數字金融對家庭風險投資決策的影響及路徑研究
——基于CHFS 數據的實證檢驗

□ 胡寧寧 侯冠宇

（1.中國財政科學研究院，北京 100142；2.中國政法大學商學院，北京 100088）

一、引 言

《“十四五”規劃和2035 年遠景目標綱要》指出要“加快數字化發展建設數字中國、打造數字經濟新優勢、營造良好數字生態”。作為新一輪技術革命的產物，數字經濟是實現經濟高質量發展、加速產業升級與轉型、改善人民生活的重要路徑。在此背景下，數字經濟助推大數據、云計算、人工智能等數字科技手段不斷向金融領域滲透，在融合了傳統金融、互聯網金融、移動數字化情況下，數字金融應運而生。加快建設數字經濟，激發數據要素潛能，以數字化轉型驅動生產方式和生活方式變革是實現社會主義現代化的重要內容。作為數字經濟發展的重要組成部分，數字金融既是數字經濟向傳統金融滲入的結果，也是助推數字經濟發揮功能的重要驅動力。2022 年中央一號文件指出，“要加快推動數字鄉村標準化建設、持續開展數字鄉村試點，拓展農業大數據應用場景，推動農業農村現代化邁出新步伐”。

數字金融借助數字技術來助推傳統金融發展與變革，具有較強的“普惠性”，是助推金融資源與服務在民生領域“落地”和“生根”的加速器，也是改善人民幸福生活、實現鄉村振興與共同富裕的重要抓手。2022 年1月，中央網信辦等10 部門印發《數字鄉村發展行動計劃》強調要“著力發展鄉村數字經濟，著力提升農民數字素養與技能，著力繁榮鄉村網絡文化，著力提高鄉村數字化治理效能”。數字金融以金融資源和服務為關鍵要素，借助現代信息網絡載體，改變了傳統金融行業的服務和創新方式，加速了金融服務向微觀主體的傾斜過程，增強了金融資源和服務對微觀主體的關注。在疫情疊加實體經濟下行壓力加大等現實背景下，探索重構數字金融發展新思路新舉措勢在必行，嘗試性解構數字金融對微觀主體的決策行為的影響邏輯既十分必要也非常重要。

二、文獻述評與理論假設

（一）文獻述評

隨著我國社會經濟的快速發展，居民生活水平得到顯著改善，如何將家庭財富進行合理配置成為當下居民面臨的現實問題。以“數字金融”為核心關鍵詞，在CNKI 截取近五年相關論文數據，在CiteSpace 中運行得到圖1。已有研究圍繞數字金融、創業決策、信貸需求、社會資本、金融知識、金融素養、社會資本、家庭金融展開。2017-2019 年，關于農村居民、金融教育、信貸需求的相關研究成為熱點內容，2019-2021 年家庭投資組合、大數據等得到學界關注。

圖1 以“數字金融”為主題的CiteSpace 可視化網絡圖與關鍵詞突現

經濟學領域有關資產配置的研究，最核心的理論是Markowitz 的投資組合理論[1]。Markowitz（1952）認為個體應該根據各自的風險偏好程度，將總資產在風險資產和無風險資產中進行分配，組成一個充分分散化了的組合。即所有投資者將參與包括風險資產和無風險資產的所有資產的投資。有學者在Markowitz 基礎上，將投資期擴展到多期，得出與單期投資行為相同的結論[2]。但傳統時期的投資組合理論假設僅體現在風險厭惡與否，其他特征并沒有考慮在內。由于性別、年齡、家庭收入、受教育程度同樣會導致不同個體、家庭采取不同的投資組合策略。已有學者研究發現，教育程度[3]、年齡和性別[4]、財富水平會對投資者參與金融市場的積極性產生影響。國內關于家庭投資規模的研究，有學者認為擁有更高金融知識水平的家庭為規避風險，會選擇更加分散和資產配置方式[5]，經濟政策、數字金融、制度環境[6]利于家庭金融資產的合理配置，經濟政策不確定性降低了家庭風險金融資產比例[7]。由于信息對家庭風險金融資產投資具有正向影響，家庭收集并掌握的信息越多，面臨的信息成本越低、越有可能配置風險金融資產[8]。有學者證實了數字普惠金融對家庭風險金融市場的參與概率和參與深度存在正向影響[9]，影響機制是金融可得性提高、交易成本的下降[10]。在微觀層面，數字金融的發展降低了家庭創業成本、進而提高了家庭收入[11]，緩解了實體經濟部門的信貸約束，同時推動實體經濟高質量發展[12]。

理性經濟人為實現最優家庭資產組合配置應當持有一定比例的風險金融資產，數字金融的發展，是否影響并改善了家庭風險金融資產投資行為與投資規模是本文探究的問題。若影響存在，具體路徑機制如何？本文基于2019 年相關數據，探究數字金融對家庭風險金融投資決策的影響。本文創新之處在于，從金融知識、風險偏好、移動互聯網技術、家庭收入水平四條路徑探究數字金融對家庭風險投資決策的影響，并從家庭風險投資行為和投資規模兩個維度對家庭風險決策進行解讀，具有一定的理論意義和現實意義。

（二）理論基礎與研究假設

數字金融的縱深發展，已將金融服務觸達范圍拓展至弱勢群體與落后地區，在緩解地區貧困、縮小貧富收入差距等方面發揮了重要作用[13]。發展數字金融能夠拓寬融資渠道，緩解金融市場與投資主體之間的信息不對稱問題[14]。數字金融發展程度越高，其覆蓋范圍越廣、金融普惠程度加深、金融數字化速度加快，對微觀個體行為認識、家庭金融的可及性、以及財富水平的影響也越深入。數字金融能夠通過直接或間接的方式，促進更多家庭參與風險資產投資和提升風險資產規模。故提出假說H1：數字金融對家庭風險投資行為與規模具有正向影響。

數字金融指數由數字金融的移動化、實惠化、信用化、便利化四個方面構成。數字金融發展程度越高，微觀主體個人和家庭了解的金融信息越豐富、獲取的金融服務越多，對金融的認知越清晰。故提出假說H2：金融知識是數字金融影響家庭風險投資行為與規模的重要路徑之一。

數字金融的快速發展改變了微觀家庭的“風險擔憂”和風險偏好，減少家庭對金融投資和風險的逃避性，增加其對風險投資的全面認知，能夠在一定程度上促進家庭風險投資行為、提升風險投資資產的規模。故提出假說H3：風險偏好是數字金融影響家庭風險投資行為與規模的重要路徑之二。

移動互聯網作為市場主體和數字金融服務的關鍵技術手段，縮短了家庭與金融信息、服務之間的距離，移動設備的便利性增強了數字金融的可及性，使得家庭獲得更多的數字金融信息和服務，數字金融能夠通過移動互聯網的可及性促進家庭風險投資。故提出假說H4：移動互聯網技術是數字金融影響家庭風險投資行為與規模的重要路徑之三。

數字金融的發展減少了傳統金融資源對家庭的限制，改善微觀主體面臨的融資約束問題，提升了家庭成員使用金融資源的便利度，促進家庭財富收入的增加，進而改善家庭資產規模，正向影響家庭風險金融資產投資。故提出假說H5：家庭收入水平是數字金融影響家庭風險投資行為與規模的重要路徑之四。

基于以上分析，本文從金融“數字化”視角進行深入研究，選取金融知識、風險偏好、移動互聯網技術、家庭收入水平作為中介變量，代表金融知識水平、風險偏好程度、移動互聯網可及性、收入水平四條傳導路徑，探討數字金融對家庭投資決策的具體影響路徑。

三、數據來源與模型構建

（一）數據來源

本文數據來源之一，是西南財經大學中國家庭金融調查與研究中心的“中國家庭金融調查”（CHFS）數據樣本。該項目每兩年進行一次，旨在收集家庭主要包括住房資產、金融財富、負債、信貸約束、收入、消費、社會保障以及人口特征等方面的信息，采用多項措施控制抽樣誤差和非抽樣誤差。2019 年中國家庭金融調查數據樣本覆蓋了全國29 個省（自治區、直轄市），343 個區縣，1360 個村（居）委會，最終收集了34643 戶家庭、107008 個家庭成員的信息，具有全國及省級代表性。本文數據來源之二，是由北京大學數字金融研究中心公布的普惠金融指數，該指數包含三個維度：使用深度、覆蓋廣度和數字化程度，本文選取“數字化程度”作為數字金融的衡量指標，數字化程度主要涵蓋了移動化、實惠化、信用化、便利化四個方面內容，能夠較好反映我國數字金融發展程度[15]。

（二）變量指標選取

1. 被解釋變量。本文將家庭風險投資決策作為本文研究的被解釋變量。將是否參與股票、債券、理財產品、金融衍生品以及非人民幣資產等投資作為家庭風險投資行為的代理變量，將參與風險投資的資產價值占金融資產的相對規模比作為風險投資規模變量。

2. 核心解釋變量。本文使用數字化作指數為數字金融指數的代理變量，主要包含移動化、實惠化、信用化、便利化四個方面。

3. 控制變量。選取年齡、受教育程度、性別、戶籍性質、金融知識、風險偏好、移動互聯網設備、房產數量、家庭規模、家庭財富水平、城市等級、城鎮化率作為本文的控制變量。

4.金融知識賦分。金融知識評價體系主要從主觀層面、客觀層面兩個維度進行：選取CHFS 調查問卷設置的題目H3101、D9203 作為主觀層面的評價標準，H3105、H3106 作為客觀層面的評價標準：一是考察受訪者對經濟金融問題的關注程度和了解程度，主要針對受訪者對H3101、D9203 的答題進行賦值。二是考察受訪者對利率問題和通貨膨脹問題的掌握程度，最后通過因子分析構建金融知識指標。1

表1 變量選取與變量描述

（三）模型構建

1.基準模型構建

本文選擇家庭風險投資行為與規模作為被解釋變量，數字金融指數作為核心解釋變量。選取戶主層面、家庭層面以及地區層面的特征變量作為控制變量。考慮被解釋變量的類型差別：家庭風險投資行為是取值為0 和1 的離散變量，風險資產配置是受限因變量，存在大量零值，屬于截斷數據，故本文分別采取Probit 和Tobit 對因變量進行模型構建與分析。具體模型構建如下：

（1）Probit 模型構建：

模型（1）中Y 表示家庭風險投資選擇情況，digitfina為數字金融指數，X代表各個控制變量，ε為隨機擾動項。

（2）Tobit 模型構建：

其中y表示家庭風險資產規模，y*表示對應的潛變量，當y*≥0 時，y=y*，否則為0。

2.中介模型構建

本文構建中介模型進行進一步考察數字金融對家庭風險投資的影響路徑。中介模型的構建分為三步：

其中（4）方程的系數δ為自變量digitfina對因變量RI/RA的總效應。方程（5）的系數?為自變量digitfina對中介變量效應。方程（6）的系數 ‘δ是控制了自變量digitfina的影響后，中介變量對因變量RI/RA的效應，系數‘δ是在控制了中介變量的影響后，自變量digitfina對因變量RI/RA的直接效應；1φ～3φ是回歸殘差。檢驗中介效應最常用的方法是逐步檢驗回歸系數。[16]根據逐步法最后一步，通過檢驗方程 ‘δ來區分完全中介還是部分中介。如果系數 ‘δ不顯著，則屬于完全中介效應。如果系數 ‘δ顯著，則屬于部分中介效應。

四、實證分析

（一）基準回歸分析

為避免多重共線性對實證研究造成的影響，對選取的變量進行多重共線性檢驗，檢驗結果發現VIF 均小于10，可以認為本文選取的關鍵變量之間不存在多重共線性。在此基礎上進行實證分析，本文基準回歸結果如表2所示。

表2 基準模型回歸結果

從本次基準回歸結果1-2 列可知，數字普惠金融總指數和數字金融指數對家庭風險投資決策的影響，在1%的顯著性水平上與家庭風險投資行為正相關。其中3-4 列匯報了數字普惠金融總指數和數字金融指數對家庭風險投資決策的影響，在5%的顯著性水平上與家庭風險投資規模正相關，說明普惠金融發展程度越高、數字金融發展越快，越利于家庭風險投資行為與規模。此外，戶主的受教育程度、金融知識水平以及風險偏好正向促進家庭風險投資行為與規模，家庭的人口規模、房產數量、城鄉屬性也顯著正向影響家庭風險投資行為和風險投資規模。年齡與風險投資行為和規模呈現負向變動關系，即說明年齡增長與風險選擇呈現負向變動關系，年齡越大作出風險投資的概率越低；家庭的城市水平越高，其參與風險投資的行為的概率越大。在農村轉化為城鎮人口的過程，反而與風險投資行為和規模呈現負向變動關系，說明城鎮化率高的城市，其家庭風險投資行為和增加風險投資規模的概率較低。這可能是由于我國城鎮化率反映的是人口向城鎮集聚的程度，說明在城鎮化率較高地區的家庭風險投資行為的概率越低。

（二）中介效應分析

1. 以金融知識作為中介的機制檢驗

表3 金融知識的中介效應檢驗結果

在以金融知識為中介的回歸結果中，1-3 列回歸結果中，可以看出數字金融指數和金融知識對家庭風險投資行為的影響均顯著為正，金融知識在數字金融影響家庭風險投資過程中起到部分中介作用。4-6 列中可以看出數字金融指數和金融知識對家庭風險投資規模的解釋在10% 水平下顯著，即說明金融知識在數字金融對風險投資規模的正向影響中起到部分中介效應。

2. 以風險偏好作為中介的機制檢驗

表4 風險偏好的中介效應檢驗結果

在以風險偏好為中介的回歸結果中，1-3 列回歸結果中，可以看出數字金融指數和風險偏好對家庭風險投資行為的影響在1%水平下均顯著為正，因此可以認為戶主的風險偏好在數字金融影響家庭風險投資過程中起到部分中介作用。4-6 列中可以看出數字金融指數和金融知識對家庭風險投資規模的解釋在5%水平下顯著，即說明風險偏好在數字金融對風險投資規模的正向影響中起到部分中介效應。

3. 以移動互聯網技術作為中介的機制檢驗

表5 移動互聯網的中介效應檢驗結果

在以移動互聯網設備為中介的回歸結果中，1-3 列可見數字金融指數和移動互聯網設備對家庭風險投資行為的影響在1%水平下均顯著為正。可以認為戶主的移動互聯網設備在數字金融影響家庭風險投資行為中起到部分中介作用。4-6列中可以看出數字金融指數和移動互聯網設備對家庭風險投資規模的解釋在10%水平下顯著，說明移動互聯網設備在數字金融對風險投資決策的正向影響中起到部分中介效應。

4.以家庭收入作為中介的機制檢驗

表6 家庭收入的中介效應檢驗結果

在以家庭收入水平為中介的回歸結果中，1-3 列回歸結果中，可以看出數字金融指數和家庭收入水平對家庭風險投資行為的影響在1% 水平下均顯著為正，因此可以認為戶主的家庭收入水平在數字金融影響家庭風險投資過程中起到部分中介作用。4-6 列中可以看出數字金融指數和移動互聯網設備對家庭風險投資規模的解釋在5%水平下顯著，說明家庭收入水平在數字金融對風險投資規模的正向影響中起到部分中介效應。

（三）異質性分析

本文從異質性角度對樣本進行進一步研究，考察數字金融對家庭風險投資的影響在年齡、城鄉、教育程度上的差異。

1.年齡異質性回歸結果分析

年齡異質性回歸分析中，將年齡大于55 歲定義為老齡人群，其他為非老齡人群，回歸結果如表7 所示。在分樣本回歸中，解釋變量均在1%水平下顯著，即說明數字金融能夠正向影響兩類人群的家庭風險投資行為和規模。數字金融指數對老年群組的影響系數大于非老齡群組人群，說明數字金融對老年群組的風險投資行為影響明顯；而在數字金融對家庭風險投資規模的影響分析中，非老齡人群的系數比老齡群組大，表明在數字金融對非老齡人群的風險資產規模影響更為顯著。

表7 數字金融對不同年齡群體的風險投資行為和規模的估計結果

2.城鄉異質性回歸結果分析

城鄉異質性回歸結果如表8 所示。數字金融指數在模型中均顯著正向影響家庭風險投資行為。在分組回歸中，發現數字金融指數對農村家庭組的影響系數大于非農家庭，說明數字金融對農村家庭的風險投資行為的正向影響更加顯著；數字金融對農村家庭的風險資產規模影響顯著，對非農家庭的風險資產規模不顯著，表明數字金融對農村家庭的風險資產規模正向促進作用十分顯著。這可能是由于非農家庭風險投資行為與規模相對于農村家庭本身就處于一個較為合理的區間，且本文使用的是相對規模指標，非農家庭的風險資產占比變動較小。

表8 數字金融對不同戶籍家庭的風險投資行為和規模的估計結果

3.教育異質性回歸結果分析

教育異質性回歸分析中，將受教育程度在小學及小學以下人群定義為低教育人群，其他人群為非低教育人群，回歸結果如表9 所示。數字金融在模型中均顯著正向影響低教育人群、非低教育人群的風險投資決策。在分組回歸中，發現數字金融對低教育人群的影響系數小于非低教育人群，說明數字金融對非教育人群的風險投資決策的正向影響更加顯著；說明教育程度不同，風險投資行為受到數字金融的影響程度存在差異。在數字金融對風險投資規模的影響分析中，數字金融對非低教育人群的家庭風險投資行為與規模影響顯著，對低教育人群的風險資產規模不顯著。低教育人群的風險投資行為得到改善，但在實際風險資產配置環節，由于低教育人群的金融劣勢和風險規避意識較強，可能不會提升風險資產對金融資產的相對規模。

表9 數字金融對不同教育水平的風險投資行為和規模的估計結果

（四）穩健性檢驗

本文采取替換解釋變量和更換模型的方法進行穩健性檢驗。使用滯后一期的數字金融指數作為核心解釋變量的替代變量。替換實證方法進行回歸，采取Logit 和Ols 分別對風險投資行為和風險投資規模兩個解釋變量進行回歸，模型均通過相關檢驗，說明本文的實證結果具有穩健性。

五、結論與政策建議

本文考察了數字金融對中國家庭風險投資行為以及風險投資規模的影響，通過各種實證分析，得出如下結論：一是數字金融正向促進了中國家庭風險投資行為與風險資產相對規模。除卻直接影響途徑，數字金融通過對金融知識、風險偏好、移動互聯網技術、家庭收入四條路徑間接正向影響家庭的風險投資行為和風險投資規模。二是年齡、性別以及城鎮化率與家庭金融投資行為和規模之間存在負向關系。即說明年齡增加會減少家庭風險投資決策行為和風險資產的相對規模、男性在風險資產規模配置上更為謹慎、城鎮化人口過于集中的地區家庭做出風險決策的行為概率較低。三是數字金融對家庭風險投資行為的影響在老年群組、農村家庭以及非低教育群體中更加顯著。數字金融對家庭風險投資行為與規模的影響有限，僅在非老齡組群體中顯著，在非農家庭、低教育群組中影響不顯著，說明數字金融有利于家庭風險投資，且對老年群體與農村家庭改善更為顯著；數字金融對家庭風險投資資產的影響有一定局限性。

本文提出如下政策建議：一是要繼續強化數字金融的普惠性，加強對弱勢群體的關照和幫助，避免金融數字化帶來群體差異。如在城鎮化過程中，要關注數字金融對流動人口的普惠性。二是要關注金融知識在微觀家庭層面的普及性，以提升家庭風險投資意識，改善家庭金融風險資產規模。三是要加強金融市場體系建設，推出多樣化金融投資產品，鼓勵更多家庭參與到金融市場。四是要提高數字金融領域的數據開放性和共享性，以數字技術推動金融資源在不同主體和地區間的流動。