紅利，新技術(shù)可能產(chǎn)生新的不平等即數(shù)字鴻溝問(wèn)題。

因此，隨著數(shù)字技術(shù)與普惠金融的深度融合，有必要研究家庭是否確實(shí)從新的金融創(chuàng)新中受益。本文重點(diǎn)考察數(shù)字金融發(fā)展與農(nóng)戶家庭過(guò)度負(fù)債之間的因果關(guān)系。盡管這是一個(gè)重要的研究課題，但兩者關(guān)系的確定還缺乏足夠的經(jīng)驗(yàn)證據(jù)。相關(guān)研究多是基于宏觀層面、企業(yè)或政府層面來(lái)評(píng)估金融發(fā)展與杠桿率及債務(wù)風(fēng)險(xiǎn)的關(guān)系(馬勇和陳雨露，2017[4]；劉貫春等，2018[10]；紀(jì)洋等，2018[11])。從家庭微觀層面展開(kāi)的研究，多是評(píng)估數(shù)字技術(shù)對(duì)家庭支付、借貸和投資組合的影響(Agarwal & Chua，2020)[7]。從數(shù)字技術(shù)的角度來(lái)評(píng)估普惠金融與家庭過(guò)度債務(wù)及風(fēng)險(xiǎn)問(wèn)題，相關(guān)研究較少(Basnet & Donou-Adonsou，2016[12]；吳衛(wèi)星等，2018[13]；Hong et al.，2020[14])。

基于以上討論，本文試圖在以下三個(gè)方面有所貢獻(xiàn)：第一，在數(shù)字技術(shù)驅(qū)動(dòng)金融創(chuàng)新的背景下，匹配中國(guó)家庭金融調(diào)查數(shù)據(jù)和北京大學(xué)數(shù)字普惠金融指數(shù)，從微觀視角研究數(shù)字金融發(fā)展與農(nóng)戶家庭過(guò)度負(fù)債之間的關(guān)系，以豐富數(shù)字金融與家庭金融相結(jié)合的交叉研究；第二，利用中國(guó)家庭金融調(diào)查數(shù)據(jù)構(gòu)建家庭層面的數(shù)字鴻溝指數(shù)，從數(shù)字鴻溝、信息不對(duì)稱的機(jī)制渠道挖掘數(shù)字金融影響農(nóng)戶家庭過(guò)度負(fù)債的作用機(jī)理，探尋數(shù)字金融發(fā)展的獨(dú)特機(jī)制渠道；第三，選擇農(nóng)戶所在城市到互聯(lián)網(wǎng)骨干直聯(lián)點(diǎn)城市的距離和北京大學(xué)創(chuàng)新創(chuàng)業(yè)指數(shù)作為工具變量，解決計(jì)量模型的內(nèi)生性問(wèn)題，并通過(guò)替換關(guān)鍵解釋變量等做法進(jìn)行穩(wěn)健性檢驗(yàn)，以獲得可靠的結(jié)論。

二、研究設(shè)計(jì)

(一)數(shù)據(jù)及樣本

本文所采用的數(shù)據(jù)主要來(lái)源于三個(gè)部分。第一部分是家庭微觀層面的數(shù)據(jù)，采用中國(guó)家庭金融調(diào)查數(shù)據(jù)(CHFS)。CHFS主要收集家庭資產(chǎn)與負(fù)債、收入與支出、保險(xiǎn)與保障、人口與就業(yè)等家庭金融信息?？紤]到數(shù)據(jù)的時(shí)效性問(wèn)題，選取2019年被訪問(wèn)到的家庭作為樣本。數(shù)據(jù)范圍涵蓋我國(guó)29個(gè)省份163個(gè)城市，2019年參與調(diào)查的人數(shù)為107008人，家庭共34643戶，其中農(nóng)村樣本總?cè)藬?shù)為40630人，農(nóng)村樣本家庭11821戶。第二部分是地區(qū)層面數(shù)字金融發(fā)展程度的數(shù)據(jù)，采用北京大學(xué)數(shù)字金融研究中心與螞蟻金服集團(tuán)共同編制的中國(guó)數(shù)字普惠金融指數(shù)(郭峰等，2020)[1]。該指數(shù)涵蓋中國(guó)31個(gè)省份、338個(gè)地級(jí)市以及近2800個(gè)縣域，全面刻畫(huà)中國(guó)數(shù)字普惠金融的發(fā)展趨勢(shì)與空間特征。根據(jù)研究需要，選取2019年城市級(jí)數(shù)字普惠金融指數(shù)代表各地區(qū)數(shù)字金融發(fā)展水平。第三部分是地區(qū)層面的經(jīng)濟(jì)數(shù)據(jù)，主要采用Wind數(shù)據(jù)庫(kù)、《中國(guó)城市統(tǒng)計(jì)年鑒》中反映社會(huì)經(jīng)濟(jì)發(fā)展情況的統(tǒng)計(jì)數(shù)據(jù)。

本文將三部分?jǐn)?shù)據(jù)按照地級(jí)市層級(jí)進(jìn)行合并，并采用通行方法對(duì)家庭數(shù)據(jù)進(jìn)行處理：剔除家庭收入、家庭資產(chǎn)和家庭負(fù)債為負(fù)數(shù)的家庭；剔除資產(chǎn)與負(fù)債類別數(shù)據(jù)缺失的家庭；對(duì)連續(xù)型變量進(jìn)行雙側(cè)1%的縮尾處理。最終選定一套包含2019年有效樣本為8304戶的農(nóng)村家庭數(shù)據(jù)集以及對(duì)應(yīng)的2018年城市級(jí)數(shù)字普惠金融發(fā)展指數(shù)集，覆蓋全國(guó)30個(gè)省份、151個(gè)地級(jí)市。數(shù)據(jù)的匹配與處理有助于精準(zhǔn)識(shí)別數(shù)字普惠金融與農(nóng)戶家庭過(guò)度負(fù)債之間的關(guān)系。

(二)農(nóng)戶家庭過(guò)度負(fù)債指數(shù)構(gòu)建

借鑒已有研究，結(jié)合2019年中國(guó)家庭金融調(diào)查問(wèn)卷內(nèi)容，從債務(wù)償還率、貧困線和家庭自評(píng)償債能力的主客觀指標(biāo)對(duì)農(nóng)戶家庭過(guò)度負(fù)債進(jìn)行測(cè)度。

1.客觀指標(biāo)測(cè)度。從償債成本的角度出發(fā)，已有研究通常使用償債收入比DSR(Debt-Service-Ratio)作為界定家庭過(guò)度負(fù)債的指標(biāo)。通過(guò)整理分析，發(fā)現(xiàn)農(nóng)戶家庭除了農(nóng)業(yè)生產(chǎn)和工商業(yè)生產(chǎn)帶來(lái)的生產(chǎn)性收入外，還有房產(chǎn)收入和金融資產(chǎn)收入，雖然只有極少部分農(nóng)戶擁有金融資產(chǎn)。為了更加客觀地評(píng)估農(nóng)戶家庭的負(fù)債情況和償債壓力，本文在對(duì)過(guò)度負(fù)債的指標(biāo)測(cè)算中，在償債收入比DSR的基礎(chǔ)上，假設(shè)家庭在面臨巨大的償債壓力時(shí)會(huì)將金融資產(chǎn)變現(xiàn)用于還債，這樣就會(huì)成比例地減少其償債成本，但同時(shí)相應(yīng)的家庭收入也會(huì)減少。具體測(cè)算公式如下：

(1)

其中，DSR1為調(diào)整后的償債收入比，Debt為家庭負(fù)債總額，AF為家庭擁有的金融資產(chǎn)價(jià)值，AR表示除了房產(chǎn)以外的其他資產(chǎn)，R表示家庭年度償債總支出(包括本金和利息)，Y表示家庭年度可支配收入，YCF表示家庭金融資產(chǎn)收入，YCA表示家庭房產(chǎn)收入。本文界定，當(dāng)調(diào)整后的償債收入比DSR1大于0.55時(shí)，家庭處于過(guò)度負(fù)債狀態(tài)，即OI為1，反之為0。

貧困線是判斷家庭經(jīng)濟(jì)狀況的公認(rèn)指標(biāo)。筆者也考慮采用貧困線來(lái)判斷農(nóng)戶家庭是否過(guò)度負(fù)債。以貧困線判斷過(guò)度負(fù)債的測(cè)算公式為：

(2)

其中，Y表示家庭年度可支配收入，R表示家庭年度償債總支出(包括本金和利息)，N表示家庭人口規(guī)模。采用相對(duì)收入貧困線和絕對(duì)收入貧困線來(lái)判斷。相對(duì)收入貧困線判斷是指，當(dāng)Line小于全樣本家庭人均可支配收入中位數(shù)的50%時(shí)，判定為過(guò)度負(fù)債家庭，OI為1，反之為0。絕對(duì)收入貧困線判斷是指，當(dāng)償債后人均可支配收入即Line低于3473元，判定為過(guò)度負(fù)債家庭，OI為1，反之為0。

2.主觀指標(biāo)測(cè)度。從主觀角度來(lái)看，相關(guān)研究使用家庭自評(píng)償債能力定義過(guò)度負(fù)債(Lusardi & Tufano，2015[15]；吳衛(wèi)星等，2018[13])。選用2019年中國(guó)家庭金融問(wèn)卷中“您認(rèn)為當(dāng)前償還住房欠款的經(jīng)濟(jì)能力如何?”問(wèn)題，根據(jù)農(nóng)戶的主觀感受進(jìn)行測(cè)度，建立家庭過(guò)度負(fù)債主觀指標(biāo)Subjective。當(dāng)回答“沒(méi)問(wèn)題”“基本沒(méi)問(wèn)題”和“不存在住房欠款”，則認(rèn)為該家庭的負(fù)債在可能償還的能力范圍之內(nèi)，不存在過(guò)度負(fù)債問(wèn)題，此時(shí)OI為0；當(dāng)回答“難以償還”和“完全沒(méi)能力償還”，則認(rèn)為該家庭償還債務(wù)存在困難，超出了家庭可承擔(dān)范圍，存在過(guò)度負(fù)債問(wèn)題，此時(shí)OI為1。

(三)解釋變量的選取

1.核心解釋變量：數(shù)字普惠金融。找到合適的數(shù)字普惠金融發(fā)展水平(DIF)的度量指標(biāo)，是本文需要解決的關(guān)鍵問(wèn)題。關(guān)于數(shù)字金融的度量，郭峰等(2020)[1]采用螞蟻集團(tuán)的交易賬戶大數(shù)據(jù)，從覆蓋廣度、使用深度和數(shù)字支持服務(wù)程度三方面，編制了中國(guó)數(shù)字普惠金融指數(shù)，時(shí)間跨度為2011—2018年，具有代表性和可靠性。李春濤等(2020)[16]通過(guò)提取互聯(lián)網(wǎng)金融、機(jī)器學(xué)習(xí)、智能投顧等48個(gè)金融科技關(guān)鍵詞，將這些關(guān)鍵詞與297個(gè)地級(jí)市或直轄市相匹配，運(yùn)用爬蟲(chóng)技術(shù)對(duì)百度新聞高級(jí)檢索中出現(xiàn)的“地級(jí)市+關(guān)鍵詞”組合數(shù)據(jù)進(jìn)行爬取，并將同一城市層面的關(guān)鍵詞搜索數(shù)量進(jìn)行加總后取對(duì)數(shù)，作為該城市金融科技發(fā)展水平的度量指標(biāo)，時(shí)間跨度為2011—2018年。采用郭峰等(2020)[1]的中國(guó)數(shù)字普惠金融指數(shù)做基準(zhǔn)回歸，采用李春濤等(2020)[16]的數(shù)據(jù)做穩(wěn)健性檢驗(yàn)。

2.其他控制變量的選取。參考已有研究，結(jié)合CHFS問(wèn)卷，除數(shù)字普惠金融(DIF)外，在回歸模型中還控制了戶主特征變量、家庭特征變量和地區(qū)特征變量。戶主特征包括性別(Gender)、婚姻(Marriage)、年齡(Age)、工作(Work)和教育水平(Eduyear)等。家庭特征既包括家庭的人口統(tǒng)計(jì)學(xué)特征，如家庭的人口規(guī)模(Familynum)、家庭不健康人數(shù)(Unhealth)以及家庭成員的金融素養(yǎng)(Fl)，也包括家庭的經(jīng)濟(jì)特征，如家庭醫(yī)療保險(xiǎn)情況(Medins)和家庭總消費(fèi)(Consume)情況。地區(qū)特征主要包括城市級(jí)的人均GDP(perGDP)和金融發(fā)展水平(FD)。

變量的具體說(shuō)明見(jiàn)表1。

表1 變量說(shuō)明

(四)變量描述性統(tǒng)計(jì)

表2匯報(bào)了變量描述統(tǒng)計(jì)結(jié)果。

表2 變量描述統(tǒng)計(jì)

本文關(guān)注的是過(guò)度負(fù)債家庭的特征(見(jiàn)表3)。通過(guò)對(duì)樣本中存在過(guò)度負(fù)債和不存在過(guò)度負(fù)債的家庭特征均值比較分析發(fā)現(xiàn)，農(nóng)戶家庭的過(guò)度負(fù)債行為在年齡、婚姻和性別方面差距不大，而在戶主工作狀況、教育年限、家庭醫(yī)療保險(xiǎn)持有狀況、家庭不健康人數(shù)、家庭消費(fèi)支出方面存在較大差異。

表3 過(guò)度負(fù)債家庭特征均值比較

其中，無(wú)過(guò)度負(fù)債家庭戶主有工作的比例、受教育年限與醫(yī)療保險(xiǎn)持有比例均大于過(guò)度負(fù)債家庭，從家庭不健康人數(shù)比較來(lái)看，平均每個(gè)過(guò)度負(fù)債家庭都有一名健康狀況不好的家庭成員，且過(guò)度負(fù)債家庭的金融素養(yǎng)水平低于無(wú)過(guò)度負(fù)債家庭。特別是，家庭總消費(fèi)高于無(wú)過(guò)度負(fù)債家庭，這說(shuō)明農(nóng)戶家庭的過(guò)度負(fù)債可能是因不合理消費(fèi)引起的。

從各類負(fù)債額度的均值比較來(lái)看(見(jiàn)表4)，農(nóng)戶戶均負(fù)債總額為29273.205元，低于城鎮(zhèn)居民負(fù)債水平。其中，購(gòu)房負(fù)債均值(13296.947元)最高，符合當(dāng)前我國(guó)房貸為家庭主要負(fù)債的基本事實(shí)(占總負(fù)債比例45.42%)。通過(guò)對(duì)家庭負(fù)債結(jié)構(gòu)的進(jìn)一步比較來(lái)看，所有樣本的負(fù)債結(jié)構(gòu)中，擁有房貸的人數(shù)占比最高(59.53%)，也說(shuō)明本文在主觀測(cè)度指標(biāo)中使用對(duì)于償還房貸的壓力問(wèn)題來(lái)衡量家庭過(guò)度負(fù)債是合理的。此外，還發(fā)現(xiàn)雖然醫(yī)療負(fù)債的均值在所有負(fù)債類型中均值居于第四位，但擁有醫(yī)療負(fù)債的家庭比例達(dá)到49%，僅次于房產(chǎn)負(fù)債。

表4 農(nóng)戶家庭負(fù)債結(jié)構(gòu)均值比較

進(jìn)一步，通過(guò)對(duì)過(guò)度負(fù)債家庭的區(qū)域分布特征進(jìn)行比較發(fā)現(xiàn)，三個(gè)測(cè)度指標(biāo)表示的過(guò)度負(fù)債家庭占比，東部地區(qū)分別是2.04%、26.08%和3.32%，西部地區(qū)分別是3.38%、32.88%和6.98%，均是中西部地區(qū)占比明顯高于東部地區(qū)。

三、實(shí)證分析

(一)基準(zhǔn)回歸

參考張勛等(2018)[17]、尹志超等(2020)[18]的做法，采用面板Probit模型來(lái)研究數(shù)字金融發(fā)展對(duì)家庭過(guò)度負(fù)債的影響。被解釋變量家庭過(guò)度負(fù)債為啞變量，核心解釋變量是數(shù)字普惠金融指數(shù)，控制變量包括戶主層面、家庭層面以及地區(qū)層面的特征變量。

數(shù)字普惠金融對(duì)農(nóng)戶家庭過(guò)度負(fù)債影響的基準(zhǔn)回歸模型設(shè)定如下：

Pr (OIij=1)=α0+α1DIFj+α2Indij+α3Hhij+α4Cityij+εij>0

(3)

其中，下角標(biāo)i表示家庭，j表示城市。OI表示農(nóng)戶家庭是否過(guò)度負(fù)債的二值變量，存在過(guò)度負(fù)債則取值為1，否則為0。核心解釋變量DIF為家庭所在城市j的數(shù)字普惠金融發(fā)展指數(shù)。Ind為第i個(gè)家庭的戶主特征變量，Hh是第i個(gè)家庭的家庭特征變量，City為家庭i所在城市j的控制變量。ε為隨機(jī)擾動(dòng)項(xiàng)。模型中加入時(shí)間和省份雙固定效應(yīng)，以控制部分遺漏變量。為避免地區(qū)內(nèi)部家庭之間的相關(guān)性問(wèn)題，模型的標(biāo)準(zhǔn)誤聚類到地級(jí)市層面。本文關(guān)注的是待估參數(shù)α1的方向及顯著性，預(yù)計(jì)α1的方向?yàn)樨?fù)，即數(shù)字普惠金融發(fā)展水平越高，農(nóng)戶家庭發(fā)生過(guò)度負(fù)債的概率越低。

表5匯報(bào)了數(shù)字普惠金融對(duì)農(nóng)戶家庭過(guò)度負(fù)債影響的基準(zhǔn)回歸結(jié)果。結(jié)果顯示，無(wú)論是由兩個(gè)客觀測(cè)度指標(biāo)衡量的農(nóng)戶家庭過(guò)度負(fù)債，還是主觀測(cè)度指標(biāo)均在1%的顯著水平下負(fù)相關(guān)，證明了數(shù)字金融發(fā)展能夠顯著抑制農(nóng)戶家庭過(guò)度負(fù)債。在債務(wù)償還指標(biāo)OI1中，數(shù)字金融發(fā)展水平每上升1%，農(nóng)戶過(guò)度負(fù)債的概率則下降5.6%；在相對(duì)收入貧困線指標(biāo)OI2中，數(shù)字金融發(fā)展水平每上升1%，農(nóng)戶過(guò)度負(fù)債的概率則下降28.6%；在主觀指標(biāo)OI3中，數(shù)字金融發(fā)展水平每上升1%，農(nóng)戶過(guò)度負(fù)債的概率下降13.02%。

表5 基準(zhǔn)回歸結(jié)果

在個(gè)人特征控制變量中，加入了年齡(Age)和年齡的平方項(xiàng)(Age2)，結(jié)果顯示年齡與過(guò)度負(fù)債之間并非線性關(guān)系，而是呈現(xiàn)“倒U”關(guān)系，即隨著年齡增長(zhǎng)，家庭過(guò)度負(fù)債的概率會(huì)先上升再下降。根據(jù)生命周期理論，家庭的負(fù)債水平隨著年齡的增長(zhǎng)不斷上升，到了中老年時(shí)期開(kāi)始下降直至為0，家庭負(fù)債水平最高的時(shí)期就是家庭的年輕時(shí)期，借款的可能性更大(Kumar & Liang，2019[19])，也是形成家庭過(guò)度負(fù)債概率最高的時(shí)期。戶主是否有工作(Work)與過(guò)度負(fù)債關(guān)系在三個(gè)指標(biāo)中分別呈現(xiàn)10%、1%和1%的顯著負(fù)相關(guān)，說(shuō)明未失業(yè)的戶主家庭過(guò)度負(fù)債的概率更低。此外，受教育年限(Eduyear)與過(guò)度負(fù)債分別在10%、1%和5%的水平下顯著負(fù)相關(guān)，教育水平每提高1%，家庭過(guò)度負(fù)債的概率分別下降0.11%、0.97%和0.18%，說(shuō)明戶主的受教育水平越高，過(guò)度負(fù)債的可能性越低。

在家庭特征控制變量中，家庭成員醫(yī)療保險(xiǎn)持有狀況(Medins)與金融素養(yǎng)水平(Fl)都與過(guò)度負(fù)債呈現(xiàn)顯著負(fù)相關(guān)，家庭不健康人數(shù)(Unhealth)與家庭消費(fèi)(Consume)與過(guò)度負(fù)債呈現(xiàn)顯著正相關(guān)。說(shuō)明家庭越多成員持有醫(yī)療保險(xiǎn)，家庭過(guò)度負(fù)債的概率越低，家庭不健康人數(shù)越多，過(guò)度負(fù)債的概率就越高，該結(jié)論也證實(shí)了農(nóng)戶存在因疾病過(guò)度舉債的情況，并且農(nóng)戶購(gòu)買醫(yī)療保險(xiǎn)的意識(shí)還不夠普遍，如果家庭成員繳納社會(huì)醫(yī)療保險(xiǎn)或者購(gòu)買其他醫(yī)療保險(xiǎn)，醫(yī)療負(fù)債會(huì)降低，家庭的經(jīng)濟(jì)壓力較小，發(fā)生過(guò)度負(fù)債的可能性降低。家庭成員金融素養(yǎng)水平越高，產(chǎn)生過(guò)度負(fù)債的可能性越低，該結(jié)論與Gathergood(2012)[19]、Lusardi & Tufano(2015)[15]等學(xué)者的研究結(jié)論相一致?？赡艿慕忉屖?，金融素養(yǎng)高的家庭對(duì)于負(fù)債成本、償債成本和利息計(jì)算等方面擁有更正確的認(rèn)識(shí)，能夠較為準(zhǔn)確地計(jì)算負(fù)債本息，更可能通過(guò)正規(guī)信貸渠道來(lái)持有負(fù)債，但也正因?yàn)槠渚哂休^好的風(fēng)險(xiǎn)認(rèn)知能力，在家庭經(jīng)濟(jì)決策中，該類家庭能基于其家庭實(shí)際資產(chǎn)質(zhì)量來(lái)判斷自身的還款能力，進(jìn)而決定是否舉債、將舉債進(jìn)行到何種程度，因此金融素養(yǎng)高的家庭會(huì)降低過(guò)度負(fù)債、債務(wù)違約的概率，減少債務(wù)過(guò)度自信和家庭財(cái)務(wù)風(fēng)險(xiǎn)。

地區(qū)層面的宏觀經(jīng)濟(jì)控制變量人均GDP和金融發(fā)展水平與家庭過(guò)度負(fù)債的關(guān)系并不顯著，說(shuō)明地區(qū)宏觀經(jīng)濟(jì)狀況對(duì)家庭金融決策的影響較小。

(二)內(nèi)生性處理

數(shù)字普惠金融與家庭過(guò)度負(fù)債之間的關(guān)系可能受到內(nèi)生性的影響，盡管這種影響較小。從變量的選取來(lái)看，家庭過(guò)度負(fù)債屬于家庭層面的指標(biāo)，而數(shù)字普惠金融是城市層面的指標(biāo)，且這兩份數(shù)據(jù)來(lái)自兩個(gè)不同的數(shù)據(jù)庫(kù)，故兩者之間存在反向因果的可能性比較小。從數(shù)據(jù)的抽取來(lái)看，根據(jù)家庭金融調(diào)查問(wèn)卷設(shè)計(jì)，CHFS在抽樣時(shí)采取了分層、三階段和規(guī)模度量成比例(PPS)方法，而中國(guó)數(shù)字普惠金融指數(shù)的編制采用了主客觀賦權(quán)相結(jié)合的方法確定權(quán)重，兩份數(shù)據(jù)都較為準(zhǔn)確和可靠，這也能夠在一定程度上減少測(cè)量誤差問(wèn)題。本文在使用數(shù)字金融指數(shù)做分析時(shí)，已經(jīng)選取該指數(shù)的滯后一期，也可在一定程度上緩解內(nèi)生性問(wèn)題。

盡管如此，兩者之間仍可能存在一些不可控的因素而導(dǎo)致內(nèi)生性問(wèn)題。本文選取工具變量估計(jì)方法來(lái)處理可能存在的內(nèi)生性問(wèn)題。具體來(lái)說(shuō)，本文構(gòu)建基于地理距離的工具變量(IVdistance)和以創(chuàng)新創(chuàng)業(yè)指數(shù)(IVcreate)工具變量進(jìn)行內(nèi)生性處理。

1.平均地理距離工具變量的構(gòu)建。基于地理距離構(gòu)建的兩個(gè)工具變量分別計(jì)算的是農(nóng)戶所在城市到國(guó)家級(jí)互聯(lián)網(wǎng)骨干直聯(lián)點(diǎn)(National Internet Backbone Straight Point)的距離?；ヂ?lián)網(wǎng)骨干直聯(lián)點(diǎn)是國(guó)家重點(diǎn)信息樞紐，匯聚了區(qū)域通信流量，作為互聯(lián)網(wǎng)架構(gòu)的關(guān)鍵基礎(chǔ)設(shè)施，與數(shù)字金融發(fā)展的網(wǎng)絡(luò)基礎(chǔ)和技術(shù)基礎(chǔ)密不可分，這些互聯(lián)網(wǎng)骨干直聯(lián)點(diǎn)由國(guó)家政府牽頭設(shè)立，不受家庭金融行為影響，滿足工具變量選取的兩個(gè)條件，即相關(guān)性和外生性。北京、上海和廣州三座城市在我國(guó)最早設(shè)立國(guó)家級(jí)互聯(lián)網(wǎng)骨干直聯(lián)點(diǎn)，2013年，我國(guó)增設(shè)7個(gè)互聯(lián)網(wǎng)骨干直聯(lián)點(diǎn)，包括武漢、成都、重慶、西安、沈陽(yáng)、南京和鄭州。具體來(lái)說(shuō)，首先，在百度坐標(biāo)系統(tǒng)拾取樣本城市WGS_1984坐標(biāo)系的經(jīng)緯度坐標(biāo)。其次，基于各城市經(jīng)緯度坐標(biāo)計(jì)算得到各城市與骨干直聯(lián)點(diǎn)城市的距離，再計(jì)算平均距離。其中，distance1是從農(nóng)戶家庭所在城市到北京、上海和廣州的平均距離，distance2是農(nóng)戶家庭到北京、上海、廣州、武漢、成都、重慶、西安、沈陽(yáng)、南京和鄭州等十個(gè)互聯(lián)網(wǎng)骨干直聯(lián)點(diǎn)的平均距離。最后，以平均距離的倒數(shù)與數(shù)字普惠金融指數(shù)的交乘項(xiàng)作為工具變量，即IVdistance1和IVdistance2。

表6是基于三個(gè)互聯(lián)網(wǎng)骨干直聯(lián)點(diǎn)構(gòu)建的平均距離工具變量(IVdistance1)估計(jì)結(jié)果。其中，第一階段沃爾德內(nèi)生性檢驗(yàn)Chi2分別在5%、1%和1%的水平下顯著，說(shuō)明模型存在內(nèi)生性問(wèn)題，第一階段F統(tǒng)計(jì)值為1922.34，工具變量t值為155.96，AR和Wald檢驗(yàn)結(jié)果均在1%的水平下顯著，基于三個(gè)互聯(lián)網(wǎng)骨干直聯(lián)點(diǎn)構(gòu)建的平均距離工具變量通過(guò)了弱工具變量檢驗(yàn)，說(shuō)明該工具變量是合理的。

表6 平均距離工具變量回歸結(jié)果1

表7是基于十個(gè)互聯(lián)網(wǎng)骨干直聯(lián)點(diǎn)構(gòu)建的平均距離工具變量(IVdistance2)的估計(jì)結(jié)果，第一階段沃爾德內(nèi)生性檢驗(yàn)結(jié)果Chi2分別在5%、1%和1%的水平下顯著，第一階段F統(tǒng)計(jì)值為1345.63，工具變量t值為129.78，AR和Wald檢驗(yàn)結(jié)果均在1%的水平下顯著，說(shuō)明基于十個(gè)互聯(lián)網(wǎng)骨干直聯(lián)點(diǎn)構(gòu)建的平均距離工具變量是合理的。

表7 平均距離工具變量回歸結(jié)果2

從估計(jì)結(jié)果來(lái)看，在加入工具變量后，表6和表7顯示數(shù)字金融與農(nóng)戶過(guò)度家庭負(fù)債均在1%的水平下顯著負(fù)相關(guān)，與基準(zhǔn)回歸方向一致，并且邊際系數(shù)有不同程度的擴(kuò)大，進(jìn)一步說(shuō)明數(shù)字金融能夠顯著降低農(nóng)戶過(guò)度負(fù)債的概率。

2.創(chuàng)新創(chuàng)業(yè)指數(shù)工具變量的構(gòu)建?！爸袊?guó)區(qū)域創(chuàng)新創(chuàng)業(yè)指數(shù)”是由北京大學(xué)與龍信數(shù)據(jù)合作編制發(fā)布，該指數(shù)包含了省級(jí)層面和城市級(jí)層面的數(shù)據(jù)，包括新建企業(yè)數(shù)目、風(fēng)險(xiǎn)投資、吸引外來(lái)投資、吸引風(fēng)險(xiǎn)投資、專利授權(quán)數(shù)量和商標(biāo)注冊(cè)數(shù)量在內(nèi)的6個(gè)維度，全面反映各地區(qū)創(chuàng)新創(chuàng)業(yè)的水平。數(shù)字金融的成長(zhǎng)本身就是創(chuàng)新的一種表現(xiàn)形式，當(dāng)?shù)氐膭?chuàng)新水平能夠驅(qū)動(dòng)金融業(yè)數(shù)字化轉(zhuǎn)型。因此，區(qū)域創(chuàng)新創(chuàng)業(yè)指數(shù)(IVcreate)與數(shù)字金融發(fā)展具有高度的相關(guān)性。此外，創(chuàng)新創(chuàng)業(yè)指標(biāo)是城市層面而非家庭層面指標(biāo)，與家庭的負(fù)債情況沒(méi)有直接關(guān)系，因此該指數(shù)具有一定的外生性。

表8為區(qū)域創(chuàng)新創(chuàng)業(yè)指數(shù)工具變量(IVcreate)的回歸結(jié)果。第一階段沃爾德內(nèi)生性檢驗(yàn)Chi2在1%的水平下顯著，存在內(nèi)生性問(wèn)題，模型第一階段F統(tǒng)計(jì)值為1309.52，工具變量t統(tǒng)計(jì)量為127.96，AR和Wald檢驗(yàn)結(jié)果均在1%的水平下顯著，不存在弱工具變量。加入工具變量的回歸結(jié)果顯示，數(shù)字金融發(fā)展水平與農(nóng)戶家庭過(guò)度負(fù)債之間仍然在1%的水平下呈現(xiàn)負(fù)相關(guān)關(guān)系。這再一次驗(yàn)證了數(shù)字金融發(fā)展能夠抑制農(nóng)戶家庭過(guò)度負(fù)債。

表8 區(qū)域創(chuàng)新創(chuàng)業(yè)指數(shù)工具變量回歸結(jié)果

四、進(jìn)一步分析

(一)穩(wěn)健性檢驗(yàn)

1.替換被解釋變量。本文用不同測(cè)度方式構(gòu)建新的被解釋變量來(lái)替換原始模型的因變量?；鶞?zhǔn)模型的被解釋變量OI是基于家庭的資產(chǎn)、負(fù)債余額、償債支出等數(shù)據(jù)構(gòu)建而成。在穩(wěn)健性檢驗(yàn)中，參考吳錕等(2020)[20]，將債務(wù)償還比率OI4、絕對(duì)收入貧困線OI5作為被解釋變量。

在債務(wù)償還比率OI4中，分別比較閾值為30%、50%和55%的過(guò)度負(fù)債測(cè)度方式，來(lái)證實(shí)在任一當(dāng)前可使用的閾值下，數(shù)字金融發(fā)展與農(nóng)戶過(guò)度負(fù)債因果關(guān)系的穩(wěn)健性?；貧w結(jié)果如表9所示?？梢钥闯?，基于三種閾值的債務(wù)償還比率測(cè)度，數(shù)字金融發(fā)展水平與農(nóng)戶過(guò)度負(fù)債的關(guān)系均在1%的水平下顯著，數(shù)字普惠金融每提升1%，農(nóng)戶家庭過(guò)度負(fù)債的概率分別下降8.83%、9.24%和8.58%，與基準(zhǔn)回歸結(jié)果邊際效應(yīng)方向一致。

表9 穩(wěn)健性檢驗(yàn)1：使用債務(wù)償還比率的不同閾值

在前面的討論中，將家庭可支配收入減去家庭償還債務(wù)的總支出后的人均可支配收入低于國(guó)家貧困線的家庭，界定存在過(guò)度負(fù)債。需要說(shuō)明的是，吳錕等(2020)[20]的研究將絕對(duì)收入貧困線定于2300元，該取值是基于我國(guó)《中國(guó)農(nóng)村扶貧開(kāi)發(fā)綱要(2001—2010年)》規(guī)劃，該規(guī)劃將2010年我國(guó)的貧困線定于2300元。但通過(guò)查閱資料發(fā)現(xiàn)，我國(guó)貧困線每年都依據(jù)經(jīng)濟(jì)發(fā)展?fàn)顩r和扶貧開(kāi)發(fā)實(shí)況進(jìn)行調(diào)整，貧困線已經(jīng)由2010年設(shè)置的2300元，升至2019年的3473元。本文嘗試將3473元作為絕對(duì)收入貧困線來(lái)測(cè)度過(guò)度負(fù)債OI5，得到回歸結(jié)果如表10所示。從表中可以看出，數(shù)字金融發(fā)展顯著抑制農(nóng)戶過(guò)度負(fù)債發(fā)展的概率，與本文基準(zhǔn)回歸的結(jié)果一致。

表10 穩(wěn)健性檢驗(yàn)2：使用絕對(duì)收入貧困線

2.替換核心解釋變量。參考李春濤等(2020)[16]，使用2018年金融科技指數(shù)(Fintech)作為數(shù)字金融發(fā)展(DIF)的代理變量進(jìn)行替換。該指數(shù)基于百度新聞高級(jí)檢索結(jié)果進(jìn)行度量，在已有研究中作為金融科技發(fā)展水平的指標(biāo)具有良好的適用性，回歸結(jié)果如表11所示?？梢钥闯?，在替換被解釋變量后，數(shù)字金融仍然在1%的水平下顯著降低農(nóng)戶過(guò)度負(fù)債的概率，與基準(zhǔn)回歸的結(jié)果一致。這進(jìn)一步證明，基準(zhǔn)回歸的結(jié)果是穩(wěn)健可靠的。

表11 穩(wěn)健性檢驗(yàn)3：替換核心解釋變量

(二)異質(zhì)性分析

1.基于區(qū)域?qū)用娴牟町惙治?/p>

(1)東中西部的差異性。我國(guó)地域遼闊，區(qū)域經(jīng)濟(jì)發(fā)展不平衡。從2018年數(shù)字普惠金融指數(shù)的城市梯隊(duì)圖來(lái)看，東部省份的城市在數(shù)字金融發(fā)展方面遙遙領(lǐng)先。本文將樣本劃分為東部與中西部?jī)蓚€(gè)區(qū)域，對(duì)不同地區(qū)數(shù)字金融對(duì)農(nóng)戶過(guò)度負(fù)債的影響進(jìn)行異質(zhì)性分析。表12的回歸結(jié)果顯示，數(shù)字金融對(duì)過(guò)度負(fù)債的影響系數(shù)在10%、1%和5%的水平下均顯著為負(fù)。這說(shuō)明，與東部地區(qū)相比，數(shù)字金融對(duì)農(nóng)戶家庭過(guò)度負(fù)債的抑制作用在中西部的效應(yīng)更加突出。這一發(fā)現(xiàn)與已有研究一致(張勛等，2019[17])?？赡苁且?yàn)樵跀?shù)字金融快速發(fā)展之前，東部地區(qū)資金供求雙方的信息不對(duì)稱性相對(duì)較弱，產(chǎn)業(yè)結(jié)構(gòu)相對(duì)完善，金融服務(wù)范圍較廣泛，傳統(tǒng)金融的信貸渠道也可以滿足該地區(qū)家庭的負(fù)債需求，因此數(shù)字金融的普及并不會(huì)明顯抑制該類家庭的過(guò)度負(fù)債。而中西部地區(qū)的農(nóng)業(yè)發(fā)展需求更迫切，資金使用率相對(duì)較低，區(qū)域交易成本較高，技術(shù)創(chuàng)新和數(shù)字普惠金融對(duì)中西部農(nóng)戶家庭投資的溢出效應(yīng)較為明顯，同時(shí)，由于數(shù)字金融得益于數(shù)字技術(shù)在當(dāng)?shù)氐目焖賯鞑ズ推栈萁鹑趯?duì)小微農(nóng)戶家庭的強(qiáng)包容性，信息技術(shù)帶來(lái)的邊際效應(yīng)在中西部地區(qū)更明顯，金融安全知識(shí)也如信鴿一般飛進(jìn)了千家萬(wàn)戶，家庭的金融素養(yǎng)在一定程度上得到提高，打破了其對(duì)金融行業(yè)的認(rèn)知壁壘，家庭逐漸領(lǐng)悟到“風(fēng)險(xiǎn)與收益呈正相關(guān)關(guān)系”“杠桿越大，風(fēng)險(xiǎn)越大”，保持較穩(wěn)定的儲(chǔ)蓄率，不再盲目擴(kuò)張負(fù)債自信，因此從主觀意識(shí)上降低過(guò)度負(fù)債的概率。此外，數(shù)字金融降低了信息不對(duì)稱性和區(qū)域交易成本，為中西部地區(qū)創(chuàng)造了大量的就業(yè)崗位和創(chuàng)業(yè)機(jī)會(huì)，提高家庭人均可支配收入和家庭理財(cái)?shù)氖找嬲急?，降低農(nóng)戶家庭的貧困脆弱性和財(cái)務(wù)風(fēng)險(xiǎn)，因此數(shù)字金融對(duì)農(nóng)戶家庭過(guò)度負(fù)債的抑制作用在中西部的效應(yīng)更加突出。

表12 基于區(qū)域位置差異的分析結(jié)果

(2)貧困縣與非貧困縣的差異。根據(jù)農(nóng)戶家庭所在區(qū)縣是不是國(guó)家級(jí)貧困縣，將縣域劃分為貧困縣與非貧困縣。劃分依據(jù)是2019年國(guó)務(wù)院扶貧開(kāi)發(fā)辦公室官網(wǎng)出具的《831個(gè)貧困縣歷年摘帽退出名單》，剔除2018年宣布脫貧的縣、保留2019年仍處于國(guó)家級(jí)貧困縣范疇但是2019年底才宣布脫貧的縣。據(jù)表13的回歸結(jié)果顯示，數(shù)字金融發(fā)展對(duì)非貧困縣的農(nóng)戶家庭過(guò)度負(fù)債的抑制效應(yīng)均在1%的水平下顯著，對(duì)貧困縣的回歸結(jié)果基本不顯著?？赡艿慕忉屖?，貧困地區(qū)經(jīng)濟(jì)發(fā)展相對(duì)落后，人均可支配收入低，根據(jù)需求層次理論，大部分農(nóng)戶仍然停留在第一層次的生活基本需求，不會(huì)額外產(chǎn)生消費(fèi)型負(fù)債，過(guò)度負(fù)債的概率低。而在非貧困地區(qū)，農(nóng)戶家庭基本生活需求已經(jīng)得到滿足，追求更高層次的消費(fèi)愿望更大，更換家電、購(gòu)置新房等高層次需求明顯，由此產(chǎn)生消費(fèi)型負(fù)債。因此，數(shù)字金融對(duì)非貧困縣農(nóng)戶過(guò)度負(fù)債的邊際效應(yīng)更加突出。

表13 基于區(qū)域位置差異的分析結(jié)果

2.基于家庭層面的差異分析

(1)信貸需求的差異分析。農(nóng)戶的信貸需求分為正規(guī)信貸需求和非正規(guī)信貸需求兩種。參考傅秋子和黃益平(2018)[21]，選用2019年中國(guó)家庭金融調(diào)查問(wèn)卷中“目前，您家是否因農(nóng)業(yè)/工商業(yè)生產(chǎn)經(jīng)營(yíng)活動(dòng)有尚未還清的銀行/信用社貸款”“您家為什么不從銀行/信用社申請(qǐng)貸款獲取所需資金”“您家未能獲得貸款的原因是什么?”和“您家計(jì)劃從下列哪個(gè)渠道借入所需資金?”四個(gè)問(wèn)題的回答，對(duì)農(nóng)戶家庭的信貸需求差異進(jìn)行識(shí)別，將農(nóng)戶從正規(guī)金融機(jī)構(gòu)獲得的、且農(nóng)戶自身能夠償還的負(fù)債意愿識(shí)別為正規(guī)信貸需求，將其他情況視為非正規(guī)信貸需求，具體如表14所示。

表14 信貸需求的識(shí)別

在劃分信貸需求不同類型的樣本后，對(duì)具有正規(guī)信貸需求的農(nóng)戶與非正規(guī)信貸需求的農(nóng)戶進(jìn)行分組回歸，結(jié)果如表15所示?？梢钥闯觯瑥恼?guī)信貸需求來(lái)看，數(shù)字金融與過(guò)度負(fù)債之間的邊際效應(yīng)為正但不顯著，從非正規(guī)信貸需求來(lái)看，數(shù)字金融發(fā)展則能夠顯著抑制農(nóng)戶家庭的過(guò)度負(fù)債，且數(shù)字金融指數(shù)每提升1%，非正規(guī)信貸需求組的農(nóng)戶家庭過(guò)度負(fù)債分別下降8.67%、48.41%和18.24%，該研究結(jié)論與吳雨(2020)[22]等人的研究結(jié)論相似。數(shù)字金融發(fā)展能夠顯著降低家庭的傳統(tǒng)私人借貸需求，即從親戚朋友處借貸的需求，從供需層面產(chǎn)生了替代效應(yīng)。基于非正規(guī)信貸渠道產(chǎn)生的負(fù)債門檻低，容易形成多頻次、高額度的負(fù)債，造成家庭過(guò)度負(fù)債的可能性較大。因此，數(shù)字金融降低來(lái)自非正規(guī)信貸需求產(chǎn)生的過(guò)度負(fù)債效應(yīng)更加突出。

表15 基于信貸需求差異的回歸結(jié)果

(2)風(fēng)險(xiǎn)態(tài)度的差異分析。根據(jù)2019年調(diào)查問(wèn)卷“如果您有一筆資金用于投資，您最愿意選擇哪種投資項(xiàng)目?”來(lái)確定農(nóng)戶的風(fēng)險(xiǎn)態(tài)度，將農(nóng)戶家庭劃分為風(fēng)險(xiǎn)規(guī)避型和風(fēng)險(xiǎn)偏好與中性型兩大類，并對(duì)兩大類別分組回歸。表16的分組回歸結(jié)果顯示，數(shù)字金融抑制風(fēng)險(xiǎn)規(guī)避型家庭過(guò)度負(fù)債的邊際效應(yīng)更加顯著?？赡艿慕忉屖?，風(fēng)險(xiǎn)偏好源于過(guò)度自信(李莉等，2020)[23]，風(fēng)險(xiǎn)偏好越強(qiáng)的家庭負(fù)債的概率越大(何麗芬等，2012)[24]。風(fēng)險(xiǎn)偏好型農(nóng)戶家庭可能會(huì)過(guò)于相信主觀判斷、忽視客觀存在的風(fēng)險(xiǎn)，而風(fēng)險(xiǎn)規(guī)避型農(nóng)戶家庭對(duì)于進(jìn)行大量負(fù)債的決策更加謹(jǐn)慎，會(huì)更加謹(jǐn)慎考慮有關(guān)負(fù)債風(fēng)險(xiǎn)的信息，數(shù)字金融抑制過(guò)度負(fù)債的效應(yīng)更加顯著。

表16 基于風(fēng)險(xiǎn)態(tài)度差異的回歸結(jié)果

(三)機(jī)制檢驗(yàn)

1.調(diào)節(jié)效應(yīng)檢驗(yàn)。寬帶與移動(dòng)電話是居民接觸數(shù)字金融最常用的終端設(shè)備。通過(guò)互聯(lián)網(wǎng)和移動(dòng)電話，農(nóng)戶家庭可以獲得更多的金融產(chǎn)能品信息，緩解農(nóng)村地區(qū)因“硬件設(shè)備”落后造成的信息不對(duì)稱問(wèn)題，對(duì)于數(shù)字金融的發(fā)展有顯著的支持作用。參考已有研究，引入移動(dòng)電話持有率(Mobile)與寬帶普及率(Netrate)作為調(diào)節(jié)變量，加入交乘項(xiàng)Digital×Mobile與Digital×Netrate，檢驗(yàn)地區(qū)移動(dòng)電話持有率和互聯(lián)網(wǎng)寬帶普及率對(duì)數(shù)字金融發(fā)展抑制農(nóng)戶過(guò)度負(fù)債的調(diào)節(jié)作用，回歸結(jié)果如表17所示。

表17 移動(dòng)電話持有率與寬帶普及率的調(diào)節(jié)效應(yīng)檢驗(yàn)

從中可知，移動(dòng)電話持有率與數(shù)字金融發(fā)展水平的交乘項(xiàng)(Digital×Mobile)系數(shù)方向均為負(fù)，且都通過(guò)了不同水平的顯著性檢驗(yàn)，互聯(lián)網(wǎng)寬帶普及率與數(shù)字金融發(fā)展水平的交乘項(xiàng)(Digital×Netrate)均在5%的水平下顯著。這說(shuō)明，移動(dòng)電話持有率和互聯(lián)網(wǎng)寬帶普及率對(duì)數(shù)字金融影響農(nóng)戶過(guò)度負(fù)債具有調(diào)節(jié)作用，并且移動(dòng)電話持有率與互聯(lián)網(wǎng)寬帶普及率的提升顯著強(qiáng)化了數(shù)字金融發(fā)展對(duì)農(nóng)戶過(guò)度負(fù)債的抑制效果。因此，農(nóng)村地區(qū)繼續(xù)加強(qiáng)“硬件設(shè)施”建設(shè)，繼續(xù)提高農(nóng)戶家庭寬帶接入數(shù)量，加快推進(jìn)農(nóng)戶家庭移動(dòng)電話持有量，縮小城鄉(xiāng)之間數(shù)字技術(shù)基礎(chǔ)設(shè)施的差距，以更好地發(fā)揮數(shù)字金融對(duì)農(nóng)戶家庭過(guò)度負(fù)債的抑制作用。

2.中介效應(yīng)檢驗(yàn)。當(dāng)數(shù)字技術(shù)逐漸成為一種通用技術(shù)，因新技術(shù)的使用差異而導(dǎo)致的數(shù)字鴻溝(Digital Divide)問(wèn)題逐漸凸顯。為進(jìn)一步考察數(shù)字金融能否通過(guò)彌合數(shù)字鴻溝來(lái)抑制農(nóng)戶家庭過(guò)度負(fù)債，參考尹志超(2020)[18]的做法，根據(jù)2019年中國(guó)家庭金融問(wèn)卷調(diào)查，選用“您家擁有以下哪些類型的耐用品?”(是否有智能手機(jī))“是否開(kāi)通支付寶、微信支付、京東網(wǎng)銀錢包、百度錢包等第三方支付?”“多久網(wǎng)購(gòu)一次”“是否有互聯(lián)網(wǎng)借貸?”四個(gè)問(wèn)題，利用因子分析法構(gòu)建數(shù)字鴻溝指數(shù)(Digital_divide)，以數(shù)字鴻溝為中介變量，考察數(shù)字普惠金融對(duì)農(nóng)戶家庭過(guò)度負(fù)債產(chǎn)生影響的作用機(jī)制(1)限于篇幅，本文未匯報(bào)農(nóng)戶家庭數(shù)字鴻溝指數(shù)的因子分析結(jié)果。。

在兩個(gè)過(guò)度負(fù)債的客觀指標(biāo)測(cè)度中，第一步回歸結(jié)果顯示，數(shù)字金融發(fā)展水平(DIF)抑制農(nóng)戶過(guò)度負(fù)債的總效應(yīng)分別為-0.0560和-0.2858，均在1%的水平下顯著為負(fù)。第二步回歸結(jié)果顯示，數(shù)字金融發(fā)展水平(DIF)對(duì)中介變量數(shù)字鴻溝(Digital_divide)的影響在1%的水平下顯著為負(fù)，且影響效應(yīng)為-17.9959，說(shuō)明數(shù)字金融發(fā)展能夠彌合數(shù)字鴻溝，與前文理論分析部分相一致。第三步回歸結(jié)果顯示，控制中介變量數(shù)字鴻溝(Digital_divide)后，數(shù)字金融發(fā)展水平(DIF)抑制農(nóng)戶過(guò)度負(fù)債(OI)的總影響分別為-0.0490和-0.2430，數(shù)字鴻溝(Digital_divide)與農(nóng)戶過(guò)度負(fù)債在1%水平下呈現(xiàn)顯著正相關(guān)，邊際效應(yīng)分別為0.0003和0.025，說(shuō)明當(dāng)數(shù)字鴻溝每縮小1%，農(nóng)戶的過(guò)度負(fù)債的概率下降0.03%和2.5%。

在過(guò)度負(fù)債的主觀指標(biāo)測(cè)度中，中介效應(yīng)模型第一步回歸結(jié)果顯示，數(shù)字金融發(fā)展水平(DIF)抑制農(nóng)戶過(guò)度負(fù)債的總效應(yīng)分別為-0.1302，在1%的水平下顯著為負(fù)。第二步回歸結(jié)果顯示，數(shù)字金融發(fā)展水平(DIF)對(duì)中介變量數(shù)字鴻溝(Digital_divide)的影響在1%的水平下顯著為負(fù)，且影響效應(yīng)為-17.9959。第三步回歸結(jié)果顯示，控制中介變量數(shù)字鴻溝(Digital_divide)后，數(shù)字金融發(fā)展水平(DIF)抑制農(nóng)戶過(guò)度負(fù)債(OI3)的總影響為-0.1183，即數(shù)字金融發(fā)展水平每上升1%，農(nóng)戶過(guò)度負(fù)債的概率下降11.83%，數(shù)字鴻溝(Digital_divide)與農(nóng)戶過(guò)度負(fù)債呈現(xiàn)正相關(guān)關(guān)系，邊際效應(yīng)為0.0003。

表18 基于數(shù)字鴻溝的中介效應(yīng)檢驗(yàn)1

表19 基于數(shù)字鴻溝的中介效應(yīng)檢驗(yàn)2

上述中介效應(yīng)模型的回歸結(jié)果說(shuō)明，數(shù)字金融發(fā)展對(duì)農(nóng)戶家庭過(guò)度負(fù)債有著明顯的抑制作用，并且這種抑制作用可以通過(guò)彌合數(shù)字鴻溝實(shí)現(xiàn)。這一結(jié)論對(duì)于數(shù)字金融本身具有很強(qiáng)的普惠性優(yōu)勢(shì)(陳冶國(guó)和白鳳嬌，2021)[25]。數(shù)字技術(shù)的快速發(fā)展，一方面，農(nóng)戶家庭通過(guò)互聯(lián)網(wǎng)、移動(dòng)終端與淘寶、微信這樣的場(chǎng)景緊密聯(lián)系，另一方面，又通過(guò)社交、網(wǎng)購(gòu)、理財(cái)?shù)却髷?shù)據(jù)挖掘，為農(nóng)戶家庭做信用評(píng)估，數(shù)字鴻溝問(wèn)題在數(shù)字技術(shù)與普惠金融的深度融合下不斷縮小。

此外，銀行等正規(guī)金融結(jié)構(gòu)借助于數(shù)字技術(shù)、掌上銀行等方式，降低了農(nóng)戶家庭從正規(guī)信貸機(jī)構(gòu)獲得借貸資金的門檻，對(duì)非正規(guī)渠道的資金借貸形成擠出效應(yīng)，從而使農(nóng)戶家庭的負(fù)債具有更高的安全性和穩(wěn)定性，能夠有效地抑制農(nóng)戶家庭過(guò)度負(fù)債的行為。

五、研究結(jié)論

適度的負(fù)債有助于居民平滑消費(fèi)、促進(jìn)經(jīng)濟(jì)增長(zhǎng)，但過(guò)度負(fù)債對(duì)個(gè)人、家庭、金融系統(tǒng)乃至整個(gè)社會(huì)都有嚴(yán)重的負(fù)面影響。而數(shù)字金融這樣一種利用信息技術(shù)驅(qū)動(dòng)金融創(chuàng)新的模式，使金融服務(wù)的可得性、便利性、包容性大幅改善，這為抑制家庭過(guò)度負(fù)債提供了有利條件。

本文的貢獻(xiàn)在于構(gòu)建了實(shí)證分析框架，考察了中國(guó)數(shù)字金融的發(fā)展對(duì)農(nóng)戶家庭過(guò)度負(fù)債的影響，以豐富數(shù)字金融和家庭金融相結(jié)合的相關(guān)研究。本文將中國(guó)家庭金融調(diào)查(CHFS)2019年的數(shù)據(jù)和北京大學(xué)數(shù)字普惠金融指數(shù)2018年的數(shù)據(jù)進(jìn)行匹配，評(píng)估了數(shù)字金融發(fā)展與農(nóng)戶家庭過(guò)度負(fù)債之間的因果關(guān)系。研究發(fā)現(xiàn)，數(shù)字金融的發(fā)展能夠顯著抑制農(nóng)戶家庭過(guò)度負(fù)債，這種抑制作用主要是通過(guò)縮小數(shù)字鴻溝、緩解信息不對(duì)稱的機(jī)制渠道來(lái)實(shí)現(xiàn)的，尤其是對(duì)中西部地區(qū)、非貧困縣以及有非正規(guī)信貸需求、風(fēng)險(xiǎn)規(guī)避型態(tài)度的農(nóng)戶家庭而言更加明顯，數(shù)字金融展示出普惠性和包容性的顯著優(yōu)勢(shì)。上述發(fā)現(xiàn)在更換關(guān)鍵變量的度量指標(biāo)和處理內(nèi)生性問(wèn)題后，結(jié)果都是穩(wěn)健的。這些研究基本證實(shí)了新技術(shù)驅(qū)動(dòng)的金融創(chuàng)新對(duì)家庭經(jīng)濟(jì)行為具有積極影響的特性。

本文結(jié)論具有重要的政策含義。第一，在深入推進(jìn)供給側(cè)結(jié)構(gòu)性改革的進(jìn)程中，去杠桿具有重要的現(xiàn)實(shí)意義，要密切關(guān)注家庭杠桿問(wèn)題，既要合理控制家庭負(fù)債的總量，也要嚴(yán)防家庭負(fù)債的風(fēng)險(xiǎn)，尤其是其過(guò)度負(fù)債風(fēng)險(xiǎn)。第二，數(shù)字金融服務(wù)對(duì)抑制農(nóng)戶家庭過(guò)度負(fù)債具有積極的作用，因此需要繼續(xù)推進(jìn)數(shù)字金融的發(fā)展，特別是提升其覆蓋廣度和使用深度，以更好地發(fā)揮數(shù)字金融的積極影響。第三，在推進(jìn)數(shù)字金融發(fā)展的同時(shí)，要重點(diǎn)關(guān)注農(nóng)村地區(qū)特殊家庭的數(shù)字鴻溝問(wèn)題，為此政府要發(fā)揮主導(dǎo)作用，推進(jìn)金融知識(shí)的普及和推廣，完善互聯(lián)網(wǎng)等新技術(shù)設(shè)施建設(shè)，加快數(shù)字技術(shù)的深層次應(yīng)用，以使更多農(nóng)戶家庭彌合數(shù)字鴻溝、釋放數(shù)字紅利，讓數(shù)字金融體現(xiàn)出更強(qiáng)的包容性。第四，中國(guó)數(shù)字金融的發(fā)展表現(xiàn)出很強(qiáng)的地區(qū)收斂性，中西部地區(qū)數(shù)字金融的發(fā)展與東部沿海地區(qū)差距大幅縮小，但還有一定的追趕空間，因此要進(jìn)一步加強(qiáng)中西部地區(qū)數(shù)字技術(shù)基礎(chǔ)設(shè)施建設(shè)，引導(dǎo)數(shù)字金融在中西部地區(qū)發(fā)揮更大的作用，這一點(diǎn)也適用于貧困縣地區(qū)。