■何 敏，蔡定洪，張 翼，和樹賀

一、引言

近些年來，隨著移動支付、人工智能、大數(shù)據(jù)、區(qū)塊鏈、云計算等金融科技快速發(fā)展，普惠金融從線下人工服務(wù)逐步擴展到線上數(shù)字化服務(wù)。在相關(guān)金融監(jiān)管政策、產(chǎn)業(yè)政策的支持下，目前我國已基本形成了以傳統(tǒng)銀行、互聯(lián)網(wǎng)銀行、非銀行金融機構(gòu)以及大型金融科技企業(yè)為服務(wù)主體，以數(shù)字化支付體系、信用體系、投融資體系為基礎(chǔ)設(shè)施的數(shù)字普惠金融生態(tài)系統(tǒng)。在拓展金融服務(wù)的廣度和深度、提升弱勢群體收入、推動居民創(chuàng)業(yè)和企業(yè)創(chuàng)新、促進包容性增長等方面發(fā)揮了積極作用，很大程度上彌補了傳統(tǒng)金融服務(wù)的不足。但與此同時，部分機構(gòu)開始利用技術(shù)優(yōu)勢、平臺優(yōu)勢和監(jiān)管空白，以普惠金融為名，行金融套利之實，損害金融消費者權(quán)益。特別是在居民借貸方面，隨著花唄、借唄、白條、網(wǎng)絡(luò)分期付款、P2P 借貸等各種互聯(lián)網(wǎng)借貸業(yè)務(wù)的出現(xiàn)，拓寬了低收入群體融資借貸的渠道，居民超前消費、過度負債、暴力催收等問題也隨之而來，產(chǎn)生了大量的金融風(fēng)險隱患和社會問題。那么數(shù)字普惠金融是否會導(dǎo)致居民過度負債？居民負債風(fēng)險主要來自數(shù)字普惠金融的哪一個環(huán)節(jié)？探討這些問題對于強化數(shù)字金融監(jiān)管，更好發(fā)揮數(shù)字普惠金融職能，促進社會穩(wěn)定和金融安全具有重要的理論與現(xiàn)實意義。

二、文獻綜述與研究假設(shè)

數(shù)字普惠金融的快速發(fā)展，降低了金融排斥，提升了居民獲得金融產(chǎn)品和服務(wù)的機會。焦瑾璞（2014）指出，快速發(fā)展的移動互聯(lián)網(wǎng)有效擴展了金融服務(wù)邊界，使欠發(fā)達地區(qū)居民獲得金融服務(wù)成為可能，同時數(shù)字普惠金融在擴大服務(wù)范圍、降低服務(wù)成本等方面作用突出。傅秋子（2018）認為數(shù)字普惠金融的快速發(fā)展能夠顯著提高居民家庭信貸的可獲得性。楊波等（2020）實證研究顯示，數(shù)字普惠金融能夠顯著促進居民家庭正規(guī)信貸的獲得，特別是對于使用數(shù)字支付的家庭促進作用更加明顯。而且，數(shù)字普惠金融具有較為明顯的“長尾”特性，對于鄉(xiāng)村地區(qū)、中西部地區(qū)、低收入人群等獲得融資方面具有顯著促進作用。李娜（2021）通過分析數(shù)字普惠金融、人力資本與城鄉(xiāng)收入差距的內(nèi)在理論邏輯，指出數(shù)字普惠金融顯著縮小了城鄉(xiāng)收入差距。張青等（2021）從個體微觀層面就數(shù)字普惠金融發(fā)展對農(nóng)村青年非農(nóng)就業(yè)抉擇的影響機制展開分析，發(fā)現(xiàn)數(shù)字普惠金融發(fā)展及其覆蓋廣度、使用深度顯著促進農(nóng)村青年非農(nóng)就業(yè)。樊文翔（2021）分析發(fā)現(xiàn)，數(shù)字普惠金融顯著提高了農(nóng)戶正規(guī)信貸的可獲得性，而且對于不同收入的農(nóng)戶表現(xiàn)出一定的異質(zhì)性影響，對于較高收入、較低收入的農(nóng)戶正規(guī)信貸獲得具有顯著性影響，但對于中等收入農(nóng)戶群體影響不顯著。

但值得注意的是，在數(shù)字普惠金融快速發(fā)展的同時，數(shù)字鴻溝和數(shù)字陷阱也日益加深。特別是在居民借貸方面，與傳統(tǒng)普惠金融相比，花唄、借唄、白條、網(wǎng)絡(luò)分期付款、P2P 借貸等數(shù)字普惠金融產(chǎn)品使得低收入群體融資借貸的渠道大大拓寬了，但各種損害金融消費者權(quán)益、危害金融穩(wěn)定的負面影響也隨之而來。如花唄、借唄等產(chǎn)品年化利率曾一度接近24%的法定利率上限，遠高于傳統(tǒng)普惠金融；一些網(wǎng)貸平臺打著“創(chuàng)新”旗號違規(guī)經(jīng)營，進行誘導(dǎo)式、掠奪性放貸，引發(fā)年輕群體和低收入群體超前消費、過度負債、貸款暴力催收等；部分互聯(lián)網(wǎng)金融機構(gòu)的杠桿率遠遠超過傳統(tǒng)金融機構(gòu)，甚至以數(shù)十億注冊資本金帶動上萬億的網(wǎng)絡(luò)信貸，產(chǎn)生了大量的金融風(fēng)險隱患和社會問題。2017年11 月，互聯(lián)網(wǎng)金融風(fēng)險專項整治工作領(lǐng)導(dǎo)小組辦公室下發(fā)《關(guān)于立即暫停批設(shè)網(wǎng)絡(luò)小額貸款公司的通知》，叫停了網(wǎng)絡(luò)小貸公司的牌照發(fā)放。截至2020年，全國P2P 網(wǎng)貸平臺已經(jīng)基本整理清退完畢。2020年11 月，銀保監(jiān)會聯(lián)合中國人民銀行發(fā)布《網(wǎng)絡(luò)小額貸款業(yè)務(wù)管理暫行辦法（征求意見稿）》，進一步規(guī)范網(wǎng)絡(luò)小額貸款業(yè)務(wù)，防范網(wǎng)絡(luò)小額貸款風(fēng)險。同時，中國人民銀行等四部門對螞蟻集團的實際控制人和高管進行了監(jiān)管約談，螞蟻集團的A 股和H 股上市計劃也暫時放緩。上述情況充分表明，在研究數(shù)字普惠金融帶來便利與進步的同時，也應(yīng)該正視其帶來的負面影響，合理評估其對居民負債帶來的風(fēng)險。

基于上述分析，本文認為數(shù)字普惠金融可能會增加居民過度負債的風(fēng)險。其機制為數(shù)字普惠金融在使用和推廣過程中，提升了居民的消費意愿和負債額度，而相關(guān)組織在甄別債務(wù)人償債能力和控制借貸風(fēng)險方面并沒有同步跟進，導(dǎo)致居民過度負債，并產(chǎn)生債務(wù)風(fēng)險。因此，提出研究假設(shè)1。

假設(shè)1：數(shù)字普惠金融的發(fā)展與居民債務(wù)風(fēng)險存在相關(guān)性。

此外，由于數(shù)字普惠金融是一個多維度的指標體系，如北京大學(xué)的中國數(shù)字普惠金融指數(shù)就包括了數(shù)字金融覆蓋廣度、使用深度和數(shù)字化程度等三個維度共33個具體指標（郭峰等，2020）。其中覆蓋廣度主要著眼于數(shù)字普惠金融渠道（主要是支付寶）的基本覆蓋面；使用深度主要著眼于實際使用數(shù)字金融服務(wù)的情況，包括支付、信貸、貨幣基金、投資、保險和信用等六個類型的金融服務(wù)，既包括實際使用總量指標（每萬支付寶用戶數(shù)中使用這些服務(wù)的人數(shù)），也包括使用活躍度指標（人均交易筆數(shù)、交易金額）；數(shù)字化程度主要從便利性、低成本和信用化角度衡量。從具體產(chǎn)品實際使用情況看，與居民負債直接相關(guān)的數(shù)字普惠金融產(chǎn)品主要包括支付寶、財付通、花唄、借唄、螞蟻信用分等，即涉及支付、信貸、信用服務(wù)等方面的指標，而部分數(shù)字普惠金融產(chǎn)品和指標與居民債務(wù)的直觀聯(lián)系似乎并不緊密。因此，進一步提出研究假設(shè)2。

假設(shè)2：數(shù)字普惠金融的不同維度指標對于居民債務(wù)風(fēng)險存在不同影響。

三、基本模型與實證分析

（一）基本模型設(shè)定

為檢驗假設(shè)1 和假設(shè)2 關(guān)于數(shù)字普惠金融及其分項維度對于居民債務(wù)風(fēng)險的影響，在借鑒宋曉玲（2017）、盛天翔和范從來（2020）等相關(guān)研究文獻的基礎(chǔ)上，構(gòu)建了線性回歸模型1：

其中，i、t分別表示以省份、年份為代表的個體、時間屬性；MF表示民間借貸風(fēng)險；Digtal_Fin是核心解釋變量，表示數(shù)字普惠金融發(fā)展指標變量；Control 是其他可能影響民間借貸風(fēng)險的一些控制變量；υ、μ分別表示個體、時間的固定效應(yīng)，主要用于控制隨著個體、時間而變化的一些因素；ε為隨機擾動項。

（二）變量選擇與數(shù)據(jù)來源

1.被解釋變量

居民債務(wù)風(fēng)險的測度與識別一直是學(xué)術(shù)研究的難點和熱點問題。從已有研究看，度量居民債務(wù)風(fēng)險主要有三種方法：

（1）主觀評判法。這一方法認為居民本人是家庭資產(chǎn)狀況和債務(wù)風(fēng)險的最好評判者，債務(wù)風(fēng)險主要是基于居民對家庭實際經(jīng)濟狀況的主觀判斷。但實踐證明，受認知水平限制，居民對于自身經(jīng)濟狀況的掌握并不完全，對未來債務(wù)風(fēng)險的評判因人而異，而且往往不愿對外特別是信貸、征信機構(gòu)等充分反饋自己的風(fēng)險信息。因此，主觀評判法存在較大局限。

（2）客觀指標法。客觀指標法是以客觀的經(jīng)濟指標（如居民部門杠桿率、家庭資產(chǎn)負債率、消費收入比、債務(wù)收入比、債務(wù)償還比率等）作為衡量債務(wù)風(fēng)險的標準，多數(shù)指標特別是居民部門杠桿率已經(jīng)在金融監(jiān)管和學(xué)術(shù)研究中被廣泛使用。但需要強調(diào)的是，按照通行計算口徑，居民部門杠桿率只統(tǒng)計了居民部門向金融機構(gòu)的融資，即只包括住戶貸款、個人委托貸款（含住房公積金貸款）、個人融資融券等，而居民之間的借貸并不計入杠桿率，銀行以外的互聯(lián)網(wǎng)金融機構(gòu)對居民的借貸也未計入。因此，居民部門杠桿率雖然可以有效監(jiān)測居民部門金融債務(wù)風(fēng)險，卻難以反映民間借貸的規(guī)模變化和潛在風(fēng)險。此外，家庭負債率、債務(wù)收入比等指標也受到人口年齡結(jié)構(gòu)、家庭資產(chǎn)結(jié)構(gòu)、債務(wù)用途等因素影響，通常沒有公認的警戒線和閾值，其可比性遠低于企業(yè)財務(wù)指標，很難從宏觀上判斷居民債務(wù)風(fēng)險。

（3）法定度量法。法定度量法是以家庭債務(wù)是否發(fā)生實質(zhì)性違約作為統(tǒng)計準則。相較主觀評判法和客觀指標法，法定度量法的認定標準更具有可操作性，也更接近于金融部門對于債務(wù)風(fēng)險的認定標準。但對于金融貸款以外的居民債務(wù)即民間借貸，現(xiàn)有統(tǒng)計體系難以完全反映其違約狀況。近年來，研究者發(fā)現(xiàn)：民間借貸訴訟案件數(shù)量可以很好地衡量民間借貸風(fēng)險。如張雪春等（2013）發(fā)現(xiàn)民間借貸糾紛與法院受理訴訟案件數(shù)量與溫州民間借貸爆發(fā)風(fēng)波之間存在較強的相關(guān)關(guān)系。張笑和胡金焱（2017）也認為民間借貸訴訟案件數(shù)量增加，意味著債務(wù)風(fēng)險的上升。本文認為，雖然并不是所有的民間借貸違約都會通過訴訟方式解決，但幾乎所有的民間借貸類民事訴訟案件（以下簡稱民間借貸案件）都涉及實質(zhì)性債務(wù)違約。在既定的司法制度框架和法定利率區(qū)間內(nèi)，合同違約后提起民事訴訟的比例應(yīng)該是基本穩(wěn)定的。因此民間借貸案件數(shù)量可以表征民間借貸違約風(fēng)險。同時，近年來我國在電子政務(wù)和司法文書公開方面取得重大進展。截至2020年8月末，中國裁判文書網(wǎng)已經(jīng)公布各類裁判文書超過1億件，成為全球最大的法律文書網(wǎng)站。因此，將中國裁判文書網(wǎng)發(fā)布的民間借貸案件數(shù)量作為居民債務(wù)風(fēng)險的代理變量，為消除各地因經(jīng)濟、人口等差異帶來的影響，利用常住人口數(shù)量對借貸案件數(shù)量進行了標準化。

2.核心解釋變量

參考絕大多數(shù)研究的做法，用中國數(shù)字普惠金融指數(shù)表征數(shù)字普惠金融的發(fā)展情況，即用每個省份的數(shù)字普惠金融指數(shù)表示該地區(qū)的數(shù)字普惠金融總體發(fā)展情況。數(shù)字普惠金融指數(shù)包含覆蓋廣度、使用深度和數(shù)字化程度三項分維度指數(shù)。其中使用深度指數(shù)，包括支付、保險、貨幣基金、信用服務(wù)、投資、信貸等分類指數(shù)，而其他兩類分維度指數(shù)目前還未有詳細劃分數(shù)據(jù)。而且根據(jù)《北京大學(xué)數(shù)字普惠金融指數(shù)》報告，2016年后，數(shù)字金融使用深度指數(shù)增長有超過覆蓋廣度指數(shù)的趨勢。因此，對于數(shù)字普惠金融指數(shù)的分維度選擇使用深度指數(shù)。相關(guān)數(shù)據(jù)來自北京大學(xué)數(shù)字金融研究中心，數(shù)據(jù)來源和編制方法見郭峰等（2020）。

3.控制變量

參考張翼（2020）的研究，假設(shè)民間借貸發(fā)案率變化與本省區(qū)的人均GDP、GDP 增速、居民消費價格指數(shù)（CPI 增速）以及銀行業(yè)機構(gòu)貸存比、銀行不良貸款率等經(jīng)濟金融指標有關(guān)。

4.數(shù)據(jù)來源

所有變量指標數(shù)據(jù)來自中國裁判文書網(wǎng)、北京大學(xué)數(shù)字金融研究中心、國家統(tǒng)計局網(wǎng)站、中國人民銀行網(wǎng)站、Wind 數(shù)據(jù)庫等。考慮到各數(shù)據(jù)之間的可比性、可得性和完整性，選擇31個?。ㄗ灾螀^(qū)、直轄市）2014—2018年的樣本指標數(shù)據(jù)構(gòu)造平衡面板數(shù)據(jù)，變量說明見表1。

表1 變量符號與含義描述

（三）實證結(jié)果與分析

1.變量描述性統(tǒng)計分析

各變量的描述性統(tǒng)計結(jié)果如表2 所示。由統(tǒng)計結(jié)果可知，民間借貸發(fā)案率（MF）平均值為6.85件/萬人，但從極值數(shù)據(jù)看，地區(qū)之間差異較大，民間借貸發(fā)案率最高達22.56 件/萬人，而最低的地區(qū)僅為0.31 件/萬人。從時序數(shù)據(jù)看，民間借貸發(fā)案率上升態(tài)勢明顯，2018年平均發(fā)案率為9.47 件/萬人，較2014年累計增長180.2%。各省數(shù)字普惠金融總指數(shù)（X）平均水平為240.5，標準差為48.44，說明不同地區(qū)之間的數(shù)字普惠金融發(fā)展差距較大，最大值為378，是最小值的2.6倍。分地區(qū)看，東部省份數(shù)字普惠金融發(fā)展較好。以2018年為例，數(shù)字普惠金融指數(shù)位居前十名的省份中，有8 個屬于東部地區(qū)，其中上海位居第一位，數(shù)字普惠指數(shù)達377.7，是位居最低的青海省的1.4 倍。從時序數(shù)據(jù)看，2014—2018年，數(shù)字普惠金融總指數(shù)從179.9上升至300.3，累計增長166.9%。

表2 變量描述性統(tǒng)計

2.模型回歸估計與結(jié)果分析

（1）數(shù)字普惠金融指數(shù)對民間借貸風(fēng)險的回歸結(jié)果分析

基于模型（1），利用Stata15 分析軟件，采用面板數(shù)據(jù)固定效應(yīng)模型進行了回歸分析，結(jié)果列于表3。結(jié)果顯示：從總體看，數(shù)字普惠金融總指數(shù)（X）與居民債務(wù)風(fēng)險之間存在顯著正相關(guān)關(guān)系。數(shù)字普惠金融總指數(shù)的估計值為0.04，且在1%的顯著性水平下顯著，說明數(shù)字普惠金融指數(shù)提升1個單位，將導(dǎo)致民間借貸發(fā)案率上升0.04個單位。

由于數(shù)字普惠金融指數(shù)是一個多維度的指標體系，根據(jù)假設(shè)2，進一步驗證三個不同維度指標對于居民債務(wù)風(fēng)險的影響。從表3 中列（2）—（4）的數(shù)字普惠金融分項指數(shù)與居民債務(wù)風(fēng)險的回歸結(jié)果看，數(shù)字普惠金融覆蓋廣度指數(shù)（X1）、數(shù)字普惠金融使用深度指數(shù)（X3）對于民間借貸風(fēng)險存在顯著的提升作用，而數(shù)字普惠金融數(shù)字化程度指數(shù)（X2）對于民間借貸風(fēng)險不存在顯著的相關(guān)關(guān)系。其中，覆蓋廣度指數(shù)（X1）、使用深度指數(shù)（X3）的估計值分別為0.04、0.03，且均在1%的顯著性水平下顯著。這說明隨著數(shù)字普惠金融供給服務(wù)面的推廣（如支付寶用戶和綁定銀行卡數(shù)量增多）和使用深度的加深（如支付及消費信貸筆數(shù)和金額增加），存在過度拓展用戶的情況，一些不具備償債能力的群體被誘導(dǎo)過度消費和舉債，并造成了債務(wù)違約風(fēng)險。數(shù)字化程度指數(shù)（X2）與居民債務(wù)風(fēng)險不存在顯著的相關(guān)關(guān)系。由于數(shù)字化程度指標主要是體現(xiàn)數(shù)字普惠金融用戶的便利性、低成本和信用化方面，如移動支付占比、二維碼支付占比、個人貸款利率、信用免押占比等。表明移動支付、二維碼這些技術(shù)進步本身是風(fēng)險中性的，并不必然提高債務(wù)風(fēng)險，降低居民融資成本和信用成本，也不會導(dǎo)致信用風(fēng)險上升。

表3 數(shù)字普惠金融指數(shù)對民間借貸風(fēng)險的回歸結(jié)果統(tǒng)計

控制變量方面，銀行不良貸款率（NPLR）的估計系數(shù)為正，且在1%的顯著水平下顯著，這表明銀行不良貸款率與民間借貸風(fēng)險呈正相關(guān)關(guān)系。銀行不良貸款率越高，民間借貸風(fēng)險發(fā)生概率也就越高。銀行不良貸款率每提高1 個單位，民間借貸發(fā)案率將上升1.19 個單位。人均GDP 在模型（1）的估計系數(shù)為正，但并不顯著，而在列（2）—（4）中估計系數(shù)為正，且分別在10%、1%、5%的顯著性水平下顯著，說明經(jīng)濟發(fā)展水平與地區(qū)民間借貸風(fēng)險呈現(xiàn)一定程度的正相關(guān)關(guān)系。經(jīng)濟發(fā)達地區(qū)對應(yīng)的民間借貸行為越活躍，民間借貸風(fēng)險發(fā)生概率也就越高。貸存比（LDR）的估計系數(shù)為負，且在1%的顯著性水平下顯著，說明貸存比越高，對應(yīng)的民間借貸風(fēng)險發(fā)生概率越低。居民消費價格指數(shù)（CPI）的估計系數(shù)在10%的顯著性水平下顯著為正，說明居民消費價格水平越高，民間借貸風(fēng)險發(fā)生概率也就越高。GDP增速的系數(shù)為負，但并不顯著。

（2）使用深度的二級維度指標對居民債務(wù)風(fēng)險的回歸分析

在數(shù)字普惠金融指數(shù)中，使用深度是包含內(nèi)容最豐富的維度，包括支付、貨幣基金、信貸、保險、投資、信用等6 個二級維度指標。近年來，隨著使用廣度逐步接近總?cè)丝诘纳舷蓿褂蒙疃鹊耐卣挂呀?jīng)成為數(shù)字普惠金融指數(shù)增長的主要驅(qū)動力。進一步對數(shù)字普惠金融使用深度的二級維度指數(shù)與居民債務(wù)風(fēng)險之間的關(guān)系進行了研究，回歸結(jié)果見表4 的列（1）—（6）。結(jié)果顯示：所有二級維度指標均與民間借貸發(fā)案率正相關(guān)，且在1%的顯著性水平下顯著。其中與融資活動聯(lián)系最密切的兩個指數(shù)：支付指數(shù)和信貸指數(shù)回歸系數(shù)最高，分別為0.04 和0.05，即支付指數(shù)和信貸指數(shù)每提高1 個單位，分別導(dǎo)致民間借貸發(fā)案率上升0.04 個單位和0.05 個單位。貨幣基金指數(shù)回歸系數(shù)為0.03，投資指數(shù)、保險指數(shù)和信用指數(shù)的回歸系數(shù)均在0.01左右。這表明數(shù)字普惠金融使用深度的各分項指數(shù)均與居民債務(wù)風(fēng)險顯著正相關(guān)，但各分項指標的影響力隨著與融資活動的緊密程度下降而遞減。居民通過數(shù)字金融產(chǎn)品和互聯(lián)網(wǎng)渠道進行支付的筆數(shù)越多，開展信貸活動（包括互聯(lián)網(wǎng)個人消費貸款和小微經(jīng)營貸款）的頻率越高，越有可能導(dǎo)致居民債務(wù)風(fēng)險上升，而居民投資貨幣基金、保險等低風(fēng)險金融產(chǎn)品對債務(wù)風(fēng)險影響相對較小。

表4 使用深度二級維度指數(shù)對民間借貸風(fēng)險的回歸結(jié)果統(tǒng)計

（四）穩(wěn)健性檢驗①限于篇幅，結(jié)果留存?zhèn)渌鳌?/h3>

為進一步保證結(jié)論的可靠性，對于上述模型進行了穩(wěn)健性檢驗。主要方法包括：一是改變指標口徑。對于被解釋變量，用單位GDP 的民間借貸案件數(shù)量表示。二是增加控制變量。將城鎮(zhèn)化率、三次產(chǎn)業(yè)占比、銀行業(yè)市場結(jié)構(gòu)以及人均受教育年限、民事訴訟案件發(fā)案率等指標作為控制變量進行回歸。三是考慮內(nèi)生性問題，使用動態(tài)面板模型進行估計。為進一步緩解可能的內(nèi)生性，同時也考慮到居民債務(wù)風(fēng)險具有一定的動態(tài)效應(yīng)，即前一期居民債務(wù)違約水平和訴訟案件數(shù)量可能對下一期產(chǎn)生影響，將被解釋變量的滯后一期作為解釋變量加入模型，原有解釋變量和控制變量不變，構(gòu)建相應(yīng)的動態(tài)面板模型，采用系統(tǒng)廣義矩（System GMM）估計方法進行分析。檢驗結(jié)果表明，解釋變量的符號、系數(shù)和顯著性沒有重大變化，本文結(jié)果穩(wěn)健可靠。

四、研究結(jié)論和對策建議

基于2014—2018年省級面板數(shù)據(jù)以及中國裁判文書網(wǎng)的數(shù)據(jù)，研究數(shù)字普惠金融與居民債務(wù)風(fēng)險的關(guān)系。研究結(jié)論表明：第一，數(shù)字普惠金融與居民債務(wù)風(fēng)險存在正向的相關(guān)性。第二，不同維度指標對居民債務(wù)風(fēng)險的影響存在差異。數(shù)字普惠金融覆蓋廣度、使用深度指標對居民債務(wù)風(fēng)險存在正向影響，數(shù)字化程度指標對居民債務(wù)風(fēng)險的影響不顯著。第三，作為數(shù)字普惠金融發(fā)展的重要推動力，數(shù)字普惠金融使用深度指標的各項二級維度指標對居民債務(wù)風(fēng)險均有正向影響，其中支付指數(shù)和信貸指數(shù)影響最強。

基于以上結(jié)論，提出以下對策建議：一是完善數(shù)字普惠金融統(tǒng)計體系，確保監(jiān)測結(jié)果的準確客觀和底層數(shù)據(jù)的安全可控。盡快完善數(shù)字普惠金融的統(tǒng)計指標體系和數(shù)據(jù)發(fā)布規(guī)則，建立由金融管理部門主導(dǎo)，學(xué)術(shù)機構(gòu)、傳統(tǒng)金融機構(gòu)及金融科技企業(yè)等共同參與的數(shù)字普惠金融統(tǒng)計監(jiān)測體系，確保監(jiān)測結(jié)果的準確客觀和底層數(shù)據(jù)的安全可控。二是充分考慮數(shù)字普惠金融的正反兩方面影響，切實加強對大型金融科技企業(yè)和互聯(lián)網(wǎng)金融平臺的監(jiān)管。數(shù)字普惠金融在帶來居民支付融資便利、增加弱勢群體收入、縮小地區(qū)間差距的同時，居民債務(wù)風(fēng)險也隨之提高。應(yīng)努力探索開展有效監(jiān)管的實施路徑，提升監(jiān)管理論的完備性以及實踐的可操作性。特別是對于大型金融科技企業(yè)和互聯(lián)網(wǎng)金融平臺，容易形成在數(shù)字普惠金融領(lǐng)域的“贏家通吃”和“跨界交叉”格局?？山梃b國際經(jīng)驗，既要鼓勵其科技創(chuàng)新，也要一視同仁，加強監(jiān)管，防范資本無序擴張，確保維護公平競爭的市場秩序。三是加強數(shù)字普惠金融的信貸和支付等使用深度領(lǐng)域監(jiān)管，減少因過度負債等行為而產(chǎn)生的金融風(fēng)險。推高居民債務(wù)風(fēng)險的因素主要是數(shù)字普惠金融覆蓋廣度和使用深度維度，特別是使用深度維度下的支付和信貸指標。因此，在推動居民使用數(shù)字普惠金融產(chǎn)品的同時，應(yīng)對網(wǎng)絡(luò)信貸產(chǎn)品和網(wǎng)絡(luò)支付渠道等關(guān)鍵領(lǐng)域加強監(jiān)管，避免居民部門的債務(wù)杠桿率過高和風(fēng)險傳導(dǎo)。同時，相關(guān)機構(gòu)也應(yīng)充分考慮消費者的真實合理需求與風(fēng)險承受能力，避免信貸產(chǎn)品過度營銷。四是繼續(xù)提高普惠金融的數(shù)字化程度，消除對弱勢群體金融服務(wù)的數(shù)字鴻溝。數(shù)字普惠金融的數(shù)字化程度提高與居民債務(wù)風(fēng)險沒有明顯關(guān)系。因此，在守住風(fēng)險底線和公平監(jiān)管的前提下，可繼續(xù)鼓勵支持科技和金融深度融合，提供金融科技應(yīng)用的“試點容錯”空間。此外，應(yīng)推動數(shù)字普惠金融與傳統(tǒng)普惠金融的良性互動，合力消除對弱勢群體金融服務(wù)的數(shù)字鴻溝。