数字普惠金融、金融素养和家庭收入贫困
2022-10-10邓晓军
邹 静 邓晓军
一、引 言
共同富裕是社会主义的本质要求，是中国式现代化的重要特征（习近平，2021）。稳定脱贫、防止返贫是我国贫困治理、实现共同富裕中亟待解决的难题。金融扶贫在减缓家庭贫困上具有其独特优势，故一直是学者和政策制定者关注的焦点。大多数学者主要关注金融发展特别是普惠金融对贫困减缓的作用，但观点各异。一些学者认为金融发展特别是普惠金融主要通过提供更多的金融服务渠道、改善贫困人口的收入水平、减少收入分配不平等等直接途径来减缓贫困，或通过影响经济增长、促进资本积累、推动技术创新等间接途径缓解贫困（Jalilian & Kirkpatrick, 2005; Beck et al., 2007; Singh et al., 2009）；另一些学者则认为普惠金融与贫困减缓之间是非线性关系，金融发展对减缓贫困的影响呈现先恶化后改善的效应（崔艳娟和孙刚，2012）；还有些学者则认为普惠金融对贫困减缓的作用不一定显著，甚至会产生负向影响（Galor & Zeira, 1993; Ravallion, 1997; Adams, 2004; Sehrawat & Giri, 2016; Schmied & Ana, 2016）。
随着互联网信息技术的发展，大数据、云计算、人工智能和区块链等被广泛运用，普惠金融向更深层次的数字普惠金融发展。故后续研究更多关注数字普惠金融的减贫效应（United Nations, 2016; Ozili, 2018; 张栋浩和尹志超，2018）。此外，也有学者从金融素养的视角来研究家庭贫困（Jappelli & Padula, 2015; Lusardi & Mitchell, 2014; 单德朋，2019）。但是将数字普惠金融和金融素养结合起来研究对家庭贫困影响的文章相对较少，且缺乏对中国家庭的研究。金融素养是个体自身行为，而数字普惠金融是外界技术环境变化是外界技术环境变化的产物，家庭贫困应该是内外因综合作用的结果。2019年7月31日，中国人民银行发布的《2019年消费者金融素养调查简要报告》指出，随着数字技术与各类金融产品和服务的不断融合，消费者的数字素养水平不仅会影响其是否能充分享受普惠金融发展带来的好处，也会影响到其金融素养的变化。具体来说，消费者通过数字渠道能更加容易地接触到金融产品，可以更加便捷地使用各项金融服务，在实践和试错中提升自身的金融素养；另一方面，消费者基础金融知识与数字技能的不足、信心的缺乏等会制约其进一步使用各项金融产品和服务。
基于上述考虑，本文将考察数字普惠金融和金融素养对家庭收入贫困的联合影响效应及其作用机制，以期从内外因两方面寻找家庭减贫的对策，创新数字普惠金融减贫致富路径，为相关政策制定者提供决策与参考依据。
二、文献综述
关于金融素养与贫困减缓关系的研究相对较少。有研究直接关注了金融素养与福利的关系。Lusardi和Mitchell（2011）研究发现通过金融教育，金融素养最低的劳动者显著改善了其资产配置行为，福利相对于基期水平提升了82%；Taft et al.（2013）也认为金融素养能够有效减少财务焦虑，提升家庭的金融福利水平。金融素养是影响行为主体资产配置选择的重要因素，缺乏金融素养容易导致行为主体做出诸如储蓄较少、金融市场参与率低、借贷利率更高、资产回报率低、缺乏退休计划等错误的金融决策 （Lusardi & Mitchell, 2014），从而影响贫困人口的资产配置和贫困状况。单德朋（2019）研究发现金融素养对城市贫困减缓具有显著积极影响，不仅能够为贫困人口的收入开源，还可以通过影响资产配置行为，实现财富积累，并提升收入稳健性。此外，金融素养作为一种基本能力，本身就是能力贫困的重要维度（Jappelli & Padula, 2015）。金融素养的提高能够显著降低贫困发生的概率，金融机会在其中发挥了部分中介效应（方舒和王艺霏，2021）。无论是绝对贫困还是相对贫困，金融素养均能够显著抑制贫困的发生，且城镇地区相对于农村地区更明显（谭燕芝和彭千芮，2019）。
关于数字普惠金融与贫困减缓两者关系的研究也相对较少，并主要研究普惠金融与贫困减缓的关系。国内外学者主要有三种观点：第一种观点认为普惠金融对减贫有显著的积极作用。Chibba（2009）指出普惠金融可有效缓解贫困、促进包容性发展和实现发展目标。Milcher（2010）基于东南欧国家数据的研究发现，使用银行服务的家庭贫困脆弱性显著低于没有使用银行服务的家庭；类似地，Swain & Floro（2014）基于印度数据的研究也发现，参加微型项目的家庭的贫困脆弱性也是显著低于没有参加微型金融项目的家庭。Choudhury（2014）则从理论上建立了金融普惠与家庭贫困脆弱性之间的联系，指出金融普惠促进了家庭获得和使用金融服务，提高了家庭应对风险冲击的能力，从而降低了贫困脆弱性；反之，金融排斥则显著提高了家庭的借贷成本和交易成本，加剧了社会排斥，致使家庭无法有效应对风险。张栋浩和尹志超（2018）的研究也同样发现，金融普惠可以通过提高农村家庭风险应对水平缓解风险性问题，从而降低家庭的贫困脆弱性。Sehrawat和Giri（2016）通过实证研究也发现普惠金融具有减贫作用。Park & Mercado（2018）基于176个经济体构建新的普惠金融指标，评估影响普惠金融的各种宏观经济和国别因素。其研究发现，金融包容性与较低的贫困和收入不平等显著相关，但对亚洲发展中国家来说，金融包容性与收入不平等之间关联性不强。第二种观点认为普惠金融与贫困减缓之间呈现非线性关系。崔艳娟和孙刚（2012）采用1978-2010年中国省级层面的面板数据研究发现，金融发展可以通过经济增长、收入分配途径提高贫困人口的收入水平，但金融波动会抵消金融发展的减贫效果。同时由于金融服务成本等原因，金融发展减缓贫困的作用会出现先恶化后改善的效应。第三种观点认为普惠金融对贫困减缓作用不明显，甚至会产生负效应。Schmied和Ana（2016）根据秘鲁金融包容性数据库数据发现，向贫困群体提供信贷并不能显著降低其贫困水平，原因在于资本配置效率降低。当分配不平等效应足以抵消经济增长的贫困减缓效应时，金融发展会对贫困减缓不利（Galor & Zeira, 1993; Ravallion, 1997; Adams, 2004）。也有学者认为，由于极端贫困群体更希望得到就业机会和社会保障，因而小额信贷及普惠金融的发展并不能对所有贫困人群的贫困减缓起到积极作用（UNDP, 2013; Sehrawat & Giri, 2016）。
近年来，国内学者开始关注数字普惠金融对居民相对贫困的减缓作用，但结论不一。一些学者认为数字普惠金融发展加剧了城镇和农村的相对贫困；低收入家庭缺乏数字工具，难以通过数字普惠金融购买理财产品的便捷性获得更多收入增长，这是其加剧相对贫困的主要原因（胡联等，2021）。此外，数字普惠金融还能够显著提高流动人口家庭相对贫困的概率，主要是通过减少流动人口家庭在本地的社会参与实现的（蒋晓敏等，2022）。另有学者持反向观点，刘魏（2021）指出数字普惠金融指数每增加1%，居民发生相对贫困概率降低3.2%，数字普惠金融发展提高了家庭风险管理能力，缓解了融资约束并促使家庭社会资本拓展。罗煜和曾恋云（2021）也得出了类似结论，即数字能力和金融能力均可以显著地减少相对贫困发生概率。更有学者发现数字普惠金融对农户相对贫困脆弱性的影响既存在“数字红利”效应也存在“数字鸿沟”效应，二者呈现倒U型关系（申云和李京蓉，2022）。
综上所述，关于数字普惠金融和金融素养对家庭贫困的影响已有研究均有所涉及，但结论并不一致。近年来，有些学者开始关注数字普惠金融、金融素养对家庭经济行为的联合效应。王刚贞和韩蓉（2022）研究发现数字普惠金融既可以通过缓解金融约束促进创业，也可以提高农户金融素养，间接促进创业。此外，数字普惠金融也可通过提升投资者的金融素养水平对家庭金融资产选择产生正向影响（陈瑾瑜和罗荷花，2022）。即便如此，鲜有研究将数字普惠金融、金融素养和家庭收入贫困三者结合起来考虑。基于此，本文使用2014年中国家庭追踪调查（CFPS）数据和北京大学数字普惠金融指数匹配形成的特殊数据，研究数字普惠金融和金融素养对家庭收入贫困的联合影响效应，并有效区分基本金融素养和高级金融素养在其中的作用，以期为相关政府部门和家庭提供决策参考和建议。
三、变量与模型设计
（一）数据来源
数据主要来源于两个方面：一是2014年北京大学中国社会科学调查中心执行的中国家庭追踪调查（CFPS）数据。使用该数据的优势在于问卷中关于金融素养的问题较为细化，可细分为基本金融素养和高级金融素养，有助于识别不同金融素养对家庭收入贫困的差别影响，使相关政策制定更具针对性；二是数字普惠金融数据来自“北京大学数字普惠金融指数”（郭峰等，2020），该数据由蚂蚁金融提供的数字金融服务数据合成，共包括数字普惠金融覆盖广度、使用深度和数字支持服务程度三个维度，覆盖了全国31个省区市364个地级市2 083个区县的数字普惠金融发展情况。由于本文主要考察2014年，故采用2013年的省级层面的数字普惠金融指数，这样可缓解相关变量存在的内生性问题。在删除样本缺失数据，并将个体与家庭进行匹配后，最终实证样本含2744个家庭观测值。删除样本值缺失的数据，并将个体和家庭进行匹配，最终获取2744个家庭的样本数据。
（二）变量选择
被解释变量家庭收入贫困。现有研究通常使用绝对收入贫困线作为贫困测度的依据，2015年世界银行将贫困线标准提高至人均1.90美元，汇率调整后，本文使用人均年纯收入4 503.31元作为绝对收入贫困线（单德朋，2019）。同时我们还使用人均纯收入的70%（Rippin, 2016）作为收入相对贫困线来进行稳健性检验。低于绝对或相对收入贫困线的家庭记为1，表示家庭收入贫困。
核心解释变量金融素养。Hastings et al.（2013），Calcagno & Monticone（2015）认为金融素养是做出理性金融决策并最终达成个人金融福利过程中所具备的知识、技能、态度、意识和行为等的集合。CFPS问卷中与金融素养有关的问题包括两个方面：一是基本金融素养，包含定期利率、计算一年本息和复利、通货膨胀、时间价值、股票和基金的区别等，这些知识是日常金融交易、金融决策的基本知识；第二部分是识别高级金融素养，涵盖的内容有股票投资风险、央行职能、金融产品风险、基金含义、理财产品含义和股票市场功能等，这些知识与投资和资产配置决策有关。参照相关研究（Zou & Deng, 2019; 单德朋, 2019），本文同样使用因子分析法对金融素养的上述指标进行了拟合，并将金融素养细分为基本金融素养和高级金融素养，KMO值分别为0.756 7和0.815 6。此外，本文还使用得分加总法对基本金融素养和高级金融素养进行了加总，作为一种稳健性检验，其中基本金融素养包括5道题目，高级金融素养包括8道题目。
核心解释变量数字普惠金融。参考相关研究，我们选择北京大学数字金融研究中心发布的中国数字普惠金融发展指数（郭峰等，2020）。结合数据的可得性和可靠性，从数字普惠金融服务的覆盖广度、使用深度和数字支持服务三个维度来构建数字普惠金融体系指标，具体指标说明见表1（郭峰等，2020）。
表1 数字普惠金融指标体系
续表
控制变量。参照相关文献（Choudhury, 2014; Sehrawat & Giri, 2016; 徐超和李林木, 2017; 张栋浩和尹志超, 2018; 单德朋, 2019），我们控制了如下变量：一是人口统计学特征和家庭特征变量，包括家庭决策者的性别、年龄、年龄平方、受教育水平、婚姻状况、户口性质、家庭规模、家庭代际数（家庭申请人中包含几代人）；二是城市及地区特征，包括住房价格（当地商品房的平均价格）、当地人均GDP等，这些变量能够反映不同地区经济社会发展水平的差异，是影响家庭收入贫困的重要因素。并引入了东部、中部和西部地区三个虚拟变量，控制家庭收入贫困的区际差异；三是影响资产配置行为的其他因素，如与亲戚交往频率等。
（三）模型设计
本文使用Probit模型作为基准模型，来估计数字普惠金融、金融素养对家庭收入贫困的影响。模型设定如下：
其中，Poverty表示家庭收入贫困， dig_finance表示数字普惠金融，financial_literacy表示金融素养，X为各种控制变量，ε为误差项。
但是数字普惠金融与家庭收入贫困、金融素养与家庭收入贫困之间可能存在内生性问题。家庭收入贫困可能反过来影响所在地区的数字普惠金融发展状况和家庭金融素养。此外，可能还存在其他遗漏变量。故我们采用工具变量法来缓解上述问题。有学者指出，地理空间因素也会影响数字普惠金融的发展，与杭州相距越远，数字普惠金融的推广难度越大（郭峰等，2017），故本文参照傅秋子和黄益平（2018）的研究，选择“该省的省会城市到杭州的距离”作为数字普惠金融发展的工具变量。参照学者们的研究（单德朋，2019；尹志超等，2014；宋全云等，2017），本文使用父母的金融知识水平作为金融素养的工具变量。
所有变量的描述性统计结果如表2所示。
表2 描述性统计结果
续表
为更直观地进行比较，我们采用数字普惠金融指标和其分维度（覆盖广度、使用深度和数字支持服务）的原始数值进行直接度量，采用原始数据，基本金融素养和高级金融素养换算为标准分
图1 数字普惠金融和家庭收入贫困
图2 金融素养和家庭收入贫困
图3 散点图
四、实证结果与分析
（一）数字普惠金融和金融素养影响家庭收入贫困的基准回归结果
首先，我们使用Probit模型实证检验了数字普惠金融、金融素养对家庭收入贫困的影响，先不加入控制变量，然后逐步加入个体特征、家庭特征、城市特征和地区特征，结果如表3所示。可以看出，数字普惠金融、基本金融素养和高级金融素养对家庭收入贫困均有显著的负向影响。模型（3）表明基本金融素养每提升一个标准差，家庭收入贫困将降低2.9%；模型（4）表明高级金融素养每提升一个标准差，家庭收入贫困将降低1.4%。掌握更多的金融知识能够使家庭更加有效地进行金融投资，并且能显著影响低收入阶层突破“贫困陷阱”、向高收入阶层跃迁（王正位等，2016）。模型（3）和（4）表明数字普惠金融每提升一个标准差，家庭收入贫困将降低13%左右。数字普惠金融的发展刺激了经济发展，随着经济增长、企业生产力发展以及居民收入增加，家庭对风险厌恶程度也会随之降低，愿意承担更多风险（Carolie，2002），提升了家庭的风险管理能力（刘魏，2021），从而减缓其收入贫困。从回归系数来看，数字普惠金融的减贫效应优于金融素养的减贫效应。
从人口统计学特征来看，教育对家庭收入贫困有显著的负向影响，因为教育水平提升可带来家庭财富积累，进而减缓家庭贫困；相反，低教育水平者，不仅无法享受到数字普惠金融发展所带来的收入溢出效应，反而可能承担数字普惠金融发展带来的挤占就业机会等负面影响，造成该类群体的贫困发生率上升（何宗樾等，2020）。农村户口家庭贫困比率较高。。家庭规模对家庭收入贫困的影响显著为正，因为规模越大的家庭面临更多的风险与更大的压力，增加了家庭收入贫困的概率。从社会网络特征来看，与亲戚交往频率越高，家庭收入贫困概率越低。因为社会网络反映了家庭与外部成员的信息往来，与亲戚交往越频繁的家庭在遇到困难时越容易获得亲戚的支助或相互帮助，从而降低了家庭收入贫困的概率。就城市特征而言，当地人均GDP反映了当地经济的发展状况，人均GDP越高的城市经济发展越好，故减缓了家庭收入贫困。同理，住房价格也在一定程度上反映了当地城市的经济发展状况，且该住房价格为家庭所拥有住房的市价，这间接增加了家庭的财富，故减缓了家庭收入贫困。相对于东部地区而言，中西部地区的家庭收入贫困概率更低，这可能与发达地区存在更严重的收入不平等有关。
表3 数字普惠金融、金融素养影响家庭收入贫困的基准回归结果
续表
（二）内生性问题处理
如前所述，数字普惠金融、金融素养和家庭收入贫困之间可能存在反向因果即家庭收入贫困可能反过来影响数字普惠金融的发展和金融素养的提升。本文采用工具变量的方法，参照傅秋子和黄益平（2018）的研究，选择“省会城市到杭州的距离”作为数字普惠金融的工具变量。参照相关学者的研究（单德朋，2019；尹志超等，2014；宋全云等，2017），使用父母的金融知识水平作为金融素养的工具变量。表4汇报了工具变量的估计结果。F统计量的值均显著大于10，故不存在弱工具变量。Wald检验结果显示数字普惠金融、金融素养和家庭收入贫困之间不存在内生性。故数字普惠金融、金融素养对家庭收入贫困的影响可参看前述的Probit模型结果，即数字普惠金融、金融素养对家庭收入贫困均存在显著的负向影响。
表4 工具变量估计结果
（三）作用机制分析
从前述文献来看，数字普惠金融不仅可以直接影响家庭收入贫困，还可能影响金融素养（王刚贞和韩蓉，2022；陈瑾瑜，罗荷花，2022），从而间接影响家庭收入贫困。考虑到数据的可获得性，本文主要采用融资约束、家庭消费、金融素养、风险偏好四个变量来解释潜在机制。用筹款难度来衡量融资约束，回答“很困难”和“比较困难”的记为1，其他记为0。从表5中模型(1)-(4)可以看出，基本金融素养和高级金融素养均可以缓解家庭融资约束，从而能够有效减缓家庭收入贫困，而数字普惠金融的融资约束减缓效应不显著。用家庭消费支出的对数来衡量家庭消费，从模型(5)-模型(8)可以看出，无论是基本金融素养还是高级金融素养，均可以起到平滑消费的作用，从而能够有效减缓家庭收入贫困，而数字普惠金融的消费平滑作用不显著。从模型(9)-模型(12)可以看出，数字普惠金融并不能通过金融素养提升去减缓家庭收入贫困。用喜欢“高收益、高风险”和“适中风险、适中收益”来衡量家庭偏好风险，反之为厌恶风险。从模型(13)-模型(16)可以看出，数字普惠金融和基本金融素养均可提升家庭的风险管理能力，从而减缓家庭收入贫困。
表5 作用机制结果
续表
（四）稳健性检验
除了前述的因子分析法之外，本文还采用直接加总法来衡量金融素养，进行稳健性检验，结果如表6所示。可以看出，数字普惠金融对家庭收入贫困存在显著的负向影响，无论是基本金融素养还是高级金融素养，对家庭收入贫困均存在显著的负向影响，故结论稳健。
表6 基于不同金融素养测度方法的稳健性检验
对于贫困标准线的设定，我们还采用相对贫困线作为稳健性检验的来源，使用人均纯收入的70% （Rippin, 2016）作为收入相对贫困线，结果见表7所示。从表中可以看出，数字普惠金融对家庭相对收入贫困的影响也显著为负，即数字普惠金融可减缓家庭收入贫困；基本金融素养和高级金融素养对家庭相对收入贫困的影响仍显著为负，即金融素养对家庭相对收入贫困仍具有减缓作用。结论依然稳健。
表7 基于家庭相对收入贫困指标的稳健性检验
续表
（五）异质性分析
本文根据数字普惠金融的三个维度，分别对覆盖广度、使用深度和数字支持服务进行回归，结果见表8。从表中可以看出数字普惠金融对家庭收入贫困的减缓作用主要体现在数字使用深度上。从数字使用深度的内容来看，更多的反映是各类在线支付、消费和投融资业务，这也从侧面反映出各类在线消费和投融资决策有利于减缓家庭收入贫困。
表8 数字普惠金融分维度对家庭收入贫困的影响
本文进一步分析东部和中西部地区家庭的异质性，结果见表9。从表中可以看出，数字普惠金融主要对中西部地区的家庭收入贫困有显著负向影响，即是说数字普惠金融的减贫效应主要存在于中西部地区家庭。结论与龚沁宜和成学真（2018）的结论一致，他们也发现数字普惠金融对经济发展相对落后的中西部地区的减贫效果要优于东部等经济发达地区。这可能与金融市场准入机制和资本积累的限制有关，东部地区的金融市场准入和资本积累限制更为严苛，当资金积累未跳出“贫困陷阱”时，数字金融发展反而会成为束缚。基本金融素养对全国各个地区的家庭均有减贫作用，而高级金融素养主要对东部地区家庭有显著的减贫效应。基本金融素养可促进家庭金融决策的优化和财富积累从而降低家庭收入贫困。但高级金融素养是更高阶的金融知识储备，相对而言，东部地区的贫富差距较大，贫困发生概率更高，更需要高级金融知识的储备以应对收入降低的风险。
表9 地区异质性
五、结论与建议
金融扶贫一直是学者和政策制定者关注的焦点，多数研究主要关注外部金融发展的减贫效应，较少关注家庭本身的金融素养对减贫的影响，且金融素养的测度不够细化。基于此，本文利用北京大学数字普惠金融指数和中国家庭追踪调查（CFPS）数据匹配形成的新数据，研究了外部数字普惠金融和内部金融素养对家庭收入贫困的联合影响。研究发现，中国家庭的金融素养得分不高，尤其是高级金融素养，且贫困收入家庭的金融素养相对于非贫困收入家庭的金融素养更低。在运用工具变量法有效缓解内生性问题前提下，研究结果表明数字普惠金融和金融素养对家庭绝对和相对收入贫困均有显著负向影响，即两者均可减缓家庭收入贫困，且数字普惠金融的减贫效应优于金融素养的减贫效应。金融素养主要通过缓解融资约束、平滑消费和增加风险偏好来缓解家庭收入贫困，而数字普惠金融通过金融素养缓解家庭收入贫困的效应不显著，主要是通过提升家庭风险管理能力来实现。进一步分析发现，数字普惠金融的减贫效果主要源于数字普惠金融的使用深度，其减贫效应主要存在于中西部地区家庭，高级金融素养的减贫效应主要存在于东部地区家庭。
本研究为深入理解家庭收入贫困提供了新的视角和经验证据，对各国制定减贫政策具有一定的借鉴意义。一是重点关注贫困人群的金融素养水平，实施多渠道金融素养提升计划，改善家庭资产配置效率和长期金融福利，以期达到减贫。例如，结合群体特性开展适宜的金融教育活动，可通过金融机构、社区、俱乐部等平台，分类提供金融教育培训，特别加强对基本金融素养的培养，以及加强对东部地区家庭的高级金融素养的培养与提升，改善家庭的金融素养水平。二是以扶贫为导向，大力发展数字普惠金融，重点拓展数字普惠金融的使用深度。各大传统金融机构和金融科技公司应该确立自己的数字普惠金融发展思路，根据贫困群体的实际需求制定合适的数字普惠金融新产品。采取激励措施鼓励贫困群体使用数字支付业务、货币基金、信贷业务、保险业务和投资业务等，加强数字普惠金融的使用深度。同时，各级政府也需要不断加快数字普惠金融的基础设施建设，让数字设备覆盖到每个角落。此外，各地政府需加强区域经济与金融一体化合作，加强信息技术知识的共享，充分发挥数字普惠金融的溢出效应。三是金融机构可以通过广播、电视、手机应用等多渠道普及金融知识，也可以与当地政府联手合作，为当地贫困家庭举办金融知识、数字金融等专项培训，提高其数字金融服务的认知水平和使用意愿。即通过不断提升金融素养水平，使贫困群体能够合理地利用数字金融服务来协同实现减贫的目标。
