数字金融、家庭收入与家庭风险金融资产投资

沈 燕，扈文秀，张 钰，杨 沁

（西安理工大学 经济与管理学院，陕西 西安 710054）

一、引言

本文从家庭收入角度出发，分析数字金融对中国家庭风险金融资产投资行为的影响及路径，并针对不同类型家庭和不同地区家庭进行了异质性分析，以期对促进我国家庭尤其是农村家庭参与风险金融资产投资提供解决思路。

二、文献综述及研究假设

国内外文献研究表明数字金融能够突破基于传统网点的金融服务体系，通过互联网和大数据增加家庭的金融可得性，从而拓宽家庭投资金融资产的渠道。Liang 和Guo（2015）[4]指出数字通讯技术的应用能够以增加家庭社交互动的方式促进投资者参与股票市场。范敏霞等（2015）[5]通过问卷调查发现互联网金融减少了家庭金融投资的单位时间，能够提高家庭金融投资积极性并且在一定程度上增加家庭投资收益。董晓林等（2017）[6]研究认为互联网等新渠道对城乡居民的金融市场参与度以及风险资产持有比例有显著正向影响。周广肃和梁琪（2018）[7]的实证研究发现互联网技术的普及和应用能够促进金融产品的创新与供给，进而通过降低金融市场摩擦提高家庭投资股票以及广义风险金融资产的概率。Zhou 等（2019）[8]指出数字技术有效地增加了家庭购买金融资产的可能性和数量，而且农村家庭购买金融产品的可能性高于城市家庭。周雨晴和何广文（2020）[9]、廖婧琳和周利（2020）[10]的研究都发现数字金融能够提升家庭参与金融市场的概率和配置风险金融资产的比例。

同时有研究指出数字金融可以提供更多生产机会并推动劳动产出效率的持续增加，从而促进家庭尤其是农村家庭增收，还能够通过新技术的使用与发展释放新的商业机会，增加家庭就业和收入。张勋等（2019）[11]利用CFPS 数据实证数字金融能够提升中国家庭收入，尤其是农村低收入家庭能够受益。杨伟明等（2020）[12]的研究表明数字金融可以通过促进居民创业显著提升我国居民人均收入水平。刘丹等（2019）[13]、孙继国等（2020）[14]的研究都发现数字金融可以增加农民收入。围绕家庭收入与投资的相关研究证明家庭收入的增加会直接影响到家庭风险资产投资决策。Cardak 和Wilkins（2009）[15]使用澳大利亚家庭收入和劳动力动态调查数据发现澳大利亚家庭劳动收入的不确定性对家庭风险资产投资比重具有显著的负面影响。Lu 等（2020）[16]通过比较研究发现随着收入的增加，中国、美国和其他一些国家家庭的金融资产投资比例越来越高。何兴强等（2009）[17]的实证结果也表明收入低的家庭进行风险金融资产投资的概率更低。周广肃等（2018）[18]的研究指出地区内部收入差距的扩大通过增强人们的主观物质渴求，促使人们增强风险偏好并投资高风险和高收益的股票、基金等风险金融资产。舒建平等（2021）[19]研究发现在人均收入较高的中国家庭，收入的增加能够促进家庭对风险资产和股票资产的投资。通过总结国内外学者的相关文献，本文认为家庭风险金融资产的投资行为会受到数字金融及收入的影响，并提出如下假设：

假设1：数字金融对家庭参与风险金融资产的投资及配置有正向显著影响。

假设2：数字金融可以通过提高家庭收入影响家庭参与风险金融资产的投资及配置。

三、模型构建、变量选取与数据来源

（一）模型构建

在研究数字金融对家庭风险金融资产投资与否的影响时，由于被解释变量“家庭是否参与风险金融资产投资”（d_riskv）是二元虚拟变量，因此选择Probit 模型进行研究。在回归中i表示地区，t表示年份，d_riskvit由其潜变量d_riskvit*决定，潜变量的大小则由解释变量数字普惠金融指数（difii）、控制变量合集Xit和随机扰动项uit决定。可得模型如下：

在研究数字金融对家庭风险金融资产配置的影响时，由于被解释变量“家庭持有风险金融资产占金融资产的比重”（risky ratio）是左删尾变量，因此选择Tobit 模型比较合理。在回归中i表示地区，t表示年份，被解释变量risky ratioit仍由潜变量risky ratioit*决定，潜变量的大小由解释变量数字普惠金融指数（difiit）、控制变量合集Xit和随机扰动项σit可得模型如下：

（二）变量选取

1.被解释变量。本文的被解释变量有两个：（1）“家庭是否投资广义风险金融产品”（d_riskv）用以衡量家庭参与投资风险金融资产。这是一个二值虚拟变量（广义风险金融产品包括股票、债券和广义基金）。（2）“家庭持有风险金融资产占金融资产的比重”（risky ratio）用以衡量家庭风险金融资产的配置。其中对金融资产的定义根据CHFS 问卷的设置，包括社保账户余额、现金、存款、股票、基金、债券、衍生品、理财、外币资产、黄金、其他金融资产和借出款。

（4）有利于提高物流园区建设质量。基于EPC的智慧物流园区总包业务，设计发挥主导决定作用，可以及时便捷的向采购和实施提供技术支持和引导，将智慧物流园区的规划和设计方案贯穿整个总包项目中，实现园区建设质量的提升。

2.解释变量。由于“数字普惠金融指数”可以反映数字技术助力金融的总体发展情况和变化趋势[20]，该指数的二级指标“覆盖广度”“使用深度”和“数字化程度”能够反映数字金融的不同方面，因此本文将它们作为衡量数字金融的解释变量。

3.控制变量。为了控制其他影响家庭投资的因素，借鉴周雨晴和何广文（2020）[9]的思路本文选取的控制变量一方面是可能会影响家庭金融行为的因素：总资产（asset）、家庭规模（fam）、区域经济发展水平差异（lngdp）；另一方面是个人特质和人口统计学特征：户口类型（rural）、年龄（age）、婚姻状况（marriage）、性别（male）、教育程度（edu）、健康状况（health）、是否金融从业人员（fwork）。具体变量描述性统计如表1 所示。

表1 变量描述性统计

（三）数据来源

西南财经大学的中国家庭金融调查（CHFS）是针对全国范围内微观家庭的资产、负债、收入、消费、投资、保险以及人口和家庭特征等较为全面的调查，样本覆盖全国29 个省直辖市。本文使用该调查2013 年、2015 年和2017 年三期的面板数据，删除部分严重缺失信息的样本后得到35 556 个样本数据。同时，本文采用“北京大学数字普惠金融指数”度量数字金融。该指数由北京大学数字金融研究中心和蚂蚁金服集团联合发布，共发布2011—2020 年10 期指数。本文采用省级层面的数字普惠金融指数来研究数字金融对于家庭风险金融产品投资的影响。

四、数字金融对家庭风险资产投资影响的实证分析

（一）基准回归结果及分维度检验

本文根据基准回归模型分别以家庭是否参与风险金融资产投资和家庭投资风险金融资产的比重为因变量，讨论数字金融（表2 中第1 列和第5列）及其二级指标对家庭风险金融资产投资的影响（表2 中2～4 列和6～8 列），回归结果如表2 所示。

表2 中可以看到数字金融无论是对样本家庭是否参与风险金融资产投资，以及风险金融资产的投资比重都有积极的促进作用。数字金融的二级指标也都促进家庭对风险金融资产的投资，即数字金融能够通过扩大数字金融产品的覆盖面、加深数字金融产品的普及以及使用的便利性有效地鼓励居民参与风险金融资产的投资。其中使用深度对家庭是否参与风险金融资产的促进作用最大，这是因为无论数字金融产品供应如何丰富居民是否进行投资取决于其是否了解该产品以及是否愿意进行投资也就是使用深度。覆盖广度对家庭风险金融资产的投资比重影响更大，这可能是因为覆盖广度反映了数字金融能够触及多少人群，随着数字金融的发展，越来越多的家庭可以便捷地接触更多的数字化金融产品，那些已经具有投资经验的家庭由于接触面的扩大，投资于风险金融资产的比重势必将有所增加。综上所述，假设1 得到验证。

表2 数字金融对家庭风险金融资产投资的影响

（二）稳健性检验

为避免变量测度误差、模型遗漏变量、逆向因果等问题可能导致数字金融对家庭风险金融资产投资的回归系数估计存在偏误。本文采用三种方法检验实证结果的稳健性（具体见表3）：第一，采用滞后一期的数字普惠金融指数作为自变量（第1 列、第4 列）；第二，使用互联网普及率替换数字普惠金融指数作为对各省数字金融发展程度的度量值（第2 列、第5 列）；第三，借鉴周雨晴和何广文（2020）[9]的方法，将“各省与浙江省的距离”作为数字普惠金融指数的工具变量进行2SLS 回归（第3 列、第6 列）。

表3 稳健性检验结果

在第（3）列、第（6）列的2SLS 回归结果中一阶段估计的F 值为1 840.81，工具变量的t值为21.94，工具变量具有较强的解释力，Kleibergen-Paap Wald rk F 统计量为439.259，P值为0.000，显著大于临界值16.38[21]，表明不存在弱工具变量问题。稳健性检验的估计结果表明无论是采用滞后一期的自变量、替换被解释变量，还是使用工具变量，在缓解了内生性问题后，数字金融对家庭风险资产投资的参与以及配置都产生显著的正向影响。因此本文假设1的检验结果是稳健可靠的。

（三）数字金融对家庭风险金融资产投资的异质性影响

本文从三个方面进行异质性影响分析。由于城市拥有更为完备的基础设施和发达的金融环境，使得城市家庭的金融可得性高于乡村家庭。因此本文将样本分为城镇家庭和农村家庭；由于我国幅员辽阔，各地区的经济发展水平差别较大，数字金融的发展水平也不尽相同。本文根据国家统计局对于我国东部、西部、中部的划分探讨数字金融对不同区域家庭投资参与情况的影响；本文还借鉴周广肃和李力行（2016）[22]的方法将所有样本家庭分为高收入组（中位数以上）和低收入组（中位数以下），并进行收入异质性分析，具体结果如表4 所示。

从表4 中可以看到，数字金融能够显著地促进城市家庭参与风险金融产品投资，但是在农村样本中，数字金融对于农村家庭持有风险金融资产的促进作用并不显著。同时，数字金融对于城镇家庭持有风险资产占总金融资产的比例具有显著的正向作用，而对农村家庭影响不显著。这个差异主要原因可能是城乡之间存在的“数字鸿沟”造成的，根据2021 年《中国互联网络发展状况统计报告》的调查结果，截至2020 年12 月，我国城镇网民规模为6.80亿，而农村网民规模为3.09 亿，城镇地区互联网普及率为79.8%，而农村地区仅为55.9%[23]。由于农村地区与城镇地区在基础设施上的差距以及这两部分居民金融素养及对数字金融产品了解的差异，导致数字金融对城镇居民家庭风险金融资产投资的影响更加显著。

表4 数字金融对家庭风险金融资产投资的异质性影响结果

数字金融对东部地区家庭参与投资风险资产以及风险金融资产配置都具有显著的正向作用，而对中部地区和西部地区家庭的影响都不显著。这个现象可能是因为东部地区数字金融发展速度快，居民金融素养较高，家庭在接触到数字金融产品时能够积极地去了解并进行主动投资的可能性更大。

数字金融对高收入家庭参与风险金融资产的促进作用显著，但是对于低收入家庭影响不显著。同时，数字金融对于促进低收入和高收入家庭投资风险金融资产占比均有显著正向促进作用，其中对高收入家庭的影响更大。这可能是因为收入水平较高的家庭参与投资活动的途径更多，且参与金融市场的意愿也更强烈，而低收入家庭受到的金融排斥更为严重，参与金融市场的积极性更低。

（四）中介效应分析

上述分析发现数字金融对不同收入家庭进行风险金融资产的投资影响有所不同，因此本文继续验证假设2，即数字金融可以通过提高家庭收入，刺激家庭进行风险金融资产的投资。

首先，参考Baron 和Kenny（1986）[24]、温忠麟等（2004）[25]的方法，根据中介效应检验程序进行检验，分为三个步骤：

其中被解释变量为家庭是否参与金融风险投资（d_riskv），解释变量为数字普惠金融总指数（difi），中介变量为家庭年收入的对数（Income），Xi表示回归中的其余控制变量。然后用Bootstrap 方法进行进一步的中介效应检验，以加强对中介效应结果的判断。逐步回归和Bootstrap 检验结果在表5 中展示。

表5 中介效应分步检验结果

表5 结果表明，数字金融对家庭风险金融投资的参与以及配置都具有正向显著作用，同时数字金融对中介变量家庭收入有显著正向影响，在加入中介变量后数字金融对家庭风险金融资产投资与否及投资配置的影响系数变小，表明家庭收入在数字金融与风险金融资产投资之间存在部分中介效应。使用Bootstrap 法检验结果间接效应bs1 的置信区间都不包含零，因此可以判定家庭收入在数字金融对家庭风险金融资产投资与否及投资配置之间确实存在中介效应。综上所述，假设2 得到验证。

五、结论和建议

本文运用中国家庭金融调查和北京大学数字金融研究中心的数据，研究了数字金融对中国家庭风险金融资产投资参与以及投资配置的影响。研究发现数字金融水平的提高能够促进更多家庭参与风险金融资产的投资。无论是数字金融发展总指标还是三个维度分指标即数字金融覆盖广度、使用深度和数字化程度都对家庭风险资产投资行为具有显著正向影响，该效应主要存在于城镇家庭、东部地区的家庭以及高收入家庭。研究还发现数字金融主要通过增加家庭收入对家庭风险金融资产投资产生正向影响。基于上述研究结论，本文提出了以下几点政策建议。（1）加强信息基础设施建设，扩大数字金融的覆盖面。由于数字金融的覆盖广度对家庭风险金融资产的投资比重影响更大，且只有东部地区家庭受到数字金融的显著影响，因此应该通过加快对中部、西部地区的信息基础设施建设，推动数字金融在我国各个地区均衡发展。通过覆盖面的增加让更多家庭接触并了解金融资产投资信息，提供更多的投资选择。（2）鼓励数字金融产品创新，提高居民金融素养，提升数字金融使用深度。本研究发现数字金融使用深度对家庭风险金融资产投资的参与有正向显著推动作用。要增加数字金融服务的使用深度可以从供给和需求两个方面着手。一方面金融管理部门可以鼓励金融机构在风险可控的前提下，开发新型数字金融产品以满足不同用户的需求；另一方面政府和金融机构应该加大对金融知识的宣传力度尤其是在中西部不发达地区，通过报纸、电视、社区、学校等多种途径提高居民投资意识，减少自我金融排斥。（3）利用数字金融提高居民收入水平，鼓励农村地区和低收入家庭适度参与风险金融资产投资。家庭收入在数字金融与家庭风险金融资产投资之间具有部分中介效应，因此可以利用这一机制通过数字金融水平的提高为中西部地区、农村地区及低收入人群提供更多就业和创业机会，在收入提高以后这些家庭将会有更大的可能通过参与风险金融资产投资提升家庭财富水平。