普惠金融对京津冀地区居民消费的影响分析

摘要：本文基于2011—2023年京津冀地区居民消费的相关数据，使用多种回归模型分析数字普惠金融对京津冀地区居民消费的影响与作用机制。结果表明，数字普惠金融发展程度的增加能够显著促进京津冀地区居民消费，这是以基础设施水平为中介变量的部分中介效应。数字普惠金融对京津冀居民消费的促进作用受地区经济发展水平、常住人口抚养比与城镇化率变化的正向调控。研究表明，我国应全面且因地制宜地加强京津冀地区数字普惠金融建设，并鼓励北京市作为领头羊，帮助天津市与河北省建立更加完善、全面、健康的数字普惠金融体系。

关键词：数字普惠金融；居民消费；中介效应；调节效应；随机效应

中图分类号：F061.5；F833文献标识码：A文章编号：2096-0298（2025）01（b）--05

习近平总书记在中央全面深化改革委员会第二十四次会议上强调，要始终坚持以人民为中心的发展思想，推进普惠金融高质量发展。在此背景下，研究数字普惠金融的发展对于消费的影响具有重要的现实意义。

1文献综述

“普惠金融”的概念最初在2005年由联合国提出，指在金融消费者成本可负担的前提下，通过政策扶持、市场竞争和金融创新，使中小微企业、欠发达地区、弱势群体逐步获得适当金融产品和服务（焦瑾璞，2016）。数字普惠金融则是指通过云计算、区块链等数字化手段实现普惠金融。近年来，学界对相关领域的研究逐渐增多。部分学者从国家层面揭示了数字普惠金融的发展有助于提升居民消费并缩小城乡收入差距（蒋竹媛，2020；吕雁琴等，2019）。也有部分学者通过分析省际数据研究了数字普惠金融对我国不同地区影响效果的差异（邹新月，2020；Li，J等，2020）。另有部分学者从微观角度分析了数字普惠金融对家庭各类消费的影响（何宗樾等，2020）。研究方法方面，学界大多使用固定效应模型（易行健等，2018）、中介效应模型（Irfan，M等，2022；Wang，HL等，2022；黄倩等，2019）、工具变量与差分DID法（Zhao，CK，2022）进行静态面板研究，并采用广义矩估计（Dong，KY等，2022；吕雁琴等，2019；付波航等，2013）进行动态面板研究。

以往的研究大多聚焦于全国范围内的宏观分析，或是以东部、西部、中部等地域划分为基础的区域性探讨，抑或深入到家户行为、城乡差异等微观层面的细致剖析。本文则聚焦于特定经济圈或国家战略分区内的数字普惠金融发展情况及其对居民消费行为的影响。

本文采用调节效应模型进行回归分析。目前，类似研究主要聚焦于固定效应模型、中介变量模型等进行静态面板研究，或采用GMM进行动态面板研究，而鲜有采用中介效应模型与调节效应模型进行研究的先例。本研究可以弥补同类研究在模型选择上的缺失。

本文将首先阐述研究假设，随后建立研究模型并给予数据与变量说明，进而根据研究假设进行实证检验与稳健性检验，最后给出研究的主要结论与不足之处，并提出政策建议与启示。

2理论基础

2.1模型设定

本文的模型主要参考Keynes的收入决定理论构建。在这一理论中，居民消费主要由现期收入决定。在此基础上，本文引入了衡量数字普惠金融发展的指标，以研究其对居民消费的影响。由此，一个扩展的消费函数模型可表示：

lnCit=α0+βlnindit+γincit+δjXjit+εit（1）

其中，Cit表示第i个地区第t年的居民年度人均消费支出，为研究的被解释变量。indit表示第i个地区第t年的数字普惠金融发展程度，为研究的主要解释变量。为消除异方差的影响，本文对两者均进行了对数处理。incit表示第i个地区第t年的居民人均可支配收入。Xjit代表一系列其他可能影响消费的控制变量，具体见表1。

为降低通胀因素影响，表1变量中消费、收入、支出、进出口、GDP均乘以。rai、los在2023年的数据缺失，inf在2022—2023年的数据缺失。本文通过平均增长率处理将其补全。

2.2数据来源

本文除解释变量外的所有数据均来自中国统计年鉴、各地统计年鉴、国泰安数据库与中经数据网，实证分析所用软件为Stata18。解释变量indit源自北京大学数字金融研究中心发布的数字普惠金融指数。该指数自2011年起发布，故本文所选数据时间跨度为2011—2023年，样本涵盖北京、天津、河北三地。主要变量的描述性统计见表2。

2.3实证方法

本文采用各地的时间序列数据与地区间的面板数据分别进行研究。对于时间序列数据，本文统一采用多元线性回归模型进行分析，对面板数据则采用随机效应模型进行分析。此外，为进一步研究数字普惠金融对居民消费影响的作用机制，本文引入中介效应模型与调节效应模型进一步研究。

3实证分析

3.1普惠金融发展程度对京津冀地区居民消费的影响

本文首先对三地整体的面板数据采用个体固定效应模型进行回归分析。为缓解遗漏变量的影响，本文采用逐步添加变量进行回归分析的方法。表3展示了逐步回归结果，由（1）（2）列可见，加入变量inc后，解释变量由1%变为5%水平显著，回归系数由0.424大幅下降至0.127。由表3（3）～（9）列可见，依次加入其他控制变量后，解释变量始终在1%水平上显著，回归系数均为正且波动较小。研究结论：（1）数字普惠金融发展程度与居民消费呈显著正相关。（2）居民当期人均可支配收入在统计学上是影响居民消费的显著因素，此结果与何宗樾等（2020）、张勋等（2020）相同。可见，数字普惠金融发展程度是影响居民消费的重要因素。

进一步地，本文对三地整体的面板数据采用中介效应模型进行分析。表4展示了inf作为中介变量时的三段式回归结果。可见，在系数c于1%水平显著的基础上，系数a、系数b均在5%水平显著，系数c’则在1%水平上显著，中介系数为0.164。由此可知，对京津冀地区，数字普惠金融对居民消费的影响存在部分中介效应，中介变量为基础设施水平，占比16.4%。可见，数字普惠金融不仅直接提升了居民消费水平，部分还通过提升基础设施水平间接提升居民消费水平。

本文对京津冀整体的面板数据采用调节效应模型进行分析。表5－表8分别展示了urb、rai、ope、inf作为调节变量时的调节效应模型结果。表5、表6中，交叉变量在1%水平下显著，且系数符号与解释变量相同。表7、表8中，交叉变量在5%水平下显著，系数符号也与解释变量相同。可见，城镇化率、常住人口抚养比、对外开放水平、基础设施水平的提升对普惠金融促进居民消费均有显著的正向调节作用，且城镇化率、常住人口抚养比的作用在统计学上更为显著。

3.2普惠金融发展程度对京津冀地区居民消费影响的地区间差异

基于三地数据的整体分析，本文对各地的时间序列数据分别进行了多元线性回归分析。为缓解样本量较少带来的异常值影响，在线性回归过程中采用稳健标准误处理。表9展示了三个地区的多元线性回归结果。表9（1）列中，所有回归系数均为正，且仅有河北一地的回归系数在5%水平上显著。表9（2）列中，财政支出比率、常住人口抚养比与对外开放水平的回归系数均在5%水平上显著。表9（3）列中，基础设施水平在5%水平上显著。由此可知，对京津冀地区：（1）普惠金融发展能够促进居民消费，这与上述研究结果相吻合。（2）仅有河北地区的普惠金融发展对居民消费的促进作用在统计学上显著。（3）除数字普惠金融发展程度外，天津市居民消费对财政支出比率、常住人口抚养比与对外开放水平较为敏感；河北地区居民消费则对基础设施水平较为敏感。

3.3稳健性检验

本文对三地整体的面板数据与各地的时间序列数据分别进行了回归分析。为进一步确认研究结果的稳健性，本文对所用随机效应模型与多元线性回归模型进行稳健性检验。2021年后部分数据存在缺失，可能影响研究结果，本文将时间周期由2011—2023年调整为2011—2021年后再次进行回归分析。表10、表11分别展现了随机效应模型与多元线性回归稳健性检验结果。由表10可知，加入inc回归后解释变量回归系数由0.395下降至0.105，显著性水平由1%下降至5%。添加其他变量后，回归系数波动不大且维持在1%水平上显著。由表11可知，解释变量所有回归系数均为正，且仅有河北一地的回归系数在5%水平上显著，与上文回归结果相同。由此说明，本文研究结果相对稳健。

4结论与启示

4.1主要结论与研究不足

基于京津冀协同发展的国家战略，本文重点研究了数字普惠金融发展水平对京津冀地区居民消费的影响。在实证检验方面，本文综合随机效应模型、中介效应模型、调节效应模型与多元线性回归模型，从省际与省内两个角度分析了数字普惠金融对京津冀地区居民消费的作用机制与效果差异。

（1）数字普惠金融发展程度的增加能够显著促进京津冀地区居民消费。（2）数字普惠金融的发展除直接促进京津冀地区居民消费外，部分通过提升基础设施水平间接提升了居民消费水平。（3）在经济发展水平较低的地区，数字普惠金融发展程度的提升对消费的促进作用更为显著。（4）数字普惠金融对京津冀居民消费的促进作用主要受常住人口抚养比与城镇化率变化的正向调控。常住人口抚养比越高，城镇化率越高，数字普惠金融对京津冀居民消费的促进作用越强。（5）除数字普惠金融发展程度外，财政支出比率与对外开放程度的上升可以显著促进天津市居民的消费；基础设施建设的提升可以显著促进河北省居民的消费。

本研究存在以下不足：

（1）普惠金融概念早在2005年被联合国提出。然而受限于北京大学数字普惠金融指数的发布时间，本文对2005—2011年京津冀地区的数字普惠金融发展情况未进行研究。（2）本文缺少对动态面板的分析研究，可能影响结论的稳健性。

4.2研究启示

数字普惠金融的发展大幅提升了我国金融服务所覆盖的广度、深度、密度，为广大消费者特别是低收入群体带来了便捷的支付、信贷、保险、投资等金融服务。进一步发展普惠金融，释放消费潜力，对新时代维持我国经济的平稳增长具有重大影响。京津冀协同发展作为国家战略，大力发展数字普惠金融有助于领导全国范围内的资源优化配置和区域经济均衡发展，进而缩小区域发展差距，实现全面建设社会主义现代化国家的目标。基于此，本文从支持数字普惠金融发展促进京津冀地区居民消费的角度提出以下建议：

（1）深化国家战略引领，加速京津冀数字普惠金融一体化进程。在国家宏观战略指导下，将京津冀数字普惠金融的发展视为推动区域经济一体化的重要引擎。政府应出台一系列具体政策措施，如税收减免、财政补贴等，以激发市场活力，吸引更多社会资本投入。同时，加大对金融科技研发的支持力度，鼓励技术创新与应用，构建高效、安全的数字普惠金融技术体系。

（2）实施精准施策，促进区域间数字普惠金融协同发展。在“一区一策”的基础上，进一步细化政策措施，确保精准对接各地发展需求。北京作为核心城市，应充分利用其科技资源和金融优势，搭建区域性的金融科技创新平台，为天津、河北提供技术支持和解决方案。同时，推动京津冀三地金融机构间的深度合作，共同开发符合区域特色的数字普惠金融产品，如跨区域的小微企业贷款、农业保险等，以满足多样化的市场需求。天津在国际贸易领域具有独特优势，应积极探索跨境电商金融服务创新，如建立跨境支付结算中心，为外贸企业提供更加便捷、低成本的金融服务，助力国际贸易发展。河北则需持续加大基础设施投入，特别是信息网络建设和移动支付终端的普及，确保数字普惠金融能覆盖到每一个偏远角落，缩小区域之间发展差距。

（3）强化公众教育与服务创新，提升数字普惠金融的社会认知与接受度。针对低收入和老年群体，应构建更加全面、系统的公众教育体系。同时，利用电视、广播、网络等多种媒体渠道，开展形式多样的金融知识宣传活动，提高公众的金融风险防范意识。金融机构在产品开发上应注重适老化设计，如推出大字版App、语音助手等便捷功能，降低使用门槛，提升用户体验。此外，还应加强从业人员培训，建立一支高素质、专业化的金融服务队伍，为不同群体提供个性化、差异化的金融服务。通过政府、学校、企业三方合作，建立长期稳定的人才培养机制，为数字普惠金融的可持续发展提供坚实的人才支撑，最终实现数字普惠金融惠及全民，推动京津冀地区乃至全国经济的持续健康发展。

参考文献

付波航，方齐云，宋德勇.城镇化、人口年龄结构与居民消费：基于省际动态面板的实证研究[J].中国人口·资源与环境，2013，23（11）：108-114.

郭峰，王靖一，王芳，等.测度中国数字普惠金融发展：指数编制与空间特征[J].经济学（季刊），2020，19（4）：1401-1418.

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.

黄倩，李政，熊德平.数字普惠金融的减贫效应及其传导机制[J].改革，2019（11）：90-101.

焦瑾璞.“普”与“惠”：新时期下的普惠金融发展思路[J].金融市场研究，2016（6）：42-49.

蒋竹媛.数字普惠金融对居民消费的影响：来自省级面板数据的实证[J].商业经济研究，2020（10）：56-59.

吕雁琴，赵斌.数字普惠金融与城乡居民消费差距[J].金融与经济，2019（12）：76-81.

易行健，周利.数字普惠金融发展是否显著影响了居民消费：来自中国家庭的微观证据[J].金融研究，2018（11）：47-67.

邹新月，王旺.数字普惠金融对居民消费的影响研究：基于空间计量模型的实证分析[J].金融经济学研究，2020，35（4）：133-145.

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.

Irfan，Muhammad，etal.“Influencemechanismbetweengreenfinanceandgreeninnovation：exploringregionalpolicyinterventioneffectsinChina.”TechnologicalForecastingandSocialChange182（2022）：121882.

JieLi，YuWu，JingJianXiao，Theimpactofdigitalfinanceonhouseholdconsumption：EvidencefromChina，EconomicModelling，Volume86，2020，Pages317-326，ISSN0264-9993

KangyinDong，FarhadTaghizadeh-Hesary，JunZhao，HowinclusivefinancialdevelopmenteradicatesenergypovertyinChina？Theroleoftechnologicalinnovation，EnergyEconomics，Volume109，2022，106007，ISSN0140-9883

WangH，GuoJ.ImpactsofdigitalinclusivefinanceonCO2emissionsfromaspatialperspective：evidencefrom272citiesinChina[J].JournalofCleanerProduction，2022，355：131618.

ZhaoC，WuY，GuoJ.MobilepaymentandChineseruralhouseholdconsumption[J].ChinaEconomicReview，2022，71：101719.