數字普惠金融如何影響家庭正規信貸獲得？

楊波 王向楠 鄧偉華

摘要：2016年G20峰會提出了發展數字普惠金融的理念，而數字普惠金融對家庭正規信貸獲得會產生怎樣的影響，特別是對缺乏正規金融服務的“長尾”人群會產生怎樣的影響？本文在理論分析基礎上，基于中國家庭金融調查（CHFS）2013、2015和2017年的數據，結合地區數字普惠金融指數、《中國統計年鑒》和中國家庭追蹤調查（CFPS）的數據，運用Probit面板隨機效應模型進行了實證檢驗。研究發現：數字普惠金融顯著促進了家庭正規信貸獲得，該促進作用主要是通過數字支付渠道來實現的;數字普惠金融的“長尾”特性尤其顯著，主要是提高了農村地區、中西部地區、低收入人群、女性群體獲得正規信貸的可能性。因此，應持續推進數字普惠金融發展，優先加強移動支付技術的宣傳與推廣，更著力改善農村地區、中西部地區數字金融服務欠發達的狀況。

關鍵詞：數字普惠金融;金融服務;正規信貸;移動支付;金融可得性;“長尾”效應

文獻標識碼：A

文章編號：1002-2848-2020（06）-0074-14

金融可得性是影響家庭金融決策或行為的重要因素之一。好的金融環境應當民主化，為所有民眾提供金融服務，增加社會的金融可得性。黨的十九大提出“要建設普惠金融體系，加強對小微企業、三農和偏遠地區的金融服務”。2018和2019年的《政府工作報告》分別提出，“支持金融機構擴展普惠金融業務，提高金融服務覆蓋面、可得性、滿意度”和“完善金融機構內部考核機制，激勵加強普惠金融服務”。2015年以來，國務院分別印發《推行普惠金融發展規劃（2016-2020）》《數字鄉村發展戰略綱要》等文件，明確了發展普惠金融的指導思想、目標任務和政策措施。

普惠金融發展過程中，我國居民家庭的金融可得性在不同區域、不同群體中的不平衡、不充分現象依然嚴峻。《中國“三農”互聯網金融發展報告（2016）》也指出，我國“三農”金融的缺口高達3.05萬億元，金融排斥現象仍然存在。而信貸可得性是普惠金融里最基礎和重要的金融服務，直接影響居民家庭的收入、消費、創業活動等。為此，2016年G20峰會首次提出發展數字普惠金融的理念，將數字普惠金融定義為“一切通過使用數字金融服務以促進普惠金融的行動”，并鼓勵各國制定國家行動計劃，以發揮數字技術帶給金融服務供給的巨大潛力。數字普惠金融可以理解為“數字技術”與“普惠金融”的結合，即通過“數字技術”實現“普惠”的目標，為弱勢群體提供正規、充分的金融服務。伴隨大數據、云計算、人工智能和區塊鏈等技術的發展，數字普惠金融將會在緩解居民家庭信貸約束、提高正規信貸可得性方面有廣闊的空間，從而惠及更多的人群，實現金融民主化。

本文從現實需求和文獻不足出發，致力于探討如下三個問題：一是發展數字普惠金融是否能夠促進家庭正規信貸獲得，二是數字普惠金融通過何種機制促進家庭獲得正規信貸，三是數字普惠金融在促進家庭正規信貸獲得上是否具有決策者期望的“長尾”效應。回答以上問題有助于識別數字普惠金融在擴大金融服務覆蓋面、促進金融業均衡可持續、支持“三農”發展和實現社會公平方面的作用，具有重要理論和實踐意義。

為此，本文匹配了北京大學數字金融研究中心發布的《中國數字普惠金融指數（2011-2018）》中2012、2014、2016年的數據和中國家庭金融調查（CHFS）2013、2015、2017年的數據，運用Probit面板隨機效應模型對數字普惠金融如何影響家庭正規信貸獲得進行實證檢驗，并從更換所用數據庫、更換變量和內生性討論等三個方面進行穩健性檢驗。

與以往的研究相比，本文可能的貢獻在于：（1）檢驗了數字普惠金融對家庭正規信貸獲得的影響，豐富了數字普惠金融的相關研究。現有文獻多集中在研究數字普惠金融對農村減貧和經濟增長、創新和創業、消費等方面的積極作用，鮮有關于數字普惠金融對家庭正規信貸獲得的研究;而在正規信貸獲得方面，當下國內外研究多以農民、農村為對象，研究金融素養、社會資本等個體特征對正規信貸獲得的影響，較少關注數字普惠金融的作用。（2）理清了數字普惠金融對家庭正規信貸獲得的影響路徑，識別了一個地區發展數字普惠金融對家庭正規信貸影響的微觀機制，為數字普惠金融的“普惠”屬性提供了新的證據，為發展普惠金融的國家戰略提供了經驗支持。

后文結構如下：第一部分是文獻綜述與研究假設，第二部分介紹數據、變量和模型，第三部分進行實證研究，第四部分進行穩健性檢驗，第五部分是結論與啟示。

一、文獻綜述與研究假設

（一）數字普惠金融與正規信貸獲得

居民家庭的外在金融環境對家庭正規信貸獲得和金融市場參與有著重要的影響。好的金融環境能夠為家庭提供便捷的金融服務，緩解家庭正規信貸約束，促進家庭參與金融市場。而隨著數字技術的發展，科技與金融耦合衍生出的新型金融形態——數字普惠金融將為家庭創造一個具有包容性的金融環境③。根據《G20數字普惠金融高級原則》，數字普惠金融能夠為窮人、婦女、年輕人和農村地區居民等無法獲得金融服務或缺乏金融服務的群體提供一系列正規金融服務。而正規信貸是正規金融服務的基本和重要的內容。因此，發展數字普惠金融將為廣大民眾提供良好的、可持續的金融服務，提高家庭的正規信貸可得性。

具體而言，數字普惠金融依托大數據、云計算和區塊鏈等新型技術積累大量客戶信息，并且運用這些信息精準地提供金融產品和服務，從而大幅改善了家庭信貸服務的可得性和便利性。同時，數字技術也降低了對物理網點的依賴，具有更強的物理穿透性和低成本優勢，例如數字貨幣拓寬了金融服務覆蓋面、降低了服務成本。因此，數字普惠金融的便捷性和低成本等優勢能夠為家庭創造良好的金融環境，從而提高家庭的正規信貸可得性。基于此，本文提出以下假設：

H1：數字普惠金融對家庭正規信貸獲得具有促進作用。

（二）數字普惠金融促進家庭正規信貸獲得的機制

支付、融資和投資是數字普惠金融的三項突出功能，其中支付功能的使用最為普遍。近年來，我國數字支付的發展帶動了金融需求的大規模增加，這些支付包括以銀聯為代表的金融機構、運營商和新出現的以支付寶為代表的第三方支付機構提供的數字支付業務。數字支付帶動了銀行卡的使用，進而增加了家庭獲得正規信貸的可能性。

具體而言，居民家庭在使用數字支付過程中增加了對銀行卡的使用，為銀行等正規金融機構積累了大量客戶信息，有利于銀行分析和評估客戶的信貸資質條件，從而增加居民家庭的正規信貸可得性。首先，在使用微信、支付寶等應用程序進行移動支付時，消費者往往需要綁定銀行卡，以獲得基礎資金或進行資金的周轉。郭峰等認為，如果第三方支付的賬戶不綁定銀行卡，就只具備小額轉賬功能，這將不利于消費者獲得正規信貸。其次，無論是將銀行卡存款轉至微信、支付寶還是使用銀行卡直接支付，都會產生大量的銀行卡流水等金融信息痕跡（footprints）。這些信息有助于銀行獲得客戶的更多交易信息，并運用數字技術精準地判斷用戶的信用風險狀況，從而使更多家庭獲得正規金融服務。最后，數字支付引致的客戶信息積累還會帶動金融機構有針對性地為家戶提供符合其需求的金融產品或服務，從而進一步增加家庭正規信貸獲得的可能性。此外，數字普惠金融發展也可能會通過網絡借貸與征信業務對正規信貸獲得產生影響。但這兩類業務往往伴隨著數字支付服務的運用，如消費貸的放款、共享交通工具的使用等，需要使用銀行卡轉賬或直接支付，這恰好也驗證了數字支付是一個重要的渠道。綜上，本文提出如下假設：

H2：數字普惠金融主要通過數字支付的方式提高家庭正規信貸獲得的可能性。

（三）數字普惠金融促進家庭正規信貸獲得的“長尾”特性

數字普惠金融對居民家庭正規信貸獲得的促進作用可能會因地而異、因人而異。《G20數字普惠金融高級原則》指出，數字普惠金融主要為農民、婦女、窮人等其他未獲得充分服務的消費者群體提供正規金融服務。這一群體正是被傳統金融排斥的“長尾”人群。因此，相對于強勢群體，數字普惠金融對弱勢群體中的家庭正規信貸獲得的促進作用更強，具有“長尾”特性。

首先，在欠發達地區，數字普惠金融對居民家庭的信貸支持功能會進一步放大。已有研究表明，發達地區的金融服務體系相對完善，欠發達地區的正規借貸約束較為突出，尤其是農村邊遠地區。數字普惠金融能夠借助數字信息技術，打破地理時空的界線，滲透到偏遠和落后地區，在受金融排斥的地區發揮更大的作用，例如改善農民的正規信貸可得性，提高農民的消費水平。其次，數字普惠金融所帶來的信息和資訊價值在欠發達地區會更大，即在相對落后和閉塞的地區，數字普惠金融所提供的緩解信息約束的邊際作用更大。相反，在發達地區，由于正規金融服務相對完善，且信息資訊相對發達，數字普惠金融所提供的邊際優勢沒有那么明顯，對居民家庭正規信貸的促進作用也相對較小。由此，本文提出以下假設：

H3：數字普惠金融在促進家庭獲得正規信貸方面具有“長尾”特性。

二、數據、變量和模型

（一）數據來源

本文匹配與合并了以下數據。（1）西南財經大學與中國人民銀行金融研究所合作的中國家庭金融調查（China Household Finance Survey，CHFS）數據，選取了2013、2015和2017年三輪家庭追蹤調查的樣本。（2）北京大學數字金融研究中心發布的《中國數字普惠金融指數（2011-2018）》。由于CHFS調查的是上一年的樣本家庭情況，所以本文選取了中國數字普惠金融指數數據中2012、2014和2016年的普惠金融總指數、覆蓋廣度指數、數字化程度指數、支付指數來與CHFS數據對應匹配。（3）省級層面控制變量數據來源于2012、2014和2016年的《中國統計年鑒》，數據前置一年，以盡可能降低內生性。

數據處理步驟如下。第一，在中國家庭金融調查數據中，家庭正規信貸獲得涉及農業生產、工商業經營、住房購買、汽車購買、子女教育、醫療和信用卡等七個方面。本文參照孫永苑等的做法識別家庭是否獲得正規信貸。針對以上七個方面，選取問卷中“目前您家是否有尚未還清的銀行/信用社貸款？”，回答“是”記為1，反之為0。第二，對相關控制變量進行清理，包括刪除含缺失值的樣本以及對家庭資產、家庭收入進行首尾1%的縮尾處理，最終得到了28226個家庭的觀測值。第三，將數字普惠金融相關指數、人均GDP、人口密度和城市化率匹配到CHFS微觀家庭數據中。

此外，特別說明以下三點：（1）嚴格意義上，正規信貸還包含小額貸款、互聯網借貸等一系列新興借貸，但相較于傳統金融機構間的正規信貸，小額貸款、互聯網借貸等一系列新興借貸起步較晚且發展規模較小。因此，本文選用傳統金融機構提供的信貸作為因變量。（2）對于農業生產信貸指標的選取。中國家庭金融調查2017年的問卷里沒有單獨詢問居民家庭農業生產信貸來源渠道，為了使三輪調查數據構建的樣本中的指標保持一致，本文第三部分沒有囊括農業生產正規信貸。不過，考慮到農業生產是正規信貸的一個重要方面，后文的穩健性檢驗部分在使用2013和2015年中國家庭金融調查的樣本時將該指標囊括了進來。

根據以上數據，本文繪制了2012、2014、2016年全國不同省、自治區、直轄市的數字普惠金融發展程度和各區域正規信貸獲得的家庭占比的散點圖（見圖1）。可以看出，在數字普惠金融發展水平較高的省份，獲得正規信貸的家庭比例也較高。下文將對二者的關系進行模型設定和回歸檢驗。

（二）變量選取

1.被解釋變量

家庭正規信貸獲得。采用0-1二分類變量度量。針對上文中提及的農業生產、工商業經營等七個方面，詢問家庭是否有正規信貸部門獲得。如果家庭從某一個方面獲得了相應的金融服務就視為獲得了正規信貸，該變量取值1，反之取值0。

2.解釋變量

數字普惠金融。北京大學數字金融研究中心課題組編制的數字普惠金融指數，包括數字普惠金融總指數以及覆蓋廣度、使用深度和數字化程度三個維度。該指數的覆蓋范圍是中國31個省、自治區和直轄市（不包括港澳臺地區）、337個地級以上城市（地區、自治州、盟等）。本文采用各省級層面的數字普惠金融總指數來衡量一個地區數字普惠金融的發展程度。此外，為了探究數字金融通過數字支付和銀行卡等金融信息積累來影響家庭正規信貸獲得這一機制，本文還選取了二級指標中的覆蓋廣度指數、數字化程度指數和三級指標中的支付指數。

3.控制變量

本文借鑒易行健等的研究，選取三個層面的控制變量。第一，戶主特征變量，包括戶主婚姻狀況、戶主性別、戶主年齡、戶主學歷、戶主是否購買醫療保險及戶主的風險偏好①。其中，已婚家庭的經濟實力相對未婚家庭更強，因而所受到的正規信貸約束程度更弱;戶主年齡對家庭正規信貸獲得有負向影響;戶主受教育水平對家庭正規信貸獲得有顯著的正向影響;參與醫療保險可提高家庭的信貸資質及獲得信貸的概率;戶主風險偏好與家庭信貸約束也有聯系。第二，家庭特征變量，包括家庭人數、家庭資產和家庭禮金支出。規模大的家庭通常更具有還債能力，從而更可能獲得信貸支持;資產多的家庭通常抵押物更充足，更容易獲得正規信貸;人情禮節支出體現了人緣、社會地位等信息，對正規信貸獲得也有重要的影響。第三，區域經濟發展變量。本文將家庭所在的省級人均GDP、城鎮化率和人口密度作為區域經濟金融變量的代理變量，區域經濟發展水平會影響家庭金融市場參與，故控制了地區人均GDP;城鎮化率、人口密度能夠反映一個地區的發展狀況差異，故本文也控制了這兩個變量。其中，人均GDP和人口密度取對數值。

（三）描述性統計

各變量的描述性統計結果見表1。從中可見，獲得正規信貸的家庭占比為24.22%，這較中國家庭金融調查中心2011年發布的數字（15.26%）略高，與實際相符。各省份數字普惠金融水平逐年提高，數字普惠金融指數最高的地區是北京，達到了286.37，最低的西藏地區為61.47，各地區存在顯著差異。戶主層面，90%為已婚，男性戶主占比81.6%，平均年齡約為53.15歲，只有8%的戶主是風險偏好型。在家庭層面，家庭平均規模為3.63人，家庭資產平均約為68.5萬元，家庭禮金支出每年約為4610元。

（四）模型設定與識別

本文因變量是涉及微觀家庭正規信貸獲得的0-1型變量，具有二值選擇模型的微觀基礎，故選用二元Probit回歸模型。具體模型如下：

模型識別方面，本文采用面板隨機效應模型。主要原因有：一是固定效應的面板Probit模型估計時往往會產生“伴生參數問題”，導致對系數β₁的估計不一致，所以不能使用固定效應方法來估計;二是從樣本數據看，共計有28226個樣本，且僅有3期，即樣本數據為短面板，采用隨機效應模型能夠一定程度上避免自由度的損失;三是在隨機效應回歸中，LR檢驗強烈拒絕原假設“ρ=0”，故不適合進行混合回歸估計。因此，本文最終選定面板隨機效應模型。此外，為了謹慎處理數字普惠金融的內生性問題，本文借鑒傅秋子等的做法，在回歸時引入時間固定效應。

三、回歸結果分析

（一）數字普惠金融對家庭正規信貸獲得的影響

數字普惠金融對家庭正規信貸獲得影響的回歸結果見表2。結果表明，數字普惠金融對家庭正規信貸獲得的影響顯著為正，說明數字普惠金融提高了家庭正規信貸獲得的可能性，即發展數字普惠金融促進了家庭參與正規金融市場獲得信貸服務。由此，假設H1得到支持。此外，本文也報告了數字普惠金融對家庭正規信貸獲得的邊際效應，結果發現數字普惠金融發展增加100個單位，家庭獲得正規信貸的概率會提高約9個百分點。各省數字普惠金融指數從2011年的平均40.00增加到2018年的平均300.21，數字普惠金融的發展將改善家庭正規信貸獲得狀況，緩解家戶的信貸約束。

從控制變量來看，戶主個體特征變量、家庭特征變量與省級區域控制變量對家庭正規信貸獲得也有顯著影響。在戶主特征層面，首先，戶主年齡對家庭正規信貸獲得的影響為負，即隨著戶主年齡增加，家庭的信貸需求減小。其次，戶主的受教育程度顯著促進了家庭正規信貸獲得，這是因為居民家庭的金融素養與居民的受教育程度呈正相關關系，而較高的金融素養會促進居民家庭偏好通過銀行等正規金融機構借貸。在家庭特征層面，家庭人數、家庭資產與家庭正規信貸獲得呈顯著的正相關關系。此外，家庭禮金支出與家庭正規信貸獲得也呈顯著的正相關關系，因為“關系”增強了家庭獲得正規信貸的能力。

（二）數字普惠金融對家庭正規信貸獲得的影響路徑

數字普惠金融的發展一方面帶動了數字支付的廣泛使用，使得家庭能夠更加高效便捷地獲得正規信貸，另一方面促使大量金融機構開展線上金融業務，從而提升正規信貸獲得的可能性。這又倒逼或者推動了居民使用數字支付。結合假設H2，為了揭示數字普惠金融主要通過居民家庭的數字支付途徑來對家庭正規信貸獲得產生影響，本文首先選取北京大學數字普惠金融指數中的覆蓋廣度指數、數字化程度指數和支付指數進行檢驗，接著進一步根據“使用手機與否”和“使用數字支付與否”進行分樣本回歸檢驗。此外，本文還檢驗了信貸指數和征信業務對家庭正規信貸獲得的影響機理。

數字普惠金融指數中的覆蓋廣度指數、數字化程度指數和支付指數對家庭正規信貸獲得的影響的回歸結果見表3。結果顯示，3個指數的系數均顯著為正，說明數字普惠金融覆蓋越廣、數字化程度越深和移動支付程度越高，越能夠提高家庭獲得正規信貸的可能性。這與當下我國普及普惠金融的理念相一致，為數字普惠金融的發展提供了微觀經驗支持。值得注意的是，在這3個指數中，覆蓋廣度指數的影響最大，其增加100個單位，家庭獲得正規信貸的概率將提高8個百分點。總體而言，這充分表明我國發展數字普惠金融能夠增加居民家庭正規信貸的可得性。具體來看，覆蓋廣度衡量的是支付寶綁卡用戶比例和平均每個支付寶賬號綁定的銀行卡數，其反映了數字普惠金融通過促進居民家庭使用的銀行卡數量來影響其信貸，即在使用銀行卡數量較多的地區，正規金融機構對家庭的金融信息數據掌握更充分，從而更可能給居民家庭提供正規信貸。這充分支持了本文的研究假設H2。

進一步從擁有智能手機和使用手機支付這兩個方面來對假設H2進行檢驗，回歸結果見表4。一是對2015和2017年中國家庭金融調查樣本中使用智能手機的家庭與未使用智能手機的家庭進行分樣本回歸，這是因為移動支付技術需要以智能手機為載體，即相較于未使用智能手機的家庭，數字普惠金融應該對使用智能手機的家庭獲得正規信貸具有顯著的促進作用;二是對2017年中國家庭金融調查樣本中使用數字支付的家庭與未使用數字支付的家庭進行分樣本回歸。

表4第（1）（2）列回歸結果表明，數字普惠金融對使用智能手機的家庭獲得正規信貸的促進作用更為顯著;第（3）（4）列回歸結果表明，數字普惠金融能夠顯著促進使用數字支付的家庭獲得正規信貸。對于使用數字支付的家庭，數字普惠金融的回歸系數在1%的水平上顯著，其提高100個單位，家庭正規信貸獲得的概率提高26個百分點。

但需要注意的是，以家庭是否使用智能手機為標準進行分組可能存在內生性問題，這是因為使用智能手機的家庭相比未使用的家庭擁有更多的資產和收入，也就更可能獲得正規信貸。因此，本文通過在原有控制變量基礎上加入“家庭收入”，并將樣本分為低/高總資產家庭、低/高凈資產家庭、低/高收入家庭進行分組描述性統計和回歸的方法，證實了家庭獲得正規信貸與“是否使用智能手機”有關，而非由于使用智能手機的家庭有更多的家庭總資產、凈資產或者收入。綜上，假設H2成立。

（三）數字普惠金融的“長尾”特性

“長尾”理論認為，考慮到成本和效率因素，傳統正規金融關注重要的客戶，即正態分布曲線所描繪的“頭部和中部”客戶，往往忽略了處于正態分布曲線“尾部”的客戶，即那些需要更多精力和成本才能關注到的大多數客戶。而數字普惠金融具有“普惠”特征，其“成本低、速度快、覆蓋廣”的優勢能更有效地突破時空限制，讓金融機構更好地服務“長尾”人群。那么，數字普惠金融對家庭正規信貸獲得的促進作用是否在“長尾”家庭中更顯著呢？為此，本文考慮了個體、城鄉和區域的差異，分別對家庭總樣本中的女性戶主家庭和男性戶主家庭、低凈資產家庭與高凈資產家庭、低收入家庭與高收入家庭、城鎮家庭與農村家庭、中西部地區家庭與東部地區家庭進行分樣本回歸，結果見表5。

表5第（1）（2）列回歸結果顯示，數字普惠金融對女性戶主家庭正規信貸獲得的作用更強。數字普惠金融提高100個單位，女性戶主家庭獲得正規信貸的概率提高約13個百分點。第（3）（4）列回歸結果顯示，數字普惠金融發展顯著促進了低凈資產家庭的正規信貸獲得，但對高凈資產家庭的促進作用不顯著。第（5）（6）列回歸結果顯示，數字普惠金融顯著提高了低收入家庭的正規信貸獲得，但對高收入家庭的促進作用不顯著。第（7）（8）列回歸結果顯示，數字普惠金融的回歸系數僅在農村地區的樣本中顯著為正，即數字普惠金融促進了農村家庭的正規信貸獲得，緩解農村金融排斥，但對城鎮家庭正規信貸獲得的作用不顯著。第（9）（10）列回歸結果顯示，數字普惠金融顯著促進了中西部地區家庭的正規信貸獲得，但對東部地區家庭正規信貸獲得的促進作用不顯著。綜上，經驗結果支持了數字普惠金融對家庭正規信貸獲得的促進作用在“長尾”家庭中更強。因而，數字普惠金融的發展使得被傳統金融服務排斥的群體也參與其中，具有包容性。

四、穩健性檢驗

（一）基于CFPS數據

除使用中國家庭金融調查數據外，本文還注意到中國家庭追蹤調查（CFPS）問卷中也有家庭正規信貸獲得狀況的變量。因此，本文更換數據庫，使用2014和2016年中國家庭追蹤調查的數據樣本進行穩健性檢驗，作為本文結論的輔助論證。對于被解釋變量，在CFPS中將有來自銀行的住房貸款或“其他貸款”的家庭視為有正規信貸獲得。實證設計與前文一致，回歸結果見表6。

表6第（1）列顯示數字普惠金融對家庭正規信貸獲得的影響，其系數顯著為正，說明數字普惠金融提高了家庭獲得正規信貸的概率。第（2）（3）列分別報告了數字普惠金融覆蓋廣度指數和數字化程度指數對家庭正規信貸獲得影響的回歸結果，結果支持了通過數字支付對家庭正規信貸獲得的影響路徑。第（4）-（11）列分別進行了女性戶主家庭與男性戶主家庭、低凈資產家庭與高凈資產家庭、低支出家庭與高支出家庭、城鎮家庭和農村家庭的分樣本檢驗，結果均支持數字普惠金融對“長尾”家庭正規信貸獲得的促進作用。綜上，前文研究結論得到支持。

（二）變更因變量的定義范圍

受2017年中國家庭金融調查數據的限制，本文第三部分被解釋變量的界定中未考慮家庭農業生產性信貸情況，但2013和2015年CHFS的調查中區分了家庭農業生產性信貸的來源。為進一步檢驗本文的研究結論，選取2013和2015年的樣本家庭，經過清理得到一個由24567個家庭構成的樣本，回歸結果見表7。所選取的戶主、家庭與省級控制變量與表1一致。

按照前文的研究思路，本文首先檢驗數字普惠金融與家庭正規信貸獲得的關系，其次檢驗數字普惠金融影響家庭正規信貸獲得的路徑，最后檢驗數字普惠金融對家庭正規信貸獲得的促進作用是否在“長尾”家庭中更強。

從表7第（1）列結果可知，數字普惠金融對家庭正規信貸獲得的促進作用得到支持，即假設H1成立。第（2）（3）列分別將普惠金融總指數替換成覆蓋廣度指數和支付指數，其系數均顯著為正，即假設H2得到支持。第（4）-（7）列結果表明，數字普惠金融對低凈資產家庭、低收入家庭的正規信貸獲得有顯著的促進作用，但對高凈資產家庭、高收入家庭的作用不顯著。第（8）（9）列結果顯示，數字普惠金融顯著促進了農村家庭正規信貸獲得，但對城鎮家庭正規信貸獲得的促進作用不顯著。第（10）（11）列結果支持數字普惠金融對中西部地區家庭正規信貸獲得的顯著促進作用。由此，數字普惠金融對“長尾”家庭正規信貸獲得的促進作用得到支持，前文的研究結論得到驗證。

（三）內生性討論