數(shù)字普惠金融與農(nóng)戶家庭過度負債
——基于中國家庭金融調(diào)查數(shù)據(jù)的經(jīng)驗分析

李 奧， 桑晨穎， 呂勇斌

(中南財經(jīng)政法大學 金融學院，湖北 武漢 430073)

一、引 言

2021年中央一號文件首次明確提出“發(fā)展農(nóng)村數(shù)字普惠金融”，意在進一步提升農(nóng)村地區(qū)數(shù)字金融服務質(zhì)效、有效銜接從脫貧攻堅到鄉(xiāng)村振興戰(zhàn)略，最終實現(xiàn)農(nóng)業(yè)農(nóng)村現(xiàn)代化、讓農(nóng)民生活更加美好的長遠目標。事實上，中國政府一直重視普惠金融在農(nóng)村地區(qū)的發(fā)展。2015年來，中國政府分別發(fā)布《推行普惠金融發(fā)展規(guī)劃(2016—2020)》《G20數(shù)字普惠金融高級原則》《金融科技發(fā)展規(guī)劃(2019—2021年)》《數(shù)字鄉(xiāng)村發(fā)展戰(zhàn)略綱要》等重要文件，明確提出利用數(shù)字技術(shù)發(fā)展普惠金融、助推鄉(xiāng)村振興、建設數(shù)字中國。從現(xiàn)實來看，中國的數(shù)字普惠金融在過去十年得到了跨越式發(fā)展，在全球產(chǎn)生了很大的影響(黃益平和黃卓，2018)。根據(jù)郭峰等(2020)[1]的研究，2011年中國各省數(shù)字普惠金融指數(shù)的中位數(shù)為33.6，到2018年上升到294.3，年均增長達36.4%，中國數(shù)字普惠金融的快速發(fā)展趨勢可見一斑。

與此同時，自2016年以來，中國政府推出“三去一降一補”五大改革任務，去杠桿成為供給側(cè)結(jié)構(gòu)性改革的重要工作內(nèi)容?！?021年國務院政府工作報告》提出，繼續(xù)完成“三去一降一補”重要任務。2018年9月，中共中央、國務院在印發(fā)的《鄉(xiāng)村振興戰(zhàn)略規(guī)劃(2018—2022年)》中提到，實施鄉(xiāng)村振興戰(zhàn)略是黨的重大歷史任務，專業(yè)化的“三農(nóng)”金融服務可以更好地滿足鄉(xiāng)村振興多樣化金融需求，在現(xiàn)代農(nóng)業(yè)經(jīng)營體系中堅持構(gòu)建家庭經(jīng)營、集體經(jīng)營、合作經(jīng)營等新型農(nóng)業(yè)集體經(jīng)濟?；跀?shù)字技術(shù)的快速發(fā)展、金融可得性的提高和“三農(nóng)”發(fā)展的政策傾斜，家庭金融行為不再只滿足于資產(chǎn)端的收益，還會逐漸參與信貸市場，獲得一定比例的家庭貸款(尹志超等，2018)[2]。從實際來看，去杠桿政策主要集中在企業(yè)部門和地方政府層面，家庭部門的杠桿及債務問題未得到足夠的重視。家庭作為數(shù)量最多的微觀經(jīng)濟主體，其過高的杠桿水平、過快的債務增長所帶來的經(jīng)濟危害不容忽視(Reinhart & Rogoff，2008[3]；馬勇和陳雨露，2017[4])。美國次貸危機爆發(fā)的直接原因就是家庭杠桿率飆升，造成大量普通家庭資不抵債。根據(jù)國家資產(chǎn)負債表研究中心的報告，2000年底，中國家庭的宏觀杠桿率為12.4%，2009年底上升至23.5%，2019年底高達55.8%，顯著高于新興經(jīng)濟體平均水平。家庭過快、過度加杠桿的行為不僅會造成家庭財務危機和貧困脆弱性，甚至破壞金融穩(wěn)定，影響經(jīng)濟增長(Schularick & Taylor，2012[5]；Bhamra & Uppal，2019[6])。由此，同企業(yè)部門和政府部門降杠桿一樣，家庭部門的高杠桿和債務風險也應高度重視，農(nóng)戶家庭的過度負債問題同樣如此。

鑒于此，越來越多的研究聚焦于數(shù)字金融對家庭經(jīng)濟行為的影響(Agarwal & Chua，2020[7])。本文關(guān)注的是數(shù)字金融與家庭過度債務的影響。一方面，利用數(shù)字技術(shù)來提供新形式的支付、借貸和投資等金融服務，有可能改善家庭的資產(chǎn)負債表，通過讓家庭實時控制其財務狀況而受益(Brainard，2016[8])。另一方面，數(shù)字金融可能刺激過度的信貸增長和高杠桿以及向風險更高的借款人放貸，從而導致家庭債務危機，并可能進一步惡化更廣泛經(jīng)濟領(lǐng)域的債務和違約問題(Mian et al.，2017[9])。由此，數(shù)字金融和家庭債務之間的關(guān)系尚不能完全厘清。此外，數(shù)字金融對家庭債務的影響是不均衡的，數(shù)字技術(shù)促進普惠性增長的數(shù)字紅利，在不同家庭中產(chǎn)生異質(zhì)性的影響。對于那些金融素養(yǎng)較低、收入水平較低的家庭，由于無法接觸到互聯(lián)網(wǎng)等新技術(shù)，無法享受到數(shù)字金融發(fā)展帶來的數(shù)字紅利，新技術(shù)可能產(chǎn)生新的不平等即數(shù)字鴻溝問題。

因此，隨著數(shù)字技術(shù)與普惠金融的深度融合，有必要研究家庭是否確實從新的金融創(chuàng)新中受益。本文重點考察數(shù)字金融發(fā)展與農(nóng)戶家庭過度負債之間的因果關(guān)系。盡管這是一個重要的研究課題，但兩者關(guān)系的確定還缺乏足夠的經(jīng)驗證據(jù)。相關(guān)研究多是基于宏觀層面、企業(yè)或政府層面來評估金融發(fā)展與杠桿率及債務風險的關(guān)系(馬勇和陳雨露，2017[4]；劉貫春等，2018[10]；紀洋等，2018[11])。從家庭微觀層面展開的研究，多是評估數(shù)字技術(shù)對家庭支付、借貸和投資組合的影響(Agarwal & Chua，2020)[7]。從數(shù)字技術(shù)的角度來評估普惠金融與家庭過度債務及風險問題，相關(guān)研究較少(Basnet & Donou-Adonsou，2016[12]；吳衛(wèi)星等，2018[13]；Hong et al.，2020[14])。

基于以上討論，本文試圖在以下三個方面有所貢獻：第一，在數(shù)字技術(shù)驅(qū)動金融創(chuàng)新的背景下，匹配中國家庭金融調(diào)查數(shù)據(jù)和北京大學數(shù)字普惠金融指數(shù)，從微觀視角研究數(shù)字金融發(fā)展與農(nóng)戶家庭過度負債之間的關(guān)系，以豐富數(shù)字金融與家庭金融相結(jié)合的交叉研究；第二，利用中國家庭金融調(diào)查數(shù)據(jù)構(gòu)建家庭層面的數(shù)字鴻溝指數(shù)，從數(shù)字鴻溝、信息不對稱的機制渠道挖掘數(shù)字金融影響農(nóng)戶家庭過度負債的作用機理，探尋數(shù)字金融發(fā)展的獨特機制渠道；第三，選擇農(nóng)戶所在城市到互聯(lián)網(wǎng)骨干直聯(lián)點城市的距離和北京大學創(chuàng)新創(chuàng)業(yè)指數(shù)作為工具變量，解決計量模型的內(nèi)生性問題，并通過替換關(guān)鍵解釋變量等做法進行穩(wěn)健性檢驗，以獲得可靠的結(jié)論。

二、研究設計

(一)數(shù)據(jù)及樣本

本文所采用的數(shù)據(jù)主要來源于三個部分。第一部分是家庭微觀層面的數(shù)據(jù)，采用中國家庭金融調(diào)查數(shù)據(jù)(CHFS)。CHFS主要收集家庭資產(chǎn)與負債、收入與支出、保險與保障、人口與就業(yè)等家庭金融信息?？紤]到數(shù)據(jù)的時效性問題，選取2019年被訪問到的家庭作為樣本。數(shù)據(jù)范圍涵蓋我國29個省份163個城市，2019年參與調(diào)查的人數(shù)為107008人，家庭共34643戶，其中農(nóng)村樣本總?cè)藬?shù)為40630人，農(nóng)村樣本家庭11821戶。第二部分是地區(qū)層面數(shù)字金融發(fā)展程度的數(shù)據(jù)，采用北京大學數(shù)字金融研究中心與螞蟻金服集團共同編制的中國數(shù)字普惠金融指數(shù)(郭峰等，2020)[1]。該指數(shù)涵蓋中國31個省份、338個地級市以及近2800個縣域，全面刻畫中國數(shù)字普惠金融的發(fā)展趨勢與空間特征。根據(jù)研究需要，選取2019年城市級數(shù)字普惠金融指數(shù)代表各地區(qū)數(shù)字金融發(fā)展水平。第三部分是地區(qū)層面的經(jīng)濟數(shù)據(jù)，主要采用Wind數(shù)據(jù)庫、《中國城市統(tǒng)計年鑒》中反映社會經(jīng)濟發(fā)展情況的統(tǒng)計數(shù)據(jù)。

本文將三部分數(shù)據(jù)按照地級市層級進行合并，并采用通行方法對家庭數(shù)據(jù)進行處理：剔除家庭收入、家庭資產(chǎn)和家庭負債為負數(shù)的家庭；剔除資產(chǎn)與負債類別數(shù)據(jù)缺失的家庭；對連續(xù)型變量進行雙側(cè)1%的縮尾處理。最終選定一套包含2019年有效樣本為8304戶的農(nóng)村家庭數(shù)據(jù)集以及對應的2018年城市級數(shù)字普惠金融發(fā)展指數(shù)集，覆蓋全國30個省份、151個地級市。數(shù)據(jù)的匹配與處理有助于精準識別數(shù)字普惠金融與農(nóng)戶家庭過度負債之間的關(guān)系。

(二)農(nóng)戶家庭過度負債指數(shù)構(gòu)建

借鑒已有研究，結(jié)合2019年中國家庭金融調(diào)查問卷內(nèi)容，從債務償還率、貧困線和家庭自評償債能力的主客觀指標對農(nóng)戶家庭過度負債進行測度。

1.客觀指標測度。從償債成本的角度出發(fā)，已有研究通常使用償債收入比DSR(Debt-Service-Ratio)作為界定家庭過度負債的指標。通過整理分析，發(fā)現(xiàn)農(nóng)戶家庭除了農(nóng)業(yè)生產(chǎn)和工商業(yè)生產(chǎn)帶來的生產(chǎn)性收入外，還有房產(chǎn)收入和金融資產(chǎn)收入，雖然只有極少部分農(nóng)戶擁有金融資產(chǎn)。為了更加客觀地評估農(nóng)戶家庭的負債情況和償債壓力，本文在對過度負債的指標測算中，在償債收入比DSR的基礎(chǔ)上，假設家庭在面臨巨大的償債壓力時會將金融資產(chǎn)變現(xiàn)用于還債，這樣就會成比例地減少其償債成本，但同時相應的家庭收入也會減少。具體測算公式如下：

(1)

其中，DSR1為調(diào)整后的償債收入比，Debt為家庭負債總額，AF為家庭擁有的金融資產(chǎn)價值，AR表示除了房產(chǎn)以外的其他資產(chǎn)，R表示家庭年度償債總支出(包括本金和利息)，Y表示家庭年度可支配收入，YCF表示家庭金融資產(chǎn)收入，YCA表示家庭房產(chǎn)收入。本文界定，當調(diào)整后的償債收入比DSR1大于0.55時，家庭處于過度負債狀態(tài)，即OI為1，反之為0。

貧困線是判斷家庭經(jīng)濟狀況的公認指標。筆者也考慮采用貧困線來判斷農(nóng)戶家庭是否過度負債。以貧困線判斷過度負債的測算公式為：

(2)

其中，Y表示家庭年度可支配收入，R表示家庭年度償債總支出(包括本金和利息)，N表示家庭人口規(guī)模。采用相對收入貧困線和絕對收入貧困線來判斷。相對收入貧困線判斷是指，當Line小于全樣本家庭人均可支配收入中位數(shù)的50%時，判定為過度負債家庭，OI為1，反之為0。絕對收入貧困線判斷是指，當償債后人均可支配收入即Line低于3473元，判定為過度負債家庭，OI為1，反之為0。

2.主觀指標測度。從主觀角度來看，相關(guān)研究使用家庭自評償債能力定義過度負債(Lusardi & Tufano，2015[15]；吳衛(wèi)星等，2018[13])。選用2019年中國家庭金融問卷中“您認為當前償還住房欠款的經(jīng)濟能力如何?”問題，根據(jù)農(nóng)戶的主觀感受進行測度，建立家庭過度負債主觀指標Subjective。當回答“沒問題”“基本沒問題”和“不存在住房欠款”，則認為該家庭的負債在可能償還的能力范圍之內(nèi)，不存在過度負債問題，此時OI為0；當回答“難以償還”和“完全沒能力償還”，則認為該家庭償還債務存在困難，超出了家庭可承擔范圍，存在過度負債問題，此時OI為1。

(三)解釋變量的選取

1.核心解釋變量：數(shù)字普惠金融。找到合適的數(shù)字普惠金融發(fā)展水平(DIF)的度量指標，是本文需要解決的關(guān)鍵問題。關(guān)于數(shù)字金融的度量，郭峰等(2020)[1]采用螞蟻集團的交易賬戶大數(shù)據(jù)，從覆蓋廣度、使用深度和數(shù)字支持服務程度三方面，編制了中國數(shù)字普惠金融指數(shù)，時間跨度為2011—2018年，具有代表性和可靠性。李春濤等(2020)[16]通過提取互聯(lián)網(wǎng)金融、機器學習、智能投顧等48個金融科技關(guān)鍵詞，將這些關(guān)鍵詞與297個地級市或直轄市相匹配，運用爬蟲技術(shù)對百度新聞高級檢索中出現(xiàn)的“地級市+關(guān)鍵詞”組合數(shù)據(jù)進行爬取，并將同一城市層面的關(guān)鍵詞搜索數(shù)量進行加總后取對數(shù)，作為該城市金融科技發(fā)展水平的度量指標，時間跨度為2011—2018年。采用郭峰等(2020)[1]的中國數(shù)字普惠金融指數(shù)做基準回歸，采用李春濤等(2020)[16]的數(shù)據(jù)做穩(wěn)健性檢驗。

2.其他控制變量的選取。參考已有研究，結(jié)合CHFS問卷，除數(shù)字普惠金融(DIF)外，在回歸模型中還控制了戶主特征變量、家庭特征變量和地區(qū)特征變量。戶主特征包括性別(Gender)、婚姻(Marriage)、年齡(Age)、工作(Work)和教育水平(Eduyear)等。家庭特征既包括家庭的人口統(tǒng)計學特征，如家庭的人口規(guī)模(Familynum)、家庭不健康人數(shù)(Unhealth)以及家庭成員的金融素養(yǎng)(Fl)，也包括家庭的經(jīng)濟特征，如家庭醫(yī)療保險情況(Medins)和家庭總消費(Consume)情況。地區(qū)特征主要包括城市級的人均GDP(perGDP)和金融發(fā)展水平(FD)。

變量的具體說明見表1。

表1 變量說明

(四)變量描述性統(tǒng)計

表2匯報了變量描述統(tǒng)計結(jié)果。

表2 變量描述統(tǒng)計

本文關(guān)注的是過度負債家庭的特征(見表3)。通過對樣本中存在過度負債和不存在過度負債的家庭特征均值比較分析發(fā)現(xiàn)，農(nóng)戶家庭的過度負債行為在年齡、婚姻和性別方面差距不大，而在戶主工作狀況、教育年限、家庭醫(yī)療保險持有狀況、家庭不健康人數(shù)、家庭消費支出方面存在較大差異。

表3 過度負債家庭特征均值比較

其中，無過度負債家庭戶主有工作的比例、受教育年限與醫(yī)療保險持有比例均大于過度負債家庭，從家庭不健康人數(shù)比較來看，平均每個過度負債家庭都有一名健康狀況不好的家庭成員，且過度負債家庭的金融素養(yǎng)水平低于無過度負債家庭。特別是，家庭總消費高于無過度負債家庭，這說明農(nóng)戶家庭的過度負債可能是因不合理消費引起的。

從各類負債額度的均值比較來看(見表4)，農(nóng)戶戶均負債總額為29273.205元，低于城鎮(zhèn)居民負債水平。其中，購房負債均值(13296.947元)最高，符合當前我國房貸為家庭主要負債的基本事實(占總負債比例45.42%)。通過對家庭負債結(jié)構(gòu)的進一步比較來看，所有樣本的負債結(jié)構(gòu)中，擁有房貸的人數(shù)占比最高(59.53%)，也說明本文在主觀測度指標中使用對于償還房貸的壓力問題來衡量家庭過度負債是合理的。此外，還發(fā)現(xiàn)雖然醫(yī)療負債的均值在所有負債類型中均值居于第四位，但擁有醫(yī)療負債的家庭比例達到49%，僅次于房產(chǎn)負債。

表4 農(nóng)戶家庭負債結(jié)構(gòu)均值比較

進一步，通過對過度負債家庭的區(qū)域分布特征進行比較發(fā)現(xiàn)，三個測度指標表示的過度負債家庭占比，東部地區(qū)分別是2.04%、26.08%和3.32%，西部地區(qū)分別是3.38%、32.88%和6.98%，均是中西部地區(qū)占比明顯高于東部地區(qū)。

三、實證分析

(一)基準回歸

參考張勛等(2018)[17]、尹志超等(2020)[18]的做法，采用面板Probit模型來研究數(shù)字金融發(fā)展對家庭過度負債的影響。被解釋變量家庭過度負債為啞變量，核心解釋變量是數(shù)字普惠金融指數(shù)，控制變量包括戶主層面、家庭層面以及地區(qū)層面的特征變量。

數(shù)字普惠金融對農(nóng)戶家庭過度負債影響的基準回歸模型設定如下：

Pr (OIij=1)=α0+α1DIFj+α2Indij+α3Hhij+α4Cityij+εij>0

(3)

其中，下角標i表示家庭，j表示城市。OI表示農(nóng)戶家庭是否過度負債的二值變量，存在過度負債則取值為1，否則為0。核心解釋變量DIF為家庭所在城市j的數(shù)字普惠金融發(fā)展指數(shù)。Ind為第i個家庭的戶主特征變量，Hh是第i個家庭的家庭特征變量，City為家庭i所在城市j的控制變量。ε為隨機擾動項。模型中加入時間和省份雙固定效應，以控制部分遺漏變量。為避免地區(qū)內(nèi)部家庭之間的相關(guān)性問題，模型的標準誤聚類到地級市層面。本文關(guān)注的是待估參數(shù)α1的方向及顯著性，預計α1的方向為負，即數(shù)字普惠金融發(fā)展水平越高，農(nóng)戶家庭發(fā)生過度負債的概率越低。

表5匯報了數(shù)字普惠金融對農(nóng)戶家庭過度負債影響的基準回歸結(jié)果。結(jié)果顯示，無論是由兩個客觀測度指標衡量的農(nóng)戶家庭過度負債，還是主觀測度指標均在1%的顯著水平下負相關(guān)，證明了數(shù)字金融發(fā)展能夠顯著抑制農(nóng)戶家庭過度負債。在債務償還指標OI1中，數(shù)字金融發(fā)展水平每上升1%，農(nóng)戶過度負債的概率則下降5.6%；在相對收入貧困線指標OI2中，數(shù)字金融發(fā)展水平每上升1%，農(nóng)戶過度負債的概率則下降28.6%；在主觀指標OI3中，數(shù)字金融發(fā)展水平每上升1%，農(nóng)戶過度負債的概率下降13.02%。

表5 基準回歸結(jié)果

在個人特征控制變量中，加入了年齡(Age)和年齡的平方項(Age2)，結(jié)果顯示年齡與過度負債之間并非線性關(guān)系，而是呈現(xiàn)“倒U”關(guān)系，即隨著年齡增長，家庭過度負債的概率會先上升再下降。根據(jù)生命周期理論，家庭的負債水平隨著年齡的增長不斷上升，到了中老年時期開始下降直至為0，家庭負債水平最高的時期就是家庭的年輕時期，借款的可能性更大(Kumar & Liang，2019[19])，也是形成家庭過度負債概率最高的時期。戶主是否有工作(Work)與過度負債關(guān)系在三個指標中分別呈現(xiàn)10%、1%和1%的顯著負相關(guān)，說明未失業(yè)的戶主家庭過度負債的概率更低。此外，受教育年限(Eduyear)與過度負債分別在10%、1%和5%的水平下顯著負相關(guān)，教育水平每提高1%，家庭過度負債的概率分別下降0.11%、0.97%和0.18%，說明戶主的受教育水平越高，過度負債的可能性越低。

在家庭特征控制變量中，家庭成員醫(yī)療保險持有狀況(Medins)與金融素養(yǎng)水平(Fl)都與過度負債呈現(xiàn)顯著負相關(guān)，家庭不健康人數(shù)(Unhealth)與家庭消費(Consume)與過度負債呈現(xiàn)顯著正相關(guān)。說明家庭越多成員持有醫(yī)療保險，家庭過度負債的概率越低，家庭不健康人數(shù)越多，過度負債的概率就越高，該結(jié)論也證實了農(nóng)戶存在因疾病過度舉債的情況，并且農(nóng)戶購買醫(yī)療保險的意識還不夠普遍，如果家庭成員繳納社會醫(yī)療保險或者購買其他醫(yī)療保險，醫(yī)療負債會降低，家庭的經(jīng)濟壓力較小，發(fā)生過度負債的可能性降低。家庭成員金融素養(yǎng)水平越高，產(chǎn)生過度負債的可能性越低，該結(jié)論與Gathergood(2012)[19]、Lusardi & Tufano(2015)[15]等學者的研究結(jié)論相一致?？赡艿慕忉屖牵鹑谒仞B(yǎng)高的家庭對于負債成本、償債成本和利息計算等方面擁有更正確的認識，能夠較為準確地計算負債本息，更可能通過正規(guī)信貸渠道來持有負債，但也正因為其具有較好的風險認知能力，在家庭經(jīng)濟決策中，該類家庭能基于其家庭實際資產(chǎn)質(zhì)量來判斷自身的還款能力，進而決定是否舉債、將舉債進行到何種程度，因此金融素養(yǎng)高的家庭會降低過度負債、債務違約的概率，減少債務過度自信和家庭財務風險。

地區(qū)層面的宏觀經(jīng)濟控制變量人均GDP和金融發(fā)展水平與家庭過度負債的關(guān)系并不顯著，說明地區(qū)宏觀經(jīng)濟狀況對家庭金融決策的影響較小。

(二)內(nèi)生性處理

數(shù)字普惠金融與家庭過度負債之間的關(guān)系可能受到內(nèi)生性的影響，盡管這種影響較小。從變量的選取來看，家庭過度負債屬于家庭層面的指標，而數(shù)字普惠金融是城市層面的指標，且這兩份數(shù)據(jù)來自兩個不同的數(shù)據(jù)庫，故兩者之間存在反向因果的可能性比較小。從數(shù)據(jù)的抽取來看，根據(jù)家庭金融調(diào)查問卷設計，CHFS在抽樣時采取了分層、三階段和規(guī)模度量成比例(PPS)方法，而中國數(shù)字普惠金融指數(shù)的編制采用了主客觀賦權(quán)相結(jié)合的方法確定權(quán)重，兩份數(shù)據(jù)都較為準確和可靠，這也能夠在一定程度上減少測量誤差問題。本文在使用數(shù)字金融指數(shù)做分析時，已經(jīng)選取該指數(shù)的滯后一期，也可在一定程度上緩解內(nèi)生性問題。

盡管如此，兩者之間仍可能存在一些不可控的因素而導致內(nèi)生性問題。本文選取工具變量估計方法來處理可能存在的內(nèi)生性問題。具體來說，本文構(gòu)建基于地理距離的工具變量(IVdistance)和以創(chuàng)新創(chuàng)業(yè)指數(shù)(IVcreate)工具變量進行內(nèi)生性處理。

1.平均地理距離工具變量的構(gòu)建?；诘乩砭嚯x構(gòu)建的兩個工具變量分別計算的是農(nóng)戶所在城市到國家級互聯(lián)網(wǎng)骨干直聯(lián)點(National Internet Backbone Straight Point)的距離?；ヂ?lián)網(wǎng)骨干直聯(lián)點是國家重點信息樞紐，匯聚了區(qū)域通信流量，作為互聯(lián)網(wǎng)架構(gòu)的關(guān)鍵基礎(chǔ)設施，與數(shù)字金融發(fā)展的網(wǎng)絡基礎(chǔ)和技術(shù)基礎(chǔ)密不可分，這些互聯(lián)網(wǎng)骨干直聯(lián)點由國家政府牽頭設立，不受家庭金融行為影響，滿足工具變量選取的兩個條件，即相關(guān)性和外生性。北京、上海和廣州三座城市在我國最早設立國家級互聯(lián)網(wǎng)骨干直聯(lián)點，2013年，我國增設7個互聯(lián)網(wǎng)骨干直聯(lián)點，包括武漢、成都、重慶、西安、沈陽、南京和鄭州。具體來說，首先，在百度坐標系統(tǒng)拾取樣本城市WGS_1984坐標系的經(jīng)緯度坐標。其次，基于各城市經(jīng)緯度坐標計算得到各城市與骨干直聯(lián)點城市的距離，再計算平均距離。其中，distance1是從農(nóng)戶家庭所在城市到北京、上海和廣州的平均距離，distance2是農(nóng)戶家庭到北京、上海、廣州、武漢、成都、重慶、西安、沈陽、南京和鄭州等十個互聯(lián)網(wǎng)骨干直聯(lián)點的平均距離。最后，以平均距離的倒數(shù)與數(shù)字普惠金融指數(shù)的交乘項作為工具變量，即IVdistance1和IVdistance2。

表6是基于三個互聯(lián)網(wǎng)骨干直聯(lián)點構(gòu)建的平均距離工具變量(IVdistance1)估計結(jié)果。其中，第一階段沃爾德內(nèi)生性檢驗Chi2分別在5%、1%和1%的水平下顯著，說明模型存在內(nèi)生性問題，第一階段F統(tǒng)計值為1922.34，工具變量t值為155.96，AR和Wald檢驗結(jié)果均在1%的水平下顯著，基于三個互聯(lián)網(wǎng)骨干直聯(lián)點構(gòu)建的平均距離工具變量通過了弱工具變量檢驗，說明該工具變量是合理的。

表6 平均距離工具變量回歸結(jié)果1

表7是基于十個互聯(lián)網(wǎng)骨干直聯(lián)點構(gòu)建的平均距離工具變量(IVdistance2)的估計結(jié)果，第一階段沃爾德內(nèi)生性檢驗結(jié)果Chi2分別在5%、1%和1%的水平下顯著，第一階段F統(tǒng)計值為1345.63，工具變量t值為129.78，AR和Wald檢驗結(jié)果均在1%的水平下顯著，說明基于十個互聯(lián)網(wǎng)骨干直聯(lián)點構(gòu)建的平均距離工具變量是合理的。

表7 平均距離工具變量回歸結(jié)果2

從估計結(jié)果來看，在加入工具變量后，表6和表7顯示數(shù)字金融與農(nóng)戶過度家庭負債均在1%的水平下顯著負相關(guān)，與基準回歸方向一致，并且邊際系數(shù)有不同程度的擴大，進一步說明數(shù)字金融能夠顯著降低農(nóng)戶過度負債的概率。

2.創(chuàng)新創(chuàng)業(yè)指數(shù)工具變量的構(gòu)建?！爸袊鴧^(qū)域創(chuàng)新創(chuàng)業(yè)指數(shù)”是由北京大學與龍信數(shù)據(jù)合作編制發(fā)布，該指數(shù)包含了省級層面和城市級層面的數(shù)據(jù)，包括新建企業(yè)數(shù)目、風險投資、吸引外來投資、吸引風險投資、專利授權(quán)數(shù)量和商標注冊數(shù)量在內(nèi)的6個維度，全面反映各地區(qū)創(chuàng)新創(chuàng)業(yè)的水平。數(shù)字金融的成長本身就是創(chuàng)新的一種表現(xiàn)形式，當?shù)氐膭?chuàng)新水平能夠驅(qū)動金融業(yè)數(shù)字化轉(zhuǎn)型。因此，區(qū)域創(chuàng)新創(chuàng)業(yè)指數(shù)(IVcreate)與數(shù)字金融發(fā)展具有高度的相關(guān)性。此外，創(chuàng)新創(chuàng)業(yè)指標是城市層面而非家庭層面指標，與家庭的負債情況沒有直接關(guān)系，因此該指數(shù)具有一定的外生性。

表8為區(qū)域創(chuàng)新創(chuàng)業(yè)指數(shù)工具變量(IVcreate)的回歸結(jié)果。第一階段沃爾德內(nèi)生性檢驗Chi2在1%的水平下顯著，存在內(nèi)生性問題，模型第一階段F統(tǒng)計值為1309.52，工具變量t統(tǒng)計量為127.96，AR和Wald檢驗結(jié)果均在1%的水平下顯著，不存在弱工具變量。加入工具變量的回歸結(jié)果顯示，數(shù)字金融發(fā)展水平與農(nóng)戶家庭過度負債之間仍然在1%的水平下呈現(xiàn)負相關(guān)關(guān)系。這再一次驗證了數(shù)字金融發(fā)展能夠抑制農(nóng)戶家庭過度負債。

表8 區(qū)域創(chuàng)新創(chuàng)業(yè)指數(shù)工具變量回歸結(jié)果

四、進一步分析

(一)穩(wěn)健性檢驗

1.替換被解釋變量。本文用不同測度方式構(gòu)建新的被解釋變量來替換原始模型的因變量?；鶞誓Ｐ偷谋唤忉屪兞縊I是基于家庭的資產(chǎn)、負債余額、償債支出等數(shù)據(jù)構(gòu)建而成。在穩(wěn)健性檢驗中，參考吳錕等(2020)[20]，將債務償還比率OI4、絕對收入貧困線OI5作為被解釋變量。

在債務償還比率OI4中，分別比較閾值為30%、50%和55%的過度負債測度方式，來證實在任一當前可使用的閾值下，數(shù)字金融發(fā)展與農(nóng)戶過度負債因果關(guān)系的穩(wěn)健性?；貧w結(jié)果如表9所示?？梢钥闯?，基于三種閾值的債務償還比率測度，數(shù)字金融發(fā)展水平與農(nóng)戶過度負債的關(guān)系均在1%的水平下顯著，數(shù)字普惠金融每提升1%，農(nóng)戶家庭過度負債的概率分別下降8.83%、9.24%和8.58%，與基準回歸結(jié)果邊際效應方向一致。

表9 穩(wěn)健性檢驗1：使用債務償還比率的不同閾值

在前面的討論中，將家庭可支配收入減去家庭償還債務的總支出后的人均可支配收入低于國家貧困線的家庭，界定存在過度負債。需要說明的是，吳錕等(2020)[20]的研究將絕對收入貧困線定于2300元，該取值是基于我國《中國農(nóng)村扶貧開發(fā)綱要(2001—2010年)》規(guī)劃，該規(guī)劃將2010年我國的貧困線定于2300元。但通過查閱資料發(fā)現(xiàn)，我國貧困線每年都依據(jù)經(jīng)濟發(fā)展狀況和扶貧開發(fā)實況進行調(diào)整，貧困線已經(jīng)由2010年設置的2300元，升至2019年的3473元。本文嘗試將3473元作為絕對收入貧困線來測度過度負債OI5，得到回歸結(jié)果如表10所示。從表中可以看出，數(shù)字金融發(fā)展顯著抑制農(nóng)戶過度負債發(fā)展的概率，與本文基準回歸的結(jié)果一致。

表10 穩(wěn)健性檢驗2：使用絕對收入貧困線

2.替換核心解釋變量。參考李春濤等(2020)[16]，使用2018年金融科技指數(shù)(Fintech)作為數(shù)字金融發(fā)展(DIF)的代理變量進行替換。該指數(shù)基于百度新聞高級檢索結(jié)果進行度量，在已有研究中作為金融科技發(fā)展水平的指標具有良好的適用性，回歸結(jié)果如表11所示?？梢钥闯?，在替換被解釋變量后，數(shù)字金融仍然在1%的水平下顯著降低農(nóng)戶過度負債的概率，與基準回歸的結(jié)果一致。這進一步證明，基準回歸的結(jié)果是穩(wěn)健可靠的。

表11 穩(wěn)健性檢驗3：替換核心解釋變量

(二)異質(zhì)性分析

1.基于區(qū)域?qū)用娴牟町惙治?/p>

(1)東中西部的差異性。我國地域遼闊，區(qū)域經(jīng)濟發(fā)展不平衡。從2018年數(shù)字普惠金融指數(shù)的城市梯隊圖來看，東部省份的城市在數(shù)字金融發(fā)展方面遙遙領(lǐng)先。本文將樣本劃分為東部與中西部兩個區(qū)域，對不同地區(qū)數(shù)字金融對農(nóng)戶過度負債的影響進行異質(zhì)性分析。表12的回歸結(jié)果顯示，數(shù)字金融對過度負債的影響系數(shù)在10%、1%和5%的水平下均顯著為負。這說明，與東部地區(qū)相比，數(shù)字金融對農(nóng)戶家庭過度負債的抑制作用在中西部的效應更加突出。這一發(fā)現(xiàn)與已有研究一致(張勛等，2019[17])?？赡苁且驗樵跀?shù)字金融快速發(fā)展之前，東部地區(qū)資金供求雙方的信息不對稱性相對較弱，產(chǎn)業(yè)結(jié)構(gòu)相對完善，金融服務范圍較廣泛，傳統(tǒng)金融的信貸渠道也可以滿足該地區(qū)家庭的負債需求，因此數(shù)字金融的普及并不會明顯抑制該類家庭的過度負債。而中西部地區(qū)的農(nóng)業(yè)發(fā)展需求更迫切，資金使用率相對較低，區(qū)域交易成本較高，技術(shù)創(chuàng)新和數(shù)字普惠金融對中西部農(nóng)戶家庭投資的溢出效應較為明顯，同時，由于數(shù)字金融得益于數(shù)字技術(shù)在當?shù)氐目焖賯鞑ズ推栈萁鹑趯π∥⑥r(nóng)戶家庭的強包容性，信息技術(shù)帶來的邊際效應在中西部地區(qū)更明顯，金融安全知識也如信鴿一般飛進了千家萬戶，家庭的金融素養(yǎng)在一定程度上得到提高，打破了其對金融行業(yè)的認知壁壘，家庭逐漸領(lǐng)悟到“風險與收益呈正相關(guān)關(guān)系”“杠桿越大，風險越大”，保持較穩(wěn)定的儲蓄率，不再盲目擴張負債自信，因此從主觀意識上降低過度負債的概率。此外，數(shù)字金融降低了信息不對稱性和區(qū)域交易成本，為中西部地區(qū)創(chuàng)造了大量的就業(yè)崗位和創(chuàng)業(yè)機會，提高家庭人均可支配收入和家庭理財?shù)氖找嬲急?，降低農(nóng)戶家庭的貧困脆弱性和財務風險，因此數(shù)字金融對農(nóng)戶家庭過度負債的抑制作用在中西部的效應更加突出。

表12 基于區(qū)域位置差異的分析結(jié)果

(2)貧困縣與非貧困縣的差異。根據(jù)農(nóng)戶家庭所在區(qū)縣是不是國家級貧困縣，將縣域劃分為貧困縣與非貧困縣。劃分依據(jù)是2019年國務院扶貧開發(fā)辦公室官網(wǎng)出具的《831個貧困縣歷年摘帽退出名單》，剔除2018年宣布脫貧的縣、保留2019年仍處于國家級貧困縣范疇但是2019年底才宣布脫貧的縣。據(jù)表13的回歸結(jié)果顯示，數(shù)字金融發(fā)展對非貧困縣的農(nóng)戶家庭過度負債的抑制效應均在1%的水平下顯著，對貧困縣的回歸結(jié)果基本不顯著?？赡艿慕忉屖?，貧困地區(qū)經(jīng)濟發(fā)展相對落后，人均可支配收入低，根據(jù)需求層次理論，大部分農(nóng)戶仍然停留在第一層次的生活基本需求，不會額外產(chǎn)生消費型負債，過度負債的概率低。而在非貧困地區(qū)，農(nóng)戶家庭基本生活需求已經(jīng)得到滿足，追求更高層次的消費愿望更大，更換家電、購置新房等高層次需求明顯，由此產(chǎn)生消費型負債。因此，數(shù)字金融對非貧困縣農(nóng)戶過度負債的邊際效應更加突出。

表13 基于區(qū)域位置差異的分析結(jié)果

2.基于家庭層面的差異分析

(1)信貸需求的差異分析。農(nóng)戶的信貸需求分為正規(guī)信貸需求和非正規(guī)信貸需求兩種。參考傅秋子和黃益平(2018)[21]，選用2019年中國家庭金融調(diào)查問卷中“目前，您家是否因農(nóng)業(yè)/工商業(yè)生產(chǎn)經(jīng)營活動有尚未還清的銀行/信用社貸款”“您家為什么不從銀行/信用社申請貸款獲取所需資金”“您家未能獲得貸款的原因是什么?”和“您家計劃從下列哪個渠道借入所需資金?”四個問題的回答，對農(nóng)戶家庭的信貸需求差異進行識別，將農(nóng)戶從正規(guī)金融機構(gòu)獲得的、且農(nóng)戶自身能夠償還的負債意愿識別為正規(guī)信貸需求，將其他情況視為非正規(guī)信貸需求，具體如表14所示。

表14 信貸需求的識別

在劃分信貸需求不同類型的樣本后，對具有正規(guī)信貸需求的農(nóng)戶與非正規(guī)信貸需求的農(nóng)戶進行分組回歸，結(jié)果如表15所示?？梢钥闯觯瑥恼?guī)信貸需求來看，數(shù)字金融與過度負債之間的邊際效應為正但不顯著，從非正規(guī)信貸需求來看，數(shù)字金融發(fā)展則能夠顯著抑制農(nóng)戶家庭的過度負債，且數(shù)字金融指數(shù)每提升1%，非正規(guī)信貸需求組的農(nóng)戶家庭過度負債分別下降8.67%、48.41%和18.24%，該研究結(jié)論與吳雨(2020)[22]等人的研究結(jié)論相似。數(shù)字金融發(fā)展能夠顯著降低家庭的傳統(tǒng)私人借貸需求，即從親戚朋友處借貸的需求，從供需層面產(chǎn)生了替代效應?；诜钦?guī)信貸渠道產(chǎn)生的負債門檻低，容易形成多頻次、高額度的負債，造成家庭過度負債的可能性較大。因此，數(shù)字金融降低來自非正規(guī)信貸需求產(chǎn)生的過度負債效應更加突出。

表15 基于信貸需求差異的回歸結(jié)果

(2)風險態(tài)度的差異分析。根據(jù)2019年調(diào)查問卷“如果您有一筆資金用于投資，您最愿意選擇哪種投資項目?”來確定農(nóng)戶的風險態(tài)度，將農(nóng)戶家庭劃分為風險規(guī)避型和風險偏好與中性型兩大類，并對兩大類別分組回歸。表16的分組回歸結(jié)果顯示，數(shù)字金融抑制風險規(guī)避型家庭過度負債的邊際效應更加顯著?？赡艿慕忉屖?，風險偏好源于過度自信(李莉等，2020)[23]，風險偏好越強的家庭負債的概率越大(何麗芬等，2012)[24]。風險偏好型農(nóng)戶家庭可能會過于相信主觀判斷、忽視客觀存在的風險，而風險規(guī)避型農(nóng)戶家庭對于進行大量負債的決策更加謹慎，會更加謹慎考慮有關(guān)負債風險的信息，數(shù)字金融抑制過度負債的效應更加顯著。

表16 基于風險態(tài)度差異的回歸結(jié)果

(三)機制檢驗

1.調(diào)節(jié)效應檢驗。寬帶與移動電話是居民接觸數(shù)字金融最常用的終端設備。通過互聯(lián)網(wǎng)和移動電話，農(nóng)戶家庭可以獲得更多的金融產(chǎn)能品信息，緩解農(nóng)村地區(qū)因“硬件設備”落后造成的信息不對稱問題，對于數(shù)字金融的發(fā)展有顯著的支持作用。參考已有研究，引入移動電話持有率(Mobile)與寬帶普及率(Netrate)作為調(diào)節(jié)變量，加入交乘項Digital×Mobile與Digital×Netrate，檢驗地區(qū)移動電話持有率和互聯(lián)網(wǎng)寬帶普及率對數(shù)字金融發(fā)展抑制農(nóng)戶過度負債的調(diào)節(jié)作用，回歸結(jié)果如表17所示。

表17 移動電話持有率與寬帶普及率的調(diào)節(jié)效應檢驗

從中可知，移動電話持有率與數(shù)字金融發(fā)展水平的交乘項(Digital×Mobile)系數(shù)方向均為負，且都通過了不同水平的顯著性檢驗，互聯(lián)網(wǎng)寬帶普及率與數(shù)字金融發(fā)展水平的交乘項(Digital×Netrate)均在5%的水平下顯著。這說明，移動電話持有率和互聯(lián)網(wǎng)寬帶普及率對數(shù)字金融影響農(nóng)戶過度負債具有調(diào)節(jié)作用，并且移動電話持有率與互聯(lián)網(wǎng)寬帶普及率的提升顯著強化了數(shù)字金融發(fā)展對農(nóng)戶過度負債的抑制效果。因此，農(nóng)村地區(qū)繼續(xù)加強“硬件設施”建設，繼續(xù)提高農(nóng)戶家庭寬帶接入數(shù)量，加快推進農(nóng)戶家庭移動電話持有量，縮小城鄉(xiāng)之間數(shù)字技術(shù)基礎(chǔ)設施的差距，以更好地發(fā)揮數(shù)字金融對農(nóng)戶家庭過度負債的抑制作用。

2.中介效應檢驗。當數(shù)字技術(shù)逐漸成為一種通用技術(shù)，因新技術(shù)的使用差異而導致的數(shù)字鴻溝(Digital Divide)問題逐漸凸顯。為進一步考察數(shù)字金融能否通過彌合數(shù)字鴻溝來抑制農(nóng)戶家庭過度負債，參考尹志超(2020)[18]的做法，根據(jù)2019年中國家庭金融問卷調(diào)查，選用“您家擁有以下哪些類型的耐用品?”(是否有智能手機)“是否開通支付寶、微信支付、京東網(wǎng)銀錢包、百度錢包等第三方支付?”“多久網(wǎng)購一次”“是否有互聯(lián)網(wǎng)借貸?”四個問題，利用因子分析法構(gòu)建數(shù)字鴻溝指數(shù)(Digital_divide)，以數(shù)字鴻溝為中介變量，考察數(shù)字普惠金融對農(nóng)戶家庭過度負債產(chǎn)生影響的作用機制(1)限于篇幅，本文未匯報農(nóng)戶家庭數(shù)字鴻溝指數(shù)的因子分析結(jié)果。。

在兩個過度負債的客觀指標測度中，第一步回歸結(jié)果顯示，數(shù)字金融發(fā)展水平(DIF)抑制農(nóng)戶過度負債的總效應分別為-0.0560和-0.2858，均在1%的水平下顯著為負。第二步回歸結(jié)果顯示，數(shù)字金融發(fā)展水平(DIF)對中介變量數(shù)字鴻溝(Digital_divide)的影響在1%的水平下顯著為負，且影響效應為-17.9959，說明數(shù)字金融發(fā)展能夠彌合數(shù)字鴻溝，與前文理論分析部分相一致。第三步回歸結(jié)果顯示，控制中介變量數(shù)字鴻溝(Digital_divide)后，數(shù)字金融發(fā)展水平(DIF)抑制農(nóng)戶過度負債(OI)的總影響分別為-0.0490和-0.2430，數(shù)字鴻溝(Digital_divide)與農(nóng)戶過度負債在1%水平下呈現(xiàn)顯著正相關(guān)，邊際效應分別為0.0003和0.025，說明當數(shù)字鴻溝每縮小1%，農(nóng)戶的過度負債的概率下降0.03%和2.5%。

在過度負債的主觀指標測度中，中介效應模型第一步回歸結(jié)果顯示，數(shù)字金融發(fā)展水平(DIF)抑制農(nóng)戶過度負債的總效應分別為-0.1302，在1%的水平下顯著為負。第二步回歸結(jié)果顯示，數(shù)字金融發(fā)展水平(DIF)對中介變量數(shù)字鴻溝(Digital_divide)的影響在1%的水平下顯著為負，且影響效應為-17.9959。第三步回歸結(jié)果顯示，控制中介變量數(shù)字鴻溝(Digital_divide)后，數(shù)字金融發(fā)展水平(DIF)抑制農(nóng)戶過度負債(OI3)的總影響為-0.1183，即數(shù)字金融發(fā)展水平每上升1%，農(nóng)戶過度負債的概率下降11.83%，數(shù)字鴻溝(Digital_divide)與農(nóng)戶過度負債呈現(xiàn)正相關(guān)關(guān)系，邊際效應為0.0003。

表18 基于數(shù)字鴻溝的中介效應檢驗1

表19 基于數(shù)字鴻溝的中介效應檢驗2

上述中介效應模型的回歸結(jié)果說明，數(shù)字金融發(fā)展對農(nóng)戶家庭過度負債有著明顯的抑制作用，并且這種抑制作用可以通過彌合數(shù)字鴻溝實現(xiàn)。這一結(jié)論對于數(shù)字金融本身具有很強的普惠性優(yōu)勢(陳冶國和白鳳嬌，2021)[25]。數(shù)字技術(shù)的快速發(fā)展，一方面，農(nóng)戶家庭通過互聯(lián)網(wǎng)、移動終端與淘寶、微信這樣的場景緊密聯(lián)系，另一方面，又通過社交、網(wǎng)購、理財?shù)却髷?shù)據(jù)挖掘，為農(nóng)戶家庭做信用評估，數(shù)字鴻溝問題在數(shù)字技術(shù)與普惠金融的深度融合下不斷縮小。

此外，銀行等正規(guī)金融結(jié)構(gòu)借助于數(shù)字技術(shù)、掌上銀行等方式，降低了農(nóng)戶家庭從正規(guī)信貸機構(gòu)獲得借貸資金的門檻，對非正規(guī)渠道的資金借貸形成擠出效應，從而使農(nóng)戶家庭的負債具有更高的安全性和穩(wěn)定性，能夠有效地抑制農(nóng)戶家庭過度負債的行為。

五、研究結(jié)論

適度的負債有助于居民平滑消費、促進經(jīng)濟增長，但過度負債對個人、家庭、金融系統(tǒng)乃至整個社會都有嚴重的負面影響。而數(shù)字金融這樣一種利用信息技術(shù)驅(qū)動金融創(chuàng)新的模式，使金融服務的可得性、便利性、包容性大幅改善，這為抑制家庭過度負債提供了有利條件。

本文的貢獻在于構(gòu)建了實證分析框架，考察了中國數(shù)字金融的發(fā)展對農(nóng)戶家庭過度負債的影響，以豐富數(shù)字金融和家庭金融相結(jié)合的相關(guān)研究。本文將中國家庭金融調(diào)查(CHFS)2019年的數(shù)據(jù)和北京大學數(shù)字普惠金融指數(shù)2018年的數(shù)據(jù)進行匹配，評估了數(shù)字金融發(fā)展與農(nóng)戶家庭過度負債之間的因果關(guān)系。研究發(fā)現(xiàn)，數(shù)字金融的發(fā)展能夠顯著抑制農(nóng)戶家庭過度負債，這種抑制作用主要是通過縮小數(shù)字鴻溝、緩解信息不對稱的機制渠道來實現(xiàn)的，尤其是對中西部地區(qū)、非貧困縣以及有非正規(guī)信貸需求、風險規(guī)避型態(tài)度的農(nóng)戶家庭而言更加明顯，數(shù)字金融展示出普惠性和包容性的顯著優(yōu)勢。上述發(fā)現(xiàn)在更換關(guān)鍵變量的度量指標和處理內(nèi)生性問題后，結(jié)果都是穩(wěn)健的。這些研究基本證實了新技術(shù)驅(qū)動的金融創(chuàng)新對家庭經(jīng)濟行為具有積極影響的特性。

本文結(jié)論具有重要的政策含義。第一，在深入推進供給側(cè)結(jié)構(gòu)性改革的進程中，去杠桿具有重要的現(xiàn)實意義，要密切關(guān)注家庭杠桿問題，既要合理控制家庭負債的總量，也要嚴防家庭負債的風險，尤其是其過度負債風險。第二，數(shù)字金融服務對抑制農(nóng)戶家庭過度負債具有積極的作用，因此需要繼續(xù)推進數(shù)字金融的發(fā)展，特別是提升其覆蓋廣度和使用深度，以更好地發(fā)揮數(shù)字金融的積極影響。第三，在推進數(shù)字金融發(fā)展的同時，要重點關(guān)注農(nóng)村地區(qū)特殊家庭的數(shù)字鴻溝問題，為此政府要發(fā)揮主導作用，推進金融知識的普及和推廣，完善互聯(lián)網(wǎng)等新技術(shù)設施建設，加快數(shù)字技術(shù)的深層次應用，以使更多農(nóng)戶家庭彌合數(shù)字鴻溝、釋放數(shù)字紅利，讓數(shù)字金融體現(xiàn)出更強的包容性。第四，中國數(shù)字金融的發(fā)展表現(xiàn)出很強的地區(qū)收斂性，中西部地區(qū)數(shù)字金融的發(fā)展與東部沿海地區(qū)差距大幅縮小，但還有一定的追趕空間，因此要進一步加強中西部地區(qū)數(shù)字技術(shù)基礎(chǔ)設施建設，引導數(shù)字金融在中西部地區(qū)發(fā)揮更大的作用，這一點也適用于貧困縣地區(qū)。