互联网使用、金融素养与金融决策

奥鹏网院作业

互联网使用、金融素养与金融决策*
——基于2013—2017年中国家庭金融调查的研究
钟京东 秦雪征 刘 冲

[提 要] 基于中国家庭金融调查2013—2017年面板数据，本文研究了互联网使用对我国家庭金融素养和金融决策的影响。本文借助2013年“宽带中国”战略实施带来的政策冲击构建工具变量，采用面板工具变量模型识别互联网使用的因果效应。研究发现，互联网使用促进了家庭对正规金融产品的投资，金融素养在二者之间发挥了显著的中介效应。互联网使用还有助于缩小我国城乡家庭在金融素养和金融决策方面的差距。本文为改善我国家庭金融素养和金融决策提供了启示。

[关键词] 互联网使用；金融素养；金融决策；城乡差距

一、引言
近年来，随着我国金融市场改革的深入，金融市场提供的金融产品逐渐向种类多样化与结构复杂化的方向发展。金融市场的复杂化趋势为家庭提供了更多的资产配置选择，但也在无形中增加了家庭金融决策的成本。

金融素养(financial literacy) 被认为是影响家庭金融决策的重要因素之一，与家庭的各种金融行为之间存在着极为密切的联系(彭显琪和朱小梅，2018)。根据Lusardi & Mitchell(2014)的定义，金融素养指家庭在投资的过程中处理经济信息并在财务规划、财富积累、债务与养老金储蓄等方面做出正确决策的能力。金融素养水平较低的家庭通常不遵守最基本的投资原则(Hilgert et al.，2003)，这导致他们无法做出最优的投资决策(Hastings & Tejeda-Ashton，2008)，从而在金融市场中更容易发生亏损(Campbell，2006；Calvet et al.，2009)。此外，这些家庭倾向于借款(Stango & Zinman，2009)，不愿意参与养老储蓄(Lusardi & Mitchell，2017)。相比之下，金融素养较高的家庭对理财建议具有更高需求(吴锟和吴卫星，2017)，金融排斥的概率较低(张号栋和尹志超，2016)。他们倾向于提高储蓄(Bernheim & Garrett，2003)、投资风险资产(尹志超等，2014)和购买商业保险(秦芳等，2016)。

我国家庭的金融素养整体水平较低。尹志超等(2014)发现，在2013年中国家庭金融调查的28 000多户家庭中，能够将衡量金融素养水平的三个问题全部回答正确的家庭仅有1.65%，所有家庭平均正确回答0.6个问题。更加让人担忧的是，金融素养水平在我国的城镇与农村家庭之间也存在着巨大的差距，这可能导致一系列严重后果。以民间借贷为例，通过非正式渠道获得的贷款往往成本更高，且容易将借款者暴露在更大的财务风险中，而家庭参与民间借贷通常源于自身金融素养的匮乏。在2011年，我国城镇家庭参与民间借贷的比例为27.5%，而农村家庭参与民间借贷的比例则高达42.2%，后者大幅超过全国33.2%的平均水平。(1)资料来源：笔者根据2011年中国家庭金融调查(CHFS)整理。到了2013年，我国农村家庭参与民间借贷的比例进一步上升到43.8%，远远高于全国34.7%的平均水平(2) 资料来源：笔者根据2013年中国家庭金融调查(CHFS)整理。，这可能对我国经济的协调发展产生不良影响。近年来，我国政府开始意识到改善家庭金融素养与缩小城乡差距现状的必要性与急迫性，出台了一系列相关政策。2015年底，国务院正式印发《推进普惠金融发展规划(2016—2020年)》，该规划着重提出“加强金融知识普及教育”“建立金融知识教育发展长效机制”，并强调“大力发展普惠金融”“从城乡和区域平衡出发”。

在这一背景下，探究互联网使用对我国家庭金融素养和金融决策的影响具有较高的现实意义。作为一种人力资本，金融素养的积累与家庭从外界获取的金融信息数量密切相关。从理论上讲，在相同的条件下，家庭能够从外界获取的金融信息越多，其金融素养的提高也相应越快(Jappelli & Padula，2013)。在信息技术高速发展的现代社会，互联网已经成为家庭获取金融信息的重要途径。无论是在发展中国家，如土耳其(Karaa & Kuwidth=8,height=14,dpi=110u，2016)，还是在发达国家，如韩国(Sohn et al.，2012)，都有研究发现，网络社交媒体的使用与金融素养之间存在显著的正相关关系。但是，上述研究只停留在对二者之间相关关系的分析上，没有考虑家庭行为的内生性可能造成的影响。也就是说，互联网使用与家庭金融素养乃至金融决策之间的因果关系尚未在已有文献中得到深入探讨。

目前，我国家庭的互联网使用情况呈现以下两个特点：第一，整体普及情况持续改善：从2002年6月到2017年12月，全国互联网普及率从3.6%增长到55.8%，网民数量从4 580万人上涨到7亿7 200万人(3) 资料来源：中国互联网络信息中心(CNNIC)，第41次《中国互联网络发展状况统计报告》，http://www.cac.gov.cn/2018-01/31/c_1122347026.htm。；第二，互联网普及情况仍存在着明显的城乡差距：截至2017年12月，我国城镇互联网普及率高达71.0%，而农村互联网普及率仅有35.4%，约为城镇互联网普及水平的二分之一。(4)资料来源：中国互联网络信息中心(CNNIC)，第41次《中国互联网络发展状况统计报告》，http://www.cac.gov.cn/2018-01/31/c_1122347026.htm。因此，以下两个问题亟待回答：第一，互联网使用是否会改善我国家庭的金融素养、影响家庭的金融决策？第二，互联网使用对我国城乡家庭金融素养和金融决策的影响是否存在显著差异？

针对现有文献的不足，本文的边际贡献在于：首先，在研究内容上，家庭金融素养和金融决策是我国社会当前关注的一个热点话题，本文首次给出中国的实证证据，利用全国性入户调查的面板数据，回答上文提出的两个问题，在一定程度上填补了相关文献空白。其次，在研究方法上，本文尝试借助2013年“宽带中国”战略的实施这一准自然实验带来的政策冲击构建工具变量，并利用面板工具变量模型估计互联网使用对家庭金融素养和金融决策的影响，以解决潜在的内生性问题，为今后的相关研究提供了一个参考。最后，在研究发现上，本文的研究表明，互联网使用能够显著提高我国家庭投资正规金融产品的概率，同时改善家庭的金融素养。金融素养在互联网使用和家庭金融决策之间发挥显著的中介效应。在异质性上，互联网使用能显著提高家庭投资股票、基金、银行理财产品和商业保险的概率，改善家庭在利率计算和投资风险认知维度的金融素养，互联网使用对农村家庭金融决策和金融素养的促进作用显著高于城镇家庭。这对政策制定者具有重要的参考价值。

本文的结构安排如下：第二部分介绍实证策略，第三部分为对实证结果进行解释与分析，最后是结论与政策建议。

二、实证策略
(一)数据说明
本文使用的数据来自中国家庭金融调查(China Household Finance Survey，CHFS)。这项调查由西南财经大学协同中国人民银行在全国范围内开展，从2011年开始，每两年进行一次。CHFS使用三阶段分层抽样方法，在2013年、2015年和2017年分别获得28 141户、37 289户和40 011户代表性家庭的微观数据，有效样本覆盖全国29个省(自治区、直辖市)，具有全国代表性。本文使用CHFS的2013年、2015年和2017年三期面板数据分析互联网使用对我国家庭金融素养和金融决策的影响。

(二)核心变量说明
关于互联网使用的测度，本文参考Liang & Guo(2015)，使用变量“家庭拥有电脑”(5)问卷中相关问题和相应选项为：目前，您家拥有下列哪些类型耐用品？6.电子计算机/电脑。作为“互联网使用”的代理变量。

关于家庭金融决策的测度，本文主要参考张号栋和尹志超(2016)以及Lusardi & Mitchell(2014)，构建一个虚拟变量“家庭是否投资正规金融产品”，考察家庭对正规金融产品的投资行为。这些金融产品包括银行存款、股票、基金、债券、金融衍生品、银行理财产品和商业保险。在异质性分析部分，本文还将分别设置虚拟变量，考察家庭对这些金融产品的具体投资行为。

关于家庭金融素养的测度，由于受访者对于自身金融素养水平的估计可能会存在偏差，所以仅仅简单询问其对自身金融素养的主观评价是缺乏说服力的。为了客观评价金融素养，Lusardi & Mitchell(2008)设计了关于利率计算、通货膨胀理解与投资风险认知的3个标准问题。此后，这种方法在国际上得到广泛使用。中国家庭金融调查从2013年开始也采用了这种方法，对了解家庭经济状况的受访者询问这3个标准问题，并在之后的调查中继续沿用，填补了中国家庭金融素养相关数据的空白。(6)问卷中相关问题和相应选项为：【利率计算】假设银行的年利率是4%，如果把100元钱存1年定期，1年后获得的本金和利息为？1.小于104元；2.等于104元；3.大于104元；4.算不出来。【通货膨胀理解】假设银行的年利率是5%，通货膨胀率每年是3%，把100元钱存银行一年之后能够买到的东西将？1.比一年前多；2.跟一年前一样多；3.比一年前少；4.算不出来。【投资风险认知】您认为一般而言，股票和基金哪个风险更大？1.股票；2.基金；3.没有听说过股票；4.没有听说过基金；5.两者都没有听说过。

首先，本文为3个标准问题分别设置一个虚拟变量，表示“本题回答正确”。其次，由于3个问题分别测度了家庭在不同维度的金融素养：利率计算、通货膨胀理解与投资风险认知，本文参考Cunha & Heckman(2008)对个人能力的度量方法，构建一个专门的测量系统，形式如下：

width=134,height=17,dpi=110
(1)

式中，width=23,height=17,dpi=110表示家庭i金融素养的第k个测量变量，width=14,height=17,dpi=110表示第k个测量变量的均值，width=14,height=17,dpi=110表示第k个测量变量的因子载荷，hi表示金融素养的潜因子，width=17,height=17,dpi=110表示随机扰动项。

在估计测量系统之前，本文使用探索性因子分析(exploratory factor analysis，EFA)对三个测量变量进行识别，结果发现，从三个测量变量中可以提取出一个因子变量。最后，本文分别在2013年、2015年和2017年使用验证性因子分析(confirmatory factor analysis，CFA)估计测量系统中各测量变量的因子载荷。基于估计结果，本文使用Bartlett(1937)评分法为每个家庭预测潜因子的因子得分，并用该变量衡量家庭的金融素养，在下文中本文简称该变量为“金融素养—因子”。在稳健性检验中，本文参考Agnew & Szykman(2005)，直接加总受访家庭回答正确的问题个数，构造一个连续变量衡量金融素养，在下文中本文简称其为“金融素养-加总”。

(三)计量模型
本文采用的基准模型是双向固定效应(FE)模型，考察互联网使用对家庭投资正规金融产品的影响，具体形式如下：

fproductit=α0+β1netit+γXit+μi+vt+εit

(2)

式中，fproductit为虚拟变量“家庭投资正规金融产品”，取值为1表示家庭投资正规金融产品，取值为0表示没有投资。netit为虚拟变量“互联网使用”，取值为1表示家庭使用互联网，取值为0表示家庭没有使用互联网；控制变量Xit为受访者的个体和家庭基本特征，包括年龄、年龄的平方项、男性、受教育年限、已婚、风险偏好、农村户口、家庭总收入和净资产的对数值。μi表示家庭固定效应，控制不随时间改变的家庭异质性。vt表示年份固定效应，控制不随家庭改变但随年份改变的遗漏变量。εit为随机扰动项。系数β1表示互联网使用对家庭金融决策的影响。

在影响机制上，近年来已有一些研究基于中国家庭金融调查的数据，使用工具变量方法识别了金融素养对家庭投资正规金融产品的因果效应。根据这些研究的发现，在克服了内生性问题后，金融素养的提高能够显著促进我国家庭对正规金融产品的投资行为(尹志超等，2014；秦芳等，2016；张号栋和尹志超，2016)。因此，本文在式(2)的基础上进一步控制金融素养，具体形式如下：

fproductit=α0+β1netit+β2hit+γXit

+μi+vt+εit

(3)

式中，hit为变量“金融素养-因子”，表示家庭金融素养的因子得分。其他变量的定义同式(2)。本文主要观察在式(3)中，互联网使用对金融决策的影响系数β1是否有显著变化。

同时，本文估计互联网使用对家庭金融素养的影响，具体形式如下：

hit=α0+β3netit+γXit+μi+vt+εit

(4)

式中，系数β3表示互联网使用对家庭金融素养的影响。

需要注意的是，在估计互联网使用对家庭金融决策和金融素养的影响时，增加控制变量和使用固定效应模型只能在一定程度上缓解遗漏变量问题，并不能完全解决来源于反向因果和遗漏变量的内生性。为了处理内生性问题，本文在面板模型中引入工具变量。具体地，在估计过程中，本文先使用FE方法对模型进行离差变换，去除固定效应μi；再在变换后的模型中，使用工具变量width=122,height=17,dpi=110把被解释变量width=119,height=17,dpi=110对内生解释变量width=163,height=20,dpi=110进行两阶段最小二乘(2SLS)回归。在下文报告实证结果时，本文将面板工具变量模型的估计结果统一称为FE2SLS估计结果。

本文借助2013年“宽带中国”战略的实施这一准自然实验带来的政策冲击构建工具变量。国务院于2013年8月发布了“宽带中国”战略实施方案，“宽带战略”上升为国家战略，宽带首次成为国家战略性公共基础设施。“宽带中国”战略实施方案分三个阶段推动我国互联网发展：“全面提速”阶段(2013年8月至2013年底)、“推广普及”阶段(2014年至2015年)、“优化升级”阶段(2016年至2020年)。本文的三期样本数据(2013年、2015年和2017年)正好分别对应着“宽带中国”战略实施的三个阶段。在“宽带中国”战略的政策冲击下，各地区在这三个阶段推进互联网基础设施建设和互联网普及的进度存在外生的波动。因此，本文以政策发生前的2011年为基准，将省区光缆线路长度(cab)和省区互联网普及率(pop)相对2011年的增加值作为工具变量。在相关性上，家庭的互联网使用行为显然与二者高度相关：在推进互联网基础设施建设和互联网普及进度较快的地区，家庭接触并使用互联网的可能性也较高。在外生性上，省区互联网普及率和光缆线路长度在这一特殊时期(2011—2017年)内的增加更多受到“宽带中国”这一国家战略外生冲击的驱动，相对于个人而言是严格外生的，并不受到个人行为的影响，与个人的金融素养和金融决策之间没有直接联系。在理论上，本文选取的工具变量是可行的。在下文的实证分析中，本文将对工具变量进行一系列相应检验。

(四) 数据描述性统计
从2013—2017年的CHFS调查数据中可以看到，我国家庭在金融素养相关问题上回答正确的比例均有一定的提升。但是，相对于荷兰(Rooij et al.，2011；2012)和日本(Sekita，2011)等发达国家的家庭在金融素养相关问题上的回答情况，我国家庭回答错误和回答“不知道”/“算不出来”的比例明显偏高，尤其是在利率计算与通货膨胀的理解上。

根据CHFS2017年的调查数据，三个问题全部回答正确的家庭占总体样本的6.13%，平均正确回答0.93个问题。根据尹志超等(2014)的研究，在CHFS的2013年数据样本中这两项数据分别为1.65%和0.6。由此可见，从2013年到2017年，我国家庭金融素养的总体水平有一定提高。但值得注意的是，我国家庭金融素养的城乡差距仍然十分明显：在城镇样本中，正确回答全部问题的家庭有7.41%，远远高于农村家庭，能够正确回答全部问题的农村家庭只有1.95%；城镇家庭平均正确回答的问题个数为1.05，而农村家庭只有0.54个。

本文对家庭总收入和净资产首尾1%的极端值进行缩尾处理，并剔除了核心变量和其他控制变量存在缺失值的家庭样本。在剔除了观测期不足三期的家庭样本后，本文一共得到16 153个家庭样本在2013年、2015年和2017年的观测值，即共有48 459个样本观测值。变量描述性统计见表1。

表1 变量描述性统计

width=745,height=674,dpi=110
说明：表中报告的统计量为样本均值，括号里为标准差。

资料来源：工具变量根据国家统计局的公开数据整理计算所得，其他变量根据中国家庭金融调查数据整理计算所得。

从全样本看，互联网使用的均值为0.48，与中国互联网络信息中心公开的全国统计数据一致。(7) 根据CNNIC公开的统计数据，截至2015年6月，我国互联网普及率为48.80%。更具体地，在互联网使用方面，从2013年到2017年，有2 130个家庭是从0变成1，7 360个家庭始终为0，其余家庭始终为1。在控制变量方面，性别比的均值为1.04，受教育年限为9.11年，农村户口占比为0.52，均与国家统计局公开的全国统计数据相近。(8)根据国家统计局公开的统计数据，2014年我国人口性别比为1.05，人均受教育年限为9.04年，农村人口占比为45.23%。2013年，我国家庭金融素养平均加总得分为0.61，45%的家庭使用互联网，66%的家庭投资正规金融产品。与2013年的样本均值相比，2017年家庭金融素养的加总得分均值提高了0.32，使用互联网的家庭增加了11%，投资正规金融产品的家庭增加了25%。这暗示了我国互联网使用普及情况与家庭金融素养水平、家庭对正规金融产品的投资行为之间可能存在一定的正向变动关系。

三、实证结果及分析
(一)互联网使用对家庭金融决策的影响
表2报告了互联网使用对家庭金融决策影响的估计结果。第(1)列报告了OLS估计结果。可以看到，互联网使用对家庭投资正规金融产品的影响在1%的水平上显著为正。第(2)列报告了固定效应估计结果。在控制了不可观测的家庭异质性和年份异质性后，本文发现，互联网使用的影响仍然在1%的水平上显著。但是，固定效应估计系数小于OLS估计系数，说明固定效应模型在一定程度上缓解了遗漏变量导致的OLS模型对互联网使用对家庭金融决策的影响的高估。第(3)列报告了使用工具变量后的估计结果。FE2SLS估计系数在1%的水平上显著为正，同样小于OLS估计系数，这说明，一方面，可能存在不可观测的遗漏变量(如家庭成员的个人能力)既能提高家庭使用互联网的概率，也能促进家庭投资正规金融产品；另一方面，互联网使用和家庭金融决策之间也可能存在着反向因果关系，导致对互联网使用影响的高估。这符合理论预期。根据FE2SLS估计结果，使用互联网的家庭投资正规金融产品的概率比不使用互联网的家庭平均高16.8%。

表3报告了2SLS回归的第一阶段估计结果。在第一阶段的回归结果中，两个工具变量对内生解释变量(互联网使用)均有高度显著的解释力(p值小于0.01)。工具变量联合显著性检验结果显示，Cragg-Donald Wald F统计量为142.10，远大于Stock-Yogo弱工具变量检验的10%临界值19.93(Stock & Yogo，2005)，强烈拒绝“弱工具变量”的原假设，表明不存在弱工具变量的问题。

表2 互联网使用对家庭金融决策影响的估计结果

width=745,height=211,dpi=110
注：*，**和*** 分别表示在10%，5%和1%水平上显著。下表同。

说明：(1)圆括号内为在省份层面上聚类的稳健标准误；(2)控制变量如表1中所示。下表同。

本文还进行了过度识别约束检验，检验得到的p值大于0.1，不能拒绝所有工具变量外生的原假设，说明本文所使用的工具变量满足外生性假定。

表3 2SLS回归的第一阶段估计结果

width=375,height=228,dpi=110
(二)影响机制：互联网使用对家庭金融素养的影响
表4的第(1)列报告了在控制金融素养后，互联网使用对家庭金融决策影响的FE2SLS估计结果。结果显示，在控制金融素养后，互联网使用对家庭投资正规金融产品的影响系数为0.127。通过对比表2第(3)列的估计结果，可以看到，在控制金融素养后，互联网使用对家庭投资正规金融产品的影响系数比控制前的影响系数(0.168)下降了0.041，下降幅度占控制前影响系数的24.4%。表4第(2)列报告了互联网使用对家庭金融素养影响的估计结果。结果显示，互联网使用能够促进家庭的金融素养因子得分平均提高0.113个标准差。参考温忠麟和叶宝娟(2014)，本文进一步使用Sobel方法和基于1 000次重复抽样的Bootstrap方法对金融素养的中介效应进行检验，两种方法的检验结果均发现金融素养的中介效应在1%水平上显著。目前，一些研究基于中国家庭金融调查数据，已经识别了金融素养对我国家庭投资正规金融产品具有显著的正向因果效应(尹志超等，2014；秦芳等，2016；张号栋和尹志超，2016)。结合这些已有研究的发现，本文认为互联网使用对家庭金融素养的提高是其促进家庭投资正规金融产品的影响机制之一。

表4 互联网使用对家庭金融决策和金融素养影响的

FE2SLS估计结果

width=375,height=269,dpi=110
说明：变量“金融素养—因子”已经经过标准化处理。

(三)异质性分析
1.金融决策的异质性。首先，本文考察互联网使用对不同维度金融决策的异质性影响。本文关注“家庭持有银行存款” “家庭持有股票”“家庭持有基金”“家庭持有债券”“家庭持有金融衍生品”“家庭持有银行理财产品”和“家庭持有商业保险”这七个虚拟变量。表5报告了互联网使用对这些维度金融决策影响的FE2SLS估计结果。相比于不使用互联网的家庭，使用互联网的家庭持有股票(第(2)列)、基金(第(3)列)、银行理财产品(第(6)列)和商业保险(第(7)列)的概率平均高19.9%，14.3%，4.1%和7.7%。作为一种相对复杂的金融产品，金融衍生品(第(5)列)在使用互联网的家庭中被持有的概率平均降低1.1%。互联网使用对于家庭持有银行存款和债券的概率没有显著影响。

2.金融素养的异质性。接下来，本文进一步分析互联网使用对利率计算、通货膨胀理解和投资风险认知等不同维度金融素养的影响。表6显示，互联网使用对利率计算和投资风险认知均在1%的水平上有显著的正向促进作用，且互联网使用对投资风险认知的影响较大。使用互联网的家庭在利率计算方面的正确概率平均提高9.8%，在投资风险认知方面的正确概率平均提高18.1%。但是，互联网使用对于家庭的通货膨胀理解没有产生显著影响。

表5 互联网使用对不同维度金融决策影响的FE2SLS估计结果

width=745,height=222,dpi=110
表6 互联网使用对不同维度金融素养影响的FE2SLS估计结果

width=744,height=228,dpi=110
3.城乡家庭的异质性。表7报告了互联网使用对城乡家庭金融决策和金融素养影响的分样本FE2SLS估计结果。一方面，无论是城镇家庭还是农村家庭，互联网使用都在1%的水平上显著提高了家庭投资正规金融产品的概率，同时改善了家庭的金融素养。另一方面，互联网使用对城镇家庭的金融决策和金融素养的影响均显著小于对农村家庭的影响。具体地，互联网使用促进城镇家庭投资正规金融产品的概率平均提高9.4%，促进农村家庭投资正规金融产品的概率平均提高18.0%，互联网使用对城乡家庭金融决策的影响系数之差的t检验p值小于0.01，可以在1%的显著性水平上拒绝影响系数之差为0的原假设。类似地，互联网使用促进城镇家庭的金融素养平均提高0.105个标准差，促进农村家庭的金融素养平均提高0.169个标准差，互联网使用对城乡家庭金融素养的影响系数之差的t检验p值小于0.01，可以在1%的显著性水平上拒绝影响系数之差为0的原假设。

(四)稳健性检验
表8只保留互联网使用状态在2013年和2017年始终为0和从0变成1的家庭样本，重新使用面板工具变量模型估计互联网使用对家庭金融决策和金融素养的影响。第(1)列显示，互联网使用对家庭金融决策的正向影响在1%水平上显著。使用互联网的家庭投资正规金融产品的概率比不使用互联网的家庭平均高15.2%。这一估计结果与表2报告的FE2SLS估计结果基本一致。第(2)列显示，在控制了家庭的金融素养因子得分后，互联网使用对家庭金融决策的影响大小为0.105，比控制前的影响系数(0.152)下降了0.047，下降幅度占控制前影响系数的30.9%。第(3)列显示，互联网使用促进家庭的金融素养因子得分平均提高0.107个标准差，这一正向影响在1%水平上显著。第(2)列和第(3)列展示的估计结果与表4报告的估计结果基本一致。在第(4)列和第(5)列中，本文使用变量“金融素养—加总”替换了变量“金融素养—因子”，估计结果与第(2)列和第(3)列基本一致。Sobel方法和Bootstrap方法的检验结果显示，变量“金融素养—加总”和变量“金融素养—因子”的中介效应均在1%水平上显著。

表7 互联网使用对城乡家庭金融决策和金融素养影响的FE2SLS估计结果

width=745,height=228,dpi=110
表8 互联网使用对家庭金融决策和金融素养影响的FE2SLS估计结果：稳健性检验

width=745,height=275,dpi=110
说明：变量“金融素养—因子”和变量“金融素养—加总”已经经过标准化处理。

四、结论及政策建议
基于CHFS的2013—2017年面板数据，本文研究了互联网使用对我国家庭金融素养和金融决策的影响。首先，本文使用因子分析法与直接加总法测度我国家庭的金融素养水平。其次，本文采用面板工具变量模型识别互联网使用对家庭投资正规金融产品和家庭金融素养的因果效应。最后，本文探讨了金融素养异质性、金融决策异质性和城乡家庭异质性的影响。

实证研究结果显示，首先，虽然总体水平有一定提升，但与发达国家相比，我国家庭金融素养水平仍然较低，而且城乡家庭金融素养也存在较大差距，农村家庭金融素养缺乏问题尤为严重。其次，互联网使用有助于促进我国家庭投资正规金融产品，同时，互联网使用也显著提高了我国家庭的金融素养水平。最后，在异质性上，互联网使用主要促进家庭投资股票、基金、银行理财产品和商业保险这四种金融产品，提高家庭在利率计算和投资风险认知维度的金融素养。互联网使用对农村家庭的金融决策和金融素养的促进作用均显著高于城镇家庭，说明农村家庭可以从使用互联网中获益更多，互联网使用有助于缩小城乡家庭的金融素养差距。这对于我国有关部门为改善我国家庭金融素养水平制定针对性措施具有重要的参考价值。

党的十九大报告指出，发展不平衡不充分已经成为满足人民日益增长的美好生活需要的主要制约因素。作为人力资本的一种重要表现形式，金融素养显然与家庭实现美好生活密不可分，在推动个人全面发展与社会共同进步上更是起到了重要作用。本文的研究发现，互联网作为现代社会极为重要的信息获取工具，其在城乡之间不平衡不充分的发展可能正是导致我国城乡家庭金融素养巨大差距的一个重要原因。

因此，鉴于互联网使用对家庭金融素养和金融决策的影响，本文有如下政策建议：政府应该积极发挥公共服务功能，加大力度推动信息化与城镇化，尤其是在“宽带中国”战略全面实施的背景下，应在农村地区加强互联网基础设施建设，改善农村地区网络服务的可得性，提高农村地区互联网使用普及率，实现十九大报告提出的推动互联网与实体经济深度融合以及建立健全城乡融合发展体制机制和政策体系，从而缩小资源分配的城乡差距。这将有助于促进我国家庭金融素养的城乡均衡发展，推动普惠金融的实现。

参考文献

彭显琪、朱小梅，2018：《消费者金融素养研究进展》，《经济学动态》第2期。

秦芳、王文春、何金财，2016：《金融知识对商业保险参与的影响——来自中国家庭金融调查(CHFS)数据的实证分析》，《金融研究》第10期。

温忠麟、叶宝娟，2014：《中介效应分析:方法和模型发展》，《心理科学进展》第5期。

吴锟、吴卫星，2017：《理财建议可以作为金融素养的替代吗》，《金融研究》第8期。

尹志超、宋全云、吴雨，2014：《金融知识、投资经验与家庭资产选择》，《经济研究》第4期。

张号栋、尹志超，2016：《金融知识和中国家庭的金融排斥——基于CHFS数据的实证研究》，《金融研究》第7期。

Agnew, J.R., and L.R.Szykman, 2005, “Asset Allocation and Information Overload: The Influence of Information Display, Asset Choice, and Investor Experience”, Journal of Behavioral Finance, 6(2): 57-70.

Bartlett, M.S., 1937, “The Statistical Conception of Mental Factors”, British Journal of Psychology, 28(1): 97-104.

Bernheim, B.D., and D.M.Garrett, 2003, “The Effects of Financial Education in the Workplace: Evidence from A Survey of Households”, Journal of Public Economics, 87(7): 1487-1519.

Calvet, L.E., J.Y.Campbell, and P.Sodini, 2009, “Measuring the Financial Sophistication of Households”, American Economic Review: Papers & Proceedings, 99(2): 393-398.

Campbell, J.Y., 2006, “Household Finance”, Journal of Finance, 61(4): 1553-1604.

Cunha, F., and J.Heckman, 2008, “Formulating, Identifying and Estimating the Technology of Cognitive and Noncognitive Skill Formation”, Journal of Human Resources, 43(4): 738-782.

Hastings, J.S., and L.Tejeda-Ashton, 2008, “Financial Literacy, Information, and Demand Elasticity: Survey and Experimental Evidence from Mexico”, NBER Working Paper No.14538.

Hilgert, M.A., J.M.Hogarth, and S.G.Beverly, 2003, “Household Financial Management: The Connection between Knowledge and Behavior”, Federal Reserve Bulletin, 89(7): 309-322.

Jappelli, T., and M.Padula, 2013, “Investment in Financial Literacy and Saving Decisions”, Journal of Banking and Finance, 37(8): 2779-2792.

Karaa, I.E., and T.D.Kuwidth=8,height=14,dpi=110u, 2016, “Determining Advanced and Basic Financial Literacy Relations and Overconfidence, and Informative Social Media Association of University Students in Turkey”, Educational Sciences: Theory & Practice, 16(6): 1865-1891.

Liang, P., and S.Guo, 2015, “Social Interaction, Internet Access and Stock Market Participation: An Empirical Study in China”, Journal of Comparative Economics, 43(4): 883-901.

Lusardi, A., and O.S.Mitchell, 2008, “Planning and Financial Literacy: How Do Women Fare?”, American Economic Review: Papers & Proceedings, 98(2): 413-417.

Lusardi, A., and O.S.Mitchell, 2014, “The Economic Importance of Financial Literacy: Theory and Evidence”, Journal of Economic Literature,52(1): 5-44.

Lusardi, A., and O.S.Mitchell, 2017, “How Ordinary Consumers Make Complex Economic Decisions: Financial Literacy and Retirement Readiness”, Quaterly Journal of Finance,7(03):1-31.

Rooij, M., A.Lusardi, and R.Alessie, 2011, “Financial Literacy and Stock Market Participation”, Journal of Financial Economics, 101(2): 449-472.

Rooij, M., A.Lusardi, and R.Alessie, 2012, “Financial Literacy, Retirement Planning and Household Wealth”, Economic Journal, 122(560): 449-478.

Sekita, S., 2011, “Financial Literacy and Retirement Planning in Japan”, Journal of Pension Economics and Finance, 10(4): 637-656.

Sohn, S.H., S.H.Joo, J.E.Grable, S.Lee, and M.Kim, 2012, “Adolescents’ Financial Literacy: The Role of Financial Socialization Agents, Financial Experiences, and Money Attitudes in Shaping Financial Literacy among South Korean Youth”, Journal of Adolescence, 35(4): 969-980.

Stango, V., and J.Zinman, 2009, “Exponential Growth Bias and Household Finance”, Journal of Finance, 64(6): 2807-2849.

Stock, J.H., and M.Yogo, 2005, “Testing for Weak Instruments in Linear IV Regression”, in Identification and Inference for Econometric Models: Essays in Honor of Thomas Rothenberg, edited by J.H.Stock and D.W.K.Andrews, Cambridge: Cambridge University Press.

INTERNET USE, FINANCIAL LITERACY, AND FINANCIAL DECISIONS
——A Study based on 2013-2017 China Household Finance Survey
ZHONG Jing-dong1 QIN Xue-zheng2 LIU Chong2

(1.Fujian Investment & Development Group Co., Ltd.; 2. School of Economics, Peking University)

Abstract: Based on the 2013-2017 panel data of China Household Finance Survey (CHFS), this paper investigates the effects of internet use on household’s financial literacy and financial decisions. It constructs instrumental variables based on the policy shock from the Broadband China strategy implemented in 2013, and uses the panel instrumental variable model to identify the causal effects of internet use. Results find that, internet use can significantly promote household’s investment in formal financial products, and financial literacy significantly mediates between them. Internet use also helps to narrow the urban-rural gap in financial literacy and financial decisions. The findings are enlightening for improving household’s financial literacy and financial decision in China.

Key words: internet use; financial literacy; financial decisions; urban-rural gap

* 钟京东，福建省投资开发集团有限责任公司，邮政编码：350003，电子信箱：zhongjingdong@fidc.com.cn；秦雪征(通讯作者)，北京大学经济学院、北京大学全球健康发展研究院；刘冲，北京大学经济学院。本文得到了国家自然科学基金面上项目“健康素养的形成机制与社会经济影响：卫生经济学与行为经济学视角”(72074004)、 教育部哲学社会科学研究重大课题攻关项目“建设现代化经济体系的路径与策略研究”(18JZD029)的资助。本文感谢西南财经大学中国家庭金融调查与研究中心提供的数据。感谢匿名审稿人提出的修改建议，笔者已做了相应修改，本文文责自负。

(责任编辑：张雨潇)