数字金融发展与城乡家庭债务风险差异

张正平 任康萍 谭秋云

[摘 要：数字金融的蓬勃发展正深刻地影响着家庭经济行为，一个值得关注的问题是，数字金融发展在给家庭带来“数字红利”的同时，也很可能导致家庭债务风险的累积。因此，本文基于中国家庭金融调查（CHFS）数据和北京大学数字普惠金融指数，运用面板数据模型实证分析了数字金融发展对城乡家庭债务风险的影响差异及其作用机制。结果表明：首先，数字金融发展对家庭债务风险具有正向影响，且与城镇家庭相比，其对农村家庭债务风险的影响更大。其次，数字金融发展对中西部地区、金融素养低和收入差距高的农村家庭债务风险的影响更大。最后，数字金融发展通过提升家庭信贷可得性和家庭支付便利性从而加剧了家庭债务风险，且与城镇家庭相比，其对农村家庭债务风险的影响更大。上述结论对于防范城乡家庭债务风险和推进我国数字金融高质量发展具有重要的参考价值。

关键词：数字金融发展；城乡家庭债务风险；信贷可得性；支付便利性

中图分类号：F830.9；F3文献标识码：A文章编号：1000?176X（2023）03?0080?14 ]

一、问题的提出

近年来，随着房价的快速上涨和消费信贷的飞速发展，我国家庭债务总量大幅增加，居民部门杠杆率（债务额/GDP）也出现较快增长。中国人民银行的数据显示，2008—2021年，我国住户部门贷款余额由5.7万亿元攀升至71.1万亿元，居民部门杠杆率从17.9%上升至62.2%，已处在国际清算银行所提出的居民部门杠杆率65%阈值的警戒状态。历次金融危机都表明，过高的杠杆率容易引发经济过热，导致金融不稳定，甚至可能引发系统性金融风险［1］。党的二十大报告强调，必须“守住不发生系统性风险底线”。全面建设社会主义现代化国家，最艰巨最繁重的任务仍然在农村。坚持农业农村优先发展，坚持城乡融合发展，畅通城乡要素流动。要协同整体推进城乡均衡、协调和可持续发展。在全面建成小康社会和扎实推进共同富裕的背景下，城乡家庭债务风险问题值得深入研究。

数字金融是近年来金融市场上崛起的一股重要力量，为居民的金融服务提供了有力的支撑［2］。一方面，数字金融具备的成本低、覆盖广、速度快等优势极大地拓展了金融服务的覆盖范围和触达能力，提高了被传统金融机构排斥的弱势群体的金融服务可得性。以蚂蚁花呗、京东白条等为代表的数字信贷业务大幅提升了居民的信贷可得性，支付宝、微信支付等数字支付的发展大大增强了居民的支付便利性，一定程度上缓解了家庭面临的流动性约束，促使其优化消费决策，为家庭消费提供新动力。另一方面，在数字金融快速发展的同时，我国居民的消费观念和消费行为发生了巨大转变，家庭部门可能会通过增加家庭债务来扩张消费。而居民债务作为消费平滑的工具之一，满足了越来越多家庭的资产配置和跨期消费需求，一些互联网金融机构也通过各类消费场景过度营销贷款或推销类信用卡等金融产品，进一步刺激了家庭过度消费［3］，引发了各界对数字金融发展增加家庭债务的担忧。

城乡二元结构导致资本更多地向城镇地区流动和聚集，农村地区的资金则大量外流，金融服务滞后，资源匮乏［4］，城乡之间的差距和发展不平衡现象严重。为此，党中央明确指出，要全面推进乡村振兴，实现农业农村现代化，走城乡融合发展之路。事实上，户籍、土地、公共服务等多方面的制度变革以及国家资源不断向农村倾斜，有力地推动了我国城乡统筹发展，逐步消除城乡二元结构，助推经济高质量发展，实现共同富裕。与此同时，快速发展的数字金融进一步模糊了城乡和区域之间原始金融禀赋的差异，为欠发达地区和广大小微企业、农户等弱势群体创造了机会，提供了精准匹配的资金支持，推动了城乡融合发展［5］。然而，城乡之间人力资本仍有较大差异，农村家庭的教育水平和金融素养比较低后，对金融市场相关信息的判断能力较差，对自身的负债能力往往缺乏理性認识，在这种背景下，数字金融发展在提升农村家庭信贷可得性的同时，也促使家庭债务风险不断累积。

与家庭债务风险有关的文献集中在讨论家庭债务的成因和分析家庭债务的影响等方面。例如，Cavalletti等［6］指出，消费信贷市场的繁荣是家庭过度负债的主要诱因。家庭成员的年龄结构、受教育程度和金融素养等因素都会影响家庭负债水平。Campbell［7］发现，高学历和金融素养较高的家庭更会做好家庭财务规划，理性借贷。家庭适度负债能够平滑跨期消费，提高家庭生活质量，而家庭债务过度扩张对信贷市场产生了负外部效应、抑制居民消费，导致金融系统发生剧烈波动，引发宏观经济风险，导致居民家庭财富差距扩大。有关数字金融发展与家庭债务风险二者之间关系的研究较少，且结论存在分歧。例如，马源聪等［8］发现，网络借贷加剧了家庭债务杠杆的攀升，可能削弱其偿债能力，并且，当居民部门杠杆率突破某个临界值时，可能导致经济陷入恶性循环。但李波和朱太辉［9］发现，数字金融发展可以缓解债务杠杆对家庭脆弱性的不利影响。

已有文献主要探讨了数字金融对家庭财务脆弱性、家庭负债和债务杠杆的影响，鲜有文献直接研究数字金融对家庭债务风险的影响，并且由于方法、指标的不同导致结论存在差异。基于此，本文选取北京大学数字普惠金融指数和中国家庭金融追踪调查（CHFS）数据，实证检验数字金融发展与城乡家庭债务风险之间的因果关系，并揭示产生城乡差异的作用机制。本文可能的边际贡献如下：第一，基于城乡二元结构分析数字金融发展对家庭债务风险的差异性影响，丰富了数字金融发展与家庭债务风险关系的相关研究。第二，从地区差异、金融素养和收入差距三个角度研究数字金融发展对城乡家庭债务风险的异质性影响，为全面理解二者关系提供了新视角。第三，揭示了数字金融发展通过改变家庭信贷可得性和家庭支付便利性对城乡家庭债务风险产生差异影响的机制，深化了对家庭债务风险形成的认识。

二、理论分析与研究假设

（一）数字金融发展对城乡家庭债务风险的影响

数字金融作为金融发展的一种新形态，一方面，其更具包容性和普惠性，能够覆盖更多的“长尾”用户，在扩大金融服务范围、缓解信息不对称和消除金融排斥等方面发挥了重要作用，为家庭和个人在银行等传统金融市场外开辟了新的融资渠道，增加了金融可得性。数字金融凭借技术优势，提高金融资源配置的精准度，提升金融资源分配的效率，让受到流动性约束的消费者可以充分利用金融市场实现消费的跨期平滑，进而释放被压抑的消费需求，这进一步扩大了居民的消费潜力和需求［10］。另一方面，数字金融在提高金融效率的同时，其过度自由发展也带来了家庭债务风险的增加［11］。随着居民消费观念和消费行为的转变，人们开始借助数字金融平台借贷以实现超前消费，这可能会进一步增加家庭债务，从而放大家庭债务风险。更重要的是，资本逐利性强化了“剥削型”城乡二元结构［12］，大部分农村地区尤其是贫困农村地区长期处于金融抑制状态。数字金融由于其具有的优势，能有效缓解农村家庭的信贷约束，满足家庭的信贷需求，让更多的农村家庭能够进入到信贷市场中。但是，城乡居民间的人力资本差异十分显著，农村家庭的金融认知水平相对城市家庭较低，在数字金融平台和数字信贷等的诱导之下，容易对利率和风险投资等相关信息误判，进而作出非理性金融决策，增加家庭债务风险。并且，城乡居民之间的资产水平差距较大，相较于城镇家庭，农村家庭如果承担更多、更“昂贵”的债务负担，会增加农村家庭陷入财务困境的概率。基于此，笔者提出如下假设：

H1：数字金融发展提高了家庭陷入债务风险的可能，且与城镇家庭相比，数字金融发展对农村家庭债务风险的影响更大。

（二）数字金融发展对城乡家庭债务风险的异质性分析

由于我国不同地区间经济发展水平存在较大的差异，不同地区居民的就业机会、收入水平和消费水平也不相同，这使得数字金融发展对不同地区的城乡家庭债务风险产生不同的影响。受到金融排斥的“长尾”用户主要集中在经济较为落后的中西部地区，由于中西部地区长期面临金融资源匮乏、资金供给不足等，其对金融资源的边际需求更加旺盛。而数字金融利用数字技术手段可以打破地区之间的时空限制，为金融机构搜集欠发达地区信用数据、加强征信管理提供了一定的便利，也为数字平台提供了低成本的信贷以支持弱势群体［13］。金融技术进步通过增加信贷可得性，如诱导家庭过度消费致使其信贷超出负荷范围，进而导致家庭陷入债务风险。基于此，笔者提出如下假设：

H2：相较于东部地区，数字金融发展对中西部地区农村家庭债务风险的影响更大。

金融素养是一项重要的人力资本。金融素养可以理解为经济主体进行信息筛选、财务规划和风险管理的能力。金融素养水平较高的家庭更擅长进行科学的财务规划进而分散投资风险，其对债务风险的识别能力和承担能力较强 ［14］。而且，与城镇家庭相比，农村家庭的整体金融素养和金融能力培育明显滞后［15］，金融风险的识别能力较差，更容易过度负债，产生更高额的借贷成本，增加家庭债务风险。基于此，笔者提出如下假设：

H3：相较于金融素养水平较高的家庭，数字金融发展对金融素养水平较低的农村家庭债务风险的影响更大。

收入差距会影响家庭成员的风险偏好，进而对其经济决策产生影响。Kumhof等［16］研究发现，收入差距扩大引发的债务攀升是发达国家金融危机爆发的重要原因。一方面，根据相对收入假说，收入差距大会放大高收入家庭消费对低收入家庭消费的示范作用，导致低收入家庭不得不通过增加负债的方式平滑消费，而这种方式对低收入家庭的影响更大，他们可能会因为消费攀比而过度借贷，产生所谓的“赶超琼斯”效应。最终，由于信贷需求的不断加大和还款能力的不足，低收入家庭将面临更大的债务风险［17］。另一方面，随着收入差距的扩大，少数高收入群体的收入份额不断增加，大量低收入群体的收入份额逐渐减少。并且，随着收入差距的拉大，人口占比较低的高收入群体占有了大量社会财富，社会中的低收入群体将相对增加，这会导致高收入群体向低收入群体不断放贷［18］，进而导致低收入群体尤其是初始资源禀赋较低的农村家庭债务大幅增加。基于此，笔者提出如下假设：

H4：相较于收入差距较低的家庭，数字金融发展对收入差距较高的农村家庭债务风险的影响更大。

（三）数字金融发展对城乡家庭债务风险影响的机制

数字金融发展能够增加信贷可得性，帮助家庭顺利进行跨期消费，但同时也导致另一个后果，即家庭偿债压力的增加和家庭财务脆弱性的攀升［19-20］。尹志超和张号栋［21］研究发现，家庭金融可得性提高是我国居民部门杠杆率不断攀升的重要原因之一。一方面，随着数字金融的快速发展，数字金融平台不断扩张，与传统信贷市场相比，数字信贷更容易导致个体过度借贷。因为数字金融平台的过度授信、交叉授信和诱导式放贷等做法，可以快速增加居民家庭的信贷供给，对于初次接触信貸的个体而言，尤其是之前被排斥在正规金融之外的新进入者，如农村家庭，往往存在过度自信，而这种过度自信的行为偏差容易产生非理性借贷行为［22］。另一方面，由于对数字金融、互联网金融等新兴金融业态监管不足，各类金融服务主体降低客户资质和还款能力审核门槛，增加对“长尾”用户的信贷倾向［23］。消费者也更偏好可以匿名的数字借贷，这种便利性和隐私性会刺激消费者产生更强烈的信贷需求，从而形成过度负债，甚至无法按期还款，产生一系列矛盾纠纷。而且，在“超前消费”“过度消费”的理念下，我国宽松的消费信贷政策进一步加快了居民的负债消费，消费信贷的规模持续增加，一些年轻人甚至成为“月光族”“负翁”，进一步提高了家庭的债务风险。基于此，笔者提出如下假设：

H5：数字金融发展通过家庭信贷可得性影响家庭债务风险，且对农村家庭的作用大于城镇家庭。

近年来，移动支付作为数字支付的主要形式，凭借其支付便利性优势得到了迅速推广，已经成为我国支付领域的中坚力量。一方面，以支付宝、微信等平台为依托的移动支付促进了社会的无现金化发展，能够突破商品贸易的时空限制，降低交易成本，给居民带来更方便、更快捷的支付体验。便捷的支付方式不仅能增加居民的支付愿望和消费场景，还能优化家庭消费决策并提升家庭的消费频率和消费规模［24］。移动支付与数字信贷的深度融合，极大地缓解了居民家庭长期面临的金融服务不足问题，为居民消费提供了新的动能，在相对落后的农村地区这种作用尤其明显。另一方面，数字支付凭借其高效、灵活等优势吸引了大量用户，并通过技术手段获得海量交易数据，有助于金融机构有效识别并挖掘“长尾”用户的消费需求，进行精准营销。多渠道的支付方式既能够帮助居民家庭实现线上支付，又可以透支消费提高居民家庭的碎片化消费，这种便利的支付手段和使用体验容易让消费者产生“心理账户”效应，1从而释放其消费需求，但也容易造成家庭的非预期消费和负债增加［25］，进而提高了家庭陷入债务风险的可能。一个值得注意的现象是，长期处于金融抑制状态的农村家庭在学会数字支付等手段后，更容易在便捷的支付下扩大消费、增加负债。基于此，笔者提出如下假设：

H6：数字金融发展通过提升家庭支付便利性影响家庭债务风险，且对农村家庭的作用大于城镇家庭。

三、研究设计

（一）数据来源

本文的数据来源于中国家庭金融调查（CHFS）数据库、北京大学数字普惠金融指数、《中国城市统计年鉴》以及各省份统计年鉴。其中，CHFS数据用于刻画与家庭债务有关的变量，北京大学数字普惠金融指数用于刻画数字金融发展水平，各统计年鉴数据用于刻画区域宏观经济特征。本文选取2015年、2017年和2019年CHFS的3期面板数据，将其整合至地级市层面，并分别与2014年、2016年和2018年的地级市数字普惠金融指数进行匹配（滞后一期是为了缓解可能存在的内生性），同时剔除有严重缺失值和异常值的样本、剔除户主年龄小于16岁的家庭，并对家庭收入及资产进行上下1%缩尾处理，最终得到51 135个有效家庭样本，其中，31 260个城镇家庭样本，19 875个农村家庭样本。

（二）变量说明

1.被解释变量

本文被解释变量为家庭债务风险（Debt）。为了更加全面地衡量家庭债务风险，本文同时考虑存量和流量两类衡量指标。在基准回归中，借鉴Agarwal等［26］、周广肃和王雅琦［27］与何德旭和张斌彬［28］的做法，采用家庭资产负债率衡量，用家庭总负债与家庭总资产之比计算。在稳健性检验中，借鉴谢绵陛［29］的做法，采用家庭债务收入比衡量，用家庭债务余额与家庭总收入之比计算。通常，家庭资产负债率或家庭债务收入比越高，家庭偿债压力越大，陷入违约风险的可能性越大，家庭潜在债务风险越大。

2.解释变量

本文解释变量为数字金融发展（DF），选取北京大学数字普惠金融指数具体衡量数字金融发展水平。

3.机制变量

（1）家庭信贷可得性（Credit）。由于微观家庭互联网平台数字信贷的数据难以获取，而数字信贷的发展从资产、负债等多个方面冲击了传统银行的信贷业务，增强了信贷市场竞争程度，从而有利于提升家庭信贷可得性。参考刘西川和程恩江［30］、王修华和赵亚雄［31］与周利等［32］的做法，用传统银行信贷间接衡量家庭信贷可得性，若家庭目前有尚未还清的银行（信用社）欠款或家庭曾获得银行（信用社）等正规机构贷款，赋值为1，否则赋值为0。

（2）家庭支付便利性（Pament）。参考尹志超等［33］的做法，根据中国家庭金融调查问卷，将购物中选择使用支付宝APP、手机银行等移动支付方式的家庭定义为具有支付便利性，赋值为1，否则赋值为0。

4.控制变量

本文控制变量如下：

（1）户主层面。包括：年龄，用户主年龄计算；年龄2，用户主年龄2/100计算；性别，男=1，女=0；教育水平，用户主受教育年限衡量，博士=22，硕士=18，本科=16，大专=15，高中、职校、中专=12，初中=9，小学=6，未上过学=0；婚姻，已婚=1，其他=0；健康水平，健康=1，其他=0；工作状态，有工作=1，无工作=0。

（2）家庭层面。包括：自有房屋，家庭擁有自住房产=1，家庭无自住房产=0；家庭总收入，用家庭总收入的自然对数衡量；家庭净资产，用家庭总资产与总负债之差的自然对数衡量；家庭规模，用家庭成员数（人）计算。

（3）地区层面。包括：经济发展水平，用地区人均GDP的自然对数衡量；市场化水平，用樊纲等编制的市场化指数衡量。1

（三）模型设定

由于家庭债务风险数据具有典型的截断特征，传统的OLS估计可能导致回归结果出现较大误差。因此，参考周利等［32］的做法，建立Tobit模型检验数字金融发展对家庭债务风险的影响。具体模型设定如下：

[Debtit=α0+α1DFit+j=113βjXjit+δt+μv+εit]       （1）

其中，[Debtit]表示家庭债务风险；[DFit]表示数字金融发展水平；[Xit]表示控制变量，上文已述；[δt]表示控制时间趋势的固定效应；[μv]表示地区固定效应；[εit]表示随机扰动项；i表示家庭；t表示时间。

为验证家庭信贷可得性和家庭支付便利性在数字金融发展对家庭债务风险影响中的作用机制，参考王修华和赵亚雄［31］的做法，构建如下模型：

[Creditit=α0+α1DFit+j=113βjXjit+δt+μv+φit]       （2）

[Pamentit=α0+α1DFit+j=113βjXjit+δt+μv+γit]       （3）

其中，[ Creditit表示]家庭信贷可得性；[Pamentit表示家庭支付便利性;  φit和γit]表示随机扰动项，其他变量同上。

（四）描述性统计分析

表1报告了主要变量的描述性统计结果。从表1可以看出，家庭资产负债率的最大值为0.739，最小值为0.000，均值为0.061，说明各家庭之间资产负债率差异明显。数字金融发展水平的标准差为0.215，表明不同地区的数字金融发展水平存在较大差异。家庭信贷可得性的标准差为0.492，家庭支付便利性的标准差为0.449，表明家庭之间存在较大差异。从控制变量来看，户主层面、家庭层面和地区层面的控制变量标准差均较大，说明家庭之间均存在较大的差异。但各变量的描述性统计值均在正常范围内。

四、实证分析

（一）基准回归结果及分析

表2报告了检验H1的回归结果。从表2列（1）回归结果可以看出，数字金融发展水平对家庭资产负债率在1%水平上有显著正向影响，这说明，数字金融发展显著提高了家庭债务风险。为进一步检验数字金融发展对农村和城镇家庭债务风险的影响是否存在差异，参考连玉君等［34］的做法，利用Chow检验法进行检验。结果显示，组间系数差异显著，即结论具有可比性。从表2列（2）和列（3）回归结果可以看出，在农村家庭中，数字金融发展水平的估计系数为0.495，在城镇家庭中，数字金融发展水平的估计系数为0.310，且均在1%水平上显著。这说明，数字金融发展对农村家庭债务风险的影响更大（0.495>0.310）。其原因在于，数字金融改善了农村家庭的信贷约束，使原本被排斥在正规金融体系之外的农村居民能够相对容易地获取信贷服务，进而不断释放被压抑的消费需求，数字信贷业务更容易导致居民过度借贷，在农村家庭还款能力低下的前提下，过度借贷往往造成不能按时还款，从而导致家庭债务风险增加。事实上，大多数农村家庭是被数字金融“包容”了的“新进入者”，其金融认知水平相对较差，初次接触信贷往往会高估自我还款能力，出现不合理的借贷行为［35］，重复借贷或过度借贷的概率更高，进而增加了农村家庭陷入债务风险的可能。因此，H1得到了验证。

从控制变量的回归结果来看，性别的估计系数不显著，说明家庭的借贷需求和消费行为与户主性别不构成直接关系。健康水平的估计系数显著为负，可能的原因是，越健康的户主，医疗支出越少，家庭债务风险越小。自有房屋的估计系数为正，表明家庭房产等非流动性资产加剧了家庭债务风险。可能的原因在于，自有房屋的投资属性带来了高收入预期，增强了家庭未来的借贷动机，进而导致家庭陷入债务风险的可能性增大。

为进一步考察数字金融发展不同子维度对城乡家庭债务风险影响的差异，本文分别采用北京大学数字普惠金融指数的三个细分指数覆盖广度、使用深度和数字化程度，1运用Tobit模型对城乡家庭债务风险进行回归分析，具体回归结果如表3所示。从表3可以看出，三组的组间系数差异均显著，结论具有可比性。数字金融覆盖广度、使用深度和数字化程度对城乡家庭债务风险均产生了显著的正向影响，并且对农村家庭债务风险的影响大于对城镇家庭债务风险的影响。这说明，与城镇家庭相比，数字金融三个细分指数均对农村家庭债务风险有更大的影响，这与表2结果一致，印证了基准回归的结果。

（二）内生性分析与稳健性检验

1.内生性分析

为进一步缓解可能存在的内生性问题，本文借鉴张勋等［36］的做法，选用家庭所在城市距离杭州的球面距离作为数字金融发展水平的工具变量进行内生性检验。由于数字金融发展水平是随时间变化的，而距离是相对固定的，两者直接结合会造成第二阶段的估计失效。因此，本文将与杭州的球面距离这个工具变量与全国层面（除本市外）数字金融发展指数的均值交互，作为一个具有时间变化效应的新工具变量进行回归，回归结果如表4所示。

从表4可以看出，F值远大于10，且经过Wald检验后其临界值远大于16.380，表明不存在弱工具变量。因此，本文所选的工具变量是合适的。而且，在引入工具变量后，解释变量的回归系数没有发生明显变化，表明基准回归结果可靠。

2.稳健性检验1

本文通过以下三种方式进行稳健性检验：

第一，替换被解释变量。本文使用家庭债务收入比重新衡量家庭债务风险。采用面板Tobit模型回歸的结果表明，数字金融发展对农村家庭债务风险的影响大于城镇家庭（8.135>6.525），与前文基准回归结果一致。

第二，改变解释变量数据维度。本文使用县级层面的数字普惠金融指数衡量数字金融发展水平并进行回归。结果表明，在改变解释变量的数据维度后，数字金融发展对农村家庭债务风险的影响仍大于城镇家庭（0.493>0.272），与前文基准回归结果一致。

第三，更换数据。利用中国家庭追踪调查数据（CFPS）2014—2018年面板数据，并将其与数字普惠金融指数相匹配。结果显示，数字金融发展对农村家庭债务风险影响的估计系数在5%的水平上显著为正（0.052），对城镇家庭债务风险影响的估计系数为正但不显著（0.002），与前文基准结果基本一致。

五、异质性分析与机制检验

（一）异质性分析

1.地区异质性

为检验H2，将样本按照地理位置划分为东部地区、中西部地区后进行回归，回归结果如表5所示。从表5可以看出，东部地区和中西部地区城乡家庭的两个组间系数差异显著，结果具有可比性。与城镇家庭相比，数字金融发展对农村家庭债务风险的影响更大。这意味，无论东部地区还是中西部地区，数字金融发展对农村家庭债务风险的影响均更大。进一步地，从表5东部地区农村家庭和中西部地区农村家庭两组样本的估计结果可以看出，组间系数差异显著，结果具有可比性。与东部地区农村家庭相比，数字金融发展对中西部地区农村家庭债务风险的影响更大（0.566>0.358）。可能是因为，中西部地区农村居民金融素养较低，金融风险识别能力较差，进而导致数字金融发展对中西部地区农村家庭债务风险的影响大于东部地区的农村家庭。因此，H2得到了验证。

2.金融素养异质性

为检验H3，参考伍再华等［37］的做法，基于CHFS问卷中有关利率计算、通货膨胀和金融风险判断的3个问项结果、采用加总法计算家庭金融素养水平，然后按照家庭金融素养的均值将样本划分为高金融素养和低金融素养两组进行回归，回归结果如表6所示。从表6可以看出，在高金融素养组中，城乡家庭间的估计系数具有可比性。与城镇家庭相比，数字金融发展对农村家庭债务风险的影响更大；在低金融素养组中，其对城乡家庭的影响也是如此。这意味，无论哪一组，数字金融发展对农村家庭债务风险的影响均更大。进一步地，从表6中高金融素养组农村家庭和低金融素养组农村家庭两组样本的组间系数可以看出，结果具有可比性。与高金融素养的农村家庭相比，数字金融发展对低金融素养的农村家庭债务风险影响更大（0.517>0.443）。这可能是由于缺乏金融素养容易导致农村家庭对金融市场信息判断的准确性下降，从而造成其承担更“昂贵”的债务负担［38］。因此，H3得到了验证。

3.收入差距异质性

为检验H4，参考宋晓玲［39］的做法，用泰尔指数来具体衡量城乡收入差距，并按照泰尔指数的均值将样本划分为高收入差距组和低收入差距组两个子样本分别进行回归，回归结果如表7所示。

从表7可以看出，在低收入差距组中，城乡家庭的估计结果具有可比性。与城镇家庭相比，数字金融发展对农村家庭债务风险的影响更大。在高收入差距组中，这种影响也存在。这意味着，无论在高收入差距组还是低收入差距组，数字金融发展对农村家庭债务风险的影响均更大。进一步地，从表7中低收入差距组的农村家庭和高收入差距组的农村家庭两组样本的估计结果可以看出，组间系数差异显著，具有可比性。与低收入差距组相比，数字金融发展对高收入差距组的农村家庭债务风险影响更大（0.576>0.334）。这可能是因为，随着收入差距的扩大，“攀比效应”“消费习惯”让低收入家庭有更强的动机进行消费以比肩高收入家庭的生活质量，甚至赶超高收入家庭，造成低收入水平家庭尤其是初始资源禀赋较低的农村家庭负债水平提高，从而增加其债务风险。因此，H4得到了验证。

（二）机制检验

上述实证结果表明，数字金融发展对农村家庭债务风险的影响大于其对城镇家庭债务风险的影响，那么，究竟是什么原因导致了这种差异性影响呢？有必要进一步分析其作用机制。具体的回归结果如表8所示。

从表8列（1）回归结果可以看出，在总样本中，数字金融发展水平的估计系数为1.555，且在１％水平上显著。总体来说，数字金融发展显著提高了家庭信贷可得性。从表8列（2）和列（3）回归结果可以看出，数字金融发展对农村家庭和城镇家庭的信贷可得性均在１％水平上产生了显著的正向影响，且对农村家庭信贷可得性的影响更大。这表明，数字金融的参与门槛较低，其普惠性能够依靠数字支付沉淀的数据要素放松机构对资金需要者的初始财富约束。这对家庭财富有限的农村家庭是有利的，因为数字金融发展不仅拓宽了其获得资金的渠道，增加了其信贷可得性，还降低了其对传统银行的依赖［40］，有利于缩小城乡之间的发展差距。因此，H5得到了验证。从表8列（4）回归结果可以看出，在总样本中，数字金融发展水平的估计系数为1.463，且在1％水平上显著。总体来说，数字金融发展显著提升了家庭支付便利性。从表8列（5）和列（6）回归结果可以看出，数字金融发展对农村家庭和城镇家庭的支付便利性均在1%水平上具有显著的正向影响，且对农村家庭支付便利性的影响更大。这说明，数字金融发展加快了移动支付业务的增长，让更多的家庭尤其是农村家庭获得了便利的支付，降低了金融服务的获得成本，并刺激家庭获取数字信贷等服务，以满足不断增长的消费需求。尤其以支付宝、微信等为代表的移动支付不仅方便了家庭成员进行线上支付，还会积极推送消费信贷服务帮助其进行超前消费、跨期消费，使原本不容易获得金融服务的（农村）家庭享受低成本、高效率的支付和消费体验。因此，H6得到了验证。

六、研究结论与政策建议

本文基于中国家庭金融追踪调查（CHFS）数据和北京大学数字普惠金融指数，运用面板数据模型实证分析了数字金融发展对城乡家庭债务风险的差异性影响及其作用机制。研究发现：首先，总体来看，数字金融发展对家庭债务风险具有显著的正向影响，与城镇家庭相比，数字金融发展对农村家庭债务风险的影响更大，这一结论在内生性分析和稳健性检验后依然成立。其次，数字金融发展对中西部地区、金融素养低和收入差距大三类子样本中的农村家庭债务风险的影响更大。最后，数字金融发展可以通过家庭信贷可得性和家庭支付便利性两个渠道影响家庭债务风险，且对农村家庭债务风险的影响大于对城镇家庭债务风险的影响，进而导致数字金融发展通过这两个渠道对农村家庭债务风险产生更大的影响。

上述研究结论对我国家庭债务风险的防范和数字金融高质量发展具有重要的启示，基于上述结论，笔者提出如下政策建议：

第一，有序发展数字金融，防范家庭债务风险。要平衡好稳发展与防风险的关系，以服务实体经济和弱势群体为重点，推进数字金融有序发展。深入研究城乡家庭金融需求特点，提供针对性更强的数字金融产品和服务：一方面，缓解家庭金融排斥，满足家庭多样化的金融需求，充分发挥信贷可得性和支付便利性在数字金融发展影响家庭消费中的积极作用，引导家庭适度参与金融市场，分享数字金融发展的红利；另一方面，要坚持守住不发生系统性风险底线，防范数字金融发展对家庭带来的风险，促进家庭金融高质量发展。

第二，完善金融监管体系，加强家庭部门风险监测。一方面，进一步完善金融监管体系，对数字金融实施精细化、穿透式的监管，推动监管科技的发展，从监管基础设施、基本原则、监管工具等层面提升金融监管的灵敏度、针对性和及时性；另一方面，加强对家庭部门债务风险监测，完善居民债务统计体系，积极扩大个人征信体系的覆盖面，为金融机构和金融管理部门决策夯实数据基础，探索建立家庭金融信息大数据平台，利用联邦学习等隐私计算技术实现敏感信息的共享，为金融机构更有效的风险管理提供帮助。

第三，增强家庭风险防控意识，助推数字金融健康发展。在城乡二元结构和全面推进乡村振兴的现实背景下，在大力发展数字金融的同时，仍然不能忽视数字金融自由发展而引发的潜在的家庭债务风险。要加大金融教育力度，尤其要重点关注低收入家庭、农村地区家庭居民的金融教育，提升居民金融素养，提高家庭风险防控意识，引导居民樹立健康的金融观，合理负债，合理消费，理性运用金融杠杆。

第四，规范数字平台发展，加强家庭债务风险预警。一方面，本文研究表明，数字金融不仅带来“数字红利”，也导致家庭债务累积，尤其是显著提高了农村家庭债务风险。因此，要规范数字平台的发展，在规范互联网金融平台、数字平台或APP借贷流程的基础上，强制平台或APP必须以通俗易懂的语言向用户提示潜在的金融风险，尤其要告知对违约行为的罚息、列入失信名单等处罚规则，尽量减少非理性借贷，助推数字金融健康发展。另一方面，当前经济下行压力较大，要警惕家庭债务危机及其可能引发的系统性金融风险，大力加强对家庭债务风险的预警，尤其是目前我国农村家庭金融素养不高，数字平台风险甄别能力较低，要积极推进农村家庭债务风险的预警，加强对农村债务风险评估预警结果的应用，有效前移风险防控关口，进一步防范和降低城乡家庭债务风险。

参考文献：

［1］ 庄毓敏，张祎.居民部门债务增长的宏观效应［J］．中国金融，2020（2）：16-18.

［2］ 郭峰，孔涛，王靖一.互联网金融空间集聚效应分析——来自互联网金融发展指数的证据［J］．国际金融研究，2017（8）：75-85.

［3］ 王海军.数字金融助推了家庭债务风险吗？——基于CFPS的微观证据［J］．国际金融研究，2022（7）：27-36.

［4］ 张岳，周应恒.数字普惠金融、传统金融竞争与农村产业融合［J］．农业技术经济，2021（9）：68-82.

［5］ 滕磊，马德功.数字金融能够促进高质量发展吗？［J］．统计研究，2020，37（11）：80-92.

［6］ CAVALLETTI B，LAGAZIO C，LAGOMARSINO E，et al. Consumer debt and financial fragility： evidence from Italy［J］．Journal of consumer policy，2020，43（4）：747-765.

［7］ CAMPBELL J Y. Household finance［J］．The journal of finance，2016，61（4）：1553-1604.

［8］ 马源聪，洪灏琪，林丽琼.网络借贷中借款人履约的逆向激励——基于“人人贷”数据的经验证据［J］．财经研究，2020，46（5）：66-80.

［9］ 李波，朱太辉.债务杠杆、金融素养与家庭金融脆弱性——基于中国家庭追踪调查CFPS2014的实证分析［J］．国际金融研究，2020（7）：25-34.

［10］ 陈宝珍，余洁，任金政.数字支付影响农户消费吗？——基于微观调查数据的经验分析［J］．财经论丛，2021（1）：33-42.

［11］ 王海军，杨虎.数字金融渗透与中国家庭债务扩张——基于房贷和消费的传导机制［J］．武汉大学学报（哲学社会科学版），2022，75（1）：114-129.

［12］ 林辉煌，贺雪峰.中国城乡二元结构：从“剥削型”到“保护型”［J］．北京工业大学学报（社会科学版），2016，16（6）：1-10.

［13］ 何宗樾，宋旭光.数字金融发展如何影响居民消费［J］．财贸经济，2020，41（8）：65-79.

［14］ 王海燕，岳华，李韫琪.数字金融发展如何影响家庭“加杠杆”？——动态效应、异质性特征与机制检验［J］．南方经济，2021（9）：18-35.

［15］ 星焱.农村数字普惠金融的“红利”与“鸿沟”［J］．经济学家，2021（2）：102-111.

［16］ KUMHOF M，RANCIERE R，WINANT P. Inequality， leverage and crises： the case of endogenous default［J］．The American economic review，2015，105（3）：1217-1245.

［17］ 林常青，涂钰珺.地区收入不平等如何影响家庭债务？——基于信贷供求视角的经验证据［J］．金融发展研究，2022（8）：3-11.

［18］ 尹志超，李青蔚，张诚.收入不平等对家庭杠杆率的影响［J］．财贸经济，2021，42（1）：77-91.

［19］ 周利，廖婧琳，张浩.数字普惠金融、信贷可得性与居民贫困减缓——来自中国家庭调查的微观证据［J］． 经济科学，2021（1）：145-157.

［20］ 柴时军.移动支付是否放大了家庭债务风险？——基于家庭财务杠杆视角的微观证据［J］．西南民族大学学报（人文社科版），2020，41（10）：122-133.

［21］ 尹志超，张号栋.金融可及性、互联网金融和家庭信贷约束——基于CHFS数据的实证研究［J］．金融研究，2018（11）：188-206.

［22］ 李政，李鑫.数字普惠金融与未预期风险应对：理论与实证［J］．金融研究，2022（6）：94-114.

［23］ RAJAN R G. Fault lines： how hidden fractures still threaten the world economy［J］．Professional investor，2010，23（1）：151-155.

［24］ 王军，王杰，李治国.数字金融发展与家庭消费碳排放［J］．财经科学，2022（4）：118-132.

［25］ 王晓彦，胡德宝.移动支付对消费行为的影响研究：基于不同支付方式的比较［J］．消费经济，2017，33（5）：77-82+97.

［26］ AGARWAL S，QIAN W，TAN R. Household finance： a functional approach［M］．Singapore：Springer Nature Singapore Pteltd，2020.

［27］ 周廣肃，王雅琦.住房价格、房屋购买与中国家庭杠杆率［J］．金融研究，2019（6）：1-19.

［28］ 何德旭，张斌彬.居民杠杆与企业债务风险［J］．中国工业经济，2021（2）：155-173.

［29］ 谢绵陛.家庭债务收入比的影响因素研究——来自于微观调查数据的证据［J］．中国经济问题，2018（1）：62-72.

［30］ 刘西川，程恩江.贫困地区农户的正规信贷约束：基于配给机制的经验考察［J］．中国农村经济，2009（6）：37-50.

［31］ 王修华，赵亚雄.数字金融发展是否存在马太效应？——贫困户与非贫困户的经验比较［J］．金融研究，2020（7）：114-133.

［32］ 周利，柴时军，周李鑫泉.互联网普及如何影响中国家庭债务杠杆率［J］．南方经济，2021（3）：1-18.

［33］ 尹志超，公雪，郭沛瑶.移动支付对创业的影响——来自中国家庭金融调查的微观证据［J］．中国工业经济，2019（3）：119-137.

［34］ 连玉君，彭方平，苏治.融资约束与流动性管理行为［J］．金融研究，2010（10）：158-171.

［35］ BROWN J，COOKSON J，HEIMER R. Growing up without finance［J］．Journal of financial economics，2019，134（3）：591-616.

［36］ 张勋，杨桐，汪晨，等.数字金融发展与居民消费增长：理论与中国实践［J］．管理世界，2020，36（11）：48-63.

［37］ 伍再华，谢北辰，郭新华.借贷约束、金融素养与中国家庭股票市场“有限参与”之谜［J］．现代财经（天津财经大学学报），2017，37（12）：20-35.

［38］ 吴卫星，吴锟，王琎.金融素养与家庭负债——基于中国居民家庭微观调查数据的分析［J］．经济研究，2018，53（1）：97-109.

［39］ 宋晓玲.数字普惠金融缩小城乡收入差距的实证检验［J］．财经科学，2017（6）：14-25.

［40］ 王修华，赵亚雄.数字金融发展与城乡家庭金融可得性差异［J］．中国农村经济，2022（1）：44-60.

The Development of Digital Finance With the and Difference Debt Risk of Urban and Rural Households

ZHANG Zheng?ping， REN Kang?ping， TAN Qiu?yun

（School of Economics/Digital Finance Research Center，Beijing Technology and Business University，Beijing 100048，China）

Abstract：The vigorous development of digital finance is deeply affecting the economic behavior of households. A problem worthy of attention is that the development of digital finance is likely to lead to the accumulation of householdsdebt risk while bringing‘digital dividendsto households. Therefore， based on the data of China Household Finance Survey（CHFS）and the Digital Inclusive Finance Index from Peking University， this paper uses panel data regression model to empirically analyze the different impact of digital finance development on urban and rural householdsdebt risk and its mechanism. The findings show that： firstly， the development of digital finance has a positive impact on householdsdebt risk， and its impact on rural householdsdebt risk is greater than that of urban households; secondly， the development of digital finance has a greater impact on the debt risk of rural households with lower financial literacy and higher income gap in the mid?western regions; finally， the development of digital finance aggravates the householdsdebt risk by improving the credit availability and the payment convenience of households， and this improving effect is greater in rural households than in urban households. These conclusions have important reference for China to prevent the debt risk of urban and rural households and promote the high?quality development of digital finance.

Key words：development of digital finance；debt risk of urban and rural households；credit availability；payment convenience

（责任编辑：巴红静）

［DOI］10.19654/j.cnki.cjwtyj.2023.03.007

［引用格式］张正平，任康萍，谭秋云.数字金融发展与城乡家庭债务风险差异［J］．财经问题研究，2023（3）：80-93.