數字金融、居民勞動參與及家庭財務脆弱性

黃 磊，黃思剛

（貴州大學 經濟學院，貴陽 550025）

一、引言

作為2022 年底中央經濟工作會議中明確提出的2023 年經濟工作重點，防范化解重大經濟金融風險既是當前金融工作的根本性任務，也是金融工作的永恒主題。黨的二十大報告也明確指出：“我國發展進入戰略機遇和風險挑戰并存、不確定難預料因素增多的時期，各種‘黑天鵝’‘灰犀牛’事件隨時可能發生”，特別在金融領域，要守住不發生系統性風險底線。家庭財務風險作為典型的“灰犀牛”事件，其帶來的潛在危機不容忽視。據中國人民銀行2023 年最新發布的金融統計數據，2022 年全年我國居民貸款余額高達213.99 萬億元，同比增長11.1%，接近同年GDP（121.02 萬億元）的1.8 倍。國家統計局數據顯示，2018—2022 年，中國家庭人均可支配收入從2.82 萬元增至3.69 萬元，而家庭債務占GDP 比重已從60%攀升至近70%。家庭收入與負債之間比例的失衡容易使家庭經濟出現財務脆弱性問題，進而引發家庭財務風險（尹志超等，2023）。在此背景下，研究家庭財務脆弱性，探尋防范化解家庭財務風險的方法已成為必要且迫切之舉。

居民勞動參與作為影響家庭收入的重要因素，與家庭財務狀況緊密相關。居民通過勞動參與能夠顯著提高家庭收入，緩解家庭在經濟上的壓力，從而降低家庭財務脆弱性（裴勁松和矯萌，2021）。自2019 年新冠肺炎疫情以來，國內經濟低迷、就業形勢嚴峻，加上大批“脫產備考黨”的存在，中國居民勞動參與率持續走低。根據中國經濟數據庫提供的中國勞動人口參與率數據，2019—2022 年，中國居民勞動參與率從69.14%逐年降至68.06%。家庭成員勞動參與不足也為近年家庭債務負擔加重、家庭財務脆弱性凸顯等現象提供一種現實解釋。同時，黨的二十大報告強調：“我們要完善分配制度，堅持按勞分配為主體、多種分配方式并存，堅持多勞多得，鼓勵勤勞致富，促進機會公平，使人人都有通過勤奮勞動實現自身發展的機會”。由此可見，識別如何提高居民勞動參與的路徑對于居民增收、降低家庭財務脆弱性及防范化解家庭財務風險具有重大意義。

數字金融的發展可能有助于破解居民勞動參率不足及家庭財務風險激增兩大難題。數字金融作為利用數字信息技術實現數字化支付、數字化投資、數字化金融業務等服務的一種新型普惠金融模式（郭峰等，2020），首先，在各類數字信息技術的發展和應用過程中，相關產業必定會創造出全新的就業機會和就業崗位，為居民參與經濟活動帶來更多的選擇途徑（尹志超等，2021）。其次，數字金融利用數字技術打破時空的界限，拓寬傳統金融服務的供給邊界，提高家庭的金融可得性與金融市場參與，同時，數字金融有利于金融知識的普及，進而幫助居民優化家庭金融資產配置，防范家庭財務風險（尹志超等，2023）。那么，數字金融究竟能否促進居民勞動參與，同時降低家庭財務脆弱性？數字金融對居民勞動參與、家庭財務脆弱性的作用機制具體又是什么？這些問題值得探究。而且數字金融帶來“數字紅利”效應的同時，其發展的不平衡不充分也容易導致“數字鴻溝”問題（趙亞雄和王修華，2022）。截止2022 年末，我國農村地區互聯網普及率為61.9%，與城鎮地區83.1%的互聯網普及率相比仍有一定差距，農村數字化建設的“最后一公里”仍未打通。此外，部分群體由于自身知識與技能缺乏、對新興技術接受速度較慢等原因，受“數字紅利”的輻射效應有限，逐漸被“數字精英”群體拉開差距，可能導致數字金融的“馬太效應”（王修華和趙亞雄，2020）。基于此，本文以微觀個體與家庭為研究對象，探究數字金融對居民勞動參與及家庭財務脆弱性的影響，試圖厘清數字金融對居民勞動參與及家庭財務脆弱性的微觀作用機制，并基于“數字紅利”與多維“數字鴻溝”，分析數字金融對居民勞動參與及家庭財務脆弱性影響的異質性。

與以往文獻相比，本文可能的創新和貢獻在于：第一，不同于以往使用北京大學數字普惠金融指數來衡量數字金融水平的研究，本文基于家庭視角構建微觀數字金融指數，在國內居民勞動參與率逐年遞減與防范化解家庭財務風險的背景下，探究數字金融對居民勞動參與及家庭財務脆弱性的影響，豐富數字金融影響效應的現有研究。第二，深入剖析數字金融影響居民勞動參與及家庭財務脆弱性的微觀作用機制，為破解居民勞動參與不足與家庭財務風險激增等難題從而保持宏觀經濟穩定找到新的著力點。第三，基于“數字紅利”與多維“數字鴻溝”，探討數字金融對居民勞動參與及家庭財務脆弱性影響的異質性，有助于了解數字金融發展過程中的不平衡不充分，為促進居民勞動參與、防范家庭財務風險相關政策的制定及數字金融“因地制宜”的差異化發展方向提供經驗證據。

二、文獻綜述與理論分析

關于居民勞動參與的多數研究一開始是將勞動參與作為被解釋變量，探究個體與家庭因素及外部政策因素對居民勞動參與的影響。在個體與家庭因素方面，已有文獻表明，工資收入（馬雙等，2017）、住房財富（姚健，2021）、老年照料（于新亮等，2021）與家庭人口稟賦（靳小怡等，2022）是居民勞動參與決策的重要參考依據；在外部政策因素方面，房價（馮苑，2020）、養老金水平（趙明等，2022）及退休年齡制度（張箴薇和宋德玲，2022）同樣會影響居民的勞動參與。近年，部分學者逐漸嘗試將勞動參與當作解釋變量，并聚焦于女性和老年人視角，探究勞動參與對居民消費行為（肖國安和易雨瑤，2021）、家庭風險資產配置（徐小華等，2020）與家庭貧困脆弱性（李勝旗和廖前豪，2023）的影響效應。針對國內居民勞動參與率逐年下降的現狀，陳胤默等（2022）認為在數字經濟水平、金融發展水平高的地區，居民勞動參與率往往就高。由此可推斷，數字金融興許有助于破解居民勞動參與率低下的難題。

關于家庭財務脆弱性，現有文獻已經從家庭自身、外部沖擊兩個角度刻畫分析家庭財務脆弱性的影響因素。就家庭自身而言，債務杠桿（張凱和李容，2022）、金融知識（尹志超等，2023）與健康狀況（李聰等，2023）均會對家庭財務狀況產生影響；而醫療保險（岳崴等，2021）、數字金融（李瑞晶和王麗媛，2023）等外部因素有助于降低家庭財務脆弱性，緩解家庭財務風險。進一步來看，數字金融深刻影響了家庭的經濟行為（尹志超等，2021）、相對收入（趙亞雄和王修華，2022）、投資決策（范猛，2023）及金融資產配置（安強身和白璐，2022），甚至對家庭財務端產生沖擊（李瑞晶和王麗媛，2023）。尤其是在家庭經濟行為方面，馬國旺和王天嬌（2022）認為，數字金融促進了居民的就業。居民就業的增加必然會提高居民勞動參與率，隨之帶來的家庭收入增加會極大地緩解家庭債務壓力，從而降低家庭財務脆弱性。在家庭投資與金融資產配置方面，數字金融會使家庭更加偏好風險投資以獲取更多的風險收益，同時利用被普及的金融知識提高財產性收入，優化家庭金融資產配置，分散家庭財務風險。

基于以上分析，本文提出假設1：

數字金融有助于促進居民勞動參與，同時降低家庭脆弱性（H1）。

從微觀作用路徑來看，數字金融增加居民勞動參與可以體現在增加居民創業和促進勞動力流動兩個方面。首先，創業能夠提供更多的就業崗位（Samila and Sorenson，2011），提高居民勞動參與率，但融資約束是居民創業路上最大的攔路虎（Hurst and Lusardi，2004）。數字金融通過有效分配資源，提高家庭的金融可得性，有效緩解了存在創業意愿居民的流動性約束，鼓勵居民創新創業（何燕和李靜，2021），并以此促進居民勞動參與。其次，金融可得性的增加降低了企業融資與借貸成本，一是有利于幫助企業擴大規模，進而創造新的就業崗位（方觀富和許嘉怡，2020）；二是有利于企業的研發創新，企業由于研發創新的需要會不斷吸納技術人員的加入，就業崗位的增加與技術人員的需求均會吸引勞動力的流動（馬述忠和胡增璽，2022），進而促進居民勞動參與。

故本文提出假設2：

數字金融通過增加居民創業、吸引勞動力流動，以此來促進居民勞動參與（H2）。

除居民勞動參與之外，數字金融降低家庭財務脆弱性很可能存在其他作用渠道。在提高金融可得性的同時，數字金融也提升了家庭的金融使用性和使用效果。一是以往未參與金融市場交易的家庭，由于金融知識的缺乏，害怕遭受損失而不敢參與金融市場交易。隨著數字技術與數字金融的普及，更多家庭開始了解并學習金融知識，自身金融素養水平得到提高（丁建軍和萬航，2022），并且金融素養的提高為家庭注入投資信心，家庭邁出踏入金融交易市場的第一步，由此，家庭得到更多賺取收益的機會來降低財務脆弱性。二是數字金融可以緩解金融市場的信息不對稱，從而再次增強家庭參與金融市場的意愿，在市場逐漸恢復信息透明度的情況下，家庭投資選擇不再受限于無風險或低風險資產，而是可以選擇更高收益的風險金融資產（范猛，2023），家庭金融市場參與態度和行為的變化會影響家庭金融資產配置的比例，結果是，家庭金融資產比例上升，家庭金融資產配置得到優化（安強身和白璐，2022），家庭財務風險被分散，進而家庭財務脆弱性降低。金融素養的增加、金融市場的參與及金融資產配置比例的提升都會為家庭增收帶來更多的實現途徑（趙亞雄和王修華，2022），最終降低家庭發生財務風險的可能性。

基于此，本文提出假設3：

數字金融通過提升家庭金融素養、提高家庭金融資產配置比例，有效降低家庭財務脆弱性（H3）。

通過上述分析可以發現，數字金融在勞動參與、收入增長與防范財務風險等方面為居民及家庭的經濟活動帶來“數字紅利”，此外，也有學者證實了數字金融有助于縮減城鄉差距的“數字紅利”效應（王曙光和劉彥君，2023）。但數字金融在不同特征的群體中是否存在“數字鴻溝”，進而推動馬太效應的產生？已有研究表明，數字金融在發展過程中會受到“數字鴻溝”的掣肘（龍海明等，2022），由于地區經濟發展水平、家庭收入水平及個體特征的不同，地區數字化基礎設施、居民自身的數字技術使用水平與數字金融運用能力等存在顯著的差異，再加上數字金融“因人而異”的個性化服務，這些都將于無形中筑起不同群體之間的“信息繭房”，并加深“信息鴻溝”（趙亞雄和王修華，2022），進而導致優勢群體接收“數字紅利”效應大于弱勢群體，最終使得原本就存在于各群體間的差距不減反增，馬太效應凸顯。

基于此，本文提出假設4：

針對不同特征的個體、家庭與地區，數字金融促進居民勞動參與、降低家庭脆弱性的邊際效應既存在“數字紅利”，也存在多維“數字鴻溝”（H4）。

三、研究設計

（一）研究樣本和數據處理

本文使用的數據來自于西南財經大學中國家庭金融調查與研究中心所開展的中國家庭金融調查2019年（CHFS2019）數據，該樣本覆蓋全國29 個省，包含居民個體層面、家庭層面的詳細信息，數據具有良好的代表性。按照法律規定，居民勞動參與的最低年齡為16 歲，故本文剔除年齡低于16 歲的居民樣本，在對原始數據進行合并、剔除缺失值和極端值后，共保留30161 個有效樣本。

（二）模型構建

基于前文理論分析，本文通過Probit 模型分別探究數字金融居民勞動參與及家庭脆弱性的關系，并構建中介效應模型檢驗數字金融通過居民勞動參與影響家庭脆弱性的作用路徑。具體為

其中：被解釋變量Vuli為家庭的財務脆弱性，取值為1 表示家庭出現財務脆弱性，取值為0 表示家庭不存在財務脆弱性；Labori為居民勞動參與，若居民參與勞動則取值為1，反之為0；核心解釋變量dfini為數字金融使用dfinacncei或數字金融使用深度dfinleveli，若家庭使用數字金融，dfinacncei取值為1，反之為0；dfinleveli為數字金融使用深度，取值為0～3；Xi為包括居民個體特征、家庭特征及地區特征三個層面的控制變量；Pr(Labori=1|dfini，Xi)和Pr(Vuli=1|dfini，Xi)分別為Labori=1 和Vuli=1 的概率；β0和β0'為常數項；β1、β2、β1'和β2'為對應變量的回歸系數；μi為省份固定效應；εi為隨機誤差項。

（三）變量說明

1.被解釋變量

本文關注的是居民勞動參與和家庭財務脆弱性。不同于就業，居民勞動參與的概念更加寬泛。參照李勝旗和廖前豪（2023）對勞動參與的定義，本文將如下三類情況定義為居民勞動參與：有工作、沒找到工作及因其他原因暫時性離開工作崗位，滿足任一條件時居民勞動參與取值為1，否則取0。家庭財務脆弱性是指一個家庭未來陷入財務困境，發生財務風險的概率。本文借鑒李瑞晶和王麗媛（2023）、岳崴等（2021）以及Brunetti 等（2016）的方法，將“家庭收入＞預期支出”且“流動性資產＞非預期支出”的狀態定義為非財務脆弱，家庭財務脆弱性取值為0，反之，則家庭具有財務脆弱性，取值為1。其中，家庭收入是指家庭總收入；預期支出是指剔除耐用消費品支出的家庭消費支出，包括衣、食、住、行、通訊及教育文娛等日常消費支出等；流動性資產是指家庭的現金與銀行存款的總和；非預期支出則是通過家庭醫療支出來衡量。

2.核心解釋變量

本文的核心解釋變量是數字金融。為匹配本文的微觀研究視角，參考潘爽等（2020）與劉濤和伍駿騫（2023）的研究，從數字支付、數字理財和數字借貸三個維度綜合衡量家庭數字金融使用情況，得到數字金融的啞變量，并構建數字金融使用深度變量。具體做法如下：第一，數字支付。根據中國家庭金融調查的問卷問題“目前，您家是否開通支付寶、微信支付、京東網銀錢包、百度錢包等第三方支付賬戶？”，若居民回答是，則判斷家庭使用數字支付，否則認為家庭沒有使用數字支付。第二，數字理財。問卷問題為“請問您購買的這些金融理財產品的渠道是？”，若居民回答為網頁或移動客戶端（APP）或支付寶、微信等第三方平臺，則判斷家庭使用數字理財，而回答為銀行等機構的物理網點，則認為家庭沒有使用數字理財。第三，數字借貸。如果家庭存在因投資、生產經營活動、房屋、汽車、教育和醫療有尚未還清的互聯網借款，或者計劃從網絡借貸平臺籌集所需資金，則認為家庭使用數字借貸，反之，則認為家庭不存在數字借貸。如果家庭存在數字支付、數字理財或數字借貸的任何一種情況，則認為該家庭使用數字金融，數字金融賦值為1，若家庭未使用數字金融，則賦值為0。另外，根據家庭使用數字支付、數字理財和數字借貸的種類構造數字金融使用深度變量，取值為0～3。

3.控制變量

按照以往研究，本文從個體、家庭和地區三個層面選取控制變量，分別如下：①個體特征變量。包括：年齡及年齡的平方項；性別，男=1，女=0；民族，漢族=1，少數民族=0；受教育程度，沒上過學=0，小學=6，初中=9，高中=12，中專=13，大專=15，大學=16，碩士=19，博士=22；黨員身份，黨員=1，其余身份=0；戶口類型，農業戶口=1，其余=0；婚姻狀況，已婚=1，其余=0；健康狀況，根據居民對身體健康狀況的問卷問題回答，非常好=5，好=4，一般=3，不好=2，非常不好=1。②家庭特征變量。包括：家庭規模，用家庭的總人口數衡量；家庭少兒占比，通過家庭16 歲以下兒童數/家庭規模計算得到；家庭老年占比，通過家庭60 歲以上老人數/家庭規模計算得到；家庭住房，家庭有自住房產=1，其余=0；家庭車輛，家庭有自用汽車=1，其余=0；家庭養老保險，家庭擁有養老保險=1，沒有=0；家庭醫療保險，家庭擁有醫療保險=1，沒有=0；家庭商業保險，家庭擁有商業保險=1，沒有=0；家庭幸福感，根據居民對問卷問題“總的來說，您現在覺得幸福嗎”的回答情況，非常幸福=5，幸福=4，一般=3，不幸福=2，非常不幸福=1。③地區特征變量。省份，控制家庭所在省份的虛擬變量；城鄉，分鄉村和城市地區；區域，分中西部地區、東部地區。所有變量的描述性統計見表1。

表1 變量的描述性統計

四、實證結果分析

（一）基準回歸

表2 前兩列匯報了數字金融和數字金融使用深度影響居民勞動參與的Probit 回歸結果。回歸結果顯示，在控制個體、家庭與地區特征等變量后，數字金融和數字金融使用深度對居民勞動參與的影響系數分別為0.0638 和0.0940，且均在1%的水平上顯著，這說明數字金融促進了居民的勞動參與。分析控制變量可知，數字金融在男性、受教育程度低、農業戶口、已婚、身體健康、有房有車、擁有保險等特征的人群中，促進居民勞動參與的作用更加顯著。首先，男性相較女性在性格上更加大膽，更敢于嘗試承擔風險去接受數字金融帶來的創業和就業機會，也更能接受跨地區的流動崗位。其次，學歷低或是農業戶口的居民往往從事不穩定的體力勞動工作且工作不長久，常常面臨無活可干的境況，由此也更可能會接受數字金融帶來的就業崗位。最后，已婚、有車有房及擁有保險的居民往往面臨更大的家庭經濟壓力，家庭日常支出、房貸、車貸、保險繳納費用成為居民參與勞動的動力源頭，因此，在此類人群中，數字金融促進居民參與勞動的作用也更加明顯。

表2 基準回歸結果

表2 的（3）列、（4）列匯報了數字金融和數字金融使用深度影響家庭財務脆弱性的結果，影響系數分別為-0.1531 和-0.1521，且均通過了1%的顯著性水平檢驗，這說明數字金融有助于降低家庭財務脆弱性。主要原因在于，數字金融對居民勞動參與、家庭金融素養、金融市場參與態度和金融資產配置皆會產生積極的影響，有利于家庭收入來源的增加和合理的財務規劃，從而降低家庭發生財務風險的可能性。控制變量的回歸結果顯示，年齡與家庭財務脆弱性在5%的水平下顯著正相關，說明隨著年齡的增加，家庭財務反而陷入風險的可能性越大，這與居民隨年齡增加同時轉變角色，需要更多地承擔家庭經濟支出及各方面的消費支出增長有關。受教育程度與家庭財務脆弱性在1%的水平下顯著負相關，這表明，受教育程度越高的居民，對家庭財務管理的知識和能力越高，從而家庭財務脆弱性越低。黨員身份與家庭財務脆弱性在1%的水平下顯著正相關，這可能和黨員自身的先進性、奉獻性有關，當周圍親朋好友遭遇財務危機，黨員由于其樂于助人的本性，會毫不猶豫地拿出自己的財產幫助他人渡過難關，進而導致自身家庭面對財務風險的可能性增加。農業戶口與家庭財務脆弱性在1%的水平下顯著正相關，這是由于，擁有農業戶口的居民一般從事農業工作，收入低且收入來源單一，加上金融知識的缺乏，家庭更容易受到財務風險的沖擊。婚姻狀況、健康狀況及家庭規模對家庭財務脆弱性的回歸系數在1%的水平上顯著為負，表明婚姻、健康、家庭規模的增加對降低家庭財務脆弱性有著顯著的作用。原因在于，首先，婚姻能夠分擔家庭經濟壓力，并且夫妻雙方一般是通過溝通交流來確定家庭資金用途，避免過度風險投資和家庭無流動資金可用的情況，家庭財務風險抵御能力得到提高；其次，家庭成員身體健康是保證其正常參與勞動并獲得收入的前提，同時，身體健康也節約了家庭在醫療方面的支出，從而顯著降低家庭財務脆弱性；最后，家庭人口數量增多帶來的是更多份的家庭收入，此外，家庭人口的增多擴大了家庭的社交網絡，這些都將有助于提升家庭抵御財務風險的能力。家庭少兒占比、家庭車輛顯著增加了家庭的財務脆弱性，這是由于子女照顧、教育費用、汽車行駛和汽車保養維修等方面支出的增加會削弱家庭財務穩定性。此外，家庭住房、家庭保險和家庭幸福感與家庭財務脆弱性在1%的水平下顯著負相關，原因在于，家庭自有住房節約了居民在租房方面的開支，并且當家庭面臨房貸壓力時，往往在其他方面會更加節儉，并且投資更加謹慎，從而對家庭財務起到正向積極的作用；家庭養老保險、醫療保險和商業保險的存在，賦予家庭更強的經濟韌性，有利于降低家庭發生財務風險的可能性；家庭幸福感一般與家庭自身經濟水平掛鉤，往往幸福感高的家庭，其經濟水平也高，因而家庭財務脆弱性就較低。

表2 后兩列的回歸結果證明了居民勞動參與對數字金融降低家庭財務脆弱性的中介效應。結果顯示，居民勞動參與的回歸系數在1%的水平上顯著為負，且數字金融和數字金融使用深度的回歸系數分別為-0.1520 和-0.1496，均通過1%的顯著性水平檢驗，結合前四列的回歸結果可知，數字金融通過促進居民勞動參與，顯著降低了家庭財務脆弱性。由此，假設1 得到驗證。

（二）內生性問題

為緩解因遺漏變量、測量誤差或反向因果問題導致的內生性偏誤，提高估計結果的可靠性，本文使用以下方法處理文章出現的內生性問題。由于本文選取的被解釋變量和核心解釋變量均為二值離散變量，不滿足IV-Probit 模型要求內生解釋變量是連續變量的條件，基于連續變量的兩階段最小二乘回歸的工具變量法不再適用，故采用Biprobit 模型和拓展回歸模型（ERM）中的Eprobit 模型來處理模型的內生性問題。

參考劉濤和伍駿騫（2023）與尹志超等（2023）的研究，選取“除居民家庭外，其所在社區其他家庭的數字金融均值”作為工具變量，符號為dFini，社區家庭平均數字金融水平會對該家庭的數字金融使用產生影響，但其他家庭的數字金融使用并不會影響該家庭的勞動參與及財務狀況。因此，工具變量的相關性和外生性條件得到滿足，工具變量的選用合適。

Biprobit 模型基于似不相關回歸，構建遞歸方程，并通過極大似然估計法來實現二階段回歸。具體過程為：第一階段，引入合適的工具變量，評估其與內生解釋變量的相關性；第二階段，將工具變量帶入回歸模型，根據內生性檢驗參數判斷模型是否存在內生性問題及估計結果是否優于Probit 模型。本文設定的Biprobit模型具體為

其中：γ0和為常數項；γ1、γ2、和為對應變量的回歸系數；φi、σi為不同方程的隨機誤差項，式（6）表示第一階段引入工具變量對內生解釋變量進行回歸，主要關注回歸系數的顯著性，式（7）和式（8）分別表示使用工具變量后對居民勞動參與和家庭財務脆弱性的回歸方程，主要關注γ1的符號和顯著性。

表3 報告了以“除自身家庭外的數字金融社區均值”作為工具變量并使用Biprobit 模型進行估計的回歸結果，在第一階段回歸結果中，數字金融使用和數字金融使用深度對工具變量“除自身家庭外的數字金融社區均值”的回歸系數均在1%的水平上顯著正相關，說明滿足工具變量的相關性要求。Wald 檢驗在1%的水平上顯著拒絕原假設，表明數字金融存在內生性問題，且選用Biprobit 模型處理內生性的方法有效。與基準回歸結果相比，主要解釋變量的回歸系數在方向和顯著性水平上仍保持高度一致，再次驗證了數字金融能夠促進居民參與，同時降低家庭脆弱性這一結論的可靠性。

表3 工具變量回歸結果（Biprobit 模型）

此外，為進一步處理模型存在的內生性問題，本文還使用Eprobit 模型對回歸方程進行估計，Eprobit 模型同樣能用于處理被解釋變量和內生解釋變量都為二值離散變量的情況。回歸結果見表4，數字金融、數字金融使用深度和控制變量的符號及顯著性均與基準回歸結果相符合，進一步驗證了數字金融有助于促進居民勞動參與、降低家庭脆弱性這一結論的可靠性。

表4 工具變量回歸結果（Eprobit 模型）

（三）穩健性檢驗

1.使用不同的工具變量

參照以往研究，本文選取居民是否擁有數字設備（智能手機或電腦）作為數字金融的工具變量，帶入回歸模型中進行檢驗。結果如表5 和表6 所示，第一階段回歸結果表明，居民是否擁有數字設備這一工具變量與內生解釋變量數字金融使用、數字金融使用深度均在1%的顯著性水平上正相關，滿足工具變量選用的相關性條件。表5 的Wald 檢驗p值均在1%的水平上顯著拒絕原假設，表示模型存在內生性，選用Biprobit 模型處理內生性的方法合理。另外，表6 的殘差相關性也得到了滿足Eprobit 模型的檢驗條件。總體回歸結果表明，在更換工具變量后，數字金融依然能夠顯著促進居民勞動參與，同時降低家庭財務脆弱性，上文回歸結果的穩健性得到驗證。

表5 替換工具變量回歸結果（Biprobit 模型）

表6 替換工具變量回歸結果（Eprobit 模型）

2.替換被解釋變量

參照李波和朱太輝（2022）及尹志超等（2023）的研究，引入“財務保證金”的方法來衡量家庭財務脆弱性，“家庭財務保證金=家庭總收入+家庭流動資產-家庭預期和非預期支出總和”，家庭財務保證金大于0 時說明家庭不存在財務脆弱狀態，財務脆弱性為0，反之則說明家庭財務脆弱性為1。另外，使用一年內居民參與勞動月數來替換居民勞動參與啞變量，由于勞動月數為0～12 的有序離散變量，故采用Oprobit 模型對其進行回歸。將替換后的被解釋變量代入回歸方程進行檢驗，結果見表7，替換居民勞動參與和家庭財務脆弱性兩個被解釋變量后，前文的結論依舊穩健。

表7 替換被解釋變量

3.更換計量模型

家庭財務脆弱性作為離散型二值變量，可考慮用logit 模型替換probit 模型進行回歸，以此糾正probit 模型的估計偏誤。表8 的回歸結果表明，在更換為logit 模型后，數字金融促進居民勞動參與，降低家庭脆弱性的結論依舊可靠。

表8 更換計量模型

五、機制分析

前文的研究結論表明，數字金融能夠促進居民勞動參與，并降低家庭脆弱性，但并未就其影響居民勞動參與及家庭脆弱性的具體路徑展開分析，本節試圖深入剖析數字金融促進居民勞動參與及家庭脆弱性的影響機制。

（一）數字金融何以促進居民勞動參與

1.緩解信貸約束，鼓勵創新創業

數字金融以數字化、信息化等技術手段賦能金融發展，充分發揮其普惠性特點，極大地緩解了勞動者的信貸約束，從而為居民創新創業提供更多的可能（張龍耀等，2013；張呈磊和李文秀，2023）。當居民面臨嚴格的信貸約束，處于創業水平低下的情況，可以通過數字金融提高居民的信貸可得性和信貸使用性，使居民獲得可用于創業的信貸資金，從而促進居民的創新創業，提高居民的勞動參與。對于創業水平低的居民，數字金融無疑是“雪中送炭”，充分體現其“數字紅利”效應，而對于創業水平原本就高的居民，數字金融更多的是豐富其融資渠道，對勞動參與的促進效應會低于創業水平低的群體。

參照強國令和商城（2022）的研究，本文以是否從事工商業經營作為居民創業的衡量指標，另外，為進一步檢驗數字金融對居民的創新創業效應，本文還使用創業次數來衡量居民的創業水平。將數字金融、數字金融使用深度與創業、創業次數的交乘項引入到模型中并進行回歸，結果見表9。數字金融和數字金融使用深度的回歸系數在1%的水平上顯著為正，數字金融、數字金融使用深度與創業的交乘項均在1%的水平上顯著為負，且數字金融、數字金融使用深度與創業次數的交乘項均在5%的水平上顯著為負，說明在創業水平越低的居民中，數字金融提高居民勞動參與的邊際效應就越大，即數字金融可以通過提高居民的創業水平，進而促進居民勞動參與。

表9 數字金融促進居民勞動參與的創業機制

2.創造崗位需求，吸引勞動力流動

隨著數字金融的發展，互聯網金融、金融科技在應用過程中衍生出一大批需要掌握數字技術的科技型崗位（李曉棟和萬詩婕，2022），另外，數字金融提高企業信貸可得性助力企業擴大規模的同時，也增加了企業對勞動力的需求（劉偉麗和陳騰鵬，2023）。在上述過程中，由于工作崗位的增多和勞動力匹配的需要，企業和地區之間的勞動力流動更為頻繁，因而居民勞動參與度也會得到提升。

本文將居民外地生活或工作半年以上的經歷定義為勞動力流動，并將數字金融、數字金融使用深度與勞動力流動的交乘項帶入回歸，表10 結果顯示，兩個交乘項系數分別為-0.1190 和-0.0926，均在5%水平上顯著，說明勞動力流動性差時，數字金融對居民勞動參與的促進作用更加顯著。因此，數字金融可通過吸引勞動力流動，增強企業之間和區域之間的勞動力流動來促進居民勞動參與。綜上，本文的假設2 得到驗證。

表10 數字金融促進居民勞動參與的勞動力流動機制

（二）數字金融何以降低家庭財務脆弱性

1.普及金融知識，提高金融素養

數字金融借助大數據、移動終端等信息技術，在應用過程中會潛移默化地向居民普及金融知識，使居民金融素養水平得到提高（張誠和尹志超，2023），優化居民金融市場的參與行為和投資決策，進而降低家庭財務脆弱性（尹志超等，2023）。

本文參照以往研究，使用中國家庭金融調查2019年（CHFS2019）問卷中關于對利率、通貨膨脹及投資風險等四個問題的回答綜合衡量居民金融素養水平，問題回答正確得一分，回答錯誤不加分，通過加總最后的問題得分得到居民金融素養水平。將數字金融、數字金融使用深度與居民金融素養的交乘項帶入模型中，回歸結果見表11。可以看到，數字金融和數字金融使用深度的回歸系數均在1%水平上顯著為負，且交乘項系數均在1%水平上顯著為正，說明在居民金融素養低的家庭，數字金融對于家庭財務脆弱性的降低作用更加明顯。因此，數字金融可為居民金融素養低的家庭普及金融知識，提高其金融素養水平，優化家庭在金融市場的行為選擇，為家庭增收帶來更多的可能，進而降低家庭陷入財務風險的概率。

表11 數字金融降低家庭財務脆弱性的金融素養機制

2.促進金融參與，提高金融資產配置比例

對于金融發展水平低、金融知識普及度不高的地區，居民家庭金融資產所占總資產的比例遠低于市場均衡水平，數字金融的發展打破了時間和空間的限制，在家庭與金融市場之間搭建起數字化信息化的橋梁，為家庭參與金融市場提供便利。另外，數字金融對家庭金融知識的提升效應，同樣會使家庭在金融市場上展現積極的參與態度和投資傾向，提高家庭金融資產配置比例（安強身和白璐，2022），有助于家庭財務風險的分散及家庭投資收益的增加，從而防止家庭出現財務脆弱狀況。

本文以金融資產占家庭總資產的比重作為金融資產配置比例的衡量指標，利用其與數字金融、數字金融使用深度的交乘項進行回歸，表12 結果顯示，兩個交乘項回歸結果均顯著為正，且通過1%的顯著性水平檢驗，說明在金融資產配置比例低的家庭，數字金融降低財務脆弱性的效果更加顯著。原因在于，在原本金融資產配置就處于較高水平的家庭中，居民家庭金融素養往往也處于較高水平，數字金融對其金融市場參與及金融資產配置比例的提升作用已經不明顯，相反，數字金融可以通過提高低水平金融資產家庭的金融資產配置比例，使其在金融市場獲得收益的機會增加，以此增加家庭財務的穩定性。由此，本文的假設3 成功得到驗證。

表12 數字金融降低家庭財務脆弱性的金融資產配置機制

六、異質性分析

（一）基于個體特征

由于居民個體年齡、受教育程度等方面的差異，個體利用數字金融的能力和數字金融為其帶來的機遇均存在較大差異。本文以40 歲為年齡分界線來界定青年和中老年樣本，以是否高中畢業作為受教育程度高低的衡量標準，探究數字金融對不同年齡段、不同受教育程度居民及家庭的異質性影響，檢驗數字金融究竟帶來的是“數字紅利”，還是“數字鴻溝”？

表13 的回歸結果表明，數字金融和數字金融使用深度對中老年勞動參與及家庭財務脆弱性的回歸系數均在1%的水平上顯著，而對青年勞動參與及家庭財務脆弱性的并不顯著，且以上結果均通過費舍爾組間差異檢驗。這說明數字金融促進勞動參與、降低家庭財務脆弱性的效應主要是體現在中老年群體，年齡上的“數字鴻溝”并不存在。一方面，數字金融對中老年群體的沖擊最大，在我國加速步入老齡化社會的背景下，中老年群體享受數字金融增加的就業崗位和創業機會等“數字紅利”；另一方面，中老年群體通常擁有一定積蓄，數字金融有助于提高中老年群體的金融知識，促進其參與金融理財投資，因而有利于中老年群體的家庭財務穩定，而青年群體大多本身就擁有一定的金融知識并處于金融市場參與之中，故數字金融對其影響不顯著。

表13 基于居民年齡的異質性分析

表14 的回歸結果表明，數字金融主要是提高受教育程度高的居民勞動參與率，而對受教育程度低的居民作用不明顯，數字金融在受教育程度不同的居民之間產生了“數字鴻溝”。可能的原因是，受教育程度水平往往與數字技術水平正向掛鉤，在數字金融創造大批金融科技型崗位和企業對數字技術人才需求不斷增加的過程中，受教育水平高的居民成為數字金融下的“香餑餑”，故數字金融對其勞動參與的影響更加明顯。但是在受教育程度低的居民中，數字金融降低家庭財務脆弱性的作用更大，這很可能是由于受教育程度低的居民金融素養和家庭金融資產配置通過數字金融得到提升的效應更大，進而家庭財務脆弱性的下降幅度也更大，“數字紅利”效應顯著。

表14 基于居民受教育水平的異質性分析

（二）基于家庭特征

家庭相對收入的高低會影響居民進行勞動參與的意愿、消費支出決策及金融市場投資行為，進而影響家庭財務狀況。本文以家庭總收入與社區家庭收入的對數差衡量家庭相對收入，按照家庭相對收入中位數為參考標準進行分組回歸，結果見表15。在相對收入低的家庭中，數字金融和數字金融使用深度對居民勞動參與的在1%的水平上顯著為正，而對相對收入高的家庭的居民勞動參與影響不顯著。這表明，相較于高相對收入家庭，數字金融提高了低相對收入家庭居民的勞動參與，從而低收入家庭獲得更多的收入來源，這有利于縮小不同家庭之間的收入差距，縮小家庭之間的“數字鴻溝”。這一現象可能與高相對收入家庭的居民勞動參與率原本就較高且處于擁有較好的工作崗位，數字金融帶來的數字崗位對其影響就較小有關。但數字金融和數字金融使用深度降低家庭財務脆弱性的作用反而在相對收入高的家庭更加明顯，原因在于，高相對收入意味著金融市場投資和金融資產配置可以有更多的選擇，發揮數字金融所提高的金融可得性和金融使用性的效應就越強，從而家庭發生財務風險的可能性就越低，家庭之間的“數字鴻溝”凸顯。

表15 基于家庭相對收入的異質性分析

（三）基于地區特征

鄉村和城鎮之間數字基礎設施和金融發展水平存在一定的差異，因而不同地區的居民及家庭接收數字福利與使用數字金融的程度也存在差異，居民勞動參與及家庭財務情況受數字金融的影響程度很可能有所不同。本文通過劃分鄉村、城鎮兩個子樣本進行分組回歸，驗證數字金融究竟是帶來“數字紅利”進而縮小城鄉差距？還是以“數字鴻溝”加大城鄉差距？

表16 的回歸結果顯示，數字金融促進了城鎮居民的勞動參與，對鄉村村民勞動參與的促進作用并不顯著，數字金融降低家庭財務脆弱性的效應在城鎮家庭比鄉村家庭更加顯著。究其原因，鄉村村民受教育程度一般低于城鎮居民，如前文所述，數字技術水平的缺乏導致村民無法與數字金融所創造的數字崗位相匹配，這些被創造出來的新崗位就落在了城鎮居民的頭上。另外，相較鄉村家庭，城鎮家庭的相對收入往往處于較高水平，利用上文結論，數字金融對其家庭脆弱性的降低效應就更強，再加上數字金融對城鎮居民勞動參與的促進作用，為城鎮家庭脆弱性的降低提供了另一種可能。綜上看來，數字金融在不同個體、家庭及地區之間，既存在“數字紅利”，也存在多維“數字鴻溝”，故假設4 得證。

表16 基于城鄉地區的異質性分析

七、結論與政策啟示

本文基于中國家庭金融調查2019 年（CHFS2019）數據，探究數字金融對居民勞動參與及家庭財務脆弱性的影響，所得結論如下：數字金融發展與數字金融使用程度的加深，有助于促進居民勞動參與，降低家庭財務脆弱性。數字金融對居民勞動參與的增加效應是通過增加居民創業、吸引勞動力流動兩條渠道來實現，此外，數字金融降低家庭財務脆弱性的作用機制不僅限于促進居民勞動參與，提升家庭金融素養、提高家庭金融資產配置比例的作用路徑也同樣重要。異質性分析發現，數字金融為中老年群體帶來“數字紅利”，促進中老年群體勞動參與和降低家庭財務脆弱性的作用明顯，同時，數字金融也促進了低相對收入家庭的勞動參與，但對勞動參與的促進作用在受教育程度高、城鎮地區的居民中更為明顯，“數字鴻溝”凸顯；而在數字金融對家庭財務脆弱性的降低效應中，除了受教育程度低的群體能夠接收到“數字紅利”外，相對收入低和鄉村地區等弱勢家庭財務脆弱性的降低效應并不明顯，相反，相對收入高和城鎮地區等優勢家庭的財務風險得到更多緩解，這使優勢家庭進一步拉開與弱勢家庭的財富差距，從而加深居民、家庭與地區之間的“數字鴻溝”。

結合上述研究結論，本文提出以下政策建議：第一，要持續推進數字金融的發展，通過知識、技術普及和政策支持最大程度發揮數字金融對促進居民勞動參與、降低家庭財務脆弱性的積極效應，利用數字金融破解國內居民勞動參與率不足和家庭財務風險激增兩大難題，穩居民就業，降金融風險。第二，在大力發展數字金融的同時，也要考慮數字金融發展的平衡性，應加強鄉村地區的數字金融基礎設施建設，加強對弱勢家庭及鄉村地區居民金融素養的培訓，提升弱勢個體、家庭和鄉村地區的數字金融使用能力，使居民能夠充分地抓住“數字紅利”帶來的機遇，縮小與優勢個體、家庭和城鎮地區之間的差距，防止多維“數字鴻溝”進一步加深。