■翁辰 朱紅根 陳杰

一、引言

隨著我國城鎮(zhèn)化的不斷推進(jìn)，外來勞動(dòng)力已成為城市建設(shè)的重要力量，并為城市經(jīng)濟(jì)發(fā)展作出了巨大貢獻(xiàn)[1]。國家統(tǒng)計(jì)局發(fā)布的《2020年農(nóng)民工監(jiān)測調(diào)查報(bào)告》顯示，2016年以來，農(nóng)民工總量規(guī)模年平均增速達(dá)0.6%，截至2020年，全國農(nóng)民工總量已達(dá)2.86億人①。由于農(nóng)民工總量不斷提升，農(nóng)村流動(dòng)人口需要加速積累財(cái)富和社會(huì)資源，以縮小與城鎮(zhèn)居民資本積累的差距。農(nóng)村流動(dòng)人口資本積累的需求也帶來了更為豐富的階段性金融需求[2]。然而，長期以來我國城鄉(xiāng)二元結(jié)構(gòu)帶來的戶籍制度差異使得農(nóng)村流動(dòng)人口難以平等地享受流入地的公共服務(wù)和福利[3]。傳統(tǒng)金融服務(wù)業(yè)存在較為嚴(yán)重的排斥現(xiàn)象，低收入人群和弱勢群體難以從正規(guī)渠道獲得金融服務(wù)。農(nóng)村流動(dòng)人口在進(jìn)入城市后，面臨的金融市民化障礙之一就是流入地城市的金融機(jī)構(gòu)面向農(nóng)村流動(dòng)人口的授信門檻要系統(tǒng)性地高于城鎮(zhèn)家庭[4]。

近年來，數(shù)字金融通過大數(shù)據(jù)、云計(jì)算等信息技術(shù)創(chuàng)新，降低了使用門檻和成本，擴(kuò)大了金融服務(wù)的覆蓋面和滲透率，有效地彌補(bǔ)了傳統(tǒng)金融服務(wù)的短板，使低收入人群和弱勢群體的金融需求得以滿足[5，6]。2017年中國家庭金融調(diào)查數(shù)據(jù)顯示，使用過互聯(lián)網(wǎng)理財(cái)、網(wǎng)絡(luò)借貸或第三方支付的城鎮(zhèn)家庭占全部家庭的比重約為61.11%，而農(nóng)村家庭占比僅為20.96%，城鄉(xiāng)居民數(shù)字金融使用存在明顯差距[7]。然而，目前較少有研究關(guān)注農(nóng)村流動(dòng)人口的數(shù)字金融使用情況。那么，農(nóng)村流動(dòng)人口數(shù)字金融使用現(xiàn)狀如何？影響農(nóng)村流動(dòng)人口數(shù)字金融使用的關(guān)鍵因素是什么？

現(xiàn)有關(guān)于數(shù)字金融的相關(guān)研究主要聚焦于數(shù)字金融發(fā)展的特征及其影響。例如，張暉[8]、張龍耀等[9]探討了數(shù)字金融發(fā)展的區(qū)域及空間特征。在數(shù)字金融發(fā)展的影響方面，學(xué)者們分別從宏觀和微觀視角展開了探討。宏觀層面的研究發(fā)現(xiàn)，數(shù)字金融發(fā)展可以促進(jìn)經(jīng)濟(jì)高質(zhì)量增長，從而提振我國實(shí)體經(jīng)濟(jì)[10，11]；微觀層面上，研究發(fā)現(xiàn)數(shù)字金融發(fā)展有利于激勵(lì)家庭消費(fèi)[12，13]、驅(qū)動(dòng)企業(yè)創(chuàng)新[14，15]、促進(jìn)居民創(chuàng)業(yè)[16]。從數(shù)字金融參與影響因素的相關(guān)研究來看，現(xiàn)有研究主要關(guān)注了交通地理[17]、傳統(tǒng)金融使用[18，19]以及金融知識(shí)[20，21]等因素的影響。然而，較少研究關(guān)注到個(gè)體數(shù)字金融參與中可能存在的“數(shù)字鴻溝”問題。

當(dāng)前我國金融科技發(fā)展不平衡不充分的問題仍然突出，數(shù)字金融發(fā)展受到“數(shù)字鴻溝”的制約[22]?！皵?shù)字鴻溝”是指不同社會(huì)群體在互聯(lián)網(wǎng)可及性和使用方面的差異[23，24]。據(jù)統(tǒng)計(jì)，截至2020年12月，我國城鎮(zhèn)地區(qū)互聯(lián)網(wǎng)普及率為79.8%，農(nóng)村地區(qū)互聯(lián)網(wǎng)普及率為55.9%，城鄉(xiāng)地區(qū)互聯(lián)網(wǎng)普及率差異較2018年縮小了12.3個(gè)百分點(diǎn)②。在互聯(lián)網(wǎng)可及性差異縮小的同時(shí)，人們在互聯(lián)網(wǎng)使用上的差異正逐漸顯現(xiàn)[25]，“數(shù)字鴻溝”已逐步從初期的互聯(lián)網(wǎng)“接入溝”轉(zhuǎn)化為現(xiàn)階段的互聯(lián)網(wǎng)“使用溝”。部分弱勢群體由于缺乏使用數(shù)字技術(shù)的知識(shí)和技能，容易形成“工具排斥”“評估排斥”等新的金融排斥[26，27]，而緩解這類金融排斥的關(guān)鍵則在于提高個(gè)體的數(shù)字素養(yǎng)。國外學(xué)者和相關(guān)機(jī)構(gòu)較早便開始對數(shù)字素養(yǎng)的概念內(nèi)涵進(jìn)行有益探索。Eshet[28]最早提出“數(shù)字素養(yǎng)”的概念，認(rèn)為數(shù)字素養(yǎng)是數(shù)字時(shí)代的生存技能，具有整合性以及跨學(xué)科特點(diǎn)。2017年，《國際圖聯(lián)數(shù)字素養(yǎng)宣言》發(fā)布，認(rèn)為數(shù)字素養(yǎng)是個(gè)體利用數(shù)字工具并發(fā)揮其潛能的能力。2018年，聯(lián)合國教科文組織發(fā)布數(shù)字素養(yǎng)全球框架，將數(shù)字素養(yǎng)定義為通過數(shù)字設(shè)備和網(wǎng)絡(luò)技術(shù)，安全適當(dāng)?shù)卦L問、管理、理解、集成、通信、評估和創(chuàng)造信息的能力，具體包括7個(gè)素養(yǎng)域：操作域、信息域、交流域、內(nèi)容創(chuàng)作域、安全倫理域、問題解決域和職業(yè)相關(guān)域[29]。然而，現(xiàn)有對數(shù)字素養(yǎng)的研究多集中于教育學(xué)領(lǐng)域，對諸如教師[30]、大學(xué)生[31，32]和青少年[33]的數(shù)字素養(yǎng)水平進(jìn)行了分析探討，但在經(jīng)濟(jì)學(xué)領(lǐng)域的應(yīng)用仍不多見。隨著數(shù)字金融的不斷發(fā)展，數(shù)字素養(yǎng)會(huì)對農(nóng)村流動(dòng)人口數(shù)字金融使用行為產(chǎn)生怎樣影響？能否提高農(nóng)村流動(dòng)人口數(shù)字金融使用的概率和廣度？其內(nèi)在影響機(jī)理如何？本文試圖對上述問題進(jìn)行探討。

為此，本文以江蘇省為例，基于農(nóng)村流動(dòng)人口調(diào)查數(shù)據(jù)考察數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口數(shù)字金融使用行為的影響及其作用機(jī)制。與以往研究相比，本文的貢獻(xiàn)主要體現(xiàn)在：第一，在研究對象上，本文重點(diǎn)關(guān)注農(nóng)村流動(dòng)人口的數(shù)字金融使用行為，數(shù)字金融有助于解決農(nóng)村流動(dòng)人口在融入城市過程中面臨的“金融市民化”障礙問題。第二，在研究視角上，本文從數(shù)字素養(yǎng)視角探討其對農(nóng)村流動(dòng)人口數(shù)字金融使用行為的影響，數(shù)字素養(yǎng)水平是關(guān)系個(gè)體能否積極靈活使用數(shù)字金融的重要因素。第三，在研究方法上，本文不僅采用Poisson Hurdle模型修正樣本選擇偏誤，還綜合采用IV-Probit模型、IV-Poisson模型和CMP模型處理可能存在的內(nèi)生性問題，并通過遺漏變量檢驗(yàn)、改變核心自變量的測度方式進(jìn)行穩(wěn)健性檢驗(yàn)。

二、理論基礎(chǔ)與研究假說

（一）數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口數(shù)字金融使用行為的影響

根據(jù)國外學(xué)者及相關(guān)機(jī)構(gòu)提出的數(shù)字素養(yǎng)基本框架，國內(nèi)學(xué)者也對數(shù)字素養(yǎng)的核心要素進(jìn)行了探討，指出數(shù)字素養(yǎng)不僅包括數(shù)字技術(shù)使用技能，還涉及認(rèn)知、情感和社交等技能[34]，還應(yīng)注重個(gè)體運(yùn)用數(shù)字媒介對社會(huì)經(jīng)濟(jì)文化等的認(rèn)知能力、批判性分析與質(zhì)疑能力，以及運(yùn)用數(shù)字技術(shù)整合、再生產(chǎn)超文本內(nèi)容并進(jìn)行負(fù)責(zé)任傳播與有效互動(dòng)交往的能力[35]。基于此，本文結(jié)合農(nóng)村流動(dòng)人口個(gè)體特征，將數(shù)字素養(yǎng)界定為個(gè)體在工作、學(xué)習(xí)、休閑及社會(huì)活動(dòng)參與中所具備的數(shù)字技術(shù)使用和認(rèn)知的能力。農(nóng)村流動(dòng)人口個(gè)體的數(shù)字金融使用決策不僅依賴于其自身的數(shù)字金融使用能力，還取決于其對使用數(shù)字金融可能存在的風(fēng)險(xiǎn)的綜合評估與所能帶來的預(yù)期效用的比較。一般來說，個(gè)體數(shù)字技術(shù)使用素養(yǎng)水平越高，則其采用數(shù)字化工具進(jìn)行信息收集、整理和加工的知識(shí)越豐富，對數(shù)字理財(cái)、數(shù)字支付、數(shù)字信貸等各類數(shù)字金融平臺(tái)的基本操作能力越好，這可以有效降低個(gè)體數(shù)字金融使用的技術(shù)門檻。而個(gè)體數(shù)字技術(shù)認(rèn)知素養(yǎng)水平越高，則其對使用數(shù)字金融可能存在的風(fēng)險(xiǎn)及預(yù)期效用的綜合評估能力越強(qiáng)，這有助于降低其使用數(shù)字金融的潛在成本和風(fēng)險(xiǎn)，提高預(yù)期效用。因此，本文提出如下假說：

假說1：數(shù)字素養(yǎng)可以促進(jìn)農(nóng)村流動(dòng)人口的數(shù)字金融使用行為。

（二）數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口數(shù)字金融使用行為的影響機(jī)制

在互聯(lián)網(wǎng)時(shí)代，社會(huì)權(quán)力結(jié)構(gòu)變化中影響最廣泛的是信息權(quán)力[36]。信息權(quán)力是與信息、知識(shí)和認(rèn)同緊密聯(lián)系在一起的，有效使用互聯(lián)網(wǎng)可以使個(gè)體獲得有價(jià)值的信息，形成行動(dòng)與策略的優(yōu)勢結(jié)果，從而帶來信息權(quán)力的收獲[37]。金融信息的有效獲取與處理是影響個(gè)體數(shù)字金融使用的重要因素。一方面，倘若農(nóng)村流動(dòng)人口個(gè)體缺乏有效獲取金融信息的能力，則難以了解不同數(shù)字金融產(chǎn)品的特征及差異，這可能會(huì)限制其數(shù)字金融使用行為。而數(shù)字素養(yǎng)水平較高的農(nóng)村流動(dòng)人口個(gè)體可以有效獲取金融信息，其通過增加對金融信息的關(guān)注，緩解數(shù)字金融產(chǎn)品使用中可能存在的信息不對稱問題，從而增強(qiáng)數(shù)字金融使用的內(nèi)生動(dòng)力。另一方面，農(nóng)村流動(dòng)人口個(gè)體獲取金融信息后，倘若缺乏處理金融信息所必需的理解和認(rèn)知能力，則會(huì)增加金融信息的處理成本，從而制約其數(shù)字金融使用行為。而農(nóng)村流動(dòng)人口個(gè)體數(shù)字素養(yǎng)水平提高有助于其金融知識(shí)水平的提升，從而幫助個(gè)體認(rèn)識(shí)和理解新興的數(shù)字金融產(chǎn)品，降低個(gè)體數(shù)字金融使用決策中的金融信息處理成本。因此，本文提出如下假說：

假說2：數(shù)字素養(yǎng)促使農(nóng)村流動(dòng)人口增加金融信息關(guān)注，進(jìn)而促進(jìn)其數(shù)字金融使用行為。

假說3：數(shù)字素養(yǎng)促使農(nóng)村流動(dòng)人口提高金融知識(shí)水平，進(jìn)而促進(jìn)其數(shù)字金融使用行為。

個(gè)體在進(jìn)行各種決策時(shí)所面臨的外部條件總是不確定的，不確定性會(huì)產(chǎn)生風(fēng)險(xiǎn)，而對待風(fēng)險(xiǎn)的態(tài)度是影響個(gè)體決策的重要因素[38]。數(shù)字金融產(chǎn)品在降低個(gè)體獲得金融服務(wù)成本的同時(shí)，也存在著財(cái)務(wù)安全和隱私泄露等潛在風(fēng)險(xiǎn)。因而，部分個(gè)體對數(shù)字金融使用持謹(jǐn)慎態(tài)度[39]。曹倩等[40]研究發(fā)現(xiàn)風(fēng)險(xiǎn)厭惡程度越高的個(gè)體使用第三方支付的概率越低。隨著互聯(lián)網(wǎng)時(shí)代的到來，信息通信基礎(chǔ)設(shè)施的完善和智能設(shè)備的普及全方位提升了個(gè)體獲取信息的能力，這對個(gè)體的思想觀念也產(chǎn)生了深刻影響[41，42]。張世虎等[38]研究發(fā)現(xiàn)互聯(lián)網(wǎng)信息技術(shù)的應(yīng)用可以有效緩解長時(shí)間處于信息劣勢的個(gè)體的風(fēng)險(xiǎn)厭惡態(tài)度。因此，農(nóng)村流動(dòng)人口個(gè)體數(shù)字素養(yǎng)水平的提升，有助于改善其風(fēng)險(xiǎn)態(tài)度，進(jìn)而促進(jìn)其數(shù)字金融使用。據(jù)此，本文提出如下假說：

假說4：數(shù)字素養(yǎng)促使農(nóng)村流動(dòng)人口提升風(fēng)險(xiǎn)偏好水平，進(jìn)而促進(jìn)其數(shù)字金融使用行為。

三、研究設(shè)計(jì)

（一）數(shù)據(jù)來源

為調(diào)查農(nóng)村流動(dòng)人口數(shù)字素養(yǎng)與數(shù)字金融使用情況，課題組以江蘇省為例，根據(jù)2020年外來就業(yè)人口在江蘇省各市的分布情況，選擇外來就業(yè)人口的主要流入地蘇南3市（南京市、無錫市、蘇州市）和蘇中2市（南通市、揚(yáng)州市）共5市作為調(diào)研地。課題組于2021年1—2月對上述地區(qū)的農(nóng)村流動(dòng)人口進(jìn)行了調(diào)查。本文將農(nóng)村流動(dòng)人口界定為離開農(nóng)村戶籍所在地6個(gè)月以上的外出務(wù)工人員。本次調(diào)查內(nèi)容涵蓋農(nóng)村流動(dòng)人口個(gè)體的基本特征、就業(yè)狀況、社會(huì)交往、家庭特征、數(shù)字使用及認(rèn)知行為等信息。課題組采用多階段分層隨機(jī)抽樣方法，每個(gè)市抽取3個(gè)縣（區(qū)），每個(gè)縣（區(qū)）抽取3個(gè)社區(qū)（村），每個(gè)社區(qū)（村）調(diào)查10—15 個(gè)農(nóng)村流動(dòng)人口個(gè)體。本次調(diào)查共獲得農(nóng)村流動(dòng)人口個(gè)體樣本總數(shù)540個(gè)。刪除關(guān)鍵變量數(shù)據(jù)缺失的樣本后，最終得到有效樣本總數(shù)446個(gè)，樣本有效率為83%。

（二）變量選取

1.被解釋變量：數(shù)字金融使用行為。數(shù)字金融指傳統(tǒng)金融機(jī)構(gòu)與互聯(lián)網(wǎng)公司利用數(shù)字技術(shù)實(shí)現(xiàn)融資、支付、投資和其他新型金融業(yè)務(wù)模式[5]。根據(jù)農(nóng)村流動(dòng)人口數(shù)字金融工具使用情況，本文重點(diǎn)分析數(shù)字支付、數(shù)字信貸和數(shù)字理財(cái)三類數(shù)字金融工具，并從兩個(gè)方面探討農(nóng)村流動(dòng)人口數(shù)字金融使用：第一，是否使用數(shù)字金融。如果農(nóng)村流動(dòng)人口個(gè)體使用過數(shù)字支付、數(shù)字信貸和數(shù)字理財(cái)三類數(shù)字金融工具中的任意一類，本文則認(rèn)為該個(gè)體使用了數(shù)字金融。第二，數(shù)字金融使用廣度。本文定義為農(nóng)村流動(dòng)人口個(gè)體使用的數(shù)字金融工具種類數(shù)。

2.核心解釋變量：數(shù)字素養(yǎng)。本文參考現(xiàn)有國內(nèi)外學(xué)者提出的數(shù)字素養(yǎng)基本框架[29，34，35]，結(jié)合農(nóng)村流動(dòng)人口個(gè)體特征，從數(shù)字技術(shù)使用和數(shù)字技術(shù)認(rèn)知兩個(gè)層面構(gòu)建數(shù)字素養(yǎng)指標(biāo)體系。具體指標(biāo)選取及定義如表1所示。

表1 數(shù)字素養(yǎng)指標(biāo)體系

本文采用Sarma[43]提出的平均歐幾里得距離構(gòu)建數(shù)字素養(yǎng)指數(shù)。該方法能避免分項(xiàng)指標(biāo)出現(xiàn)完全可替代性，滿足單位無關(guān)、有界、單調(diào)等良好指標(biāo)特性，且便于計(jì)算。具體計(jì)算步驟如下：

（1）各維度指標(biāo)標(biāo)準(zhǔn)化。

其中，Xij表示第i維度下第j個(gè)指標(biāo)處理后的標(biāo)準(zhǔn)值，Bij表示該指標(biāo)的實(shí)際值，mij表示該指標(biāo)的最小值，Mij表示該指標(biāo)的最大值。

（2）權(quán)重確定。各維度賦權(quán)是數(shù)字素養(yǎng)指數(shù)構(gòu)建的關(guān)鍵，本文采用變異系數(shù)賦權(quán)法。與主觀賦權(quán)法相比，該方法更具客觀性。同時(shí)，本文還對各維度分別計(jì)算權(quán)重，這可以有效避免所有維度混合計(jì)算賦權(quán)可能帶來的某一維度指標(biāo)數(shù)量過多而權(quán)重過大的問題。

首先，計(jì)算第i 維度下各指標(biāo)的變異系數(shù)Vij和權(quán)重wij。如式（2）和式（3）所示：

其中，Sij表示第i 維度下第j 個(gè)指標(biāo)的標(biāo)準(zhǔn)差，表示該指標(biāo)的平均值。

其次，計(jì)算各維度的變異系數(shù)Vi和權(quán)重wi。如式（4）和式（5）所示：

其中，Si表示第i維度數(shù)字素養(yǎng)指數(shù)的標(biāo)準(zhǔn)差，表示該維度數(shù)字素養(yǎng)指數(shù)的平均值。

（3）指數(shù)合成。通過計(jì)算獲得各維度指數(shù)Di后，進(jìn)一步計(jì)算得到數(shù)字素養(yǎng)指數(shù)D。具體如下：

3.控制變量。本文分別選取了農(nóng)村流動(dòng)人口個(gè)體特征、就業(yè)狀況、社會(huì)資本和家庭特征的控制變量。此外，采用虛擬變量控制地區(qū)效應(yīng)，從而消除可能存在的地區(qū)層面的異質(zhì)性影響。主要變量定義及描述分析如表2所示。

表2 變量說明及描述性統(tǒng)計(jì)

（三）模型構(gòu)建

1.基準(zhǔn)模型。首先，為分析數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口使用數(shù)字金融工具的影響，本文構(gòu)建了如下Probit模型：

其中，被解釋變量yi是衡量農(nóng)村流動(dòng)人口是否使用數(shù)字金融工具的啞變量；G()· 為標(biāo)準(zhǔn)正態(tài)分布函數(shù)；Di為核心解釋變量，表示農(nóng)村流動(dòng)人口數(shù)字素養(yǎng)水平；Xk為反映個(gè)體、家庭及地區(qū)等特征的控制變量；β1和βk為待估參數(shù)，k=2,3,…,K。

其次，為分析數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口數(shù)字金融使用廣度的影響，考慮到被解釋變量數(shù)字金融使用廣度為具有計(jì)數(shù)特征的非負(fù)整數(shù)，本文構(gòu)建了如下Poisson模型進(jìn)行估計(jì)：

其中，農(nóng)村流動(dòng)人口數(shù)字金融使用廣度Ti=ti的概率由參數(shù)為λi的泊松分布決定，λi＞0 為“泊松到達(dá)率”，表示事件發(fā)生的平均次數(shù)，由解釋變量xi決定。

2.樣本選擇偏差問題。基準(zhǔn)模型中，本文分別采用Probit模型和Poisson模型估計(jì)數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口是否使用數(shù)字金融工具和數(shù)字金融使用廣度的影響，得到一致估計(jì)結(jié)果的前提是參與方程（是否使用）和結(jié)果方程（使用廣度）相互獨(dú)立。由于一部分農(nóng)村流動(dòng)人口并未使用數(shù)字金融工具，從而其數(shù)字金融使用廣度為零，造成被解釋變量數(shù)字金融使用廣度具有數(shù)據(jù)截?cái)嗵卣鳌榻鉀Q上述問題，本文參考Mullahy[44]的研究思路，運(yùn)用Poisson Hurdle模型（PH模型）進(jìn)行估計(jì)，該模型可以有效解決被解釋變量受限問題。PH模型的構(gòu)成如下：

首先，采用Complementary Log-log 模型（CLL 模型）估計(jì)農(nóng)村流動(dòng)人口個(gè)體是否使用數(shù)字金融工具。具體模型如下：

其中，x是影響農(nóng)村流動(dòng)人口個(gè)體是否使用數(shù)字金融工具的外生變量集，η是對應(yīng)的系數(shù)向量。

其次，如果個(gè)體使用數(shù)字金融工具（yi=1），則進(jìn)一步采用Truncated Poisson Regression 模型（TPR模型）估計(jì)其數(shù)字金融使用廣度。具體模型如下：

其中，h是影響農(nóng)村流動(dòng)人口個(gè)體數(shù)字金融使用廣度的外生變量集，κ是對應(yīng)的系數(shù)向量。

將（10）、（11）和（12）式聯(lián)立，可得PH 模型的對數(shù)似然方程：

3.內(nèi)生性問題。本文采用工具變量法解決可能存在的內(nèi)生性問題。由于本文的被解釋變量分別為是否使用數(shù)字金融工具的二值型變量和數(shù)字金融使用廣度的計(jì)數(shù)型變量，核心解釋變量數(shù)字素養(yǎng)水平為連續(xù)型變量，因此，本文分別采用處理二值型被解釋變量的IV-Probit 模型和處理計(jì)數(shù)型被解釋變量的IV-Poisson模型進(jìn)行工具變量回歸分析。

對于工具變量的選取，考慮到有效的工具變量應(yīng)滿足以下條件：第一，相關(guān)性。工具變量應(yīng)與數(shù)字素養(yǎng)水平相關(guān)。第二，外生性。工具變量并不直接影響個(gè)體數(shù)字金融使用。據(jù)此，本文采用個(gè)體所在流入地農(nóng)村流動(dòng)人口數(shù)字素養(yǎng)平均水平作為工具變量。

四、實(shí)證分析

（一）基準(zhǔn)回歸分析

表3報(bào)告了數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口數(shù)字金融使用行為影響的基準(zhǔn)回歸結(jié)果。其中，（1）和（3）列僅加入了數(shù)字素養(yǎng)這一變量，（2）和（4）列是引入了控制變量后的回歸結(jié)果。從（1）和（3）列可以看出，數(shù)字素養(yǎng)變量的回歸系數(shù)均在1%的水平上顯著為正，表明數(shù)字素養(yǎng)不僅顯著提升了農(nóng)村流動(dòng)人口數(shù)字金融使用概率，還提升了其數(shù)字金融使用廣度。（2）和（4）列加入控制變量后，所得結(jié)論依然穩(wěn)健。

表3 數(shù)字素養(yǎng)與農(nóng)村流動(dòng)人口數(shù)字金融使用行為基準(zhǔn)回歸結(jié)果

（二）糾正樣本選擇偏差

上文采用Probit模型和Poisson模型分別探討數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口是否使用數(shù)字金融和數(shù)字金融使用廣度的影響，估計(jì)結(jié)果可能會(huì)因?yàn)閰⑴c方程（是否使用）和結(jié)果方程（使用廣度）并非相互獨(dú)立而存在樣本選擇偏差問題。為糾正模型估計(jì)中可能存在的選擇性偏誤，本文進(jìn)一步采用Poisson Hurdle模型進(jìn)行估計(jì)，結(jié)果如表4所示。

表4 數(shù)字素養(yǎng)與農(nóng)村流動(dòng)人口數(shù)字金融使用的Poisson Hurdle模型結(jié)果

由于Poisson Hurdle 模型要求CLL 模型和TPR模型中至少有一個(gè)排他性解釋變量，不同時(shí)出現(xiàn)在兩個(gè)模型中。本文選擇農(nóng)村流動(dòng)人口個(gè)體經(jīng)常使用的銀行卡開戶行數(shù)作為排他性解釋變量，原因是個(gè)體經(jīng)常使用的銀行卡開戶行數(shù)越多，其金融需求可能越多樣化，從而可使其數(shù)字金融使用廣度增加。而數(shù)字金融使用僅需個(gè)體有銀行卡就能實(shí)現(xiàn)，與銀行卡開戶行數(shù)量的多少并無直接聯(lián)系。從模型估計(jì)結(jié)果來看，控制樣本選擇性偏差后，數(shù)字素養(yǎng)變量的回歸系數(shù)仍顯著為正，即數(shù)字素養(yǎng)有利于促進(jìn)農(nóng)村流動(dòng)人口個(gè)體數(shù)字金融使用概率及廣度的提高。排他性解釋變量銀行卡開戶行數(shù)與數(shù)字金融使用廣度也存在顯著的正相關(guān)關(guān)系，表明農(nóng)村流動(dòng)人口個(gè)體銀行卡開戶行越多，其數(shù)字金融使用廣度也會(huì)提高。

（三）內(nèi)生性處理

除了樣本選擇偏差，數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口數(shù)字金融使用影響的回歸模型可能還面臨潛在的內(nèi)生性問題。本文選用“個(gè)體所在流入地農(nóng)村流動(dòng)人口數(shù)字素養(yǎng)平均水平”作為核心解釋變量數(shù)字素養(yǎng)的工具變量，分別采用IV-Probit 模型和IV-Poisson模型估計(jì)數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口是否使用數(shù)字金融和數(shù)字金融使用廣度的影響，并采用CMP方法的估計(jì)結(jié)果做對照檢驗(yàn)，結(jié)果如表5所示。

表5 數(shù)字素養(yǎng)與農(nóng)村流動(dòng)人口數(shù)字金融使用的工具變量回歸結(jié)果

從一階段回歸結(jié)果來看，個(gè)體所在流入地農(nóng)村流動(dòng)人口數(shù)字素養(yǎng)平均水平與個(gè)體本身的數(shù)字素養(yǎng)水平在5%的水平上顯著正相關(guān)，表明本文選用的工具變量滿足相關(guān)性條件。進(jìn)一步地，數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口是否使用數(shù)字金融影響的IV-Probit 模型估計(jì)結(jié)果顯示，Wald 檢驗(yàn)的χ2統(tǒng)計(jì)量為17.11，且在1%的水平上顯著，表明在該模型中數(shù)字素養(yǎng)為內(nèi)生變量，基準(zhǔn)回歸結(jié)果可能會(huì)受到內(nèi)生性問題的干擾。同時(shí)，本文也采用CMP 估計(jì)做進(jìn)一步驗(yàn)證，估計(jì)所得內(nèi)生性參數(shù)在1%的水平上顯著為正，說明采用的工具變量來處理模型可能存在的內(nèi)生性是合理的。通過矯正可能存在的內(nèi)生性問題后，數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口是否使用數(shù)字金融的影響仍在1%的水平上顯著為正。從數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口數(shù)字金融使用廣度的IV-Poisson模型和CMP估計(jì)所得結(jié)果來看，模型的內(nèi)生性參數(shù)均不顯著，表明在該模型中，核心解釋變量數(shù)字素養(yǎng)并不存在顯著的內(nèi)生性問題，因而前文基準(zhǔn)回歸所得結(jié)果是較為穩(wěn)健的。

（四）數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口使用不同數(shù)字金融工具的影響

為進(jìn)一步考察數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口使用不同數(shù)字金融工具的影響，本文分別檢驗(yàn)了數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口使用數(shù)字理財(cái)、數(shù)字融資和數(shù)字支付三類數(shù)字金融工具的影響，估計(jì)結(jié)果如表6所示。農(nóng)村流動(dòng)人口數(shù)字素養(yǎng)水平越高，其使用數(shù)字理財(cái)和數(shù)字支付的概率就越大。從邊際影響效果來看，農(nóng)村流動(dòng)人口數(shù)字素養(yǎng)水平的提高對其使用數(shù)字理財(cái)?shù)拇龠M(jìn)作用相對更大。但是，數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口使用數(shù)字融資的影響并不顯著。可能的原因是，互聯(lián)網(wǎng)借貸平臺(tái)存在一定風(fēng)險(xiǎn)，尤其是網(wǎng)貸平臺(tái)違規(guī)跑路事件頻發(fā)，隨著個(gè)體數(shù)字素養(yǎng)水平的提高，其對數(shù)字融資方式的選擇也會(huì)更為謹(jǐn)慎。

表6 數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口使用不同數(shù)字金融工具的影響

（五）不同類型數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口數(shù)字金融使用行為的影響

本文還考察了不同類型數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口數(shù)字金融使用行為的影響，結(jié)果如表7所示。根據(jù)數(shù)字素養(yǎng)指標(biāo)構(gòu)建思路，本文將數(shù)字素養(yǎng)細(xì)分為數(shù)字技術(shù)使用素養(yǎng)和數(shù)字技術(shù)認(rèn)知素養(yǎng)。結(jié)果顯示，數(shù)字技術(shù)使用素養(yǎng)和數(shù)字技術(shù)認(rèn)知素養(yǎng)均對農(nóng)村流動(dòng)人口個(gè)體數(shù)字金融使用概率的提高具有顯著的正向影響。從邊際影響效果來看，數(shù)字技術(shù)使用素養(yǎng)水平的提高更有利于農(nóng)村流動(dòng)人口個(gè)體數(shù)字金融使用概率的提高。從不同類型數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口數(shù)字金融使用廣度的影響來看，數(shù)字技術(shù)使用素養(yǎng)對個(gè)體數(shù)字金融使用廣度的增強(qiáng)具有顯著正向影響，而數(shù)字技術(shù)認(rèn)知素養(yǎng)的影響并不顯著。這說明要促進(jìn)農(nóng)村流動(dòng)人口使用數(shù)字金融需側(cè)重強(qiáng)化其數(shù)字技術(shù)使用技能。

表7 不同類型數(shù)字素養(yǎng)對流動(dòng)人口數(shù)字金融使用行為的影響

（六）數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口數(shù)字金融使用行為的影響機(jī)制

前文分析表明數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口數(shù)字金融使用具有顯著的正向影響，接下來本文進(jìn)一步探討數(shù)字素養(yǎng)影響農(nóng)村流動(dòng)人口數(shù)字金融使用的內(nèi)在機(jī)制。一方面，數(shù)字素養(yǎng)的提升可以使個(gè)體獲得更多的信息，通過個(gè)體增加對金融相關(guān)信息的關(guān)注或自身金融知識(shí)水平的提升，從而促使其使用數(shù)字金融；另一方面，數(shù)字素養(yǎng)的提升也可以提高個(gè)體風(fēng)險(xiǎn)偏好水平，從而使個(gè)體更愿意接觸新興事物，促進(jìn)其對數(shù)字金融的使用。鑒于此，本文采用中介效應(yīng)模型實(shí)證檢驗(yàn)數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口數(shù)字金融使用行為的影響機(jī)制。

1.金融信息關(guān)注機(jī)制。數(shù)字素養(yǎng)的提升可以拓展個(gè)體信息獲取渠道，增強(qiáng)其信息獲取能力，提高其對金融相關(guān)信息的關(guān)注。金融信息關(guān)注增加有助于個(gè)體及時(shí)跟蹤掌握金融產(chǎn)品信息，從而促進(jìn)其對數(shù)字金融的使用。在對流動(dòng)人口的問卷調(diào)查中詢問了受訪者“您平時(shí)對金融方面的信息關(guān)注程度如何？”，本文將回答“從不關(guān)注”“很少關(guān)注”“一般”的賦值為0，將回答“很關(guān)注”“非常關(guān)注”的賦值為1。表8報(bào)告了檢驗(yàn)數(shù)字素養(yǎng)通過金融信息關(guān)注機(jī)制進(jìn)而影響農(nóng)村流動(dòng)人口數(shù)字金融使用行為的實(shí)證結(jié)果。（1）列的回歸結(jié)果顯示，數(shù)字素養(yǎng)與中介變量金融信息關(guān)注的回歸系數(shù)在1%的水平上顯著為正，表明數(shù)字素養(yǎng)提升會(huì)顯著增加個(gè)體對金融信息的關(guān)注。（2）列在解釋變量中引入中介變量金融信息關(guān)注后，結(jié)果表明金融信息關(guān)注對農(nóng)村流動(dòng)人口個(gè)體是否使用數(shù)字金融并沒有顯著影響。根據(jù)中介效應(yīng)檢驗(yàn)程序，需進(jìn)一步采用Sobel 檢驗(yàn)來判斷數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口數(shù)字金融使用決策影響中是否存在金融信息關(guān)注的影響機(jī)制。Sobel 檢驗(yàn)值為1.047，在統(tǒng)計(jì)上并不顯著，表明數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口是否使用數(shù)字金融的影響中并不存在金融信息關(guān)注的中介效應(yīng)。（3）列在解釋變量中引入中介變量金融信息關(guān)注后，結(jié)果表明金融信息關(guān)注對農(nóng)村流動(dòng)人口數(shù)字金融使用廣度在1%的水平上顯著為正，但數(shù)字素養(yǎng)對數(shù)字金融使用廣度的影響并不顯著，表明數(shù)字素養(yǎng)可以通過促進(jìn)個(gè)體對金融信息的關(guān)注進(jìn)而擴(kuò)大其數(shù)字金融使用廣度。在這一過程中，金融信息關(guān)注起到了完全中介效應(yīng)作用。

表8 數(shù)字素養(yǎng)與農(nóng)村流動(dòng)人口數(shù)字金融使用行為：金融信息關(guān)注機(jī)制的檢驗(yàn)

2.金融知識(shí)機(jī)制。數(shù)字素養(yǎng)的提升不僅可以拓寬個(gè)體信息獲取渠道，促使個(gè)體增加關(guān)注金融相關(guān)信息，還可以促進(jìn)個(gè)體相關(guān)金融知識(shí)的積累，進(jìn)而提升金融知識(shí)水平?，F(xiàn)有研究也發(fā)現(xiàn)金融知識(shí)水平的提升可以促進(jìn)個(gè)體數(shù)字金融的參與[20，21]。調(diào)查中，對農(nóng)村流動(dòng)人口金融知識(shí)水平進(jìn)行測試，設(shè)置了復(fù)利計(jì)算、通貨膨脹理解和風(fēng)險(xiǎn)認(rèn)知等測試題目③，并采用因子分析法測算得到個(gè)體金融知識(shí)綜合得分。表9報(bào)告了檢驗(yàn)數(shù)字素養(yǎng)通過金融知識(shí)機(jī)制進(jìn)而影響農(nóng)村流動(dòng)人口數(shù)字金融使用行為的實(shí)證估計(jì)結(jié)果。（1）列結(jié)果顯示，數(shù)字素養(yǎng)與中介變量金融知識(shí)的回歸系數(shù)在1%的水平上顯著為正，表明數(shù)字素養(yǎng)提升會(huì)促進(jìn)個(gè)體金融知識(shí)水平的提高。（2）列在解釋變量中引入中介變量金融知識(shí)后，結(jié)果表明金融知識(shí)對個(gè)體是否使用數(shù)字金融并沒有顯著影響。進(jìn)一步采用Sobel 檢驗(yàn)的結(jié)果表明，Sobel 檢驗(yàn)值為0.045，在統(tǒng)計(jì)上并不顯著，表明數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口是否使用數(shù)字金融的影響中并不存在金融知識(shí)的中介效應(yīng)。（3）列在解釋變量中引入中介變量金融知識(shí)后，結(jié)果表明金融知識(shí)對個(gè)體數(shù)字金融使用廣度在1%的水平上顯著為正，且數(shù)字素養(yǎng)對數(shù)字金融使用廣度的影響也仍在10%的水平上顯著為正。這表明數(shù)字素養(yǎng)可以通過金融知識(shí)機(jī)制影響個(gè)體數(shù)字金融使用廣度，且在該過程中，金融知識(shí)起到了部分中介效應(yīng)作用。

表9 數(shù)字素養(yǎng)與農(nóng)村流動(dòng)人口數(shù)字金融使用：金融知識(shí)機(jī)制的檢驗(yàn)

3.風(fēng)險(xiǎn)偏好機(jī)制。數(shù)字素養(yǎng)的提升可以使個(gè)體更全面地了解數(shù)字相關(guān)產(chǎn)品，提高其風(fēng)險(xiǎn)偏好水平，進(jìn)而促進(jìn)其數(shù)字金融使用。問卷調(diào)查中詢問了受訪者“如果有一筆錢，更愿意選擇何種投資項(xiàng)目”，根據(jù)受訪者的回答，本文對“不愿意承擔(dān)任何風(fēng)險(xiǎn)”“略低風(fēng)險(xiǎn)、略低回報(bào)的項(xiàng)目”“平均風(fēng)險(xiǎn)、平均回報(bào)的項(xiàng)目”“略高風(fēng)險(xiǎn)、略高回報(bào)的項(xiàng)目”“高風(fēng)險(xiǎn)、高回報(bào)的項(xiàng)目”依次賦值1 至5，以此衡量受訪者的風(fēng)險(xiǎn)偏好程度。表10報(bào)告了檢驗(yàn)數(shù)字素養(yǎng)通過風(fēng)險(xiǎn)偏好機(jī)制進(jìn)而影響數(shù)字金融使用行為的實(shí)證估計(jì)結(jié)果。（1）列結(jié)果顯示，數(shù)字素養(yǎng)與中介變量風(fēng)險(xiǎn)偏好的回歸系數(shù)在5%的水平上顯著為正，表明數(shù)字素養(yǎng)的提高可以提升個(gè)體的風(fēng)險(xiǎn)偏好水平。（2）列加入中介變量風(fēng)險(xiǎn)偏好后，風(fēng)險(xiǎn)偏好的系數(shù)并不顯著。進(jìn)一步采用Sobel 檢驗(yàn)結(jié)果顯示，Sobel 值為0.856，在統(tǒng)計(jì)上并不顯著，表明數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口是否使用數(shù)字金融的影響中并不存在風(fēng)險(xiǎn)偏好的中介作用。（3）列加入中介變量風(fēng)險(xiǎn)偏好后，結(jié)果表明風(fēng)險(xiǎn)偏好的系數(shù)在1%的水平上顯著為正，且數(shù)字素養(yǎng)的系數(shù)也在10%的水平上顯著為正。這表明數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口數(shù)字金融使用廣度的影響中存在風(fēng)險(xiǎn)偏好的中介作用，且在該過程中，風(fēng)險(xiǎn)偏好起到了部分中介效應(yīng)作用。

表10 數(shù)字素養(yǎng)與農(nóng)村流動(dòng)人口數(shù)字金融使用：風(fēng)險(xiǎn)偏好機(jī)制的檢驗(yàn)

五、穩(wěn)健性檢驗(yàn)

本文分別采用遺漏變量檢驗(yàn)和改變自變量的測度方式進(jìn)行穩(wěn)健性檢驗(yàn)。

（一）遺漏變量檢驗(yàn)

雖然本文在基準(zhǔn)回歸過程中已盡可能地控制了農(nóng)村流動(dòng)人口個(gè)體特征、就業(yè)狀況、社會(huì)資本、家庭特征及地區(qū)特征等多方面因素，但仍無法確保模型中不存在遺漏變量問題，從而帶來估計(jì)偏誤。因此，本文采用Oster[45]提出的兩種方法來檢驗(yàn)遺漏變量及其對回歸的影響。

Oster[45]指出當(dāng)回歸模型存在不可觀測的遺漏變量時(shí)，可根據(jù)估計(jì)量β*=β*(Rmax,δ)獲得核心解釋變量對被解釋變量的一致估計(jì)。在本文中，β*衡量的是數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口數(shù)字金融使用行為的影響；Rmax為當(dāng)不可觀測的遺漏變量能夠被觀測時(shí)，回歸方程的最大擬合優(yōu)度；δ為選擇比例，衡量的是可觀測變量與關(guān)注變量的相關(guān)關(guān)系相較于不可觀測遺漏變量與關(guān)注變量的相關(guān)關(guān)系的強(qiáng)弱。具體地，參考Oster[45]，本文采用以下兩種方法對實(shí)證結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)：方法一，根據(jù)當(dāng)前回歸擬合優(yōu)度的1.3倍確定Rmax，且δ值取-1時(shí)，如果β*=β*(Rmax,δ)落在了估計(jì)參數(shù)的95%置信區(qū)間內(nèi)，則意味著數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口數(shù)字金融使用行為的影響并不會(huì)因遺漏變量問題而發(fā)生變化；方法二，Rmax取值方法如前所述，計(jì)算使β=0 的δ值，若δ值大于1，則表明估計(jì)結(jié)果通過了穩(wěn)健性檢驗(yàn)。

由于Oster[45]的方法主要適用于被解釋變量為連續(xù)變量的情形，本文采用了OLS 回歸，結(jié)果如表11所示。采用方法一的穩(wěn)健性檢驗(yàn)結(jié)果顯示，數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口是否使用數(shù)字金融和數(shù)字金融使用廣度的影響的計(jì)算結(jié)果落在了β的95%置信區(qū)間內(nèi)。采用方法二的穩(wěn)健性檢驗(yàn)結(jié)果顯示，當(dāng)不可觀測的遺漏變量能夠被觀測時(shí)，計(jì)算所得δ值均大于1。上述結(jié)果表明，數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口數(shù)字金融使用行為的影響并不會(huì)因遺漏變量的存在而發(fā)生顯著變化，即前文結(jié)論是穩(wěn)健的。

表11 遺漏變量檢驗(yàn)結(jié)果

（二）改變核心自變量的測度方式

本文還通過改變核心自變量數(shù)字素養(yǎng)的測度方式來檢驗(yàn)估計(jì)結(jié)果的穩(wěn)健性。采用熵值法對數(shù)字素養(yǎng)進(jìn)行測度后，所得估計(jì)結(jié)果如表12所示。數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口是否使用數(shù)字金融和數(shù)字金融使用廣度的系數(shù)均在1%的水平上顯著為正，再次驗(yàn)證了數(shù)字素養(yǎng)可以提升農(nóng)村流動(dòng)人口使用數(shù)字金融的概率和廣度這一結(jié)論。

表12 穩(wěn)健性檢驗(yàn)結(jié)果：改變核心自變量測度方式

六、研究結(jié)論與啟示

本文基于2021年江蘇省5 市15 縣（區(qū)）農(nóng)村流動(dòng)人口調(diào)查數(shù)據(jù)，考察了數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口數(shù)字金融使用行為的影響。研究結(jié)果表明：第一，數(shù)字素養(yǎng)是影響農(nóng)村流動(dòng)人口數(shù)字金融使用行為的重要因素。數(shù)字素養(yǎng)不僅可以提升農(nóng)村流動(dòng)人口數(shù)字金融使用概率，還可以擴(kuò)大其數(shù)字金融使用廣度。第二，數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口不同數(shù)字金融工具使用行為的影響存在差異。相比于數(shù)字融資工具的使用，數(shù)字素養(yǎng)可以顯著提升農(nóng)村流動(dòng)人口對數(shù)字理財(cái)和數(shù)字支付工具的使用。第三，不同類型數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口數(shù)字金融使用行為的影響存在差異。不同類型數(shù)字素養(yǎng)均可以顯著提高農(nóng)村流動(dòng)人口數(shù)字金融使用概率，但僅數(shù)字技術(shù)使用有助于擴(kuò)大農(nóng)村流動(dòng)人口數(shù)字金融使用廣度。第四，數(shù)字素養(yǎng)對農(nóng)村流動(dòng)人口數(shù)字金融使用的影響機(jī)制檢驗(yàn)表明，數(shù)字素養(yǎng)可以通過增加金融信息關(guān)注、提高金融知識(shí)水平和提升風(fēng)險(xiǎn)偏好水平來提高農(nóng)村流動(dòng)人口數(shù)字金融使用廣度。本文在采用Poisson Hurdle模型修正樣本選擇偏誤，以及綜合采用IV-Probit模型、IV-Poisson 模型和CMP 模型處理可能存在內(nèi)生性問題，并通過遺漏變量檢驗(yàn)、改變核心自變量的測度方式進(jìn)行穩(wěn)健性檢驗(yàn)后，所得研究結(jié)論依然成立。

基于此，為在數(shù)字化時(shí)代更好地實(shí)現(xiàn)數(shù)字技術(shù)賦能，推動(dòng)數(shù)字金融發(fā)展，有效提升農(nóng)村流動(dòng)人口“金融市民化”水平，本文提出如下建議：第一，多措并舉提高農(nóng)村流動(dòng)人口的數(shù)字素養(yǎng)水平。一方面，積極在農(nóng)村地區(qū)開展數(shù)字化普及教育，鼓勵(lì)學(xué)校、行業(yè)組織和社會(huì)教育機(jī)構(gòu)等參與農(nóng)村數(shù)字化教育體系建設(shè)；另一方面，農(nóng)村流動(dòng)人口是當(dāng)前數(shù)字鄉(xiāng)村建設(shè)和城市數(shù)字經(jīng)濟(jì)發(fā)展中不可或缺的參與主體，政府應(yīng)調(diào)動(dòng)多方資源，采用線上線下等多種形式開展面向農(nóng)村流動(dòng)人口的基礎(chǔ)數(shù)字技能科普與培訓(xùn)，適當(dāng)?shù)貙⑴c數(shù)字技能學(xué)習(xí)及培訓(xùn)的農(nóng)村流動(dòng)人口提供財(cái)政補(bǔ)貼和獎(jiǎng)勵(lì)，激發(fā)其學(xué)習(xí)的積極性，從而在農(nóng)村流動(dòng)人口群體中形成數(shù)字化學(xué)習(xí)的優(yōu)良環(huán)境。第二，金融信息關(guān)注不足抑或金融知識(shí)水平低下會(huì)限制農(nóng)村流動(dòng)人口數(shù)字金融使用。因此，在提升農(nóng)村流動(dòng)人口數(shù)字素養(yǎng)水平的同時(shí)，還應(yīng)加大金融知識(shí)教育普及力度，從而提高農(nóng)村流動(dòng)人口數(shù)字金融行為決策的有效性。第三，建立健全數(shù)字金融風(fēng)險(xiǎn)管理的相關(guān)體制機(jī)制，保護(hù)數(shù)字金融參與者的合法權(quán)益。個(gè)體在使用數(shù)字金融工具時(shí)也會(huì)面臨安全性風(fēng)險(xiǎn)，政府應(yīng)規(guī)范完善數(shù)字金融產(chǎn)品設(shè)計(jì)，防范潛在的金融風(fēng)險(xiǎn)，保護(hù)數(shù)字金融參與者的合法權(quán)益，從而使農(nóng)村流動(dòng)人口能夠真正享受數(shù)字金融成果?！?/p>

注 釋

①詳 見http：∕∕www.stats.gov.cn∕tjsj∕zxfb∕202104∕t20210430_1816933.html。

②數(shù)據(jù)來自《第47次中國互利網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》，中國互聯(lián)網(wǎng)絡(luò)信息中心，2021年。

③調(diào)查問卷中設(shè)置了如下金融知識(shí)水平測試題：Ⅰ假設(shè)銀行的年利率是40%，如果把100元錢存1年定期，1年后獲得的本金和利息為？a.小于104 元；b.等于104 元；c.大于104元；d.算不出來。Ⅱ假設(shè)銀行的年利率是5%，通貨膨脹率每年是3%，把100 元錢存銀行一年后能夠買到的東西將？a.比一年前多；b.跟一年前一樣多；c.比一年前少；d.算不出來。Ⅲ一般而言，股票和基金哪個(gè)風(fēng)險(xiǎn)更大？a.股票；b.基金；c.沒有聽過股票；d.沒有聽過基金；e.兩者都沒有聽過。