社會信任與家庭金融科技使用

摘 要 信任是金融交易的基礎，金融科技作為新金融形態往往更需要信任。本文基于中國家庭金融調查（ CHFS）2017 年數據，利用手機銀行（網上銀行）、互聯網理財、互聯網借貸和移動支付四個維度衡量家庭金融科技使用，研究了社會信任對家庭金融科技使用的影響。研究發現，社會信任水平的提升顯著促進了家庭使用各類金融科技服務的概率，這一結果在考慮了內生性問題情況下依然穩健。由于受到傳統觀念影響、學習能力偏弱等原因，老年人口和低教育水平人口往往是數字技術使用的弱勢群體。本文的異質性分析發現，社會信任對這些群體的金融科技使用影響更為重要。本文的研究表明，社會信任水平對家庭金融科技使用率具有重要的作用。加強社會信任建設，對促進金融科技使用、縮小數字鴻溝以及實現普惠金融發展具有重要意義。

關鍵詞 金融科技使用;信任;手機銀行;互聯網理財與借貸;移動支付

0 引言

近年來，大批互聯網金融企業的興起，使得我國金融科技得到了快速發展。根據埃森哲的數據顯示，2016 年全球金融科技企業的投資攀升至232 億美元，亞太地區的金融科技融資規模達到112 億美元，首次超越北美。其中，我國投資額達到了102 億美元，這占亞太地區總投資額的91. 7%①。根據安永2017 年金融科技采納率指數，全球金融科技采納率的均值是33%，我國金融科技采納率指數為69%居全球首位①。其中，手機銀行、移動支付（ 支付寶、微信支付等）、互聯網貸款（螞蟻借唄、京東白條和微粒貸等） 和互聯網理財（ 余額寶等）等金融科技業務規模也處于全球領先位置。

金融科技的普及和使用對宏觀金融經濟發展和微觀家庭福利都具有重要作用。一方面，金融科技的使用對金融和經濟發展而言，不僅降低了信息不對稱和交易成本，使金融體系更具包容性（張勛等，2019），同時也促進了經濟發展的效率（ 宋曉玲，2017;謝絢麗等，2018;張勛等，2019;Frost，2020）。另外一方面，金融科技對微觀個體而言，促進了家庭消費（ 易行健和周利，2018;Agarwalet al. ，2020;Zhao et al. ，2022），緩解了信貸約束（何婧和李慶海，2019）。然而，金融科技在我國家庭部門的普及還存在著不充分不平衡的情況?！笆奈濉?規劃明確提出“構建金融有效支持實體經濟的體制機制，提升金融科技水平，增強金融普惠性”。讓金融科技有效服務更廣大的群體，無疑是實現金融服務實體經濟和金融普惠性的重要路徑。因此，厘清家庭金融科技產品使用的影響因素具有重要的理論和政策意義。

已有關于金融科技發展影響因素的研究，主要聚焦于宏觀層面的經濟與技術因素。例如，已有研究發現信息通信技術進步、電子商務和地區互聯網基礎設施發展、人口結構和人力資本等因素對互聯網金融（或數字金融）的發展具有重要的作用（李繼尊，2015;Guo et al. ，2016;郭峰等，2017;黃益平和黃卓，2018;齊紅倩和李志創，2019;郭峰和王瑤佩，2020）。區別于已有研究，本文從信任這一重要的文化因素與社會資本出發，探尋新興技術擴散所需要的文化土壤。

金融科技作為利用新技術帶來的金融創新，創造了新的業務模式和新的金融產品。雖然相比于傳統金融業務，金融科技帶來了諸多便利，但交易雙方的信任在其中的重要性可能并沒有減少。中國社會在傳統上是一個熟人社會，人們往往依靠面對面的互動和人情往來而獲得信任。一方面，在網絡上完成交易和金融服務的使用，往往具有網絡空間的匿名性和虛擬性。另一方面，對于手機銀行（網上銀行）、移動支付、互聯網理財、互聯網借貸等金融服務涉及網絡上的資金交易，出于安全性的考慮，需要家庭有更強的信任水平才有意愿使用。對金融科技的使用往往更需要信任（ Frost，2020）。因此，本文從社會信任的視角研究其對金融科技使用的影響。

本文基于中國家庭金融調查2017 年數據（CHFS），研究了社會信任對家庭金融科技使用的影響。研究發現，社會信任水平的提升顯著增加了家庭金融科技的使用。為了緩解可能存在的內生性問題，本文進一步利用社區志愿者數量作為工具變量，同樣發現上述結果。進一步基于人力資本的異質性分析發現，社會信任這一作用主要存在于年齡較大、受教育水平較低的家庭中。年齡較大以及金融知識較低的家庭往往缺乏人力資本的積累，更少使用金融科技產品。而社會信任水平的提高可以緩解人力資本積累不足造成的不使用金融科技的情況，這對降低數字鴻溝，促進普惠金融發展具有重要意義。

本文的邊際貢獻體現在以下兩個方面：首先，本文從社會信任水平的角度研究了家庭金融科技使用的影響，拓展了家庭對金融科技服務使用的相關研究。盡管近年來金融科技得到了快速發展，但是各地區和不同人群在家庭中金融科技使用率差異仍然很大（郭峰等，2020）。已有的研究主要探討了宏觀層面的基礎信息通信技術和經濟發展對金融科技發展的影響（ 李繼尊，2015;Guoet al. ，2016;郭峰等，2017;黃益平和黃卓，2018;王瑤佩和郭峰，2019;郭峰和王瑤佩，2020）。然而，基于微觀家庭層面的研究相對較少。本文通過家庭微觀數據，研究了社會信任水平對家庭金融科技使用的影響，拓展了金融科技發展的影響因素的相關研究。

其次，本文豐富了社會信任對家庭金融決策影響的相關研究。家庭中缺乏對正規金融市場的參與仍然是家庭金融文獻中的主要研究問題（ Campbell，2006）。已有的文獻主要發現信任的提高可以促進家庭參與股票市場（ Guisoet al. ，2008）。同樣，家庭使用金融科技也是一項重要的金融決策，不僅可以緩解家庭的信貸約束（何婧和李慶海，2019）、促進家庭創業（尹志超等，2019）。更為重要的是金融科技的使用促進普惠金融的發展（黃益平和黃卓，2018）和包容性的增長（張勛等，2019）。本文基于家庭微觀數據，從多個維度衡量家庭金融科技使用，研究了信任在金融科技使用中的重要作用，豐富了信任對家庭金融決策的影響研究。

本文的研究也具有重要的政策意義。除了基礎信息通信技術、互聯網基礎設施建設和電子商務業態等促進金融科技的發展外，本文的研究表明政府在促進不同地區金融科技的使用，縮小數字鴻溝，實現普惠金融發展的同時，也應當考慮到社會信任的作用。誠信是社會主義核心價值觀的重要內容。黨和國家也高度重視社會誠信建設。本文的研究從促進金融科技發展這一新角度進一步闡釋了社會誠信建設的重要性和必要性。

本文以下部分結構安排如下：第1 部分介紹金融科技的影響因素和信任的作用兩方面的文獻;第2 部分介紹數據、變量和家庭金融科技使用畫像;第3 部分是研究設計、實證模型以及實證結果分析;第4 部分是基于人力資本的異質性分析;第5 部分是結論與政策建議。

1 文獻綜述

本文研究主要關注信任對金融科技使用的影響。因此，本部分將分別從金融科技的影響因素和信任的作用這兩方面進行文獻綜述。

1.1 影響居民金融科技服務使用的因素

已有的理論和實證研究，一方面主要基于宏觀的基礎信息通信技術進步研究了其對居民金融科技使用情況的作用。例如，李繼尊（2015）通過信息通信技術的進步、電子商務的發展以及傳統的金融服務與社會通融資需求之間不匹配等角度探討了我國互聯網金融的快速發展的原因。黃益平和黃卓（2018） 認為除了技術進步外，傳統金融部門供給不足和監管相對寬松促進了我國數字金融快速發展。Guo et al. （2016）利用螞蟻金服的2015 年數據構建了數字金融發展指數，發現地區的互聯網基礎設施與數字金融發展指數高度相關。郭峰等（2017）基于2015 年12 月中國 335 個地級市的互聯網金融發展指數，發現人均GDP、第三產業比重、人口密度等地區經濟變量與數字金融發展高度相關。黃益平和陶坤玉（2019）通過梳理中國數字金融發展的因素發現，傳統服務的供給短缺、監管的包容、信息技術發展等三個方面促進了我國數字金融的快速發展。

另外一方面，基于微觀調查數據，從傳統金融使用率、年齡和教育等角度研究了其對農戶居民金融科技服務使用的影響。例如，郭峰和王瑤佩（2020）基于2015 年上海財經大學“千村調查”數據研究了家庭傳統金融使用率和教育對家庭數字金融使用的影響，發現傳統金融使用率和教育水平顯著促進了家庭參與數字金融。王瑤佩和郭峰（2019）基于2014 年北京大學數字普惠金融指數312個縣域指數與上海財經大學的“千村調查”微觀數據匹配，研究數字金融指數對農村地區家庭是否使用數字金融的影響，發現數字普惠金融指數顯著促進了家庭使用數字金融;同時，也發現地區的數字金融發展指數顯著與農戶參與互聯網支付、網絡投資和互聯網借貸正相關。齊紅倩和李志創（2019） 基于2017 年的全球普惠金融數據庫，分析了年齡和教育與居民數字金融服務使用的關系，發現老年和低教育水平的居民明顯排斥數字金融的使用。

從上述文獻可以看出，已有文獻主要從宏觀的信息通信技術進步、地區互聯網基礎設施發展以及居民的年齡和教育等展開研究，且主要以宏觀和政策評述和相關性分析為主。從居民的社會信任角度研究微觀家庭使用金融科技服務尚未得到研究者的重視。與上述文獻的研究角度不同，本文基于微觀數據，探討社會信任與家庭金融科技使用的關系，這是對已有文獻的重要補充。

1.2 社會信任的作用

已有關于信任對金融發展的研究發現，信任促進了家庭參與風險金融資產市場，降低信息搜索成本以及信息不對稱程度，進而降低了交易成本。同時已有文獻也發現，信任水平的提高也有助于技術進步的擴散。例如，Guiso et al.（2004），利用意大利數據發現，在信任水平低的社會中，家庭把更多的資金配置到現金等信任依賴度較低的資產中。Guiso et al. （2008）基于利用荷蘭、意大利的微觀家庭數據以及跨國數據都發現信任水平越高參與股票市場的概率越高。Volken（2009）基于47 個國家數據發現，信任顯著促進了互聯網的擴散。

金融科技相對于傳統的金融服務而言更加復雜。金融科技主要通過大數據、區塊鏈、云計算、人工智能等技術來賦能傳統金融業務，除了體現傳統金融屬性外，還包括了技術創新屬性。因此，對于家庭來說，金融科技比傳統金融服務具有更大的網絡空間虛擬性和不確定性，而信任在家庭使用金融科技服務時起到了降低不確定性的作用。

本文利用中國家庭金融調查2017 年的微觀數據，從手機銀行（ 互聯網銀行）、移動支付、互聯網理財和互聯網借貸等金融科技的四個方面，研究了信任對金融科技使用的影響及其異質性。本文在兩個方面對上述既有的文獻作出了邊際貢獻：第一，本文利用微觀數據檢驗了信任對于家庭使用金融科技的影響，拓展了已有的金融科技的影響因素文獻。第二，本文豐富了信任對于家庭金融決策的影響文獻。

2 數據、變量與家庭金融科技使用畫像

2.1 數據

本文所使用的數據來源于西南財經大學中國家庭金融調查與研究中心（CHFS）2017 年在全國范圍內開展的住戶調查數據。CHFS2017 年的數據覆蓋了除西藏、新疆、中國香港、中國澳門、中國臺灣以外的29 個?。?自治區、直轄市）、353 個區縣，共獲得近40000 戶家庭的微觀數據。該數據收集了家庭金融科技的使用、信任、家庭人口統計特征、資產與負債、收入與支出等信息。這為本文研究金融科技的使用提供了非常好的數據支撐。

2.2 變量定義

2.2.1 被解釋變量

為了研究社會信任對家庭金融科技使用的影響，本文參考以往文獻主要從四個方面來刻畫家庭對金融科技的使用。具體來說，分別選取了家庭是否使用手機銀行（網上銀行）①、是否參與互聯網理財②、是否參與互聯網借貸③以及是否使用移動支付①等四個維度衡量家庭對金融科技的使用情況。

其中，（1）手機（網上） 銀行是指通過登錄手機上應用程序（App） 或網絡獲得銀行服務的形式;（2）互聯網理財為是否持有像余額寶、京東小金庫、百度百賺等這類資金易存易取的互聯網理財產品;（3）互聯網借貸主要包括兩部分，一部分為資金借出，例如P2P 互聯網借貸、眾籌等②，另一部分為是否曾通過螞蟻花唄、京東白條、分期樂、互聯網借貸等互聯網金融形式獲取資金進行消費;（4）移動支付主要指通過手機、 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） 進行支付。這與已有的文獻對金融科技使用的類別劃分基本一致（Goldstein et al. ，2019;黃益平和陶坤玉，2019;Niu et al. ，2020）。

2.2.2 解釋變量

本文關注的解釋變量為戶主的社會信任水平，參考黃健和鄧燕華（2012）對陌生人的信任水平反映了社會信任。因此，依據問卷中詢問戶主問題為“ 您對不認識人的信任度如何？”

本文根據這一問題設定1 為高信任（比較信任、非常信任、一般），0 為低信任（非常不信任、不太信任）③。

2.2.3 控制變量

參考相關文獻（尹志超等，2014），本文的控制變量主要為戶主個人特征變量（年齡、性別、教育年限、婚姻狀況、金融知識水平、城市農村地區）;家庭特征變量（家庭人均收入、家庭資產）。具體變量定義如下：性別為虛擬變量，戶主若為男性，則為1，否則為0;教育年限：根據問卷中教育水平的選項為：沒上過學、小學、初中、高中、中專、大專、大學本科、碩士研究生和博士研究生，我們將其折算為相應的教育年限，分別為：0、6、9、12、13、15、16、19、22。已婚：戶主若為已婚，取值為1，否則為0。金融知識定義：以受訪者正確回答問題的個數來衡量，依據利率計算、通貨膨脹理解、投資風險認知三個問題計算受訪者的金融知識。農村：為虛擬變量，家庭若處于農村地區為1，否則為0。 Ln（家庭人均收入）：家庭過去一年的總收入在1%的水平上進行了極端值處理后，除以家庭規模并取對數。Ln（家庭資產）：家庭過去一年的總資產在1%的水平上進行了極端值處理后，取對數。表1 報告了主要變量的描述性統計。

由上表可知，樣本中家庭使用手機銀行（網上銀行）的占比為25. 46%，互聯網理財的比例為5. 9%，互聯網借貸的比例為5. 16%，移動支付的比例為27. 4%，可見手機銀行（網上銀行）和移動支付占比較高，互聯網理財和借貸相對較低。樣本中30. 74%的戶主選擇信任，平均年齡在55. 33 歲左右，戶主中男性比例為79. 26%，平均教育年限為9. 24 年，已婚比例為84. 72%，家庭金融知識平均正確回答的問題個數為0. 73，居住在農村家庭比例為32. 44%，家庭人均收入的對數均值為9. 54，家庭資產對數的均值為12. 60。

2.3 家庭金融科技使用畫像

為了更清晰描述家庭金融科技使用，本文進一步通過年齡、教育、信任水平三個方面對家庭金融科技使用進行畫像，可視化展現家庭金融科技使用的情況。

2.3.1 年齡

首先，對人口統計學特征年齡進行分組，依照44 歲以下、45～59 歲和60 歲以上分為青年、中年、老年三組（齊紅倩和李志創，2019），并計算各組手機銀行（網上銀行）、互聯網理財、互聯網借貸和移動支付等四類使用率均值和90%的置信區間，相關結果匯報在圖1 中。其中，手機銀行（ 網上銀行） 青年組、中年組、老年組平均使用率分別為53. 4%、25. 5%、8. 6%;互聯網理財青年、中年、老年組平均使用率分別為14. 8%、5. 1%、1. 4%;互聯網借貸青年、中年、老年組平均使用率分別為14. 1%、3. 9%、0. 8%;移動支付青年、中年、老年組平均使用率分別為57. 0%、27. 6%、9. 2%。通過上述金融科技使用類別中可以發現，青年組平均使用率均為最高，其次為中年組，最低為老年組。同時，依據90%的置信區間，各年齡組存在顯著的使用差異。青年組顯著高于中年組與老年組，這表明人口結構對金融科技發展具有重要的影響，較年輕的人口結構有利于促進金融科技的發展（Frost，2020）。

2.3.2 教育水平

依據小學及以下、初中和高中（包含中專、職高） 和大學及以上將教育水平分為三組（齊紅倩和李志創，2019），相關結果匯報于圖2 中。由圖2 可以發現，手機銀行（網上銀行）在小學及以下、初中和高中、大學及以上平均使用率分別為8. 5%、24. 7%、62. 9%;互聯網理財在小學及以下、初中和高中、大學及以上平均使用率分別為1. 3%、4. 5%、20. 7%;互聯網借貸在小學及以下、初中和高中、大學及以上平均使用率分別為1. 2%、4. 3%、16. 4%;移動支付在小學及以下、初中和高中、大學及以上平均使用率分別為9. 4%、27. 9%、62. 4%。從上述各組平均使用率中可以發現，大學及以上教育水平的家庭金融科技使用率顯著高于低教育水平的家庭，這也表明在人力資本在金融科技使用中的重要作用。

2.3.3 社會信任水平

本文主要分析社會信任水平對家庭金融科技使用的影響。根據上述變量定義，將社會信任水平分為不信任、可信任兩組，分別計算每組金融科技類別平均使用率和90%的置信區間，結果匯報在圖3 中。由圖3 發現，不信任水平組手機銀行（網上銀行）、互聯網理財、互聯網借貸、移動支付的平均使用率分別為19. 5%、3. 8%、3. 3%、21. 5%;信任組分別為39. 2%、10. 9%、9. 4%、40. 98%。依據90%的置信區間可以發現，信任組金融科技使用率顯著高于不信任組。這表明，信任水平高的家庭平均使用金融科技更高，由此提供了信任水平與家庭金融科技使用率之間的初步關系，接下來本文將進行更為嚴謹的實證檢驗。

3 研究設計與實證結果

3.1 研究設計

為了更清晰識別信任對金融科技使用的影響，本文首先控制了同時影響信任水平又影響家庭金融科技使用率的可觀測性因素。

具體來說，首先，除了控制影響家庭金融科技使用的影響因素：年齡、性別、婚姻狀況、金融知識水平外，本文進一步控制了教育年限、家庭收入、家庭資產和城市農村地區等變量?？刂七@些可觀測性變量的好處是，識別的信任水平來自同一教育水平、家庭收入、資產以及城鄉，可以更清晰識別信任對金融科技使用的影響。已有文獻發現，受教育水平越高的個體往往具有更高的信任水平（Huang et al. ，2009;Charron and Rothstein，2016），同時受教育水平越高更可能使用計算機（K?mpfen and Maurer，2018）。家庭收入、資產越高家庭的信任水平往往也越高（Ananyev and Guriev，2019），同時也更可能使用金融科技。城市地區相比農村地區信任水平更高， 但同時城市和農村存在著數字鴻溝（ Guoet al. ，2016），數字金融發展也具有很大差距。從已有的研究可以看出，這些因素同時影響信任水平和家庭金融科技使用率，因此為了緩解遺漏變量導致的內生性問題，本文控制這些可觀測性的因素。

其次，本文進一步控制了城市的固定效應，用來控制住城市不隨時間變化的可觀測和不可觀測性的因素。我們應當看到各城市的文化教育、互聯網金融補貼等政策、互聯網基礎設施、經濟水平等存在著差異。例如，各城市互聯網金融補貼程度可能不同，不同城市地區的教育文化往往塑造了不同家庭的信任水平，同時也影響家庭金融科技的使用。因此，本文進一步控制了城市的固定效應，緩解城市不隨時間變化的可觀測和不可觀測性的因素導致的內生性問題。

綜上，本文控制了同時影響信任水平又影響家庭金融科技使用率的可觀測性因素，以及城市的固定效應，這在一定程度上可以緩解內生性問題。但同時考慮到，可能存在一些不可觀測的個人特征（例如能力、偏好等） 影響信任水平的同時，也可能影響對金融科技使用。這也可能存在一些遺漏變量導致的內生性問題，為了盡可能地處理這一問題，本文進一步使用工具變量的方法進行識別。具體來說，本文使用社區的志愿者數量作為信任的工具變量。一方面，志愿者數量越多的社區信任水平往往越高，后文表3 一階段結果匯報了志愿者數量對信任水平的影響，可以發現志愿者數量與信任水平在1%的顯著水平上高度相關，這滿足了工具變量的相關性假設;另一方面，社區志愿者數量不能直接影響家庭的金融科技使用。因此，本文使用社區志愿者數量作為信任的工具變量。

3.2 模型設定

依據上述的研究設計，本文通過OLS 模型來估計信任對家庭使用金融科技的影響。

fintechi = α + β1trusti + Xi γ + cityj + μi （1）

在式（1）中，fintechi 為啞變量，等于1 表示家庭使用（ 參與） 手機或網上銀行、互聯網理財、互聯網借貸和移動支付，等于0 表示沒有使用（參與）;trusti 為本文關注的戶主信任水平，1 為信任，0 為不信任。Xi 為一系列的控制變量，主要包括個人（年齡、性別、教育年限、婚姻狀況、金融知識水平、城市農村地區）、家庭特征（家庭人均收入、家庭資產），cityj 為城市固定效應。

3.3 基準結果回歸

3.3.1 統計意義

表2 報告了信任對家庭金融科技使用的影響。具體來說，表2 第（1） 列報告了信任對家庭手機銀行或網上銀行使用的影響，第（2） 列報告了信任對家庭互聯網理財使用的影響，第（3）列報告了信任對家庭互聯網借貸的影響，第（4）列報告了信任對家庭移動支付使用的影響。從表2 第（1） ～（4） 列可以看出戶主的信任水平顯著促進了家庭金融科技的使用。模型中其他控制變量的符號與顯著性也大體符合預期，與相關文獻一致。年齡越大家庭金融科技使用率越低，高教育水平使得居民更容易學習，推動其使用金融科技。金融知識也促進了家庭金融科技使用（尹志超和仇化，2019）。與城市地區相比，農村地區家庭更少使用金融科技，也表明城鄉數字鴻溝的存在。家庭人均收入和家庭資產越高的家庭更容易承擔使用金融科技所需的固定成本。

3.3.2 經濟意義

除了上述的統計意義外，經濟意義也是顯著的。在控制了戶主個人、家庭以及所在地區等方面因素后，手機銀行（網上銀行）、互聯網理財、互聯網借貸、移動支付的使用率分別增加了8. 11、3. 30、2. 96 和7. 54 個百分點。考慮到樣本中分別有25. 46%、5. 99%、5. 16%和27. 40% 的家庭分別使用了上述四類金融科技產品，這一效應相當于信任水平變動一個標準差家庭使用金融科技服務變化14. 69%、25. 42%、26. 47%和12. 70%，這在經濟意義上也是顯著的。

為了進一步緩解上述可能存在的內生性問題，本文利用社區志愿者數量作為工具變量進行識別。表3 匯報了工具變量的一階段結果。社會志愿者數量顯著與信任水平正相關，這滿足了工具變量的相關性假設。同時社區志愿者數量不與家庭金融科技使用直接相關，因此相對來說滿足工具變量“ 排他性假設”。表3 還匯報了工具變量的2SLS 估計結果。同樣發現，信任顯著促進了家庭使用金融科技。利用工具變量法估計的結果相比OLS 估計結果要大，一個可能的解釋是，工具變量只能估計戶主信任水平受到社區志愿者數量影響的那部分群體的平均因果效應，然而對那些信任水平不受到社區志愿者影響的家庭的平均因果效應是沒有辦法利用工具變量方法估計的（ Local Average TreatmentEffects），這可能造成表3 中2SLS 估計結果相對表2 中OLS 較大。

4 基于人力資本的異質性分析

社會信任促進家庭金融科技使用的一個潛在機制可能是信任降低了家庭的感知風險（陳冬宇等，2014）。在不同的年齡階段中居民對新技術使用的感知風險往往不同。對于人口年齡較大的家庭來說，使用新技術往往可能面臨更大的風險。如果信任降低了家庭的感知風險從而促進家庭金融科技的使用率，那么應該在面臨較大感知風險的老年人口中信任的作用更為突出。為了檢驗不同年齡組信任作用的異質性，本文依據上述青年、中年和老年組進行分樣本分析。

表4 報告了不同年齡組家庭金融科技使用的分樣本估計結果，其中PanelA 第（1） ～（3）列分別為青年、中年和老年組，社會信任對使用手機（ 網上） 銀行的估計結果;Panel B 第（1） ～（3） 列分別為青年、中年和老年組，社會信任對使用互聯網理財的估計結果;Panel C 第（1） ～（3） 列分別為青年、中年和老年組，社會信任對使用互聯網借貸的估計結果;Panel D 第（1） ～（3）列分別為青年、中年和老年組，社會信任對使用移動支付的估計結果。通過表4 可以發現，在老年組子樣本中，社會信任對金融科技的使用基本都具有顯著的正向影響。相反，在青年和中年組中，社會信任對金融科技使用的影響不具有顯著性。這表明社會信任對老年人口使用金融科技具有顯著的促進作用。

4.1 年齡

4.2 教育

更高的教育將往往具有更好的信息處理能力（ Kim et al. ，2018） 和更高的信任水平（王紹光和劉欣，2002;Huang et al. ，2009，2012;Charron and Rothstein，2016）。相反，更低的教育水平往往體現出更低的信任水平和更差的信息處理能力。如果信任促進了家庭金融科技的使用，那么應該在教育水平更低的人群中更顯著。為了檢驗這個效應，本文依據上述將教育水平分為小學及以下、初中和高中和大學及以上三組，分別進行分樣本檢驗。

表5 報告了不同教育水平下信任對金融科技使用的影響，其中Panel A第（1） ～（3） 列分別為低教育、中等教育和高等教育，信任對使用手機（ 網上）銀行的估計結果;Panel B 第（ 1） ～ （ 3） 列分別為低教育、中等教育和高等教育，信任對使用互聯網理財的估計結果;其中Panel C 第（1） ～（3） 列分別為低教育、中等教育和高等教育，信任對使用互聯網借貸的估計結果;Panel D 第（1） ～（3）列分別為低教育、中等教育和高等教育，信任對使用移動支付的估計結果。

通過表5 可以發現，信任在最低教育水平組更顯著，在其他中等以及高等教育水平組中不顯著。這表明信任可以在一定程度上緩解教育匱乏帶來的更低的家庭金融科技使用率的情況。

5 結論與政策建議

5.1 主要結論

金融科技借助深度學習、區塊鏈等技術簡化了供需雙方交易環節、減少了資金融通的邊際成本、降低了金融機構服務門檻，為居民提供了更便捷、更普惠、更優質的金融服務，這些對提升家庭的福利水平具有重要的意義。本文從信任的視角研究了家庭的社會信任對家庭金融科技使用率的影響。本文基于中國家庭金融調查（CHFS）2017 年數據，利用手機銀行（網上銀行）、互聯網理財、互聯網借貸和移動支付四個維度衡量家庭金融科技使用情況。實證檢驗發現，信任水平的提升顯著促進了家庭使用金融科技服務，這一結果在考慮了內生性問題情況下依然穩健。進一步基于人力資本的異質性分析發現，在年齡較大、教育水平較低的家庭中，信任對金融科技使用的影響更為重要。

5.2 政策建議

結合上述研究發現，本文提出以下政策建議。本文的實證分析發現，社會信任顯著促進了家庭使用金融科技服務，表明社會信任水平對家庭金融科技使用率具有重要的作用。政府可通過多個方面加強社會信任建設。

第一，構建社區志愿者服務平臺。本文工具變量一階段回歸結果顯示，社區志愿者數量顯著影響居民的社會信任水平。因此可以通過以社區服務為載體，組織各類志愿服務，為居民從事公益活動提供平臺，例如通過舉辦社區道德講堂等活動。志愿活動開展較好的小區，居民往往更樂意從事公益活動，有助于促進社會信任體系的建設。

第二，注重加強對老年人口和低教育水平居民的社會信任培養。結合本文基于人力資本的異質性分析可以發現，社會信任對老年人口和低教育水平的居民影響更為重要。因此，相關的社會政策可以向這些群體支持，培養社會信任水平。

第三，健全征信體系，為社會信任的提供信息保障。當今生活環境，網絡生活越來越重要，保持良好的網絡環境，健全網絡征信體系，對社會信任的建設同樣重要。廣泛開展誠信評價體系，營造重信任講信任的網絡氛圍，促進誠信交易等舉措。

參考文獻

陳冬宇， 朱浩， 鄭海超. 2014. 風險、信任和出借意愿———基于拍拍貸注冊用戶的

實證研究[J]. 管理評論， 26（1）： 150-158.

Chen D Y， Zhu H， Zheng H C. 2014. Perceive risk， trust， and willingness to

lend： An empirical study based on the users of PPDai. com[J]. Management

Review， 26（1）： 150-158. （in Chinese）

郭峰， 孔濤， 王靖一. 2017. 互聯網金融空間集聚效應分析———來自互聯網金融發

展指數的證據[J]. 國際金融研究， （8）： 75-85.

Guo F， Kong T， Wang J Y. 2017. The spatial agglomeration effect of internet

finance—Evidence from the financial development index[J]. Studies of International

Finance， （8）： 75-85. （in Chinese）

郭峰， 王靖一， 王芳， 等. 2020. 測度中國數字普惠金融發展： 指數編制與空間特

征[J]. 經濟學（季刊）， 19（4）： 1401-1418.

Guo F， Wang J Y， Wang F， et al. 2020. Measuring Chinas digital financial

inclusion： Index compilation and spatial characteristics [ J ]. China Economic

Quarterly， 19（4）： 1401-1418. （in Chinese）

郭峰， 王瑤佩. 2020. 傳統金融基礎、知識門檻與數字金融下鄉[J]. 財經研究， 46（1）：

19-33.

Guo F， Wang Y P. 2020. Traditional financial basis， knowledge threshold and

digital finance for farmers[J]. Journal of Finance and Economics， 46（1）： 19-33.

（in Chinese）

何婧， 李慶海. 2019. 數字金融使用與農戶創業行為[ J]. 中國農村經濟， （ 1）：

112-126.

He J， Li Q H. 2019. Digital finance and farmers entrepreneurship[ J]. Chinese

Rural Economy， （1）： 112-126. （in Chinese）

黃健， 鄧燕華. 2012. 高等教育與社會信任： 基于中英調查數據的研究[J]. 中國社

會科學， （11）： 98-111， 205-206.

Huang J， Deng Y H. 2012. Higher education and social trust： A study based on

Chinese and British survey data[J]. Social Sciences in China， （11）： 98-111， 205-

206. （in Chinese）

黃益平， 黃卓. 2018. 中國的數字金融發展： 現在與未來[J]. 經濟學（季刊）， 17（4）：

1489-1502.

Huang Y P， Huang Z. 2018. The development of digital finance in China： Present

and future[J]. China Economic Quarterly， 17（4）： 1489-1502. （in Chinese）

黃益平， 陶坤玉. 2019. 中國的數字金融革命： 發展、影響與監管啟示[J]. 國際經

濟評論， （6）： 24-35.

Huang Y P， Tao K Y. 2019. Revolution of digital finance in China： Experience，

impacts and implications for regulation[ J]. International Economic Review， （ 6）：

24-35. （in Chinese）

李繼尊. 2015. 關于互聯網金融的思考[J]. 管理世界， （7）： 1-7， 16.

Li J Z. 2015. Reflections on internet finance[ J]. Journal of Management World，

（7）： 1-7， 16. （in Chinese）

齊紅倩， 李志創. 2019. 中國普惠金融發展水平測度與評價———基于不同目標群體

的微觀實證研究[J]. 數量經濟技術經濟研究， 36（5）： 101-117.

Qi H Q， Li Z C. 2019. Measurement and evaluation of financial inclusion in China

[J]. The Journal of Quantitative amp; Technical Economics， 36（ 5）： 101-117. （ in

Chinese）

宋曉玲. 2017. 數字普惠金融縮小城鄉收入差距的實證檢驗[ J]. 財經科學， （6）：

14-25.

Song X L. 2017. Empirical analysis of digital inclusive finance bridging the urban-

rural residents income gap[J]. Finance amp; Economics， （6）： 14-25. （in Chinese）

王紹光， 劉欣. 2002. 信任的基礎： 一種理性的解釋[ J]. 社會學研究， 17（ 3）：

23-39.

Wang S G， Liu X. 2002. The base of trust： A rationalist interpretation [ J].

Sociological Studies， 17（3）： 23-39. （in Chinese）

王瑤佩， 郭峰. 2019. 區域數字金融發展與農戶數字金融參與： 渠道機制與異質性

[J]. 金融經濟學研究， 34（2）： 84-95.

Wang Y P， Guo F. 2019. Regional digital finance development and peasant

households participation in digital finance： Channel mechanism and heterogeneity

[J]. Financial Economics Research， 34（2）： 84-95. （in Chinese）

謝絢麗， 沈艷， 張皓星， 等. 2018. 數字金融能促進創業嗎？ ———來自中國的證據

[J]. 經濟學（季刊）， 17（4）： 1557-1580.

Xie X L， Shen Y， Zhang H X， et al. 2018. Can digital finance promote

entrepreneurship？ —Evidence from China[J]. China Economic Quarterly， 17（4）：

1557-1580. （in Chinese）

易行健， 周利. 2018. 數字普惠金融發展是否顯著影響了居民消費———來自中國家

庭的微觀證據[J]. 金融研究， （11）： 47-67.

Yi X J， Zhou L. 2018. Does digital financial inclusion significantly influence

household consumption—Evidence from household survey data in China[J]. Journal

of Financial Research， （11）： 47-67. （in Chinese）

尹志超， 宋全云， 吳雨. 2014. 金融知識、投資經驗與家庭資產選擇[J]. 經濟研究，

49（4）： 62-75.

Yin Z C， Song Q Y， Wu Y. 2014. Financial literacy， trading experience and

household portfolio choice[ J]. Economic Research Journal， 49（ 4）： 62-75. （ in

Chinese）

尹志超， 公雪， 郭沛瑤. 2019. 移動支付對創業的影響———來自中國家庭金融調查

的微觀證據[J]. 中國工業經濟， （3）： 119-137.

Yin Z C， Gong X， Guo P Y. 2019. The impact of mobile payment on

entrepreneurship—Micro evidence from China household finance survey[ J]. China

Industrial Economics， （3）： 119-137. （in Chinese）

尹志超， 仇化. 2019. 金融知識對互聯網金融參與重要嗎[ J]. 財貿經濟， 40（6）：

70-84.

Yin Z C， Qiu H. 2019. Is financial knowledge important for internet financial

participation？ [J]. Finance amp; Trade Economics， 40（6）： 70-84. （in Chinese）

張勛， 萬廣華， 張佳佳， 等. 2019. 數字經濟、普惠金融與包容性增長[ J]. 經濟研

究， 54（8）： 71-86.

Zhang X， Wan G H， Zhang J J， et al. 2019. Digital economy， financial inclusion，

and inclusive growth[J]. Economic Research Journal， 54（8）： 71-86. （in Chinese）

Agarwal S， Qian W L， Ren Y， et al. 2020. The real impact of FinTech： Evidence from

mobile payment technology[Z].

Ananyev M， Guriev S. 2019. Effect of income on trust： Evidence from the 2009

economic crisis in Russia[J]. The Economic Journal， 129（619）： 1082-1118.

Campbell J Y. 2006. Household finance [ J]. The Journal of Finance， 61 （ 4）：

1553-1604.

Charron N， Rothstein B. 2016. Does education lead to higher generalized trust？ The

importance of quality of government [ J]. International Journal of Educational

Development， 50： 59-73.

Frost J. 2020. The economic forces driving FinTech adoption across countries [ R].

Basel： BIS.

Goldstein I， Jiang W， Karolyi G A. 2019. To FinTech and beyond[ J]. The Review of

Financial Studies， 32（5）： 1647-1661.

Guiso L， Sapienza P， Zingales L. 2004. The role of social capital in financial

development[J]. American Economic Review， 94（3）： 526-556.

Guiso L， Sapienza P， Zingales L. 2008. Trusting the stock market[ J]. The Journal of

Finance， 63（6）： 2557-2600.

Guo F， Kong S T， Wang J Y. 2016. General patterns and regional disparity of internet

finance development in China： Evidence from the Peking University internet finance

development index[J]. China Economic Journal， 9（3）： 253-271.

Huang J， van den Brink H M， Groot W. 2009. A meta-analysis of the effect of education

on social capital[J]. Economics of Education Review， 28（4）： 454-464.

Huang J， van den Brink H M， Groot W. 2012. Does education promote social capital？

Evidence from IV analysis and nonparametric-bound analysis [ J ]. Empirical

Economics， 42（3）： 1011-1034.

K?mpfen F， Maurer J. 2018. Does education help “ old dogs” learn “ new tricks”？ The

lasting impact of early-life education on technology use among older adults[ J].

Research Policy， 47（6）： 1125-1132.

Kim H B， Choi S， Kim B， et al. 2018. The role of education interventions in improving

economic rationality[J]. Science， 362（6410）： 83-86.

Niu G， Wang Q， Zhou Y. 2020. Education and FinTech adoption： Evidence from China

[Z]. Working Papers.

Volken T. 2009. Elements of trust： The cultural dimension of Internet diffusion revisited

[J]. Information Technology， Education and Society， 10（2）： 45-77.