數字金融、家庭財富與共同富裕

強國令 商 城

一、引言

改革開放四十多年以來，我國居民家庭財富水平大幅增長，但隨之而來的是財富分布日益集中。根據Piketty et al.(2019)的研究，截至到2015年，我國最富有的前10%人口占有了67.4%的財富份額，處于中間的40%人口和處于底部的50%人口僅僅占有26.2%和6.4%的財富份額，國民總財富與總收入比率從1978年的350%增長到2015年的近700%。托馬斯·皮凱蒂(Thomas Piketty)在《21世紀資本論》中指出，資本收益率在歷史上長期大于經濟增長率，而家庭越為富有的階層，收入中利潤、利息、紅利等資本性收入的比例就越大，從而導致了全球范圍內財富分布日益集中(Piketty，2014)。在扎實推動共同富裕的歷史階段，如何讓更廣大人民群眾獲得資本性收入，在提升財富總體水平的基礎上緩解財富不平等，這已經成為新時代亟需回答的問題，也是緩解我國當前主要矛盾的重要抓手。

諾貝爾經濟學獎獲得者羅伯特·希勒(Robert J Shiller)在《金融與好的社會》中指出：“創造并推行金融創新是應對經濟不平等的最佳策略”，“最重要的是對金融體系進行擴大化、民主化和人性化的改造，直到未來某一天各類金融機構在普通民眾的生活中更常見，影響更積極”(Shiller，2013)。近年來，數字金融依托于大數據、云計算等數字技術，對支付、融資和投資等傳統金融業務模式進行了創新，相較于傳統金融，數字金融在提高金融服務效率、降低金融服務成本、促進金融資源配置等方面展現出了巨大的優勢(吳雨等，2022)。中國是全球范圍內數字金融發展最為迅速的國家(王靖一、黃益平，2019)，數字金融的蓬勃發展對廣大人民群眾的生活產生了廣泛而深遠的影響，特別是使被排斥在傳統金融體系之外的群體享受到了正規金融服務(尹志超、張號棟，2018；楊波等，2020)，已有研究發現數字金融對居民家庭創業和風險金融資產配置起到了顯著作用(尹志超等，2019；張勛等，2019；周雨晴、何廣文，2020；廖婧琳、周利，2020;陳宸等,2022)，那么，在此基礎上數字金融是否有助于提高家庭財富水平、緩解財富不平等？在已有文獻的基礎上，本文致力于規范評估數字金融對家庭財富的影響，可能的創新和貢獻在于：

第一，相比以往研究數字金融影響家庭財富的文獻，本文的創新在于：首先，本文在Piketty(2014)研究的基礎上，從資本性收入的角度出發，驗證了創業和風險資產配置兩條影響路徑，并在影響機制分析中考慮了內生性問題的影響；其次，以往文獻使用省級宏觀數字金融發展指數與微觀調查數據相匹配進行研究，本文首次根據微觀調查數據中每個家庭的數字金融使用情況，細致地剖析了不同特征家庭使用數字金融所產生的異質性影響。以上兩方面使得本文的研究發現更加可靠、政策啟示更具參考價值。

第二，數字金融與經濟不平等的已有研究主要聚焦于收入不平等(張勛等，2019；周利等，2020；張呈磊等，2021)，鮮有涉及財富不平等。相比收入不平等，財富不平等更具有研究價值，主要體現在以下兩方面：首先，張春安、唐杰(2004)通過研究不平等對經濟增長的影響發現，收入不平等短期內會對經濟增長起到的正面作用，長期內會轉化為財富不平等，從而拖累經濟增長；其次，相比收入，家庭財富包含了資產和負債兩方面詳細的家庭金融信息，有利于更細致地剖析造成貧富差距的原因(陳彥斌，2008)。本文首次基于微觀調查數據中數字金融使用的詳細情況，從財富積累的角度，探討了數字金融對財富不平等的影響，豐富了數字金融影響經濟不平等的研究。

第三，財富不平等的相關研究主要立足于財富積累的角度、圍繞家庭財富的影響因素展開，資本性收入(Piketty，2014)、經濟素養(Lusardi and Mitchell，2007)、通貨膨脹(陳彥斌等，2013)、儲蓄率(Saez and Zucman，2016)、財務杠桿(吳衛星等，2016)等都是經典的影響因素。相比研究財富不平等的已有文獻，本文在共同富裕視角下，兼顧總體財富水平和財富不平等兩個維度，首先探究了數字金融對家庭財富總體水平的影響，然后根據數字金融的普惠特性探討了對財富不平等的影響，從而為實現共同富裕提供了可行路徑。

本文余下部分安排如下：第二部分進行理論分析，并提出研究假說；第三部分介紹數據來源和實證策略；第四部分報告基準回歸結果，并進行內生性分析和穩健性檢驗；第五部分探究數字金融促進家庭財富積累的內在機制；第六部分通過異質性分析探討數字金融對財富不平等的影響；第七部分報告得出的結論與政策啟示。

二、理論分析和研究假說

數字金融泛指傳統金融機構與互聯網公司利用數字技術提供的融資、支付、投資和其他新型金融服務(黃益平、黃卓，2018)。北大數字金融研究中心與螞蟻科技集團基于支付寶賬戶數據構建了北京大學數字普惠金融指數，該指數從覆蓋廣度、使用深度和數字化程度三個維度來衡量數字金融發展程度。眾多學者在此基礎上探討數字金融發展對微觀家庭經濟狀況的影響。孫繼國等(2020)發現數字金融發展通過促進居民創業、緩解信貸約束和化解農業風險來減緩相對貧困。方觀富、許嘉怡(2020)發現數字金融發展顯著促進了居民就業，并提高了就業者的工作收入。尹志超等(2021)發現數字金融發展顯著提升了家庭部門的就業率，創業型自雇傭是數字金融提升就業率的重要渠道。

此外，部分學者基于微觀調查數據探討了數字金融使用對家庭經濟狀況的影響。尹志超等(2019)發現移動支付使用顯著提高了家庭創業的概率和工商業項目的經營績效，并且對創業成本高和受到信貸約束的家庭創業活動促進作用更大。何婧、李慶海(2019)發現數字金融使用通過緩解融資約束和信貸約束顯著促進了農戶的創業行為，并提高了農戶的創業績效。總體而言，數字金融對微觀家庭經濟狀況產生了積極的影響；由此，我們提出假說H1：

H1：數字金融能夠促進家庭財富積累。

家庭財富的一部分可以看作是收入中未被消耗而積累下來的部分，但是，通過生產、勞動以及所有權的變化導致收入機會變化而產生的“收入創造”不能完全等同于“財富積累”，由于不同的消費行為或投資策略，高收入者并不會自動轉化為有錢者(何曉斌、夏凡，2012)，根據2017年中國家庭金融調查(CHFS)數據，家庭收入與資產的線性相關系數約為0.4。合理有效的資產結構是家庭財富積累的重要保障，吳雨等(2016)發現較高金融知識的家庭會配置更大比例的金融資產，尤其是風險金融資產，從而有利于家庭財富積累。中國家庭資產分布較為單一，主要以住房為代表的非金融資產為主(甘犁等，2013)，與歐美發達國家的家庭相比，我國居民家庭住房擁有率較高，而風險金融市場參與率較低、風險金融資產占比較低(吳衛星、呂學梁，2013)，家庭配置風險金融資產有利于獲得改善資產結構、資本性收入。

資產配置不只是在“存量”的基礎上進行結構上的優化，還會受到“流量”的約束。Maslow(1954)基于人類動機提出了需求層次理論，認為人類不同的需求呈現階梯形的結構特征，只有較低層次的需求在全部或部分滿足之后，才會追求更高層次的需求。家庭的金融需求也呈現出一定的結構特征，利潤等資本性收入有利于家庭提高金融需求層次。周弘等(2017)發現我國居民家庭金融需求結構具有一定的門限效應，隨著工資以外收入的提高，金融需求會由交易性需求向資產保值、增值的需求發展。工資收入占比較大的家庭有較強的流動性需求，流動性資產占比的提高會提升家庭的平均消費傾向(賀洋、臧旭恒，2016)，這顯然不利于家庭財富的積累。在自我雇傭的家庭中，家庭生產性固定資產表現出明顯的“財富效應”，主要作用機制是降低了家庭預防性儲蓄動機并緩解了家庭流動性約束(李濤、陳斌開，2014)，從而有利于家庭將“流量”進行投資。

家庭財富積累有賴于獲得資本性收入，創業和配置風險金融資產是家庭獲得資本性收入的重要渠道。數字金融影響家庭創業方面，張林、溫濤(2020)發現數字金融既能直接促進居民創業, 又能通過帶動居民收入增長和服務業發展促進居民創業；張正平、黃帆帆(2021)發現數字金融發展對農村勞動力自我雇傭、成為個體經營者具有顯著的正向作用。數字金融影響家庭配置風險金融資產方面，周雨晴、何廣文(2020)發現數字金融通過緩解金融排斥，進而促進了農戶金融市場的參與和風險金融資產配置的比例；廖婧琳、周利(2020)發現數字金融發展通過提高金融服務水平和減少金融約束提高了家庭參與風險金融市場的概率。并且，根據吳衛星等(2015)的研究，影響居民家庭參與風險資產市場的因素也會顯著影響家庭投資組合的有效性，吳雨等(2021)發現數字金融發展通過增加投資便利性、促進金融信息獲取和提升風險承擔水平等渠道顯著提高了家庭金融資產組合有效性。綜上所述，我們提出假說H2和H3：

H2：數字金融通過影響家庭創業，促進了家庭財富的積累。

H3：數字金融通過影響家庭配置風險金融資產，促進了家庭財富的積累。

數字金融是發展普惠金融的一種方式，因此也稱數字普惠金融。數字普惠金融的核心價值是可以幫助我們在越來越寬廣的社會階層中廣泛分配財富(Shiller，2013)。學術界也存在一種擔憂：數字金融存在“馬太效應”，表現為富人比窮人更有效地利用了數字金融，從而使得富人越富、窮人越窮。王修華、趙亞雄(2020)通過分析貧困戶和非貧困戶利用數字金融效率的異質性，發現數字金融發展存在“馬太效應”，加劇了收入的不平等。此外，“精英俘獲效應”也可能存在，表現為在創造財富方面處于優勢地位的人更加充分利用了數字金融。

在不同收入、教育程度群體以及城鄉、東西部地區之間存在的“數字鴻溝”影響之下，富人以及其他優勢群體更有可能使用數字金融，但是，相比窮人以及其他弱勢群體，使用數字金融所獲得的收益未必更大。諾貝爾經濟學獎獲得者阿馬蒂亞·森(Amartya Sen)在《作為自由的發展》中指出,貧困是指對人類基本能力和權利的剝奪，而不僅僅是收入低下(Sen，1999)。財富的不平等不只是經濟上的不平等，根本上是人類基本能力和權利的不平等。數字金融旨在緩解創造財富的能力和權利的不平等，主要體現在以下兩個方面。

第一，數字金融的普惠性質不等同于優惠，而是致力于以可負擔的成本提供包容性的金融服務。比如，“借唄”是螞蟻科技集團的一個數字化無抵押的短期消費信貸產品，截至2020年6月30日止12個月期間，借唄大部分貸款的日利率為萬分之四左右或以下(1)資料來源：《首次公開發行股票并在科創板上市招股意向書》，https：//www.cicc.com/api/upload/uploadService/dowloadEx?fileId=48123&tenantId=123889。，年化利率約14.6%，遠超過一般銀行提供的無抵押信用貸款。對于有著可觀資產和收入的富人以及其他優勢群體，能夠獲得豐富的金融服務以及較低的貸款利率，使用數字信貸的可能性相對較小，而對于金融排斥更強的窮人和其他弱勢群體而言，使用數字信貸雖然承受更高的利率，但在更大程度上緩解了信貸約束，起到了“雪中送炭”的作用。張勛等(2019)發現數字金融發展更加有助于農村居民而不是城鎮居民創業，造成這種結果的可能是數字金融主要幫助農村居民突破創業的資金門檻，而大部分城鎮居民已經享有廣泛的金融信息和服務，能夠獲取創業資金。

第二，數字金融不等同于“貸款金融”，還具有理財、保險等功能。根據Anderson(2006)提出的長尾理論，滿足主流市場以外廣泛個性化需求的利基產品如果儲存、分發成本足夠低，那么占據的市場份額能夠達到甚至超過主流產品市場份額。借助數字技術，數字金融能夠觸達廣闊的用戶群體、精確地洞察客戶需求、降低信息不對稱和交易成本。最優的發展戰略必然能發揮其最大優勢，那么，數字金融公司必然會致力于滿足龐大的小微群體的金融需求。實際情況與理論是相一致的，比如，螞蟻科技集團的理財科技平臺以“面向廣大消費者提供透明、個性化、簡單易懂、低投資門檻的理財方式”服務理財需求，所推出的“余額寶”是中國普及最廣的數字理財產品，能夠實時贖回，并且投資門檻低至一元，在最大限度上實現了普惠。綜上所述，相較于已經享有豐富金融服務的富人及其他優勢群體，數字理財、保險等服務更大程度上緩解了窮人以及其他弱勢群體的金融排斥。

總體而言，如果數字金融天然具有創富包容性，即有利于創富能力和權利的平等化，那么，數字金融應該能夠對窮人以及其他弱勢群體創造財富產生更大的邊際影響。由此，我們提假說H4：

H4：數字金融能夠對財富規模較小以及在創造財富方面處于弱勢地位的家庭創造財富產生更大的促進作用。

三、實證策略與數據來源

(一)數據來源和說明

本研究使用的數據來自西南財經大學中國家庭金融調查與研究中心2017年在全國范圍內開展的第四輪“中國家庭金融調查”項目(CHFS)。樣本覆蓋了除西藏、新疆以及港澳臺以外的全國29個省(自治區、直轄市)，355個縣(區、縣級市)，1428個村(居)委會，樣本規模為40011戶，包括各個家庭資產與負債、收入與支出、保險與保障、家庭人口特征和就業等各方面詳細信息。中國家庭金融調查詳細包括了家庭各項金融資產和非金融資產數據，以及數字金融使用情況，這為本研究的開展提供了基礎性支持。在數據處理中，由于凈資產存在負值、零值的情況，無法取自然對數，故剔除了凈資產為負的樣本，并對所有凈資產觀測值加一，此外，還剔除了戶主年齡16歲以下和80歲以上以及其他存在缺失值的家庭樣本。特別說明的是，中國家庭金融調查在2017年的問卷中只詢問新訪戶關于戶主政治面貌與風險偏好的問題，本文亦認為戶主政治面貌和風險偏好在短時間內不易發生變化，因此，本文中追訪戶戶主政治面貌和風險偏好為2015年的調查情況。經過數據處理，最終獲得有效樣本36612戶。

(二)實證模型設定

本文采用最小二乘法來估計數字金融對家庭財富的影響，計量模型設定如下：

Ln(Wealthi) =α+β1DFi+βiXi+εi

(1)

其中，Wealth為家庭財富，DFi為第i個家庭是否使用數字金融的虛擬變量，Xi為第i個家庭的控制變量，εi為殘差項。系數β1表示數字金融對家庭財富的影響，是本文關注的核心參數。

被解釋變量為家庭財富，本文參考Morissette and Zhang(2006)的做法，使用家庭凈資產衡量家庭財富，等于家庭資產減負債。家庭資產包括金融資產和非金融資產兩大類，其中金融資產又包括無風險金融資產和風險金融資產。無風險金融資產主要包括現金、活期存款、定期存款、政府債券、股票賬戶余額和社會保障賬戶余額等。風險金融資產主要包括股票、基金、企業債券、金融理財產品、金融衍生品、外匯、黃金等。觀測值中，城市居民家庭凈資產均值為1458921元，農村居民家庭凈資產均值為372553.2元，東部居民家庭凈資產均值為1525431元，中部居民家庭凈資產均值為600162.7元，西部居民家庭凈資產均值為553149.1元。

關于核心解釋變量的設置，本文參考何婧、李慶海(2019)的做法，同時根據CHFS調查問卷設置，若在問題“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？”中選擇回答“通過電腦支付(包括網銀、支付寶等等)”、“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)”或持有的互聯網理財產品余額大于0，則數字金融使用虛擬變量取值為1，否則取值為0。全部樣本中有31.8%的家庭使用數字金融，其中使用數字支付的家庭占比為30.11%，使用數字理財的家庭占比為10.92%。

控制變量方面，本文參考已有文獻并根據調查問卷內容，設置以下幾方面的控制變量：第一，戶主層面本文控制了性別、年齡、年齡的平方項、受教育年限、婚姻、健康程度、政治面貌、風險偏好和風險中性；第二，家庭層面控制了勞動力數量、勞動力平均教育年限。第三，由于地區之間的發展不平衡，我們在地區層面控制了家庭處于農村、東部和中部地區，以及所在省份GDP。表1給出了變量定義的說明。

表1 變量定義和描述性統計

(三)內生性討論

計量模型(1)的設定可能存在遺漏變量、反向因果等內生性問題。個人接受新鮮事物的程度、對金融創新的信任程度等不可觀測因素會影響到數字金融使用情況，數字金融使用與家庭財富之間也可能存在的逆向因果問題：較為富裕的家庭消費能力更強，支付場景也更多，更有可能使用數字支付；較為富裕的家庭也有更強的投資能力和分散投資的需求，更有可能購買數字理財產品。為了能夠更準確地識別因果關系，本文在盡可能多地控制變量的基礎上，使用工具變量法解決可能存在的內生性問題，本文參考已有文獻(尹志超等，2019；尹志超、張棟浩，2020)的做法，選取“是否使用智能手機和區縣其他家庭數字金融使用均值的乘積”作為工具變量，記作“智能手機×區縣均值”，該工具變量意味著，家庭擁有使用數字金融的工具且所在區縣家庭使用數字金融的比例更大時，該家庭使用數字金融的可能性就越大。

兩個工具變量顯然滿足相關性要求。首先，使用數字金融必須具備連接互聯網的硬件設備，之所以選擇智能手機而非其他硬件設備，是因為智能手機的相關性更強，截至2017年6月，網民使用手機上網、臺式電腦、筆記本電腦和平板電腦上網的比例分別為96.3%、55.0%、36.5%和28.7%(2)資料來源：《第40次中國互聯網絡發展狀況統計報告》，http：//www.cac.gov.cn/2017-08/04/c_1121427728.htm。。其次，金融科技公司會利用社交網絡發展客戶，家庭數字金融使用情況會受到同一區縣其他家庭的影響。因此，這兩個工具變量和數字金融使用緊密相關。在此基礎上，我們考慮到如果不使用硬件設備將無法受到區縣其他家庭使用數字金融的影響，所以進一步構建“智能手機×區縣均值”作為工具變量。

關于工具變量的外生性方面。首先，雖然智能手機的檔次和家庭財富高度相關，但智能手機的價格下限和非智能手機相差無幾，在2017年，幾百元就可以買到智能手機，比如小米科技有限責任公司推出的銷量超過兩千萬臺的“紅米Note4X”(3)資料來源：小米商城-紅米Note4X，http：//www.mi.com/redminote4x。，因此是否使用智能手機和家庭財富水平相關性很小，外生性近似滿足。另外，使用智能手機可能會通過一些遺漏變量影響家庭財富，特別是戶主年齡、受教育程度，以及家庭所在地區等，我們在控制變量中盡量考慮到了這些與工具變量以及被解釋變量都相關的變量，使得工具變量更加外生。其次，家庭財富和該區縣其他家庭數字金融使用均值無關，但都與當地經濟發展水平有關，我們在控制變量中控制了省份GDP，考慮了經濟發展水平的影響之后，工具變量更加滿足外生性要求。總而言之，兩個工具變量能夠滿足外生性要求。

四、數字金融與家庭財富積累：實證分析

在這一部分，我們將通過實證分析來驗證數字金融對家庭財富的積極影響。首先是通過控制不同層面控制變量的基準回歸來得到穩健的估計結果，然后使用工具變量法克服內生性問題對估計結果的影響，最后使用替換解釋變量和被解釋變量的方法進行穩健性檢驗。

(一)基準回歸

表2報告是數字金融使用對家庭財富的線性最小二乘(OLS)回歸結果。第(1)列報告的是只加入數字金融使用進行回歸的結果，結果顯示數字金融使用在1%的水平上顯著促進了家庭財富的積累，回歸系數為1.382。第(2)列報告的是加入了戶主層面的控制變量之后的回歸結果，戶主層面控制了年齡、年齡平方、男性、受教育年限、健康程度、婚姻、政治面貌、風險偏好和風險中性，數字金融使用對家庭財富的促進效應仍然在1%水平上顯著，系數為0.917。在第(3)列中報告的是加入了家庭層面的控制變量之后的回歸結果，家庭層面控制了家庭勞動力數量和家庭勞動力平均教育年限，數字金融使用的回歸系數為0.868，仍然在1%水平上顯著。最后，為了排除地區特征對估計結果的影響，我們進一步控制了農村、東部和中部地區，以及所在省份GDP，在第(4)列中可以看到數字金融使用仍然在1%水平上對家庭財富積累顯著起著積極作用，回歸系數為0.704。總的來說，在依次加入各個層面的控制變量后，數字金融使用對家庭財富的促進作用始終保持在1%的顯著性水平上，說明數字金融使用確實有利于家庭財富積累。

表2 基準回歸

從第(4)列的控制變量來看，年齡顯著為正而年齡平方顯著為負，說明戶主年齡可能對家庭財富有倒“U”型影響，這與李實等(2000)得出的結論有所不同；戶主層面的其他控制變量除男性以外，受教育年限、健康程度、婚姻、政治面貌、風險偏好和風險中性均對家庭財富有著顯著的正向影響；家庭層面的勞動力數量、勞動力平均教育年限也都對家庭財富起著顯著的積極作用；從地區層面的控制變量來看，農村的回歸系數顯著為負，說明我國居民家庭財富分布存在著顯著的城鄉分割，東部的回歸系數顯著為正而中部并不顯著，以及省份GDP顯著為正，說明我國地區之間不平衡的發展造成了顯著的家庭財富不平等。

(二)內生性分析

表3報告的是我們使用工具變量進行回歸得出的結果。第(1)列報告的是2SLS回歸的第一階段回歸結果，結果顯示工具變量與數字金融使用在1%水平上顯著正相關。對工具變量的檢驗結果顯示：DWH檢驗的P值為0，說明確實存在內生性問題需要解決；考慮異方差的第一階段F統計量為1795.27，表明工具變量滿足相關性要求；KP rk LM統計量的P值為0，強烈拒絕了不可識別的原假設。總體而言，各方面的檢驗結果聯合說明了工具變量的選取是合適的。第(2)列報告的是第二階段回歸結果，結果顯示，回歸系數依然是在1%水平上正向顯著的，說明數字金融使用對家庭財富積累的促進作用是非常穩健的。回歸系數相比基準回歸有所擴大但擴大倍數不大，這說明基準回歸由于受到內生性問題的影響，低估了數字金融使用對家庭財富積累的影響，同時也說明數字金融的測量誤差程度較低。從經濟意義方面來說，數字金融使用每變動一個標準差，家庭財富規模將擴大3.92%。

表3 工具變量法估計結果(2SLS)

(三)穩健性檢驗

本部分將采用替換解釋變量和替換被解釋變量兩種方式進行穩健性檢驗，為上文所得出結論的可靠性提供更多證據。

1.替換解釋變量

北京大學數字普惠金融指數包括覆蓋廣度、使用深度和數字化程度三個一級子指數，其中覆蓋廣度以支付寶賬戶覆蓋率來衡量，因此，宏觀數字金融發展程度可以在一定程度上代表微觀家庭數字金融使用情況。在這一部分，我們首先使用數字普惠金融總指數衡量數字金融發展程度，從總體上估計數字金融發展對家庭財富的影響，進一步地，使用覆蓋廣度子指數進行更為嚴格的檢驗。同時，為了避免可能出現的內生問題，我們使用滯后一期的2016年北京大學數字普惠金融指數省級數據與2017年CHFS家庭數據相匹配，以及使用距離工具變量進行回歸，使得估計結果更加可靠。

內生性問題依然可能存在。首先，上文所介紹的遺漏變量可能會影響家庭是否使用數字金融。此外，某個省份的家庭更富裕和數字金融發展程度更高，可能都是由該省份經濟發展水平較高所導致的。鑒于此，我們參考張勛等(2020)的做法，選取“家庭所在省份的省會與杭州的距離”作為工具變量進行回歸，記作“省份與杭州的距離”。相關性方面，杭州作為螞蟻科技集團所在地，數字金融發展程度相對較高，距離杭州越近，數字金融發展程度一般就越高，因此，工具變量和數字金融發展是相關的。外生性方面，省會與杭州的距離與某個家庭其他特征無關，但距離杭州越遠，越可能處于經濟發展水平較低的中西部地區，所以，工具變量和家庭財富水平都與該省的經濟發展水平有關，我們在控制變量中控制了省份GDP，考慮了各省經濟發展水平的影響之后，工具變量更加滿足外生性要求。

表4第(1)、(3)列報告的是2SLS回歸的第一階段回歸結果，工具變量與數字金融發展、覆蓋廣度顯著負相關。對工具變量的檢驗結果顯示：DWH檢驗的P值均為0，說明數字金融發展和覆蓋廣度是內生變量；考慮異方差的第一階段F統計量分別為325.73和57.408，表明工具變量滿足相關性要求；KP rk LM統計量的P值均為0，強烈拒絕了不可識別的原假設。總體而言，各方面的檢驗結果聯合說明了工具變量的選取是合適的。第(2)、(4)列報告的是第二階段回歸結果，數字金融發展和覆蓋廣度在1%水平上顯著地對家庭財富起著積極作用。總的來說，通過替換解釋變量進行穩健性檢驗得出的結論與基準回歸一致。

表4 穩健性檢驗：替換解釋變量(2SLS)

2.替換被解釋變量

衡量一個家庭的財富水平，不僅要考慮凈資產的多寡，還要考慮家庭規模和勞動力數量。家庭規模大意味著在同樣財富規模的情況下，家庭財富對每個家庭成員發展和福利的促進作用相對較小，勞動力數量多則意味著在假定勞動力擁有同樣創富能力的情況下，家庭創富能力更強。因此，在這一小節中，我們分別使用家庭人均財富和家庭勞動力人均財富來衡量家庭財富。從表5第(1)、(2)列報告的2SLS回歸結果可以看出，數字金融對家庭人均財富和家庭勞動力人均財富具有顯著的積極影響。通過替換被解釋變量進行穩健性檢驗表明，基準回歸所得出的結論是可靠的。

表5 穩健性檢驗：替換被解釋變量(2SLS)

五、數字金融與家庭財富積累：影響機制分析

基準回歸表明數字金融能夠促進家庭財富積累，接下來，本文將進一步探究數字金融影響家庭財富的機制。

(一)創業

根據理論分析，數字金融之所以能夠促進家庭財富積累，其中之一的可能性是數字金融促進了創業，增加了創業家庭的經營性收入，從而促進了家庭財富積累。在這一部分，我們分別驗證了數字金融對創業的促進作用和創業對家庭財富積累的促進作用。根據CHFS調查問卷，我們以家庭是否從事工商業經營衡量是否創業，工商業經營包括持續經營和新創經營，其中，持續經營是指在2017年以前就開始從事工商業經營，新創經營是指在2017年剛開始從事工商業經營。表6第(1)列報告的是數字金融對工商業經營的Probit回歸結果，回歸系數在1%水平上正向顯著，說明數字金融顯著促進了家庭創業。考慮到創業行為往往需要信貸資金的支持，創業者在商業行為中也會有頻繁的資金往來，所以，創業者相比非創業者更有可能使用數字金融。為了排除可能存在的內生性問題對估計結果的影響，采用工具變量“智能手機×區縣均值”進行IVprobit回歸。第(2)列報告的是IVprobit回歸結果，結果仍然在1%的置信水平上顯著，說明估計結果是非常可靠的。第(3)至(5)列報告的是創業對家庭財富的OLS回歸結果，結果表明，創業能夠顯著促進家庭財富積累。總的來說，實證結果表明，數字金融通過促進家庭創業對家庭財富積累產生了積極作用。

(二)配置風險金融資產

參與風險金融市場是進行風險金融資產配置的開端，而風險金融市場參與深度則影響了資產結構。我們采用擁有風險金融資產來定義家庭參與了風險金融市場，為了避免內生性問題，風險金融資產中沒有加入互聯網理財，風險金融市場參與深度則采用不包括互聯網理財的風險金融資產占總金融資產的比例來衡量。由于風險金融市場參與和風險金融市場參與深度都存在著明顯的截斷特征，我們使用Tobit回歸來估計數字金融對家庭資產配置的影響。表7第(1)、(3)列報告的是Tobit回歸結果，數字金融對家庭風險金融市場參與和風險金融市場參與深度均在1%的置信水平上正向顯著。由于參與風險金融市場的家庭相比沒有參與風險金融市場的家庭，會有方便快捷交易風險金融產品的需求，所以他們更有可能使用數字金融。鑒于可能存在的反向因果問題，我們繼續采用“智

表6 影響機制分析：創業

能手機×區縣均值”工具變量進行IVtobit回歸，以克服內生性問題對估計結果的影響。第(2)、(4)列報告的是IVtobit回歸結果，結果顯示風險金融市場參與和風險金融市場參與深度依然均在1%水平上正向顯著的，其中，數字金融每變動一個標準差，家庭參與風險金融市場的概率將提高13.7%，家庭參與風險市場的深度將提高4.54%。以上實證結果說明，數字金融確實積極影響了風險家庭資產配置，表現在數字金融不僅提高了家庭參與風險金融市場的概率，而且提高了家庭風險金融市場參與的深度。第(5)、(6)列報告的是風險金融資產配置對家庭財富的OLS回歸結果，結果表明，配置風險金融資產能夠顯著促進家庭財富積累。總的來說，實證結果表明，數字金融對家庭財富的影響，可以通過促進家庭配置風險金融資產實現傳導。

表7 影響機制分析：配置風險金融資產

六、數字金融與財富不平等：異質性分析

(一)數字金融是否存在“馬太效應”？

為了驗證財富規模較小的家庭使用數字金融產生的創富作用更大，本文采用Koenker and Bassett(1978)提出分位數回歸模型(Quantile Regression)來研究數字金融對于不同財富規模家庭的異質性影響。計量模型設定如下：

Ln(Wealthi) =η+γ1DFi+γiXi+νi

(2)

Qτ=0

(3)

其中，Wealth為家庭財富，DF為第i個家庭的互聯網使用情況，Xi為第i個家庭的控制變量，包括戶主層面、家庭層面和地區層面的控制變量，νi為殘差項，Qτ指殘差ν的τ分位數。系數γ1衡量的是數字金融對家庭財富的影響。

表8報告的是自主抽樣400次的分位數回歸估計結果，估計結果顯示數字金融在各分位點對家庭財富的邊際影響都在1%的水平上顯著，在0.1分位點、0.2分位點、0.3分位點、0.5分位點、0.7分位點、0.8分位點、0.9分位點的回歸系數分別為1.096、0.846、0.699、0.649、0.615、0.599、0.587、0.543、0.505。Wald檢驗得到的F值為15.21，P值為0,說明數字金融對各分位點家庭財富的邊際影響顯著不同。從圖1可以直觀看出，數字金融對家庭財富的邊際影響表現出隨著財富規模增加而遞減的規律，這說明財富規模較小的家庭使用數字金融產生了更大的創富作用。實證結果表明，數字金融能夠在促進全體人民創造財富的基礎上緩解財富不平等，從而有利于實現共同富裕。

表8 異質性分析：數字金融是否存在“馬太效應”？

圖1 分位數回歸系數的變化趨勢

(二)數字金融是否存在“精英俘獲效應”？

數字金融是專注于為弱勢群體 “雪中送炭”，還是更傾向于對優勢群體進行“錦上添花”？我們通過構建數字金融使用與弱勢群體家庭特征的交互項進行回歸估計，來驗證數字金融對弱勢群體家庭有著更大的創富效應。基于基準回歸估計結果，我們構建了數字金融使用與老年人(戶主年齡為60歲及以上)、低教育程度(戶主教育程度為初中及以下)、低收入(家庭人均收入低于全國人均可支配收入)、農業戶口和農村五個變量的交互項。從表9報告的第(1)至(5)回歸結果中可以看出，除老年人對家庭財富的影響不顯著以外，低教育程度、低收入、農業戶口和農村都對家庭財富有著顯著的負向影響，而數字金融使用與老年人、低教育程度、低收入、農業戶口和農村的交互項均在1%水平上顯著為正，這說明弱勢群體家庭使用數字金融產生了更大的創富作用。實證結果表明，數字金融能夠在寬廣的社會階層中廣泛地分配財富，對弱勢群體家庭起到了“雪中送炭”的作用。

表9 異質性分析：數字金融是否存在“精英俘獲效應”？

七、結論和政策啟示

現在，已經到了扎實推動共同富裕的歷史階段(習近平,2021)。本文使用2017年中國家庭金融調查(CHFS)數據，實證研究了數字金融對家庭財富積累、財富不平等的影響。主要結論是：(1)家庭使用數字金融能夠顯著促進財富的積累。(2)創業和配置風險金融資產是數字金融影響家庭財富積累的重要渠道。(3)財富規模越小的家庭，使用數字金融產生的創富作用越大，并且老年人、低教育程度、低收入水平、農業戶口群體家庭和農村居民家庭使用數字金融能夠產生更大的創富作用。總的來說，財富是富裕的題中之義，數字金融能夠在促進全體家庭財富積累的同時，緩解財富的不平等，從而有利于實現共同富裕。本文得出了以下政策啟示：

第一，進一步挖掘數字金融業務潛力。創業和資產配置是數字金融影響家庭財富的重要渠道，數字金融的支付業務、信貸業務和信用業務與家庭創業緊密相關，貨幣基金業務、保險業務和投資業務更是直接影響資產結構，應進一步挖掘數字金融支付業務、貨幣基金業務、信貸業務、保險業務、投資業務和信用業務的潛力，鼓勵家庭進行創業和風險金融資產配置，提高數字金融影響共同富裕的效率。

第二，注重投資者教育。要想挖掘數字金融各項業務的深度，必須注重對投資者進行金融教育、提高投資者的金融知識，特別是針對老年人、低教育程度等群體開展基本數字金融使用能力培訓，否則，只注重開發業務而不注重投資者教育將會因“知識鴻溝”產生“精英俘獲效應”和“馬太效應”，從而背離數字金融的普惠發展方向。

第三，對農村、西部等落后地區的“5G”(第五代移動通信技術)基礎設施建設進行財政補貼。數字金融的發展很大程度上依托于信息技術發展，目前，“5G”技術(第五代移動通信技術)方興未艾，高速率、低時延、大連接的信息傳輸意味著互聯網使用的廣度和深度將得到質的提升，數字金融也將相應創新出更多的業務模式。在共同富裕的視角下，“5G”技術的發展應注重發展成果共享，否則，基礎設施的不平等將會加劇地區之間的“數字鴻溝”，進而加劇財富的不平等。