数字普惠金融对农村家庭资产配置多样性的影响

The Impact of Digital Inclusive Finance on the Diversity of Asset Allocation in Rural Households

摘要: 运用中国家庭金融调查中心2015、2017和2019年三年面板数据和北大普惠金融发展指数数据，使用固定效应模型，从微观视角出发，对数字普惠金融对农村家庭资产配置多样性的影响作用进行实证检验，并进行区域异质性分析，得出结论：数字普惠金融对提升农村家庭的家庭资产组合的多样程度具有一定促进效应，数字普惠金融覆盖广度、数字化程度、使用深度的提升均显著地发挥了作用，其中覆盖广度的作用最为明显。经异质性分析得到，数字普惠金融的作用仅在东部和中部地区显著，且在中部地区最为突出。最后提出建议，为进一步完善数字普惠金融的设计，更好地优化农村家庭资产配置提供了参考。

Abstract: Using the panel data from the China Household Finance Survey in 2015, 2017, and 2019, as well as the data from the Peking University Digital Financial Inclusion Index of China, and adopting the fixed-effect model, this paper empirically tests the impact of digital inclusive finance on the diversification of rural household asset allocation from a micro perspective. A regional heterogeneity analysis is also conducted, reaching the conclusion that digital inclusive finance has a certain promoting effect on enhancing the diversity of rural household asset portfolios. The increases in the coverage breadth, digitization level, and usage depth of digital inclusive finance all play significant roles, with the coverage breadth having the most significant impact. Heterogeneity analysis shows that the role of digital inclusive finance is only significant in the eastern and central regions, with the most prominent effect in the central region. Finally, suggestions are made to further improve the design of digital inclusive finance and better optimize the allocation of rural household assets.

1. 引言

全面脱贫的历史任务已然完成，居民生活水平得到了普遍提高，然而数据表明，我国家庭，尤其是农村家庭，“金融排斥”现象依然十分普遍，若不改善农村家庭的资产配置结构，不仅会加剧农村群体的金融排斥效应，还将进一步扩大城乡收入差距，不利于社会的和谐发展。

为积极推进共同繁荣与共同富裕，国家积极扶持数字普惠金融发展，它有别于传统的普惠金融模式，将数字技术融入传统金融之中，展现出共享性强、操作便捷、成本低廉以及门槛不高的显著特点，这一创新不仅大幅拓宽了融资的渠道，显著降低了融资的成本，更在实质上提升了融资的效率，从而强化了金融服务的普惠性质，提升了金融的可得性。如今城乡差距依然存在，出于城乡基础设施差距和政策倾斜等条件的影响，普惠金融在农村的辐射能力势必与在城市存在差别，农村地区如何因数字普惠金融获益亟待研究。

2. 文献综述

现代资产组合选择理论指出，理性经济人会根据风险偏好将资产以多种形式进行分配，以获得最大的效用[1]，而在实际经济活动中，很多家庭都没有对金融市场有过多的了解与接触，农村家庭更是如此，有许多研究针对家庭资产配置的约束因素进行了一系列的讨论，主要从以下几个方面入手。

有些学者认为投资者的风险投资水平，会受到如教育水平、年龄、婚姻状况、金融素养等个人特征因素影响，金融知识和投资经验的提升能有效增加风险资产的投资[2]，同时家庭特征，如家庭成员的年龄层结构也在左右资产配置上具有重要效力[3]。除此以外，居民的一系列投资行为会显著受到替代效应、生命周期效应、住房投资的挤出效应和财富效应等因素的影响，且家庭所持资产比家庭收入状况产生的影响更大[4]。以上文献能够为后文进行变量选取、模型建立与机制分析提供一定的理论基础。

普惠金融作为一种高效的扶贫方式，为低收入群体提供了实现金融积累的可能性，以往文献证明，数字普惠金融对居民资产配置存在显著的影响。诸多学者研究得到普惠金融能够通过提高金融素养、发挥便捷优势、减少市场摩擦、增加收入等方面影响家庭资产的配置，提高参与风险市场的概率和配置比例[5]-[8]，且对农村地区有更显著的促进作用[9]。然而，吴雨的研究证明，在经济发达的地区和具有经济优势的家庭中数字金融发展对家庭金融资产组合的影响更为明显，农村地区仍是金融薄弱地带[10]。

综上所述，数字普惠金融能够多机制、多维度丰富家庭资产的配置种类，缓解金融排斥现象，但农村与城市人口的资产特征具有较明显差异，这些机制在农村地区将会如何发挥作用还待进一步验证。国内现已有的对普惠金融的研究较多数着眼于缩小城乡差距、提升地区经济等宏观视角，而少有针对家庭微观层面的影响研究，针对区域的异质性大多研究都将城乡囊括在一起进行分析[11]，为数不多的针对农村家庭资产配置的研究也只使用了截面数据[12]，因此，本文将从农村家庭的微观视角出发，使用面板数据分析数字普惠金融对微观层面的家庭资产配置的影响，对现有理论进行了延伸，丰富了家庭金融及普惠金融的相关研究。

3. 理论分析与提出假设

数字普惠金融将最新信息技术与普惠金融相融合，其发展在覆盖广度、使用深度、数字化程度上均有所体现，且对居民家庭资产配置行为均有影响。首先，随着电子账户的推广，第三方支付为理财和融资开通了一条便捷的通道，金融服务的覆盖面因此扩大，使弱势群体获得更多接触到金融市场的机会；其次，在电子支付愈发便利的现在，数字金融已经走入千家万户，深度使用相关数字服务成为常态，一定程度上减轻了农村家庭的金融排斥；最后，信用化、便捷性等都是影响用户使用数字金融服务的主要因素，普惠金融的数字化摆脱了固定网点的束缚，大大降低了居民参与金融活动的成本与门槛，激发了居民的金融活动参与热情。

据此，本文提出假设1：数字普惠金融能有效地促进农村家庭资产配置多样性的提升。

数字普惠金融的发展与作用的发挥受到多方面因素影响，其中也包括所在地区的地理环境、资源禀赋等条件。在经济发展较为落后的地区，农村居民会将注意力更多地放在谋生上，而没有进行家庭资产配置的余力和需要。随着农村经济水平的进一步提高，金融服务逐渐被农民所了解并接受，出于财富累积和增值的需要，更多人会意识到进行家庭资产配置的必要性，此时数字普惠金融的促进作用将更为显著。改革开放以来，我国中、东、西部经济发展的体量和质量有很大差距，因此本文将分地区研究数字普惠金融发挥效果，为更好地推进普惠金融建设，促进农村家庭资产配置提供建议参考。

据此，本文提出假设2：数字普惠金融对农村家庭资产配置的影响会因地区特征不同而存在一定的区域异质性。

4. 模型设定与描述性统计

4.1. 指标选取

4.1.1. 被解释变量

为了从数量和结构两个方面衡量家庭资产配置的多样性，本文参考曾志耕[6]和史晓[9]的文章构建家庭资产种类和家庭资产组合多样化指数两个指标作为被解释变量。

家庭资产种类(divnum)。中国家庭金融调查在问卷中收集了一系列家庭所持资产的信息，本文选取其中活期存款、定期存款、基金等总计十种资产的数据，用家庭所持有的资产种类体现该家庭资产配置的多样性程度，持有资产种类越多，说明对不同资产的投资分散程度越高。计算得到，我国农村家庭最少持有一种资产，最多持有六种资产。

家庭资产组合多样化指数(divindex)。将家庭投资的不同种类资产与总资产额之比加权计算得到关键指数。该指数数值介于0与1之间，能够说明不同家庭间存在的资产配置的差异及结构，指数越低，说明资产配置种类越分散；指数越高，说明资产占比差异越大，种类越集中。计算方法如下：

$divinde{x}_{ijt}=1-{\displaystyle \sum _{i=1}^N{w}_{ijt}^2}$

其中N表示选定的10种资产，$w_{ijt}$ 表示各资产在家庭总资产中所占比重。计算得，我国农村户口样本的家庭资产多样化指数最高为0.64，最低为0。指数为0意为仅持有了一种资产。

4.1.2. 解释变量

北京大学数字普惠金融指数能准确具体地用数据反映我国数字普惠金融的现有发展状况，被选为本文的关键解释变量。考虑到反向因果可能对回归结果产生负面影响，本文分别使用2014年、2016年和2018年省级普惠金融指数作为2015、2017和2019年家庭资产多样化指数的关键解释变量，用以分析前一年普惠金融的发展状况对后一年的影响。

4.1.3. 控制变量

本文从户主特征、家庭特征两个方面设定控制变量。户主特征包括户主性别、户主年龄、户主受教育程度、户主婚姻状况、风险态度；家庭特征为家庭总资产和健康人口占比，后文还将各市所在省省会到杭州的距离选定为工具变量。主要变量含义见表1。

Table 1. Meaning of main variables

表1. 主要变量含义

变量类型	变量名	符号	变量描述
被解释变量	资产种数	divnum	持有的资产种数，共10种
	资产多样性指数	divindex	反应资产配置状况
解释变量	普惠金融指数	aggregate	由北大数字金融研究中心牵头编纂的“北京大学数字普惠金融指数”，含3个维度
	覆盖广度	breadth
	使用深度	depth
	数字化程度	level
控制变量	户主教育	edu	户主受教育年限
	风险态度	risk	户主对风险性投资的态度(1最激进，5最保守，6为不知道)
	Ln家庭资产	lnasset	ln家庭资产总额
	户主性别	gender	男性为1，女性为0
	户主婚姻	marriage	已婚为1，未婚为0
	健康比重	health	健康成员占家庭成员比重
	户主年龄	age	户主真实年龄
工具变量	距离	distance	各市所在省省会城市到杭州的距离

4.2. 模型构建

为考察数字普惠金融发展对农村家庭资产组合多样性的影响，本文构建固定效应模型如下：

$di{v}_{it}={\alpha }_0+{\alpha }_{1}DF{I}_{j.t-1}+{\alpha }_2{X}_{ijt}+{\delta }_i+{\mu }_{ijt}$ (1)

其中$di{v}_{it}$ 意为家庭资产组合多样性的衡量指标，$DF{I}_{j.t-1}$ 为数字普惠金融发展指数指标，$X_{ijt}$ 意为包含户主特征与家庭特征的控制变量集，${\delta }_i$ 为个体固定效应，${\mu }_{ijt}$ 为随机扰动项。

4.3. 数据来源

本文使用数据来源于家庭金融调查(China Household Finance Survey，以下简称CHFS)及北京大学数字普惠金融指数，并以户主为农业户口的家庭为主要研究对象。

CHFS是由西南财经大学牵头的大范围调查项目，采用分层抽样法(PPS)在全国范围的样本中进行抽样，反映各个家庭的基本金融状况。本文使用了CHFS2015年、2017年、2019年共三期数据，剔除了存在明显异常与缺失的样本，最终得到总计32,693个有效数据。

北京大学数字普惠金融指数由北京大学专项研究团队依托蚂蚁金服的数据资源编制。该指数深度整合了蚂蚁金服的微观数据，涵盖多个核心指标，具体细分为覆盖广度(支付宝账户数量、绑定银行卡数量)、使用深度(支付、贷款、保险、投资、征信)以及数字支持服务程度(手机支付、贷款利率)三大子领域，精准反映我国数字普惠金融的整体发展态势。

5. 实证检验与分析

5.1. 描述性统计

见表2，在家庭的金融特征方面，大部分的家庭都长期仅持有一种资产，与国内农村家庭金融市场低参与度的现状相匹配。在户主特征方面，平均受教育年限为8年左右，可知农村家庭普遍受教育程度较低。而户主投资风险态度均值为4.377，除了部分居民无法选择以外，绝大部分的家庭都较为保守，愿意承担较低的理财风险，比起投资理财，更信赖稳定性、安全性高的银行存款，这也是造成资产配置种类少的原因之一。

Table 2. Descriptive statistics

表2. 描述性统计

变量	样本数	均值	标准差	最小值	最大值
资产种数	32,693	1.40	0.67	1	6
资产多样性指数	32,693	0.11	0.19	0	0.64
普惠金融指数	32,693	242.34	51.73	145.93	377.73
覆盖广度	32,693	225.18	49.73	139.24	353.87
使用深度	32,693	227.41	60.77	107.29	400.40
数字化程度	32,693	326.15	54.07	230.71	440.26
户主教育	32,693	8.26	3.33	0	22
户主性别	32,693	0.86	0.35	0	1
户主婚姻	32,693	0.89	0.32	0	1
健康比重	32,693	0.52	0.40	0	1
风险态度	32,693	4.38	1.24	1	6
户主年龄	32,693	52.37	13.24	4	117
Ln家庭资产	32,693	12.55	1.42	4.99	21.47
距离	32,693	952.63	519.85	0	1897.35

5.2. 基准回归及分析

本文分别以家庭资产种数与组合多样化指数为被解释变量，以普惠金融指数为关键解释变量进行基准回归，回归结果见表3。

Table 3. Fixed effects model regression results

表3. 固定效应模型回归结果

	(1)	(2)	(3)	(4)
	divnum		divindex
aggregate	0.000515^***(4.65)	0.000513^*** (4.49)	0.000155^*** (4.65)	0.000146^*** (4.20)
gender		−0.0130 (−0.49)		−0.00247 (−0.33)
edu		0.00537 (1.67)		0.00131 (1.30)
marriage		−0.00411 (−0.13)		−0.00926 (−0.96)
health		0.0135 (0.73)		0.0134^* (2.34)
age		−0.00157 (−1.49)		−0.000153 (−0.46)
lnasset		0.0980^*** (15.14)		0.0267^*** (13.44)
risk		−0.0327^*** (−4.30)		−0.00838^*** (−3.54)
_cons	1.272^*** (47.41)	0.231^* (2.04)	0.0734^*** (9.07)	−0.222^*** (−6.38)
N	32,693	32,693	32,693	32,693
R-sq	0.0261	0.0280	0.0024	0.0229

T statistics in parentheses, ^*p < 0.05, ^**p < 0.01, ^***p < 0.001.

列(1)和列(3)仅加入了数字普惠金融指数作为解释变量，验证了普惠金融与农村资产配置之间的相关性。列(2)与列(4)加入了控制变量。实证结果显示，数字普惠金融对农村家庭金融资产组合多样性成显著的正相关关系，农村家庭进行资产的分散配置显著地受到了数字普惠金融发展程度提高的正向影响，这一点在资产数量和多样化指数两方面均有体现，且均通过了显著性水平为0.1%的检验。

5.3. 稳健性检验

5.3.1. 工具变量法

本文面临来自两个方面的内生性问题。一是反向因果问题，普惠金融可能会影响农村居民将资产分散配置水平，而农村居民积极参与金融市场的潜在影响可能会反过来作用于数字普惠金融的发展，因此反向因果关系不容忽视。但由于回归所使用自变量为来自CHFS的家庭微观数据，而关键解释变量使用了来自另一数据库的更为宏观层面上的省级数字普惠金融指数，且取用的是滞后了一期的普惠金融数据，因此可以认为反向因果的影响并不显著。二是遗漏变量误差，即可能存在一系列会对模型的内生性产生影响的不可观测因素，本文采用工具变量法处理内生性问题。

本文参考北京大学数字金融研究中心主任黄益平的处理方法，使用各市到杭州的距离(Distance)作为数字金融的工具变量[13]。首先，研究表明，虽然互联网是数字金融发展的主要媒介，但其发展程度也深受所处位置因素的影响，并具有以蚂蚁金服的总部所在地杭州为中心，呈辐射状扩散的特征[14]，因此满足工具变量相关性要求；其次，由于省会地理位置属于客观因素，不会随金融、经济的发展而变化，与居民的金融活动没有直接联系，因此可以判断该变量满足外生性要求。但为保护受访人隐私，家庭金融调查数据来源均只公布到省，故本文统一取用各省省会城市到杭州的距离，为了避免由于距离不变所造成的在第一阶段回归时变量被忽略的问题，本文将距离乘以哑变量，即当年年份除以1000后得到新的工具变量进行回归。工具变量第一阶段回归的F值较大，说明该工具变量为强工具变量，得到回归结果，处理内生性后以资产种类(回归1)和多样性指数(回归2)为被解释变量的回归系数分别为0.000453和0.000082，在1%和5%的效果下显著，回归1和回归2的系数与原系数差别不大，说明原回归对影响程度的判断存在一定偏差，但仍能证明它具有显著的促进作用，见表4。

Table 4. Regression results after adding instrumental variables

表4. 加入工具变量后回归结果

变量	divnum	divindex
aggregate	0.000453^*** (3.44)	0.0000818^** (2.03)
控制变量	YES	YES
N	16,378	16,378

T statistics in parentheses, ^*p < 0.1, ^**p < 0.05, ^***p < 0.01.

5.3.2. 替换变量

除了数字普惠金融综合指标以外，北京大学数字普惠金融指数还涉及覆盖广度、使用深度和数字化程度三个子维度。本文依次以三个子指标作为关键解释变量进行回归，进行稳健性检验。

分别将三个子指标当做关键解释变量，并引入工具变量消除内生性后进行回归，所得结果见表5，表中子指标都在0.1%或1%的显著性水平下为正，即数字普惠金融在三个层面都对农村资产配置有着正向的影响，与前文的结论相符合，证明了影响的有效性，且三个指标的影响重要程度从大到小依次为：覆盖广度、数字化程度和使用深度。其原因可能在于，覆盖面的广泛正是数字金融普惠特性的体现，随着数字金融的覆盖面不断扩大，更多居民家庭得以踏足金融市场，激发了农村家庭资产配置的积极性；其次，数字化程度的加深使得参与金融市场摆脱了实体网点所在地的约束，缓解了农村区域实体网点较少的问题，使信息获取渠道更加通畅，资金往来更加便利，有效减少了交易时间，节约了交易成本；数字金融的使用深度是评估家庭在投资、信用、信贷、保险等业务上活跃度的关键指标，有助于精准构建居民资产配置场景，刻画出详尽的客户画像，进而提供更具针对性的个性化服务，从而更好地满足居民的需求。总的来说，数字金融的三个子维度都对农村居民家庭的资产配置产生了积极的影响，由此体现出了推动数字普惠金融进一步发展的重要意义与作用，但就重要性而言，比起丰富农村居民的金融业务选择，持续推进数字普惠金融的覆盖，提高数字服务的便捷性，让更多的农村家庭能够享受到数字普惠金融的裨益才是当务之急。

Table 5. Regression results after replacing variables

表5. 替换变量后回归结果

	divnum	divindex
breadth	0.000488^*** (3.44)	0.0000882^** (2.03)
depth	0.000405^*** (3.44)	0.0000733^** (2.03)
level	0.000441^*** (3.44)	0.0000797^** (2.03)
控制变量	YES	YES
N	32,693	32,693

T statistics in parentheses, ^*p < 0.05, ^**p < 0.01, ^***p < 0.001.

5.4. 进一步分析：区域异质性

数字普惠金融的发展会受到地区差异的影响，对家庭资产配置的影响程度也会受限于地域因素，已有文献证明了数字普惠金融对家庭资产配置的影响在中西部地区显著为正，而东部地区不显著，体现了数字普惠金融的包容性和良好的地理穿透性[15]，但由于存在城乡基础设施差距和政策倾斜等条件的影响，普惠金融在农村的辐射能力可能与在城市存在差别，因此本文将样本分为东部、中部和西部三组，进行进一步分析。

Table 6. Regional heterogeneity regression results

表6. 区域异质性回归结果

	divnum			divindex
	东部	中部	西部	东部	中部	西部
aggregate	0.000879^***	0.000924^**	0.000245	0.000220^***	0.000261^**	0.0000337
	(4.00)	(3.13)	(1.16)	(3.29)	(2.93)	(0.51)
控制变量	YES	YES	YES	YES	YES	YES
N	6679	3268	4048	6679	3268	4048

T statistics in parentheses, ^*p < 0.05, ^**p < 0.01, ^***p < 0.001.

见表6，数字普惠金融的发展对东部和中部地区的家庭金融资产配置有着显著的促进作用，且中部的促进效果要好于东部，而西部不显著。这可能是因为西部地区的发展状况严重落后于东西部，即使数字普惠金融能够突破地域的限制，提高金融服务的可得性，但一方面，西部地区数字普惠金融发展得仍不充分，另一方面，我国区域发展的不平衡不充分消减了普惠金融在西部农村地区发挥的作用。中部地区受影响的程度系数最高，第一可能是因为东部地区本身在地理区位、历史发展、资源禀赋等方面长期存在优势，几十年的强势发展使得东部农村地区部分居民在普惠金融充分发展之前，便已有进行家庭资产配置的意识和条件，而中部经济发展水平普遍略逊于东部，数字普惠金融的发展弥补了中部区域的缺陷，激发了中部区域的家庭资产配置潜力；第二可能是因为中部地区在普惠金融领域的合作与发展中扮演了“媒介”与“纽带”的重要角色，凭借其得天独厚的地理中心位置，有效促进了东西部地区的合作与交流[15]，因此在中部地区普惠金融更好地发挥了作用。相比起来，西部地区尚未跟上步伐，可见协调区域发展仍任重道远，继续推进西部地区金融发展和互联网基础设施建设，缩小区域发展程度差异十分必要。

6. 结论及政策建议

本文最终得出结论：第一，数字普惠金融能够有效地丰富农村家庭的金融资产配置，覆盖广度的提升在丰富资产配置中发挥的作用最为明显。第二，数字普惠金融仅在东部和中部地区能显著地发挥作用，其中中部地区受益最大。

基于上述研究结论，本文提出如下建议：

首先，政府应当持续推进农村地区数字普惠金融的发展。加快弱势地区的数字化建设，提升农村地区的信息技术水平，在农村地区持续推广数字普惠金融的相关服务，重点从覆盖广度方面完善数字普惠金融的服务；做好普惠金融的数字化建设，发挥数字化优势，拓宽面向经济弱势地区的金融市场的参与渠道，有针对性地提供个性化的相关金融服务，完善金融市场和交易机制，降低农村人口的金融参与成本，提高农户的金融市场参与便利性。

其次，政府在进行普惠金融部署时应当注意区域差异，鼓励金融资源流向经济弱势地区，尤其是西部地区。发挥数字金融的灵活性优势和普惠性特征，缓解农民的资金压力，健全社会信用体系，刺激当地金融市场发展；引导信贷资金流向重要行业支持实体经济和产业升级，推动居民收入增长和经济的繁荣；发挥中部地区的枢纽作用，联动较发达的东部地区和较落后的西部地区，激发中部地区发展活力，促进区域协调发展。

最后，政府应当加强金融知识宣传，帮助居民建立健康的理财观念。居民应当提升金融素养，主动学习金融知识，培养抗风险意识和投资眼光。