数字金融能否提升居民健康水平——基于中国家庭追踪调查数据

付剑茹 陈妍

（江西师范大学财政金融学院 江西 南昌市 330022）

一、引言

健康是关键人力资本构成之一，也是其他人力资本（如教育）发挥作用的重要基础（Grossman，1972）。继2015 年提出“推动健康中国建设”重要议题，2016 年推出“健康中国2030”规划纲要之后，2017 年我国进一步提出“实施健康中国战略”。健康成为国家及大众关注的热点，一个健康的民族和国家是广大居民群众的美好憧憬与理想追求，提升居民健康水平意义重大。

2020 年，新冠肺炎疫情席卷全球，全世界人民的生命健康受到严重威胁，世界经济面临前所未有的重大危机。面临该严峻挑战，数字金融可以充分发挥其特殊作用，为全球人民建立起强有力的健康屏障，也成为国内外应对疫情危机的“生命线”，在疫情防控中扮演着重要的健康保护者角色。那么，在“健康中国战略”背景下，数字金融能否对居民健康产生影响？为什么产生影响？会产生怎样的影响？回答这些问题，对于深刻了解数字金融价值，顺利推进健康中国发展战略具有重要的理论和实践意义。

依托数字化技术，数字金融将移动通信、互联网及大数据等创新技术融入金融业务之中，打破传统物理网点局限，推动金融服务整体效能提升，在融资成本、融资渠道及投资效率等方面实现量的突破与质的提升，为企业及个体金融服务需求提供极大便利，也为我国经济发展及居民收入提升做出重要贡献。现有数字金融研究侧重从社会与经济两个角度阐述其价值。社会层面如公共服务、社会保障水平（汪亚楠等，2020）等，经济层面如经济发展（马黄龙和屈小娥，2021）、收入水平（李建军和韩粦，2019）、居民消费（易行健和周利，2018；杨伟明等，2021）及就业创业（谢绚丽等，2018；刘伟和戴冰清，2022）等。但尚未有研究对数字金融与居民健康二者的内在逻辑进行探讨，忽略了数字金融发展可能是居民健康提升的重要驱动力，因此存在一定的研究空间。在“数字中国”与“健康中国”的发展战略背景下，本文思考的核心问题是：数字金融是否会影响居民健康？其主要影响机制是什么？本文将从理论和实证角度对此展开研究。

二、理论机制与研究假设

尽管现有文献未见数字金融影响居民健康的研究，但已有数字金融及居民健康的相关文献为本文的研究提供了参考和借鉴。居民收入水平（Grossman，1972）、融资约束程度（陶娅等，2021）和医疗可及性高低（吕光明和刘文慧，2022）是影响居民健康的重要因素。而数字金融依托数字技术在居民收入增加、融资约束缓解以及医疗可及性提升等方面具有其独特价值。

（一）居民收入增长

健康资本需求理论（Grossman，1972）提出了两种观点：一是健康投入以收入为前提。收入越高，健康投入越多；收入越低，健康投入越少。二是健康需求源于消费与投资两种动机。作为消费品，健康是一种耐用资本存量，它能够体现出耐用性，可以带来健康生命时间的产出；作为投资品，健康是一种存量，这种存量就像固定资产存在折旧一样，会随时间的推移而减少，但通过健康投资，这种存量会在原有基础上得到增长，或者延缓健康存量的减少，而健康存量增加会减少个体在市场和非市场活动中所丢失的时间数量，这可看作是健康投资所带来的货币价值回报。

Dupas 和Robinson（2013）研究表明，居民通过设立数字金融账户，并增加有效使用，会刺激投资与收入，进而放松家庭收入条件。张碧琼和吴婉婷（2021）发现通过鼓励居民创业，数字金融能够促进收入分配公平。根据Grossman（1972）的观点，在收入水平更高的前提下，居民会进行更多的健康投入，而健康投入的增加能够使居民的健康需求得到满足，即其消费和投资动机得以实现。与此同时，根据McCallum 和Goodfriend（1988）提出的购买时间（Shopping-Time）理论，居民持有货币的动机在于为购买服务提供便利，缩短交易时间。当居民手中拥有的实际货币余额增多，交易时间就缩短，可自由支配的时间随之增多，进而促成个体在健康投资方面的时间增多。

因此，数字金融发展有利于居民收入水平的提高，从而使得居民健康投资时间和投资金额相应增加。当收入增加时，居民不仅能够承受营养更为均衡的饮食消费，而且有利于居民进行专门的健康投资（例如：花费时间进行旅游、娱乐、锻炼等健康生产活动，或花费金钱购买医疗服务、营养保健品等消费品），从而改善身心健康。

（二）融资约束缓解

作为反映资产流动性的指标，融资约束会对居民健康产生重要影响（陶娅等，2021）。当面临较大融资约束时，意味着资产流动性较弱，居民会承受较大的心理和生理压力。为了维持正常生活和资产流动性，居民必须全力投入工作中，不敢有丝毫马虎，容错空间较小。这对身心健康会造成以下负面作用：一是面临着较大的融资约束，心理压力大，不利于身体健康；二是较大的融资约束会迫使居民不断增加工作时间和强度，以求尽可能多的获得产出，因而减少休闲娱乐或锻炼时间，由此带来的工作负荷增加与健康投资时间减少会使得居民健康恶化；三是由于融资约束大，居民不敢将收入投入到健康保养方面，同样不利于健康的保持。

1962 年，Mushkin 在 《Health as An Investment》中对人力资本进行了重要补充，正式将健康视为与教育具有同等重要地位的人力资本组成部分。对健康进行投资不仅能够改善健康水平，而且能够延长寿命（浦科学，2019）。随着时代的发展进步，健康逐渐成为众多居民首选的投资对象（钱丽娜，2021）。数字金融发展为健康投资创造有利条件，通过采取更加包容的态度，为资金融通提供便利的条件，弥补信息不对称的缺陷，让更多群体的资金需求得到满足，缓解居民融资约束程度（郭峰和熊云军，2021）。

融资约束越小，资产的流动性越高，居民就可以在更大范围和更长时间内对自身的生活，工作和投资行为进行平滑，长期健康投资的意愿更强，健康投资行为也越多（陶娅等，2021）。具体而言，融资约束的放松有利于居民对收入进行规划，或直接用于教育和健康投资（Townsend 和Ueda，2003），或 间接用于生产经营投资与消费，产生财富配置效应和人力资本效应（郭晨等，2020），从而促进健康。因此，本文认为数字金融也可通过缓解融资约束改善居民健康状况。

（三）医疗可及性提高

Flegg（1982）、Rutstein（2000）研究发现在改善健康状况、增加存活率上，医疗服务可及性大有可为。仇雨临和冉晓醒（2019）研究表明医疗可及性能够通过增加居民体检服务提升老年人的健康水平。吴晶和郎颖（2021）发现医疗可及能够提高居民日常活动能力，从而改善健康状况。

数字金融提升医疗可及性改善居民健康状况：一方面，从效率角度看，数字金融开通了线上电子医疗服务功能，居民足不出户就能够体验查询、购买、缴纳等业务（易行健和周利，2018），增强了居民参保、购买医疗服务的意愿。同时，这也使得信息匹配速度更快、精准度更高，提高了医疗资源使用效率，增加了医疗可及性（Rutstein，2000）；另一方面，医疗服务行业的发展有赖于资金的支持，数字金融能够为医疗服务行业等民生经济提供资金融通（陶娅等，2021），从而推动医疗服务行业的发展，如建设更多医疗服务点，完善医疗基础设施建设，拓展医疗服务功能等，从而提高医疗可及性（吕光明和刘文慧，2022）。

综上，在其他条件不变的情况下，本文提出以下研究假设：

假设1：数字金融能显著提升居民健康水平。

假设2：数字金融能够通过增加居民收入改善居民健康状况。

假设3：数字金融能够通过缓解融资约束对居民健康产生积极效应。

假设4：数字金融能够通过提高医疗可及性促进居民健康水平提升。

三、研究设计

（一）数据来源

2019 年末，新冠肺炎疫情对全球人民的健康造成巨大冲击，为避免不可预估因素对估计结果造成偏差，更好地探究数字金融在一般条件及环境下对居民健康可能产生的影响，本研究所涉及的数据时间跨度为2011年至2018 年。数据来源于北京大学数字金融研究中心和蚂蚁集团共同编制的2011-2018 年中国数字金融发展指数，北京大学中国社会科学研究中心发布的2012 年、2014年、2016 年和2018 年四轮的中国家庭追踪调查（China family panel studies，简称CFPS）数据，“CSMAR” 数据库中各省份卫生院个数，“中国互联网络信息中心”的各省（直辖市、自治区）互联网普及率，由“中国地图”测算的各省（直辖市、自治区）到杭州的最近距离。

（二）变量选取

1.被解释变量。本文被解释变量为居民健康，选取CFPS 数据中“个体自评健康水平”进行度量，用“ZPhealth”表示。作为人力资本的重要组成部分，健康的度量指标很多。按照度量维度，可分为宏观指标和微观指标。常见的宏观指标有当期健康投资水平（王弟海等，2008）、期望寿命（罗凯，2006）、死亡率（沓钰淇等，2020）等。考虑到宏观层面指标更关注区域整体性，缺乏对个体以及家庭特征的思考，本文仅从微观层面讨论健康指标的选取。从微观层面上看，一种较为客观的健康衡量方式是一段时间内的患病率。但该指标容易受到阶段性事件的影响，其代表性常遭质疑。另一种常见的测度指标是自评健康，虽然自评健康存在较大主观性，但由于与死亡率存在很大关联、数据容易获取，使用极为广泛。Kaplan 和Camacho（1983）指出自评健康能够很好地代替个体某些关键健康指标，而且可以很好地预测死亡率及发病率。雷晓燕等（2010）发现与人的直觉相符，自评健康水平会随着年龄平滑地下降，这也说明该指标的合理性。因此，基于以上测度方式的比较，以及对数据可获得性、相关性和代表性的考虑，本研究采用自评健康测度居民健康水平。

2.解释变量。本文解释变量为数字金融发展，采用北京大学数字金融研究中心和蚂蚁集团共同编制的2011 年至2018 年中国各省（直辖市、自治区）的数字金融指数，该指数广泛应用于中国数字金融发展状况及价值分析（易行健和周利，2018；张勋等，2019），本文中用“index”表示。此外，为检验数字金融与健康之间是否存在非线性关系，本研究在基准回归模型中加入数字金融指数的一次项和二次项。更进一步地，数字金融改善了金融服务可获得性、便利性，能够覆盖最初被排除在金融市场体系外的群体，但这部分群体对于金融服务的认知和接受还需要一定时间，且获得金融服务后其带来的效应也需要一定时间才能产生，因此，数字金融对健康产生的影响可能具有时滞效应。基于此，本文将数字金融指数滞后一期再进行基准回归。

3.控制变量。参照现有文献，本文控制变量主要包括三个层面。第一，个体特征，主要包括性别、年龄、居住地、婚姻状况、受教育年限、收入在本地的水平（由很低到很高依次评分为1-5）、个人社会地位（由很低到很高依次评分为1-5）、生活满意度（从很不满意到非常满意依次评分为1-5）、当地医疗水平（很好=1、好=2、一般=3、不好=4、很不好=5）。第二，家庭特征，包括家庭规模、家居整洁度（很乱到很整洁依次评分为1-7）。第三，地区特征，采用家庭所在地级市的人均GDP（以2000 年为基期进行折算并取对数）以反映城市经济发展水平。

4.中介变量。本文的中介变量为：居民收入（lnFincome）：采用CFPS 数据库中家庭总收入（包括工资性收入、经营性收入、转移性收入、财产性收入、其他收入）衡量收入水平（张勋等，2019）；融资约束（lnfinance）：使用CFPS 数据库中家庭流动性资产（包括现金、银行存款、股票等金融资产）表示融资约束（易行健和周利，2018）；医疗可及性（lnhospital）：使用“CSMAR”数据库中地区每万人拥有卫生院个数代表医疗可及性（王曲和刘民权，2005；尹志超和张号栋，2018）。对三个中介变量均取对数。

（三）描述性统计

表1 为变量的描述性统计。从表1 可看出，居民自评健康平均值为3.086，表明本研究样本中抽取的居民身体状况整体处于比较健康的水平；各地区数字金融发展指数均值 为197.9，标准差为75.04。最小值为75.87，最大值为377.73，说明数字金融在不同年份、不同地区的发展存在较大差异。

表1 变量的描述性统计

（四）模型设定

设定以下模型来验证数字金融发展对居民健康的影响：

为考察数字金融与居民健康之间是否存在非线性关系，在式（1）的基础上加入了指数的平方项，见式（2）：

考虑到数字金融发展对居民健康的影响可能具有时滞性，因此采用滞后一期的数字金融指数进行基准回归，模型见式（3）：

式中i 代表居民个体，c 代表各省（直辖市、自治区），t 代表年份。ZPhealthi，c，t 代表c 省第i 个个体在t 年的自评健康水平，index为核心解释变量，代表c 省t 年的数字金融发展水平，Characters是控制变量，prov 和year 分别表示回归分析中控制的省份固定效应及年份固定效 应，ε为随机扰动项，α、β、γ 分别表示相应变量的系数。

四、基准回归分析

（一）基准回归结果

基于Hausman 检验结果，本部分采用面板固定效应模型实证检验数字金融发展对居民健康的影响。表2 分别报告了模型（1）、（2）和（3）的回归结果。从第（1）列的结果中我们发现，数字金融发展指数对健康的影响系数为-0.230，且在1%的显著性水平下显著，本文使用的被解释变量“自评健康”赋值越小越健康，因此，说明数字金融的发展确实能够显著促进居民健康水平的提升，验证了假设1；第（2）列是加入指数平方项的回归结果，可以看出，数字金融指数对健康的影响系数与第（1）列的回归结果一致，而指数平方项系数不存在显著性，表明数字金融与健康之间不存在非线性关系。此外，模型（3）采用滞后一期指数作为解释变量对健康进行回归得到的系数为-0.331，同样在99%的置信水平下显著，表明数字金融对居民健康的影响的确表现出一定的时滞性。随着时间的推移，数字金融对居民健康的影响作用更加明显。

表2 数字金融与居民健康

从控制变量来看，估计结果与现有文献结论基本一致。首先，从个体层面来看，受教育年限越高，健康水平越高，因为教育能够提升健康投资效率，从而改善健康（Grossman，1972）；男性更健康（Case 和Paxson，2008）；年龄越大，健康损耗越多（Grossman，1972）；已婚（有配偶）的居民健康状况越好（赵忠，2006）；个人收入在当地的水平（Grossman，1972）、个人社会地位（王洁晶等，2022）及对自己生活满意度越高（王恬等，2018），健康水平越高。从家庭层面来看，家庭规模越大，家庭互动及社交频率更高，社会支持度越高，健康状况越好（魏强等，2020）；家居整洁度越高，健康水平也越高（Rutstein，2000）。从地区特征来看，当地医疗水平越高，居民的健康质量越高（Flegg，1982）。地区经济发展水平越高，医疗资源就会更充沛，健康更容易受益（靳永爱等，2017）。

（二）稳健性检验

基准回归结果表明，数字金融的发展能够显著促进居民的健康提升，且两者不存在非线性关系，同时表现出随时间推移，数字金融促进健康效果越明显的特征。为验证研究结果的稳健性，本部分将对其进行检验。

1.内生性讨论。考虑到识别数字金融对居民健康的影响可能存在以下两个问题：第一是存在遗漏变量。第二是反向因果问题。对于遗漏变量问题，我们采用面板固定效应模型进行估计，以控制某些可能同时影响数字金融发展和包容性增长、短期内不随时间发生变化的因素。对于反向因果问题，采取以下措施。第一，借鉴Bartik（2009）的做法，对解释变量进行处理，将数字金融发展指数滞后一期，再与指数的一阶差分相乘，得到滞后一期指数与一阶差分的乘积（LDindex）。第二，采用工具变量法。研究表明，虽然数字金融主要通过线上形式实现，但其发展水平仍然受到地理空间因素影响，且呈现出与杭州市距离越远的地区，其数字金融发展水平越低的特点（郭峰和熊云军，2021），因此本文拟选取“各省会或直辖市到杭州的交通距离”作为工具变量。主要考虑三个层面：首先，“各省会（直辖市）与杭州的距离”与当地的数字金融发展水平直接相关，且各省省会均为所在省份最具有代表性的城市，因此以省会到杭州的距离来刻画各省与杭州的距离；其次，距离会对数字金融发展水平产生影响，但不随居民健康变化而变化，而且距离类变量能较好理清仅因数字金融而产生的影响（傅秋子和黄益平，2018）。

由于回归中只存在一个解释变量和一个工具变量，不存在过度识别问题，因此本文仅对工具变量进行弱工具检验，根据两阶段回归中第一阶段结果的F 值和partial R来判断其是否是弱工具变量。估计结果见表3。表3 part1 为工具变量估计结果，part2 为弱工具变量检验结果。由表3 Part2 结果可知，偏R为0.1804，说明工具变量（lndistance）对解释变量（D2index）有很强的解释力度。同时，F 统计量等于9961.13，远远大于10，表明该工具变量不存在弱工具变量问题。Part1 估计结果显示，第一阶段系数为正，第二阶段系数为负，且均在99%的水平下显著，符合本文的预期结论。

表3 内生性讨论结果

2.变量替换。以“自评健康（ZPhealth）”作为被解释变量的代理变量具有较强主观性，且可能存在因受访者不愿意透露自身身体状况而虚报的情况，而“访员对受访者的健康评价（health）”是根据受访者回答问题的情况及访员的观察来评定，相对更加客观。因此，为避免因主观因素可能会带来估计误差，本文以health 作为被解释变量的代理变量进行稳健性分析。表4 第（1）列中解释变量的系数为0.625，且在99%的置信水平下显著，因自评健康与访员评价健康的赋值方向相反，所以回归系数方向相反恰好能够表明本文的模型回归结果可靠。

3.改变样本容量。长三角地区（包括上海、江苏、浙江、安徽）是我国高质量一体化发展区域，大部分数字金融指标超过全国平均水平（《长三角普惠金融指标分析报告（2019年）》），而其他省（直辖市、自治区）的数字金融发展水平及各项指标与这些区域存在较大差距。为确保实证分析结论不受这四个地区数字金融发展的影响，本文给出了剔除这四个省（直辖市）样本之后的实证分析结果，见表4第（2）列。结果显示，剔除了特定区域样本之后的回归系数仍然与原样本回归的系数方向一致，且在95%的置信水平下显著。因此，本文的估计结果具有稳健性。

表4 变量替换与改变样本容量检验结果

五、机制检验

本部分将以帕累托法则为分组标准，从居民收入增长、融资约束缓解及医疗可及性提升三方面对数字金融影响居民健康的理论机制进行实证检验。表5 汇报了实证检验结果。

（一）居民收入增长

为考察“数字金融—居民收入（增加）—居民健康（提升）”的传导机制，我们将家庭总收入按80%分位数划分为低收入组和高收入组进行分组回归。如果数字金融对低收入家庭的健康促进效应更大，就说明数字金融可以通过提高收入促进居民健康。表5 中第（1）、（2）列分别为低收入组和高收入组的回归结果。回归结果表明，数字金融的发展对低收入家庭的健康水平具有显著促进作用，而对高收入家庭的健康水平无显著影响。其原因可能是：数字金融通过促进居民数字金融帐户设立、创业场景增多、创业难度下降、就业岗位增加等，从而有效提升居民收入水平。对于低收入家庭而言，其健康水平更多受收入低所影响，因此，收入的增长能够显著改善身心健康。而对于高收入家庭而言，收入并非影响其健康水平的重要因素，因此，收入增长对居民健康影响的边际效应相对更低。综上可以推断，居民收入是数字金融促进居民健康的一个核心机制变量，也即数字金融发展通过增加居民收入进而促进居民健康水平的提升。假设2 得到验证。

表5 影响机制检验结果

（二）融资约束缓解

为考察融资约束机制，参考易行健和周利（2018），以居民家庭流动性资产的高低为标准，按80%分位数将样本划分为高融资约束组与低融资约束组进行分组回归，回归结果见表5 第（3）、（4）列。结果表明，对于高融资约束组来讲，数字金融显著地改善了健康；而对于低融资约束组来讲，数字金融对居民健康水平不具有促进作用。其原因可能如下：对于高融资约束居民来说，融资约束是阻碍其保持身心健康的重要因素。数字金融提供了更多的融资渠道和更低的融资成本，使得居民能够在更大范围更长时间内对工作生活进行平滑和调配，有利于减缓身心压力，增加健康投资时间和资金，促进健康水平提升。而对于低融资约束居民来说，其健康水平受融资约束的影响不大，数字金融缓解该类居民的融资约束进而促进健康水平提升的边际效应并不明显。由此可以推断，“数字金融—融资约束（缓解）—居民健康（提升）”的传导机制存在，假设3 得到验证。

（三）医疗可及性提高

为验证“数字金融—医疗可及性（提高）—居民健康（提升）”的传导机制，参考王曲和刘民权（2005）、尹志超和张号栋（2018）的做法，本文以居民所在地区每万人拥有的医院卫生院个数来度量医疗可及性，同时按80%分位数将样本分为低医疗可及性组与高医疗可及性组进行分组回归。回归结果见表5 第（5）和第（6）列。由回归结果可知，对于低医疗可及性组，数字金融对居民健康具有显著的正向影响，而对于高医疗可及性组，数字金融对居民健康的影响并不显著。其中原因可能在于：数字金融有利于线上医疗服务业务的开展以及医疗服务机构数量的提高，从而对医疗可及性的提高产生正向影响，使得低医疗可及性组居民医疗参保及医疗服务购买更加便利，进而促使居民健康显著提升。而在医疗机构数较多的地区（即高医疗可及性组），医疗可及性并非居民健康的主要影响因素，因此，数字金融发展通过提高医疗可及性，进而促进居民健康提升的边际效应并不明显。由此可以推断假设4 的成立，即“数字金融—医疗可及性（提高）—居民健康（提升）”的传导机制存在。

六、进一步分析

我国城乡数字金融发展水平有一定差距（周璐瑶，2022），且居民个体在不同年龄阶段也存在多方面差异，如生理状态、认知能力及经济条件等。数字金融对居民健康的影响是否存在年龄以及城乡的差异呢？本部分对此展开实证研究。实证结果见表6。

（一）年龄异质性

我国老龄化问题严重，探讨数字金融对老年人健康的影响具有必要性。根据我国《老年人权益保障法》，本文以60 岁为标准将样本划分为两个组别，分别为60 岁（含）以下、60 岁以上。表6 第（1）、（2）列表明，数字金融发展对60 岁及以下居民的健康具有显著的正向促进作用，而对60 岁以上居民的健康不具有促进作用。相比中青年人，老年人一方面由于自身行动能力较弱，收入来源渠道少，主动获取金融服务的意愿不强，对金融产品及服务需求不足；另一方面由于思想观念更为保守，对数字金融的认知与接受度不高，难以获得基本的金融服务。此外，现有数字金融产品与服务更多针对非老年人设计，因此老年人接触并使用数字金融产品与服务的机会相对较少，从而使得其通过数字金融获取健康效益的可能性较低。而年轻人及中年人身体条件相对优越，主动获取收入的能力及收入水平更高，对金融的认知更强，对金融服务的需求更为主动，接触机会更多，因此数字金融对居民健康的正向影响更容易在非老年人群体中得到体现。

表6 异质性分析结果

（二）城乡异质性

从城乡层面来看，一方面，我国的城镇具备优先发展的资源优势，而且政府的优惠性政策大多以城镇为帮扶对象（陈斌开和曹文举，2013）；另一方面，互联网技术的发展使得城镇与农村之间的差距在逐渐缩小（李勇坚和刘奕，2021）。2012 年至2018 年，我国农村互联网普及率由23.7%提升至38.4%，农村网民规模由1.56 亿增至2.22亿，而在2020 年底，这两项指标分别达到55.9%及3.09 亿。可见，我国农村地区互联网基础设施水平及手机等移动设备使用率正在不断提高，农村地区互联网普及率增长速度逐渐小幅超越城镇，这为数字金融得以在广大农村地区更好地推广提供了良好的基础。那么在此背景下，数字金融对城镇与农村地区居民健康的影响是否有差异呢？

将总样本分为城镇组与农村组进行分组回归。表6 最后两列结果表明，数字金融对城镇和农村地区居民健康水平的回归系数分别为-0.380 和-0.367，二者均在99%的水平上显著。中国目前的征信空白群体主要来自于农村，大部分相对富裕的城镇居民已经享有较充足的金融和信息服务（张勋等，2019）。移动通讯及互联网等技术不仅创新了金融服务的提供方式，拓展了金融服务的范围，同时也削弱了对物理网点的依赖。尽管农村地区各方面基础都相对薄弱，但凭借移动通讯与互联网络等数字技术，数字金融能更好地触达农户，以更低的门槛、更便捷的方式吸引农户，进而使得金融服务的渠道增多，成本降低以及效率提高（王曙光和杨北京，2017），农村居民也能依托数字金融获取健康收益。

七、研究结论与政策建议

（一）研究结论

基于数字经济和健康中国战略的大背景，本文探究数字金融对居民健康的影响及其机制。研究表明：第一，数字金融发展能够显著促进居民健康水平的提高，且效果随着时间的推移会进一步增强；第二，居民收入、融资约束以及医疗可及性会影响居民健康投资，数字金融发展有利于居民收入增加、融资约束缓解、以及医疗可及性提高，进而促进居民健康水平的提升；第三，数字金融对居民健康的影响在60 岁以上人群中并不显著，存在年龄异质性。对于农村而言，由于互联网普及率和手机使用率的快速提高，数字金融发展对农村居民健康具有显著的正向影响，不存在城乡异质性。

（二）政策建议

为更好实现数字金融发展，有效推动健康中国建设，提出以下建议：

1.拓宽数字金融覆盖广度，提高金融服务使用深度。拓展移动支付等数字金融业务，让数字支付面向更多的用户；以纵深拓展为引导，带动创新金融产品，在设计金融服务产品时要精简服务流程，有效推广低风险产品，降低老年人使用门槛，增加居民获取资金的渠道，保障居民基础生活安全，提升数字金融产品使用频率。

2.加强数字基础设施建设，强化数字金融基础功能。数字基础设施是数字金融发展的先行条件。处在我国一些偏远地区及农村地区的群体，由于资源禀赋与政策条件的相对劣势，仍然游离于数字红利之外，无法享受数字金融带来的便利。因此，在数字金融的发展过程中，要注重区域协调，加强对农村地区尤其是偏远地区的数字基础设施建设，同时要出台优惠政策，构建差异化互联网使用成本体系。此外，要开展数字技术基础知识教育，让居民掌握互联网使用技能，了解数字金融知识，尽可能消除数字鸿沟。

3.重视实体经济金融服务需求，增强医疗服务行业资金支持力度。数字金融既要促进金融行业发展，更要助推实体经济提质增效。数字金融服务资源应当更多地向小微企业、“三农”客户、居民客户、以及社会服务行业倾斜，促进实体经济的均衡和优化发展。医疗服务行业关乎百姓生活和健康，数字金融应依靠数字技术为医疗卫生行业提供更精准的服务，让数字金融服务产品更多地惠及医疗服务行业，促使医疗资源公平合理分配，为医疗服务的完善与创新、医疗服务网点的建设、以及医疗设施设备的更新增添新动力。