互联网金融对中国城乡居民消费的差异化影响——从消费金融的功能性视角出发

张李义 涂 奔

(武汉大学 信息管理学院，湖北 武汉 430072)

财贸研究2017.8

互联网金融对中国城乡居民消费的差异化影响
——从消费金融的功能性视角出发

张李义 涂 奔

(武汉大学 信息管理学院，湖北 武汉 430072)

从消费金融的功能性视角出发，以平滑、保障和增值三个效应解析互联网金融在促进消费方面较传统金融的优势所在，继而结合2011—2016年中国互联网金融各领域发展及居民消费的有关月度数据，通过信息熵方法和Panel Data模型实证研究互联网金融及各领域发展对中国居民消费行为和结构的差异化影响。研究结果表明，互联网金融发展对居民消费结构升级有着显著影响，同时对城镇居民消费的影响程度大于农村居民，互联网金融不同领域对城镇和农村居民消费结构的影响也各有侧重。基于此，提出提高国民收入水平、加强移动互联和物联网建设、下沉互联网金融服务重心、强化互联网金融监管保障等政策建议，从而为国家找准互联网金融促进城乡居民消费结构升级的发力点提供参考。

消费金融；居民消费；互联网金融发展指数；信息熵；棘轮效应

发展消费金融①在学术界，有关消费金融内涵的界定并不统一。一般来讲，认为消费金融应对的是一个消费者所面临的金融问题，即如何在给定的金融环境中，利用所掌握的资产来最大程度地满足其各种消费需求，包括考虑到消费者的消费目标、储蓄、信贷、资产配置以及面临的各种风险和约束(Samuelson，1969；Merton，1969，1971)。是促进消费的重要手段之一。从中国的现实情况来看，当前消费金融包括三大主流形态：第一类是传统金融机构提供的消费金融服务，包括银行、消费金融公司等；第二类是独立的互联网金融平台，从支付起步，逐步向消费信贷、理财、保险等延伸；第三类是电商企业在掌握了消费者的大量数据后，逐步进入支付和消费信贷等领域。后两类在消费金融发展上正在不断融合，大量应用新的信息技术，催生了多样化平台交易模式，不仅降低了交易成本，而且拓展了消费交易的空间与时间，正在潜移默化地影响着中国居民的消费行为和消费结构。与传统的金融机构相比，互联网金融在消费金融端的优势已不断显现。有鉴于此，本文运用消费金融的功能性定义(Tufano，2009)，对互联网金融领域进行划分，进而运用相关数据分析互联网金融及其各领域发展对中国居民消费行为和消费结构的差异化影响，拟为更好地发展互联网金融以满足国内消费结构升级需求、促进中国经济结构转型和良性发展提供参考。

一、 互联网金融影响居民消费行为的三种效应

凌炼等(2016)认为，消费金融通过平滑机制、保障机制和增值机制影响了居民消费行为。以此为基础，按照消费金融的功能性，本文对互联网金融领域做如下划分：互联网支付和互联网网贷对应消费金融的平滑效应，补充了支付和信贷功能；互联网保险对应消费金融的保障效应，丰富了风险管理和金融保障功能；互联网投资对应消费金融的增值效应，提升了储蓄和资产增值功能；互联网货币基金既有保障效应，也有增值效应(见图1)。与传统消费金融相比，互联网金融的三种效应更加显著。

(一) 互联网金融影响居民消费的平滑效应

图1互联网金融主要业务领域影响居民消费的三种效应

互联网金融影响居民消费的平滑效应主要通过互联网支付和互联网信贷来实现。

与传统支付相比，互联网支付业务的发展促进了支付平滑效应。首先，互联网具备随时随地可接入性，让消费者可以在任意时间和地点都能购买到所需的商品和服务，从而提高了消费的满足感和随机性，同时网络支付的便捷性也有效提高了居民消费的支付转结效率；其次，网络支付与网络信贷组合，减低了消费者当期消费资金压力，进一步刺激了购买冲动；最后，由于“心理账户”*由于心理账户的存在，居民在做出消费决策时往往会产生一些非理性的消费行为，这些行为集中表现为三大心理效应：沉没成本效应、非替代效应和交易效用效应(Thaler，1980)。尽管互联网支付与现金支付在消费者的心理账户中具有非替代效应，但使用互联网支付所引起的心理账户受损程度要远低于使用现金支付导致的实际账户受损带来的心理冲击。因此，互联网支付将使居民的消费决策更为迅速，消费行为更加活跃，从而达到了平滑消费的效果。等因素，网络支付能促使消费行为更加活跃。

互联网网贷业务的发展，主要是互联网消费信贷的发展，相较于传统的消费信贷，互联网网贷能够更加有效地帮助消费者应对流动性约束和预算约束*大量研究表明，中国居民在做消费决策时通常会基于一个更长时期考虑，期间一些大额支出，如购房、教育等会对当期居民的消费产生较大的抑制作用，人们为应对大额消费支出而考虑削减消费预算就会形成预算约束。，最终实现现期和跨期的连续消费，促进预算平滑效应的发挥。一是能够基于居民的往期消费大数据，科学分配信用额度，促使消费者更加合理地规划跨期消费，满足住房、家电等当期大额刚性需求；二是能够缓慢释放消费者日常、小额或者非确定性的预算约束。随着授信商户生态联盟的增多(比如跨商家的消费积分激励、节假日优惠等)、可获得的消费信贷范围的扩展(比如消费越多可获得的信贷额度越高)，消费者的非确定性消费意愿被刺激和强化，在心理账户和消费冲动的双重因素下，消费者最终兑现消费意愿的几率大大增加。

(二)互联网金融影响居民消费的保障效应

互联网金融对居民消费的保障效应主要通过互联网货币基金和互联网保险来实现。

互联网货币基金既提高了居民消费的自我保障能力，也有利于保持居民的消费惯性。理性消费者一般会采取“预防性储蓄”，加强自我保障(杭斌 等，2009)。互联网货币基金对传统储蓄具有较强的替代效应，同时又能和互联网支付平台无缝对接，既满足了消费者不同期限的缓冲储备*在缓冲储备模型(Deaton，1991；Carroll，1992)中，消费者会制定一个与其收入预期相匹配的财富目标，如果当前财富值低于该目标，预防储蓄动机被强化，消费者就会增加储蓄同时减少消费；如果当前财富值高于该目标，消费者又会减少储蓄同时增加消费。需求，有效降低了消费者尤其是风险规避型消费者的预防性储蓄动机，又能够通过基金理财的方式，使消费者获得相对于传统储蓄更多的财富增值，从而保持了消费习惯的稳定，最终更加有力地拉动居民消费。

在互联网保险领域，除了传统的寿险、养老险等产品线上化外，围绕消费场景的互联网保险正在兴起，并逐渐涉及质量保障、物流保障、售后保障、价格保障和信用保障等诸多消费环节。有了信息技术和大数据的支撑，互联网保险可以更加准确地基于市场需求和消费行为等而产生，能够与商家、平台和监督机构等形成良性互动，切实保护消费者利益，进而帮助消费者稳定未来的消费预期，并最终促进居民的消费需求。

(三)互联网金融影响居民消费的增值效应

互联网金融对居民消费的增值效应主要通过财富效应和收入效应发挥作用，并主要通过互联网投资来实现。相比于传统的投资，在互联网金融时代，投资能够更好地依托于在线支付、云计算、社交网络以及搜索引擎等互联网工具，可以有效地缓解市场信息的不对称，打破线下融通的区域性局限，同时也可延伸线下投资的网络机体，使之更加注重用户体验，让服务更加完善。

二、 互联网金融及各领域发展程度的衡量

中国人民银行于2014年4月发布了《中国金融稳定报告2014》，将互联网金融的范畴界定为广义和狭义两种(中国人民银行金融稳定分析小组，2014)。广义的互联网金融既包括作为非金融机构的互联网企业从事的金融业务，也包括传统金融机构通过互联网开展的金融业务；狭义的互联网金融仅指互联网企业开展的、基于互联网技术的金融业务。互联网金融发展程度的量化一直以来都是学术研究的一个难点，一方面量化的指标需要建立在核心且充分的数据基础上，另一方面量化的数理统计方法必须具有科学性和权威性，因而通常需要权威科研机构和行业代表性企业的共同合作来完成。

为了区别于传统的消费金融服务，本文的互联网金融范畴仅代表狭义的互联网金融，即非金融机构的互联网企业利用互联网平台和技术涉入消费金融创新领域。为此，我们选择北京大学互联网金融研究中心发布的“北京大学互联网金融发展指数”作为互联网金融发展程度的量化指标(北京大学互联网金融研究中心课题组，2016)。从消费金融的功能视角出发，按照互联网金融业务的属性，将互联网金融业务划分为六大板块，即互联网支付、互联网货币基金、互联网信贷、互联网保险、互联网投资理财和互联网征信，根据各业务的广度指标和深度指标，合成单项业务的发展指数，然后汇总为反映互联网金融整体发展的总指数。

(一) 互联网金融发展指数的指标及权重

互联网金融发展指数的指标体系有四个层级，按照总体至局部的脉络延伸(见图2)。

图2互联网金融发展指数形成体系

(参考北京大学互联网金融发展指数指标体系框架图绘制)

各级指标的权重确立采用主观定性法和客观定量法相结合，具体标准为：在四级指标中交易渗透率*渗透率为该业务最近1个月有购买(或发生)记录的总人数除以当期全国总人数得到。占50%，人均交易金额占25%，人均交易笔数占25%；在三级指标中采用平移定量以减少指数波动(按照互联网金融机构业务实际交易金额的3个月移动平均值占两者之和的方法确定)；在二级指标中根据各领域发展的时长和稳定程度确定权重(互联网支付占30%，互联网货币基金占25%，互联网网贷占15%，互联网保险占15%，互联网投资占10%，互联网征信占5%)。

(二)总指数及各领域指数的计算公式

指数的计算按照由局部至总体的路径逐级加权，首先计算出基于环比的各层级指数，然后通过链式相乘的方法得到该层级的定基指数。

(1)层级环比指数计算公式

公式中：It

It-1是互联网金融发展一级指数的环比；Li,t

Li,t-1是互联网金融发展二级指数的环比(i=1,2,3,…,6，代表不同领域，t为期数)；Ki,j,t

Ki,j,t-1是互联网金融发展三级指数的环比(i代表不同领域，j=1,2，代表不同部分*即数据来源蚂蚁金服或非蚂蚁金服。，t为期数)；Xi,j,k,tXi,j,k,t-1是互联网金融发展四级指数的环比(i代表不同领域，j代表不同部分，k=1,2,3，用以区分不同的四级指标，t为期数)；wi是二级权重；pi,j,t是三级权重；mk是四级权重。

图3 互联网金融发展指数时序图(2014年1月— 2016年3月)

注：FIN、FUN、INS、IVE、LEN、PAY分别代表互联网金融整体指数、互联网货币基金指数、互联网保险指数、互联网投资指数、互联网网贷指数以及互联网支付指数，其中FIN、FUN、INS、IVE、PAY数据来源于北京大学互联网金融研究中心，LEN数据根据网贷之家公布的行业成交数据测算得出。

(2)层级定基指数计算公式

t-1期的定基指数由各期环比指数链式相乘获得，计算公式如下：

公式中，i1,i2,…,it分别表示各期的月环比指数*环比、定基指数的详细计算，有兴趣读者可参见北京大学互联网金融研究中心课题组(2016)《互联网金融发展指数的编制与分析》第四部分。。

将各领域和整体指数基期(比如2014年1月)基准值设为100，根据以上方法就可以计算出所需要的不同时期各个领域的互联网金融发展指数(见图3)。

三、 互联网金融发展对中国居民消费支出及结构状态的影响判断

如何刻画和描述消费者结构状态，是消费金融研究面临的又一项挑战。考虑到消费者的消费金融行为相当复杂，在实证研究中，如将传统的经济学因素(如消费者的金融环境、金融状态以及知识和信息水平等)都考虑到理论模型中，无疑会增加模型的复杂程度，使模型的求解、估计和分析变得更加困难。因此，为了能够有效判断互联网金融发展引致居民消费行为状态的变化，本文采用信息熵的方法。“熵”是描述系统自发演变过程中不可逆性的状态函数，以热力学第二定律为基础，由 Shannon(1948)在信息论中最早引入，近年来被广泛应用于信息经济学研究。首先将居民消费进行解构，按一定的逻辑关系划分为n类消费领域，然后分别统计各类消费对应的消费金额c1,c2,…,cn，总消费C=∑ci，则各类消费占总消费的比重为ki=ci

C，其中∑ki=1，那么居民消费结构信息熵的计算公式为：

CDS=-∑kiln ki

(1)

CDS反映了居民消费结构的复杂程度，其值越大表明居民的消费结构越高级，其值越小表明居民的消费结构越简单。

根据国家统计局的统计口径，中国居民人均消费支出通常被解构为八种类别，分别是：食品烟酒类、衣着类、居住类、生活用品及服务类、交通和通信类、教育文化和娱乐类、医疗保健类以及其他用品和服务类。遵照这种分类标准，本文筛选 2011—2016年全国居民消费支出月度数据*中国第十二个五年计划从2011年开始，互联网金融也在该时期诞生并进入快速发展阶段，因此本文分析所利用的是2011— 2016年中国人均居民消费支出数据，数据样本主要来自于Wind宏观经济数据库、国家统计局官方网站和《中国统计年鉴》。为了消除通货膨胀对所选变量的影响，人均居民消费支出数据以居民消费价格指数CPI(2011年=100)为定基价格指数进行折算。所有的月度消费支出数据均采用X12准则以消除季节波动性因素。，按照方程(1)计算出中国居民消费结构信息熵的时间序列cds。运用EViews 9.0对时间序列cds和fin(互联网金融发展整体指数)进行回归分析，可知cds和fin均为一阶单整序列，因此可以进一步检验居民消费结构熵值和互联网金融发展之间的协整关系。本文采用基于残差的EG两步法，利用普通最小二乘法对序列cds和fin进行回归，得到回归方程如下：

ln cdst= 0.6047+0.0040 ln fint+et

t= (97.2557***)(3.3972***)

(2)

对残差et进行ADF平稳性检验，et序列平稳表明cds和fin有长期协整关系，即人均居民消费结构熵和互联网金融发展指数间存在长期稳定的均衡关系。进一步地，构建误差修正模型如下：

Δln cdst= 0.2813+0.0098 Δln fint-0.4660et-1

t= (2.6531**)(2.2805*)(-2.6596**)

(3)

对序列ln cds和ln fin进行格兰杰因果关系检验，结果见表1。

表1 互联网金融发展指数序列对居民消费结构信息熵序列的格兰杰因果检验

表1结果表明，序列fin的变化能够合理地解释序列cds的变化，因此，上述误差修正模型是稳定且有意义的。式(3)回归结果表明，互联网金融发展指数的变动对居民消费结构信息熵存在持续正向影响，当期互联网金融发展指数变动每增加1个单位，当期居民消费结构信息熵将增加0.0098；此外，短期调整系数对应的t值显著，这意味着每个月的实际居民消费结构信息熵与长期均衡值的误差中有46.6%(0.4660)的部分可以被修正，也可以认为如果居民消费因短期波动偏离了长期均衡，则将被46.6%的调整力度拉回到均衡状态。

中国消费结构信息熵值由2011 年的1.82 增加到 2016 年的1.89，上升了0.07，反映出 “十二五”期间中国居民消费呈现多样性，消费结构逐渐向更高层次演变。居民消费结构信息熵与互联网金融发展指数的回归结果，表明中国互联网金融的发展不仅拉动了居民的消费支出水平，而且还促进了居民消费结构的不断升级优化。

四、 互联网金融各领域对中国城乡居民消费的差异化影响研究

(一)变量描述与模型设定

为进一步研究互联网金融不同领域的发展对中国居民消费的差异化影响，本文选取互联网金融发展指数中最具有代表性的五种指数，分别是：互联网货币基金(fun)和互联网投资(ive)指数，以之代表互联网金融在消费金融领域里的增值功能性发展；互联网支付(pay)和互联网网贷(len)指数，以之代表互联网金融在消费金融领域里的平滑功能性发展；互联网保险(ins)指数，以之代表互联网金融在消费金融领域里的保障功能性发展。遵照国家统计局的统计口径，本文认为，中国居民人均消费支出结构可以由食品烟酒(sp)、衣着(yz)、居住(jz)、生活用品及服务(sh)、交通和通信(jttx)、教育文化和娱乐(jywh)、医疗保健(yl)以及其他用品和服务(qt)支出共同构成，其人均支出数据全部源自国家统计局官方网站和Wind数据库的公开数据，数据涵盖的时间跨度为2014年1月至2016年3月，各有关变量的统计性描述见表2。

表2 互联网金融与居民消费相关变量的统计性描述

美国经济学家Duesenberry(1949)提出了相对收入假定理论，首次将习惯因素引入消费函数中，并提出了消费的棘轮效应*根据消费经济理论，居民消费支出不仅受到即期收入的影响，还应考虑前期消费支出的大小，这种消费习惯的继承性被称为棘轮效应。(Ratchet Effects)。为了更好地对比城镇和农村居民消费结构对互联网金融发展的不同响应，考虑到居民消费事实存在的惯性特征，本文在实证研究中使用Panel Data 的分析方法，并通过在回归方程中加入被解释变量和解释变量的滞后值来衡量消费的惯性特征。具体而言，分别对城镇和农村居民消费建立如下动态面板模型：

(4)

其中：Cit分别代表城镇和农村居民的消费水平；Xit是解释变量序列；随机误差项μit反映模型中忽略的随截面成员和时期变化的因素的影响；p和q为最大滞后阶，常规的判断方法是根据信息准则AIC和SC进行选择。本文采用月度面板数据，因此根据式(4)选取合适的滞后阶，结果如表3所示。

表3 居民消费棘轮效应滞后阶数比较

注：3阶及以上滞后阶相关系数不显著。

根据AIC、SC准则结果最小化原则，本文构建了具有棘轮效应的二阶滞后变系数Panel Data模型：

consit=αit+β1t-1consit-1+β2t-2consit-2+β3netj+uit

(5)

式(5)中：cons代表人均居民消费支出，i代表消费支出的类型，t代表支出时期，net代表互联网金融发展指数，j代表指数类型。αit代表常数项，uit为随机误差项。

通常Panel Data模型分为无个体影响的不变系数模型、变截距模型和含有个体影响的变系数模型(高铁梅，2009)。因此，我们需要先进行F统计值检验，判断所采集面板数据适合使用哪一类模型，其原假设有如下两个：

H1∶β1=β2=…=βN

判定规则为：首先检验假设H2，如果检验结果接受原假设，则模型应为不变系数模型。如果检验结果拒绝原假设，则需要进一步检验假设H1，如检验结果接受原假设，则模型应为变截距模型；如果检验结果继续拒绝原假设，则模型应为变系数模型。具体方法是,首先根据公式：

(6)

(7)

计算相应的F值，其中S1、S2和S3分别为变系数、变截距和不变系数模型的残差平方和，N为Panel Data模型中的截面数，k为自由度。然后，利用EViews中函数@QFDIST(d,k1,k2)，其中d=1-α(α为显著性水平)，求得临界值F1α和F2α。最后，比较F与Fα确定合理的模型形式，如果模型需要采用变截距或者变系数的形式，则还需进行相应的固定效应/随机效应检验。

(二)互联网金融各领域发展对城镇和农村居民消费结构影响的差异化解析

首先根据式(6)、式(7)进行计算以确定双截面消费模型的最终形式，结果表明除个别消费模型选择了混合模型外，大多数消费模型均在5%显著水平下选择固定效应变系数模型；之后根据式(5)进行消费截面数据对互联网金融各领域发展指数的回归，结果如表4-8所示。

表4 互联网货币基金发展对居民消费结构影响回归结果

(续上表)

解释变量滞后一阶滞后二阶fun常数项CR2F/Wald冗余固定效应F检验模型选取yl_urban_rural1.5843***(0.1111)-0.7326***(0.1181)0.0326**(0.0156)0.0137(0.0106)10.7728***(3.1692)0.9836673.74———混合模型jttx_urban_rural1.0657***(0.1300)-0.6096***(0.1313)0.2357***(0.0597)0.1202***(0.0399)56.6000***(11.9484)0.99692847.2319.9435***个体固定时期随机jywh_urban_rural1.2529***(0.1072)-0.6822***(0.1002)0.1675***(0.0440)0.0391***(0.0117)35.9681***(6.7130)0.99592133.2516.4019***个体固定qt_urban_rural1.1079***(0.1214)-0.5130***(0.1154)0.0154***(0.0041)0.0039**(0.0019)9.5624***(2.1043)0.999415101.4220.8870***个体固定

注：如无特殊说明，本文一律用*、**、***分别表示10%、5%、1%的显著水平；括号内值为标准误差值。

表5 互联网投资发展对居民消费结构影响回归结果

表6 互联网支付发展对居民消费结构影响回归结果

表7 互联网网贷发展对居民消费结构影响回归结果

(续上表)

解释变量滞后一阶滞后二阶len常数项CR2F/Wald冗余固定效应F检验模型选取yl_urban_rural1.4629***(0.1124)-0.6739***(0.1048)0.0030**(0.0012)0.0035***(0.0013)18.9775***(4.3933)0.9856602.2610.5011***个体固定jttx_urban_rural1.1010***(0.1312)-0.5333***(0.1297)0.0160***(0.0046)0.0090**(0.0036)60.2719***(13.6877)0.99662577.4119.5689***个体固定时期随机jywh_urban_rural1.2104***(0.1048)-0.6794***(0.0988)0.0180***(0.0037)0.0036***(0.0012)51.9861***(8.1040)0.99672624.0739.0795***个体固定qt_urban_rural1.2306***(0.1256)-0.5282***(0.1318)0.0009**(0.0004)0.0002(0.0002)7.8905***(2.3391)0.999312592.2511.3801***个体固定

表8 互联网保险发展对居民消费结构影响回归结果

对表4-8的回归结果进行梳理，并就不同类型消费支出受不同互联网金融发展指数影响的状况按照系数大小排序(见表9-12)，可知在消费金融功能性视角下，互联网金融的发展对中国居民消费结构影响的差异化主要体现在以下三个方面：

第一，互联网金融的不同功能性发展对居民消费支出的影响程度存在差异。从居民消费总体和各项支出的响应来看，互联网支付的正向影响最为显著(与城镇和农村居民人均消费支出的影响系数分别达到了0.78和0.46)，其次是互联网货币基金的正向影响(与城镇和农村居民人均消费支出的影响系数分别达到了0.56和0.31)，而互联网保险和互联网网贷对居民消费的正向影响相对较小。这说明：在消费金融功能性视角下，互联网金融平滑效应的影响居于主导地位，并主要通过互联网支付的发展得以体现；互联网金融增值效应的影响次之，并主要通过互联网货币基金的发展得以体现；互联网金融的保障效应在中国居民的实际消费行为中还没有发挥出明显的作用。分析其原因，既有支付功能在消费金融居于基础性地位的固有因素，同时也是因为中国互联网金融自支付起步，在这一领域的创新最多、应用最广泛，而互联网保险等领域无论是体量、产品还是渠道等都还不够成熟，未来的发展空间和潜力巨大。

第二，城镇和农村居民对互联网金融不同功能性发展的响应敏感性存在差异。针对同类型消费支出(医疗领域除外)，城镇居民消费对互联网金融指数相关系数的显著频度要高于农村居民，说明城镇居民受互联网金融整体及不同功能性发展的影响程度普遍要高于同时期的农村居民。

第三，城镇和农村居民对互联网金融不同功能性发展的响应侧重存在差异。就城镇居民而言：教育文化娱乐和交通通信消费支出受互联网金融各项功能性发展的影响最为显著，其中，教育文化娱乐消费领域互联网金融的增值和平滑功能的影响居于主导地位，交通通信消费领域互联网金融的保障和平滑功能的影响又稍强于增值功能。其次是食品类消费支出，受互联网金融各项功能性发展的影响比较均衡。再次，生活用品及服务类以及其他类消费受互联网金融各项功能性发展的影响较小(见表11)。对农村居民来说：交通通信消费支出受互联网金融各项功能性发展的影响最为显著，但只受到互联网金融增值和平滑功能的影响，保障功能基本没有发挥作用。其次是居住和食品类消费支出，居住消费领域互联网金融的保障功能的影响居于主导地位，而食品消费领域互联网金融的保障功能基本没有发挥作用。再次，教育文化消费、医疗保健等其他类型的消费支出受互联网金融各项功能性发展的影响较小(见表12)。可见，相比于城镇居民，互联网金融的发展更能影响农村居民的物质类消费需求。

分析城镇和农村居民消费支出受互联网金融发展影响差异性的主要原因：一是农村的经济形态相比于城镇更为闭环，农村居民的消费习惯和消费意识更为固化，不太容易受到新兴消费金融功能性发展的冲击和影响；二是得益于城镇优势资源的集中、信息化发展水平和受教育程度，城镇居民能够更为有效地从互联网金融的发展中获得收入效应和财富效应，也能够更好地利用各种网络金融工具合理规划自身消费，从而在预算约束的情况下，获得更大的消费效用。

在看到差异化的同时，上述研究还显示，若干居民类型消费支出(食品、居住、医疗和交通通信)对互联网货币基金、互联网投资、互联网支付和互联网网贷发展的响应程度，城镇和农村的差距并不十分明显(体现为相关系数并不存在级数上的差距)，特别是，对于医疗健康类消费支出而言，农村居民受互联网金融发展的影响程度还要高于城镇居民(体现为相关系数农村高于城镇)。这表明互联网金融的发展对农村居民消费结构的改变正在潜移默化的进行中。可以预见，随着互联网金融的下沉，农村居民在若干领域的消费习惯和消费行为可以变得更加富有弹性。这将给国家相关惠农政策的制定和实施提供更大的操作空间。

表9 互联网金融不同功能性发展影响城镇居民各类消费支出排序

注：在表9-12中，数字“1-8”表示受影响程度从高至低，“-”表示影响系数不显著。

表10 互联网金融不同功能性发展影响农村居民各类消费支出排序

表11 单个类型城镇居民消费支出受互联网金融发展影响排序

表12 单个类型农村居民消费支出受互联网金融发展影响排序

五、结论及建议

本文首先从消费金融的功能性视角出发，从支付平滑、财富增值以及消费保障三个方面分析了中国互联网金融在促进消费方面较传统金融更具优势，然后结合2011—2016年中国互联网金融发展及居民人均消费支出的有关数据，运用信息熵方法证明了互联网金融发展对中国居民消费结构状态的正面影响，继而通过二阶滞后双截面Panel Data模型实证分析了互联网金融各领域对中国城乡居民消费结构的差异化影响。得出结论：

第一，中国互联网金融的发展拉动了居民的消费支出水平，促进了居民消费结构的不断升级优化，同时，互联网金融发展对城镇居民消费结构的影响程度总体大于经济发展相对缓慢的农村地区。

第二，从互联网金融不同功能性发展来看，互联网支付对居民消费支出的影响最大，其次是互联网货币基金和互联网投资，最后是互联网网贷和互联网保险。这表明中国互联网金融的支付平滑功能得到了充分发展，但财富增值功能和消费保障功能还有待于进一步加强，特别是互联网消费信贷对居民消费的拉动能力还亟待提升。

第三，目前为止，城镇居民的精神需求类消费支出受到互联网金融发展的影响更大，而农村居民物质需求类消费支出受互联网金融发展的影响更大。这表明互联网金融具有促进居民消费结构由传统型消费向享受型和发展型消费升级的潜力。

第四，在某些消费领域比如食品、医疗、居住和交通通信领域，城乡居民受互联网影响区分度不大。这表明互联网金融的发展在部分领域抵消了城镇居民相比于农村居民的先发优势，为拉动居民消费，缓解新“三座大山”即“看病难、住房难、上学难”对中国居民消费的抑制提供了新的思路。

基于以上结论，为更好地发挥互联网金融在促进消费升级、推动中国经济结构转型升级中的作用，本文提出以下政策建议:

(1)努力提高国民收入，缩小城乡贫富差距。收入较低仍然是制约居民消费结构升级的最主要因素，为此需要充分利用互联网金融发展引致的消费金融增值效应，增加国民收入特别是增加农民收入，引导国民消费结构朝更合理、高级化的方向发展。与此同时，还要注意平衡城镇与农村在人均收入、信息化环境和教育水平之间的差距，加速发展农村经济，使占中国人口绝大多数的农村居民敢于消费、善于消费，以便能够不断地从互联网金融的发展中获得更多、更大的消费效用。

(2)加强信息化基础设施建设，努力推动移动互联网和物联网的全面覆盖和服务质量提升。在信息经济时代，买卖双方的信息不对称程度大大降低，体验更好的线上消费将有利于互联网金融各功能更加充分地发挥作用。移动互联网接入和物流覆盖是实现线上消费的前提与保证。因此，需要充分鼓励和加速互联网支付、互联网理财等一系列创新型消费金融产品与移动智能通信终端的进一步整合，最大限度地发挥互联网金融无差别享有的特性，以进一步缩小城镇和农村居民在未来消费中的差异。

(3)加速互联网金融发展的下沉。金融服务与增加居民财产性收入密切相关，让国民享受非歧视性的金融服务，普遍能够获得更为丰厚的投资理财回报，一直是金融改革的重点及方向。近几年来，尽管农民财产性收入有所增加，但多集中在土地或住房财产权益上，对如何利用互联网理财则知之甚少。从城镇和农村居民消费应对不同互联网金融功能性发展的响应敏感程度来看，农村居民更需要充分了解继而感受互联网金融发展所带来的财富增值和消费保障效应。因此，应加速互联网金融发展的下沉，具体措施是：一是考虑农村居民资金额度较小、金融认知有限、抗风险能力较弱的实际情况，发挥互联网金融“门槛低”、善于创新的优势，有效挖掘农村“沉睡”的资产和资金，创造合理的投资理财收益；二是进一步完善符合农村消费特点的网上信贷体系建设，为农民获取方便快捷的网络信贷服务创造条件；三是积极在农村居民中开展金融投资与理财技能培训，引导农民更好地利用互联网投资理财获得更多的财产性收入。

(4)完善互联网金融保障体系，促进互联网金融健康发展。尽管互联网金融的发展空间广阔，但金融发展的安全问题不容忽视。现阶段，无论是城镇居民还是农村居民，在面对繁复的互联网金融产品及服务时，风险识别能力均有限，遭遇网络欺诈等行为时很容易受到伤害。因此，需要政府引导全社会共同努力：一方面，不断完善保险市场建设，尤其是建立健全互联网保险机制，发挥其对经济和居民财产的保障作用；另一方面，必须立法强制建立互联网金融的信息披露和风险提示制度，形成充分且全面的互联网金融监管体系，将互联网金融发展的系统性风险控制在合理范围内，使之能够更好地服务经济发展，提高人民生活水平。

北京大学互联网金融研究中心课题组. 2016. 互联网金融发展指数的编制与分析[J]. 新金融评论(1):101-129.

高铁梅. 2009. 计量经济分析方法与建模 [M]. 北京:清华大学出版社.

杭斌,郭香俊. 2009. 基于习惯形成的预防性储蓄:中国城镇居民消费行为的实证分析[J]. 统计研究(3):38-43.

凌炼,龙海明. 2016. 消费金融影响居民消费行为的机制分析[J]. 求索(5):78-82.

中国人民银行金融稳定分析小组. 2014. 中国金融稳定报告2014[M]. 北京:中国金融出版社.

CARROLL C D, HALL R E, ZELDES S P. 1992. The buffer stock theory of saving: some macroeconomic evidence [J]. Brookings Papers on Economic Activity, (2):61-156.

DEATON A. 1991. Saving and liquidity constraints [J]. Econometrica, 59(5):1221-1248.

DUESENBERRY J S. 1949. Income, saving and the theory of consumer behavior [J]. Cambridge: Harvard University Press.

MERTON R C. 1969. Lifetime portfolio selection under uncertainty: the continuous-time case [J]. Review of Economics and Statistics, 51(3):247-257.

MERTON R C. 1971. Optimum consumption and portfolio rules in a continuous-time model [J]. Journal of Economic Theory, 3(4):373-413.

SAMUELSON P A. 1969. Lifetime portfolio selection by dynamic stochastic programming [J]. Review of Economics and Statistics, 51(3):239-246.

SHANNON C E, WEAVER W. 1948. The mathematical theory of information [J]. Mathematical Gazette, 97(333):170-180.

THALER R H. 1980. Toward a positive theory of consumer choice [J]. Journal of Economic Behavior & Organization, 1(1):39-60.

TUFANO P. 2009. Consumer finance [J]. Annual Review of Financial Economics, 1:227-247.

Abstract: Based on the functions of consumer finance, this paper analyzes the intrinsic mechanism of internet financial impacts on household consumptions from three angles of smoothness, security and appreciation, and with the monthly related data from 2014 to 2016 of China′s internet financial development and consumptions, conducts series empirical researches about where and how the internet financial developments affect the household consumption expenditures in general or in an independent field through an information entropy way and a panel data model method. The results show that the internet finance has a significant influence on the structure′s updating of Chinese consumers, at the same time, degrees of impacts on consumptions of urban residents are obvious than that in rural areas with different emphasis. The proposals are advanced to improve the level of national incomes, to strengthen the mobile Internet and networking constructions, to sink the internet financial service centers, and to strengthen financial supervision of internet security. These suggestions are helpful reference for the nation to identify focuses where the internet finance can effectively promote upgrading consumption structures both in urban and rural areas.

Keywords: consumer finance; household consumption; internet financial development index; information entropy; ratchet effects

(责任编辑 彭 江)

ImpactoftheInternetFinanceontheConsumptionofUrbanandRuralResidentsinChina:FromthePerspectiveofConsumerFinancialFunctions

ZHANG LiYi TU Ben

(School of Information Management, Wuhan University, Wuhan 430072)

F832

A

1001-6260(2017)08-0070-14

10.19337/j.cnki.34-1093/f.2017.08.008

2017-05-22

张李义(1965--)，男，安徽安庆人，武汉大学信息管理学院教授，博士生导师。 涂 奔(1980--)，男，湖北荆州人，武汉大学信息管理学院博士生。

国家自然科学基金项目“融合情境的移动阅读推荐系统研究”(71373192)；教育部人文社会科学重点研究基地重大项目“商品评论源信息获取方法与技术研究”(4JJD870002)。