我国数字金融程度的影响因素分析——基于个体固定效应模型的实证研究

■刘思贝 东北大学

一、绪论

1.研究背景

改革开放以来，我国的居民生活水准平和社会生产力都获得显著提高，但经济的迅速增长主要归因于投资和进出口两方面，反而重要的消费并没有发挥其应有的作用，平均消费倾向呈递减趋势。步入经济新常态后，我国的经济供给侧和需求侧从本质上开始发生改变，并且在国际贸易形势和环境的变化影响下，投资驱动和出口拉动型经济遭遇瓶颈，消费作为拉动经济发展的“三驾马车”之一，增强消费就变得格外重要。随着我国不断强化信息通信技术与实体经济的融合，互联网应用深度渗透到各个经济活动环节，也带来了数字金融这一新事物。但是如今我国仍存在居民消费总量相较发达国家小、消费倾向较弱、区域消费结构质量存在差异等问题，这些方面都有待加强和改善。

近年来新兴技术（互联网、智能手机等）快速发展，以网上银行、手机银行等为代表的数字金融服务日益普及。数字金融的出现加强了金融产品和服务的有效分配，缩短了金融机构与目标客户之间的距离，促使原本被排斥在正规金融体系之外的群体能够以较低的成本相对容易地获取金融服务，并且越来越多的原有客户使用手机银行和网上银行等新兴业务替代传统银行业务，金融服务的可得性大幅提高。

2.研究内容

在消费环境的不确定性下，居民会更加谨慎地做出消费决策，这使得消费行为呈现效用跨期影响的习惯形成特征。习惯形成是居民消费变化的内因之一，若居民消费过于谨慎，则不易于促进消费的增长。但大部分文献主要分析数字金融对消费是否存在影响，几乎没有文献提到数字金融程度是否会受到金融发展水平和消费投资习惯的影响。因此本文从金融发展水平和消费投资习惯两个维度出发，具体分为8 个解释变量，对模型进行回归，分析数字金融程度的影响因素及影响程度，并进行区域异质性分析。这对于探寻提高数字金融程度的方法具有重要意义。

3.研究意义

（1） 理论意义

本文研究的理论意义：第一，虽然近年来的研究已表明数字金融程度的重要作用，但现有研究对数字金融形成效应在不同区域表现出的异同未进行有效的论证，本文有助于完善区域异质性与数字金融形成的关系理论研究。第二，深入探究数字金融形成的动态特征，研究数字金融的影响因素，有助于了解和完善数字金融与消费的作用机制，以期丰富互联网发展下的居民消费理论。

（2） 现实意义

本文研究的现实意义：第一，就政府部门而言，厘清数字金融的具体影响因素，对制定实现促进消费和居民消费结构升级的措施有所帮助。第二，可以制定出适合不同区域的政策方针，进而提升消费水平，改善区域消费结构失衡，提升数字金融程度，实现共同富裕。第三，分析金融发展水平和消费投资习惯对数字金融程度产生影响的因素，可以使得政府更加准确地从不同方面出发，全面把握数字金融发展的强度及影响。

二、模型设定与数据说明

1.样本选择及数据来源

本文选取中国2004—2020 年31 个省、自治区、直辖市的面板数据进行分析。数据来源于历年《中国统计年鉴》、EPS 数据库、国家统计局及各省历年统计年鉴；金融集聚来源于《北京大学数字普惠金融指数》。为控制极端值并减轻异方差的影响，对数值变量做了对数化和去量纲化处理。

2.变量定义

（1） 被解释变量

金融集聚（Y）是指金融产品和服务的生产乃至新产品的开发，都需要专门化的配套服务行业的发展，包括投资咨询、信用评级、资产评估、金融专业技术培训机构等。大量金融机构聚集在一起能扩大需求市场，来维持众多中介机构的存在，形成专业化的供应网络，本文中用来反映数字金融程度。

（2） 解释变量

本文从金融发展水平和消费投资习惯两个维度出发，构建被解释变量体系。在各地区金融发展水平方面，本文选取了人均地区生产总值、各地区金融规模、各地区金融从业人数、外国直接投资、地方政府投资程度作为指标。在各地区消费投资习惯方面，本文选取了各地区保费收入、金融机构贷款余额、金融机构存款余额为指标。该金融集聚被解释变量体系的建立既参考了已有研究，也在一定程度上体现了本文的创新性。

3.实证模型指标测度构建

为了检验金融集聚与各个解释变量之间的关系，本文主要构建了以下面板数据模型。

在模型中，被解释变量Y表示金融集聚，X1是人均地区生产总值，X2是各地区保费收入，X3是各地区金融规模，X4是各地区金融从业人数，X5是外国直接投资，X6是地方政府投资程度，X7是金融机构贷款余额，X8是金融机构存款余额。表示地区i在第t年的数字金融程度。

三、实证结果及分析

1.描述性统计

在总体样本数据中：

金融集聚程度差距不大。2004—2020 年，所有观测样本中金融集聚程度指标最小值为0.1844，最大值为3.7128，说明部分地区的金融集聚程度较低，而也有部分地区的金融集聚程度较高。

人均地区生产总值差别较为明显。总体来说，人均地区生产总值最小值为8.3464，最大值为12.013，可以看出不同地区的人均生产总值有较大差异，地区之间也存在着较大的经济发展差距。

各地区金融规模差距较大，但较为集中。所有观测值中金融规模最小值为1.1505，最大值为7.2892，平均值为4.39。说明地区间金融规模有较大的差距，且为橄榄形架构。

各地区外国直接投资的标准差为1.9893，已经大于1，相对于其他变量来说较高，表明外国在各地区的投资仍有较大差距。

各地区金融从业人数和金融机构贷款余额虽然也存在较大差距，但是标准差均比较小，表明数据相对集中。

金融机构存款余额的最小值为4.3493，最大值为12.1068，说明各地区金融机构存款余额差异较大，其标准差为 1.451，说明数据比较集中。

2.LLC 检验

在进行面板模型回归之前，由于样本年限为17 年，因此本文针对所有变量进行长面板单位根检验，以保证数据的平稳性，避免出现伪回归。由于本文选用的是长面板模型，因此适用 LLC 检验（Levin-Lin-Chu Test）这种长面板模型的单位根检验方法。LLC 检验的原假设为面板模型存在单位根过程，即数据具有非平稳性。根据检验结果，全部变量检验出的P值均小于 0.05，均远小于可接受水平 5%。因此能够大概率拒绝原假设，说明此面板不存在单位根，十分平稳。综上，面板数据的每个变量都是平稳的 0 阶单整，能够直接进行接下来的面板回归分析。

3.F 检验

为了检验面板数据是否具有个体效应和时点效应，以及分辨出应选择固定效应模型抑或是随机效应模型进行回归，本文首先对模型进行F检验，因为在F检验中P=0.0000＜0.05，所以拒绝原假设，而原假设为市价截距斜率均相等的约束条件，因此不应当施加截距斜率都相等的假设，应采用变截距模型。

4.豪斯曼检验

为判断面板数据是否存在个体固定效应，识别出应选用固定效应模型还是随机效应模型进行回归，对模型进行豪斯曼（Hausman）检验，本文的豪斯曼检验的原假设H0 为建立随机效应模型，备择假设H1 为建立个体固定效应模型，根据检验结果可知，P=0.0000＜0.05，说明检验结果拒绝原假设H0，故应建立个体固定效应模型进行接下来的回归分析。

5.个体固定效应模型参数估计

个体固定效应模型回归结果如表1 所示。

表1 模型回归结果

对于各地区金融发展水平，本文选取了人均地区生产总值、各地区金融规模、各地区金融从业人数、外国直接投资、地方政府投资程度作为指标。结果显示，这些指标越大，数字金融程度越高，并且具有显著的正相关性。对数人均地区生产总值的系数是0.0389，P值小于 0.05，对数字金融化进程的发展具有显著的正效应，说明我国人均地区生产总值的增长推动了数字金融化进程。

对于各地区消费投资习惯，本文选取了各地区保费收入、金融机构贷款余额、金融机构存款余额为指标。结果表明，各地区保费收入、金融机构贷款余额的系数为正，即在一定程度上刺激了数字金融化进程的发展，金融机构存款余额对于金融集聚程度的影响是负向的。从解释变量对于数字金融化影响的程度上考虑，影响最大的是金融机构存款余额，其次是各地区保费收入，最后才是金融机构贷款余额。比较而言，金融机构贷款余额发挥的作用较小。

通过上述模型不难看出，除了金融机构存款余额对金融集聚呈现负相关关系外，其他的变量都为正向相关，故而，数字普惠金融利用移动互联、大数据、区块链等技术，打破了传统物理网点的局限，创造出全新的信贷技术和风控模式，为众多居民提供金融服务。这不仅为居民提供了教育、培训、医疗等必不可少的金融资源，也为个体经营者、小微企业提供了盘活生产经营的资金，从而促进包容性增长。数字金融具有金融产品层次多、发展路径跨越式、服务群体全方位等特点，是未来金融发展的新常态。

四、研究结论与政策建议

近年来，我国经济发展的过程中也受到国际形势多变复杂的因素影响，经济增长速度放缓，无论是投资还是出口所带来的经济增长都是有限的，甚至存在负增长的态势。社会经济压力较大，亟须通过消费拉动经济增长。我国政府也结合实际情况推出了一系列措施，其中包括大力发展数字金融，助推经济增长方式改变。

本文以金融集聚和金融发展水平、消费投资习惯差异为切入点，基于个体固定效应模型，对模型进行回归，分析数字金融程度的影响因素及影响程度，为如何提高数字金融程度提出建议。在数字金融后期的发展过程中，为了有效提高数字金融程度，优化消费结构，提升消费水平，必须采取有效措施来推动消费习惯的改变。当前我国正处于社会转型期，经济发展也面临新的调整与挑战。在大力推动供给侧结构性改革的过程中，必须采取有效措施推动经济保持平稳快速的增长，同时也需要增加居民收入多样化渠道，合理提升居民可支配收入，激发居民消费热情，提升消费能力水平。同时，我国也需要进一步鼓励和引导数字金融发展，充分发挥好数字金融的优越性与作用。除此之外，还需要进一步构建居民消费结构优化的长效机制，保障居民消费预期的稳定性，减少消费的跨期制约，减少不确定性，完善社会供给，从而进一步正向影响数字金融程度。