1. 引言
近年来,随着互联网技术的不断创新和移动设备的普及,我国电子支付尤其是移动支付迅速发展壮大。来自益普索的数据显示,自2018年以来我国的移动支付规模一直呈现持续增长态势,电子支付(包括移动支付和互联网支付)在居民消费支出总额中占据超过54%的份额,其中,移动支付占比约为41%,而同期银行卡/信用卡支付和现金支付的比例分别下滑至27%和19%。据中国人民银行副行长张青松表示,2023年底我国移动支付普及率已经达到86%,居全球第一。另据中国人民银行发布的《2023年支付体系运行总体情况》数据显示,2023年电子支付业务量总体保持增长,银行共处理电子支付业务2961.63亿笔,金额达3395.27万亿元,其中处理移动支付业务为1851.47亿笔,金额至555.33万亿元。
目前关于移动支付作用的探讨,学者们集中研究其对家庭资产组合的影响,从家庭金融市场参与[1]、资产配置[2]和资产组合有效性[3]三个角度进行深入。此外,学者们研究移动支付对各种家庭消费[4] [5]、家庭储蓄[6]、家庭商业保险参与[7]、家庭债务风险[8]、家庭货币需求[9]、经济增长[10]和相对贫困[11]等经济因素和居民主观幸福感[12]、创业[13]等主观因素的影响较多。但是依托于大数据和互联网等技术发展起来的移动支付在促进各种经济因素和主观条件的同时,可能会直接导致家庭面临更大的债务水平。现有对于家庭债务水平的研究,主要从绝对债务水平和相对债务水平这两个大方向进行度量。前者包含负债总额、各个单独的负债项目等[14];后者包括债务收入比、资产负债率、房贷与房产市值之比、家庭财务边际等[8] [14]-[16]。在此基础上,学者们从不同视角展开研究,主要分为内部因素和外部因素。前者包含人口老龄化[17]、住房需求[18]、居民消费质量[19]、地区收入不平等[20]等因素;后者涵盖数字普惠金融[21]、城镇化[18]、互联网使用[14]、房价[22]等因素,较少研究移动支付对家庭债务水平的影响、作用机制和群体异质性。
本文的边际贡献在于研究移动支付对家庭债务水平的影响,探究家庭消费和信贷可得性在其中的作用路径,并将信贷可得性细分为正规信贷可得性和网络信贷可得性,比较两者的差异,同时考虑不同家庭群体的差异性,对我国移动支付业务发展进程中提升家庭适度消费和网络信贷风险防范意识、完善网络信贷平台监管机制具有重要意义。
2. 理论假设
随着数字技术的不断发展,支付宝、微信等第三方支付工具已经成为人们日常生活和消费交易的主要渠道。然而,移动支付由此带来的便利性和易用性可能会对家庭债务水平产生较大影响。一是大量消费。相对于传统的现金支付或刷卡支付方式,移动支付更为便捷,几乎可以在任何时间、任何地点进行支付。这种便利性可能会诱使人们更频繁地进行消费,进而增加他们的消费支出。同时,移动支付的便捷使用弱化了人们对消费行为的意识。在这种情况下,人们可能会忽略或低估自己的支出情况,从而更容易被消费冲动所驱使,增加家庭的消费支出。二是大量信贷。许多移动支付工具与银行账户或信用卡相连,人们可以轻松地通过这些渠道进行支付。即使账户余额不足,人们也可以选择如花呗、借呗、京东白条等贷款平台进行超前消费,在满足了超期购物欲望之后,却背负了更多的债务。基于上述分析,本文提出如下假设:
H1:移动支付的使用显著提高了家庭债务水平。
H2:移动支付的使用显著增加了家庭信贷可得性和消费支出,并通过这两种渠道提高了家庭债务水平。
从金融素养自信程度来看,较为年长的居民金融素养较高,经验丰富,认为自身具备较高的经济知识,但在实际使用移动支付进行金融服务操作的过程中可能与预期不相符,从而产生较大债务压力。从不同的偏好角度来看,男性倾向于采用新的具有一定风险的支付技术,而女性更加注重支付的安全性和便利性,进而在家庭债务水平上体现差异性。从对移动支付的接受程度来看,城市可能更容易接受和推广移动支付技术,因为这些地区的数字基础设施更加完善,人们更容易接触到新的支付方式,这会挤出那些不能接触到移动支付的居民可能得到的机会。另外,不同区域的经济发展水平存在差异,这使得家庭所在地区的移动支付普及度与家庭财务水平存在一定的异质性,并且这种异质性能够通过家庭对移动支付依赖度与信任度的不同来影响家庭消费水平以及金融资产配置水平,因此对城乡居民的债务水平影响也不相同。基于此,本文提出假设3:
H3:移动支付的使用对家庭债务水平的影响会因户主年龄、性别和城乡等差异呈现异质性特征。
3. 数据与变量
3.1. 数据样本
本文数据来源于西南财经大学中国家庭金融调查与研究中心开展的2019年家庭金融调查(以下简称2019年CHFS数据)。问卷样本规模达到34,643户,包含全国29省市(不包含港、澳、台、西藏和新疆),343个区县,1360个村(居)委会;主要内容包括:人口统计学特征、家庭资产与负债、家庭社会保障与保险、家庭支出与收入、金融知识、基层治理以及主观评价等相关信息,为本文研究移动支付与家庭债务水平的关系提供了理想的数据支持。在数据的筛选及处理部分,剔除数据库中严重缺失样本和极端数值,最终得到了26,210个有效样本。
3.2. 分析变量
被解释变量为家庭债务水平。衡量家庭债务水平的指标包括以负债总额为代表的绝对债务水平和以债务收入比为代表的相对债务水平[8] [23] [24]。
解释变量为移动支付。选取2019年CHFS问卷问题“目前,您家是否开通支付宝、微信支付、京东网银钱包、百度钱包等第三方支付账户?”,回答“是”记为1,反之为0 [2] [4]。
中介变量为家庭信贷可得性和家庭消费。其中,信贷可得性主要包含正规信贷可得性和网络信贷可得性等[25]。参考杨波等学者的做法[26],针对生产经营、住房购买、家用汽车购买、教育、医疗等方面,选取问卷问题“目前是否有尚未还清的银行/信用社贷款/互联网借款?”,若家庭通过某一层面就获得资金,则将家庭定义为正规信贷可得性/网络信贷可得性,赋值为1,反之为0。
控制变量为家庭特征变量、户主特征变量和地区经济发展变量三大类。前者包含家庭拥有汽车数量、家庭持有房产状况、家庭婚姻状况和户籍类型;中者涵盖户主性别、身体状况、受教育程度;后者为家庭所在地区。具体变量定义见下表1。
Table 1. Definition of main variables
表1. 主要变量定义
变量类型 |
变量符号 |
变量名称 |
变量说明 |
被解释变量 |
debt1 |
家庭债务水平 |
家庭负债总额加1取对数 |
debt2 |
家庭债务与收入的比值 |
解释变量 |
pay |
移动支付 |
0~1虚拟变量 |
中介变量 |
credit1 |
正规信贷可得性 |
credit2 |
网络信贷可得性 |
consume |
家庭消费 |
家庭总消费取对数 |
控制变量 |
car |
家庭拥有汽车数量 |
家用汽车数值 |
house1 |
不拥有房产 |
家庭未拥有住房赋值1 |
house2 |
拥有仅一套房产 |
家庭拥有一套住房赋值1 |
marry |
婚姻状况 |
在婚(有配偶)包含已婚和同居为1,未婚、分居、离婚和丧偶为0 |
register |
户籍类型 |
农村赋值1 |
gender |
户主性别 |
户主为男性赋值1 |
body |
身体状况 |
身体状况非常好赋值1 |
edu |
受教育程度 |
户主没上过学赋值1 |
area1 |
所在地区为西部 |
0~1虚拟变量 |
area2 |
所在地区为中部 |
area3 |
所在地区为东部 |
表2为上述变量的描述性统计。根据描述性统计,26,210个观测值中标准差最高值为5.442,最低为0.068,均属于正常范围内。同时,对所有变量进行方差膨胀因子分析,其中VIF最高值为3.35,最小值为1.10,VIF均值为1.71,均在0~10之间的可接受范围;对所有变量进行了相关系数分析,结果显示变量整体间不存在严重的多重共线性。
4. 实证设计
4.1. 基准回归
关于移动支付对家庭债务水平的影响,由于家庭债务水平的度量指标具有截断数据特征,本文主要通过Tobit模型进行研究,并通过ols模型进行稳健性检验和工具变量IV-Tobit模型两阶段回归进行内生性处理。构建模型如下:
(1)
其中,包含debt1和debt2两个变量,controls为各种控制变量,ε为模型残差项。根据表3回归结果显示,移动支付在不同的模型下均显著提高了家庭债务水平,并且均在1%的显著性水平,符合理论假设H1。在绝对债务水平度量下,通过Tobit模型和ols模型,移动支付对于家庭债务水平的平均边际效应分别是1.997和1.755;在相对债务水平衡量下,通过Tobit模型和ols模型,移动支付对于家庭债务水平的平均边际效应分别是0.959和0.483。除了主要解释变量,家户特征变量和地区经济发展变量也会显著影响家庭债务水平。
但是,移动支付的估计结果可能存在内生性问题。一方面,家庭中存在着日常生活和工作中需要小额信贷或者有消费透支习惯的情况,他们可能会有意识地选择使用移动支付来获取信贷资金,这种情况下存在着一种反向因果关系。另一方面,家庭的债务行为和移动支付的使用也可能受到当地金融环境、消费习惯以及社会互动等不可观测因素的影响,这可能导致一些潜在因素未被考虑到,存在着遗漏变量的问题。参考尹志超等的做法[13],本文采用工具变量法进行内生性处理,选取2019年CHFS问卷问题“目前使用哪款手机”中对智能手机的回答作为移动支付的工具变量。智能手机作为人们进行便捷移动支付的主要工具,在移动支付使用与智能手机拥有有着密切的关联性。另外,虽然极少数家庭可能会通过按揭购买智能手机,但大多数家庭的负债行为通常不会直接受到是否拥有智能手机的影响。因此,该变量具有很好的外生性,符合工具变量的基本特征。
表3中第(2)和(5)列报告了工具变量IV-Tobit模型两阶段回归的估计结果。可以看到,Wald检验都在1%的水平下具有显著性,说明原方程具有内生性。在第一阶段估计中,工具变量t值和F值分别为73.22和1296.09,即是否拥有智能手机与家庭移动支付行为高度相关,排除弱工具变量问题。对于工具变量回归结果,移动支付的估计系数分别为7.427和4.819,并且都在1%的水平下呈现显著性,说明移动支付显著提高家庭债务水平的结论具有稳健性。
Table 2. Descriptive statistics of major variables
表2. 主要变量描述性统计
变量符号 |
观测值 |
平均值 |
标准差 |
最小值 |
最大值 |
debt1 |
26,210 |
4.203 |
5.393 |
0 |
16.455 |
debt2 |
26,210 |
1.373 |
5.442 |
0 |
100 |
pay |
25,995 |
0.530 |
0.499 |
0 |
1 |
credit1 |
26,210 |
0.152 |
0.359 |
0 |
1 |
credit2 |
26,205 |
0.005 |
0.068 |
0 |
1 |
consume |
26,210 |
10.851 |
0.891 |
7.614 |
15.468 |
car |
26,204 |
0.302 |
0.531 |
0 |
5 |
house1 |
26,205 |
0.076 |
0.265 |
0 |
1 |
house2 |
26,205 |
0.731 |
0.444 |
0 |
1 |
marry |
26,197 |
0.882 |
0.323 |
0 |
1 |
register |
26,210 |
0.415 |
0.493 |
0 |
1 |
gender |
26,210 |
1.207 |
0.405 |
1 |
2 |
body |
26,206 |
2.736 |
1.006 |
1 |
5 |
edu |
26,183 |
3.262 |
1.552 |
1 |
9 |
area1 |
26,210 |
0.298 |
0.458 |
0 |
1 |
area2 |
26,210 |
0.230 |
0.421 |
0 |
1 |
area3 |
26,210 |
0.384 |
0.486 |
0 |
1 |
Table 3. The impact of mobile payments on household debt levels
表3. 移动支付对家庭债务水平的影响
|
debt1 |
debt2 |
(1) Tobit |
(2) IV-Tobit |
(3) ols |
(4) Tobit |
(5) IV-Tobit |
(6) ols |
pay |
1.997*** (0.081) |
7.427*** (0.464) |
1.755*** (0.073) |
0.959*** (0.054) |
4.819*** (0.421) |
0.483*** (0.078) |
car |
1.267*** (0.070) |
2.336*** (0.184) |
1.385*** (0.067) |
0.542*** (0.047) |
1.344*** (0.167) |
0.269*** (0.072) |
house1 |
−1.861*** (0.153) |
−4.157*** (0.356) |
−2.035*** (0.138) |
−1.013*** (0.103) |
−3.133*** (0.325) |
−0.977*** (0.148) |
house2 |
−1.271*** (0.088) |
−2.739*** (0.206) |
−1.459*** (0.084) |
−0.605*** (0.058) |
−1.798*** (0.187) |
−0.519*** (0.089) |
marry |
−0.227** (0.112) |
−0.594** (0.261) |
−0.163 (0.102) |
−0.243*** (0.074) |
−0.806*** (0.236) |
−0.293*** (0.109) |
register |
0.367*** (0.079) |
1.180*** (0.194) |
0.221*** (0.072) |
0.251*** (0.053) |
1.031*** (0.176) |
0.156** (0.077) |
gender |
0.172* (0.089) |
0.336 (0.206) |
0.189** (0.081) |
0.157*** (0.059) |
0.432** (0.187) |
0.226*** (0.087) |
body |
0.555*** (0.036) |
1.430*** (0.088) |
0.465*** (0.033) |
0.354*** (0.024) |
1.198*** (0.080) |
0.300*** (0.035) |
edu |
0.319*** (0.026) |
0.543*** (0.066) |
0.364*** (0.024) |
0.096*** (0.017) |
0.188*** (0.060) |
−0.002 (0.026) |
area1 |
−0.153 (0.128) |
−0.689** (0.300) |
−0.092 (0.121) |
0.012 (0.085) |
−0.196 (0.272) |
0.190 (0.130) |
area2 |
−0.912*** (0.134) |
−2.261*** (0.311) |
−0.828*** (0.125) |
−0.484*** (0.089) |
−1.632*** (0.282) |
−0.317** (0.134) |
area3 |
−1.875*** (0.128) |
−4.450*** (0.297) |
−1.633*** (0.118) |
−0.872*** (0.085) |
−2.847*** (0.269) |
−0.327** (0.127) |
Pseudo R2/R2 |
0.028 |
|
0.119 |
0.015 |
|
0.010 |
N |
25,945 |
25,699 |
25,945 |
25,945 |
25,699 |
25,945 |
Wald内生性检验p值 |
|
0.000 |
|
|
0.000 |
|
工具变量t值 |
|
73.22 |
|
|
73.22 |
|
第一阶段F值 |
|
1296.09 |
|
|
1296.09 |
|
注:除表3中(2)和(5)列为估计系数外,表格中报告的系数均表示边际效应。括号中为标准误,***、**、*分别表示1%、5%、10%的显著性水平(下表同)。
4.2. 机制分析
根据上述分析,移动支付会显著提高家庭债务水平。那移动支付的使用是通过怎样的路径影响家庭债务水平的呢?本文构建中介效应模型如下:
(1)
(2)
(3)
其中,M包含credit1、credit2和consume,ε1和ε2为模型残差项。根据Bootstrap检验方法,第一步检验方程(1)的系数c是否显著,第二步依次检验方程(2)和(3)的系数a和b是否显著,如果都显著,并且ab与
的同号,即存在部分中介效应。
从信贷可得性角度,移动支付为家庭提供了更多的借贷途径。家庭能够通过简洁的借贷手续在较短时间内获得资金用于生产经营、购买资产和消费服务等。根据表4的中介效应模型回归结果,可以发现信贷可得性在移动支付对家庭债务水平的影响中存在部分中介作用,符合理论假设H2;相较于正规信贷,家庭更愿意通过网络信贷途径获取资金,这可能是因为网络信贷具有手续简便和还款利率较低的特点,直观上降低了家庭的负债成本。但网络信贷可能存在较大风险隐患。与传统金融机构相比,网络信贷平台的监管程度和透明度较低。一些网络信贷平台可能具有隐藏费用和附加条件,导致最终借款人支付的费用高于预期。另外,由于网络信贷的便利性,一些借款人可能会陷入过度负债的境地,甚至形成循环借贷的恶性循环,最终导致财务困境。从家庭消费角度,移动支付刺激了家庭消费需求的增长和超前消费想法的产生,一定程度上提高了家庭债务水平。根据表5的中介效应模型回归结果显示,家庭消费在移动支付对家庭债务水平的影响中存在部分中介作用,即移动支付通过增加消费的路径提高了家庭债务水平,符合理论假设H2。
4.3. 异质性分析
根据表6结果显示,不同的家庭群体中移动支付对家庭债务水平的影响会呈现异质性。从户主年龄
Table 4. The impact mechanism of mobile payments on household debt levels: credit availability
表4. 移动支付对家庭债务水平的影响机制:信贷可得性
影响机制:正规信贷可得性 |
|
debt1 |
debt2 |
credit1 |
debt1 |
debt2 |
(1) Tobit |
(2) Tobit |
(3) Probit |
(4) Tobit |
(5) Tobit |
pay |
1.997*** (0.081) |
0.959*** (0.054) |
0.519*** (0.026) |
1.239*** (0.068) |
0.581*** (0.050) |
credit1 |
|
|
|
6.375*** (0.077) |
3.368*** (0.061) |
controls |
控制 |
控制 |
控制 |
控制 |
控制 |
Pseudo R2 |
0.028 |
0.015 |
0.204 |
0.089 |
0.053 |
N |
25,945 |
25,945 |
25,945 |
25,945 |
25,945 |
影响机制:网络信贷可得性 |
|
debt1 |
debt2 |
credit2 |
debt1 |
debt2 |
|
(1) Tobit |
(2) Tobit |
(3) Probit |
(4) Tobit |
(5) Tobit |
pay |
1.997*** (0.081) |
0.959*** (0.054) |
0.771*** (0.137) |
1.965*** (0.081) |
0.937*** (0.054) |
credit2 |
|
|
|
4.374*** (0.433) |
2.923*** (0.280) |
controls |
控制 |
控制 |
控制 |
控制 |
控制 |
Pseudo R2 |
0.028 |
0.015 |
0.112 |
0.030 |
0.016 |
N |
25,945 |
25,945 |
25,940 |
25,940 |
25,940 |
Table 5. The impact mechanism of mobile payments on household debt levels: household consumption
表5. 移动支付对家庭债务水平的影响机制:家庭消费
|
debt1 |
debt2 |
consume |
debt1 |
debt2 |
(1) Tobit |
(2) Tobit |
(3) ols |
(4) Tobit |
(5) Tobit |
pay |
1.997*** (0.081) |
0.959*** (0.054) |
0.442*** (0.010) |
1.517*** (0.083) |
0.741*** (0.056) |
consume |
|
|
|
1.093*** (0.051) |
0.499*** (0.034) |
controls |
控制 |
控制 |
控制 |
控制 |
控制 |
Pseudo R2/R2 |
0.028 |
0.015 |
0.430 |
0.033 |
0.018 |
N |
25,945 |
25,945 |
25,945 |
25,945 |
25,945 |
Table 6. Mobile payments and household debt levels: heterogeneous effects based on total debt
表6. 移动支付与家庭债务水平:基于负债总额的异质性影响
按户主年龄划分 |
|
小于45岁 |
介于45和60岁之间 |
大于等于60岁 |
(1) Tobit |
(2) Tobit |
(3) Tobit |
pay |
0.618** (0.277) |
0.993*** (0.129) |
1.070*** (0.111) |
controls |
控制 |
控制 |
控制 |
Pseudo R2 |
0.017 |
0.015 |
0.029 |
N |
5432 |
10,658 |
9847 |
按户主性别划分 |
|
男性 |
女性 |
(1) Tobit |
(2) Tobit |
pay |
2.034*** (0.090) |
1.813*** (0.187) |
controls |
控制 |
控制 |
Pseudo R2 |
0.028 |
0.031 |
N |
20,573 |
5372 |
按户籍划分 |
|
农村 |
城市 |
|
(1) Tobit |
(2) Tobit |
pay |
1.867*** (0.114) |
2.180*** (0.114) |
controls |
控制 |
控制 |
Pseudo R2 |
0.020 |
0.035 |
N |
10,737 |
15,208 |
角度来看,不同年龄阶段的户主家庭使用移动支付均会显著提升家庭债务水平。其中,45岁以上的户主家庭使用移动支付产生的边际效应较大,且在1%的水平呈现显著性,这可能是因为随着年龄的增长,户主的金融素养日益提升,经验逐渐积累,对自身金融服务操作和还款能力具有较大的自信,但实际可能与预期不相符。从户主性别层面来看,无论是男性还是女性户主使用移动支付,均会显著提高家庭债务水平。其中,男性户主产生的边际效应较大,这可能与大部分男性偏好风险有关。从城乡差异来看,城乡家庭对移动支付的使用均会显著提高家庭债务水平。其中,相较于农村,城市家庭对移动支付使用的接受程度和普及程度较高,增加了家庭负债的概率,符合理论假设H3。
5. 结论与建议
基于2019年CHFS数据,本文主要通过Tobit模型研究移动支付对家庭债务水平的影响、作用机制及不同家庭群体间的异质性。研究结果表明:移动支付的使用会显著提升家庭债务水平,在进行内生性处理和稳健性检验后此结论依然具有显著性。其中,家庭消费、正规信贷可得性和网络信贷可得性存在部分中介作用。相较于正规信贷,家庭更愿意通过网络信贷获取资金,这可能与网络信贷的便利性和直观成本较低有关。从户主性别、年龄和城乡角度来看,不同的家庭群体中移动支付对家庭债务水平的影响会呈现差异,45岁以上户主家庭、男性户主家庭和城市家庭会在更大程度上提升家庭债务水平。
移动支付业务的发展潜移默化地刺激了人们的消费需求,促进了家庭消费和信贷,一定程度上促进了数字经济的发展,但由此带来的家庭债务水平的提高值得关注。特别是人们的超前消费观念带来的入不敷出、网络信贷平台的隐含费用、低监管和低透明度等问题。建议相关部门开展消费型知识讲座,提升家庭适度消费的意识,尽量避免消费冲动,控制超前消费欲念;加强对网络信贷平台的风险监管,完善网络信贷的手续流程,明确借款人和贷款人的责任与义务,提升家庭风险意识。