數字普惠金融對家庭風險金融資產配置影響的差異性
——基于地區與城鄉視角

■劉穎 張高明 孫婉若

一、引言

隨著經濟的快速發展，中國的金融資產總量已經躍居全球前列，但與此同時，各種金融服務供給不均衡的情況也開始凸顯，普惠金融的發展與推進越來越得到國家和民眾的關注。2015年《政府工作報告》指出普惠金融就是立足于機會平等要求和商業可持續原則，通過加大政策引導扶持、加強金融體系建設、健全金融基礎設施，以可負擔的成本為有金融服務需求的社會各階層和群體提供適當的、有效的金融服務。普惠金融發展到現在已經和現代互聯網技術深度融合，成長為數字普惠金融3.0[1]。數字普惠金融相較普惠金融，可獲得性和全面性等特征更加明顯。

在數字普惠金融走進大眾視野后，越來越多的研究開始著重探索其對創業、經濟發展、城鄉差距、消費和信貸等方面的影響，但是其對家庭金融資產配置的影響并未得到較多關注。中國家庭金融起步較晚，金融市場參與度低、金融資產占比小。中國家庭的股票市場參與率2013年為6.5%、2015年為9.4%、2017年為6.8%、2019年為5.9%，整體水平偏低，且呈現逐年走低的趨勢，這與發達國家10%～20%的家庭股票市場參與率有很大的差距。中國家庭金融資產占比2013年為9.3%、2015年為13.7%、2017年為11.4%、2019年為8.4%，整體平均水平較低。2019年美國家庭金融資產占比為41.8%、英國為43.7%、日本為62.2%，可見中國與這些發達國家的差距依然很大。這其中很大的原因就是正規金融機構提供給家庭的金融參與機會較少。

在此背景下，研究數字普惠金融發展對家庭風險金融資產配置的影響具有特殊的意義，能為優化中國家庭風險金融資產配置提供建議。中國家庭金融調查與研究中心開展的中國家庭金融調查，旨在收集家庭的人口特征、資產與負債、保險與保障、收入與支出等方面的信息。北京大學課題組利用螞蟻金服關于數字普惠金融的海量數據，編制了數字普惠金融發展指數[2]。以上這些數據為本文的實證研究提供了數據來源。

本文可能的創新點有以下兩個方面：第一，引入以互聯網骨干直聯點為核心的工具變量以解決數字普惠金融與家庭資產配置之間可能存在的內生性問題。第二，創造性地提出“強效地區”等概念，并通過地區與城鄉的分樣本回歸進行驗證。

二、文獻綜述與假說提出

（一）文獻綜述

本文致力于研究數字普惠金融的發展對家庭的風險金融資產配置的影響，相關文獻主要涉及以下兩個方面。

一方面是關于數字普惠金融。數字普惠金融在中國發展脈絡清晰、發展階段連貫，所以關于數字普惠金融和普惠金融這類關聯性概念的文章較多。數字普惠金融能憑借自身的數字性和普惠性特征為經濟發展提質增效[3—5]，能夠顯著促進省域經濟增長[6]。針對減貧效應，數字普惠金融的發展能夠顯著降低農村家庭的貧困發生率[7，8]，但是這種減貧效應存在區域間的不平衡[9]且具有顯著的時滯性[10]。張呈磊等[11]和李牧辰等[12]認為數字普惠金融的發展總體上改善了收入不平等的狀況。Demir 等[13]對140 個國家進行面板分析后也得到了一致的結論。其中，數字普惠金融激發了農村居民創業被認為是十分重要的機制[14]，而且可作用于改善家庭在正規信貸的參與狀況[15]。王永靜等[16]卻認為數字普惠金融與新型城鎮化發展欠融合，導致其不能有效地縮小城鄉收入差距，改善收入不平等狀況。Aziz 等[17]也認為由于農村居民的金融知識和社會意識較差，數字普惠金融的潛力不能被完全挖掘，所以其發揮改善收入不平等的作用十分有限。

另一方面是關于家庭金融資產配置。家庭金融資產配置要受到家庭和社會等多方面因素影響，其中風險偏好程度會正向影響家庭參與風險金融市場的廣度與深度[18，19]。家庭成員擁有較好的受教育背景和金融知識也會正向促進家庭配置風險金融資產[20，21]。其他諸如商業保險的發展情況[22，23]、住房價格的變化及預期[24，25]和人口老齡化問題[26，27]等也會給家庭參與風險金融市場帶來影響。國別對比來看，中國居民家庭儲蓄率和房產占比畸高[28]，而家庭金融資產占比與發達國家水平相距甚遠。家庭金融資產配置的優化有利于提高家庭資金的收益性和流動性[29]，也有助于實現多渠道增加居民財產性收入。

雖然已有很多有關家庭金融資產配置和數字普惠金融發展的研究，但是將兩者結合起來研究的并不多。周雨晴等[30]利用近兩萬戶農業戶籍家庭樣本進行了實證研究，得出數字普惠金融能夠正向促進農戶家庭的金融市場參與程度和風險資產配置比例的結論。張曉玫等[31]實證檢驗了普惠金融對家庭金融資產配置和股票市場參與的影響，得出了提高普惠金融水平可以增加家庭參與股票市場和風險金融市場的概率和比例的結論。但是這些文獻并沒有著重關注不同發展地區影響的差異性和內在原因。這也將是本文研究的重點。

（二）假說提出

雖然數字普惠金融能在家庭風險金融資產的配置概率和配置比例上起到顯著的正向影響已經成為目前研究的共識，但是針對不同地區和城鄉差異性的研究并不深入，張曉玫等[31]認為農村家庭所處的金融環境較差，參與渠道較少會是城鄉差異的原因。本文在此基礎上，結合數字普惠金融的性質及其對媒介的依賴性特征，進一步分析城鄉以及不同地區的差異性。

結合數字普惠金融的性質和既往文獻的研究，可以認為數字普惠金融要想對某些群體或者地區的家庭風險金融資產配置產生影響需要滿足兩個條件。第一個條件，數字普惠金融無論是傳播的過程還是發揮作用的過程均需要以金融和互聯網設施作為前提條件，所以受影響的群體和地區要有著不錯的金融設施和互聯網條件。第二個條件，只有當某些群體或地區過去所處的金融環境或金融可得性條件較差時，數字普惠金融的邊際效應才會比較明顯。家庭配置風險金融資產是一種投資或理財的狀態，如果某些群體或地區的家庭一直處在較為優越的金融環境下，愿意參與金融市場的家庭已經在很大程度上地參與了風險金融資產配置，那么數字普惠金融對其能夠起到的影響就會十分有限。以上兩個條件中任意一個不被滿足時，數字普惠金融給家庭風險金融資產配置帶來的邊際效應都會較弱。

綜上，本文認為只有當某些地區同時滿足上述兩個條件，即其過去所處的金融環境并不好，但是隨著社會發展和政策扶持，金融和互聯網條件都有了明顯改善時，數字普惠金融的邊際效應才會相對變大。本文將這樣的地方稱為“強效地區”。同時，本文將不滿足第一個條件的地區，即將目前金融可得性或互聯網設施較差等“硬件”存在短板的地區定義為“硬弱效地區”；將不滿足第二個條件的地區，即將該地區一直所處的金融環境都較為優越，家庭風險金融資產配置的潛力已挖掘殆盡的地區對應地定義為“軟弱效地區”。這兩類地區統稱為“弱效地區”。

根據以上“強效地區”的提出和相關理論的推導，本文提出以下假說：

H1：數字普惠金融對“強效地區”的家庭風險金融資產配置（包括配置概率和配置比例）會有顯著的正向影響。

H2：數字普惠金融對“弱效地區”的家庭風險金融資產配置（包括配置概率和配置比例）的影響較小或者不顯著。

結合“強效地區”概念，本文進一步根據不同地區和城鄉的發展差異對“強效地區”和“弱效地區”進行分析。

一般來說，農村地區所處的金融環境和互聯網基礎設施弱于城鎮地區，但隨著鄉村振興戰略的推進，這一情況也逐步得以改善。一方面，各地區互聯網基礎設施明顯改善。截至2020年末，中國互聯網普及率達70.4%，其中農村地區互聯網普及率為55.9%①。且近年來，網絡扶貧行動向縱深發展取得了實質性進展，包括東中西部在內的農村和城鎮地區的互聯網條件都有明顯改善。另一方面，農村商業銀行這一地方性金融機構的設立對健全農村金融體系、提高農村金融服務水平起到了極大的推動作用。截至2020年底，全國共有1539 家農村商業銀行，其中東部地區占三分之一以上，按資產對農村商業銀行進行排名，前100名中有75名屬于東部地區，可見東部農村地區的金融可得性已經有了極大的改善。但是除了重慶農商行之外②，其他中西部地區發展情況較為一般，中西部地區農村金融機構布點仍然較少[32]，金融可得性情況不容樂觀[33]，而中西部城鎮地區由于城鎮化建設和過去相較于中西部農村地區的優先發展戰略，其金融可得性要顯著優于中西部的農村地區。

根據以上分析，本文認為東部農村和中西部城鎮較為符合“強效地區”的定義。這些地區在受到數字普惠金融影響時邊際效應理應更大。東部城鎮地區所處的金融和互聯網條件一直較好，中西部農村地區目前的金融可得性尚且不足，故本文將其歸入“弱效地區”，且他們分別符合“軟弱效地區”和“硬弱效地區”的定義。

三、數據和實證模型

（一）數據

本文使用了兩類數據。第一類數據來自中國家庭金融調查（China household finance survey，CHFS）數據庫。本文選擇2017年的CHFS 數據庫樣本，覆蓋了全國29 個省份（不含新疆、西藏、港澳臺地區）的355個縣（市），包括40011個家庭的微觀數據。在剔除有重要缺失值與無法精確到縣級的樣本后，共有33992個家庭樣本被納入研究。第二類數據來自北京大學課題組利用螞蟻金服關于數字普惠金融的海量數據編制的北京大學數字普惠金融發展指數。該指數利用螞蟻金服微觀數據合成，空間跨度包含省級、城市和縣域三個層級，涉及33個指標，包含覆蓋范圍（支付寶賬戶數量、綁定銀行卡的數量等）、使用深度（支付、貸款、保險、投資等）和數字支持服務程度（手機支付、貸款利率等）三個維度，以及支付、保險、貨幣基金、征信等業務分類指數。

本文使用的是2016—2017年縣級層面數字普惠金融發展指數。其中2017年數據是為與2017年CHFS 數據做基準回歸，2016年數據將作為其中一個工具變量使用。

（二）模型選取

首先建立風險金融資產配置概率與數字普惠金融發展指數之間的基準回歸模型。用Pro_riskpi表示p地的i家庭是否配置了風險金融資產。由于Pro_riskpi為二元離散變量，如果使用普通最小二乘法回歸，結果會有偏，故選擇Probit模型進行實證研究。實證模型如下：

其中，Indexp表示家庭所在p地的數字普惠金融發展指數（此處及以下均取對數處理），X表示戶主個人特征和家庭特征的一系列控制變量，μi為隨機擾動項。根據模型（1）來衡量數字普惠金融發展指數對家庭風險金融資產配置概率的影響。

（2）式是家庭配置風險金融資產占家庭總金融資產的比例與數字普惠金融發展指數之間的基準回歸模型。用Ratio_riskpi表示p地的i家庭配置風險金融資產占家庭總金融資產的比例，因為這一變量左側數據都集中為0（左刪尾變量），因此選擇Tobit模型。

根據模型（2）來衡量數字普惠金融發展指數對家庭風險金融資產配置比例的影響。

（三）變量

1.被解釋變量。本文選取了兩個被解釋變量，即家庭配置風險金融資產的概率和家庭配置風險金融資產的比例。將家庭配置風險金融資產的概率這一虛擬變量設定為：如果家庭在股票、基金、公司債券、互聯網理財產品、金融理財產品、非人民幣資產、貴金屬和金融衍生品等產品上任意配置一項及以上，則變量取值1；否則，取值0。家庭配置風險金融資產的比例變量設定是，家庭在風險金融資產項目上配置的資產總和占家庭總金融資產的比例。

2.核心解釋變量。核心解釋變量是縣級層面的數字普惠金融發展指數，包括數字普惠金融綜合指數、數字普惠金融覆蓋廣度指數和數字普惠金融使用深度指數。

3.工具變量。模型中常見的內生性問題大多是由遺漏變量和反向因果引起的。本文選取互聯網骨干直聯點（國家為匯集和疏通全國網間通信流量而建立的通信樞紐）的合成變量和數字普惠金融指數的滯后一期變量分別作為工具變量，來盡可能地避免內生性問題。

本文針對互聯網骨干直聯點能給本省帶來的影響設置了四個具有代表性的問題，在進行取對數壓縮數值和取平均數等操作后構建了互聯網得分，具體的問題設置及統計描述見表1。

表1 互聯網得分的問題設置及統計描述

根據《中國互聯網發展報告2017》可知，截至2017年我國已建立三個批次的骨干直聯點。其中北京、上海和廣州為第一批次，成都、武漢、西安、沈陽、南京、重慶和鄭州為第二批次，杭州、貴陽和福州為第三批次。互聯網骨干直聯點涵蓋了東中西部地區，拉動互聯互通效率逐步提高，網絡連接效率和用戶體驗得到了極大的提高與改善。數字普惠金融的發展很大程度上要依賴于互聯網設施的建設與互聯網聯通效率的發展，所以互聯網得分能在一定程度上反映數字普惠金融的發展情況，但是家庭的金融資產配置情況并不會對互聯網骨干直聯點的城市選擇產生影響。因此，互聯網得分的選取符合工具變量要求。

4.控制變量。戶主層面的控制變量包括戶主的年齡、性別、婚姻狀況、教育程度和風險偏好等。家庭層面的控制變量包括家庭成員數、總資產、總收入和家庭是否擁有自有住房等。表2是相關變量的統計描述。其中針對如風險態度等在2017年調查中僅詢問新訪戶的情況，本文采用匹配往年數據的方法進行處理；金融素養的衡量沿用尹志超等[34]的做法，對調查中的三個金融知識問題設置是否回答正確和是否作答的虛擬變量，然后采用主成分分析法對該變量進行分析得到金融素養這一綜合指標。

表2 各變量統計描述

四、實證和結果分析

下文從基準回歸、內生性分析和穩健性檢驗方面，實證分析數字普惠金融對家庭風險金融資產配置的影響。

（一）數字普惠金融與家庭風險金融資產配置的基準分析

本文通過實證分析，從配置概率和配置比例兩個方面探究了數字普惠金融綜合指數對家庭風險金融資產配置的影響。實證結果如表3所示。

表3 數字普惠金融綜合指數對家庭風險金融資產配置的回歸結果

表3報告了數字普惠金融綜合指數（指數已取對數，下文均同操作）對家庭風險金融資產配置的實證結果。結果表明數字普惠金融發展對家庭風險金融資產配置的概率和比例都有顯著的促進作用，這與已有文獻的結論相一致，且這一結果在控制變量前后均一致。

同時，結果顯示城鄉控制變量的系數為負，且在1%的統計水平上顯著；地區控制變量的系數為正，且在10%的統計水平上顯著。這表明農村群體在風險金融資產配置上的表現（或者說在金融市場上的表現）要明顯弱于城鎮群體，中西部地區要弱于東部地區。但是存量不代表增量，農村群體和中西部地區受數字普惠金融影響做出的改變是否也弱于城鎮和東部地區？且這種改變在城鄉和不同地區之間有著怎樣的強弱分布？這些都是本文將在差異性分析中重點討論的內容。

（二）內生性分析

本文選取由互聯網骨干直聯點信息進行綜合處理得到的互聯網得分等作為工具變量，以盡可能地解決內生性問題。

互聯網既是大多數數字普惠金融業務的載體，也是數字普惠金融發揮作用的途徑，互聯網得分能在一定程度上反映出當地互聯網建設水平，可以預期，互聯網得分與數字普惠金融發展顯著正相關。相反，互聯網骨干直聯點的設立多是國家基于網絡強國戰略思想的整體布局，所以不會受家庭層面的影響。綜上，互聯網得分基本滿足外生性，故可以選取互聯網得分為工具變量來解決反向因果的內生性問題。數字普惠金融發展指數反映的是當年數字普惠金融整體的發展情況，這種發展情況能對下一年的家庭金融資產配置產生導向性甚至直接性影響，但是由于時序的問題，下一年的家庭金融資產配置是無法對上一年的數字普惠金融發展產生影響的，故可以選擇數字普惠金融指數的滯后一期作為工具變量來解決反向因果的內生性問題。回歸結果如表4所示：在解決內生性問題后，工具變量無論是對家庭風險金融資產配置概率還是配置比例而言，系數都顯著為正。這說明了基準回歸結果具有穩健性。

表4 工具變量回歸

關于工具變量的有效性。互聯網得分這一工具變量通過了不可識別檢驗③、過度識別檢驗④及弱工具變量檢驗⑤，故工具變量估計是有效的。同樣，數字普惠金融指數的滯后一期也通過了以上檢驗⑥。受篇幅所限，本文未列示穩健性回歸結果。

東部地區的互聯網得分均值為0.376，中西部地區的互聯網得分均值接近-0.200。這種東部與中西部有較大差異的現象與數字普惠金融指數在不同地區的差異接近，而且也說明進一步探究地區內在差異的原因對提高數字普惠金融影響的重要性。

（三）穩健性檢驗

1.替換變量。北京大學課題組測度中國數字普惠金融發展時，除數字普惠金融綜合指數外，還得到了覆蓋廣度指數、使用深度指數和數字支持服務指數這三個子指標。其中覆蓋廣度指數和使用深度指數在指數編排時所占比重最大，而且數字支持服務指數在各省間波動幅度較小，故本文除使用綜合指數進行基準回歸外，還選擇了覆蓋廣度指數和使用深度指數進行穩健性檢驗。

2.縮小樣本量。在進行基準回歸前，本文已經按照戶主年齡不小于16 歲和不能存在重要缺失值等條件剔除了部分樣本，但是本文研究的重點是家庭金融問題，所以家庭資產相關變量的異常性或特殊性會對模型結果產生直接影響。本文對樣本按照家庭總資產從高到低進行排序，然后把低于10%分位數值和高于90%分位數值的樣本予以剔除進行穩健性檢驗。兩種穩健性檢驗的結果均與基準回歸一致，表明了基準回歸結果的可靠性。

五、進一步分析：地區與城鄉差異性

（一）數字普惠金融對家庭風險金融資產配置影響的差異性分析

1.數字普惠金融與家庭風險金融資產配置的城鄉差異。因數字普惠金融具有普惠金融的包容性特征，但是又要受制于城鄉基礎設施差距和政策傾斜等條件的影響，故數字普惠金融發展的影響理應具有城鄉差異性。表5是將樣本按照戶口性質劃分為農村群體與城鎮群體，然后對兩組樣本分別進行回歸的結果。

通過表5（1）列與（2）列系數的對比，可以發現數字普惠金融發展對家庭風險金融資產配置概率的影響程度，農村群體要大于城鎮群體。這說明數字普惠金融發展確實能在一定程度上起到緩解城鄉在金融可得性、金融參與上的差距的作用；通過（3）列與（4）列的對比，可以發現數字普惠金融在城鄉群體中對家庭風險金融資產配置比例的影響也有較大差異，農村群體受數字普惠金融的影響從而配置更多的風險金融資產的程度要大于城鎮群體。這不僅說明數字普惠金融有著很好的地理穿透性，能夠在一定程度上克服基礎設施上的差距，也說明如網絡基礎設施這類新型設施在農村地區的建設也取得了一定成就，對緩解城鄉差距起到了重要作用。

表5 城鄉差異性

2.數字普惠金融與家庭風險金融資產配置的東中西部地區差異。數字普惠金融發展對家庭風險金融資產配置要受到地區差異的影響，而且數字普惠金融自身的發展也會有地區差異。所以本文將樣本分為西部、中部和東部三組，然后分別進行回歸。表6為回歸結果。

表6 地區差異性

從表6結果可以看出，數字普惠金融無論是在家庭風險金融資產的配置概率還是配置比例的影響上，都變現為中西部地區顯著為正，而東部地區不顯著，這說明數字普惠金融發揮了應有的包容性和良好的地理穿透性。這種影響主要得益于近年來國家對中西部地區發展的政策傾斜和戰略布局，這也說明了繼續推進中西部地區金融發展和互聯網基礎設施建設、縮小地區間數字鴻溝和縮減地區發展差異的正確性與必要性。

其中，中部地區受影響的顯著性最高，系數最大，主要原因可能是中部地區憑借著地理位置的“中介”和“橋梁”優勢，連接著東西地區數字普惠金融的合作與發展[35]，使得中部地區在數字普惠金融發展中占據了中心位置。

（二）進一步研究城鄉與地區的差異

本節將從理論與實證的角度分析將東部農村與中西部城鎮納入“強效地區”的合理性。下面本文將樣本根據地區和城鄉分為6個子樣本。

結果如表7所示：在樣本劃分更為細致后，三個“強效地區”在受到數字普惠金融影響時均表現出顯著為正的反應，結果無法拒絕假設1。這不僅說明“強效地區”概念提出的正確性，更說明造成城鄉群體和東中西地區差異的主要原因在于這些群體和地區所處的金融環境不成熟，金融發展不夠完善，家庭的金融可得性較差，所以家庭風險金融資產配置受數字普惠金融的影響顯著。由于中西部地區農村群體的家庭風險金融資產配置比例在很大程度上為0，故無法進行Tobit模型回歸，本節不再對配置比例進行實證分析。

表7 地區與城鄉差異性

六、機制分析

（一）數字普惠金融的增收效應

根據相關文獻可知，數字普惠金融有提振經濟、增加居民收入的作用[36]。所以數字普惠金融影響家庭風險金融資產配置可能的機制是通過影響當地的經濟增長情況，進而影響家庭收入從而實現促進家庭風險金融資產配置。

表8（1）列使用最小二乘法（OLS）分析了數字普惠金融發展對經濟增長的代理變量——人均GDP的影響。其中，控制變量包括反映政府干預程度的政府財政支出占GDP的比重、反映貿易開放程度的進出口貿易總額占GDP的比重、反映外商投資水平的外商直接投資占GDP的比重、反映傳統金融中介發展水平的銀行信貸余額占GDP的比重[37]以及反映當地人口結構的撫養比和勞動人口占比等。結果顯示，數字普惠金融對人均GDP 影響的系數為8.091，且在1%的水平上顯著。這表明數字普惠金融發展能夠顯著促進當地的經濟增長。

表8（2）列為人均GDP 與家庭總收入的OLS 實證回歸，回歸結果表明人均GDP與家庭總收入顯著正相關，即當地的經濟發展能顯著提高家庭總收入。（3）和（4）列比較了將人均GDP和家庭總收入納入數字普惠金融發展指數對家庭風險金融資產配置影響的模型后的結果，可以看出，將人均GDP 和家庭總收入納入模型后，數字普惠金融發展指數不再顯著，這說明經濟增長影響家庭收入進而影響家庭風險金融資產配置是數字普惠金融影響家庭配置風險金融資產的主要渠道。

表8 數字普惠金融、經濟增長與家庭收入

本文對反映當地傳統金融中介發展水平的指標（Credit，當地銀行信貸余額與當地GDP 比值）與數字普惠金融結合進行進一步研究。表9結果表明：在控制了傳統金融中介發展水平后，中西部地區家庭風險金融資產配置受數字普惠金融影響會更大，即如果中西部地區的傳統金融能達到東部地區水平，則數字普惠金融的邊際效應會更大。這說明了繼續發展中西部地區基礎金融機構和金融設施的重要性。而且基礎金融機構除發展廣度要求外，還要注意加強發展深度，尤其是向中西部農村這樣的“硬弱效地區”深入發展。

表9 控制傳統金融中介發展水平

（二）數字普惠金融的教育效應

數字普惠金融的發展讓更多的家庭接觸到金融服務，家庭整體的金融素養理應也會隨著數字普惠金融的發展而上升。表10（1）列的實證結果也佐證了這一點。反過來，金融素養又會正向影響家庭配置風險金融資產，這就形成了數字普惠金融影響家庭配置風險金融資產的渠道。

表10（2）和（3）列是未加入金融素養變量的回歸結果，數字普惠金融對家庭風險金融資產配置概率影響的系數是0.353，對家庭風險金融資產配置比例影響的系數是0.428。（4）和（5）列是將數字普惠金融發展總指數和金融素養同時加入模型后的回歸結果，數字普惠金融發展總指數的系數明顯下降。這表明存在“數字普惠金融通過提高居民的金融素養進而促進家庭配置風險金融資產”的傳導路徑。

表10 數字普惠金融與家庭金融素養

七、結論與政策建議

數字普惠金融利用其數字金融和普惠金融的優勢特征，給中國金融業緩解發展不平衡帶來了深刻的影響。本文利用中國家庭金融調查（CHFS）數據與數字普惠金融發展指數，評析了數字普惠金融的發展對家庭風險金融資產配置的影響，主要得出以下幾點結論：

第一，本文提出的“強效地區”等概念在實證中得到了驗證，并且將東部農村和中西部城鎮總結為“強效地區”，東部城鎮總結為“軟弱效地區”，中西部農村總結為“硬弱效地區”。

第二，數字普惠金融的發展能夠顯著提高以東部農村和中西部城鎮為代表的“強效地區”的家庭配置風險金融資產的概率，且能夠顯著增加家庭配置風險金融資產占家庭總金融資產的比例。

第三，“硬弱效地區”產生的原因是當地的金融機構不發達，家庭的金融可得性較差；“軟弱效地區”產生的原因是家庭的風險金融資產配置潛力不足。

第四，通過機制分析發現，數字普惠金融能通過顯著促進當地經濟增長進而增加家庭收入和提高家庭的金融素養，這都成為了數字普惠金融影響家庭風險金融資產配置的渠道。

基于上文的研究與論證，本文提出以下幾點政策建議：

第一，針對“硬弱效地區”。除加速數字金融和普惠金融服務的進程外，更重要的是完善金融基礎設施建設。金融基礎設施的可及性既是居民生活福祉的保證，也是提高居民金融素養、激發金融活力和促進金融市場參與的前提條件。但是由于資本的逐利性，“硬弱效地區”的金融可得性問題往往很難通過市場自發地改變，需要諸如金融扶貧等方式的政府政策介入。

第二，針對“軟弱效地區”。應加快金融產品創新，探索更多有效的金融模式，以此來激發居民參與金融市場的潛能。正如東部城鎮這樣的“軟弱效地區”，在傳統金融服務已經較為發達的情況下，數字普惠金融無法大幅地激發居民參與到金融市場的潛能，只有創新型的金融產品和金融模式的出現才能打破這種局面。

第三，針對“強效地區”。應繼續推進數字普惠金融發展，完善金融體系建設。從以上的研究也可以看出數字普惠金融確實能夠對家庭風險金融資產配置帶來顯著的正向影響，所以應該繼續推進數字普惠金融發展，讓數字普惠金融承擔起解決金融業發展不均衡不充分的責任。在發展數字普惠金融時，也要注意與地區的傳統金融機構結合，這樣才能讓數字普惠金融有根有源，實現可持續發展。■

注 釋

①數據來源：國家統計局《中華人民共和國2020年國民經濟和社會發展統計公報》。

②重慶農商行是西部乃至全國第一大農商行，截至2020年底資產規模達11359.27億元。

③Kleibergen-Paaprk LM 統計量為821.586，p值為0.000，拒絕了工具變量不可識別的原假設。

④Hansen J 統計量，p 值為0.75，無法拒絕工具變量為外生的原假設。

⑤Cragg-Donald Wald F 統計量和Kleibergen-Paaprk Wald F統計量，p值均小于0.01，拒絕了存在弱工具變量的原假設。

⑥相應統計量結果不再羅列贅述。