金融素养对家庭金融参与的地区差异影响研究——基于数字普惠金融的调节效应.pdf

2024 年 2 月第 40 卷 第 1 期 中国石油大学学报(社会科学版)Journal of China University of Petroleum(Edition of Social Sciences)Feb.2024Vol.40 No.1收稿日期:2022-08-15基金项目:国家社会科学基金项目(21BJL029)作者简介:霍江林(1978),男,河北邢台人,中国石油大学(华东)经济管理学院副教授,研究方向为公司金融与风险管理。DOI:10.13216/ki.upcjess.2024.01.0013金融素养对家庭金融参与的地区差异影响研究 基于数字普惠金融的调节效应霍江林1,赵文瑞1,褚夫志2(1.中国石油大学(华东)经济管理学院,山东 青岛 266580;2.中石化胜利海上石油工程技术检验有限公司,山东 东营 257100)摘要:基于我国家庭金融调查数据与数字普惠金融指数,探究数字普惠金融的发展对金融素养与家庭金融参与关系的影响及其地区差异性。研究发现,金融素养的提高能显著促进家庭金融参与,数字普惠金融的发展可正向调节金融素养与家庭金融参与的关系,这一结果在增加工具变量和进行稳健性检验后依然成立。进一步研究发现,在“硬弱感地区”和“软弱感地区”,数字普惠金融的发展仅正向调节金融素养与家庭金融参与深度的关系;在“易感地区”,调节效应与总样本一致;在“无感地区”,调节效应不显著;金融素养与家庭金融参与深度的调节效应呈现“东部引领,中西部协调促进”的态势。关键词:金融素养;家庭金融参与;数字普惠金融;调节效应;地区差异性中图分类号:F832.5 文献标识码:A 文章编号:1673-5595(2024)01-0101-11 一、引言与文献综述数字普惠金融作为一种新型的金融服务,与各领域不断接触融合,其普惠性和数字性弥补了传统金融的不足,互联网的普及也提高了家庭数字普惠金融业务的参与率。以家庭为单位的投资主体是促进我国经济增长的重要因素,其金融参与表现在是否持有风险金融资产以及风险投资的多样性两方面。我国家庭金融起步较晚,金融参与度低,虽然近几年发展态势较好,但与发达国家相比仍有较大差距1,其中金融素养不足是关键制约因素,金融素养提升是促进家庭金融参与的重要举措2。本文旨在探讨数字普惠金融背景下,金融素养对我国家庭金融参与的影响,同时对数字普惠金融调节效应的地区差异性进行探究。现有研究大多关注数字普惠金融、金融素养与家庭金融参与两两之间的关系。在金融素养与家庭金融参与关系的研究方面,已有文献表明,金融知识的教育可以提升家庭金融素养,也可以增加家庭风险资产的投资概率3;金融素养较高的家庭投资者更倾向于进行风险投资,优化家庭风险金融资产配置4-7,提高家庭的创业收入8。然而,不同地区的金融环境与金融可得性的不同,使得金融素养对城市家庭金融参与的影响大于对农村家庭的影响,对东部地区家庭的影响大于对中西部地区家庭的影响。9总之,已有研究表明金融素养对家庭金融参与具有促进作用,但未考虑数字普惠金融发展的调节作用。在数字普惠金融与家庭金融素养关系中,数字技术是数字普惠金融的基石。2019 年消费者金融素养调查简要报告指出,数字技术对消费者金融素养提升发挥正向作用。数字技术的普及、数字普惠金融业务的深化显著促进了金融素养水平的提高。10-11同时,数字普惠金融在帮农助农方面也发挥着重要的作用。数字普惠金融通过提高农户金融素养,不仅可以降低农户家庭金融脆弱性12,还可以促进农户家庭的创业行为,这种作用在东、中部地区较为明显,尤其是中部地区,这可能与数字普惠金融的“中部崛起”趋势有关13。此外,互联网有利于知识的共建共享。因此数字普惠金融的发展能够促进金融素养水平的提升,已有研究也大多证实了此结论14-15,但对数字普惠金融促进金融素养水平提升后的家庭金融参与情况未展开进一步探究。在数字普惠金融与家庭金融参与关系的研究方面,已有较多探讨。数字普惠金融为经济落后地区实现赶超、为弱势群体获得便捷的金融服务奠定了基础16,同时提高了家庭金融市场参与度和配置风险资产的比例17。例如,提高金融服务的可用性来促进家庭金融消费18,激发投资者的乐观情绪来刺激其“炒新”19-20,降低市场摩擦、提高购买便利性,提升金融素养和提高家庭收入21,等等,均能实现家庭金融参与度的提高和金融产品持有量的增多。数字普惠金融对家庭金融参与的促进作用有利于缓解地区间的数字鸿沟和发展差异,对农村群体的影响大于城市群体,对中西部群体的影响大于东部群体。1已有研究表明数字普惠金融对家庭金融参与具有促进作用,但作用的中间过程尚需进一步探究。在数字普惠金融发展背景下研究金融素养与家庭金融参与的文献相对较少,但已有学者分析了金融素养与养老服务金融普惠性对促进家庭金融参与的共同作用22;也有研究表明,数字金融对家庭金融资产选择具有正向影响,金融素养在该影响中发挥中介效应,且该影响存在一定的地区差异性23。通过对国内外研究的回顾可以发现,目前学者的研究多集中于数字普惠金融、金融素养与家庭金融参与的两两关系,并未将三者纳入统一分析框架探究数字普惠金融发展背景下金融素养对家庭金融参与的影响。基于此,本文将数字普惠金融、金融素养、家庭金融参与纳入同一框架下,为数字普惠金融背景下如何通过提升金融素养促进家庭金融参与和优化中国家庭风险资产配置提供建议。可能的创新点为:引入数字普惠金融指数以探究其对金融素养与家庭金融参与关系的调节效应;创造性地提出了“易感地区”“弱感地区”等概念,并通过分样本回归进行验证,对调节效应进行量化分析,探究数字普惠金融调节效应的地区差异性。二、理论分析与研究假设(一)金融素养对家庭金融参与的影响已有研究表明金融素养影响家庭金融参与。本文用家庭金融参与广度和参与深度来表示家庭金融参与。其中,家庭金融参与广度是指家庭是否投资风险金融资产,家庭金融参与深度是指家庭投资风险金融资产的分散化程度。金融素养较高的投资者更倾向于制定理财规划,进行分散化投资,提高金融市场的风险投资概率,缓解家庭金融脆弱性,优化家庭金融资产配置,从而获得合理的投资收益24-27;或者采取金融素养较高的专业人士关于家庭资产组合的建议,也可获得上述结果28。当金融市场剧烈波动时,投资者将调整其资产配置,增加债券等稳健资产的比重,该投资决策也要求投资者具备一定的金融素养。29理论上讲,投资者的金融素养水平越高,对金融市场越了解,就越倾向于参与金融市场,进行多样性投资。因此,金融素养的提高能够促进家庭理性投资决策,提高家庭金融参与广度,优化风险金融资产配置,增加家庭财富积累。据此提出本文第一个假设。假设 H1:金融素养的提高对家庭金融参与(包括参与广度和参与深度)存在促进作用。(二)数字普惠金融的调节效应数字普惠金融的发展带动了移动支付便民工程和金融市场环境建设的推进,促进了我国家庭投资环境的有效改善。一方面推动了金融知识的普及和金融产品的推介,使家庭投资股票和广义风险金融资产的概率显著提高30;同时提高了金融素养的水平,有利于普通家庭获得信用信贷31。另一方面,提高了金融可得性,促进了家庭进行分散投资,进而提高家庭的金融参与深度。32从金融行为来看,数字普惠金融通过降低创业成本提高了个体风险偏好,便利了家庭创业资金的筹集,家庭债务杠杆率将显著提高33-34;数字普惠金融的发展有助于家庭投资者有效整合和挖掘信息、补充金融知识,从而提高金融素养35-36。从数字普惠金融本身来看,其发展从覆盖广度和使用深度两方面促进家庭参与风险金融资产投资37,同时促进了经济增长和收入分配,因此政府愿意投入更多的资金用于数字金融知识的宣传和普及。从外在动力来看,数字普惠金融深化了不同领域的金融服务,强化了金融教育,完善了权益保护,投资者利用数字技术能够更便捷地了解和使用金融产品和服务,整体提升了居民的金融素养水平。数字普惠金融的调节效应机理如图 1 所示。图 1 数字普惠金融的调节效应机理数字普惠金融的发展,使我国金融服务的使用201中国石油大学学报(社会科学版)2024 年 2 月程度、可得性和质量都得到了稳步提升,并降低了投资门槛,可以帮助同等金融素养水平的家庭做出更理性的投资决策,提高家庭资产管理能力。据此提出本文第二个假设。假设 H2:数字普惠金融正向调节金融素养与家庭金融参与的关系。(三)数字普惠金融调节效应的地区差异性当前数字普惠金融发展迅速,但存在地区发展差异的问题。数字普惠金融业务更易于在互联网基础设施较好的地区推广,而在相对落后地区的全面推广尚存在一定的难度。截至 2022 年年末,我国互联网普及率为 75.6%,其中农村地区互联网普及率是 61.9%,显著低于平均水平。因此本文认为,不同地区互联网基础设施建设水平的差异是制约数字普惠金融调节效应发挥的重要因素。数字普惠金融的特性和过往的研究表明,数字普惠金融对家庭的金融素养和金融参与关系产生影响还需要满足两个条件:一是家庭的金融产品需求尚未得到满足,金融基础设施建设较差,金融可得性不足;二是家庭金融素养水平较高。本文将同时满足上述两个条件的地区定义为“易感地区”;将仅满足第一个条件,即金融基础设施建设较差或金融市场存在尚未开发潜力的“硬件”存在短板的地区称为“硬弱感地区”;将满足第二个条件,即金融素养水平较高,但未满足第一个条件,即金融环境优越、金融市场的潜力已基本挖掘殆尽的地区称为“软弱感地区”;此外,将两个条件都不满足,即数字普惠金融的红利无法转换为实际金融红利的地区称为“无感地区”。如果家庭处于金融素养较高但金融可得性较低的地区,那么其可能最大程度地感受到数字普惠金融带来的红利,数字普惠金融将有能力提高该类区域的金融可得性,其调节效应才会更加明显,因此数字普惠金融的调节效应具有地区差异性。据此提出本文第三个假设。假设 H3:在不同地区,数字普惠金融对金融素养和家庭金融参与关系的调节作用存在差异。三、研究设计(一)数据来源与变量选取1.数据来源本文所选用的数据来自于中国家庭金融调查(CHFS)以及北京大学数字金融研究中心编制的“北京大学数字普惠金融指数”2015 年、2017 年、2019 年的三期调查数据。为了保障数据的稳健性,对其做以下预处理:第一,剔除衡量家庭金融参与和金融素养水平中存在缺失值、极端值的样本数据;第二,为了防止估计结果受极端值的影响,保留户主年龄在 1660 岁的数据,同时对家庭人均资产、家庭人均负债、家庭人均收支上下 1%的样本数据进行缩尾处理;第三,对数字普惠金融指数等数据进行对数变换,压缩变量尺度,削弱数据的异方差性。最终匹配合成符合研究要求的三期非平衡面板数据。2.变量选取(1)被解释变量。本文选取了两个被解释变量来衡量家庭金融参与,分别为家庭金融参与广度(Fmp)和参与深度(Fasset)。根据 CHFS 调查问卷,将风险金融资产划分为 9 种类型:股票、基金、理财产品、债券、金融衍生品、非人民币资产、黄金、借出款、其他金融资产。对于家庭金融参与广度,若家庭未持有任何一类上述风险金融资产则赋值为 0,否则赋值为 1。衡量家庭金融参与深度的代理变量多集中于家庭风险资产配置的种类40或风险资产配置占金融资产的比重41,但这两种方式都存在一定的片面性。本文参考郭新华等42的研究,综合两个角度构建其代理变量,由此构建的指标更具全面性,同时也避免掉入“伪分散化陷阱”。计算公式为Fasset=ProportionNasset。其中,Proportion 表示家庭持有的风险金融资产占总金融资产的比重,Nas-set 表示家庭持有风险资产的种类。(2)解释变量。本文的核心解释变量是金融素养(Fin)。在已有研究中,度量金融素养的指标主要有主观金融素养43和客观金融素养44,但二者并非完全割裂,分开衡量无法体现实际的金融素养水平。因此,本文综合主观和客观两方面构建金融素养的衡量指标,使其更具统计学上的严谨性。基于 CHFS 调查问卷,主观金融素养从一般性金融知识和专业性金融知识两个方面进行衡量,客观金融素养从投资风险的识别、投资风险的计算、通货膨胀的理解和利率的计算 4 个方面进行衡量。对2015 年、2017 年的数据进行 KMO 检验,得分为0.678 7,同时 Bartletts 球形检验中 P 值为 0.000,因此数据适合进行因子分析。本文使用迭代主因子法进行数据拟合,得到金融素养水平。由于 2019 年并没有对全部受访户询问以上 6 个问题,所以仅选取一般性金融知识、通货膨胀、利率的理解和计算 3个方面进行衡量,利用 3 个问题得分的算数平均数来衡量金融素养水平。(3)调节变量。依托智能算法、大数据等技术,数字普惠金融进一步提高了其服务广度和服务深度。“北京大学数字普惠金融指数”有效地衡量了当前我国数字普惠金融的发展现状。本文选取 2015 年、301第 40 卷 第 1 期 霍江林,等:金融素养对家庭金融参与的地区差异影响研究2017 年、2019 年各省份的数字普惠金融指数(Dig)作为数字普惠金融发展的代理变量。(4)控制变量。为控制影响金融参与的家庭自身特征的影响,参照已有文献,本文选取家庭户主特征、家庭特征、行业特征和时间特征 4 类控制变量。在家庭户主特征方面,选取性别(Gender)、年龄(Age)、受教育程度(Edu)、个人稳定度(Life)、幸福感(Attitude)、风险偏好(Risk);在家庭特征方面,选取人均收支(Pre)、人均资产(Passet)、人均负债(Pdebt)、家庭稳定度(Condition)、家庭所处地区(Region);在行业特征变量(Industry)方面,根据国民经济行业分类对家庭户主的工作行业进行划分,选取工作行业是否是农业、工业、除金融行业的服务业、金融行业,由此构造出行业特征变量,以控制行业固定效应;选取了调查年份的时间特征变量(Year)以控制时间固定效应。此外,对处于不同地区的控制变量,再根据“易感地区”“硬弱感地区”“软弱感地区”“无感地区”进行区域划分,以探究家庭所处地区的影响。对变量进行描述性统计分析,结果如表 1 所示。表 1 变量的描述性统计变量类别变量名称样本量均值标准差最小值最大值被解释变量核心解释变量调节变量控制变量户主特征变量家庭特征变量行业特征变量时间特征变量Fmp44 5910.2890.45301Fasset44 5910.1920.43705.628Fin44 5910.1660.422-0.7361.728Dig44 5915.6460.1695.2646.017Gender44 5910.2090.40701Age44 59146.708.9601660Edu44 5682.5011.29607Life44 5913.8011.35206Attitude44 5622.7510.84204Risk30 3140.9011.14304Pre44 5460.7499.168-11.4311.98Passet44 59011.801.5567.13415.20Pdebt34 1345.2734.992013.02Condition44 5911.2100.61012Region44 5912.3621.10514Industry25 6531.9901.20304Year445912017.4471.58120152019 由表 1 的描述性统计结果可知,Fmp 的均值为0.289,Fasset 的均值为 0.192,说明家庭金融参与的意识相对薄弱,且倾向于持有无风险金融资产。Fin的最小值为-0.736,最大值为 1.728,均值为 0.166,说明当前居民金融素养整体偏低。Dig 的最小值为5.264,最大值为 6.017,说明地区之间数字普惠金融发展水平存在差距,但差距不大。(二)模型构建首先,建立家庭金融参与广度和金融素养之间的基准回归模型。Fmpit表示 t 时期 i 家庭的金融参与广度。由于Fmpit是二元离散变量,使用 OLS 回归会使得结果有偏,所以本文选择 Probit 模型。prob(Fmpit=1)=(+Finit+Xit+Industryi+Yeart+it)(1)式中:i 为受访家庭,t 为调查年份,Xit为一系列的控制变量,Industry、Year 分别为行业固定效应、时间固定效应,it为随机扰动项。然后,构建家庭金融参与深度与金融素养之间的基准回归模型。本文选择 OLS 模型,用 Fassetit表示 t 时期 i 家庭的金融参与深度。Fassetit=+Finit+Xit+Industryi+Yeart+it(2)为了探究数字普惠金融在金融素养对家庭金融参与的影响过程中是否具有调节效应,本文在式(1)、式(2)的基础上加入数字普惠金融指数及其与金融素养水平的交互项来进行验证。此外,为避免交互项加入所带来的多重共线性问题,需对构建交互项的变量进行中心化处理。prob(Fmpit=1)=(+Finit+Digit+CFinitCDigit+Xit+Industryi+Yeart+it)(3)Fassetit=+Finit+Digit+CFinitCDigit+Xit+Industryi+Yeart+it(4)式中:CFinit、CDigit分别为中心化后的Finit、Digit。四、实证检验与结果分析(一)相关性分析为检验各变量之间是否存在多重共线性,运用Stata 软件对变量数据进行相关性分析和 VIF 检验,结果如表 2 所示。401中国石油大学学报(社会科学版)2024 年 2 月表 2 相关系数矩阵FmpFassetFinDigGenderAgeEduLifeAttitudeFmp1Fasset0.689 1Fin0.253 0.227 1Dig0.055 0.125 0.035 1Gender0.025 0.042 0.025 0.018 1Age-0.142 -0.097 -0.155 0.068 -0.034 1Edu0.286 0.259 0.362 0.031 0.073 -0.318 1Life0.199 0.149 0.232 -0.035 -0.084 -0.211 0.442 1Attitude0.033 0.0080.033 0.022 -0.036 0.011 0.043 0.183 1Risk0.239 0.215 0.299 -0.126 0.003-0.240 0.258 0.183 -0.005Pre0.110 0.075 0.094 -0.032 -0.0060.0040.186 0.212 0.081 Passet0.353 0.324 0.300 0.180 0.082 -0.063 0.454 0.355 0.110 Pdebt0.049 0.078 0.068 -0.214 0.032 -0.201 0.139 0.061 -0.086 Condition0.152 0.129 0.130 0.007-0.061 -0.024 0.188 0.252 0.127 Region0.149 0.137 0.175 0.024 0.147 -0.115 0.350 0.222 -0.007Industry0.104 0.096 0.142 0.186 -0.085 -0.204 0.263 0.308 0.053 year-0.021 0.056 -0.002 000.845 0.005 000.079 -0.059 -0.138 0.015 RiskPrePassetPdebtConditionRegionIndustryYearRisk1Pre0.064 1Passet0.196 0.186 1Pdebt0.181 -0.024 0.117 1Condition0.086 0.067 0.416 0.102 1Region0.111 0.088 0.306 0.030 0.0081Industry0.053 0.124 0.167 0.042 0.080 0.070 1Year-0.176 -0.102 0.012 -0.217 -0.010-0.066 0.202 1注:、和 分别在 10%级别(双尾)、5%级别(双尾)和 1%级别(双尾)相关性显著。由表 2 的分析结果可知,在 1%的显著性水平下,Fmp、Fasset 分别与 Fin 正相关,说明金融素养促进家庭金融参与,假设 H1 得以验证。同时,Dig 分别与 Fmp、Fasset、Fin 显著正相关,说明数字普惠金融的发展同金融素养和家庭金融参与均具有正相关关系,为假设 H2 的验证提供了一定的依据。此外,Dig 同 Region 显著正相关,说明数字普惠金融的发展具有地区差异性,这也进一步说明了探究其影响机制是否受地区内在差异影响的重要性。综合来看,Fmp 与 Fasset 的相关性较强,说明家庭中不同的风险投资决策具有一定的关联性;Dig 与 Year 的相关性较强,说明随着时间的推移,数字普惠金融的发展态势良好;其余变量之间的相关性系数均小于0.5。对以上变量进行 VIF 检验,结果为 1.83,因此可以判断没有较强的多重共线性。(二)金融素养对家庭金融参与影响的基准回归分析表 3 为金融素养对家庭金融参与的基准回归结果。第()()列为金融素养对家庭金融参与广度的基准回归,第()列未加入其他任何控制变量,也未考虑固定效应;第()列、第()列依次加入控制变量,控制了行业、时间的固定效应;第()列展示了基于第()列 Probit 回归结果的边际效应。第()到()列为金融素养对家庭金融参与深度的基准回归结果。结果表明,金融素养对家庭金融参与广度和参与深度都有显著的正向影响,再次验证了假设 H1,且这一结果在加入控制变量控制行业、时间的固定效应前后均一致。此外,根据第()列、第()列的回归结果,在控制变量方面,户主受教育程度、风险偏好、家庭人均资产对家庭金融参与都具有促进作用,且均在 1%的水平下显著;户主年龄与金融参与广度呈现负相关关系,但却与参与深度呈正相关关系,表明户主年龄越大,虽然其金融参与广度越低,但伴随着年龄的增长户主个人能力的增强,其更加倾向于进行分散投资,降低投资风险,因此提高了金融参与深度;金融参与广度同户主的个人稳定度正相关,同家庭人均负债负相关,这也表明了家庭状态越优越,越倾向于参加金融市场,进行分散投资;对于金融参与深度,性别同其正相关,幸福感同其负相关,说明当今社会女性户主更加倾向于进行深度投资,而幸福感越高的家庭更倾向于减负,减少风险投资组合的多样化程度。在行业特征方面,从事金融行业的家庭更容易增加其金融市场参与深度。此501第 40 卷 第 1 期 霍江林,等:金融素养对家庭金融参与的地区差异影响研究外,与 2015 年相比,家庭在 2017 年和 2019 年的金融参与深度与广度都显著提高。表 3 金融素养对家庭金融参与的影响变量()()()()()()()Fin0.823 (0.016)0.403 (0.037)0.442 (0.051)0.131 -0.0150.235 (0.005)0.103 (0.011)0.116 (0.016)Gender-0.012(0.025)0.024(0.035)0.007-0.0100.019 (0.007)0.026(0.011)Age-0.010 (0.001)-0.005 (0.002)-0.002 -0.001-0.000(0.000)0.002 (0.001)Edu0.073 (0.010)0.098 (0.014)0.029 -0.0040.033 (0.003)0.036 (0.004)Life0.016(0.009)0.024(0.012)0.007-0.004-0.002(0.003)0.005(0.004)Attitude-0.015(0.012)-0.004(0.018)-0.001-0.005-0.013 (0.003)-0.019 (0.005)Risk0.151 (0.009)0.193 (0.013)0.057 -0.0040.051 (0.003)0.074 (0.004)Pre0.001(0.001)0.002(0.002)0.000-0.000-0.000(0.000)-0.000(0.000)passet0.294 (0.009)0.245 (0.013)0.073 -0.0040.074 (0.002)0.069 (0.004)Pdebt-0.012 (0.002)-0.008 (0.003)-0.002 -0.001-0.001(0.001)0.001(0.001)Condition0.018(0.018)0.009(0.024)0.003-0.0070.003(0.005)0.000(0.008)Region0.007(0.010)-0.011(0.015)-0.003-0.0040.006(0.003)0.006(0.004)Constant-0.724 (0.007)-4.096 (0.114)-3.979 (0.165)0.153 (0.002)-0.789 (0.030)-0.954 (0.048)行业固定效应YY地区固定效应YY时间固定效应YY观测值44 59121 16010 39444 59121 16010 394注:括号内为标准误,、分别表示回归系数在 10%、5%、1%的统计水平下显著,下同。(三)内生性分析需要指出的是,回归中可能因为遗漏变量和双向因果而存在内生性问题,基准回归的结果可能存在一定的偏误。第一,金融素养可能在家庭金融参与行为中受到影响,例如家庭在进行资产选择与配比的过程中提高了自身对金融知识的理解,这可能会使得金融素养对家庭金融参与行为的影响产生偏差;第二,金融素养和家庭金融参与还可能受到其他外生变量的影响,这些遗漏变量会使估计结果有偏;第三,金融素养的衡量本身可能存在一定的偏差,受访者对金融素养相关问题的回答可能不精准,可能导致高估金融素养水平,从而低估金融素养的影响。为了解决由于遗漏变量和双向因果而存在的内生性问题,本文选取工具变量估计方法,参照张号栋等45的研究,选取居住在同一社区其他人的平均金融素养水平,即社区平均金融素养水平(不包含受访家庭)作为家庭金融素养水平的工具变量。因为家庭可以通过与社区其他人的交流与学习而提高自身的金融素养水平,而社区其他人的金融素养水平不在该受访家庭的控制范围内,因此,社区平均金融素养相对于该受访家庭是严格外生的,其与家庭金融参与行为没有直接相关性。表 4 展示了金融素养对家庭金融参与影响的工具变量估计结果,第()()列采用 IV-Probit模型进行估计,第()()列采用两阶段最小二乘法(2SLS)进行回归估计,工具变量回归所引入的控制变量与基准回归相同。表 4 结果表明,各回归模型第一阶段 F 统计量对应的 P 值为 0.000,表明不存在弱工具变量的问题;沃尔德检验(Wald)和 DWH 检验结果表明,在1%显著性水平下拒绝了金融素养是外生变量的假设,因此工具变量是有效的。通过与表 3 中的基准回归结果对比可知,如果不考虑金融素养的内生性,金融素养对家庭金融参与的影响会被低估,但回归结果未发生实质性改变。601中国石油大学学报(社会科学版)2024 年 2 月表 4 金融素养对家庭金融参与影响的工具变量分析变量()()()()()()Fin1.769 (0.047)1.030 (0.211)1.691 (0.407)0.507 (0.014)0.284 (0.058)0.430 (0.121)控制变量YYYY行业固定效应YY时间固定效应YY一阶段 F 检验 P 值0.0000.0000.0000.0000.0000.000Wald 检验 P 值0.0000.0020.002DWH 检验 P 值0.0000.0020.007观测值44 49721 12310 38544 49721 12310 385 (四)数字普惠金融的调节效应分析在基准回归模型中加入数字普惠金融指数及其与金融素养水平的交互项,实证得出数字普惠金融调节效应的估计结果,如表 5 所示,表 5 的第()列和第()列分别展示了式(3)和式(4)的回归结果,第()列和第()列分别是相应的 IV-Probit和 2SLS 的回归结果。表 5 中第()列、第()列的回归结果显示,数字普惠金融正向调节金融素养与家庭金融参与的关系,结合主效应检验可知,数字普惠金融会加强金融素养对家庭金融参与广度和参与深度的促进作用,验证了假设 H2。工具变量回归也符合上述结论。原因可能有:一是数字普惠金融的发展使得家庭能够接触到更丰富的金融服务,家庭金融素养水平也随之提高;二是数字普惠金融的发展能够影响当地的经济增长,增加家庭收入,进而对家庭金融参与行为产生正向影响;三是数字普惠金融的发展提高了家庭获取信贷服务的可能性,增加了家庭财务弹性,从而家庭更倾向于增加金融市场的参与深度。由于地区变量对金融参与不显著,暂不能得出家庭所处地区对家庭金融参与具有一定影响的结论,无法为假设 H3 提供支撑,需要通过进一步的地区差异性分析进行讨论。表 5 数字普惠金融调节效应的回归结果及工具变量分析变量()()()()Fin0.487 (0.054)2.463 (0.600)0.171 (0.017)1.091 (0.200)CFinCDig0.573(0.225)4.110 (1.425)0.590 (0.070)3.297 (0.477)控制变量YYYY固定效应控制了行业、时间固定效应观测值10 39410 38510 39410 385 (五)稳健性检验为确保分析结果的准确性,本文采用三种方式进行稳健性检验。一是基于金融素养指标,利用受访户回答问题的得分加总来衡量金融素养水平,这种衡量方法是基于一般性金融知识,通货膨胀、利率的理解和计算三个方面;二是改变回归方法,由于家庭金融参与深度指标在左侧数据集中为 0,因此将Probit 和 OLS 回归替换为 Logit 和 Tobit 回归,稳健性回归结果如表 6 第()()列所示;三是基于不同样本进行稳健性检验,户主从事金融行业的家庭可能更加了解金融参与行为中金融产品信息的辨别与资产的合理配置,因而在金融素养和家庭金融参与上可能与其他家庭不同,如果回归结果是因为样本中包含了该群体所导致的,那么该结果不能被准确解读,因此,从回归样本中剔除户主从事金融行业的数据,并重复回归,稳健性回归结果如表 6 第()()列所示。稳健性检验的结论与基本回归结论一致。表 6 稳健性回归结果变量()Fmp()Fmp()Fasset()Fasset()Fmp()Fmp()Fasset()FassetFin0.747 (0.087)0.820 (0.091)0.390 (0.045)0.454 (0.047)0.460 (0.053)0.497 (0.055)0.118 (0.016)0.166 (0.017)CFinCDig1.002 (0.383)0.842 (0.196)0.532(0.236)0.556 (0.071)控制变量YYYYYYYY固定效应控制了行业、时间固定效应观测值10 39410 39410 39410 39410 11310 11310 11310 113701第 40 卷 第 1 期 霍江林,等:金融素养对家庭金融参与的地区差异影响研究 五、进一步分析(一)数字普惠金融调节效应的地区差异性数字普惠金融的发展受地区经济发展、基础设施差距和政策倾斜等条件的影响,上文分析也发现地区间数字普惠金融发展水平存在差距,因此数字普惠金融的调节效应可能具有地区差异性。本文根据控制变量的区域划分进行分组回归,回归结果如表 7 所示。表 7 地区差异性变量无感地区()Fmp()Fasset硬弱感地区()Fmp()Fasset软弱感地区()Fmp()Fasset易感地区()Fmp()FassetFin0.281(0.134)0.032(0.021)0.238(0.143)0.144 (0.042)0.534 (0.079)0.196 (0.031)0.727 (0.135)0.234 (0.045)CFinCDig0.654(0.610)0.101(0.092)0.245(0.557)0.626 (0.158)0.461(0.358)0.599 (0.136)1.145(0.535)0.584 (0.172)控制变量YYYYYYYY固定效应控制了行业、时间固定效应观测值2 3122 3122 1992 1993 8443 8442 0392 039 由表 7 的回归结果可知,对于“无感地区”,数字普惠金融对金融素养与家庭金融参与的关系没有调节作用;对于“硬弱感地区”和“软弱感地区”,数字普惠金融仅对金融素养与家庭金融参与深度的关系发挥正向调节作用;对于“易感地区”,数字普惠金融的调节作用与总样本一致。因此,假设 H3 得到了验证,数字普惠金融调节效应的发挥具有地区差异性。这说明居住在“无感地区”的家庭,其较低的金融素养水平使其不注重金融参与,区域经济发展较差,金融基础设施不足,家庭财务弹性低,因此难以将数字红利转换为金融红利;居住在“硬弱感地区”的家庭,数字普惠金融的发展有效弥补了金融基础设施建设的不足,提高了金融可得性,但该地区居民的金融素养水平较低,金融氛围较差,因此,仅能增加原有的金融参与家庭的投资分散化程度,对金融素养和家庭金融参与广度的关系不具有调节作用;居住在“软弱感地区”的家庭,金融素养较高,金融投资参与度高,数字普惠金融的发展难以进一步推进金融参与广度,但数字普惠金融的发展为家庭金融参与者提供了更多的互联网金融产品,因此也仅能影响金融素养与金融参与深度的关系;居住在“易感地区”的家庭,虽然其具备较高的金融素养,但金融环境较差,金融可得性较低,家庭的金融参与需求得不到满足,金融市场存在尚未挖掘的巨大潜能,数字普惠金融的发展可以很好地补足这一短板,开拓家庭金融参与的途径,因此其对金融素养和金融参与的关系起显著促进作用。(二)数字普惠金融调节效应地区差异性的量化分析由上文分析可知,居住在非“无感地区”的家庭,数字普惠金融均对金融素养与家庭金融参与深度的关系发挥调节作用,因此通过调节效应的图示来将调节效应量化,进一步分析地区差异性。为了保证调节效应图示的准确性,首先将解释变量、调节变量进行中心化处理,为了便于解释,此处略去控制变量。构建模型为Fassetit=+CFinit+CDigit+CFinitCDigit+it(5)“软弱感地区”“硬弱感地区”“易感地区”的调节效应分别如图 2、图 3 和图 4 所示,其中,“软弱感地区”以东部城镇地区为代表,“硬弱感地区”以西部城镇地区为代表,“易感地区”以中部城镇地区为代表。对比图 2、图 3、图 4 可知,数字普惠金融在“软弱感地区”的调节作用高于“硬弱感地区”和“易感地区”,可能的原因是:该地区金融素养较高,更容易克服数字鸿沟等问题、了解设计复杂的网络风险金融产品,并积极进行风险资产配置的调整,增强家庭投资的风险抵御能力。图 2“软弱感地区”的调节效应对比图3、图4 可知,“硬弱感地区”“易感地区”两类地区的调节作用大小相差无几,原因可能是:金融素养的水平尚不足以支撑其选择部分设计复杂的网络风险金融产品,但在一定程度上丰富了风险金融产品的种类,扩大了家庭投资者的选择范围,起到了一定的调节作用。因此,数字普惠金融调节效应801中国石油大学学报(社会科学版)2024 年 2 月的发挥形成了“东部引领,中西部协调促进”的态势。图 3“硬弱感地区”的调节效应图 4“易感地区”的调节效应 六、结论与建议本文选取 2015 年、2017 年、2019 年 3 期的CHFS 样本数据及北京大学数字普惠金融指数,实证分析了金融素养对我国家庭金融参与的作用机制以及数字普惠金融调节效应的地区差异性,得出如下结论:第一,金融素养的提高会促进家庭金融参与;第二,数字普惠金融在金融素养与家庭金融参与的关系中发挥正向的调节作用;第三,数字普惠