互聯網普及如何影響中國家庭債務杠桿率

周 利 柴時軍 周李鑫泉

一、引言

伴隨信息通訊技術(ICT)的迅速發展與普遍應用，互聯網已日益滲透到中國居民經濟生活的各個方面，“互聯網+”逐漸成為引導經濟轉型升級和持續增長的新源泉。依據中國互聯網絡信息中心(CNNIC)發布的《第45次中國互聯網絡發展狀況統計報告》，截至2020年3月，我國網民數量達到9.04億，較2018年底增長7508萬，互聯網普及率達64.5%。而在“三去一降一補”的供給側結構性改革背景下，國內學術界和實務界則普遍認為居民部門可以加杠桿以推動經濟的內生增長。但事實上，近年來居民部門的杠桿率上升較快，家庭部門的債務杠桿率(與GDP之比)已從2007年的0.19增至2019年的0.56(1)數據來自中國人民銀行。，年均增速達9.43%。而迅速攀升的居民杠桿率可能蘊含著較高的風險并誘發一系列的經濟發展問題，是中國未來經濟發展面臨的重要“灰犀牛”問題。那么，互聯網的廣泛普及與快速攀升的家庭債務杠桿間存在何種關聯呢？其是否進一步放大了家庭債務杠桿率？而這些恰是本文的主要研究內容。

一方面，互聯網的信息驅動作用正在并將持續影響中國家庭金融市場，尤其是在消除信息低效與不對稱導致的家庭借貸渠道單一、借貸成本高的問題方面。但另一方面，2019年習近平總書記就全媒體時代和媒體融合發展的第十二次集體學習時提出“要全面提升技術治網能力和水平，規范數據資源利用，防范大數據等新技術帶來的風險”。這說明在推動互聯網技術發展的同時，也需警惕過度使用互聯網可能帶來的風險。那么，在家庭借貸中，互聯網是否也存在“雙刃劍”問題？作為借貸輔助工具，互聯網的使用究竟是“多多益善”還是“過猶不及”？當前我國正處于防范金融風險與深化改革并存的新局勢，家庭的內外部環境風險增加，而針對上述問題的研究將有助于進一步廓清互聯網普及對家庭債務杠桿的作用機制及影響差異，為化解將來可能的債務危機提供思路。

我們發現，互聯網技術的普及和發展顯著改變了傳統金融的服務模式，對金融市場產生了深遠的影響(侯層、李北偉，2020)，并相繼推動了數字金融、移動支付、金融科技等一系列金融創新的發展(滕磊、馬德功，2020)。首先，已有的關于數字金融的微觀研究較多集中在網絡貸款領域(黃益平、黃卓，2018)。如支付寶用戶能夠使用“花唄”進行一定金額的消費透支，第三方支付平臺還可以憑借用戶使用移動支付過程中不斷積累的信用積分，提供微粒貸和螞蟻借唄等小額借貸服務(尹志超等，2019a)。因此，本文的邊際貢獻之一是不僅考察互聯網普及對網絡貸款的可能影響，也包括民間等非正式貸款。其次，就對家庭債務杠桿的研究方面，柴時軍(2020)基于家庭微觀調查數據研究發現移動支付主要通過緩解家庭流動性約束和促進家庭消費而顯著提升了家庭資產債務收入比，但事實上移動支付存在的基礎是移動終端的普及和移動互聯網的發展(謝平、劉海二，2013)。因此，本文的邊際貢獻之二是從互聯網的普及這一數字經濟起源的基礎探討其對家庭債務杠桿的影響，更具有普遍性的現實意義。最后，本文更細致的揭示了互聯網使用對家庭債務杠桿率的作用機制，互聯網的使用除了通過增加金融可得性、促進電子支付這兩種機制而影響家庭債務杠桿率之外，其也會通過信息搜尋效應和社會互動效應而對家庭債務杠桿率產生影響。此外，互聯網使用對家庭債務杠桿率的影響具有顯著的異質性。當前我國家庭部門依然面臨借貸渠道單一、借貸成本過高、信貸約束等問題，而探討互聯網使用對家庭債務杠桿率的影響一方面有助于鼓勵居民家庭積極參與金融市場、調整資源配置、恰當借助正規渠道進行融資；另一方面可增加相關政府部門對互聯網的認識，理解互聯網在經濟運行中發揮的積極作用，并防范由過度負債可能帶來的風險。

二、文獻回顧、理論機制與研究假說

(一)文獻回顧

現有關于家庭債務的研究主要包括兩方面：一是分析家庭借貸的規模、結構以及影響因素(何麗芬等，2012)；二是家庭債務的經濟效應，如對消費的影響(Bacchetta and Gerlach，1997)、對經濟增長的影響(Mian et al.，2015)。而直接探究家庭債務杠桿率適度性的文獻還較為缺乏。雖然與發達國家相比，我國居民部門的杠桿率還不是很高，但近年來其過快的增長速度以及可能蘊含的風險日益引起學術界的關注。適度的負債通過平滑居民消費、促進生產投資有益于家庭福利的提高(Guerrieri and Lorenzoni，2017)，但過高的債務規模則會增加財務壓力、降低居民幸福感(吳衛星等，2018)，甚至引發金融危機、帶來嚴重的經濟衰退(Garriga and Hedlund，2020)。基于此，本文選擇家庭債務杠桿率作為研究對象，以豐富和補充這一領域的研究。

近年來，以信息篩選和處理技術提高為核心的金融技術創新，尤其是互聯網的發展和普及，有效緩解了信息不對稱引致的金融摩擦(Balyuk，2019)，進而提高了家庭金融活動的參與，如家庭融資行為(邱新國、冉光和，2018)。作為一種交易媒介，互聯網可以形成一個線上的金融交易平臺，將傳統的金融產品買賣雙方或者資金的供需方之間連接起來。在這個線上的金融交易市場中，信息能夠在交易雙方之間自由、完全的流動，繼而達到促進交易、增加資產流動性的目的(Economides，1993)。進一步地，互聯網的普及催生了新互聯網金融模式，而在新互聯網金融模式下，由于信息渠道的拓寬，市場上信息不對稱的問題大為緩解，大大降低了金融業的專業化和分工，有利于增強金融業的普惠性，也使得微觀個體能夠更有效地調動資源(Castellacci and Vias-Bardolet，2019；袁方、史清華，2019)。

但另一方面互聯網的普及在推動金融市場不斷發展的同時，也導致金融市場的優點和缺點在互聯網背景之下變得更為突出。如Mishkin and Strahan(1999)發現由于網絡的開放性和共享性，互聯網的使用會加大金融市場的風險。尤為需要注意的是，互聯網中大量良莠不齊的信息可能更容易導致家庭的冒險投資，從而加劇家庭的超常規財務杠桿(丁黎黎等，2019)。而大部分研究并未對互聯網使用后家庭債務杠桿率攀升的風險狀況給予充分的關注，因此本文將主要探討互聯網的普及對家庭債務杠桿率的影響以及內在的作用機制，以期為防控家庭部門風險、維持經濟穩定增長提供一定的借鑒和參考價值。

(二)互聯網普及影響家庭債務杠桿率的理論機制

互聯網的普及推動了電子商務的發展，讓消費者可以方便快捷地在網上購物，進而帶動了電子支付的發展，當前我國的電子支付體系主要包括銀行卡支付、互聯網支付和移動支付(尹志超等，2019b)。電子支付減少了人們攜帶、保管現金的麻煩便利了交易活動，但同時由于其降低了消費者的支付痛苦感而增加了非理性消費。消費者在支付時的疼痛感不僅與支付金額相關，也與其支付方式密切相關(Prelec and Simester，2001)。如Hirschman(1979)基于消費者交易數據研究發現使用信用卡支付的消費者其支出額大于使用現金或支票形式的消費者。對此的解釋可能是銀行卡等新型支付工具降低了支付的透明度，并削弱了消費與付款的聯結，使人們的付款痛苦降到很低，進而導致更多的非計劃購買和負債(Soman，2003)。基于此，我們提出研究假說1：

H1：互聯網的普及將通過促進電子支付而推高家庭債務杠桿率。

近年來，互聯網經濟發展的一個重要標志為金融科技的快速發展，并進而催生了網絡借貸和股權眾籌等新型的互聯網融資形態，其不同于資本市場的直接融資與銀行中介的間接融資，而是依托數字網絡技術進行運營，為個人、小微企業和初創型企業提供了靈活的融資通道(程華、鞠彬，2018)。其中尤以P2P網絡借貸平臺的發展最為迅速，Pope and Sydnor(2011)指出相較于傳統的銀行借貸，由于網絡借貸平臺中的借貸雙方不需要面對面的接觸，反而可以適度減弱美國的種族歧視而更有利于借款人。在我國，實體金融機構在地域之間的分布很不均衡，有限的金融機構數量與嚴苛的貸款審批條件使得投資者可以進行借貸的機會有限，甚至將有些地區的家庭排斥在借貸市場外(周廣肅、梁琪，2018)。而互聯網交易方式的普及則削弱了個體借貸對于銀行等實體金融機構的依賴程度，且伴隨互聯網、大數據技術的不斷發展，用戶通過網絡平臺便可以快捷地實現金融理財、網上貸款等金融服務，在豐富居民部門投融資渠道的同時，也在一定程度上削弱了信息不對稱問題，并降低了交易成本。Heeks and Kanashiro(2009)研究指出低收入群體與偏遠地區的金融排斥現象通過互聯網的使用能夠得到減弱。因此，我們有研究假說2：

H2：互聯網的使用將通過減弱對傳統金融機構的物理依賴、增加金融可及性而促進家庭債務杠桿率的累積。

在移動互聯網日益普及和第五代移動通信(5G)商用不斷擴大、發展的背景下，使用互聯網進行海量信息搜尋已成為潮流趨勢(戚聿東、劉翠花，2020)。事實上，作為信息技術的主要載體，互聯網改變了信息傳播的方式，極大地提高了信息傳播效率并拓寬了信息傳播范圍(周廣肅、樊綱，2018)，即互聯網的使用便利了家庭對借貸信息的獲取和借貸機會的識別。具體而言，較高的信息獲取成本往往出現在互聯網普及率較低的地區，這些地區的家庭往往難以獲得完整的借貸渠道信息，借款人通常僅是依靠線下互動交流而獲取信息(周銘山等，2011)；而通過互聯網，家庭可以更加快捷地獲取各類借貸渠道的信息，在較大程度上降低了信息搜尋成本，進而可以幫助居民部門準確識別借貸機會以提高借貸可得性及借貸額。基于此，我們提出研究假說3：

H3：互聯網使用通過信息搜尋效應便利家庭借貸進而導致家庭債務杠桿率的增加。

最后，互聯網作為信息社會必不可缺的社會互動媒介，壓縮了時空距離的限制，可讓人們跨越時間、空間的限制而對外互動，降低溝通成本并由此提高了居民家庭社會網絡的強度和范圍。具體表現在：首先，作為一種打破物理距離的通信手段，互聯網能即時通訊，可以實現“天涯若比鄰”，增強社會互動和聯系(張京京、劉同山，2020)。其次，互聯網具有匿名性，有助于克服社會交往障礙，讓人們很方便地找到與之相似或互相認同的群體，進而有助于信息的共享，即互聯網技術的運用有利于拓寬社會網絡的空間范圍。進一步地，更高頻次的社會網絡互動有利于家庭參與金融市場并獲得借貸資金(林建浩等，2016)。最后，通過交流獲取信息形成的內生互動機制促進了居民間的觀察性學習，且能在與同伴交流類似金融話題的過程中獲得愉悅(郭士祺、梁平漢，2014)。為此，我們有研究假說4：

H4：互聯網使用通過增強社會互動便利了家庭借貸決策進而帶來了債務杠桿率的上升。

三、 數據與變量

本文的數據源于西南財經大學在2017年度的中國家庭金融調查(China Household Finance Survey，CHFS)。2017年CHFS 樣本覆蓋了全國29個省、355個縣(區、縣級市)、1428個社區(村)，是囊括40011戶家庭的大型微觀數據，主要包括居民部門的資產負債、收入支出、保險保障、家庭人口特征及就業等信息，為本文由微觀視角探討互聯網使用對家庭債務杠桿率的作用提供了重要的數據支持。本文主要探討的是互聯網使用對家庭債務杠桿率的影響，如下是對互聯網使用、家庭債務杠桿率和其他控制變量的選取和度量進行的說明。

被解釋變量：家庭債務杠桿率。本文首先選用債務收入比進行測度(Kim et al.，2016)，其可以反映家庭的債務償還能力，并是從微觀的家庭角度評價一個經濟體金融安全的重要指標。此外，我們也構建債務資產比(Becker and Shabani，2010)作為債務杠桿率的代理變量。家庭債務余額是指包括生產經營、住房、汽車、金融資產、教育以及其他負債的未償金額。

關注解釋變量：是否使用互聯網。構造家庭是否使用互聯網的虛擬變量，選用CHFS問卷中“您使用過互聯網嗎？(若受訪者上過網或會使用一些app等，認為其使用過互聯網。)”進行度量，將選擇“是”的賦值為1，將選擇“否”的賦值為0。

控制變量：參照以往文獻，本文控制如下家庭人口特征變量，戶主特征變量(戶主年齡、年齡平方/100、受教育程度、是否為男性、是否已婚、戶口性質、健康狀況、是否使用手機)、家庭特征變量(家庭總收入、家庭凈資產、是否持有自住房產、家庭規模、老人數量和孩子數量)。此外，在回歸中均控制了省級虛擬變量，以此降低由各省文化傳統、風俗習慣不同等因素所帶來的遺漏變量問題。

在數據處理中，我們剔除了戶主信息缺失的樣本，并選擇戶主年齡在18歲以上的家庭，以此來盡可能地規避異常值對本文研究結果的影響，最后所得的有效樣本為32293戶，其中有負債家庭占比為34.18%。表1詳細給出了主要變量的描述性統計。此外，本文繪制了是否使用互聯網的家庭債務余額分組結果圖(2)限于篇幅，此圖未給出，備索。，并發現，相較于不使用互聯網的家庭而言，使用互聯網的家庭，其債務規模顯著更高。這側面說明了，互聯網的使用確實可以顯著促進家庭借貸乃至于債務杠桿率，但具體作用程度如何？借助何種影響機制進行傳導？仍需借助后續的實證分析進行詳細驗證。

表1 主要變量的描述性統計

四、實證分析

(一)基準回歸

本部分將依次選擇債務收入比、債務資產比來作為債務杠桿率的衡量指標，關于債務收入比、債務資產比，考慮到有超過一半的樣本家庭中家庭負債金額為0，存在明顯的數據刪失，傳統OLS估計可能導致回歸結果出現較大誤差，因此我們將運用Tobit模型來進行估計，基準回歸方程設定如下：

Leveragei=β0+β1Internet_dumi+β2Xi+ui

(1)

其中，Leveragei表示第i個家庭的債務杠桿率，Internet_dumi表示是否使用互聯網，Xi表示控制變量，ui則為殘差項。

表2報告了互聯網使用對家庭債務杠桿率的基準回歸結果。表2中的第1列和第2列顯示，互聯網使用的邊際效應為0.167，在1%的水平上統計顯著。這表明使用互聯網的家庭確實會帶來家庭債務杠桿的攀升。在穩健性方面，如表2中第3列顯示，當被解釋變量替換為債務資產比后，互聯網使用的邊際效應依然顯著，體現了模型的穩健性。

控制變量中，個體的受教育水平、年齡與健康狀況等人力資本因素也是影響家庭債務風險的重要因素。表2的結果顯示，年齡與家庭債務收入比間存在顯著的倒U型關系，即家庭的債務杠桿率呈現明顯的生命周期效應，戶主接受的教育年限越長，家庭的債務收入比反而越高。這可能是因為當戶主受教育程度越高，其相應的學習能力和風險識別能力也會越強，因此也就更能負擔較高規模的債務(吳衛星等，2018)。而戶主身體健康狀況越差，家庭借貸的可能性越高進而導致債務收入比的上升。在家庭特征變量方面，家庭債務收入比與家庭規模正相關；而家庭凈資產、家庭收入與家庭債務收入比則是顯著負相關，這說明物質資本越充裕的家庭對借貸資金的需求較小，進而導致其債務收入比較低。

表2 互聯網使用與家庭債務杠桿率：基于Tobit和Probit模型的回歸

伴隨互聯網技術與金融模式的相融合，各類互聯網理財產品迅速發展，與之相伴的便是日益暴露的風險。因此，借鑒尹志超、仇化(2019)的做法，根據家庭是否持有互聯網理財產品作為家庭是否使用互聯網的代理變量。在CHFS中相應的問題為：“目前您家購買的互聯網理財產品余額是多少？”我們將持有互聯網理財產品余額大于0的家庭視為使用互聯網，賦值為1；否則，賦值為0。如表3中的第1列所示，持有互聯網理財產品的家庭，其債務杠桿率更高。此外，我們利用分位數回歸考察了互聯網使用對家庭債務收入比分布的影響，表3中第2-4列的結果顯示，隨著家庭債務杠桿的上升，互聯網對其的偏效應逐漸增大，即互聯網的債務杠桿率效應隨著債務規模的攀升而增大。

表3 互聯網使用與家庭債務杠桿率：替換核心解釋變量和分位數回歸

此外，為驗證基準回歸結果的穩健性，本文還依次控制了個體的金融素養(吳衛星等，2018)、城市房價與風險態度，其中關于金融素養的度量，本文參照尹志超等(2014)的衡量方法，采用因子分析法構造出金融知識變量以反映個體的金融素養。表4報告了依次控制這三個變量與同時加入這三個控制變量后的回歸結果，結果顯示互聯網使用與家庭債務杠桿率之間依然是顯著正向關系，上述基準回歸是穩健的。

表4 互聯網使用與家庭債務杠桿率：加入更多的控制變量

(二)內生性檢驗

在解釋互聯網使用對家庭債務杠桿率的影響時必須謹慎。一方面，家庭可能通過之前的借貸活動已經提高了自身對互聯網使用的理解，認識到互聯網使用在借貸中的便利性，這種反向因果會高估互聯網使用的影響；另一方面，不可忽視居民部門對借貸融資的認知偏差和借貸資金使用中的行為偏差對家庭債務杠桿率的影響(王冀寧、趙順龍，2007)，而實際中難以準確測量家庭的認知偏差和行為偏差，由此產生遺漏變量帶來的估計偏誤。

為緩解互聯網使用可能存在的內生性問題，本文首先選擇工具變量進行回歸。黃群慧等(2019)指出歷史上固定電話普及率高以及郵局數量多的地區，也極有可能是現在互聯網普及率高的地區，即滿足了工具變量的相關性與外生性的要求，基于此，本文選取歷史上各個城市1999年每萬人固定電話數量和每萬人郵局數量作為互聯網使用的工具變量(3)數據來自中國城市統計年鑒。。表5中第1-2列給出了使用兩階段回歸重新對基準模型的估計結果，其中第一階段F值為98.7，遠大于10的經驗值，即拒絕了弱工具變量的假設；同時Hansen J的p值為0.4542，說明不存在過度識別問題，這表明選擇每萬人固定電話數量和每萬人郵局數量作為工具變量是可行的，并且模型中核心解釋變量的系數估計結果與表2基本一致。另外，我們也利用Lewbel(2012)的方法，構造一個同時滿足外生性和相關性要求的工具變量(回歸結果見表5中的第3列)，結論依然保持不變，且其中Cragg-Donald Wald F統計值為461.82，拒絕了弱工具變量的假設；Hansen J 的p值為0.2249，說明不存在過度識別問題，即選擇的Lewbel工具變量也具有較強的解釋力。

此外，考慮到不同的借貸平臺對互聯網使用技術有特定的要求，這意味著個體會根據對互聯網的了解和熟練程度主動尋求適合自己的借貸渠道和借貸金額，相應的借貸平臺也會根據自身平臺的優勢主動尋求滿足其條件的個體，由此帶來自選擇問題。基于此，本文擬采用處理效應模型和傾向得分匹配來緩解潛在的內生性問題。處理效應模型的估計原理可以類比于兩階段工具變量法，但當內生變量為虛擬變量時處理效應的估計效果更好(Maddala，1986)。表5中第4列報告了處理效應模型的估計結果，與前文結論保持一致。

表5 互聯網使用與家庭債務杠桿率：工具變量回歸

傾向得分匹配法是一種依據可觀測數據識別變量間因果關系并能夠有效降低自選擇偏差的數據處理方法。此處選取的控制變量與基準回歸模型中的一致，結果發現(4)限于篇幅，回歸結果未給出，備索。，無論采用何種匹配方法，其估計結果都較為穩健，平均處理效應穩定在0.981。T檢驗的結果顯示傾向得分匹配在5%的水平上顯著，這與基準回歸中互聯網的邊際系數符號一致，均顯著正向影響家庭債務收入比，即互聯網的使用推高了家庭債務杠桿率，再次表明本文的結果是穩健可靠的。

(三)機制檢驗

當前我國的電子支付體系主要包括銀行卡支付、互聯網支付和移動支付(尹志超等，2019b)。一方面，電子支付減少了人們攜帶、保管現金的麻煩便利了交易活動；但另一方面，電子支付拉大了消費與付款的時間間隔，降低了消費者的支付痛苦感而促進了個體的非理性購買與負債。而電子支付的應用與推廣離不開互聯網技術的發展。基于此，借鑒尹志超、張號棟(2018)的做法，構造一個是否使用電子支付的變量。CHFS問卷中詢問受訪者“您和您家人在購物時(包括網購)，一般會使用下列哪些支付方式？”①現金②刷卡(包括銀行卡、信用卡等)③通過電腦支付(包括網銀、支付寶等等)④通過手機、pad等移動終端支付(包括支付寶APP、微信支付、手機銀行、Apple pay等)⑤其他(請注明)。我們將選擇“刷卡、通過電腦支付、通過手機、ipad等移動終端支付(包括支付寶APP、微信支付、手機銀行、Apple pay等)”識別為使用電子支付的家庭，賦值為1，否則為0。表6中的第1-3列給出了相應的回歸結果，結果發現，互聯網的使用提高了家庭使用電子支付的概率，說明使用互聯網的家庭更樂于使用電子支付，進而最終帶來了家庭債務杠桿率的上升。

表6 互聯網使用與家庭債務杠桿率：電子支付和金融可及性機制的檢驗

移動支付、人工智能、搜索引擎和云計算等以互聯網為代表的現代信息科技極大地改變了人們的金融模式。日益完善的網絡環境促進了傳統金融行業與信息化技術相結合，使得用戶能夠通過網絡平臺來獲取金融理財、保險保障以及網上貸款等金融產品和服務，在豐富居民部門投融資渠道的同時，也降低了交易成本、緩解了信息不對稱問題。Heeks and Kanashiro(2009)研究指出低收入群體與偏遠地區的金融排斥可以通過互聯網的使用得以緩解，即互聯網的使用將通過減少對傳統金融機構的物理依賴、增加金融可及性而促進家庭借貸與債務杠桿率的累積。為了反映金融可及性，我們以家庭距離實體金融網點(5)實體金融網點包括銀行/農村信用合作社網點柜臺、自助銀行或自助服務終端、金融服務網點。的距離來反映(尹志超、張號棟，2018)，離實體金融網點距離越遠，說明傳統金融越不可得，金融可及性越差。表6中第4-6列給出了金融可得性的檢驗機制。結果發現，互聯網的使用會顯著削弱對實體金融網點的物理依賴，并通過線上金融可及性的增加而最終放大了家庭債務杠桿率。此外，為了更好地驗證金融可及性這一機制，我們也借鑒丁忠民等(2017)的做法，構造家庭層面的人均持有銀行卡數作為金融可及性的衡量指標，回歸結果顯示(6)限于篇幅，回歸結果未給出，備索。，互聯網的使用顯著提高了人均持有銀行卡數，而人均銀行卡數又對家庭債務杠桿率有顯著的正向影響，即再次支持了金融可及性這一影響機制。

同時，互聯網的使用有利于家庭更便捷地獲取融資信息和融資機會，具體地，較高的信息獲取成本往往出現在互聯網普及率較低的地區，這些地區的家庭通常難以獲得完整的融資渠道信息，此時借款人僅僅依靠線下互動獲得的信息進行借貸決策(周銘山等，2011)；而互聯網的使用則可以大大降低居民部門信息搜尋的成本，使得家庭更易獲取各種借貸渠道，進而可以準確捕獲融資機會以提高借貸可得性與借貸額。即互聯網使用通過信息搜尋效應便利了家庭融資。為驗證信息搜尋機制，我們首先選擇CHFS問卷中平時關注經濟、金融方面信息的受訪者(7)CHFS問卷中“您平時對經濟、金融方面的信息關注程度如何？(僅詢問新受訪戶)①非常關注②很關注③一般④很少關注⑤從不關注”，如果受訪者選擇①、②、③，我們識別為關注經濟金融方面的信息。，然后對這些受訪者進一步詢問其關注財經類新聞的渠道。將選擇通過財經類APP，互聯網或手機等網頁瀏覽這兩種渠道獲取信息的個體識別為利用互聯網進行信息搜尋者。回歸結果見表7中第1-3列。此外，我們也構造了受訪者上網是否用于了解資訊這一變量以反映信息搜尋效應，回歸結果見表7中的第4列。結果顯示，互聯網的使用確實便利了個體的信息搜尋，并帶來家庭債務杠桿率的攀升。這也側面說明了互聯網作為信息技術的主要載體，極大地提高了信息傳播效率并拓寬了信息傳播范圍。

表7 互聯網使用與家庭債務收入比：信息搜尋和社會互動機制

另外，中國互聯網的快速發展使得即時通信、QQ、微信、微博等各類社交網絡的運用迅速普及，其通過信息傳播與人際互動突破了地理與時間限制，并由此提高了居民家庭社會互動的強度和范圍。第一，互聯網便利了地理距離較遠的親朋好友間的及時溝通和交流，使得社交互動更加頻繁，增強了居民部門的社會網絡。第二，互聯網技術有利于延展社會網絡空間。已有學者認為，更高的社會網絡互動有利于鼓勵家庭參與金融市場并獲得融資(林建浩等，2016)。此外，成功的借貸經驗信息還將借助社會網絡迅速在親朋間傳播，通過觀察性學習和效仿，這一信息擴散效應可以幫助借款人克服金融市場參與的心理成本(郭士祺、梁平漢，2014)。即互聯網使用通過社會互動便利了家庭借貸決策并進而帶來債務杠桿率的累積。為驗證社會互動這一機制，我們選擇家庭的禮金支出以衡量家庭的社會互動強度，回歸結果見表7中的第5-7列。結果顯示，使用互聯網的家庭送出禮金高出12.3%，即互聯網的使用行為增強了家庭的社會互動，并進而帶來家庭債務杠桿率的增加。

(四)異質性檢驗

為了剔除家庭所在省份網絡發展環境對互聯網使用影響家庭債務杠桿率的干擾，根據《第41次中國互聯網絡發展狀況統計報告》，我們選擇2017年各個省份域名數占總域名個數的比例來反映各個省份的網絡發展環境，以高于中位數的視為網絡發展程度高的省份，反之為網絡發展程度低的省份。表8中第1-2列的分組檢驗結果顯示，對于網絡發展程度較低的省份，互聯網使用依然能顯著促進家庭債務杠桿率，排除了所在外部網絡環境的干擾，基準結果是穩健和可靠的(8)關于網絡環境基于sutest的系數分組檢驗系數顯示，卡方值為0.53，相應的p值為0.4660。這說明，表8中的第1、2列的系數并無顯著差異，說明了各個省份的網絡發展環境并不是互聯網推動家庭債務杠桿率上升的誘因，基準回歸結果是穩健的。。進一步地，吳衛星等(2018)研究發現越偏好風險的個體越傾向于過度負債，那么，本文所得的互聯網使用提高家庭債務杠桿率的結論是否是因為這部分群體恰好偏好風險，而不是源于互聯網的作用呢？基于此，本文依據受訪者的風險態度進行分組回歸。關于風險態度的衡量，我們選用CHFS問卷中針對受訪者的風險態度測試，“如果您有一筆資金用于投資，您最愿意選擇哪種投資項目？①高風險、高回報的項目②略高風險、略高回報的項目③平均風險、平均回報的項目④略低風險、略低回報的項目⑤不愿意承擔任何風險⑥不知道”。我們將選擇1和2的家庭視為風險偏好，選擇3的家庭為風險中性，選擇4和5的家庭視為風險厭惡。表8中的第3-4列的結果顯示，對于風險厭惡或風險中性的群體而言，互聯網使用依然能顯著促進家庭債務杠桿率，并在統計顯著性上優于風險偏好組，可以部分排除風險偏好的影響(9)關于風險態度基于sutest的系數分組檢驗系數顯示，卡方值為1.23，相應的p值為0.2667。這說明，表8中的第3、4列的系數并無顯著差異，說明了投資者的風險態度也不是互聯網推動家庭債務杠桿率上升的誘因，基準回歸結果是穩健的。。

表8 互聯網使用與家庭債務杠桿率：省份網絡發展與風險態度差異

前文已經驗證互聯網的普及可以通過增加金融可及性而帶來家庭債務杠桿率的累積，那么對于信貸約束不同的家庭，這一作用會發生何種變化呢？可以預見，如果家庭是受信貸約束的，那么互聯網對其的作用將更強(宋全云等，2017)。進一步地可以將信貸約束分為兩類：一是需求型信貸約束，較高的信貸交易成本使借款者自動放棄借款(Jappelli，1990)。二是供給型信貸約束，金融機構嚴格的信貸條件造成貸款申請者被拒而產生供給型信貸約束(Stiglitz and Weiss，1981)。參照尹志超、張號棟(2018)的做法，我們將“需要但沒有申請、或者申請被拒絕”的家庭視為受信貸約束，并將“需要但沒有申請”和“申請被拒絕”分別識別為需求型信貸約束和供給型信貸約束。結果顯示(10)限于篇幅，回歸結果未給出，備索。，互聯網的使用顯著降低了需求型信貸約束，并進而帶來這部分家庭的債務杠桿率的增加。在互聯網的發展中，支付寶作為第三方支付平臺，有效解決了信用中介擔保問題(李繼尊，2015)，可以利用網上積累的交易數據發放小額信貸，并開發出余額寶等理財工具，滿足了客戶的多種金融需求(謝平等，2015)。可以看出，互聯網技術與金融服務的結合可以在不同的環節降低信息不對稱，有效地解決借貸中的信用、抵押品問題，進而緩解家庭信貸約束程度。

盡管互聯網對于家庭債務杠桿率產生了顯著的放大效應，但是由于不同家庭本身的特征以及投資習慣不同，可能會產生不同的影響效果，因此表9根據收入與城鄉狀況將樣本家庭進行了分組，以此考察互聯網債務杠桿效應的異質性差異。依據城鄉差異分為城鎮家庭與農村家庭(11)關于城鄉基于sutest的系數分組檢驗系數顯示，卡方值為3.89，相應的p值為0.0486，即可以在5%的統計顯著水平上認為互聯網使用將顯著推高城鎮家庭的債務杠桿率，對城鎮家庭的作用程度更大。，依據收入水平劃分為低收入與高收入，其中，低收入為收入低于均值的家庭，高收入為收入高于均值的家庭(12)關于收入水平基于sutest的系數分組檢驗系數顯示，卡方值為6.50，相應的p值為0.0108，即可以在5%的統計顯著水平上認為互聯網使用將顯著推高低收入家庭的債務杠桿率，對低收入家庭的作用程度更大。。表9的結果顯示，互聯網使用的債務杠桿效應對于低收入、城鎮低收入群體的影響程度更大。這說明，互聯網的普及確實惠及了低收入等弱勢群體，但同時這部分群體對于互聯網的大量信息更加難以準確且有效判斷，也更易帶來債務杠桿率與債務風險的增加，也更需相關政府部門予以關注。

表9 互聯網使用與家庭債務杠桿率：家庭經濟狀況與城鄉差異

此外，為進一步考察互聯網使用究竟對哪類群體的債務杠桿率影響更為密切，表10給出了基于年齡與受教育程度分類的回歸結果。表10中的第1-3列顯示，隨著戶主年齡的逐漸增加，互聯網的債務杠桿率效應逐漸凸顯，即較多的中年群體與老年群體更傾向于借貸(13)關于表10中第2列與第3列年齡基于sutest的系數分組檢驗系數顯示，卡方值為0.13，相應的p值為0.7151，這說明互聯網的債務杠桿效應對于中年群體、老年群體的效應無差異，即互聯網的使用均能顯著帶來這兩個年齡群體債務杠桿率的顯著上升。。而表10中的第4-5列則表明，受教育程度較低的戶主由于缺乏必要的防范金融風險的專業知識而更易帶來債務杠桿率的上升；反而高教育程度的戶主由于具有豐富的金融專業知識更了解家庭借貸流程以及風險控制，因而互聯網對債務杠桿率的影響程度反而不顯著。這也說明，提高受教育程度、增大人力資本投資更有益于互聯網快速發展背景下家庭部門維持一個合理的債務杠桿率。

表10 互聯網使用與家庭債務杠桿率：年齡與受教育程度差異

五、進一步的討論

(一)互聯網使用與家庭借貸用途

互聯網融入日常生活在影響家庭債務杠桿率的同時，是否會對不同的借貸渠道與不同用途的借貸產生差異性影響呢？借鑒《中國居民杠桿率和家庭消費信貸問題研究報告》的做法，我們將家庭債務根據借貸的用途劃分為經營貸、房貸、車貸、教育貸、醫療貸和信用卡貸；根據借貸方式的不同細分為正規與非正規借貸，其中將銀行借款歸入正規借貸，而將向親朋借款和民間借貸歸入非正規借貸。同時為了和基準回歸模型保持一致，我們也對各債務類別均除以家庭可支配收入，得到各類債務收入比。表11中的第1-6列的估計結果顯示，除了醫療貸，互聯網的使用均顯著促進了經營貸、房貸、車貸、教育貸和信用卡貸。這可能是因為醫療支出水平高的居民家庭有更強的儲蓄動機，并不傾向于通過借貸(祝偉、夏瑜擎，2018)。表11中的第7-8列的結果顯示，互聯網的使用主要顯著提高非正規借貸杠桿率。對此的解釋可能是，非正規金融部門由于借貸門檻低、審核手續簡便快捷而更易被個體所利用，由此帶來非正規借貸債務杠桿的上升更多。

表11 互聯網使用與家庭債務杠桿率：基于借貸的細分(Tobit模型)

(二)互聯網使用與家庭債務杠桿率的非線性關系

盡管上述的結論顯示互聯網的使用會帶來家庭債務杠桿率的累積，但這種影響有可能是非線性的。而考慮到互聯網使用是虛擬變量，因此我們使用持有互聯網理財產品的金額這一連續變量來反映家庭對互聯網的使用，并在模型中引入該變量的二次型以考察互聯網使用對家庭債務杠桿率的非線性關系。表12中的第7列顯示，互聯網理財產品額與家庭債務杠桿率間存在明顯的U型曲線，即互聯網的使用在早期僅是表現為家庭債務金額的增加、債務杠桿率的下降，但當對互聯網的使用達到一定程度后，便會帶來家庭債務杠桿率的迅速上升。這一方面說明互聯網的使用門檻低，操作便捷，因而吸引了大量的投資者；但另一方面，互聯網作為一把雙刃劍，其在促進家庭借貸行為的同時也推高了家庭債務杠桿率，帶來了更大的風險敞口，尤其是近年來不斷涌現的互聯網金融產品。

表12 互聯網使用與家庭債務杠桿率：金融知識和非線性關系

當前互聯網金融市場風險事件頻發，而借助互聯網金融平臺借貸的參與者多是普通家庭和個體，風險承受能力相對較弱，因此如何有效保護這類群體，并將風險降到最低是當前學者們與相關政府部門需要重點關注和解決的問題。而普及投資者金融教育、提高金融素養或許是控制此類互聯網金融風險的有效途徑之一。吳衛星等(2018)指出金融素養高的家庭更偏好正規借貸渠道，越不可能過度負債，對此，Lusardi and Tufano(2015)以美國家庭為研究對象的分析也得到了類似的結論。借鑒尹志超等(2014)的做法，我們利用因子分析法也從利率計算、通貨膨脹理解與投資風險理解的三類問題構建了受訪者的金融知識水平。KMO檢驗值為0.6表明樣本適合做因子分析，最后構造一個綜合因子，即為金融知識，將高于金融知識均值的識別為高金融知識組，低于金融知識均值的識別為低金融知識組；將高于債務收入比均值的識別為高債務杠桿率組，低于債務收入比均值的識別為低債務杠桿率組。表12中的第1-6列給出了相應的估計結果。結果顯示，金融知識較低的家庭越傾向于借貸，但如果家庭本身的債務杠桿率較低時，高金融知識組的家庭反而會促使家庭進行借貸；而當家庭本身的債務杠桿率較高時，高金融知識的家庭并不會再進行家庭借貸。這說明，金融知識水平越高的家庭，在管理和配置資金時更具有正確判斷、明智決策的能力，能更好地知道自己的負債頭寸，了解相應的償債成本，并能正確計算利息(劉波等，2020)，進而可以有效地遏制過度負債與較好地控制債務風險。

六、結論與政策建議

互聯網技術的發展和普及不僅推動著中國經濟發展，迫使傳統金融進行變革，更深刻影響著千千萬萬中國居民的生活，進而得到了普遍的關注。基于2017年中國家庭金融調查數據，本文深入探討了互聯網使用對中國家庭債務杠桿率的影響。實證結果表明，互聯網的使用將顯著推高家庭債務杠桿率。在采用工具變量回歸、處理效應模型和傾向得分匹配緩解內生性問題后，估計結果仍支持基準結論。對于收入和戶籍狀況的個體，互聯網對其的債務風險存在差異。影響機制的分析顯示，互聯網的使用將通過促進電子支付、增加金融可及性、便利信息搜尋和提高社會互動而帶來債務杠桿率的增加。進一步研究發現，互聯網的債務杠桿率效應主要反映在除醫療貸的其他債務類別與非正規借貸上，并具有顯著的非線性特征，且普及金融知識教育、提高金融素養可能是降低家庭債務杠桿率與債務風險的有效手段之一。基于此，本文給出如下政策建議：

第一，建立消費者保護制度。可以發現，互聯網的普及反而更易帶來低收入與城鎮低收入群體債務風險的累積，而這部分群體的風險承受能力和損失承擔力往往更弱。因此各級政府部門應完善相關消費者保護機制，重點關注對這部分群體的保護。

第二，防范互聯網金融市場的風險。互聯網的普及會顯著推高家庭債務杠桿率。在互聯網與金融模式相互融合發展的過程中，應認真嚴肅處理非法集資產品問題，防止部分非法分子借助不合規的“互聯網金融”、“P2P貸款”等互聯網金融產品損害個體投資者的權益。因此，相關部門應積極建立對互聯網金融市場風險的控制，增加信息披露，及時發現并處理風險，健全相關防范風險規章制度。

第三，增加投資者的金融知識培訓，提高金融素養。金融素養低的家庭缺乏對金融投資中風險的防范，且難以有效識別風險。因此，需要增加相關的金融知識培訓，提高投資者的風險管理能力，使其可以更為理性、正確的決策。