數字金融發展如何影響家庭“加杠桿”？
——動態效應、異質性特征與機制檢驗

王海燕 岳 華 李韞琪

一、引言

作為數字金融行業的領先者，近來螞蟻集團的“上市風波”讓高杠桿率、金融風險、國家監管等詞再次成為社會各界廣泛關注的焦點。據悉，螞蟻集團2020年上半年總營收的39%來自家庭消費貸款業務(1)資料來源：螞蟻集團招股書。，這得益于數字金融的發展。數字金融最大的優點是其普惠性，作為數字技術和金融的結合體，具有覆蓋廣泛、觸達便捷、政策靶向性強、邊際成本近乎為零等獨特優勢，對于家庭杠桿率產生了積極影響。再加上繁重的房貸壓力等使得家庭部門杠桿率迅速攀升，這被視為我國金融系統中潛在的“灰犀牛”問題(周廣肅、王雅琦，2019)。快速增長的家庭杠桿率也會放大宏觀經濟的脆弱性，給宏觀經濟與金融穩定帶來隱憂，甚至可能引發系統性金融風險(馬建堂等，2016；莊毓敏、張祎，2020)。

從目前的實際情況來看，我國居民家庭一直處于加杠桿通道。在以國內大循環為主的雙循環發展格局下，家庭加杠桿有利于擴大消費，增強消費對經濟發展的基礎性作用，推動經濟由投資和外需拉動的增長向以消費為主的內需拉動的增長轉型(潘敏、荊陽，2018；張雅淋等，2019)。然而，過高的家庭杠桿率對消費的刺激作用有限，制約微觀主體理性決策，且存在較大的債務風險(上海財經大學高等研究院課題組，2018；周廣肅、王雅琦，2019)。基于此，2015年12月中央經濟工作會議將“去杠桿”作為供給側結構性改革“三去一降一補”的五大任務之一。2018年4月中央財經委員會第一次會議提出“以結構性去杠桿為基本思路，努力實現杠桿率穩定和逐步下降”。2019年4月中央政治局會議強調要“堅持結構性去杠桿，在推動高質量發展中防范化解風險”。在此背景下，從數字金融發展視角研究家庭部門杠桿率迅速攀升的原因，對防范化解債務風險、推進結構性去杠桿和必須要守住不發生系統性金融風險的底線具有一定的理論價值和現實意義。

在宏觀和微觀數據可得性日益提高的情況下，國內外學者開始對家庭部門杠桿率急速攀升的“前因”與“后果”進行研究。“前因”方面，經濟發展水平、城市化進程、金融深化程度、住房價格、儲蓄率、通貨膨脹率、金融素養、信貸可得性、居民消費的時間偏好、不確定性外部沖擊等被認為是影響家庭部門加杠桿的重要因素(Casoloro et al.，2006；Mian and Sufi，2013；劉哲希等，2019；周廣肅、王雅琦，2019；賈立等，2020；隋鈺冰等，2020)。“后果”方面，研究較多的是杠桿率上升所產生的經濟效應，包括收入分配效應、消費效應、資產配置效應、家庭與企業債務交互式負反饋效應等，以及高杠桿率對金融穩定與系統性金融風險的影響(Dynan and Edelberg，2013；Yao et al.，2015；馬建堂等，2016；潘敏、劉知琪，2018；上海財經大學高等研究院課題組，2018；劉曉光等，2019；張雅淋等，2019；陳洋林等，2019；周利、易行健，2020)。

這些文獻整體刻畫了家庭杠桿率上升的“前因”和“后果”，但尚未有文獻直接考察數字金融發展對家庭杠桿率的影響和具體機制。圖1顯示了2011年以來數字金融發展與家庭杠桿率之間的關系，從圖上不難發現二者具有明顯的正相關關系，也即說明家庭杠桿率的上升與數字金融的發展幾乎處于同一時期。那么，數字金融的迅速發展是否能夠顯著提升樣本期內中國家庭的杠桿率呢？存在什么樣的影響？是否具有動態效應？在不同的群體中是否存在異質性及可能的影響機制？本質而言，數字金融泛指傳統金融機構與互聯網公司利用數字技術實現融資、支付、投資和其他新型金融業務模式(黃益平、黃卓，2018)，其借助大數據、云計算、區塊鏈和人工智能等信息技術，改善傳統金融中由于信息不對稱而產生的高風險溢價和高運營成本問題(唐松等，2020)，為拓展金融的服務范圍和觸達能力提供了穩定的技術支撐(郭峰等，2016)。通過互聯網科技與金融行業的結合，以信息技術為支撐的數字金融可以緩解信貸約束、減少信息不對稱、降低交易成本和優化資源配置(謝平、鄒傳偉，2012)。從而極大提升金融資源的可利用性，尤其是改善那些被傳統金融機構排斥的弱勢群體的金融服務可得性(何婧、李慶海，2019)。正因為此，數字金融發展為家庭負債提供了可能。如在日常的交易情境中使用螞蟻借唄、微粒貸、P2P等進行小額借貸，這類小額借貸審核手續簡單，不需要任何抵押物。再加上居民消費觀念的轉變，債務作為消費平滑的工具之一，滿足了越來越多居民家庭的大額資產購置與跨期消費需求(莊毓敏、張祎，2020)，進一步激發了家庭負債性消費。

圖1 2011-2018年數字金融發展與中國家庭桿桿率數據來源：上海財經大學高等研究院、北京大學數字金融研究中心。

本研究主要與兩類文獻相關，一類是研究家庭杠桿率上升的“前因”和“后果”，這類文獻上述已經論述。而更豐富的文獻則集中于數字金融領域。有關數字金融的研究，眾多學者從多個維度出發對此展開探討。第一類研究主要關注數字金融的相關概念與內涵(謝平、鄒傳偉，2012；黃益平、黃卓，2018)；第二類研究側重于探究數字金融對傳統金融的影響，包括對銀行業務(鄭志來，2015)、銀行效率(沈悅、郭品，2015)、銀行風險承擔(劉忠璐，2016)、貨幣政策傳導(戰明華等，2018)等方面的影響；第三類研究重點關注數字金融發展所產生的經濟效應，包括減貧效應研究(黃倩等，2019；鄭志強，2020)、對實體經濟或經濟增長的作用(張勛等，2019；錢海章等，2020)、縮小城鄉差距的直接和間接機制(周利等，2020；宋曉玲，2017)、創新創業的機理(萬佳彧等，2020；唐松等，2020；謝絢麗等，2019；何婧、李慶海，2019)、刺激消費(周利、易行健，2020)、家庭金融資產配置(周雨晴、何廣文，2020)等方面；第四類側重于探討數字金融與金融風險、金融監管的關系(黃益平、黃卓，2018；朱家祥等，2018)。可見，通過以上文獻總結發現，尚未有學者對數字金融發展如何影響家庭杠桿率這一問題進行系統性探討，而本文恰恰從這一角度彌補了現有文獻的缺失，給出了一個近年來家庭杠桿率急劇攀升的一個解釋，并且試圖識別不同類型家庭的差異性影響和動態效應。

除了估計數字金融發展對家庭杠桿率的整體影響效果之外，本文的另一個核心問題是討論數字金融發展影響中國家庭杠桿率的傳導渠道。通過對已有文獻的梳理，我們推測數字金融發展可能從以下幾個方面對家庭加杠桿產生影響。第一，提升金融資源的可獲得性，緩解家庭所面臨的流動性約束。一方面，數字金融發展通過信息技術，降低了信息不對稱程度和金融服務門檻，破解了長期存在的金融服務不足和金融排斥問題(何婧、李慶海，2019)。與傳統金融業務模式相比，數字金融更注重規模效應和尾部效應，已有數據的積累降低了開拓相關業務的邊際成本，經營模式的互聯網化也使得數字金融的覆蓋范圍不受時間和空間的限制(錢海章等，2020)，從而擴大家庭信貸資金的來源范圍。另一方面，數字金融發展帶來了金融工具的多樣性，金融工具的多樣化為家庭加杠桿提供了可能。除金融機構在產品和模式上的創新外，快速發展的互聯網金融公司的網絡貸款也增加了家庭加杠桿意愿(李曉嘉，2018)，成為家庭負債性支出不可或缺的一部分。第二，在金融資源可得性提高的情況下，便利性的支付手段可能會導致家庭更多的非計劃負債。數字金融發展帶來了支付方式的變革，特別是支付寶、微信等移動支付方式的出現，居民參與商業活動的頻率和金額均得到大幅度提升(何宗樾、宋旭光，2020)。移動支付與儲蓄卡、信用卡、微信錢包、支付寶錢包、螞蟻借唄、京東白條等多種支付渠道相關聯(王曉彥、胡德寶，2017)，其使用的便利性和消費者“心理賬戶”效應可能導致非計劃負債的增加(尹志超等，2019)。第三，降低家庭面臨的不確定性，增加當期負債意愿。按照預防性儲蓄假說，當經濟個體面臨收入的不確定性越大時，其越不可能按照隨機游走來消費，更傾向于減少消費，那么當期負債性消費也會相應減少。數字保險作為數字金融的核心業務，在分擔風險、降低損失不確定性等方面發揮著重要的支撐作用，有助于提升家庭抗風險的能力，降低未來現金流的不確定性(何宗樾、宋旭光，2020)，進而提升家庭當期負債意愿。

鑒于此，本文基于2014年、2016年和2018年中國家庭追蹤調查(CFPS)微觀數據和中國數字普惠金融指數數據，系統考察數字金融發展對家庭杠桿率的影響和動態效應，并進一步探索可能的影響機制。本文可能的貢獻主要在以下三個方面：一是研究視角上。從數字金融視角給出了家庭杠桿率急速上升的一個解釋，不但豐富了家庭杠桿率的相關研究，也擴展了數字金融在經濟領域的應用，是對現有研究的一個補充；二是研究內容上。文章既考察了數字金融發展對個體家庭杠桿率的影響，在此基礎上，也實證檢驗了數字金融發展影響家庭杠桿率的具體作用渠道，對其作用機制進行初探，從而豐富了兩者之間的傳導機制研究。本文在全面把握我國家庭整體杠桿率的同時，也考慮了數字金融發展對家庭杠桿率的異質性影響；三是研究方法上。為了克服潛在的內生性，嘗試使用不同的穩健性檢驗方法和工具變量進行內生性處理，使得結論更加可靠。

本文余下結構安排如下：第二部分介紹數據來源、變量選取與模型設定；第三部分匯報實證分析結果；第四部分探討數字金融發展對家庭杠桿率的異質性影響；第五部分檢驗數字金融發展影響家庭杠桿率的傳導機制；最后給出本文結論與研究啟示。

二、數據來源、變量選取與模型設定

(一)數據來源

本文主要使用了四個方面的數據，第一部分數據來自國家統計局，主要為宏觀經濟變量。第二部分數據來自樊綱、王小魯和朱恒鵬編寫的“中國分省份市場化指數報告(2018)”，用以衡量各省份市場化程度。第三部分數據來自北京大學數字金融研究中心編制的 “中國數字普惠金融指數”。該指數的空間跨度包含省級、城市和縣域三個層級，參考已有研究的慣常做法，如謝絢麗等(2018)、張勛等(2019)、唐松等(2020)，本文也使用省級層面的數字金融數據。詳細指標說明和指數編制過程請參閱郭峰等(2016)的做法。第四部分數據來自2014年、2016年和2018年北京大學中國社會科學調查中心的中國家庭追蹤調查(CFPS)數據庫。該數據是兩年一期的跟蹤調查數據，旨在通過收集個體、家庭和社區三個層面的數據，反映我國經濟社會等方面的變遷。CFPS樣本共覆蓋25個省、市、自治區(2)除港澳臺地區、新疆、西藏、青海、內蒙古、寧夏、海南。，每期樣本規模約為16000戶，包含家戶中全部的家庭成員信息，是一個比較有代表性的全國家庭調查數據。其問卷類型共有四種，社區卷、家庭卷、成人卷及少兒卷，我們主要使用的是家庭卷和成人卷。因兩者屬于不同層次的數據，我們用stata15進行了數據合并，并假定家庭年長者為戶主，經剔除空白值、缺失值、不知道以及拒絕回答等無效數據后，最終獲得能夠提供有效信息的樣本21,920個。

(二)變量選取與統計性描述

1.被解釋變量：家庭杠桿率。遵循已有研究的慣常做法(潘敏、劉知琪，2018；周廣肅、王雅琦，2019)，本文用貸款總額比家庭總收入來衡量家庭杠桿水平。其中，貸款總額既包括從銀行部門進行的貸款，也包括從親戚朋友和民間組織得到的借款。CFPS調查問卷中對應的問題是“您家待償銀行貸款額”和“待償親友及民間借款”。

2.核心解釋變量：數字普惠金融指數。本文選取中國數字普惠金融指數作為數字金融發展的代理變量，該指數已經被廣泛認可并應用于分析中國數字金融發展程度，反映了數字技術助力金融發展的總體情況和變化趨勢(傅秋子、黃益平，2018)，具有相當的代表性和權威性。為了檢驗估計結果的可靠性，我們也使用了三個二級分類指數覆蓋廣度、使用深度、數字支持服務程度進行穩健性測試。對于覆蓋廣度，主要根據地區支付寶賬戶數量編制而成，是數字金融的覆蓋人群的評價指標。對于使用深度，衡量的是地區實際使用互聯網金融服務的頻率等。第三個是數字支持服務程度，側重于考察地區數字金融的便利性和效率(謝絢麗等，2019)。圖2顯示了2011-2018年中國數字普惠金融指數及其分指數的演變趨勢，可以看出，不管是總指數還是各分指數整體都呈現出上升之勢。

圖2 2011-2018年數字普惠金融指數及其分指數資料來源：郭峰、王靖一、王芳、孔濤、張勛、程志云，2020，“測度中國數字普惠金融發展: 指數編制與空間特征”，《經濟學季刊》，第4期。

3.控制變量。參考已有文獻，本文還加入了其他影響家庭杠桿率的變量。這些變量的加入，可在一定程度上減少遺漏變量問題。具體包括戶主特征變量、家庭特征變量、宏觀經濟變量及其他控制變量。首先是戶主特征變量，包括戶主性別、年齡、年齡平方項、戶籍、婚姻狀態、受教育程度、健康狀況、風險偏好(3)CFPS問卷中給出了相關風險試驗，1.直接獲得100元；2.扔硬幣，如果結果是正面數字得200元，結果是反面則什么也得不到。若選擇直接獲得100元，則為風險規避者；若選擇仍硬幣，則為風險愛好者。、是否電腦上網、是否手機上網。一般來說，偏好風險、經常使用手機、電腦上網的家庭更容易借貸，家庭杠桿率可能較高。其次是家庭特征變量，包括是否自有房屋、房屋數量、是否創業、當前工作狀態、家庭資產水平。與無自有房屋、無創業和有工作的家庭相比，擁有房屋、創業和無工作的家庭更可能負債。家庭資產水平也是影響家庭杠桿率的重要因素，家庭資產水平越高，家庭杠桿率越低。因此，本文加入了一個衡量家庭資產水平的變量，即用您家現金及存款總額來代表家庭資產水平。再者是宏觀經濟變量，包括人均GDP、市場化程度、金融深化程度。從家庭負債作為一種金融活動來看，經濟發展程度越高、金融體系越完善、市場化和金融深化程度越高，居民家庭利用負債進行跨期資產配置、平滑消費的可能性和便利性就越大(莊毓敏、張祎，2020)，從而家庭的杠桿率也就越高。因此，本文加入了人均GDP、市場化程度和金融深化程度三個宏觀變量。最后為了控制杠桿率的時間趨勢和區縣個體差異，本文還加入了時間固定效應和區縣固定效應。上述具體變量的定義與描述性統計如表1所示。

表1 主要變量的定義與描述性統計

(三)模型設定

1.基準模型的設定。為了驗證數字金融發展對家庭杠桿率的影響，本文設定了如下反映數字金融發展與家庭杠桿率關系的面板固定效應檢驗模型：

Debtratioit=α1+α2ln(Digital_financeit)+α3Xit+δt+μv+εit

(1)

其中，Debtratioit為家庭杠桿率；ln(Digital_financeit)為數字金融發展的對數值，α2是本文重點關注的系數，顯著為正，表明數字金融發展提升了家庭杠桿率。反之，則抑制了家庭杠桿率；Xit為控制變量，包括戶主特征變量、家庭特征變量、宏觀經濟變量；δt為控制時間趨勢的固定效應；μv為區縣固定效應；εit為隨機擾動項。

2.中介效應模型的設定。為了有效揭示數字金融發展影響家庭加杠桿的傳導機制，借鑒Baron and Kenny(1986)、楊克文、何歡(2020)提出的中介效應檢驗方法，設定如下依次遞歸模型來檢驗中介變量的中介效應：①檢驗數字金融發展對家庭杠桿率的影響，如果數字金融發展的系數顯著，表明數字金融發展對家庭杠桿率具有顯著影響，同時，進行下一步驟的檢驗；②檢驗數字金融發展對中介變量的影響，如果數字金融發展的系數顯著，說明數字金融發展能夠影響中介變量；③在步驟①的基礎上加入中介變量，如果中介變量的影響顯著，同時數字金融發展的系數相對于步驟①中的系數變小或不顯著，表明中介變量具有部分或全部的中介效應。按照上述檢驗思路，本文設定如下識別檢驗模型：

第一步，檢驗數字金融發展是否影響家庭杠桿率。

Debtratioit=α1+α2ln(Digital_financeit)+α3Xit+δt+μv+εit

(1)

第二步，檢驗數字金融發展是否影響中介變量。

Intervening_variableit=α1+α2ln(Digital_financeit)+α3Xit+δt+μv+εit

(2)

第三步，將數字金融發展和中介變量同時加入模型。

Debtratioit=α1+α2ln(Digital_financeit)+Intervening_variableit+α3Xit+δt+μv+εit

(3)

其中，Intervening_variableit為中介變量；剩余變量含義與(1)式相同。

三、實證結果分析

(一)基準回歸結果分析

表2給出了數字金融發展對家庭杠桿率的估計結果。其中，第(1)-(3)列為基準面板固定效應模型的估計結果，第(4)-(5)列為工具變量法的估計結果。所有模型均控制了宏觀經濟變量、時間固定效應和區縣固定效應。由第(1)-(3)列面板固定效應模型的估計結果可知，在依次控制戶主特征變量和家庭特征變量后，數字金融發展的估計系數依然在1%的顯著性水平上為正，這表明數字金融發展顯著促進了家庭杠桿率的提升。以表2的第(3)列為例，從數量上看，數字金融發展每增加1%，將促使家庭杠桿率上升0.0058%，具有顯著的統計和經濟意義。

此外，需要說明的是，基準模型的估計可能無法有效解決模型中存在的遺漏變量或互為因果問題。家庭杠桿率在受到數字金融發展影響的同時，家庭加杠桿本身也會反過來影響數字金融發展。這是因為家庭在加杠桿的同時，或許使互聯網朝著更便利與低成本的方向進步，進而促進數字金融的發展。為了解決以上問題，一方面，我們盡可能多地納入控制變量，如戶主特征變量、家庭特征變量及宏觀經濟變量；另一方面，參考傅秋子、黃益平(2018)、張勛等(2019)研究中的方法，選取家庭所在地區與杭州的距離作為數字金融發展的工具變量，并采用IV進行估計。由于我們選取的工具變量并不隨時間而變化，這使得通常的第二階段估計失效。據此，根據何宗樾、宋旭光(2020)的研究，將工具變量與省級層面的數字金融指數均值進行交互，作為新的具有時間變化效應的工具變量。我們認為這一變量滿足工具變量的相關性和外生性兩個條件：首先，以支付寶為代表的數字金融發展在杭州起源，杭州的數字經濟發展在全國處于領先位置，可以預期，在地理上距離杭州越近，數字金融的發展程度應該越高。其次，盡管數字金融的主要實現形式在線上，其發展程度仍受地理空間因素影響，且呈現出與杭州相距越遠則推廣難度越大的特點(傅秋子、黃益平，2018)，因而在一定程度上滿足工具變量相關性條件。最后，這一地理距離并不會直接影響家庭加杠桿，因而滿足工具變量外生性的條件。綜上分析，本文所構造的工具變量具有一定的合理性。后文中還將在估計中給出具體的檢驗結果，對工具變量做進一步說明。

表2的第(4)-(5)列也給出了工具變量法的估計結果。從第一階段的回歸結果可知，家庭距離杭州的距離與數字金融發展顯著負相關，這意味著距離數字金融發展中心越遠，數字經濟的發展水平越低，與我們的預期相符。且弱工具變量F統計量的值遠大于10，表明所選擇的工具變量與內生解釋變量之間是高度相關的，因此可以排除弱工具變量的可能性。第二階段的回歸結果顯示，數字金融發展的系數在10%的顯著性水平上仍然為正，該回歸結果與基準模型的回歸結果在方向上保持一致，這表明在使用工具變量克服了潛在的內生性問題后，數字金融發展仍然顯著提高了家庭杠桿率。由此，綜合以上各模型的回歸結果，發現數字金融發展確實為家庭加杠桿提供了途徑。

表2 數字金融發展對家庭杠桿率的影響

(二)穩健性檢驗

通過以上的回歸分析，發現數字金融發展對家庭杠桿率會產生顯著的正向影響，但對這一發現還需謹慎，為進一步檢驗基準模型的可靠性，本文運用不同的策略對基準模型的估計結果進行進一步分析。首先，上述分析我們采用的是中國數字金融發展總指數，由于總指數由覆蓋廣度(支付寶賬戶數量、綁定銀行卡的數量)、使用深度(支付、信貸、保險、投資、征信)和數字支持服務程度(便利性、金融服務成本)三個二級分類指標合成。因此本文進一步分析了數字金融哪些層面的發展促進了家庭加杠桿。本部分將利用總指數的三個二級指標對家庭杠桿率進行回歸分析，以檢驗基準回歸中總指數的顯著性與符號是否發生顯著變化。其次，中國的直轄市存在較大的經濟特殊性，數字金融發展、家庭杠桿率等活動也可能存在不同。對此，借鑒唐松等(2020)的研究做法，本文刪除了直轄市的樣本重新進行回歸檢驗。再者,文章選取不同的數據庫，中國勞動力動態調查(CLDS)數據，中國家庭金融調查(CHFS)數據，并運用相同的變量重新對數字金融發展與家庭杠桿率的關系進行檢驗。最后，中國家庭的借貸來源主要有兩類，一類是銀行部門的貸款，另一類是親友及民間借貸。在中國人情社會的背景下，民間借貸也是構成家庭借貸來源的重要組成部分(周廣肅、王雅琦，2019)。因此本文將家庭總債務拆分成銀行貸款和親友及民間借貸兩部分，分別計算杠桿率并進行回歸，以區分哪種貸款類型驅動了家庭加杠桿。

表3給出了三個分指數的檢驗結果，經驗結果顯示，不管是覆蓋廣度、使用深度還是數字化程度都對家庭杠桿率產生了顯著的正向影響。這一結果與基準模型相比，無論是顯著性還是符號均無發生明顯變化。表4給出了其他穩健性檢驗策略的估計結果。表4的第(1)-(3)列顯示，在剔除了直轄市樣本、使用不同的數據庫后，得出了與基準模型、分指數回歸基本一致的結論。表4的第(4)-(5)列顯示，數字金融發展通過刺激家庭從銀行部門的貸款和民間借貸，抬升了中國家庭的杠桿率。綜上，通過不同策略的穩健性檢驗之后，數字金融發展能夠顯著提升家庭杠桿率的這一研究結論具有相當的穩健性。

表3 穩健性檢驗一：各分指數對家庭杠桿率的影響

表4 穩健性檢驗二：不同策略方法對家庭杠桿率的影響

(三)動態效應

數字金融已經滲透到人們生活的方方面面，特別是移動支付的出現，與高鐵、共享單車、網購一并稱為新時代的“四大發明”(尹志超等，2019)。從現有的日常應用場景來看，移動支付、數字信貸、數字保險、數字投資、數字征信等數字產品不斷涌現，其與居民生活深度融合，不但只在短期意義上對家庭加杠桿具有重要影響，抑或能為家庭長期加杠桿提供可能，這也是在結構性去杠桿背景下政策制定者需要關注的重點內容之一。基于此，為了檢驗數字金融發展對家庭杠桿率的動態影響，參考黃銳等(2019)的研究，本文將數字金融指數進行滯后處理。基本思路為：以2018年的數據為基準，保持基于2018年數據的被解釋變量和除數字金融發展外的解釋變量不變，用基于2013-2017年的數字金融發展變量替換2018年的對應變量，以此來刻畫數字金融發展的動態影響。

最終估計結果如表5所示。不難發現，在數字金融發展滯后的1-5期中，核心解釋變量數字金融發展的系數除2015年之外都至少通過10%的顯著性檢驗，從而證實了數字金融發展對家庭杠桿率長期影響的存在性。從估計系數來看，0.5945>0.3891>0.3670>0.3599。這表明隨著數字經濟的興起，數字金融對家庭杠桿率的影響將會越來越大。

表5 數字金融發展對家庭杠桿率的影響：動態效應

四、異質性特征

(一)分借貸類型的分析

已有研究發現，住房過度消費是居民杠桿率快速攀升的主要原因，占居民總負債的60.8%(4)https://www.sohu.com/a/272444748_556378。。一方面，住房的消費和投資雙重屬性助推了家庭負債和杠桿率的上升，作為消費品給家庭提供基本的生活要素，滿足消費需求，作為投資品給家庭帶來收益和增值(楊贊等，2014)。由于我國房地產價格近十年來一直處于上升通道，家庭對房屋的升值預期可能會使家庭借債炒房的意愿增強，甚至出現過度負債。另外，國內居民投資渠道相對匱乏，買房成為家庭實現財富保值增值的一種理性選擇(周廣肅、王雅琦，2019)。另一方面，隨著城鎮化的推進和房地產市場的發展，住房剛性需求增大，不斷上漲的房價加之相對寬松的貨幣政策增加了住房需求，尤其是按揭貸款利率的下調，更多家庭和個人涉足房地產市場，使得房貸規模迅速上升(周廣肅、王雅琦，2019)。除了住房負債之外，近年來消費貸和經營貸的負債比重也迅速上升，成為家庭杠桿率上升的重要因素。這主要歸因于數字金融發展所帶來的金融可得性的提升，擴寬了借貸資金的來源范圍，且借貸成本較低，滿足了家庭日常負債的需要。為了驗證數字金融發展對哪一部分借貸類型的影響最大，本文將家庭總杠桿分解成房貸、裝修貸、消費貸和經營貸四個部分，分別進行回歸，以考察數字金融發展對家庭杠桿率的異質性影響。表6給出了不同借貸類型的估計結果。結果發現，數字金融發展對裝修貸的影響并不顯著，而對房貸、消費貸和經營貸的影響在1%的顯著性水平為正，這表明數字金融的發展主要作用于房貸、消費貸和經營貸上，進而提升家庭的杠桿率。

表6 數字金融發展對家庭杠桿率的影響：分借貸類型

(二)分區域、年齡、城鄉的分析

以上我們對數字金融發展如何影響家庭杠桿率進行了詳細討論，但是并沒有完全回答數字金融發展對不同群體影響的異質性問題。由于家庭本身的自然屬性和社會屬性等方面的差異，可能會產生不同的影響效果。因此，考察數字金融發展與家庭杠桿率的關系在不同群體中的異質性，具有重要的現實意義。本部分分別從家庭所屬區域、年齡和城鄉等不同角度考察數字金融發展的異質性影響。選擇家庭所屬區域、年齡和城鄉三個角度進行異質性分析的原因在于，數字金融發展與家庭杠桿率在三者之中表現出較大的差異性。從家庭所屬區域來看，東部地區經濟較為發達，科技創新能力強，則表現出較高的數字金融發展程度和家庭杠桿率，中部地區次之，西部地區最低；從年齡分層來看，不同年齡段群體使用數字金融和面臨的家庭杠桿率也不相同。一般來說，中青年群體接受新事物的能力強，特別是對新技術的應用能力。數字金融作為數字技術與金融的結合體已被廣大中青年群體所接受，同時，這一群體也面臨著較大的借貸壓力，尤其是房貸，故而無論是對數字金融的理解還是面臨的家庭杠桿率都比少年群體和老年群體更大；從城鄉來看，城市總是比農村表現出更高的數字金融發展程度和更高的家庭杠桿率，具有顯著差異。因此，本部分選擇從這三個角度進行異質性分析。表7匯報了估計結果。

對于區域層面的異質性來說，表7的第(1)-(3)列顯示，無論是東部地區群體還是中西部地區群體，數字金融發展都能夠顯著提升他們的家庭杠桿率。從系數上看，西部(2.7045)>中部(1.5765)>東部(0.5666)，這表明家庭杠桿率的提升主要體現在中西部地區。不難理解的是，數字金融最大的優點是其普惠性，因而對所有區域家庭的杠桿率都具有顯著性影響。整體來看，各區域數字金融發展的系數在顯著性方面并不差異，但在系數大小方面，數字金融發展對家庭杠桿率的影響具有區域異質性。特別地，數字金融發展對中西部地區群體的家庭杠桿率影響程度更大。

對于年齡層面的異質性來說，我們將樣本劃分為25歲以下、25-55歲和55歲以上三個年齡段。這種劃分與我們的整個生命周期相符，25歲以下或55歲以上可能對數字金融發展與家庭杠桿率并不敏感。屬于第二個年齡組的受訪者即將或已經步入社會，參與了勞動力市場，與年輕群體相比，他們并不是初學者，而是積累經驗，這一群體對數字金融的認知程度和面臨的家庭杠桿率是社會最真實的反映。最后一個年齡組的群體即將或者已經退出勞動力市場。表7的第(4)-(6)列顯示，數字金融發展對25歲以下和55歲以上那部分群體的影響并不顯著，而對25-55歲這部分群體具有顯著的正向影響。這表明數字金融發展顯著提升了25-55歲這部分群體的家庭杠桿率。一般來說，25歲以下和55歲以上這部分群體的償債能力較弱，負債動機意愿不強，導致數字金融發展對這部分群體的影響不顯著。整體來看，數字金融發展對家庭杠桿率的影響具有年齡異質性。特別地，數字金融發展對25-55歲這部分群體的家庭杠桿率影響程度更大。

對于城鄉層面的異質性來說，表7的第(7)-(8)列顯示，數字金融發展對城市和鄉村兩個群體都具有顯著的正向影響，這一結果也是數字普惠金融的應有之義。與此同時，從它們的系數來看，農村群體的系數大于城市群體的系數(0.6365>0.3503),這說明數字金融發展對農村家庭加杠桿的作用更大。這可能是因為農村家庭面臨比城市家庭更為嚴重的流動性約束，導致家庭較高的負債率。整體來看，數字金融發展的系數在顯著性方面并無太大差異；但在系數大小方面，數字金融發展對家庭杠桿率的影響具有城鄉異質性。特別地，數字金融發展對農村地區群體的家庭杠桿率影響程度更大。

表7 數字金融發展對家庭杠桿率的影響：分區域、年齡、城鄉分析

五、機制檢驗

上述分析表明，數字金融發展能夠顯著提升家庭的杠桿率，而且數字金融的覆蓋廣度、使用深度和數字支持服務程度都是促進家庭加杠桿的具體途徑。那么，進一步需要解釋的是數字金融影響家庭加杠桿的機制是什么？目前，關于數字金融發展影響家庭杠桿率的機制尚不明確(楊克文、何歡，2020)。在引言部分，我們對可能的影響機制進行了文獻梳理，數字金融發展可能通過提升金融資源可獲得性、強化支付便利性和降低家庭面臨的不確定性三個途徑對家庭杠桿率產生影響。那么，為了有效揭示以上三種傳導機制，本文使用中介效應模型對可能的傳導機制進行檢驗(中介效應模型前面已經論述)。對于金融可得性的衡量，已有文獻主要從兩方面進行測度：一是采用有無獲得正規貸款和非正規貸款來衡量家庭的金融可得性(何韌等，2012；盧亞娟等，2014)。二是采用每萬人擁有的銀行機構數量來衡量金融可得性(尹志超等，2015；肖龍鐸、張兵，2017)。囿于數據可得性，本文使用家庭有無獲得正規貸款和非正規貸款來衡量家庭的金融可得性。對于支付便利性的衡量，借鑒何宗樾、宋旭光(2020)的研究，選取“使用互聯網絡進行商業活動的頻率有多高？(5)您/你使用互聯網絡進行商業活動的頻率有多高？1.幾乎每天；2.一周3-4次；3.一周1-2次；4.一月2-3次；5.一月一次；6.幾個月一次。”這一問題進行衡量。對于家庭所面臨的不確定性衡量，參照已有研究，選擇支出的標準差來表征家庭面臨的不確定性(Carroll and Samwick，1998；何宗樾、宋旭光，2020)。

表8、表9和表10給出了中介效應模型檢驗結果。其中，表8為金融可得性渠道檢驗結果；表9為支付便利性渠道檢驗結果；表10為不確定性渠道檢驗結果。三個表中的第(1)列為第一步檢驗結果，結果表明，數字金融發展都顯著提升了家庭的杠桿率，與上述結果相一致。第(2)列為第二步檢驗結果，結果表明，數字金融發展對金融可得性、支付便利性和家庭面臨的不確定性影響均顯著。其中，對金融可得性和支付便利性的影響顯著為正，對家庭面臨的不確定性的影響顯著為負，這表明數字金融發展提升了家庭的金融可得性和支付便利性，且能夠降低家庭所面臨的不確定性。第(3)列為第三步檢驗結果，結果表明，金融可得性、支付便利性和家庭面臨的不確定性對家庭杠桿率的影響也都顯著，從而證明了金融可得性、支付便利性和家庭面臨的不確定性中介效應的存在性。與此同時，還可以發現，當控制中介變量之后，相比基準回歸中數字金融發展的系數，這里的數字金融發展系數均有所下降。因此，可以認為金融可得性、支付便利性和家庭面臨的不確定性在數字金融發展影響家庭杠桿率的過程中具有部分中介效應，中介效應占比(6)中介效應占比=0.1098*0.4703/0.3122=0.1654；另外兩個中介效應占比以此類推。分別為0.1654、0.1362和0.0029。

表8 金融可得性渠道檢驗

表9 支付便利性渠道檢驗

表10 不確定性渠道檢驗

六、研究結論與啟示

數字金融作為傳統金融通過科技賦能方式形成的新產物，對微觀經濟主體乃至宏觀經濟高質量發展都有著重大影響。本文將北京大學數字普惠金融指數與中國家庭追蹤調查(CFPS)數據相結合，研究了數字金融發展對家庭杠桿率的影響，并對其可能的異質性和作用機制進行探討。研究發現，數字金融發展能夠顯著推動家庭杠桿率的攀升，并對家庭杠桿率的攀升具有長期效應。從數量上看，數字金融發展每提高一個單位，將促使家庭杠桿率上升0.0058%。該結論在經過內生性處理和一系列穩健性檢驗后仍然成立。對該影響在不同群體中可能存在的異質性進行分析，結果發現，數字金融發展對家庭杠桿率的影響在不同借貸類型、不同區域、年齡和城鄉之間存在非對稱性，數字金融發展對家庭杠桿率的提升在有房貸、消費貸和經營貸的家庭、中西部地區家庭、25-55歲家庭、農村地區家庭更為明顯。機制分析表明，數字金融發展通過提高金融可得性、強化支付便利性和降低家庭面臨的不確定性而對家庭杠桿率產生積極影響。

2020年5月14日中共中央政治局會議上，習總書記提出構建“以國內大循環為主體，國內國際雙循環相互促進的新發展格局”到十九屆五中全會提出“實施擴大內需戰略”。消費作為擴大內需的重要手段之一，對實現內循環和內需戰略起著關鍵性作用。而家庭加杠桿有利于擴大消費，推動經濟由外需拉動的增長向以消費為主的內需拉動的增長轉型，但也不能忽視家庭的債務風險。因此，基于上述分析，本文具有以下重要的政策啟示：一是從長期來看，數字金融發展是大勢所趨，并對家庭加杠桿具有持續性影響效果，特別是互聯網金融的發展，其最典型的當屬螞蟻集團旗下的支付寶、花唄、借唄、微粒貸等工具，在提高了家庭金融可得性的同時，也使得超前消費和負債性消費觀念日益深入人心，給金融穩定帶來隱憂。據此，應發揮數字金融對家庭加杠桿的助推作用，從而滿足人們日益增長的物質文化需求，同時加強對家庭杠桿率的監測和管控，避免發生家庭債務風險。這是因為數字金融可以在提高金融可得性和強化支付便利性等方面為家庭提供更好的金融服務，提高金融服務的覆蓋范圍、質量和效率。但也需要家庭把握適度原則，防止家庭杠桿率的過高過快增長。家庭杠桿率過高意味著債務負擔的加重，在長期來看會沖擊國家的金融穩定性，因此要積極防范家庭杠桿率過高的風險，守住不發生系統性金融風險的底線。比如可以完善金融機構對于家庭負債的監控體制，健全風險評估和防控機制。二是引領數字金融朝著提高家庭金融素養的方向發展，家庭金融素養的提高意味著風險識別能力、承受能力、金融知識水平等方面的同步提高，可以幫助家庭改善負債結構和提高家庭金融的穩定性，從而讓家庭杠桿率保持在一個合理的水平。三是根據研究結論，數字金融發展對有房貸、消費貸和經營貸的家庭以及農村地區家庭杠桿率的促進作用更為明顯，因此要特別關注該類群體，加強對這類群體的檢測和防控，避免因過重的債務負擔而造成生活福利損失。