数字普惠金融的收入效应与消...报告关于民生福祉视角的阐释_李文秀.pdf

数字普惠金融的收入效应与消费不平等 中共二十大报告关于民生福祉视角的阐释李文秀刘俊杰摘要:缩小收入差距是激发居民消费增长动力的关键。通过匹配 CFPS 微观数据和数字普惠金融指数数据，从民生福祉视角探究数字普惠金融对居民消费和消费不平等的影响。研究结果表明，数字普惠金融对居民消费的提升和消费不平等的收敛具有积极作用。机制分析发现，数字普惠金融通过增加居民人均可支配收入和降低收入不平等程度缓解消费不平等问题。异质性研究发现，在中西部地区的家庭和受教育程度中低水平的家庭中，数字普惠金融的消费促进效应更明显;在中西部地区的家庭和受教育程度较高的家庭中，消费不平等收敛效应更明显。研究结论为如何释放消费潜力，破解消费不平等难题，推进居民消费均衡发展，从而增进民生福祉提供了新视角。关键词:数字普惠金融;增进民生福祉;促进居民消费;收入效应;消费不平等中图分类号:F063 2文献标识码:A文章编号:20971346(2023)01003418一、引言中共中央在十九大报告提出“要完善消费体制机制和增强消费对经济发展的基础性作用”，在 2020 年中央财经委员会第七次会议和中共十九届五中全会深入分析了“双循环格局构建”和“完整内需体系的培育”，中共二十大报告再次强调“要着力扩大内需，增强消费对经济发展的基础性作用以及加快构建国内大循环为主体、国际国内双循环相互促进的新发展格局”。本质上讲，中共中央提出的完善消费体制机制和全面促进消费相关政策目的都是通过促消费来“增进民生福祉，提高人民生活品质”。然而，中国居民消费率自 2000 年以来呈现持续下滑趋势(陈斌开等，2014)，2010 年后得益于互联网快速发展居民消费率逐步上升(曾洁华和钟若愚，2021)，到 2021 年升至 42 9%，但依旧低于 60%的世界平均水平。因此，通过扩大内需、提高消费率来增进民生福祉，提高生活品质迫在眉睫。理论上，流动性约束是制约居民消费的重要因素(Jung and Kim，2019)，而金融发展能收稿日期:20220303基金项目:国家自然科学基金项目(71873040)、2018、2019 年广东普通高校重点科研平台与科研项目(2019WZJD004)。作者简介:李文秀，管理学博士，广东金融学院经济贸易学院教授，研究方向为产业经济和区域经济;刘俊杰，通讯作者，济南大学金融硕士研究生，研究方向为数字金融和数字经济，liujunjie_stu163 com。43够缓解流动性约束，释放消费需求(Tran et al，2018)，最终分散风险以及平滑消费(张勋等，2020)。然而，在以银行业信贷规模扩张为主要标志的金融发展过程中，传统银行基于财务数据、抵押贷款和关系型贷款的风控体系却制约了其对小微企业和贫困地区居民等长尾用户群体的精准风险定价和服务，不利于小微企业技术创新和社会消费规模扩张，进而抑制经济发展(黄益平，2020)。因此，中共十八届三中全会明确提出要发展普惠金融。与传统金融强调金融体系的整体发展和总量扩大不同，普惠金融更注重金融服务的普惠性，即通过提供更为平等和广泛的金融服务，让社会各阶层都能够以合理的成本享受金融红利(李建军等，2020)。普惠金融的发展不仅能带动消费升级，也可缩小城乡收入差距，但受限于交易成本和获得多元化金融服务的门槛等，其对消费的促进作用仍然有限。近年来，随着“加快数字经济发展”在中共中央的政策文件中的多次出现，云计算、大数据、人工智能和区块链等数字技术快速发展，其在推动普惠金融发展所发挥的独特作用得到业内各界越来越多的肯定。而且，在传统金融机构加大普惠金融实践的同时，依托互联网、大数据和云计算等数字技术而发展的数字普惠金融进一步拓宽了普惠金融的触达能力和服务范围(郭峰等，2020)，从就业、消费、收入和创新创业等多方面对实体经济产生重要影响(谢绚丽等，2018)。易行健和周利(2018)认为数字普惠金融能够显著促进居民消费，且这一促进作用在农村地区、中西部地区以及中低收入阶层的家庭更为明显。张勋等(2020)认为，数字普惠金融的消费效应通过提升支付的便利性、缓解流动性约束实现。Agarwal et al(2017)和郭华等(2020)对农村样本，孙玉环等(2021)对城镇样本的研究均表明，数字普惠金融能够显著促进消费。尽管如此，城乡之间、地区之间、不同群体之间的消费差距是居民消费率长期偏低且持续下降的重要原因(南永清等，2020)，而数字普惠金融通过提升农村居民支付速度、扩大信贷规模以及降低预防性储蓄三条路径(Li et al，2020)，能够有效促进家庭经常性支出水平的增加，缩小城乡消费差距(方福前和俞剑，2014)。在推动共同富裕目标的背景下，数字普惠金融对消费结构优化升级的影响逐渐被学者关注。如张彤进和蔡宽宁(2021)采用 20112018 年的宏观数据研究表明，数字普惠金融的发展主要通过收入机制，促进消费升级。江红莉和蒋鹏程(2020)对城乡消费升级异质性分析表明，数字普惠金融能够促进城镇和农村地区消费升级，且在东西部对农村地区消费升级效应更明显。也就是说，金融发展能够缓解居民的流动性约束，促进消费。普惠金融进一步扩大金融服务的范围，满足了长尾群体的金融服务需求。利用数字技术以促进普惠金融服务的数字普惠金融能够提供更低成本、高效率和服务快捷的方案，对居民消费、缩小城乡收入差距以及居民消费升级起到积极作用。那么数字普惠金融推动的消费升级是否为各个阶层带来了平等的消费福利?即数字普惠金融是否对消费不平等起到缓解作用，从而推动居民消费均衡发展。进一步，如果数字普惠金融能够缓解居民消费的不平等，那么其是通过何种渠道影响消费不平等?厘清这一路径对增进民生福祉、提高人民生活品质具有重要现实意义。凯恩斯的绝对收入假说认为，短期内消费取决于收入，随着收入增加消费也会增加，但消费增长低于收入增长。普惠金融致力于为原有被金融体系所排斥的群体提供可得的金融服务，一系列文献表明，普惠金融在缩小城乡收入差距、改善收入分配、减缓贫困、刺激消费以及实现包容性经济增长等方面发挥了积极作用(Chen，2016;黄倩等，2019;张勋等，53数字普惠金融的收入效应与消费不平等2019;杨伟明等，2020)。其中，数字普惠金融的收入效应被广泛讨论。现有研究表明，数字普惠金融能够增加居民收入(黄倩等，2019)，同时收入的增加也会进一步刺激居民消费和缓解消费不平等(陈志刚和吕冰洋，2016)。那么数字普惠金融是否通过收入效应进而缓解消费不平等?综上所述，现有文献对居民消费的探讨主要集中在居民消费水平、城乡居民消费差距以及居民消费升级方面，对整体消费不平等及其影响机制缺少深入探讨，且研究多采用截面数据。据此，本文从微观金融调查数据出发，探究数字普惠金融对居民消费和消费不平等的影响，并进一步从数字普惠金融的收入效应视角探究数字普惠金融对居民消费和居民消费不平等的影响机制。具体而言，首先，本文结合宏观统计数据和微观家庭调查数据，综合使用面板双向固定效应模型和工具变量法，探讨数字普惠金融对居民消费水平和整体居民消费不平等的影响，这是本文的边际贡献之一。其次，本文选用中介效应模型从收入效应这一渠道探究数字普惠金融的收入效应对居民消费水平和消费不平等的改善，进一步完善数字普惠金融促进居民消费和缓解消费不平等的影响机制，这是文章的第二个边际贡献。最后，对区域和受教育程度数字普惠金融的消费效应进行异质性分析，为更好地推进居民消费均衡发展，进而增进民生福祉，提高人民生活品质以及推动迈向共同富裕的居民消费发展提供针对性的政策建议。二、理论分析和研究假说(一)数字普惠金融能够促进居民消费数字普惠金融对居民消费的直接影响体现在为居民提供更加便捷的支付方式和更低的借款门槛和成本，进而满足居民的消费需求。一方面，数字普惠金融可以利用数字技术为居民提供便捷的支付方式。例如，支付宝、微信等第三方支付平台的兴起节省了交易时间，为居民提供了更加便捷的支付环境;日常生活消费、投资理财、闲暇旅游等支付场景的集中，提升了居民的消费体验;指纹、面部识别等技术的发展也使得支付的安全性大大提高。数字支付对家庭消费的刺激效应得到众多文献的支持(Li et al，2020;Hou et al，2021)。另一方面，流动性约束是制约居民消费的重要因素，数字普惠金融利用大数据缓解流动性约束，减少信贷双方的信息不对称程度，降低借款的门槛和成本，进而释放受流动性约束居民的消费潜力。具体而言，利用大数据的数字金融机构能够更加精准地捕捉居民的消费信贷需求，并进行用户画像和风险评估，实现精准放贷，满足居民个性化的服务需求。同时，还能利用大数据风控技术从贷前、贷中和贷后进行全方位监管，降低违约概率，从而降低数字金融机构的成本。成本降低既有利于作为供给方的金融机构加强对消费信贷的支持，又有利于作为需求方的居民增加消费。据此，本文提出假说 1。假说 1:数字普惠金融能够促进居民消费。(二)数字普惠金融能够缓解消费不平等数字普惠金融不仅能够通过便捷支付方式、降低借款门槛和成本来增加居民的消费，还能通过为“长尾人群”提供可得的金融服务，从而降低居民消费不平等。一方面，随着中国金融基础设施建设的完善以及智能手机的普及，数字普惠金融扩大了金融服务范围，数字支付渗透到生活中的方方面面，促使普惠金融的覆盖范围更广，能够惠及被传统金融排斥的“长尾人群”，为其提供消费渠道和消费平台，使其能够获得平等的消费机会。另一方63面，数字普惠金融能够提供个性化的金融服务。大数据等信息技术能够精准归纳和分析“长尾人群”碎片化的消费需求，针对性地提供所需的金融服务，缓解金融机构和消费者之间的信息不对称问题，降低金融机构的搜寻成本和获客成本，降低金融服务成本，进而增加“长尾人群”获取金融服务的可能性。因此，数字普惠金融既能够为“长尾人群”带来便捷的数字支付服务，从而影响居民的消费行为，又能满足其碎片化的服务需求，激发其消费潜力的释放，进而降低整体消费不平等。据此，本文提出假说 2。假说 2:数字普惠金融能够缓解居民消费不平等。(三)数字普惠金融能够通过收入效应促进居民消费和缓解消费不平等数字普惠金融的收入效应已经得到众多文献支持(张勋等，2019;杨伟明等，2020)，而经典的消费函数理论又为收入是消费的决定因素奠定了理论基础。因此，数字普惠金融不仅能够直接促进居民消费水平的提高，还可以通过增加居民的经营性收入、财产性收入和工资性收入间接促进居民消费。首先，数字普惠金融扩大了金融服务的覆盖范围，降低了普惠金融的门槛，使得农户和低收入群体的创业成为可能，进而增加居民的经营性收入。居民收入水平的提高能够扩大消费规模，对消费水平的提高也起到积极作用。数字普惠金融对经营性收入提高主要体现在以下两方面:一方面，数字技术的兴起，使得信用评级的范围更广，缺乏抵押资产的农户和低收入群体能够破除信贷约束，促使其开展创业活动;另一方面，依托互联网、大数据的数字平台能够提供丰富的创业资源和较低的创业成本，更容易激发居民的创业行为，促进信贷资源公平分配，即数字普惠金融对居民创业具有显著促进作用(张林和温涛，2020)，而创业行为又是数字普惠金融改善收入分配的重要机制(杨伟明等，2020)。因此，数字普惠金融能够增加居民的经营性收入。其次，数字普惠金融拓宽了金融的使用深度，能够为居民提供多样化的理财产品和渠道，提高居民预期财产性收入增加的可能性，预期收入的增加同样促进居民消费需求，实现消费平滑。传统理财产品往往针对特定群体，且存在一定的门槛和规则。自 2013 年余额宝这一互联网理财产品出现以来，打破了理财的门槛和规则，使互联网理财成为全民可得的金融服务。数字普惠金融能够利用大数据进行用户画像，为居民提供线上的理财渠道以及基金、保险和信贷等多样化的理财产品。具体而言，数字货币基金能够实现比传统储蓄更高的收益水平;数字保险通过降低疾病、意外以及财产风险增加居民的经济安全;数字信贷缓解了居民即期的流动性约束。由此可见，数字普惠金融通过多样化的理财产品和渠道能够增加居民的财产性收入。最后，数字普惠金融能够运用数字技术缓解小微企业的融资约束，创造更多就业岗位，增加居民的工资性收入。工资性收入在居民所有收入中占比最大，稳定的工资性收入增加能够提振居民消费信心。统计资料显示，小微企业为中国创造了 80%的就业岗位。但是，由于小微企业担保品不足、经营利润不稳定以及抗风险能力不足等原因，难以从传统的金融机构获得贷款以维持生产经营。而依托大数据、云计算等数字技术发展起来的数字普惠金融能够为小微企业提供可得的金融服务。例如，加快贷款审批速度、扩大金融服务的覆盖范围以及利用大数据为小微企业提供信用支持等缓解小微企业“短小频急”的融资需求，缓解流动性约束，进而鼓励小微企业创造更多的就业岗位，增加居民工资性收入。因此，数73数字普惠金融的收入效应与消费不平等字普惠金融能够增加居民的工资性收入。数字普惠金融发展对居民的经营性收入、财产性收入和工资性收入提高起到积极作用。从短期来看，根据凯恩斯的绝对收入假说，收入是消费的函数，居民收入增加会带来居民消费的增加。其中，维持基本生活需求所产生的自发消费与收入无关，而由收入所引起的引致消费会随着收入的增加而上升，即数字普惠金融带来的收入效应能够增加居民的实际购买能力，从而提高居民的消费水平和消费能力。从长期来看，根据杜森贝里的相对收入假说，居民的消费行为存在“棘轮效应”，随着居民收入上升，居民消费也会随之上升，当居民收入下降时，消费却不会随之下降。同时，居民的消费行为还会受到周围人的影响，带来“示范效应”，当数字普惠金融促使周围居民的收入和消费增加时，即使消费者本身收入并没有变化，也会为了维持社会地位等而提高自身消费水平。也就是说，数字普惠金融的收入效应能够增加居民的消费意愿。综上所述，无论是短期还是长期，收入都是消费的决定因素，能够反映居民的实际购买能力，而收入的提高能够促使居民消费能力和消费意愿增加，进而促进居民总体消费水平上升。据此，本文提出假说 3。假说 3:数字普惠金融能够增加居民收入进而促进居民消费。已有学者通过基尼系数、泰尔指数(孙豪等，2019)等方法对消费不平等进行度量和分解，对消费不平等的发展趋势和成因进行分析，研究表明家庭负债(Abe and Yamada，2009)、收入冲击(邹红等，2013)、储蓄动机和跨期选择(揭昌亮和石峰，2015)、机会不平等(孙豪等，2019)、收入不平等(罗娟等，2021)等因素会导致消费不平等。其中，收入不平等是消费不平等的主要成因已基本达成共识，收入不平等会通过预算约束对居民消费产生影响，导致居民消费不平等(邹红等，2013;孙豪等，2019)。消费不平等意味着居民消费发展不均衡，容易导致民生福祉下降，甚至阻碍经济可持续健康发展，而数字普惠金融的发展为破解消费不平等问题带来了契机。长期以来，中国个人金融服务的需求受到压抑，依托数字技术发展起来的数字普惠金融既拥有传统普惠金融的普惠性特征，又有金融科技的加持，能够满足部分低收入和农户等群体的金融服务需求，增加其收入，缓解收入不平等，进而缓解消费不平等。对低收入群体而言，数字普惠金融能够缓解其正规信贷约束，并利用金融科技对低收入人群贷前、贷中和贷后进行完整的风险评估，降低其违约概率。低收入群体可以通过民间借贷渠道进行自我雇佣型创业，提高自身的收入水平。自我雇佣者的收入高于短期工，即自我雇佣的生存型创业可以提高低收入群体的收入水平。对农户而言，由于生产周期长、信用低等因素常常受到融资约束。为此，一些为农户提供资金支持的互联网小额贷款产品应运而生。例如2016 年京东金融开发的“数字农贷”、蚂蚁金服的“旺农贷”等，通过数字化的监管模式为农户和农业生产经营提供整个周期的精准信贷服务，提高农户的经营效率和收入。低收入群体和农户收入的提高，对于收入不平等的缓解具有积极作用。数字普惠金融提高了金融服务的便利性和易得性，能够惠及更多低收入人群，减少贫困，改善收入不平等状况(张呈磊等，2021)。数字普惠金融通过民间借贷和互联网贷款向低收入人群发放贷款，能够增加居民收入，缓解居民收入不平等。收入不平等的缓解能够增强低收入人群和农户的消费意愿。与此同时，收入不平等的降低，也能够缓解预算约束，增加居民消费预期，进而缓解居民的消费不平等。据此本文提出假说 4。83假说 4:数字普惠金融能够通过缓解收入不平等进而降低消费不平等。三、计量模型与变量选取(一)计量模型为了探究数字普惠金融对居民消费和居民消费不平等的影响，本文构建面板双向固定效应模型检验假说 1 和假说 2，见式(1)。Coni，j，t=+indexj，t 1+Xi，j，t+Dj，t 1+i+t+i，t(1)其中，Coni，j，t为第 j 个地区 i 家庭 t 年的居民消费水平和消费不平等指数;indexj，t 1表示第 j 个地区滞后一期的数字普惠金融指数及三个二级指标;Xi，j，t表示户主和家庭层面的控制变量;Dj，t 1表示滞后一期地区的控制变量，包括地区人均 GDP 和地区金融发展水平;i和 t分别代表家户固定效应和时间固定效应;i，t为扰动项。在分析数字普惠金融对居民消费和消费不平等影响的基础上，本文考察收入效应的中介作用。在进行中介效应回归之前，采用面板双向固定效应模型探讨数字普惠金融的收入效应。具体模型如式(2)。Incomei，j，t=+indexj，t 1+Xi，j，t+Dj，t 1+i+t+i，t(2)其中，被解释变量Incomei，j，t为人均收入水平、人均经营性收入、人均财产性收入、人均工资性收入和收入不平等指数，其它变量含义同模型(1)。在对数字普惠金融的收入效应分析后，进一步对收入效应的中介机制进行检验。借鉴张呈磊等(2021)的做法，构建中介效应模型检验数字普惠金融影响居民消费和消费不平等的具体路径。具体模型如式(3)式(5)。Coni，j，t=1+1indexj，t 1+1Xi，j，t+1Dj，t 1+i+t+i，t(3)Incomei，j，t=2+2indexj，t 1+2Xi，j，t+2Dj，t 1+i+t+i，t(4)Coni，j，t=3+3indexj，t 1+4Incomei，j，t+3Xi，j，t+3Dj，t 1+i+t+i，t(5)其中，式(3)是总效应，表示数字普惠金融对居民消费和消费不平等的影响，式(4)是数字普惠金融对中介变量居民收入和收入不平等的影响，式(5)是中介效应估计。(二)数据来源本文主要使用了三类数据。第一类是数字普惠金融指数。该指数由北京大学数字金融研究中心和蚂蚁金服集团共同编制，数据包含省、市和县三级，本文采用地级及以上城市数据。该数据同时包含数字普惠金融指数、数字普惠金融覆盖广度、使用深度和数字化程度三个二级指标。第二类是北京大学中国社会科学调查中心的中国家庭追踪调查(ChinaFamily Panel Studies，CFPS)2014 年、2016 年和 2018 年的数据，样本覆盖 25 个省、市、区(不含新疆、西藏、青海、内蒙古、宁夏、海南以及港澳台)，反映了中国社会、经济、人口、教育和健康的变迁。第三类是宏观数据，来源于中国城市统计年鉴。在样本数据筛选上，将CFPS2014 年、2016 年和 2018 年的家庭、成人和经济数据库分别进行匹配，再进行纵向合并和缺失值处理。在样本时间选择上，考虑 2013 年通常被视为中国数字金融发展的元年，因此，将样本时间选择在 2013 年以后。同时，考虑到 CFPS 数据库是对前一年的调查统计，核心解释变量和宏观控制变量选择滞后一期数据，最终得到 15045 个家庭样本。93数字普惠金融的收入效应与消费不平等(三)变量与描述性统计1 被解释变量。本文的被解释变量为居民消费和消费不平等。对于居民消费，采用家庭人均消费支出作为代理指标;对于居民消费不平等，采用消费基尼系数衡量。CFPS 数据有详细的居民消费支出信息，采用追踪调查也使得 CFPS 数据有较好的可比性。因此，本文采用 CFPS 2014 年、2016 年和 2018 年三期数据衡量一个地区的消费不平等状况，在区县层面利用家庭人均消费支出计算消费基尼系数(周广肃等，2018)，衡量消费不平等。同时，在稳健性检验部分，采用人均消费支出替代总消费，采用家庭人均消费 90 分位数和 10 分位数的比值替代消费不平等。2 核心解释变量。本文的核心解释变量为数字普惠金融指数，采用北京大学数字金融研究中心发布的数字普惠金融指数。在实证分析中不仅考察数字普惠金融总体发展情况对消费不平等的影响，同时考察三个二级指标对消费不平等的影响。将所有指数均除以100，调整为以 1 为基准的变量。3 中介变量。本文的中介变量为收入效应，采用家庭人均收入的对数衡量居民收入，采用收入基尼系数衡量的收入不平等，数据来源于 CFPS 的三期数据。在区县层面利用家庭人均收入计算得到收入基尼系数，衡量收入不平等。为了更好地探究收入效应，根据不同的收入构成，进一步将收入划分为经营性收入、财产性收入和工资性收入，采用人均经营性收入、人均财产性收入和人均工资性收入(取对数)衡量。4 控制变量。参考易行健和周利(2018)的做法，选择以下控制变量:户主特征变量，包括户口性质、户主年龄、受教育程度。家庭特征变量，包括家庭规模、购买医保情况、家庭净资产(取对数)。宏观经济发展变量，以家庭所在地区的人均 GDP 和金融发展程度作为度量指标，人均 GDP 和地区金融发展均取对数，金融发展程度选择年末地区贷款余额占GDP 的比重衡量。具体变量定义与描述性统计见表 1。由表 1 可以看出中国区域的消费基尼系数均值 0 438，消费不平等程度较高;而消费基尼系数最小的地区为 0 217，最大的地区为 0 752，地区之间的消费不平等程度差距较大。表 1变量定义与描述性统计变量名变量含义样本数均值标准差最小值最大值被解释变量lnpce居民消费支出(取对数)15045104300914488313960lnpce1居民人均消费(取对数)1504592090886488312836gini消费基尼系数150450438007002170752P90/P10消费 P90/P101504579443001154823000中介变量income人均收入(取对数)1504590701265069313650lnfoperate人均经营性收入(取对数)1504523434159283312290lnfproperty人均财产性收入(取对数)1504500192965283311670lnfwage人均工资性收入(取对数)1504563704509256513630income_gini收入基尼系数15045045000790198079004续表 1核心解释变量index数字普惠金融总指数150451739044109322854coverage_breadth数字普惠金融覆盖广度150451599044406832671usage_depth数字普惠金融使用深度150451715057207043257digitization_level数字普惠金融数字化程度150451681066704933760控制变量hukou户口性质，若为农业户口赋值为 1，否则为 0150450703045701age年龄1504552030131101895edu受教育程度150451568120004familysize家庭规模1504537931785117medsure_ dum是否购买医保，若是赋值为 1，否则为 0150450942023301lntotal_asset家庭净资产(取对数)14629122901428391218200lnrgdp人均 GDP(取对数)15045107000873487412320lnfinan金融发展水平(取对数)150454870073329147778四、实证检验与分析(一)基准回归本文首先基于面板双向固定效应模型检验数字普惠金融对居民消费水平和消费不平等的直接影响，表 2 是模型(1)的回归结果。表 2 第(1)(4)列是数字普惠金融对居民消费水平的回归结果，逐步加入户主特征、家庭特征和地区层面控制变量之后，数字普惠金融对居民消费水平的影响始终在 1%水平上显著为正，说明数字普惠金融能够显著促进居民消费，假说 1 得到验证。表 2 第(5)(8)列是数字普惠金融对消费不平等的回归结果，逐步纳入户主特征、家庭特征和地区层面控制变量之后，发现数字普惠金融指数对消费不平等的影响均在 1%水平上显著为负。以第(8)列回归结果为例，数字普惠金融指数每提高一个单位，消费基尼系数下降 0 041，说明数字普惠金融能够改善消费不平等状况，假说 2 得到验证。综上所述，数字普惠金融能够促进居民消费和降低居民消费不平等，为推进居民消费均衡发展和助推迈向共同富裕的居民消费提供理论依据。CFPS 问卷中关于受教育程度的选项包括“文盲/半文盲”“小学”“初中”“高中”“中专”“大专”“本科”“硕士研究生”“博士研究生”，本文按照 9 个选项划分受教育程度，将“文盲/半文盲”赋值为 0，“小学”赋值为 1，“初中”赋值为 2，“高中、中专”赋值为 3，“大学及以上”(包括大专、大学、硕士研究生、博士研究生)赋值为 4。CFPS 问卷会从家庭成员问卷中加载出家庭成员人数，例 2018 年为 FML_count。文中数字普惠金融每提高一个单位指代实际数字普惠金融提高一百单位，作者在数据处理中将数字普惠金融指数除以 100，调整为以 1 为基准的变量，下文同。14数字普惠金融的收入效应与消费不平等表 2数字普惠金融对居民消费水平和消费不平等的直接影响变量(1)(2)(3)(4)(5)(6)(7)(8)lnpcelnpcelnpcelnpceginiginiginiginiindex0800 (14740)0407 (8 260)0329 (7280)0324 (6 820)0072 (18330)0055 (14330)0053 (13540)0 041 (10030)hukou0412 (25 010)0 376 (24 270)0375 (24220)0028 (20540)0028 (19930)0029 (20040)age0017 (31 970)0 010 (20 530)0010 (20550)0000(2 470)0000*(1910)0000*(1700)edu0134 (21 320)0098 (16430)0098 (16390)0002 (3 960)0001 (2680)0001(2370)familysize0134 (33660)0134 (33690)0 001*(1 780)0001(1620)medsure_dum0029(1150)0 028(1 090)0004(1570)0002(1100)lntotal_asset0190 (32520)0189 (32460)0001 (3090)0 001 (3340)lnrgdp0 008(1 120)0 005 (9610)lnfinan0012(0940)0 005 (4720)常数项9036 (95300)10 706 (112860)7649 (71090)7634 (58330)0563 (82540)0522 (70520)0534 (57660)0591 (53150)时间固定效应控制控制控制控制控制控制控制控制家户固定效应控制控制控制控制控制控制控制控制Observations1504515045146291462915045150451462914629 squared0 1170 2830 427042702430 2760 2770280注:、*分别表示在 1%、5%、10%的显著性水平;括号内为 t 值;表 3 表 9 同数字普惠金融发展既可以体现为交易账户的增加，或是互联网服务的深化，也可以体现为金融服务的便利化和成本降低(郭峰等，2020)。因此，数字普惠金融不同维度对居民消费和消费不平等的影响程度也值得进一步考察。表 3 是对数字普惠金融三个二级指标数字普惠金融覆盖广度、使用深度和数字化程度作为核心解释变量回归的结果。从表 3 第(1)(3)列可以看出，数字普惠金融覆盖广度、使用深度和数字化程度对居民消费水平均存在显著的正向影响，且每提高一个单位居民消费水平分别提高 0 256%、0 264%、0 137%，说明数字普惠金融三个子维度均对居民消费水平的提高存在积极影响。从表 3第(4)(6)列可以看出数字普惠金融覆盖广度、使用深度和数字化程度每提高一个单位，区域消费基尼系数分别下降 0 029、0 053、0 025，即数字普惠金融不同维度均对消费不平等的缓解存在积极作用。表 3数字普惠金融子维度回归结果变量(1)(2)(3)(4)(5)(6)lnpcelnpcelnpceginiginiginicoverage_breadth0 256 (7 350)0029 (9780)24续表 3usage_depth0 264 (5160)0053 (12140)digitization_level0137 (4760)0 025 (10100)控制变量控制控制控制控制控制控制常数项7 839 (63160)7 644 (56 760)7841 (62820)0564 (52910)0610 (52890)0569 (53140)时间固定效应控制控制控制控制控制控制家户固定效应控制控制控制控制控制控制Observations146291462914629146291462914629 squared0 4280 4270426028002830281本文对基准回归进行稳健性检验。首先，对内生性问题进行处理检验。本文的核心解释变量和控制变量均为滞后一期的数据，在一定程度上能够避免数据因果倒置的问题。此外，由于本文采用的是权威的数字普惠金融指数，故不考虑可能存在的测量误差问题。但是，遗漏变量问题仍然可能导致估计结果有偏。因此，本文参考易行健和周利(2018)的做法，构建一个“Bartik”工具变量(滞后一阶数字普惠金融指数与数字普惠金融在时间上的一阶差分的乘积)，然后采用两阶段最小二乘法进行估计(表 4)。表 4 第(1)(4)列分别是数字普惠金融总指数及其子维度对居民消费水平的工具变量回归结果，第(5)(8)列汇报了数字普惠金融总指数及其子维度对居民消费不平等的工具变量回归结果。表 4 的回归结果和基准回归结果基本一致，Kleibergen Paaprk 的 LM统计量 p 值均为 0，显著拒绝工具变量识别不足的原假设;Wald F 统计量大于 Stock Yogo弱识别检验 10%水平上的临界值，说明不存在弱工具变量的问题。总体而言，以上检验说明了工具变量选择的合理性，验证了数字普惠金融显著促进了居民消费水平的提升，缓解了居民的消费不平等程度，表明基准回归的结论具有稳健性。表 4内生性检验变量(1)(2)(3)(4)(5)(6)(7)(8)lnpcelnpcelnpcelnpceginiginiginiginiindex0400 (8760)0013 (3 04)coverage_breadth0279 (7 350)0005(1450)usage_depth0 404 (8690)0 027 (5 640)digitization_level0221 (9410)0017 (7370)34数字普惠金融的收入效应与消费不平等“Bartik”工具变量选择说明如下:数字普惠金融在时间上的一阶差分是构建的全国数字普惠金融增长率，不会受到单个地区的影响，因此全国数字普惠金融指数的变化是相对外生的。内生性检验说明:工具变量第一阶段采用“Bartik”工具变量分别对数字普惠金融指数及二级指标进行回归，结果省略。续表 4控制变量控制控制控制控制控制控制控制控制常数项7403 (55 200)7584 (56120)7 508 (56060)7644 (56300)0513 (40540)0508 (40870)0509 (40960)0 498 (40300)时间固定效应控制控制控制控制控制控制控制控制家户固定效应控制控制控制控制控制控制控制控制Kleibergen PaaprkLM 统计量2578 29300002650 7620 000134147000002384471000025782930000265076200001341470000023844710000Kleibergen PaaprkWald F 统计量17559 96016 3808363 550163807031116163805928370163803225348016380836355016380703111616380592837016380Observations97629762976297629762976297629762 squared042104200 4220 4200 150014801520148进一步，本文通过替换被解释变量进行稳健性检验，将居民总消费支出替换为居民人均消费支出，将消费基尼系数替换为居民消费 90 分位点和 10 分位点的比值，通过计算高消费和低消费的比值直接度量消费不平等，回归结果见表 5。表 5 第(1)列是人均消费支出的回归结果，结果表明数字普惠金融显著促进了居民消费。第(2)(4)列是数字普惠金融子维度的回归结果，结果与表 3 基本一致。第(5)列是对家庭人均消费 90 分位数和 10 分位数比值的回归结果，与基准回归结果相比，高低分位数比值衡量的消费不平等系数更大，主要是因为采用高低分位数比值之后，家庭消费的差距变得更大。表 5 第(6)(8)列是数字普惠金融子维度的稳健性检验，结果和前文基本一致。综上可见，替换不同被解释变量的度量指标之后，结果依然成立。表 5替换被解释变量变量(1)(2)(3)(4)(5)(6)(7)(8)lnpce1lnpce1lnpce1lnpce1P90/P10P90/P10P90/P10P90/P10index0325 (6670)0298*(1670)coverage_breadth0253 (7 290)0039(0310)usage_depth0 271 (5320)1 664 (8 960)digitization_level0142 (4970)1291 (12420)控制变量控制控制控制控制控制控制控制控制常数项7382 (56 610)7589 (61420)7 386 (55090)7588 (61060)6675 (14010)6425 (14230)8141 (16670)7 142 (15820)时间固定效应控制控制控制控制控制控制控制控制家户固定效应控制控制控制控制控制控制控制控制Observations1462914629146291462914629146291462914629 squared039803990 3980 3970 299029903030306(二)数字普惠金融的收入效应理论分析表明，收入效应是数字普惠金融促进消费和缓解消费不平等的重要机制。本44文采用家庭人均收入和收入不平等衡量收入效应，进一步研究数字普惠金融对不同收入构成的影响。其中，由于拥有转移性收入的居民占比较低，主要将收入细分为经营性收入、财产性收入和工资性收入。数字普惠金融的收入效应回归结果见表 6。表 6 第(1)列结果显示数字普惠金融对家庭人均收入的影响在 1%统计水平上显著为正，表明数字普惠金融显著提高了居民人均收入。数字普惠金融每提高一个单位，中国居民人均收入提高 0 723%。表 6 第(2)(4)列分别为数字普惠金融对经营性收入、财产性收入和工资性收入的影响，结果显示数字普惠金融对居民的财产性收入和工资性收入的影响均在 1%水平上显著为正。这主要得益于数字普惠金融提供的互联网信贷产品种类丰富、门槛较低，缓解了居民和小微企业的融资约束，不仅为家庭务工提供了必要的保障，也为小