数字普惠金融、家庭金融资产配置与区域差异性_钱玥琳.pdf

【摘要】数字普惠金融对家庭金融资产配置有显著的促进作用，基于地区差异性来分析该效应的差异成因有重要的学术价值。普惠金融通过向社会各阶层群体提供金融服务，提升我国的经济实力和家庭的风险性资产占比。基于 CHFS 调查数据和数字普惠金融指数，实证发现虽然普惠金融对于我国消除贫困和实现社会公平有重大作用，但数字普惠金融对于家庭金融资产配置的正向效应对于中西部地区的作用更显著。该现象源于东部家庭良好的金融素养，较高的互联网普及度和较完善的监管体制等。通过划分东部和中西部来讨论地区差异性成因，进一步研究家庭收入和风险偏好对地区差异的调节作用，从而有效地缩小地区差异性，有助于针对性地发展普惠金融。【关键词】数字普惠金融；家庭金融资产配置；地区差异性一、引言随着我国金融的迅速发展，中央经济工作会议提出要发展数字经济，进一步提升常态化监管水平，支持平台企业在引领发展、国际竞争中大显身手。数字普惠金融针对社会各阶层提供金融服务，是当代经济发展的热点。随着数字普惠金融的普及，家庭金融资产配置的决策行为是复杂的、相互依存的和异质的，而且对整个金融系统的运作至关重要。二、文献综述与理论机制家庭的金融行为是较难预测的，学者们围绕着家庭的金融行为以及其影响因素进行了探讨。一些国外学者研究发现家庭的金融行为和经典理论的预测不同。（Cambell，2006）金融知识的掌握程度是影响家庭金融资产配置的重要因素之一。Rooij et al.（2011）通过数据研究居民的金融素养会影响金融决策。（尹志超等，2014）周雨晴和何广文（2020）研究发现当家庭的金融素养越高，数字普惠金融发展对其金融市场参与度和风险金融资产配置的影响越强烈。三、数据和实证策略1.数据来源本文的实证部分选用了两类数据，分别是西南财经大学研究的中国家庭金融调查（CHFS）数据库，北京大学数字普惠金融发展指数。2.变量（1）家庭金融资产配置（被解释变量）本研究引用了段军山和邵骄阳（2022）的做法，所以选取了两个被解释变量，分数字普惠金融、家庭金融资产配置与区域差异性钱玥琳作者简介：钱玥琳（2002），女，江苏常州人，本科，辽宁大学金融学在读67 6月刊 2023Shanghai Business别是：金融市场参与度（RiskParticipation）和风险资产占比（RiskRatio）。本文将股票、债券、基金、金融衍生品、理财产品其他金融资产和借出款纳入风险性金融资产。（2）数字普惠金融发展指数（核心解释变量）核心解释变量是市级层面的数字普惠金融发展指数，它是一个综合指数。该指数由北大数学金融研究中心利用蚂蚁集团的大数据研究后发布，对普惠金融研究以及其发展程度和均衡程度有重大意义。（郭峰等，2021）（3）控制变量对于 CHFS 数据库，本文实证部分引用了段军山和邵骄阳（2022）的做法，将家庭特征和户主个人特征作为控制变量，涉及 11 个变量。剔除有重要缺失值的样本后，总体样本数量为 32848 个，其中东部 18272 个，中西部18272 个。控制变量主要包括家庭层面和户主个人层面的信息，包括家庭人口规模（FamilyNum）、家庭人均年收入（AnnualInc）、投资风险态度（RiskAver）、家庭负债情况（Debt）、户主性别（Sex）、户主年龄（Age）、户主年龄平方项（Age2）、户主受教育程度（Edu）、户主婚姻状况（Marriage）、户主健康状况（Health）、户主参与社会保障种类数（SocialSec）。3.变量描述性统计表根据表 1 显示的所有变量的描述性统计特征可以看出东部地区的风险资产占比大于中西部地区，均值差值约为2.4%。东部地区的金融市场度参与相较于中西部地区多4.4%。东部的数字普惠金融指数高于中西部。总样本的投资风险态度均值为 4.4，可以看出我国家庭的投资态度较为保守。总体而言，东部的数字普惠金融发展程度，金融市场参与度和家庭资产配置相较于中西部地区更高。4.实证模型构建本文参考了段军山，邵骄阳（2022）的做法，主要采用 Probit 模型进行回归，并以最小二乘法（OLS）进行稳健性分析，模型设定如下：公式（1）是研究数字普惠金融对家庭金融资产配置影响的 Probit 模型。其中，N（0，2）。式（1）中Riskparticipation 表示家庭是否持有风险性资产，1 表示是，0 表示否。式（2）中被解释变量 Riskratio 表示家庭的风险资产占金融总资产的比例。模型中的 DFI 表示数字普惠金融综合指数，是解释变量。r和 p为本文关注的主要参数，r衡量了数字普惠金融对风险资产占比的影响，p则衡量了数字普惠金融对金融市场参与的影响。r 和p表示家庭固定效应，控制了家庭层面不随数字普惠金融变化的因素对于家庭金融资产配置的影响。control 表示所有的户主和家庭层面的控制变量。四、实证结果以及分析1.数字普惠金融对于家庭金融资产配置正向效应的地区差异性为了检验数字普惠金融对于家庭金融资产配置的影响，本文借鉴段军山和邵骄阳（2022）构建回归模型，具体模型如公式（1）、（2）所示，分别对总体样本，东部地区和中西部地区进行回归。本文运用费舍尔检验进行分组回归系数统计检验，检验比较东部和中西部地区系数的差异。表2显示基于Probit模型的基准回归，结果显示第（1）、（4）列中数字普惠金融的系数分别为 0.0081 和 0.0080，表 1 变量描述性统计表 全样本 东部 中西部 变量 均值 标准差 均值 标准差 均值 标准差 风险资产占比 0.128 0.24 0.138 0.246 0.114 0.232 金融市场参与 0.484 0.5 0.507 0.5 0.453 0.498 数字普惠金融 317.4 36.69 327.4 40.9 304.4 25.85 家庭人口规模 3.276 1.543 3.121 1.461 3.479 1.62 家庭人均年收入 9.634 1.476 9.86 1.466 9.341 1.454 投资风险态度 4.451 1.249 4.363 1.26 4.563 1.227 家庭负债情况 0.386 0.487 0.353 0.478 0.432 0.495 户主性别 0.791 0.406 0.788 0.409 0.795 0.404 户主年龄 55.2 13.17 55.14 13.41 55.17 12.94 户主年龄平方项 3221 1457 3221 1478 3211 1436 户主受教育程度 3.454 1.661 3.687 1.702 3.162 1.567 户主婚姻状况 0.963 0.189 0.962 0.191 0.963 0.188 户主健康状况 2.639 1.004 2.529 0.978 2.769 1.021 户主参与社会保障种类数 2.018 0.873 2.073 0.951 1.957 0.762 样本数 32848 18272 18272 pr（Riskarticiatio=1）=（p+p DFI+p cotrol+p）（1）pr（Riskratio=1）=（r+r DFI+r cotrol+r）（2）68Financial金融并分别在 1%的水平上显著，表明数字普惠金融对于家庭的风险资产占比和金融市场参与度有显著的正向作用。家庭的特征变量和户主个人的特征变量对家庭的风险资产占比和金融市场参与度也有显著的正向作用。从第（2）、（3）分组的结果来看，数字普惠金融的系数估计值分别为 0.0081 和 0.0080，检验结果显示两个系数有差异，东部相较于中西部数字普惠金融对家庭风险资产占比的影响效果更弱。从第（5）、（6）分组回归的结果来看，数字普惠金融的系数估计值分别为 0.0111 和 0.0111，并且在 1%的水平上显著。表 2 的检验结果验证了假说 1，表明东部地区受数字普惠金融对家庭风险资产占比的影响比中西部地区弱。2.稳健性检验由于 Probit 模型存在无法消去企业残差中的特定成分的问题，基准模型并没有考虑家庭固定效应。相较于Probit 模型，通过普通最小二乘法，家庭固定效应可以被家庭虚拟变量直接捕捉。为了检验数字普惠金融对于家庭金融资产配置的影响，本文借鉴段军山，邵骄阳（2022）构建回归模型，具体模型如公式（1）、（2）所示。3.家庭收入与金融资产配置样本中收入水平存在显著差异，因此将样本的收入水平划分低收入、中收入和高收入。地区差异的系数自高收入家庭到低收入家庭的家庭从-0.0059 变化到-0.0007，并且在 1%的水平上显著。由此可见，东部与中西部差异随着收入的增加而逐渐扩大。其原因可能在于中西部地区金融本身发展缓慢，收入水平越高，越愿意将资金投入金融市场。而东部地区本身金融发展迅速，所以受到数字普惠金融的影响较小，收入越低，越容易受到数字普惠金融的影响。五、结论与启示数字普惠金融对于家庭金融资产配置的正向影响在中西部地区更显著，且东部和中西部的地区差异性和家庭收入和投资风险偏好有关。首先，数字普惠金融对于家庭金融资产配置影响的地域差异性的根源之一，是东部地区互联网普及率高于中西部地区。其次，东部地区家庭的金融素养高于西部地区，所以受到普惠金融的影响较小。我国人民金融素养水平的提升，有助于促进普惠金融进一步发展，对金融市场健康稳定发展有益。再次，东部地区的金融基础设施建设优于中西部地区，金融机构的物理网点较多，接触到金融代理业务和代理机构的机会较多。综上所述，针对正向效应的地区差异性，我国应该提高中西部地区的互联网普及度，增加中西部地区的宽带接入用户数，从而提高中西部地区用户接触信息的渠道。针对中西部地区开展金融教育，提高中西部地区人民的金融素养。在中西部地区，建设更多的金融基础设施，从而提供更多的普惠金融服务。加设金融网点、金融机构物理网点和设备。完善普惠金融的监管体系，实现“分业监管”“分层监管”和“适度监管”。参考文献1 段军山，邵骄阳.数字普惠金融发展影响家庭资产配置结构了吗 J.南方经济，2022(4):32-49.DOI:10.19592/ki.scje.390886.2 郭峰，王瑶佩.传统金融基础、知识门槛与数字金融下乡 J.财经研究，2020,46(1):19-33.DOI:10.16538/ki.jfe.2020.01.002.表 2 Probit 基准回归 风险资产占比 金融市场参与 （1）（2）（3）（4）（5）（6）全样本 东部 中西部 全样本 东部 中西部 数字普惠金融 0.0081*0.0081*0.0080*0.0080*0.0111*0.0111*(37.39)(37.39)(31.06)(31.06)(23.02)(23.02)家庭人口规模 0.1146*0.1146*0.1007*0.1007*0.1232*0.1232*(21.93)(21.93)(13.75)(13.75)(15.75)(15.75)家庭人均年收入 0.1353*0.1353*0.1302*0.1302*0.1454*0.1454*(22.82)(22.82)(16.18)(16.18)(16.04)(16.04)投资风险态度-0.1552*-0.1552*-0.1555*-0.1555*-0.1724*-0.1724*(-23.80)(-23.80)(-17.93)(-17.93)(-16.66)(-16.66)家庭负债情况 0.0818*0.0818*0.0873*0.0873*0.0600*0.0600*(5.00)(5.00)(3.89)(3.89)(2.42)(2.42)户主性别-0.0810*-0.0810*-0.0499*-0.0499*-0.1205*-0.1205*(-4.27)(-4.27)(-1.98)(-1.98)(-4.04)(-4.04)户主年龄 0.0091*0.0091*0.0085 0.0085 0.0104 0.0104 (2.05)(2.05)(1.48)(1.48)(1.44)(1.44)户主年龄平方项-0.0003*-0.0003*-0.0003*-0.0003*-0.0003*-0.0003*(-7.71)(-7.71)(-5.44)(-5.44)(-5.25)(-5.25)户主受教育程度 0.1159*0.1159*0.1130*0.1130*0.1332*0.1332*(19.48)(19.48)(14.50)(14.50)(13.81)(13.81)户主婚姻状况 0.1551*0.1551*0.1678*0.1678*0.1132 0.1132 (3.39)(3.39)(2.76)(2.76)(1.58)(1.58)户主健康状况-0.0764*-0.0764*-0.0718*-0.0718*-0.0951*-0.0951*(-9.41)(-9.41)(-6.52)(-6.52)(-7.58)(-7.58)户主参与社会保障种类数 0.0169*0.0169*0.0119*0.0119*0.0472*0.0472*(1.70)(1.70)(0.96)(0.96)(2.71)(2.71)_cons-3.4732*-3.4732*-3.5052*-3.5052*-4.2986*-4.2986*(-23.71)(-23.71)(-18.30)(-18.30)(-17.32)(-17.32)固定效应 控制 控制 控制 控制 控制 控制 N 32817 32817 18257 18257 13656 13656 R2 0.191 0.191 0.185 0.185 0.203 0.203 差异（p 值）-0.0031 -0.0031 (0.000)(0.000)2.稳健性检验 69 6月刊 2023Shanghai Business