數字金融對疫情期間居民消費的影響

張燁瑜 王彥臻 賈龍 田夏

摘要：本課題以湖北省武漢市為研究對象，采用實地訪談和問卷調查的方法，著眼于當前疫情之下居民生活消費無法得到充分滿足的現狀。基于調研數據，采用面板數據線性回歸模型，比較疫情前后數字金融對居民消費總量、結構進行的改變，分析得出數字金融對居民消費的總量、結構的影響。最后，從政府、消費者、數字金融機構三個角度出發，結合武漢市政府的優秀做法和經驗，就疫情期間數字金融如何更好作用居民消費提出自己的思考和政策建議。

關鍵詞：數字金融;疫情期間居民消費

一、引言

2020年初，全國因新冠肺炎的爆發而采取嚴格的限制人員流動的防疫措施，在這種嚴格的措施的管控下，全國消費市場遭到了極大的沖擊，但是由于中國數字金融產業的發展，為中國在疫情期間受到抑制的消費需求提供了更大的緩沖，也拓寬了居民的消費渠道。春節期間交易數據顯示，網聯平臺處理資金類網絡支付交易49.19億筆、金額27307.11億元，分別同比去年春節假期上漲11.25%、5.76%;銀聯網絡轉接交易筆數13.8億筆，同比上漲13.21%;轉接交易金額13184.55億元，同比上漲13.3%。由此可見，疫情雖然控制住了人們外出的步伐，但是抑制不住人們消費的需求。

目前中國的數字金融發展在全球也處于領先的地位，中國數字金融領先體現在移動支付較高的滲透率。目前中國移動支付整體滲透率超過60%，而同期美國不到10%。對中國用戶而言，移動支付已經無處不在。所以研究數字金融的發展對我國擴大內需，消費升級有重大意義，在疫情防控期間，居民的移動范圍受到的限制，如果沒有數字金融的發展，可能會極大的削弱潛在的消費需求，而在我國數字金融基礎設施建設較為完備，體系較為完整的情況下，人們即使足不出戶，也可以基本像平常的生活一樣，滿足各種消費需求，所以在這種情況下，研究數字金融對疫情期間居民消費的影響對我國下一步數字金融發展以及如何利用數字金融提升消費也具有很重要的作用。

余文安排如下：第二部分為國內外研究現狀研究的文獻綜述。第三部分為數據與模型的構建，以疫情期間武漢市居民為樣本，根據網絡調研得到的數據，從年齡，學歷，收入等幾個維度劃分，構建模型。第四部分為結果與實證分析，對相關指標進行宏觀與具體的回歸分析，對比數字金融對武漢市居民疫情前后消費的影響。第五部分為本文的結論與政策建議，針對數字金融對武漢市的建設和發展提出建議，并探討如何使數字金融的發展助力當下我國經濟的轉型和消費的升級的。

二、文獻綜述

（一）國內研究現狀

丁日佳（2019）通過利用省際面板數據，借鑒工具變量法和中介效應模型研究數字普惠金融對我國服務業發展的影響與作用機制，進而得出數字普惠金融可以通過提高居民消費水平來促進服務業發展的結論。謝家智（2020）指出數字金融方便快捷、交易成本低、普惠可得，緩解了家庭信貸約束，進而激勵了家庭消費。劉世鵬（2019）從發展普惠金融促進居民消費的視角出發，提出了加強數字普惠金融基礎設施建設、完善數字普惠金融產品與服務體系、提高居民數字普惠金融認知度與接受度的三點建議。

關于數字金融影響居民消費的相關問題，國內相關文獻有限。多數學者的研究僅涉及了金融發展可以顯著促進居民消費增加。從數字金融角度分析居民消費的研究并不多見。

（二）國外研究現狀

SONG Quanyun（2020）提出了數字金融更有利于包容性發展的猜想，并指出金融服務和數字金融的可獲得性都大大促進了家庭消費。Jie Li（2019）研究數字包容性金融對家庭消費的影響并探討其機制，指出數字包容性金融可以促進家庭消費，并通過進一步分析得出數字金融影響家庭消費的主要中介變量，比如在線購物、數字支付、在線信貸的獲得、互聯網上金融產品的購買以及商業保險等。

國外學者較早地研究了金融發展與消費支出之間的關系，且多數外國學者認為兩者間的關系存在顯著的正相關。國外的研究成果對我國當前疫情期間數字金融對居民消費的影響研究提供了相關借鑒。

三、數據與模型構建

（一）樣本選取與數據來源

本文基于疫情期間武漢市居民為研究對象，選取了武漢市城鎮和農村居民數據來自對2020年新冠疫情期間對漢市居民的問卷調查結果，國家統計局官網，武漢市統計局官網得到的居民消費價格指數。

（二）關鍵變量描述

1.被解釋變量

疫情期間居民消費的總量（Expense Total Quantity）和結構（Resident Consumption Structure）：通過問卷調查中的有效數據分析得以反應。

2.解釋變量

數字金融（Digital Finance）：基于北京大學數字金融研究中心研究團隊利用螞蟻金服的數據，編制的“北京大學數字普惠金融指數”來刻畫我國數字金融的發展程度，主要從數字金融對消費者覆蓋的廣度，消費者使用的深度以及數字化程度來衡量。

（三）模型設定

本文采用面板數據中個體固定效應模型，進行固定效應估計，通過構建疫情期間居民消費總量及結構與數字金融指數及其他控制變量的關系進行初步實證，回歸模型如下：

ETQi=β0+β1DFi+rControli+εi? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （1）

RCSi=β0+β1DFi+rControli+εi? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （2）

其中，ETQ為被解釋變量1：疫情期間居民消費的總量，RCS為被解釋變量2：疫情期間居民消費的結構，i為年份，DFi為解釋變量數字金融指數，Controli為其他會影響疫情期間居民消費總量和結構的控制變量，總共包括：居民消費價格指數（CPI），年齡（Age），人均可支配收入（Income），學歷（Education）和使用移動支付消費占總消費的比例（The Proportion），εi為隨機擾動項。

四、結果與實證分析

（一）數字金融對疫情期間居民消費影響的統計學特征分析

根據回收的問卷，利用EXCEL和SPSS軟件對數據進行統計分析，得到疫情期間居民消費的總量和結構特征如下。在性別方面，男女消費總量與結構無明顯性別傾向;在年齡方面，22-45歲的居民消費支出較多，累計占比為65.12%;在文化水平方面，本科及以上占比58%，總體受教育程度相對較高，消費總量更大，結構更多元化;在職業方面，自由職業者與在校學生占比較多;在月收入中，多集中于4000-6000元與6000-10000元，占比分別為32.2%和31.22%。

（二）數字金融影響疫情期間居民消費總量的宏觀分析

1.使用依賴度對居民消費的影響

數字金融使用依賴度是指把居民在疫情期間實際使用數字金融服務占疫情期間的總消費的比例作為指標，可以看出疫情期間大多數居民通過使用數字金融提供的包括移動支付等服務作為其消費的主要渠道。第一，數字金融主要依賴于移動終端等設備進行使用，而我國目前互聯網及移動終端的普及率較高，為居民通過數字金融進行消費提供了必要的條件。第二，疫情期間，由于居民的活動范圍受到限制，國家采取的封閉管理措施，也導致實體銷售門店關閉歇業，而作為數字金融服務的其中一種的移動支付具有將交易的時空分離的特性，在疫情期間國家要求嚴格保持社交距離的背景下，為居民消費提供了更加方便快捷的渠道，也刺激了居民消費的積極性，一定程度上，削弱了疫情對于居民消費需求的抑制效應。

2.疫情期間物價水平（CPI）對居民消費的影響

疫情期間物價水平CPI對居民的影響，主要是把疫情期間我國總體的物價水平CPI的高低作為主要指標，用來衡量居民在疫情期間物價水平對于居民使用數字金融進行消費的影響程度。可以看出CPI的值越大，居民的消費總額和消費欲望會相應的降低，這主要是因為CPI代表了一定時期內社會物價的平均水平，CPI值越大，居民在獲取同樣的消費品或服務時所付出的代價更大，或者付出同樣的代價的同時能獲取的消費品數量和服務更少。可以看出疫情期間由于全國生產的停滯，CPI值的上升對數字金融服務對居民消費的促進作用有一定的負面效應。

（三）數字金融對疫情期間居民消費總量的模型分析

1.數字金融對疫情期間居民消費總量的影響

通過對式（1）整體進行模型分析，得到數字金融指數（DF）變化對疫情期間居民消費總量（ETQ）的影響，得出的回歸結果數據。可以看出數字金融指數（DF）與疫情期間居民消費總量（ETQ）在置信水平為10%的條件下估計系數為為正，呈正相關，擬合優度結果較大，模型擬合度良好，即數字金融指數的增加有利于疫情期間居民消費總量的增長，促進了疫情期間居民的消費，具體表現為數字金融指數每增長1個單位，疫情期間居民消費總量會增長0.0238個單位。

2.控制變量對疫情期間居民消費總量的影響

在其余五個控制變量中，年齡（Age），人均可支配收入（Income），學歷（Education）和使用移動支付消費占總消費的比例（The Proportion）與疫情期間居民消費總量（ETQ）正相關。這表明，年齡相對越大，疫情期間居民消費越多，年紀較大者更有消費能力;人均可支配收入越高，消費支出越大;學歷越高，疫情期間消費的總量也越大;使用移動支付消費占總消費的比例越高，越促進居民的消費積極性。而對于居民消費價格指數（CPI）來說，相關系數為負，與疫情期間居民消費總量（ETQ）呈負相關，表面疫情期間居民價格的變動對居民的消費產生了相反的影響。

（四）數字金融對疫情期間居民消費結構的宏觀分析

由數據可以看出，疫情期間，消費對象側重于基礎消費（生活用品，食品），對于高品質消費（娛樂，文化）相對較少，其次在高層次消費（醫療保健，教育）上相比疫情前有較大提升，而傳統消費（住宅）變化幅度不大。

（五）數字金融對疫情期間居民消費結構的模型分析

1.數字金融對疫情期間居民消費結構的影響

通過對式（2）整體進行模型分析，得到數字金融指數（DF）變化對疫情期間居民消費結構（RCS）的影響，得出的回歸結果數據。可以看出數字金融指數（DF）與疫情期間居民消費結構（RCS）在置信水平為10%的條件下估計系數為正，呈正相關，擬合優度結果相對較大，模型擬合度良好，即數字金融指數的增加使得疫情期間居民消費結構擴展了，促進了疫情期間居民向多元化的方向消費，具體表現為數字金融指數每增長1個單位，疫情期間居民消費結構會增長0.1035個單位。

2.控制變量對疫情期間居民消費結構的影響

在其余四個控制變量中，居民消費價格指數（CPI），人均可支配收入（Income）和學歷（Education）與疫情期間居民消費結構（RCS）正相關，這表明，居民消費價格指數（CPI）對疫情期間居民消費結構（RCS）有促進作用;人均可支配收入越高，消費支出的多樣性越廣泛;學歷越高，疫情期間消費的結構也越多樣。而對于年齡（Age）來說，相關系數為負，與疫情期間居民消費結構（RCS）呈負相關，表面年齡越偏低，疫情期間居民的消費對象越豐富，起負效應。

（六）對比分析

由于在疫情期間，湖北省是全國疫情防控的重點，而武漢作為疫情的重災區，又是疫情防控的重中之重，實行了嚴格的居家隔離，社區封閉等一系列嚴格的防控措施，居民的人身活動范圍受到了較大的限制。而于此同時，居民有很大一部分的消費行為依賴于實體門店，所以在封閉管理初期，由于疫情爆發突然，居民消費受到了很大的影響。在封閉管理進入常態化時期后，線上支付送貨上門等各種形式的數字金融服務的推出，為居民在居家封閉隔離時期的消費提供了新的渠道。從本課題組建立的模型以及數據的回歸分析中可以看出，雖然相對于疫情前，消費總量仍有一定程度收縮，但總體來看，居民的基本消費需求都通過數字金融服務得到了滿足。另據本課題組數據顯示，居民在疫情期間使用數字金融服務進行的消費活動，消費整體結構更加多元化，并傾向于在教育，文化等領域，也可以看出數字金融對疫情期間的居民消費的總量和結構都有一定程度的促進和積極的作用。

五、結論與政策建議

本文以疫情期間武漢市居民為樣本，通過建立數字金融指數等有關變量與疫情期間居民消費的總量和結構的模型進行分析，得出結論，數字金融對疫情期間居民消費的總量起促進作用，擴大了居民消費的結構，更加多元化。針對數字金融對武漢市的建設和發展，并探討如何使數字金融的發展助力當下我國經濟的轉型和消費的升級，我們提出如下幾點建議：

1.從政府監督監管方面，建立和完善數字金融相關法律體系，加強對其的監管

健全的法律法規是發展數字金融的根本保障。武漢市政府可以就加快建立和完善數字金融法律體系，制定相關可操作的法律，做到在數字金融領域，有法可依，有法必依，努力保護消費者權利。

2.積極豐富數字金融機構主體，吸引有關金融機構落地

當前我國數字金融政策對數字金融設立主體資格有著嚴格要求，因此主要由傳統金融機構——商業銀行所主導，所以武漢市政府可以積極推動專業數字金融機構的發展，眾多數字金融機構主體的出現，為能消費者提供了更多選擇。

3.獲取廣泛的大數據來源渠道

構建好平臺的大數據庫，有助于用戶信息的完整，降低信息不對稱與信息虛假的情況。保護消費者權益。

4.建立先進的風險預警機制

預警機制可以將發現的風險問題和事例庫中的標準化案例進行比較分析，選取對應的標準事例，有針對性的預警。

5.逐步完善社會征信體系建設

逐步完善社會征信體系，將數字金融尤其是互聯網數字金融信息納入征信系統，加快建立消費者個人信息數據庫，這將有利助于推動數字金融風控體系的完善，同時保護了消費者隱私。

參考文獻：

[1]丁日佳，劉瑞凝，張倩倩.數字普惠金融對服務業發展的影響及機制研究——基于省際面板數據的實證分析[J].金融與經濟，2019（07）：4-10.

[2]劉世鵬.數字普惠金融發展對我國居民消費支出的影響研究[D].華中師范大學，2019.

[3]謝家智，吳靜茹.數字金融、信貸約束與家庭消費[J].中南大學學報（社會科學版），2020，26（02）：9-20.

[4]Li J，Wu Y， Xiao JJ， et al. The impact of digital finance on household consumption： Evidence from China[J].Economic Modelling，2020：317-326.

[5]Song Quanyun，Jie Li，Wu Yu，Yin Zhichao. Accessibility of Financial Services， Digital Finance and Household Consumption in China： Evidence from Micro Data[J].North American Journal of Economics and Finance，2020.