馬彧菲 王媛媛 熊德平

摘? ?要：基于中國家庭金融調(diào)查（CHFS）2013年、2015年、2017年和2019年四期數(shù)據(jù)，構(gòu)建Probit模型和固定效應(yīng)模型分析數(shù)字金融對家庭債務(wù)的影響，并基于近年來金融整治的一個典型樣本——P2P網(wǎng)貸風險專項整治，構(gòu)建強度DID模型探討實行金融整治政策能否有效降低家庭債務(wù)。研究發(fā)現(xiàn)：（1）數(shù)字金融的使用顯著提高了家庭負債概率和債務(wù)水平；（2）金融整治之后，使用數(shù)字金融家庭的債務(wù)水平出現(xiàn)顯著降低；（3）異質(zhì)性分析顯示，金融整治政策對使用數(shù)字金融的家庭的債務(wù)緩解作用，在中西部地區(qū)、貧困家庭和農(nóng)村家庭中更為顯著，在我國打贏脫貧攻堅戰(zhàn)和實施鄉(xiāng)村振興戰(zhàn)略進程中發(fā)揮了有益作用。研究結(jié)論對我國規(guī)范發(fā)展數(shù)字金融、防范金融風險、鞏固拓展脫貧攻堅成果同鄉(xiāng)村振興有效銜接等方面有著重要的政策啟示。

關(guān)鍵詞：數(shù)字金融；家庭債務(wù)；金融整治；脫貧攻堅；鄉(xiāng)村振興

中圖分類號：F832.35? 文獻標識碼：A? 文章編號：1674-2265（2024）02-0064-09

DOI：10.19647/j.cnki.37-1462/f.2024.02.007

一、引言

黨的二十大報告提出：“加強和完善現(xiàn)代金融監(jiān)管，強化金融穩(wěn)定保障體系，依法將各類金融活動全部納入監(jiān)管，守住不發(fā)生系統(tǒng)性風險底線?！奔彝プ鳛閲野l(fā)展的重要基點，家庭金融風險不僅是家庭經(jīng)濟狀況的體現(xiàn)，也是國家金融風險的重要組成部分。根據(jù)國家資產(chǎn)負債表研究中心的數(shù)據(jù)，近年來中國居民的杠桿率迅速增長，從2010年的25%增加到2022年的62%（見圖1）。近十年中國居民杠桿率增量接近35%，居世界首位（見圖2）。在高速增長的同時，結(jié)構(gòu)性差異也應(yīng)該受到重視，因為高收入人群的杠桿率并不高，低收入人群的杠桿率反而很高。西南財經(jīng)大學和中國人民銀行聯(lián)合發(fā)布的《中國家庭金融調(diào)查報告》顯示，30～40歲家庭的房貸總額是其年收入的11倍，但收入最低的五分之一家庭的貸款總額是其年收入的32倍，低收入家庭每年無法用自己的收入支付本息。該報告還顯示，農(nóng)村家庭平均負債36504元，農(nóng)村經(jīng)濟發(fā)展迅速，農(nóng)民支出增長，信貸需求上升，負債的農(nóng)村家庭日益增多，過高的杠桿增加了農(nóng)村家庭的債務(wù)風險。

與此同時，我國數(shù)字金融正以驚人之勢蓬勃發(fā)展，數(shù)字金融服務(wù)走在世界前列。數(shù)字金融給傳統(tǒng)金融帶來了新的生機和活力，但也將風險擴散和滲透到了各個家庭之中。數(shù)字金融通過減少業(yè)務(wù)限制、服務(wù)于“長尾”需求、降低或緩解市場流動性約束、促進消費需求等，進一步增加了農(nóng)村和貧困家庭舉債的概率與債務(wù)規(guī)模，可能加大家庭負債的風險，數(shù)字金融一度出現(xiàn)非法高利放貸、暴力討貸、P2P網(wǎng)貸跑路等亂象，嚴重地擾亂了金融市場的秩序，危及社會的穩(wěn)定。針對這種情況，2016年國務(wù)院辦公廳發(fā)布《互聯(lián)網(wǎng)金融風險專項整治工作實施方案》，對P2P網(wǎng)絡(luò)借貸的問題展開專門整改。中國P2P網(wǎng)貸市場的交易量和借貸余額在2019年末都出現(xiàn)了明顯的下降（見圖3），全國正常運營的P2P網(wǎng)貸平臺數(shù)量跌至343家，較2016年的2568家下降86.64%（見圖4）①，P2P平臺數(shù)呈階梯式下降，從來源上篩選并剔除了高風險和不穩(wěn)定因素，緩解了因數(shù)字金融帶來的家庭負債風險。

以上現(xiàn)象引發(fā)了我們的思考：家庭債務(wù)迅速擴張是否與當前數(shù)字金融的快速發(fā)展有關(guān)？P2P網(wǎng)貸風險專項整治能否有效緩解數(shù)字金融發(fā)展導致的家庭債務(wù)攀升問題。為此，本文利用中國家庭金融調(diào)查（CHFS）數(shù)據(jù)，構(gòu)建計量模型，對上述問題進行研究，旨在為我國降低家庭部門債務(wù)杠桿、維護金融市場穩(wěn)定提供新思路。

二、文獻綜述

（一）數(shù)字金融與家庭債務(wù)

部分學者研究表明，數(shù)字金融在某種程度上提高了居民家庭負債。易行健和周利（2018）[1]認為，隨著金融數(shù)字化快速深入，居民信貸需求、消費傾向和債務(wù)規(guī)模將受到較大影響，數(shù)字金融的發(fā)展增加了家庭的債務(wù)收入比。傅秋子和黃益平（2018）[2]認為，隨著數(shù)字金融的發(fā)展，農(nóng)村生產(chǎn)性貸款需求不斷下降，但在這個過程中農(nóng)村消費信貸需求呈現(xiàn)遞增的趨勢。陳宸等（2022）[3]認為數(shù)字金融通過流動性約束、非理性支出和便利交易三種機制促進了家庭債務(wù)規(guī)模和債務(wù)杠桿率的提高。王海軍（2022）[4]發(fā)現(xiàn)由于數(shù)字金融的信貸軟約束，信貸市場的過度借貸和過度負債會導致家庭債務(wù)膨脹，增加了家庭債務(wù)的脆弱性和不穩(wěn)定性，數(shù)字金融應(yīng)用的擴大和金融數(shù)字化水平的提高是家庭債務(wù)增加的重要原因。

另一部分學者研究表明，數(shù)字金融的發(fā)展可以降低金融排斥，使居民可以更便利地獲得金融產(chǎn)品和服務(wù)，有利于居民增加可支配收入，從而緩解家庭負債問題。李奧等（2022）[5]認為數(shù)字金融有利于縮小數(shù)字鴻溝并緩解信息不對稱問題，并幫助農(nóng)村居民解決過度負債的問題。易行健和張凌霜（2021）[6]認為從普惠的觀點出發(fā)，數(shù)字金融在減少金融排斥、增加居民可支配收入方面起到了積極的作用，從而減少了家庭負債。Gomber等（2017）[7]認為數(shù)字技術(shù)為金融發(fā)展帶來新的機會，大量創(chuàng)新性金融產(chǎn)品和服務(wù)依托數(shù)字金融迅速擴張。程郁等（2009）[8]認為農(nóng)村金融市場的信用限制更加嚴苛，對居民的選擇和期望產(chǎn)生影響，進而造成需求性信用約束。居民向銀行等傳統(tǒng)金融機構(gòu)申請貸款會在一定程度上受到主觀或客觀的貸款限制，而發(fā)展數(shù)字金融可以減少家庭的金融排斥，提高家庭財務(wù)的可用性，緩解家庭債務(wù)問題（傅秋子和黃益平，2018；郭峰和王瑤佩，2020）[2，9]。

（二）數(shù)字金融與金融整治

金融整治是我國金融監(jiān)管的一種常見現(xiàn)象和機制行為，對于金融市場上普遍存在且危害重大的現(xiàn)象，監(jiān)管部門會通過限制和禁止非法活動和風險事件，對相關(guān)行為主體進行行政或刑事處罰來進行整治（馮輝，2020）[10]。

依托各種科技手段，數(shù)字金融為傳統(tǒng)金融業(yè)務(wù)提供了技術(shù)支持，以金融為主、科技為輔的方式為金融業(yè)賦能。在數(shù)字金融促進經(jīng)濟快速穩(wěn)健發(fā)展和推動普惠金融數(shù)字化的同時，監(jiān)管缺位條件下金融過度自由化和創(chuàng)新導致非法集資、高利貸、P2P暴雷、網(wǎng)絡(luò)詐騙、校園貸和“套路貸”等一系列金融亂象和風險事件頻發(fā)，許多家庭陷入債務(wù)危機，影響金融市場的穩(wěn)定和安全。誘導借貸、被動借貸、變相借貸和高息放貸是特別需要注意的幾種典型情況（王海軍，2022）[4]。因此，金融監(jiān)管很有必要（謝平等，2014）[11]。

（三）家庭債務(wù)與金融整治

目前，關(guān)于金融整治與家庭債務(wù)的文獻較少。部分學者研究表明，家庭債務(wù)的擴張需要金融整治。陸岷峰和徐博歡（2018）[12]認為，金融市場信用過度擴張導致過度負債是金融亂象的根源之一，因而需要金融整治。陳瑩和李冬昕（2014）[13]認為，2008年金融危機以來，以家庭為代表的小額借款人過度負債導致還款困難等金融風險，已成為影響許多國家經(jīng)濟平穩(wěn)運行和社會穩(wěn)定的突出問題，因此，金融整治顯得尤為必要。李濤（2017）[14]認為我國民間金融具備典型的高利貸化和高杠桿化特征，造成家庭債務(wù)水平上升，近年來民間借貸的崩潰并沒有停止，引發(fā)了各種金融亂象，金融整治也更加必要。張麗平和任師攀（2022）[15]認為，在消費金融快速發(fā)展的過程中，由于一些消費金融提供者過度逐利，社會責任感淡薄，導致市場出現(xiàn)了裸貸、高利貸、暴力催收等諸多亂象，致使家庭債務(wù)水平上升，也需要進行金融整治。

綜上所述，目前國內(nèi)外研究對數(shù)字金融與家庭債務(wù)的關(guān)系并未達成共識。部分學者認為數(shù)字金融可以緩解流動性約束、擴大消費支出，提高家庭負債可能性；還有一些學者提出，數(shù)字金融能夠降低金融排斥，增加家庭的可支配收入，從而降低家庭的資產(chǎn)負債率。同時，近年來金融亂象頻發(fā)，金融整治日益重要，但是關(guān)于金融整治的研究主要集中于法學領(lǐng)域，對其產(chǎn)生的經(jīng)濟效應(yīng)還研究甚少。本文基于近年來金融整治的一個典型樣本——P2P網(wǎng)貸風險專項整治，使用雙重差分模型，探討金融整治前后，使用數(shù)字金融的家庭與未使用數(shù)字金融的家庭在家庭債務(wù)方面的差別。本文的研究結(jié)合金融領(lǐng)域與法學領(lǐng)域，可以豐富數(shù)字金融及金融整頓領(lǐng)域的相關(guān)研究。

三、理論分析與研究假設(shè)

（一）數(shù)字金融促進家庭債務(wù)增長

數(shù)字金融促進居民家庭債務(wù)增長的機制如下：第一，數(shù)字金融的準入門檻較低，使得長尾群體也能獲得金融服務(wù)，彌補傳統(tǒng)金融供給的不足。通過利用數(shù)字化技術(shù)，金融機構(gòu)可以將海量的零散用戶信息進行整合，對用戶進行信用評價，減少信息不對稱度（何婧和李慶海，2019）[16]，使那些不能享受傳統(tǒng)金融服務(wù)的弱勢群體也能夠獲得信貸支持。第二，數(shù)字金融促進了消費，增加了居民負債的可能性。一方面，數(shù)字金融具有成本低、效率高、覆蓋更廣泛的特點，可以提高金融的普惠性（何宗樾和宋旭光，2020）[18]，滿足了居民家庭多元化的金融需求，為用戶提供更為便捷的金融服務(wù)，讓使用者在融資過程中獲得更多便利，緩解用戶的流動性約束，大幅釋放了被抑制的消費需求 （易行健和周利，2018；張勛等，2020）[1，17]，增加了居民負債的可能性。另一方面，數(shù)字金融的便利性直接促進了以債務(wù)為導向的家庭變現(xiàn)。數(shù)字支付的便捷使我們的社會進入了去現(xiàn)金時代。人們對現(xiàn)金的交易需求減少，這加速了居民的交易頻率和非理性消費。手機支付的速度和便利性有了明顯提高，無形中促進了居民的消費，數(shù)字貨幣形態(tài)在一定程度上減弱了用戶對現(xiàn)金損失的心理落差和敏感性，導致家庭債務(wù)增加。據(jù)此，本文提出如下假設(shè)：

假設(shè)1：數(shù)字金融的使用會顯著提高家庭的負債概率與債務(wù)水平。

（二）金融整治有效降低使用數(shù)字金融家庭的債務(wù)

P2P網(wǎng)貸風險專項整治作為近年來金融整治的一個典型樣本（馮輝，2020）[10]，在數(shù)字金融加大了部分家庭債務(wù)風險的情況下，能有效降低家庭部門的負債概率和債務(wù)水平。P2P網(wǎng)貸產(chǎn)品在金融市場中表現(xiàn)出強勁的普遍性與適用性，用戶不再受時間和空間的局限，通過平臺信用評級即可獲得貸款。由于網(wǎng)絡(luò)借貸具有參與門檻低、線上交易隱蔽性強等特點（馮興元等，2020）[19]，使得家庭債務(wù)攀升。金融整治通過限制業(yè)務(wù)規(guī)模和規(guī)范交易規(guī)則，追究相關(guān)主體行政或刑事責任及重構(gòu)相關(guān)市場，規(guī)范網(wǎng)絡(luò)市場環(huán)境。一方面，金融整治從供給端規(guī)范網(wǎng)貸的發(fā)展。以強制性、禁止性內(nèi)容為核心的網(wǎng)貸整治能夠遏制風險源頭（馮輝，2020）[10]，從可獲貸款途徑中篩選并剔除網(wǎng)貸市場中的高風險和不穩(wěn)定因素，提高金融行業(yè)準入門檻，清理不具備長期經(jīng)營實力的金融企業(yè)，確保剩余金融企業(yè)能持牌經(jīng)營。監(jiān)管部門還深入了解金融創(chuàng)新活動，及時發(fā)現(xiàn)其中隱藏的風險，規(guī)范金融創(chuàng)新（賈清，2019）[20]。另一方面，金融整治從需求端規(guī)范居民家庭的借貸行為。金融市場的復雜性、多樣性導致我國金融監(jiān)管往往處于滯后狀態(tài)，家庭金融風險意識不強，金融整治能夠?qū)φ麄€社會形成威懾，規(guī)范居民家庭行為，遏制數(shù)字金融導致的家庭過度授信、過度貸款問題，緩解家庭過度負債問題，降低家庭的債務(wù)水平。據(jù)此，本文提出如下假設(shè)：

假設(shè)2：金融整治之后，使用數(shù)字金融的家庭的債務(wù)水平顯著降低。

（三）金融整治效果存在異質(zhì)性

家庭的負債行為和決策具有鮮明的群體差異性特點（吳衛(wèi)星等，2013）[21]，同時，負債決策還具有一定的慣性，即過去的負債情況會影響一個家庭當前和未來的負債決策，具體表現(xiàn)為高負債家庭更傾向于繼續(xù)負債（Canakci，2021）[22]，家庭背負的債務(wù)和金融風險不斷積累。因此，金融整治對家庭債務(wù)的影響效果也因群體的不同而不同。數(shù)字金融的發(fā)展拓寬了金融服務(wù)的范圍，使得金融服務(wù)對于普通居民來說更加觸手可及，加之國家政策向“三農(nóng)”傾斜，農(nóng)村居民和低收入人群的金融需求不再僅限于資產(chǎn)端的收益，也開始進入信貸市場，農(nóng)村和貧困家庭的負債也在逐漸增加（尹志超和張?zhí)枟潱?018）[23]。但是，農(nóng)村經(jīng)濟發(fā)展過程中存在“金融排斥”現(xiàn)象，農(nóng)村居民受教育程度、收入和金融素養(yǎng)偏低，易受到信貸約束，面對緊急情況時的應(yīng)急儲蓄可能不足。因此，農(nóng)村家庭和貧困家庭更容易陷入“以貸還貸”的惡性循環(huán)（張華泉和申云，2019）[24]。實行金融整治后，這一惡性循環(huán)將能夠得到有效緩解。由于貧困人口在我國地區(qū)之間分布不平衡，東部地區(qū)農(nóng)村貧困發(fā)生率遠低于中部和西部地區(qū)。我國東部地區(qū)的經(jīng)濟更為發(fā)達，人們的生活條件更富裕，進行線上貸款的可能性更低。而我國的大部分貧困家庭集中在中西部地區(qū)，經(jīng)濟和金融發(fā)展程度不高，居民受到的流動性約束更大，更容易使用不合規(guī)的網(wǎng)絡(luò)貸款，增加家庭債務(wù)風險，金融整治政策的出臺對這些家庭起到了警示作用，對其家庭債務(wù)的緩解作用更大。據(jù)此，本文提出如下假設(shè)：

假設(shè)3：金融整治政策對使用數(shù)字金融家庭的債務(wù)水平的緩解作用具有區(qū)域和群體異質(zhì)性，在中西部地區(qū)、貧困家庭和農(nóng)村家庭中緩解作用更大。

四、研究設(shè)計

（一）數(shù)據(jù)來源

本文使用的數(shù)據(jù)來自CHFS 2013年、2015年、2017年和2019年的數(shù)據(jù)，該項目由西南財經(jīng)大學開展。該數(shù)據(jù)的人口特征與普查結(jié)果非常接近，數(shù)據(jù)質(zhì)量高，樣本代表性好（甘犁等，2015）[25]。在處理了具有嚴重缺失值和異常值的樣本后，本文共獲得4975戶家庭的四期數(shù)據(jù)，共計19900個觀測值。

（二）變量定義

1. 被解釋變量：家庭債務(wù)。參考張自然和祝偉（2019）[26]對家庭負債行為的衡量方法，本文從兩個方面來測度家庭債務(wù)。一是家庭是否負債（ifdebt），根據(jù)家庭債務(wù)總額是否大于0來判斷。當債務(wù)總額大于0時，賦值為1；反之賦值為0。二是家庭負債的程度，具體用債務(wù)收入比（ratioDI）來衡量，即家庭總債務(wù)與家庭總收入之比，同時，從收入角度衡量可能忽視了家庭總體財產(chǎn)情況，因此，構(gòu)建債務(wù)資產(chǎn)比（ratioDA）指標，即家庭總債務(wù)與家庭總資產(chǎn)之比，使用這兩個指標共同反映家庭債務(wù)相對規(guī)模。

2.? 解釋變量：數(shù)字金融（DF）。參照何婧和李慶海（2019）[16]的研究，本文主要從數(shù)字支付、數(shù)字理財、數(shù)字信貸三個角度考察數(shù)字金融在家庭中的應(yīng)用。對于2013—2019年使用過這三項中任意一項的居民家庭，DF賦值為1，一直未使用過數(shù)字金融的家庭DF賦值為0。

3. 控制變量。參考已有文獻中提出的可能對家庭債務(wù)造成影響的因素，本文選取的控制變量包括三個層面：戶主層面、家庭層面和地區(qū)層面。戶主層面包括性別（gender）、年齡（age）、年齡平方（age2）和婚姻狀況（marriage）。家庭層面包括房產(chǎn)數(shù)量（house）、少兒撫養(yǎng)比（ratioyoung）、家庭的總資產(chǎn)（asset）、總收入（income）和凈資產(chǎn)（NA）。地區(qū)層面包括人均GDP（GDP）和金融發(fā)展水平（finance）。所有變量的定義和描述性統(tǒng)計見表1。

由表1可知，樣本中有31.87%的家庭存在負債，與歐美等發(fā)達國家相比，我國存在負債的家庭比例較低，但隨著居民家庭貸款需求的上升，這一比例會進一步上升。債務(wù)收入比均值為1.0514，表明家庭債務(wù)超過了家庭收入，家庭債務(wù)風險值得關(guān)注和警惕。數(shù)字金融均值為0.1662，表明數(shù)字金融在我國的普及度還不高。從戶主特征來看，戶主平均年齡為57歲，大部分為已婚男性。從家庭特征來看，樣本家庭的年平均收入為3.82萬元，平均凈資產(chǎn)為13.74萬元。

（三）模型設(shè)計

1. 基準回歸。本文使用Probit和固定效應(yīng)模型分別就數(shù)字金融對居民家庭是否負債、債務(wù)收入比和債務(wù)資產(chǎn)比的影響進行基準回歸。在檢驗數(shù)字金融對居民家庭是否負債的影響時，通過Probit模型進行回歸檢驗：

[ifdebtipt=α0+α1DFipt+α2Xipt+λp+μt+εipt]? （1）

在檢驗數(shù)字金融對家庭債務(wù)收入比、債務(wù)資產(chǎn)比的影響時，通過固定效應(yīng)模型進行回歸檢驗：

[ratioDIipt/ratioDAipt=β0+β1DFipt+β2Xipt+λp+μt+εipt]? （2）

[ifdebtipt]表示家庭是否負債，[ratioDIipt]表示家庭的債務(wù)收入比，[ratioDAipt]表示家庭債務(wù)資產(chǎn)比，[DFipt]表示數(shù)字金融。下標[i]代表家庭個體，下標[p]代表家庭所在省份，下標[t]代表年份。[Xipt]為包含各戶主層面、家庭層面和地區(qū)層面的控制變量。[λp]與[μt]分別固定了省份與時間。[εipt]為隨機擾動項。

2. 強度DID模型。2016年國務(wù)院辦公廳發(fā)布《互聯(lián)網(wǎng)金融風險專項整治工作實施方案》，正式啟動P2P網(wǎng)貸風險專項整治工作。本文的研究范圍為2013—2019年，因此，將2013年、2015年設(shè)置為政策前，2017年、2019年設(shè)置為政策后。

在雙重差分模型中，需要根據(jù)是否受到政策沖擊將樣本劃分為處理組和控制組。如果簡單以家庭在2013年、2015年、2017年和2019年中是否使用過數(shù)字金融，來劃分處理組和對照組，那么將存在以下問題：（1）如果部分家庭在2013年和2015年沒有使用過數(shù)字金融，但在2017年或2019年使用了，將他們劃分為處理組就不太恰當；（2）如果部分家庭2017年或2019年原本想使用數(shù)字金融，但受政策影響實際上未使用，將他們劃分為對照組也不太合理。因此，更恰當?shù)奶幚矸绞绞牵禾蕹?017年或2019年使用而在此前未使用過數(shù)字金融的家庭，然后，以2013年和2015年數(shù)字金融的使用量均值作為期初的受處理強度treat，以準確衡量受政策沖擊的強度。

因此，本文采用強度DID模型，更為精準地展示出政策的效應(yīng)，具體的估計模型為：

[ratioDIipt/ratioDAipt=?0+?1treatipt×postt+?2treatipt+?3postt+?4Xipt+λp+μt+εipt]? ?（3）

其中，[treat]為處理強度指標，使用家庭在2013年、2015年使用數(shù)字金融的均值計算得出。[post]=1表示實施P2P網(wǎng)貸風險專項整治政策之后，否則[post]=0。[treat×post]為強度變量與時間變量的交互項，其系數(shù)[?1]代表實施P2P網(wǎng)貸風險專項整治政策后對使用數(shù)字金融家庭的債務(wù)的影響。其余變量含義與模型（1）和（2）一致。此外，被解釋變量是虛擬變量可能會導致雙重差分估計結(jié)果有偏，因此，在進行雙重差分估計的時候，將不再保留家庭是否負債這一虛擬變量。

五、實證分析

（一）基準回歸

表2展示了數(shù)字金融的使用對居民家庭債務(wù)的影響。表2第（1）—（2）列呈現(xiàn)出了數(shù)字金融對家庭是否負債影響的估計結(jié)果，回歸結(jié)果顯示，隨著年份固定效應(yīng)、省份固定效應(yīng)的加入，數(shù)字金融的系數(shù)顯著為正，證明了數(shù)字金融的使用會增加家庭負債的概率。表2第（3）—（6）列呈現(xiàn)了數(shù)字金融的使用對家庭債務(wù)收入比和家庭債務(wù)資產(chǎn)比的影響，回歸結(jié)果顯示，隨著年份固定效應(yīng)、省份固定效應(yīng)的加入，數(shù)字金融的系數(shù)顯著為正，證明了居民使用數(shù)字金融會增加家庭債務(wù)收入比和債務(wù)資產(chǎn)比。因此，本文假設(shè)1成立。

（二）平行趨勢檢驗

雙重差分模型一般需要在滿足平行趨勢假設(shè)的前提下使用，也就是在政策未實施的情況下，實驗組與對照組的發(fā)展趨勢并不存在顯著差異，本文參考Amore和Bennedsen（2013）[27]的做法，利用事件研究法分別在基準模型基礎(chǔ)上加入是否實施P2P網(wǎng)貸風險專項整治政策的前后2期的時間虛擬變量與處理變量的交互項進行平行趨勢檢驗。為了避免完全共線性，我們以回歸中政策實施前1期作為基準組，具體模型設(shè)置如下：

[ratioDIipt/ratioDAipt=φ0+φ1treatip×post-3+φ2treatip×post1+φ3treatip×post3+λp+μt+εipt]? （4）

其中，[post]為各期時間虛擬變量。[φ1]為政策實施前的效果，[φ2]、[φ3]為政策實施后的效果，其余變量含義與前文模型相同。如果實施政策前的系數(shù)不顯著，則說明平行趨勢成立。由表3可知，政策實施前變量[treat×post-3]的系數(shù)均不顯著，滿足平行趨勢假設(shè)，即政策實施前，實驗組和控制組不存在顯著的差異。

（三）強度DID回歸

本文探究金融整治對使用數(shù)字金融家庭的債務(wù)的影響，基于近年來金融整治的一個典型樣本——P2P網(wǎng)貸風險專項整治，運用強度DID模型，對CHFS四期面板數(shù)據(jù)進行回歸。表4的列（1）、列（2）和列（3）、列（4）分別為被解釋變量為債務(wù)收入比、債務(wù)資產(chǎn)比時的回歸結(jié)果。結(jié)果表明，金融整治政策的實施能夠顯著降低使用數(shù)字金融的家庭的債務(wù)水平。因此，本文假設(shè)2成立。

（四）穩(wěn)健性檢驗

1. 更換回歸模型。考慮到債務(wù)收入比和資產(chǎn)負債比指標分布具有明顯的右側(cè)截斷特征，本文采用適合右側(cè)截斷分布的Tobit模型替代基準回歸中的固定效應(yīng)模型，以避免因估計方法選擇的偏誤而對核心結(jié)論造成干擾，回歸結(jié)果見表5。研究發(fā)現(xiàn)，在Tobit估計模型下，交互項的回歸系數(shù)仍顯著為負，說明模型的選擇偏差不會干擾本文的核心結(jié)論，即金融整治政策能夠降低使用數(shù)字金融的家庭的債務(wù)水平這一結(jié)論具有穩(wěn)健性。

2. 安慰劑檢驗。本文通過反事實的方法來檢驗對照組和實驗組是否具有共同的趨勢，由表6可知在假定政策時間為2018年的條件下，交互項系數(shù)都不顯著。因此，本文的實驗組和對照組存在共同趨勢，即滿足使用雙重差分模型的前提，進一步證明了金融整治政策能夠降低使用數(shù)字金融的家庭的債務(wù)水平這一結(jié)論的穩(wěn)健性。

六、進一步分析

目前，我國經(jīng)濟發(fā)展正處在鞏固拓展脫貧攻堅成果同鄉(xiāng)村振興有效銜接的進程中，巨大的資金需求為農(nóng)村金融提供了新的增長點。在大數(shù)據(jù)智能化的時代，數(shù)字金融的發(fā)展可以為農(nóng)村金融和農(nóng)村經(jīng)濟發(fā)展提供新的平臺。然而，數(shù)字金融在農(nóng)村貧困群體和經(jīng)濟不發(fā)達地區(qū)群體中的發(fā)展仍面臨技術(shù)支持、風險監(jiān)管等多重挑戰(zhàn)，因此，本文從收入、地區(qū)、城鄉(xiāng)三個方面進行異質(zhì)性檢驗，探討金融整治在我國打贏脫貧攻堅戰(zhàn)和實施鄉(xiāng)村振興戰(zhàn)略的歷史進程中是否發(fā)揮了有益作用。

（一）金融整治在數(shù)字金融賦能脫貧攻堅中的防范風險作用

2015年11月中共中央 、國務(wù)院做出《關(guān)于打贏脫貧攻堅戰(zhàn)的決定》，2020年脫貧攻堅取得全面勝利。本文樣本數(shù)據(jù)中2017年和2019年正好處于我國脫貧攻堅期間，因此，將全樣本分為貧困和非貧困兩個子樣本分別進行回歸，探討金融整治是否起到賦能脫貧攻堅的作用。具體而言，從樣本家庭2013年是否貧困，以及2013年、2015年是否同時貧困兩個角度進行劃分②。我國農(nóng)村貧困標準2013年現(xiàn)價為每人每年生活水平2736元，2015年為2855元。

回歸結(jié)果見表7和表8，交互項系數(shù)在貧困家庭中顯著，在非貧困家庭中不顯著，表明金融整治政策對使用數(shù)字金融的貧困家庭債務(wù)的緩解作用更大?？赡苁且驗橄啾确秦毨Ъ彝ィ毨Ъ彝ポ^難獲得正規(guī)金融資源，受到的流動性約束更大，更可能會進行網(wǎng)貸，產(chǎn)生負債的可能性更大，金融整治政策起到了一定的風險防范作用，對家庭債務(wù)的緩解作用更大。

由于貧困人口在我國地區(qū)之間的分布不平衡，東部地區(qū)農(nóng)村貧困發(fā)生率遠低于中部和西部地區(qū)，本文將樣本劃分為東部和中西部地區(qū)的兩個子樣本分別進行回歸③。表9的回歸結(jié)果表明，金融整治政策對于各地區(qū)的家庭債務(wù)均存在負向影響，但僅有中西部地區(qū)的回歸結(jié)果顯著，這可能是由于中國東部地區(qū)的經(jīng)濟更為發(fā)達，人們的生活條件更富裕，進行網(wǎng)貸的可能性更低。而我國的大部分貧困家庭集中在中西部地區(qū)，當?shù)亟?jīng)濟和金融發(fā)展程度不高，居民受到的流動性約束更大，更容易進行網(wǎng)貸，增加家庭債務(wù)風險，金融整治政策對這些家庭起到了警示作用，對家庭債務(wù)的緩解作用更大。

（二）金融整治在數(shù)字金融賦能鄉(xiāng)村振興中的風險防范作用

黨的二十大報告提出：“全面建設(shè)社會主義現(xiàn)代化國家，最艱巨最繁重的任務(wù)仍然在農(nóng)村。”因此，在鞏固拓展脫貧攻堅成果的同時，要落實鄉(xiāng)村振興戰(zhàn)略，以鄉(xiāng)村振興為契機，推進農(nóng)村相對貧困的治理，拓寬相對貧困的治理渠道。本文按照家庭所在區(qū)域，將樣本劃分為城鎮(zhèn)家庭和農(nóng)村家庭，探討金融整治在推進鄉(xiāng)村振興戰(zhàn)略中的作用。表10的回歸結(jié)果顯示，交互項系數(shù)在農(nóng)村家庭中顯著，在城鎮(zhèn)家庭中不顯著，表明金融整治政策對使用數(shù)字金融的農(nóng)村家庭債務(wù)的緩解作用更大。這可能是因為與城鎮(zhèn)家庭相比，農(nóng)村家庭普遍受到更強的金融排斥。在正規(guī)金融可得性較低的情況下，農(nóng)村家庭更傾向于通過非正規(guī)金融、民間借貸甚至高利貸進行融資，這更容易增加家庭債務(wù)風險，金融整治治理了一系列金融亂象，對家庭債務(wù)風險的緩解作用更大。綜上，本文假設(shè)3成立。

七、研究結(jié)論與建議

本文基于CHFS 2013年、2015年、2017年和2019年四期數(shù)據(jù)，從微觀角度出發(fā)構(gòu)建Probit和固定效應(yīng)模型，分析數(shù)字金融對家庭債務(wù)的影響，并基于近年來金融整治的一個典型樣本——P2P網(wǎng)貸風險專項整治，構(gòu)建強度DID模型，探討金融整治能否有效降低家庭債務(wù)。通過實證分析，得出以下結(jié)論：第一，數(shù)字金融的使用會顯著提高家庭的負債概率與債務(wù)水平；第二，強度DID模型回歸結(jié)果顯示，2016年實施的P2P網(wǎng)貸風險專項整治對使用數(shù)字金融的家庭的債務(wù)水平起到了顯著的緩解作用；第三，異質(zhì)性分析結(jié)果顯示，金融整治政策對使用數(shù)字金融的家庭的債務(wù)水平的緩解作用在貧困家庭、中西部地區(qū)家庭和農(nóng)村家庭中更為顯著，在我國打贏脫貧攻堅戰(zhàn)和實施鄉(xiāng)村振興戰(zhàn)略進程中發(fā)揮了有益作用。

基于以上結(jié)論，為了提高金融整治政策的監(jiān)管質(zhì)效，緩解數(shù)字金融對家庭債務(wù)的促進效應(yīng)，維護宏觀金融系統(tǒng)穩(wěn)定，本文提出以下政策建議：第一，規(guī)范數(shù)字金融發(fā)展，防范家庭債務(wù)風險。一方面，規(guī)范數(shù)字平臺發(fā)展，守住不發(fā)生系統(tǒng)性風險底線，推進數(shù)字金融有序發(fā)展；另一方面，平衡創(chuàng)新與風險的關(guān)系，完善風險預警機制，加強征信體系建設(shè)，強化對弱勢群體家庭部門的風險監(jiān)測。第二，完善金融監(jiān)管體系，把握金融整治力度。一方面，深化金融監(jiān)管體制機制改革，對數(shù)字金融實施精細化監(jiān)管，推動監(jiān)管科技的發(fā)展；另一方面，時刻關(guān)注金融整治效果，掌握好整治力度，發(fā)揮好金融整治的綜合功能。第三，增強家庭風險防控意識，助推數(shù)字金融協(xié)調(diào)發(fā)展。一方面，合理控制低收入群體和農(nóng)村群體的金融供給，緩解家庭金融排斥，引導家庭適度參與金融市場；另一方面，提升居民金融素養(yǎng)，增強家庭風險防控意識，提倡合理消費，理性借貸。

注：

①數(shù)據(jù)來源于網(wǎng)貸之家研究中心。

②劃分標準參考國家統(tǒng)計局住戶調(diào)查辦公室《中國農(nóng)村貧困監(jiān)測報告》（2016）。

③東部地區(qū)包括上海、浙江、江蘇、山東、天津、北京、河北、遼寧和廣東；中西部地區(qū)包括江西、安徽、湖北、湖南、河南、山西、吉林、黑龍江、陜西、貴州、重慶、四川、甘肅、青海、云南、廣西。

參考文獻：

[1]易行健，周利.數(shù)字普惠金融發(fā)展是否顯著影響了居民消費——來自中國家庭的微觀證據(jù) [J].金融研究，2018，（11）.

[2]傅秋子，黃益平.數(shù)字金融對農(nóng)村金融需求的異質(zhì)性影響——來自中國家庭金融調(diào)查與北京大學數(shù)字普惠金融指數(shù)的證據(jù) [J].金融研究，2018，（11）.

[3]陳宸，方芳，張樂.數(shù)字普惠金融、收入水平與家庭負債 [J].經(jīng)濟經(jīng)緯，2022，39（01）.

[4]王海軍.數(shù)字金融助推了家庭債務(wù)風險嗎？——基于CFPS的微觀證據(jù) [J].國際金融研究，2022，（07）.

[5]李奧，桑晨穎，呂勇斌.數(shù)字普惠金融與農(nóng)戶家庭過度負債——基于中國家庭金融調(diào)查數(shù)據(jù)的經(jīng)驗分析 [J].金融教育研究，2022，35（01）.

[6]易行健，張凌霜.數(shù)字普惠金融對家庭資產(chǎn)負債率的影響——基于家庭微觀數(shù)據(jù)的實證估計 [J].福建論壇（人文社會科學版），2021，（02）.

[7]P Gomber，JA Koch，M Siering. 2017. Digital Finance and FinTech：Current Research and Future Research Directions [J]. Journal of Business Economics，55（5）.

[8]程郁，韓俊，羅丹.供給配給與需求壓抑交互影響下的正規(guī)信貸約束：來自1874戶農(nóng)戶金融需求行為考察[J].世界經(jīng)濟，2009，（05）.

[9]郭峰，王瑤佩.傳統(tǒng)金融基礎(chǔ)、知識門檻與數(shù)字金融下鄉(xiāng) [J].財經(jīng)研究，2020，46（01）.

[10]馮輝.金融整治的法律治理——以“P2P網(wǎng)貸風險專項整治”為例 [J].法學，2020（12）.

[11]謝平，鄒傳偉，劉海二.互聯(lián)網(wǎng)金融監(jiān)管的必要性與核心原則 [J].國際金融研究，2014，（08）.

[12]陸岷峰，徐博歡.金融亂象與金融治理——基于改革開放40年金融整治經(jīng)驗 [J].財經(jīng)科學，2018，6（10）.

[13]陳瑩，李冬昕.小額借貸者過度負債：問題與治理[J].江西社會科學，2014，34（12）.

[14]李濤.中國式民間金融亂象之謎：反思與重建 [J].經(jīng)濟體制改革，2017，4（01）.

[15]張麗平，任師攀.促進消費金融健康發(fā)展? 助力釋放消費潛力 [J].管理世界，2022，38（05）.

[16]何婧，李慶海.數(shù)字金融使用與農(nóng)戶創(chuàng)業(yè)行為 [J].中國農(nóng)村經(jīng)濟，2019，（01）.

[17]張勛，楊桐，汪晨，萬廣華.數(shù)字金融發(fā)展與居民消費增長：理論與中國實踐 [J].管理世界，2020，36（11）.

[18]何宗樾，宋旭光.數(shù)字金融發(fā)展如何影響居民消費 [J].財貿(mào)經(jīng)濟，2020，41（08）.

[19]馮興元，燕翔，程萍.中國P2P網(wǎng)絡(luò)借貸行業(yè)的發(fā)展、問題與監(jiān)管 [J].社會科學戰(zhàn)線，2020，（09）.

[20]賈清.金融亂象如何依法整治 [J].人民論壇，2019，（09）.

[21]吳衛(wèi)星，徐芊，白曉輝.中國居民家庭負債決策的群體差異比較研究 [J].財經(jīng)研究，2013，39（03）.

[22]M Canakci. 2021.The Impact of Monetary Policy on Household Debt in China [J].Korea Distribution Science Association，24（4）.

[23]尹志超，張?zhí)枟?金融可及性、互聯(lián)網(wǎng)金融和家庭信貸約束——基于CHFS數(shù)據(jù)的實證研究 [J].金融研究，2018，（11）.

[24]張華泉，申云.家庭負債與農(nóng)戶家庭貧困脆弱性——基于CHIP2013的經(jīng)驗證據(jù) [J].西南民族大學學報（人文社科版），2019，40（09）.

[25]甘犁，尹志超，譚繼軍.中國家庭金融調(diào)查報告（2014） [M].成都：西南財經(jīng)大學出版社， 2015.

[26]張自然，祝偉.中國居民家庭負債抑制消費升級了嗎？——來自中國家庭追蹤調(diào)查的證據(jù) [J].金融論壇，2019，24（08）.

[27]MD Amore，M Bennedsen. 2013. The Value of? Local Political Connections in a Low-Corruption Environment[J].Journal of Financial Economics，110（2）.