数字普惠金融对居民家庭灵活就业的影响研究

■郭继辉 金榕

一、引言

国务院《关于进一步做好稳就业工作的意见》提出，要开发更多就业岗位、促进劳动者多渠道就业创业、做实就业创业服务等措施全力做好稳就业工作，同时支持劳动者通过临时性、弹性工作等灵活多样形式实现就业①。国务院关于印发《“十四五”就业促进规划》的通知中也明确指出数字经济要与实体经济深度结合，创造更多基于数字平台的就业机会，带动更多劳动者就业创业，鼓励传统行业与数字行业融合，增加灵活就业机会②。我国新形态就业发展迅速，2021年灵活就业人员已经达到了2亿人，其中从事主播及相关从业人员160 多万人，较2020年增加了近3倍③。《中国灵活用工发展报告（2022）》蓝皮书显示，2021年企业灵活用工比例达61.14%，较2020年上升5.46 个百分点，企业总体上呈现灵活就业规模扩张趋势。各种灵活的就业模式吸纳了大量劳动者，可见灵活就业发挥着稳就业的重要作用。滴滴出行、阿里巴巴的电商淘宝村等互联网企业拥有工作时间灵活等特点，吸纳就业能力强，为“六稳”“六保”作出突出贡献。缩小贫富差距、共享经济发展红利、促进共同富裕的关键是积极采取多种措施，稳定和促进家庭灵活就业水平。

居民灵活就业离不开资金的支持。数字普惠金融是一种基于网络和通信、云计算等数字技术的普惠金融服务模式。一方面，数字金融能降低就业的融资成本和融资约束，扩宽金融服务范畴，为灵活就业人员提供资金支持；另一方面，电子网络的支付方式为就业者提供了便利，电商和直播带货等互联网平台在电子支付消费的大趋势下蓬勃发展，能起到缓解就业压力的作用。数字普惠金融是科技与普惠金融结合的产物，其拥有的快速、便捷、低成本等特点使金融服务劳动力市场发展迈上新的台阶。那么，数字普惠金融的发展能否有利于居民家庭灵活就业？其影响机制是什么？

二、文献综述

普惠金融与传统金融发展的不同之处在于：传统金融发展的内涵是金融深化，主要是为了汇集社会闲散资金，将资金转化为投资；而普惠金融的内涵是金融广化，即提高金融服务的广度，目的是为社会各阶层创造平等享受金融服务的机会，进而促进经济社会的和谐发展[1]。2016年G20普惠金融全球合作伙伴组织（GPFI）对数字普惠金融的定义为：“泛指一切通过使用数字金融服务以促进普惠金融的行为”。《中国数字普惠金融发展指数研究报告（2020）》指出我国数字普惠金融实现了跨越式发展，其省级层面中位数从2011年的33.6 增长到2020年的334.8，上涨了8.96倍。

数字普惠金融发展形态各异，在农村地区呈现出三种主要形式：第一种是金融机构提供的手机银行和网上银行等服务；第二种是农业供应链借助互联网技术提供的金融服务；第三种是阿里巴巴等金融科技公司提供的线上金融产品[2]。数字金融解决了普惠金融遇到的难题，有效地借助支付宝等app所特有的客户数据获取能力进行信用评估[3]，依靠大数据、信息通信等技术帮助受传统金融机构排斥的“长尾”客户获得便捷的金融支持，拓宽了普惠金融的服务深度和广度[4]。在数字普惠金融的经济效应方面，一些研究发现数字普惠金融能够降低交易成本[5]、缓解农户信贷约束、增加信息可得性、增强社会信任感[6]、缩小城乡收入差距[7]、促进农村居民收入增长[8]、提高弱势地区居民消费[9]、促进经济增长[10，11]和企业创新创业[12，13]等。

1972年，国际劳工组织首次提出“非正规就业”，其具有规模小、技术含量低、容易进出和自我雇佣等特点。我国在2001年制定的《人口、就业和社会保障专项规划》中，首次提到“灵活就业”，该规划认为非全日制、临时性和弹性工作时间等多种灵活的就业形式可以稳就业和保就业，加强职业培训等非义务教育对再就业具有积极促进作用。2002年《我国灵活就业问题研究报告》中提到灵活就业是在劳动保障、社会保险、收入福利和劳动时间等一方面或几方面区别于正规就业的劳动形式。随着社会经济的不断发展，就业形式逐渐多样化。我国的城镇灵活就业人员既包括作家和自由撰稿人等自由职业者，还包括临时工和劳务派遣工等一般劳动者，也包括自己创办企业身兼雇主和雇工的劳动者，根据雇佣关系，可分为自雇佣、受雇佣和自由型三类，这其中的就业主体包含了如农民工和下岗失业人员等边缘群体[14]。灵活就业包括兼职工作、共享工作、弹性工作、集中工作、阶段工作、远程工作和非标准工作等工作形式，是否适用于现行劳动法说法不一，工作地点可以选择在家里、数字工作区、咖啡馆等场所。灵活就业由数字技术进步和创业创新活动等宏观因素推动，可达到抑制失业率上升、扩大内需和提升有效工作时间等作用[15]。与正规就业相比，灵活就业存在一些问题，如没有正规的劳动合同，社保政策不完善，劳动纠纷等[16]。但发展灵活就业是缓解我国就业压力、促进我国经济发展和社会稳定的重大举措[17，18]。

现有研究探讨了数字普惠金融与家庭就业之间的关系。刘尚希[19]在研究农户的就业状态时，认为就业既包括受雇佣就业，也包括开办工厂、种植养殖等大规模的“自我就业”。尹志超等[20]研究发现数字普惠金融发展能显著提高家庭部门的就业人数，其主要促进了自雇佣就业，对非自雇佣就业影响不显著。方观富等[21]实证检验得出数字普惠金融发展对居民就业和工作收入具有正向影响的结论。曾之明等[22]对实地调研和网上问卷调查方式收集的数据进行实证检验，研究认为数字普惠金融可有效降低金融服务农村地区的门槛和成本，从而促进农户创业。何婧等[6]运用中国农业大学调查的普惠金融数据，对创业类型进行细分后，实证研究发现数字金融显著影响生存型创业和非农创业，尤其对低人力资本、社会资本和物质资本农户群体的影响更大。谢文武等[23]认为数字普惠金融使用深度能显著促进农户创业，而覆盖广度则没有显著性，数字普惠金融对中部地区农户创业有显著影响，而对东部和西部地区的农户创业没有显著促进作用。

目前暂无研究从数字普惠金融角度分析家庭灵活就业的变化，因此本文从家庭角度实证检验数字普惠金融对居民家庭灵活就业的影响及其作用机制。本文可能的边际贡献有以下三个方面：第一，从微观视角出发，将2019年中国家庭金融调查数据（CHFS）与中国数字普惠金融指数相结合，基于横截面数据探讨数字普惠金融及其分维度对家庭灵活就业的影响。第二，分析数字普惠金融发展对家庭灵活就业的影响机制，以及社会网络在两者之间所起到的调节作用。第三，将样本范围划分为农村和城市、一二三线及以下城市、中部东部西部和不同收入群体，以检验数字普惠金融发展对灵活就业影响的异质性。

三、理论分析与理论假说

数字化技术使得就业边界越来越模糊，就业方式越来越有弹性，在基于平台化的雇佣关系下，劳动者的工作时间、工作地点和雇佣合同更加灵活，不仅可以跨越空间远距离获得工作机会，而且大量群体可以较容易享受到数字金融带来的资金支持和其他金融服务，进行创新创业。一方面，数字金融能够提供各类期限灵活的小额信贷产品，缓解居民家庭的融资约束，劳动者也可以利用借贷资金来接受职业技术教育培训，提升自身人力资本，从而达到就业岗位所需要的门槛和条件。此外，数字金融推动部分劳动者进行创业，如办理个体工商户、微商和外卖平台等实体行业和网络行业。另一方面，基于电子网络的支付方式为就业者提供了便利，能降低金融交易成本和拓宽金融服务范畴。电商和直播带货等互联网平台在电子支付消费的大趋势下蓬勃发展，创造大量灵活就业岗位。通过网络进行灵活就业是部分劳动者的选择，其可以不受约束的从事一份或几份工作。相对于受雇佣就业，自雇佣就业具有灵活性强、平衡工作与生活、增强满足感等优势，从而容易得到就业者的青睐[24，25]。宏观经济环境影响着自雇佣就业机会的识别、发现和创造[26]，因此地区数字金融发展带来的自雇佣就业效应比受雇佣就业效应影响更大[20]。鉴于此，本文提出假设1。

H1：数字普惠金融有助于居民家庭灵活就业，且对自雇佣灵活就业的促进作用大于受雇佣灵活就业。

早期的金融发展理论主要研究金融在经济中的作用，即金融发展与经济增长之间存在的内在关系。金融深化对经济发展的积极效应可表现为收入效应、就业效应、投资效应和储蓄效应。随着研究的深入，以关注“弱势群体”为核心的包容性增长理论受到广泛重视，该理论主张机会公平。中国的创业企业常面临融资难融资贵，被传统金融机构排斥在外的问题[27]。Bianchi[28]认为劳动力市场与金融市场发展之间存在互补性，金融约束制约了地区经济发展，但金融发展水平可有效改善资源分配效率、缓解信贷约束，从而促进地方的就业创业活动。数字普惠金融以其特有的“数字化普惠”特点为中小微企业、弱势群体和低收入者提供了简单快捷易获取的信贷服务，有益于中小微企业的快速发展，以创业带动就业和灵活就业，开辟灵活就业新途径，从而推动经济发展和社会稳定[29]。鉴于此，本文提出假设2。

H2：数字普惠金融通过推动创业促进居民家庭灵活就业。

“强关系力量假设”由Bian 等[30]提出，他们认为强关系是由互动发生频率较多、情感度较深等基础感情建立起来的社会网络，比如亲密的亲戚关系、战友关系和朋友关系等，是在基于同质性的特点即掌握的信息、年龄、收入、职业身份等特征趋同的条件下建立起来的。强关系拥有长期性、稳定性、中介性和高信用度四个特点，在信息传递及人际关系方面发挥着至关重要的作用[31]。拥有强大社会关系网络的人能够更好地利用广泛的劳动力市场机会[32]。无论是在体制外单位还是体制内单位，在求职过程中，强关系比弱关系更容易获得就业机会[33，34]。因此，社会网络越广，居民获取和处理信息的能力越强。基于血缘亲属关系和地缘关系的社会网络能给就业者带来更多宝贵的资源及坚定的精神支撑[35]。家庭社会网络在家庭成员求职过程中占有重要作用[36]。农民工可以利用社会网络帮助其获得更多的就业选择，同乡人可以介绍工作岗位，从而获得受雇佣机会[37]。外出务工返乡创业者依靠其积累的社会资源以及人力资本有益于促进创业[38]。马光荣等[39]研究发现社会网络越广泛的居民越容易获得民间贷款，从而更可能进行创业，弥补了正式金融机构的缺陷。在大数据技术的驱动下，居民可以轻易获取理财和信贷等金融信息，还可以在网络交易平台上掌握其他合作者的经营动态，从而提高了信息可得性[6]。即社会网络与数字金融之间可能存在“替代”关系。因此，本文提出假设3。

H3：社会网络在数字普惠金融与居民家庭灵活就业之间起到负向调节作用，即社会网络与数字金融之间存在“替代”关系。

四、指标说明与模型构建

（一）数据来源

本文将西南财经大学2019年在全国范围内进行的中国家庭金融调查数据（CHFS）与北京大学数字金融研究中心发布的省级层面数字普惠金融指数进行匹配。该调查问卷涉及了人口统计学特征、家庭资产与负债、保险与保障等方面的家庭情况，涵盖了34643 户家庭、107008 个家庭成员的信息。由于CHFS 调查的是家庭上一年的情况，故本文选取了2018年数字普惠金融总指数、覆盖广度指数、使用深度指数和数字化程度指数来与CHFS数据进行匹配。剔除家庭无灵活就业的样本，最终得到15701个样本家庭的数据。

（二）变量选取

1.被解释变量

关于灵活就业的定义，普遍的说法是指以非全日制、临时性和弹性工作等灵活形式的就业。劳动者可以选择一种或多种就业形式。借鉴尹文耀等[40]、戚聿东等[41]的做法，本文将CHFS 问卷中除务农、固定职工和长期合同（1年以上）之外的样本都视为灵活就业。灵活就业类型包含自雇佣就业和受雇佣就业两种。其中，受雇佣就业包括临时性工作（1年及以下临时合同或没有签订正规劳动合同，如打零工）和家庭帮工；自雇佣就业包括雇主、自营劳动者和自由职业者。本文将家庭层面灵活就业人数总和作为被解释变量。

2.自变量

本文采用滞后一期的数字普惠金融作为核心解释变量。为研究数字普惠金融的不同维度对居民家庭灵活就业影响，进一步考虑二级指标覆盖广度、使用深度和数字化程度，并以居民家庭所在省份数字普惠金融一级指标和二级指标衡量其发展状况。其中，覆盖广度以电子账户如支付宝账户注册数量等来衡量；使用深度以支付业务数量、货币基金业务数量等来衡量；数字化程度以移动化和便利化等指标来衡量。

3.控制变量

参考易行健等[9]和尹志超等[20]的研究，选择户主的性别、年龄、年龄平方、接受教育程度、婚姻状况、身体健康状况、政治面貌作为个人特征变量；选择家庭成员规模、老年人口数量、家庭总资产和家庭所处地理区域作为家庭特征变量。

4.机制变量

为了进一步研究数字普惠金融发展影响居民家庭灵活就业的机制，本文选取居民家庭是否创业作为中介变量。具体而言，根据问卷中询问的“目前，您家是否从事工商业生产经营项目，包括个体户、租赁、运输、网店、微商、代购、经营公司企业等”，若选择“是”则将创业变量赋值为1，否则为0。本文将社会网络作为调节变量，把有无外出务工经历和家庭人情收支总额作为社会网络的代理变量。根据问卷中询问的“在外地有过半年以上生活或工作吗”，若选择“有”则赋值为1，表示社会网络丰富，否则为0。上述变量的描述性统计如表1所示。

表1 变量描述性统计

（三）模型设定

由于被解释变量为家庭层面灵活就业人数，故本文构建的基准回归模型为：

其中，Employmenti为第i 个家庭的灵活就业人数，也可表示自雇佣和受雇佣；Difi,t-1表示第i 个家庭滞后一期对应的数字普惠金融发展状况，也包含了使用深度、覆盖广度和数字化程度这三个二级指标；Xji为其他全部控制变量，包括个人特征、家庭特征，εi表示随机误差项且服从N（0，σ2）。

其次，为了研究数字普惠金融发展影响家庭灵活就业的机制，构建模型如下：

模型（1）和（3）采用OLS回归模型，模型（2）采用Probit模型。其中，Ent*i表示潜变量；Enti表示居民家庭i 是否创业，创业为1，否则为0。Pepi表示第i户家庭人情收支情况，μi和εi是随机误差项。

五、实证结果及分析

（一）数字普惠金融对居民家庭灵活就业总影响

表2报告了OLS 回归下数字普惠金融与居民家庭灵活就业的关系。模型（1）结果显示数字普惠金融发展显著促进居民家庭灵活就业。模型（2）和（3）在模型（1）的基础上分别加入了户主个人特征和家庭特征控制变量，结果依然显著。由表2（3）列的结果可知，数字普惠金融发展指数每提升一个单位，家庭灵活就业的人数将提升0.522 个单位。对于控制变量，户主个人特征变量中的年龄与农村家庭就业呈倒U型关系，说明随着年龄的增长，家庭灵活就业人数呈先升后降的趋势。当户主为男性时，正向显著影响家庭灵活就业。个体受教育程度越高，知识水平越丰富，就会具备较高的企业家才能和就业技能，其选择正规、长期和稳定的就业形式的能力会更强，而选择灵活就业形式的概率降低[42]。政治面貌在1%的显著性水平上负向影响家庭灵活就业，可能是党员身份更容易找到体制内的工作。身体状况越好，越能够获得就业机会，从事多份工作。在家庭控制变量方面，家庭规模越大，拥有的社会资源也越多，能够参与就业的资源也会相应增加，因此就业的概率就越高。家庭老年人数量越多，劳动能力越弱，获得就业的机会越少。家庭总资产在1%的显著性水平上与家庭灵活就业正相关，即家庭财富越多，越能够缓解资金约束，就业机会越大。由地区特征变量可知，在中部和西部地区，居民家庭灵活就业的概率不显著。

表2 数字普惠金融对灵活就业的影响

（二）数字普惠金融分维度对家庭灵活就业的影响

本文将数字普惠金融的使用深度、覆盖广度和数字化程度这三个二级指标分别作为解释变量进行回归。表3显示结果依然显著为正，说明使用深度、覆盖广度和数字化程度的发展同样也增加了家庭灵活就业人数。相对而言，数字普惠金融数字化程度对家庭灵活就业人数的影响更为显著。

表3 数字普惠金融分维度对灵活就业的影响

（三）数字普惠金融对不同灵活就业类型的影响

由表4的回归结果可以看出，数字普惠金融在1%的显著性水平上提升了家庭自雇佣的人数，而与受雇佣人数的关系负相关，原因可能是自雇佣对资金、经营能力及社会资源要求较低，数字普惠金融能较容易地帮助自营者获得所需的信贷资金和信息资源，增强社会信息可得性，提高金融知识水平，同时催生出基于数字平台的新型就业形式，如网络直播卖货、自媒体和互联网电商，灵活且方便的就业渠道受到了灵活就业劳动者的偏好。综上，假设1 得到验证。

表4 数字普惠金融对各就业类型的影响

六、数字普惠金融影响家庭灵活就业的机制和调节效应

（一）机制检验

表5显示了数字普惠金融影响居民家庭灵活就业行为的作用渠道。结果显示，数字普惠金融及其分维度与家庭创业呈显著的正相关关系。由此可知，数字金融通过推动创业活动的开展进而促进居民家庭灵活就业，假设2得到验证。

表5 数字普惠金融与居民家庭创业

（二）调节效应

检验调节效应的回归结果如表6所示。在（1）和（2）列中，引入数字普惠金融指数与人情收支总额的交乘项，结果显示交互项系数均显著为负，即社会网络水平越高，数字普惠金融对家庭灵活就业的影响越小。在（3）至（6）列中，把总体样本划分为有外出务工经历和没有外出务工经历两部分，结果显示数字普惠金融更有助于没有外出务工经历的群体选择灵活就业。综上所述，数字金融与社会网络存在“替代”关系。

表6 社会网络调节效应

七、异质性分析

（一）家庭人均年收入的差异

为探究数字普惠金融对不同收入群体灵活就业的影响，将样本依据家庭人均年收入的分位数划分为0～25%、25%～50%、50%～75%和75%～100%四个区间。其中，人均年收入=家庭年总收入÷家庭人数。回归结果如表7所示，处于0～25%和75%～100%这两个区间样本的数字普惠金融发展对家庭灵活就业的正向影响显著，即低收入家庭和高收入家庭更能充分利用数字金融带来的红利。从回归系数来看，对低收入家庭的影响更显著。

表7 基于收入的异质性

（二）城乡差异和城市综合发展水平差异

表8报告了数字普惠金融发展对居民灵活就业行为影响的城乡异质性和城市综合发展水平异质性。由结果可知，数字普惠金融在农村和二线及以下城市更能促进家庭灵活就业。这可能是因为数字普惠金融依靠覆盖广度和使用深度触及更多经济较不发达地区的家庭，为其提供信贷资金、提升金融知识和金融产品可获得性等金融服务，获得资金支持的电商企业、家庭工厂等企业能大量吸纳灵活就业者，鼓励居民就地就近创业就业，丰富了经济发展水平较落后地区的就业机会，数字普惠金融的边际效应较大，从而产生更多正外部性。

表8 基于城乡差异和城市发展水平差异

（三）地区的差异

一般而言，经济发展水平较高的地区，其商业氛围较浓厚，经济增长与就业水平正向变动。经济发展进一步扩大内需，为企业创造更多的发展机遇，企业进行转型升级从而带来新的就业岗位。在经济良好发展的背景下，家庭也积极借助政府补贴、发展商机等各种优势进行创新创业。表9报告了基于地区异质性的回归结果。结果表明，中东西部的数字普惠金融的系数均显著为正，但是西部地区受到的数字红利要高于其他地区。由于近几年的国家政策更多地向西部地区倾斜，数字普惠金融的红利逐渐拉近了地区间的差距，当地金融服务水平、基础设施建设及公共服务项目等得到改善，因此经济发展水平较低的地区在数字普惠金融的推动下获益更明显。以上异质性分析结果充分体现了数字普惠金融的包容性。

表9 基于地区的异质性

八、内生性及稳健性检验

（一）内生性问题处理：工具变量法

在上述基准回归中，数字普惠金融显著促进了家庭灵活就业。但一方面，由于就业能力的提升导致就业者的知识水平有所提高，因此就业对数字普惠金融发展水平也会有相应的影响，即两者之间存在互为因果的关系；另一方面，除了解释变量及控制变量之外，还有其他遗漏的因素对家庭灵活就业产生作用。本文参考岳中刚等[43]选取家庭每月通信费（包括使用电话、手机等通信费，有线电视费，上网费）作为工具变量处理内生性问题的做法，使用二阶段最小二乘法进行估计。如表10 所示，DWH 检验显著，说明具有内生性。一阶段的F 统计值为54.5155，大于临界值10，即工具变量与内生变量相关性较强。此外，AR 检验和Wald 检验的P 值都小于5%，均通过了检验，说明工具变量的选取是合理的，不存在弱工具变量。一阶段的工具变量通信费与数字普惠金融显著正相关，二阶段的数字普惠金融在1%的显著性水平上促进了家庭灵活就业，与前文结果保持一致。因此，在考虑了可能存在的内生性问题后，数字普惠金融发展仍然能够提高家庭灵活就业人数，前文实证结果稳健。

表10 数字普惠金融与家庭灵活就业：工具变量法

（二）稳健性检验

本文进行两方面的稳健性检验：一是用灵活就业率代替灵活就业人数，来进一步分析数字普惠金融对家庭灵活就业的影响，将家庭灵活就业人数除以家庭16岁以上除在校学生、丧失劳动能力者和离退休者外的劳动力数量得到家庭灵活就业率，自雇佣就业率和受雇佣就业率的定义同灵活就业率类似。二是删除直辖市样本，避免受到直辖市与其他城市存在差异而造成的极端值影响。表11 结果显示，数字普惠金融发展仍能显著提升灵活就业率和自雇佣就业率，对受雇佣就业率的影响不显著，实证结果与上文一致，说明本文的结果是稳健的。

表11 稳健性检验结果

九、结论与政策建议

本文得出的主要结论如下：（1）数字普惠金融能显著促进家庭灵活就业。（2）数字普惠金融的三个分维度覆盖广度、使用深度和数字化程度也显著刺激了家庭灵活就业。（3）在家庭的两种灵活就业类型中，数字普惠金融对自雇佣的正向作用更加强烈。（4）数字普惠金融通过家庭创业促进家庭灵活就业，社会网络在数字金融和灵活就业之间起到负向调节作用，即数字金融与社会网络之间存在替代关系。（5）从异质性分析来看，在家庭人均年收入方面，数字普惠金融更有助于低收入和高收入家庭，尤其是低收入家庭的灵活就业。从城乡差异和城市综合发展水平差异角度来看，数字普惠金融更能促进农村和二线及以下城市家庭的灵活就业。在地区差异方面，西部地区家庭更容易获得数字金融的红利，中部和东部地区次之。

基于上述结论，本文提出相应的政策建议：（1）持续推进数字普惠金融发展。商业银行等传统金融机构应积极运用金融科技与数字化技术，将数字金融与普惠金融结合起来，运用大数据手段全面深入地了解客户需求，有效提升传统金融机构获客的数量与质量。（2）持续推进数字经济平台化，完善普惠金融扶持灵活就业贷款政策。政府应出台各项优惠政策支持互联网平台创造的新型灵活就业形式，以创新创业带动灵活就业。同时，由于灵活就业者的收入和社会保障不稳定，通过数字金融渠道获取金融服务的需求高于稳定就业人员，各金融机构应将灵活就业者纳入服务范围，为其提供信贷支持、金融产品等精准的金融服务，支持居民家庭创新创业。（3）积极实施灵活就业服务体系建设。为下岗员工、女性群体、失业者和农民工等弱势群体提供就业培训和就业咨询服务，对有创业意愿的灵活就业者，政府可提供创业指导和资金支持，提高其整体劳动素质和职业技能水平。■

注 释

①国务院印发《关于进一步做好稳就业工作的意见》，中国人力资源社会保障，2020（1）：5。

②http：//www.gov.cn/zhengce/zhengceku/2021-08/27/content_5633714.htm。

③https：//mini.eastday.com/nsa/n220209133407523.html。