数字金融能力与相对贫困

奥鹏网院作业

数字金融能力与相对贫困*
罗 煜 曾恋云

［提 要] 本文定义了“数字金融能力”并对其进行了理论分析，检验了数字金融能力减少相对贫困的效应和作用渠道。采用中国家庭金融调查数据进行检验的结果表明，在处理内生性问题的前提下，数字能力和金融能力均显著地减少相对贫困发生概率。交互效应显示，在相对贫困样本分布越多的能力水平上，数字能力和金融能力减贫的概率越大。这种交互特征将有助于缩小贫富差距。在数字金融能力减少相对贫困发生概率的机制方面，提升收入、促进财富积累、缓解流动性约束、影响购物渠道四个中介渠道的贡献比例差异值得特别关注。致力于乡村振兴、促进共同富裕的政策应重视提升相对贫困群体不同层次的数字金融能力。

［关键词] 数字能力；金融能力；数字金融能力；相对贫困

一、问题的提出
经过多年的减贫实践，我国已经完成了消除绝对贫困的艰巨任务，迈向共同富裕的伟大目标，还需要进一步解决发展不平衡不充分问题。与绝对贫困不同的是，相对贫困强调了人们难以负担温饱之外的、融入社会的成本。

近年来，以数字支付为代表的数字金融服务在我国快速发展，为提升金融体系的包容性带来了实质性的改变，尤其是为触达从前主流金融体系服务不足的弱势群体，并以此改善他们的生活提供了可能。相应地，也出现了关于数字普惠金融与贫困、与贫富差距等关系的研究（卢盼盼和张长全，2017；宋晓玲，2017），但主要是从宏观的、供给的角度展开。数字技术发展至今，金融服务不仅正在大范围地数字化，并且越来越多地具备智能服务功能。然而，贫困群体能否享用这些服务在很大程度上却取决于他们的数字能力和金融能力。因此，我们需要从微观层面关注数字经济生活中的机会与鸿沟，探索提升数字能力和金融能力可以为贫困人口带来的福利改变。

通过观察微观行为还可以发现，人们的数字能力和金融能力正处在深度交融的过程中。数字能力和金融能力对家庭福祉的影响很可能存在显著的交互效应。尤其是，拥有更高数字能力的家庭可能凭借更便捷的数字渠道而提升金融能力。既有文献对数字能力和金融能力的交互关系还鲜有涉及，这种交互效应会给家庭经济状况带来怎样的影响也还有待探索。更进一步地，在数字时代的人力资本范畴中，数字和金融的素养或能力开始在某些情形中出现不可分性，例如有效使用金融科技服务的能力。本文尝试对数字金融能力进行定义，并探索其对相对贫困的影响及作用渠道。

本文采用2017年CHFS中国家庭金融调查数据，研究了数字金融能力与相对贫困的关系，可从如下三个层面对已有文献形成补充。第一，在理论层面，本文首次提出了数字金融能力的概念，阐释了数字金融能力作为一种数字时代人力资本的合理性和重要性。第二，本文首次尝试同时分析数字能力和金融能力对家庭相对贫困的影响，以及两种能力的交互效应，探索其对缩小贫富差距的启示。通过衡量数字金融能力，较为详细地检验了数字金融能力减少相对贫困的效应和作用机理。第三，在实证研究技术层面，本文在稳健性检验中创新地采用高斯连接函数方法、从统计技术上处理了模型的内生性问题，进一步检验了数字金融能力对相对贫困深度的影响、中介渠道。本文为理解数字经济、数字金融的微观活动提出了新的概念、探索了新的视角和方法，也为实现共同富裕提供了政策参考。

本文其余部分安排如下：第二部分在介绍理论基础、界定数字金融能力的基础上，对数字金融能力减少相对贫困的实证线索进行了总结，并对其原理进行了理论分析；第三部分介绍实证研究方法；第四部分展示了数据和变量；第五部分为实证结果；最后是结论与启示。

二、文献综述
(一)理论基础
近年来的研究进展显示，个体之间不仅存在金融素养层面的差异（Lusardi＆Mitchell，2014），也存在金融服务可得性层面的差异（郭峰等，2020），从而在获取收入、管理财富等方面面临非常不同的机会以及迥异的消费约束。关于金融素养理论层面的探索主要通过构造包含金融素养投资的生命周期模型探讨金融素养投资对投资决策、财富收益以及最终的生命周期财富和消费的影响（Delavande et al.，2008；Jappelli＆Padula，2013；Lusardi et al.2017）。在技术层面，Karlan＆Mor duch（2010）指出，技术正在为金融体系包容服务弱势群体带来巨大的机会——通过降低交易成本，技术驱动的金融服务可以从汇款等基础银行服务开始，为弱势群体带来储蓄、投资、信贷等一系列金融服务。Mas（2009）分析了技术支持的代理银行实现经济性的原理。

综上所述，对金融素养和技术带来的金融包容性改变的关注，实际都是对经济个体面临的消费或储蓄的约束条件差异的关注。截至目前，围绕金融素养的相关理论研究还是一个比较新的方向，而结合技术带来金融包容性改变并进一步影响消费或储蓄的相关理论研究更为鲜见。

(二)实证线索
1.数字经济如何影响家庭贫困。已有研究表明，数字服务的供给鸿沟与贫困紧密相关，而数字服务的使用有助于减少贫困。从数字服务的供给鸿沟来看，数字鸿沟与贫困呈现出显著的正相关关系，而马太效应可能导致贫富差距的加大，无法使用数字服务的弱势群体可能会丧失为自己争取权力和利益的机会（罗廷锦和茶洪旺，2018）。从数字服务的使用来看，在智能手机不普及的国家，非智能手机的使用也被证实可以为边缘群体赋能，甚至带来“蛙跳效应”（Aker＆Mbiti，2010）。其原理在于，数字服务的使用可以改变人们获取信息的方式，家庭成员也相应地变成了即时可得的信息中介，有助于降低交易成本，获取更多的商业机会。例如，在克服物流障碍之后，电子商务服务的使用可以显著地减少偏远农村的生活成本（Couture et al.，2021）；社交网络也可以通过提供信息和他人经验、减少焦虑、促进消费意愿等渠道帮助达成消费决定（Bhatli＆Mejri，2015）。

上述研究为我们提供了一定的启示，即数字经济的发展为减少贫困带来了新的可能，提升数字能力很可能是反贫困的重要措施。相关研究主要检验了使用某一种数字服务对家庭贫困的影响，尚未见得综合分析数字能力与相对贫困关系的实证研究。

2.数字金融的发展如何影响家庭贫困和区域脱贫。在微观层面，研究证据显示家庭对数字金融服务的使用有利于增加储蓄和投资（Jack＆Suri，2011）、促进风险分摊和应对意外支出（Kikul we et al.，2014）、缓解融资约束（Owens，2018）、平滑和促进消费（Sekabira＆Qai m，2017）、提升收入并最终减少贫困（Suri＆Jack，2016）。在中观层面，研究证据显示对于不同发展程度的地区，数字普惠金融的减贫程度有所不同。陈慧卿等（2021）指出了中部地区数字普惠金融的农村增收效应最大，其次是东部，最小的为西部。金发奇等（2021）研究发现我国数字普惠金融减缓相对贫困的效率偏低且区域差异大，其中规模效率是西部地区综合效率较低的最主要原因。

上述研究结果表明，我们不能笼统地看待数字金融的发展及其对贫困的影响。在数字设备和通信网络普及率不断提升的背景下，欠发达地区表现出来的数字金融服务规模效率劣势值得我们反思——需求层面的哪些因素影响了数字金融潜在减贫作用的发挥，本文对数字金融能力的探索可以为此提供一个理解的视角。

(三)界定数字金融能力
截至目前，已有研究尚缺乏对数字金融能力的明确定义，但与其相关的实践线索和学术观点已经开始萌芽。

1.比较数字金融素养与金融素养。数字金融素养最早出现在印度学者的研究中（如Prasad et al.，2018），但这些研究主要探讨的是数字支付、网上银行系统的相关知识。来自亚洲开发银行研究所（ADBI）的Morgan et al.（2019）提出了较为全面的四个维度，包括数字金融产品和服务的知识、数字金融风险的意识、数字金融风险控制、消费者权益和赔偿程序的知识。可以看出，Morgan et al.（2019）着重强调了与合理使用数字金融产品和服务各个环节相关的必要知识。相较而言，金融素养则主要是关注金融基础知识，如单利、复利等。

2.比较金融素养与金融能力。对“素养”的探讨在外延上没有强调相关的行为实现，即能力层面的关键内容。相关研究发现，金融教育（尤其是信息传递式的金融教育）可以增长金融知识，却并不能很好地转化为金融行为（Fernandes et al.，2014；Miller et al.，2014）。这意味着金融能力蕴含着实实在在的行动，而不仅仅是对金融知识的了解。因此，本文在数字金融素养概念的基础上，进一步提出对数字金融能力的关注。

3.界定数字金融能力。综合上述文献梳理和讨论，本文将数字金融能力定义为，在数字时代背景下，个人或家庭使用数字金融产品和服务以满足自身经济利益的能力，包括是否了解并合理使用对自身有利的数字金融产品和服务，是否具备数字金融风险意识并恰当地应对数字金融风险，是否了解数字金融产品和服务使用中的权责知识并合理维护自身的权益。数字金融能力的概念在数字金融素养的基础上强调了相关行为的实现，也区别于传统上金融能力的概念，更加紧密地围绕数字金融产品和服务。由于家庭是共享收入、共担支出的家庭成员组成的团体，即家庭成员之间具有密切经济关系，那么存在如下可能，即并非所有家庭成员都具备上述能力包含的所有知识和行为特质，而是存在差异和重叠的，并且通过家庭成员的密切经济关系而实现家庭数字金融能力的全部特质。因此，对家庭贫困进行研究时，关注家庭的数字金融能力更为合适。

(四)数字金融能力减少相对贫困的原理分析
在明确数字金融能力定义的基础上，本文认为数字金融能力之所以具有减少相对贫困的潜力，在于其实际是一种数字时代的人力资本。

从经济原理来看，如果将家庭视为一个微型经济主体，表面上，数字金融能力是家庭使用数字金融产品和服务以满足自身经济利益的能力，而实际上是家庭在数字时代进行资源配置的一种能力。数字金融能力所涉及的资源管理也不仅仅是家庭的货币或金融资本，至少体现在如下三个方面。

首先，对于日常经济活动而言，当家庭具备了最基础的数字金融能力——参与数字交易的能力，就拥有了参与更广阔市场交易的选择权。一方面，他们可以通过更大的市场售卖产品、提供劳动或专业技能服务来获取收入，另一方面，也可以在消费上占据“买方”优势，获得更低的价格、更多样化的供给和更低的交易成本。无论是更多的收入渠道，还是更低的生活成本，都会带来实际收入的提升。

其次，对于家庭的财富管理而言，恰当地应对数字金融风险，充分运用有利的数字金融投资产品，也有利于家庭保护资产、积累财富。这对于中低收入群体尤为重要。因为金融数字化进程也是金融普惠化过程，尤其是在降低理财、保险、信贷等金融服务的准入门槛，丰富可供选择的产品和服务等方面，取得了不容忽视的进展。但与此同时，家庭也需要进阶的数字金融能力（而不仅仅是参与数字交易的能力）才能充分利用愈加丰富、复杂的数字金融产品和服务。

最后，数字信贷技术的发展使得提供微小额度的信用产品成为可能，具备认识数字信贷产品的特征和风险及管理数字信用的能力将有利于从前广大的“信用白户”① 指在征信系统中没有记录的个人。缓解流动性约束。从长远来看，也有利于家庭提升收入、积累财富，或者至少在经济困难时期免于饥饿或子女辍学。Carvalho et al.（2016）研究表明流动性约束是众多低收入家庭难以实现最优消费选择的重要原因。

从本质上看，数字金融能力的重要内核是数字与金融的交融，通过减少信息不对称，降低交易成本，提升交易效率，识别、控制甚至运用风险，实现对家庭资源的更优管理，促进微观经济主体边际收益率的提升。具备数字金融能力意味着拥有了一些不止于财富管理层面的选择权，包括参与更广大交易市场的选择权，减少金融排斥（尤其是在投资和信贷中的金融排斥）的选择权，以及应对数字金融风险的能力等。实际上，在我国数字支付深度渗透的背景下，越来越多的群体从使用数字支付开始接触到各类数字金融产品和服务，也就自然地更容易遇到数字金融风险和权责问题。相应地，参与数字交易之外的数字金融能力层面很可能会变得愈加重要。

综合上述分析，数字金融能力作为一种数字时代的人力资本，可以通过提升实际收入、促进财富积累以及缓解流动性约束来增进家庭的客观物质福祉。尤其对于从前主流金融体系难以触达的弱势群体而言，数字金融能力的提升有可能带来改变他们相对贫困状况的机会，本文将通过实证研究进行检验。

三、实证研究方法
(一)数字能力和金融能力对家庭相对贫困的影响及其交互效应
笔者首先分别检验数字能力和金融能力对家庭相对贫困的影响及其交互效应。对交互效应的考察有助于探索两种能力在彼此不同水平下影响相对贫困的边际效应变化趋势，可能存在显著为正或者显著为负的交互效应。如果一种能力越高，另一种能力减贫的效应越大，那么，在数字能力和金融能力的交互影响下，贫富差距有可能加大。这是因为弱势群体的数字能力和金融能力通常较低，如果他们面临着更低的边际效应，那么他们通过提升数字能力或者金融能力脱离贫困状态的可能性就更小。因此，基于上述分析，当一种能力越低，另一种能力减贫的效应越大时，数字能力和金融能力影响相对贫困的交互效应将有助于缩小贫富差距。也即，数字能力和金融能力对贫富差距的影响将取决于边际效应的交互特征。

为研究数字能力和金融能力对相对贫困的影响，笔者首先将两种能力评分同时放入式（1）中，假设数字能力和金融能力会同时对家庭是否处于相对贫困状态产生影响，采用Probit回归对数字能力和金融能力对相对贫困的边际效应进行检验。

pagenumber_ebook=16,pagenumber_book=14
其中，D i表示家庭i的数字能力，F i表示家庭i的金融能力，X和β分别为所有控制变量的向量和对应系数的向量，a 1是截距项，b 1和c 1分别为数字能力和金融能力的回归系数，εi是扰动项。对回归过程限定获取社区层面的聚类标准误（除特殊说明外，下同）。

在验证数字能力和金融能力会同时影响相对贫困的基础上，笔者进一步考察数字能力和金融能力影响家庭相对贫困的交互作用。在式（1）中加入了数字能力和金融能力的交乘项变为如下所示的式（2）。

pagenumber_ebook=16,pagenumber_book=14
其中，Di×F i表示家庭i的数字能力与金融能力的交乘项。

在交乘项回归系数显著的基础上，可以进一步计算数字能力和金融能力在彼此各个水平上的条件边际效应，以此了解随着一种能力水平的变动，另一种能力影响相对贫困的边际效应会产生怎样的变化趋势，并分析这种趋势特征是否有利于缩小贫富差距。

(二)数字金融能力减少相对贫困的效应及作用渠道
随着金融科技不断深入数字经济生活，我们需要认识到数字金融能力作为一种数字时代人力资本的重要性。笔者进一步检验数字金融能力对家庭相对贫困的影响，如式（3）所示。

pagenumber_ebook=16,pagenumber_book=14
其中，DF i表示家庭i的数字金融能力。

基于学术证据和实践观察，数字金融能力可能对家庭的相对贫困状态同时存在直接效应和间接效应。

从微观经济生活来看，数字金融能力的支付维度是直接影响消费的，因而会对以消费衡量的相对贫困产生直接影响。例如，在线下支付场景中，移动支付一方面提升了消费支付的便捷性，让人们更容易做出交易决定。早在刷卡支付兴起的时代就有研究指出从现金支付到刷卡支付，人们所能感受到的用金钱换取商品的感受是不一样的（Soman，2001），现金支付的消费者会更多地关注商品的成本，而刷卡支付的消费者会更多地关注商品所能带来的好处（Chatterjee＆Rose，2012）。到了移动支付时代，Falk et al.（2016）研究发现移动支付会给线下消费者零售价格更低的印象，显著提升消费者的购买意愿。

就间接效应而言，笔者认为数字金融能力可能通过提升收入① 由于数字金融能力引致的消费价格下降、购买力提升（实际收入提升）需要一段时期的实验观察才能进行衡量，本文所采用的数据不能体现该过程，因此，此处仅关注货币收入的提升。、促进财富积累、缓解流动性约束、影响家庭的购物渠道来减少相对贫困。

首先是提升收入。Luo＆Zeng（2020）研究发现，提升数字能力和金融能力有助于促进家庭创业、创新，增加家庭获取收入的渠道。社交电商的兴起和逐渐规范化意味着越来越多的农户、创业者甚至工薪阶层可以通过社交电商增加创收渠道，社交属性也使其比传统电商更具亲和力，更容易触达广泛的相对贫困群体。而电脑和移动端的数字支付则是社交电商的底层技术支持。因此，本文假设数字金融能力有助于提升家庭收入。

其次是促进财富积累。Jack＆Suri（2011）研究发现，家庭对数字金融服务的使用有利于增加储蓄和投资。传统金融体系服务弱势群体不足的一个重要原因即是按照传统的服务模式，例如投资顾问服务等，会面临规模不经济问题。在投资和服务门槛的限制下，许多金融投资产品和服务对于相对贫困群体而言是不可得的。数字理财服务正在改变这样的局面，一方面，投资门槛不断降低，甚至出现了1分钱起投的基金产品；另一方面，智能投顾技术正在走向成熟，相对贫困群体可以几乎免费地使用专业的智能咨询服务。因此，数字金融能力还可能通过促进家庭财富积累缓解相对贫困。

再次是缓解流动性约束。数字经济的日益活跃为数字信贷的发展积累了海量的数据，也为从前的“信用白户”带来了缓解流动性约束的机会，将有利于相对贫困的群体在面临流动性紧缺时平滑消费，提升生命周期的整体效用。Li et al.（2020）实证研究发现，区域数字普惠金融的发展有助于通过数字信贷渠道提升低资产、低收入的家庭的消费。因此，此处假设数字金融能力减少相对贫困的渠道之一是缓解流动性约束，检验数字金融能力如何通过影响家庭负债来减少相对贫困，并与上述实际收入渠道和财富积累渠道相比较，以分析流动性约束渠道是否可能带来较大的债务负担。

最后是影响购物渠道。具备一定数字金融能力的家庭可以通过网络购物进入更大的“买方”市场，商品和服务的选择范围更广，价格也更具有可比性，进而提升消费意愿。Couture et al.（2021）和Fan et al.（2018）研究发现，电子商务服务的使用可以显著地减少偏远农村的生活成本。因此，数字金融能力可能通过影响家庭的购物渠道来缓解相对贫困。为了和上述收入、资产和负债变量性质相统一，此处本文选用网购消费金额作为衡量家庭购物渠道的中介变量。与此同时，本文也假设提升收入、促进财富积累、缓解流动性约束也会影响网络购物的情况。中介渠道路径图详见图1。

参考Hayes（2013），此处引入了联立方程模型，并使用bootstrap生成间接效应抽样分布的实证推导代表样本。式（4）～式（9）和图1展示了中介效应的检验过程和路径图。

pagenumber_ebook=17,pagenumber_book=15
其中，ln income＿pc i，ln asset i，ln debt i和ln onlineshopping i分别代表家庭i的人均收入、资产、负债、网购消费金额的自然对数，A～G分别表示式（4）～式（9）中所有控制变量系数的向量。

图1展示了数字金融能力影响相对贫困的路径图。从上到下分别为收入效应、财富积累效应和缓解流动性约束三条并列的中介渠道，与此同时，这三个序列中介变量也指向“网购消费”，代表它们减贫作用有可能部分是通过网购渠道实现的。ε1，ε2，ε3之间的双向箭头代表人均收入、资产和负债是相关的。

pagenumber_ebook=18,pagenumber_book=16
图1 数字金融能力影响相对贫困的中介渠道路径图

(三)内生性的处理
考虑到式(1)可能存在解释变量内生性问题,尤其是被解释变量和解释变量之间可能存在互为因果关系,参考宋全云等(2019),本文选取“所在省其余家庭数字能力平均水平”作为数字能力的工具变量,因为“所在省其余家庭数字能力平均水平”很可能影响受访家庭使用数字服务的情况,即存在相关性,又与家庭是否在该省处在以消费衡量的相对贫困① 本文所采用的“相对贫困”定义详见下文对变量的介绍。(家庭在省份内的相对经济位置)没有直接联系,即满足外生性条件。同理,选取“所在省其余家庭金融能力平均水平”作为金融能力工具变量。

为了确认工具变量的有效性,需要检验排除识别不足和弱工具变量问题以及过度识别问题,并采用DWH检验验证解释变量确实存在内生性,确认应该使用工具变量处理内生性问题。

在式(2)中,由于D i和F i都是内生变量,D i×F i也相应是内生变量。针对存在一个以上内生变量及它们的交乘项的情况,参考Papies et al.(2017)、Wooldridge(2015),式(1)、式(2)均采用控制函数方法(contr ol f unction approach)来处理内生性问题。主要步骤包括以D i和F i分别对全部工具变量和控制变量进行回归,如式(10)、式(11)所示,预测得到两个残差变量dr和fr。由于加入了残差dr和fr的方程包含预测得到的变量,且为非线性方程,需要联合式(10)、式(11)构成的方程系统,通过bootstrap多次抽样获取修正标准误。② 本文采用的重复抽样次数为1 000次。如果交乘项的系数在处理内生性问题后依旧显著,则认为式(2)相较式(1)提高了拟合优度,且数字能力和金融能力显著地影响彼此对相对贫困的作用。

pagenumber_ebook=18,pagenumber_book=16
其中,θ和φ分别表示式(10)、式(11)中所有工具变量的系数的向量,γ和δ分别表示式(10)、式(11)中所有控制变量的系数的向量。

在式(3)的内生性处理上,笔者认为上述为数字能力和金融能力选取的工具变量同样适用于数字金融能力,因此分别进行了检验。

四、数据与变量
(一)数据
本文采用2017年中国家庭金融调查数据(CHFS)。该数据收集了关于中国家庭资产与负债、收入与支出以及态度、行为和人口统计学特征等涵盖29个省份的微观数据(甘犁等,2013)。经过数据清洗并去除缺失关键变量的样本,最终本文采用了36 179户家庭的数据。

(二)变量
1.相对贫困与相对贫困深度。参考Chen&Ravallion(2013)③ Chen and Ravallion(2013)还提出了弱相对贫困(weakly-relative poverty)的概念,即在考察相对贫困时,如若相对贫困线低于绝对贫困线,应该采用绝对贫困线,而非相对贫困线。经统计比较,2016年我国农村居民人均消费支出最低的省份的相对贫困线高于当年的绝对贫困线,故不需对相对贫困变量进行调整。,本文对“相对贫困”的定义为,若一个家庭去年人均年消费低于所在省份居民人均消费支出的50%④ 考虑到城乡消费模式的差异,在生成“相对贫困”变量的过程中,城镇、农村样本分别对照该省份城镇、农村居民人均消费支出统计数据来确定是否属于相对贫困的观测值。,则该家庭为相对贫困家庭。相应的,该家庭“相对贫困”变量取值为1,反之则取值为0。为了衡量家庭相对贫困的程度,本文进一步采用了“相对贫困深度”指标作为稳健性检验中的替代被解释变量。参考Foster et al.(1984),假设家庭i去年人均年消费为c i,其所在省k居民人均消费支出的50%为相对贫困线z k(区分城镇、农村),则其相对贫困深度为下式所示。

pagenumber_ebook=19,pagenumber_book=17
2.数字能力评分。借鉴Sen(2003)的“能力方法”(capability approach),结合数字技术在我国的发展和应用实践,本文将数字能力视为使用数字技术做出和实现个人或家庭社会经济决策的可选能力集合,其与数字素养相区别的关键在于行为或实现环节。参考Lyons et al.(2019),基于中国当前数字技术发展与应用特征,聚焦影响家庭社会经济决策的维度,笔者从问卷中选取了如下七个构成变量来衡量数字能力:“拥有电脑”代表家庭是否拥有电脑;“使用智能手机”代表家庭是否使用智能手机;“使用互联网进行社交”衡量受访人是否能够通过数字渠道维护人际关系,并为在必要时获取信息甚至经济上的支持做好准备;“使用互联网了解资讯”衡量受访人是否能够通过数字渠道获取资讯;“使用互联网购买产品”衡量受访人是否能够通过数字渠道丰富消费选择范围、减少交易成本;“使用互联网销售产品和服务”衡量受访人是否能够通过数字渠道创造收入;① 根据2017年的CHFS问卷解释,“使用互联网销售产品和服务”除了包含卖农产品和服务外,也包含应聘找工作、发布出租房屋广告、发布民间贷款广告、网上拍卖等。 “使用互联网进行娱乐活动”衡量受访人是否通过数字渠道开展娱乐活动。如表1所示,采用迭代主因子法对数字能力构成变量进行因子分析的结果显示,K MO检验值为0.869 8,特征值大于1的因子为一个。在此基础上,将七个构成变量相加,得到了分布范围为0到7的“数字能力评分”。

3.金融能力评分。金融能力更具体地对应家庭的金融决策,是指在一定的社会经济条件下,消费者做出符合自身最佳金融利益的金融决策内在能力,包括用于管理自有资源以及理解、选择、使用满足需求金融服务的知识、技能、态度和行为(World Bank,2013)。参考Atkinson et al.(2007)和Lusar di(2011),本文选取了如下九个变量来衡量金融能力② 需要特别说明的是,由于2017年的CHFS问卷中与金融知识和技能相关的问题大多存在较多的缺失值,因此,本文在金融知识与技能层面只采用了缺失值较少的关于风险收益知识的问题。:“拥有银行账户”代表该家庭拥有银行账户;“了解风险收益知识”代表受访人正确回答了关于风险收益知识的问卷题目③ 在问卷中,受访人被问到如下判断题,“高收益项目通常伴随着高风险,您认为该说法是否正确?”;“关注经济金融信息”代表受访人平时对经济金融信息有中等及以上关注度;“收支平衡”代表受访家庭去年总收入不低于总支出;“债务可控”代表受访家庭不存在拖欠应还债务的情况,自我评价偿还住房欠款的经济能力为“完全没有问题”或“基本没有问题”,并且家庭总债务不超过总资产;“持有必要社会保险”代表家庭所有成员持有社会医疗保险,所有成年且已参加工作的成员持有社会养老保险;“流动性投资”代表家庭所持现金、储蓄、货币基金等高流动性资产是否不低于其三个月消费的额度,衡量家庭应对流动性风险的能力;“保障性投资”代表家庭是否持有商业保险,衡量家庭建立风险屏障的能力;“增长性投资且匹配风险偏好”代表家庭是否投资于除高流动性资产或商业保险之外的金融资产,衡量实现资产保值增值的能力。当受访家庭投资于股票、金融衍生品、股票型基金、混合型基金、QDII型基金、商品型基金、公司/企业债券、外汇等中高风险金融产品,同时又表示风险偏好为“不愿意承担任何风险”时,则认为其增长性投资决策与风险偏好不匹配。如表1所示,采用迭代主因子法对以上九个构成变量进行因子分析的结果显示,KMO检验值为0.706 6,特征值大于1的因子为一个。在此基础上,将九个构成变量相加,得到了分布范围从0到9的“金融能力评分”。

4.数字金融能力评分。基于数据可得性,笔者从问卷中选取了如下四个构成变量来衡量数字金融能力:“使用电脑支付”代表受访家庭在购物时(包括网购),会使用电脑支付;“使用移动支付”代表受访家庭在购物时(包括网购),会使用移动支付;“使用互联网理财服务”代表受访家庭持有互联网理财产品;“使用信用卡”代表受访家庭使用了信用卡。① 在新型数字信贷数据不可得的情况下,本文选用了“使用信用卡”作为数字信用的代表指标。根据相关文献,信用卡实际上是较早出现的个人数字信用形式。同如表1所示,采用迭代主因子法对数字金融能力构成变量进行因子分析的结果显示,K MO检验值为0.715,特征值大于1的因子为一个。在此基础上,将四个构成变量相加,得到了分布范围为0到4的“数字金融能力评分”。

表1 数字能力和金融能力的因子分析结果

pagenumber_ebook=20,pagenumber_book=18
5.其他变量。参考刘子宁等(2019)、谭燕芝和彭千芮(2019),本文选取了受访人、受访家庭和地区三个层面的控制变量。受访人层面的控制变量包括年龄,是否女性,是否已婚,高中、中专或职高及以上文化程度①2017年的中国家庭金融调查问卷询问了受访人“入过学”的最高学历,即包含在读、肄业或辍学的情况。为了体现受访人至少完成了九年义务教育,本文选择以受访人至少高中或中专/职高入过学来衡量教育程度。、是否容忍平均及以上的投资风险②2017年的中国家庭金融调查问卷询问了受访人“如果您有一笔资金用于投资,您最愿意选择哪种投资项目?”受访人可以从“高风险、高回报的项目”“略高风险、略高回报的项目”“平均风险、平均回报”“略低风险、略低回报的项目”到“不愿意承担任何风险”共五个程度进行选择。如果受访人选择“平均风险、平均回报”及以上的风险偏好,则该变量值定义为1,反之则为0。,是否感到幸福或非常幸福;受访家庭层面的控制变量包括是否居住在农村,家庭规模(人数),是否至少1人健康状况不佳,是否有小孩(15岁及以下),是否有老人(60岁及以上),是否拥有房产,是否经营工商业;地区层面的控制变量主要包含受访家庭所在省份虚拟变量。此外,中介变量包括,人均收入(年)、总资产、总负债、网购消费金额。

(三)描述性统计
表2展示了本文所研究样本社会经济特征的描述性统计。首先是被解释变量和解释变量。相对贫困家庭约占全样本的四分之一,他们的贫困深度平均为0.31。数字能力评分、金融能力评分和数字金融能力评分的平均水平都较低,由七个二分变量构成的数字能力评分均值仅为2.59,由九个二分变量构成的金融能力评分均值仅为4.76,由四个二分变量构成的数字金融能力评分均值仅为0.64。从数字能力的构成维度来看,使用智能手机的家庭比例最高,达到78.69%,显著超过拥有电脑的家庭比例。相较而言,使用互联网销售产品和服务的受访人比例最低,仅为3.45%。从金融能力的构成维度来看,债务可控和拥有银行账户的家庭比例最高,均超过90%。使用保障性投资、增长性投资且匹配风险偏好的家庭比例最低,分别为14.72%和9.73%。从数字金融能力的构成维度来看,使用移动支付的家庭比例最高为27.62%,使用互联网理财服务的家庭比例最低为5.97%。

其次是受访人特征变量。受访人平均年龄约为54岁,49.49%为女性,83.05%处于已婚状态。在教育程度的衡量上,“高中、中专或职高及以上文化程度”是指受访人至少高中、中专或职高入过学。从统计数据可以看出,36.05%的受访人达到该文化程度。接下来是可能影响消费的主观变量风险容忍度,26.01%的受访人表示“容忍平均及以上投资风险”。

最后是受访家庭特征变量。31.03%的受访家庭居住在农村,平均家庭人数略多于3人,33.12%的家庭至少有1位家庭成员健康状况不佳,33.02%的家庭有小孩,52.15%的家庭有老人,90.40%的家庭拥有房产,13.40%的家庭经营工商业,家庭人均年收入为2.74万元,平均总资产为103.72万元,平均总负债约为4.90万元,平均网购消费额为2 032.23元。

表2的靠右两列以描述性统计的方式初步展示了数字能力、金融能力和数字金融能力与相对贫困的关系。相对贫困样本的数字能力评分、金融能力评分和数字金融能力评分均低于非相对贫困样本。数字金融能力评分的差距最大,相对贫困样本的数字金融能力评分不及非相对贫困样本的一半。其中,“使用互联网理财服务”的比例最低,相对贫困样本中仅有2.33%,在非相对贫困样本中也仅有7.15%;“使用移动支付”的比例最高,相对贫困样本中为15.16%,非相对贫困样本中为31.68%。就数字能力的构成维度而言,两组差距最小的维度为“使用智能手机”,相对贫困组的智能手机使用率也达到71.08%。这意味着各类智能应用已经具备了较大范围的可触达性。两组差距最大的维度为“使用互联网销售产品和服务”和“使用互联网购买产品”,相对贫困组的比例均不及非相对贫困组比例的一半,而这两种数字服务的使用与家庭资源配置直接相关,体现出相对贫困群体数字能力的薄弱环节。就金融能力的构成维度而言,两组差距相对较小,主要是由于我国银行账户普及率高且民众历来有偏爱储蓄的习惯。相对贫困组的“收支平衡”比例甚至超过了非相对贫困组。虽然“债务可控”的比例整体较高,但在全样本中,7.28%的受访家庭存在债务不可控的情况仍然是值得警惕的。因此,笔者在后续的模型过程中加入了家庭负债作为数字金融能力影响相对贫困的中介变量进行检验。从受访样本的风险规划来看,非相对贫困样本明显更胜一筹,所有家庭成员均“持有必要社会保险”的比例为62.33%,而相对贫困样本的比例仅为49.40%。非相对贫困样本持有任何一种商业保险,即进行了“保障性投资”的比例为16.67%,更是接近相对贫困样本的两倍。此外,进行了“增长性投资且匹配风险偏好”的样本总体较少,并且非相对贫困样本的比例几乎为相对贫困样本的三倍。

表2 样本特征的描述性统计

pagenumber_ebook=22,pagenumber_book=20
续表

pagenumber_ebook=23,pagenumber_book=21
说明:变量“家庭网购消费额”存在少量缺失值。总观测值为36 133个,其中,相对贫困观测值8 874个,非相对贫困观测值27 259个。其他变量观测值均为36 179个。

五、实证结果
(一)数字能力和金融能力影响相对贫困的交互效应
表3展示了在无交乘项和有交乘项的两种情况下,数字能力和金融能力对家庭是否相对贫困的影响。

表3 数字能力与金融能力影响相对贫困的交互效应

pagenumber_ebook=23,pagenumber_book=21
说明:本表模型包含控制变量和工具变量,其中,Probit回归采用社区层面的聚类标准误;IV Probit回归因为在非线性模型中使用了控制函数方法,模型过程使用了预测得到的残差变量,为了获得一致估计结果,标准误通过bootstrap重复1 000次抽样获取。

在无交乘项的情况下,Probit回归(1)的边际效应显示,数字能力和金融能力更高的家庭有更小可能处在相对贫困的状态。同时,其他控制变量与相对贫困的关系与预期基本一致:年轻、女性、已婚、高中及以上文化程度、容忍中等程度以上风险的受访人,居住在农村、家庭规模小、家庭成员更健康、有小孩、无房、经营工商业的家庭有更小可能处在以人均消费衡量的相对贫困状态。

接下来,以“所在省其余家庭数字能力平均水平”作为数字能力的工具变量,以“所在省其余家庭金融能力平均水平”作为金融能力的工具变量,采用控制函数方法来进行包含工具变量的两阶段回归,得到的IV Pr obit的边际效应如回归(2)所示。数字能力和金融能力对相对贫困的边际影响分别在99%和95%的置信水平上显著为负,这意味着在考虑了受访人、家庭和地区差异以及内生性问题的情况下,数字能力和金融能力的提升都会显著地减少家庭相对贫困的可能性。

在明确数字能力和金融能力会同时影响家庭相对贫困状况的基础上,本文进一步探索它们影响相对贫困的交互效应,即在模型(1)的基础上引入数字能力与金融能力的交乘项变为模型(2),同样采用控制函数方法处理内生性问题。如表3回归(3)~回归(6)所示,无论是Probit回归还是IV Probit回归,交乘项的系数都是显著的。这意味着,交乘项提升了模型的拟合优度,数字能力和金融能力对家庭相对贫困的影响存在显著的交互效应。

对交互效应的考察关键在于探索交互的解释变量在彼此不同取值下,对被解释变量影响的条件边际效应的变化特征。因此,笔者接下来计算了在金融能力评分的不同水平下数字能力影响家庭相对贫困的条件边际效应,和在数字能力评分的不同水平下金融能力影响家庭相对贫困的条件边际效应,以及相对应的观测值分布。结果如表4所示。

表4 数字能力与金融能力影响相对贫困的条件边际效应

pagenumber_ebook=24,pagenumber_book=22
说明:本表模型包含控制变量和工具变量,条件边际效应标准误通过bootstrap重复1 000次抽样得到。

数字能力和金融能力影响相对贫困的交互效应呈现出两个突出特征:第一,在数字能力或金融能力越低的水平上,另一种能力减少相对贫困的条件边际效应越大。同时,从表中还可以看出,在数字能力或金融能力越低的水平上,相对贫困群体占比越大。那么,数字能力和金融能力的交互特征也有利于减少相对贫困。第二,数字能力和金融能力的交互效应更多地体现为,在不同的金融能力水平下数字能力的显著减贫效应。从数字金融发展的进程来看,近年来金融产品和服务的演变主要是由数字经济的发展所推动的。相应地,从检验结果来看,数字能力的减贫效应比金融能力更为突出。

综合上述分析,数字能力和金融能力会交互影响家庭处于相对贫困的概率,并且这种交互效应有利于缩小贫富差距。上述检验结果启发了我们进一步探索数字能力和金融能力的交融部分——数字金融能力对家庭相对贫困的影响。

(二)数字金融能力影响相对贫困的边际效应和中介渠道
表5所示为数字金融能力影响家庭相对贫困的边际效应和条件边际效应。在内生性的处理上,笔者认为上述为数字能力和金融能力选取的工具变量同样适用于数字金融能力,因此分别进行了检验。结果显示,无论是使用“所在省其余家庭数字能力平均水平”还是“所在省其余家庭金融能力平均水平”作为工具变量,数字金融能力都具有非常显著的减贫效应。通过与表3的检验结果相比较可以发现,数字金融能力减少相对贫困的边际效应大于数字能力和金融能力的边际效应。这意味着,虽然数字金融能力在性质上是数字能力与金融能力的交融部分,但在现实世界中的存在形式和作用力却不止于传统意义上的数字能力和金融能力,相关能力建设项目以及减少相对贫困的政策需要考虑到这种差异。

从条件边际效应来看,数字金融能力水平越低,提升数字金融能力的边际减贫效应越大。例如,观察表5下方相对贫困样本的分布可以发现,数字金融能力评分为0的相对贫困样本最多,占到全部相对贫困样本的接近80%。而在该值处的条件边际效应也最大。以上结果表明,致力于减少贫困的政策可以关注相对贫困群体的数字金融能力建设。与此同时,根据本文理论分析,数字金融能力也包含若干层次,需要进一步分析数字金融能力是如何减少相对贫困的。接下来根据实证研究设计进行具体验证。

表5 数字金融能力对相对贫困的影响

pagenumber_ebook=25,pagenumber_book=23
说明:本表模型包含控制变量和工具变量,其中,Probit回归(1)采用社区层面的聚类标准误;IV Probit回归,即回归(2)和回归(3),采用控制函数方法bootstrap重复1 000次抽样得到的标准误。

表6所示为图1所呈现的中介路径计算结果。可以看出总效应中38.08%为直接效应,也就是不通过提升收入、促进财富积累、缓解流动性约束以及影响购物渠道四条中介路径的部分,可以视为数字金融能力所带来的支付便捷性以及增加的线下消费意愿对家庭消费的影响。移动支付一方面会提升消费支付的便捷性,另一方面也可能减少支付过程的损失“痛感”,让人们更关注所消费商品和服务的好处、更少关注消费的成本(Chatterjee&Rose,2012)。中介渠道中,数字金融能力通过影响收入作用于相对贫困的间接效应占总效应之比为10.88%,其中有0.67%是通过网购渠道实现的。数字金融能力通过影响资产而作用于相对贫困的间接效应占总效应之比为18.17%,其中有1.02%是通过网购渠道实现的。数字金融能力通过影响负债而作用于相对贫困的间接效应占总效应之比为1.02%,不存在通过网购渠道实现的部分。上述结果表明该样本期间数字金融能力主要通过提升收入、促进财富积累而非增加负债来实现减少相对贫困。

表6 数字金融能力影响相对贫困的中介渠道

pagenumber_ebook=26,pagenumber_book=24
说明:1.本表所示标准误通过bootstrap重复1 000次抽样获取。2.“人均收入”“资产”“负债”“网购消费”在模型中均取自然对数。所有过程包含控制变量。

值得关注的是,数字金融能力通过网购消费渠道作用于相对贫困的间接效应占总效应之比达到33.53%,其中不通过收入、资产渠道的比例达31.84%。这意味着超过三成的减贫效应是通过影响购物渠道(促进网购消费)实现的。具备数字支付能力的相对贫困家庭通过网络购物进入更大的市场,获取更丰富的选择和更实惠的价格,如此满足了部分原本被压抑的购物需求。

综合上述分析,通过实证检验,本节验证了数字金融能力通过提升收入、促进财富积累、缓解流动性约束、影响购物渠道四个中介渠道减少相对贫困的间接效应占总效应的61.92%。其中,前三个渠道的间接效应仅占总效应的约三成。需要反思的是,对相对贫困群体而言,如果数字金融能力达到了参与数字交易的水平,而未达到恰当地应对数字金融风险、参与多样化投资的程度,那么由数字金融能力引致的相对更高的消费意愿有可能不利于家庭为意外、医疗、养老等家庭金融规划做好准备,相关能力建设项目需要格外关注更高层次数字金融能力的培养。

(三)稳健性检验
为了验证模型结果的稳健性,接下来采取替换被解释变量和替换内生性处理方法的形式进行检验。笔者采用“相对贫困深度”作为替代被解释变量,进一步检验数字金融能力对相对贫困深度的影响效应和中介渠道,以及在不同分样本中的结果稳健性。由于“相对贫困深度”是连续变量,笔者创新引入了Park&Gupta(2012)提出的高斯连接函数(Gaussian copula)方法来处理该线性模型的内生性问题。

1.数字金融能力对相对贫困深度的影响。高斯连接函数方法处理线性模型的内生性问题时,无须寻找工具变量,而是在内生解释变量非正态分布的假设前提下,对内生解释变量和误差项的联合分布进行建模,通过统计方法来估计出内生解释变量中与误差项相关的部分,生成一个copula项(连接项)。然后,类似控制函数方法(contr ol f unction approach),将连接项加入回归方程中以控制解释变量的内生性。与此同时,连接项的回归系数则代表着是否存在显著的内生性。通过检验可以得到数字金融能力评分是非正态分布的,可以使用该方法。

表7所示为数字金融能力与相对贫困深度关系的检验结果。在全样本中,通过高斯连接函数方法得到的连接项系数在99%的置信水平下显著,表明解释变量确实存在显著的内生性。在控制内生性的情况下,数字金融能力的系数也在99%的置信水平下显著。这意味着数字金融能力每提升一个单位,相对贫困深度减少0.023 9。在相对贫困样本中,连接项的系数不显著,表明加入连接项并不能显著改变回归结果。基于对数据特征的观察,从全样本到相对贫困样本发生的这种变化,可能是由于反向因果等问题不显著。在全样本中,75.42%的非相对贫困群体的相对贫困深度为0,从不贫困到贫困,相对贫困深度的变化足以引起数字金融能力的显著变化;在相对贫困样本中,相对贫困深度的分布相对更平滑,不足以引起数字金融能力的显著变化。进一步地,分析这种特征背后的经济原因,可能是由于对相对贫困群体而言,相对贫困深度虽然有别,但都属于生活必要资源相对拮据的情形,难以因为贫困深度的少量变化而引起数字金融能力的变化。

表7 数字金融能力与相对贫困深度

pagenumber_ebook=27,pagenumber_book=25
说明:本表模型均包含控制变量。连接项为通过Gaussian copula方法生成的copula项。

在相对贫困样本中数字金融能力内生性问题不显著的情况下,本文去掉连接项再次进行回归,可得在99%的置信水平下,数字金融能力每提升一个单位,相对贫困深度减少0.041 1。从表2可得,相对贫困样本的平均相对贫困深度为0.31,提升数字金融能力减少相对贫困深度的边际效应是较为可观的。

2.数字金融能力影响相对贫困深度的中介渠道。表8所示为数字金融能力影响相对贫困样本的相对贫困深度中介效应计算结果。数字金融能力减少相对贫困深度的直接效应占总效应比例为47.07%,高于总样本中数字金融能力减少相对贫困概率的直接效应占比,表明数字金融能力对相对贫困群体的相对贫困深度的影响更多地表现为支付便捷性和线下消费意愿的提升。

表8 数字金融能力影响相对贫困深度的中介渠道(相对贫困样本)

pagenumber_ebook=27,pagenumber_book=25
说明:1.本表所示标准误通过bootstrap重复1 000次抽样获取。2.“人均收入”“资产”“负债”“网购消费”在模型中均取自然对数。所有过程包含控制变量。

中介渠道中,数字金融能力通过影响收入作用于相对贫困深度的间接效应占总效应之比为8.78%,其中有0.49%是通过网购渠道实现的。数字金融能力通过影响资产而作用于相对贫困的间接效应占总效应之比为10.49%,其中有0.49%是通过网购渠道实现的。数字金融能力通过影响负债而作用于相对贫困的间接效应不显著,也不存在通过网购渠道实现的部分。加总来看,在该样本期间,数字金融能力通过影响收入和资产减少相对贫困群体的贫困程度的效应总共占比19.27%,尚未显著发挥缓解相对贫困群体流动性约束的功能。

此外,数字金融能力通过网购消费渠道作用于相对贫困深度的间接效应占总效应之比达到34.64%,其中不通过收入、资产渠道的比例达33.66%。这意味着数字金融能力减少相对贫困群体的贫困程度中,超过三分之一是通过网购消费渠道实现的。

综合上述检验结果,对于相对贫困样本而言,数字金融能力减少相对贫困深度更多地体现为消费行为的促进,即通过更低的价格、更丰富的选择和更少的支付“痛感”提升相对贫困群体的消费意愿,通过提升收入、促进财富积累实现的间接效应约占两成。考虑到相对贫困群体可能是“零工经济”“灵活就业”从业人员的重要组成部分,他们更需要自主地建立家庭金融规划,如果其数字金融能力只处在能够参与数字交易的水平上可能会对家庭的长远财务安全不利。

(四)异质性分析
根据社会经济特征,笔者进一步将样本按照城乡、教育程度以及年龄分组,一方面考察在不同社会经济群体中数字金融能力对相对贫困深度的影响是否稳健;另一方面也可以比较模型结果在不同社会经济群体中的差异,有助于进一步探讨这种差异所带来的政策启示,可以作为制定相关政策的参考,尤其针对弱势群体的减贫政策。如表9所示,本文的模型结果在不同社会经济群体中都是稳健的——数字金融能力在99%的置信水平下减少相对贫困家庭的相对贫困深度。

表9 数字金融能力影响相对贫困深度的分组检验(相对贫困样本)

pagenumber_ebook=28,pagenumber_book=26
说明:本表模型均包含控制变量。

从组间差异来看,总体呈现出在弱势群体中减贫效应更大的特征。就城乡差异而言,数字金融能力对农村样本的相对贫困深度有更大的负边际效应。就教育程度差异而言,数字金融能力对初中及以下教育程度群体的减贫效应超过对高中及以上教育程度群体的减贫效应。这意味着,通过提升数字金融能力,原本教育程度不足的群体有机会改变自身相对贫困的状态。就年龄差异而言,数字金融能力对年龄60岁及以上的群体比其他年龄组有更大的减贫效应。

综合上述分析,无论用二分变量还是连续变量衡量相对贫困,数字金融能力影响相对贫困的检验结果都是较为稳健的,即,数字金融能力既显著减少家庭处于相对贫困状态的可能性,也显著减少相对贫困样本的相对贫困深度。数字金融能力影响相对贫困和相对贫困深度的主要中介渠道均为提升家庭交易效率、优化投资组合。此外,提升数字金融能力主要通过增加收入、积累资产而非增加负债来抗击贫困。

六、结论与启示
本文基于中国家庭金融调查数据,实证研究了数字能力和金融能力对家庭相对贫困发生概率的影响和交互效应,并通过条件边际效应探索了这种交互效应对缩小贫富差距的启示,首次对数字金融能力进行了定义,对其减少以消费衡量的相对贫困原理进行了理论分析和实证检验。研究表明,数字能力和金融能力同时具有显著的减贫效应。同时它们也具有显著的交互效应,在相对贫困样本分布越多的能力水平上,数字能力和金融能力减少相对贫困的概率越大。这种交互特征将有助于缩小贫富差距。数字金融能力亦显著地减少相对贫困发生概率,主要间接作用渠道包括:一是提升收入;二是促进财富积累;三是缓解流动性约束;四是影响购物渠道。稳健性检验显示,聚焦于相对贫困样本而非全样本时,数字金融能力对减少相对贫困深度也具有类似的作用,此时负债作为中介渠道的效应不显著,表明在该样本期间数字金融能力缓解相对贫困群体流动性约束的效应尚未显著发挥。从分样本的异质性检验结果来看,数字金融能力对农村、低教育程度和老年为代表的相对弱势群体的减贫效应更大。

从政策启示来看,旨在推动乡村振兴、实现共同富裕的相关政策可以重点提升边缘群体的数字金融能力,尤其是通过数字金融服务建立风险保障、进行长期投资的能力。Sherraden&Ansong(2016)特别指出了创造提升数字金融能力的环境的重要性,强调了能力并不是由内而发的,在很大程度上取决于个人与社会制度的关系。这实际上与Banerjee&Dufl o(2012)关于贫困的实验性研究成果不谋而合——个人或家庭应对生活琐事的精力和意志力都是有限的。相应的,通过传统培训、教育等要求相对贫困群体花费额外时间和精力来提高金融能力的方式可能收效有限,应该从这些群体的具体特征和需求出发来制定相关能力建设政策。

作为家庭福祉的重要影响因素,数字金融能力很可能会影响家庭福祉的其他层面。本文对数字金融能力反贫困作用的讨论,可以作为未来一系列类似探索的开端。

参考文献

陈慧卿、陈国生、魏晓博、彭六妍、张星星,2021:《数字普惠金融的增收减贫效应——基于省际面板数据的实证分析》,《经济地理》第3期。

甘犁、尹志超、贾男、徐舒、马双,2013:《中国家庭资产状况及住房需求分析》,《金融研究》第4期。

郭峰、王靖一、王芳、孔涛、张勋、程志云,2020:《测度中国数字普惠金融发展:指数编制与空间特征》,《经济学(季刊)》第4期。

刘子宁、郑伟、贾若、景鹏,2019:《医疗保险、健康异质性与精准脱贫——基于贫困脆弱性的分析》,《金融研究》第5期。

金发奇、言珍、吴庆田,2021:《数字普惠金融减缓相对贫困的效率研究》,《金融发展研究》第1期。

卢盼盼、张长全,2017:《中国普惠金融的减贫效应》,《宏观经济研究》第8期。

罗廷锦、茶洪旺,2018:《“数字鸿沟”与反贫困研究——基于全国31个省市面板数据的实证分析》,《经济问题探索》第2期。

宋全云、肖静娜、尹志超,2019:《金融知识视角下中国居民消费问题研究》,《经济评论》第1期。

宋晓玲,2017:《数字普惠金融缩小城乡收入差距的实证检验》,《财经科学》第6期。

谭燕芝、彭千芮,2019:《金融能力、金融决策与贫困》,《经济理论与经济管理》第2期。

Aker,J.C.,and I.Mbiti,2010,“Mobile Phones and Econo mic Develop ment in Africa”,Jour nal of Econo mic Perspec-tives,24(3):207232.

At kinson,A.,S.Mc Kay,S.Collar d,and E.Kempson,2007,“Levels of Financial Capability in the UK”,Public Money and Manage ment,27(1):2936.

Banerjee,A.V.,and E.Duflo,2012,Poor Econo mics:A Radical Rethinking of the Way to Fight Global Poverty,New York:Public Affairs.

Bhatli,D.,and C.A.Mejri,2015,“The Influence of Social Media on Consu mption Practices”,in Ideas in Marketing:Finding the New and Polishing the Ol d.Develop ments in Mar keting Science:Proceedings of the Acade my of Mar keting Science,edited by K.Kubacki,Cham:Springer.

Car valho,L.S.,S.Meier,and S.W.Wang,2016,“Poverty and Econo mic Decision-making:Evidence fro m Changes in Financial Resources at Payday”,American Econo mic Review,106(2):260284.

Chatterjee,P.,and R.L.Rose,2012,“Do Pay ment Mechanis ms Change the Way Consu mers Perceive Products?”,Journal of Consu mer Research,38(6):11291139.

Chen,S.,and M.Ravallion,2013,“More Relatively-poor People in a Less Absolutely-poor World”,The World Bank,Policy Research Wor king Paper.

Couture,V.,B.Faber,Y.Gu,and L.Liu,2021.“Connecting the Countryside via E-co mmerce:Evidence fro m China”,American Econo mic Review:Insights,3(1):3550.

Delavande A.,S.Roh wedder,and R.Willis,2008,“Preparation f or Retirement,Financial Literacy and Cognitive Resources”,University of Michigan Wor king Papers.

Falk,T.,W.H.Kunz,J.J.Schepers,and A.J.Mrozek,2016,“How Mobile Pay ment Influences the Overall Store Price I mage”,Jour nal of Business Research,69(7):24172423.

Fan,J.,L.Tang,W.Zhu,and B.Zou,2018,“The Alibaba Effect:Spatial Consu mption Inequality and the Welfare Gains fro m E-co mmerce”,Jour nal of Inter national Econo mics,114:203-220.

Fernandes,D.,J.G.Lynch,and R.G.Netemeyer,2014,“Financial Literacy,Financial Education and Downstream Financial Behaviors”,Management Science,60(8):18611883.

Foster,J.E.,J.W.Greer,and E.Thorbecke,1984,“A Class of Decomposable Poverty Measures”,Econometrica,52(3):761766.

Hayes,A.F.,2013,Introduction to Mediation,Moderation,and Conditional Process Anal ysis:A Regression-based Approach,New Yor k:Guilfor d Press.

Jack,W.,and T.Suri,2011,“Mobile Money:The Econo mics of M-PESA”,NBER Wor king Paper.

Jappelli,T.,and M.Padula,2013,“Invest ment in Financial Literacy and Saving Decisions”,Jour nal of Banking and Finance,37(8):27792792.

Karlan,D.,and J.Mor duch,2010,“Chapter 71Access to Finance”,In Handbook of Develop ment Econo mics,edited by D.Rodrik and M.Rosenzweig,Elsevier,Amsterda m:Elsevier.

Kikul we,E.M.,E.Fischer,and M.Qai m,2014,“Mobile Money,Smallholder Far mers,and Household Welfare in Kenya”,Plos One,9(10).

Li,J.,Y.Wu,and J.J.Xiao,2020,“The Impact of Digital Finance on Household Consu mption:Evidence fro m China”,Economic Modelling,86:317326.

Luo,Y.,and L.Zeng,2020,“Digital Financial Capabilities and Household Entrepreneurship”,Economic and Political Studies,8(2):165202.

Lusardi,A.,2011,“Americans’Financial Capability”,NBER Wor king Paper.

Lusardi,A.,P-C.Michaud,and O.S.Mitchell,2017,“Opti mal Financial Knowledge and Wealth Inequality”,Journal of Political Econo my,125(2):431477.

Lusardi,A.,and O.S.Mitchell,2014,“The Econo mic Importance of Financial Literacy:Theor y and Evidence”,Jour nal of Econo mic Liter ature,52(1):544.

Lyons,A.,J.Kass-Hanna,A.Zucchetti,and C.Cobo,2019,“Leaving No One Behind:Measuring the Multidi mensionality of Digital Literacy in the Age of AI and Other Transf or mative Technologies”,T20 Report.

Mas,I.,2009,“The Econo mics of Branchless Banking”,Innovations:Technology,Gover nance,Globalization,4(2):5775.

Miller,M.,J.Reichelstein,C.Salas,and B.Zia,2014,“Can You Help So meone Become Financially Capable?A Meta-analysis of t he Literature”,Worl d Bank Research Obser ver,30(2):177.

Mor gan,P.J.,B.Huang,and L.Q.Trinh,2019,“The Need to Pro mote Digital Financial Literacy f or t he Digital Age”,ADBI Report.

Owens,J.,2018,Responsible Digital Credit:What Does Responsible Digital Credit Look Like?,Accion Report.

Papies D.,P.Ebbes,H.J.Van Heerde,2017,“Addressing Endogeneity in Marketing Models”,in Advanced Methods for Modeling Mar kets.Inter national Series in Quantitative Mar keting,edited by P.Leeflang,and J.Wieringa,T.Bij molt,K.Pauwels,Cham:Springer.

Par k,S.,and S.Gupta,2012,“Handling Endogenous Regressors by Joint Esti mation Using Copulas”,Mar keting Science,31(4):567586.

Prasad,H.,D.Megh wal,and V.Daya ma,2018,“Digital Financial Literacy:A Study of Households of Udaipur”,Journal of Business Management,5(1):2332.

Sekabira,H.,and M.Qai m,2017,“Mobile Money,Agricultural Mar keting,and Off-far m Inco mein Uganda”,Agricul-tur al Econo mics,48(5):597611.

Sen,A.,2003,“Develop ment as Capability Expansion”,in Readings in Hu man Develop ment,edited by S.Fukuda-Parr et al.,New Delhi and New Yor k:Oxford University Press.

Sherraden,M.S.,and D.Ansong,2016,“Financial Literacy to Financial Capability:Building Financial Stability and Security”,in International Handbook of Financial Literacy,edited by C.Aprea et al.,Singapore:Springer.

So man,D.,2001,“Effects of Pay ment Mechanis m on Spending Behavior:The Role of Rehearsal and Immediacy of Payments”,Journal of Consu mer Research,27(4):460474.

Suri,T.and W.Jack,2016,“The Long-r un Poverty and Gender Impacts of Mobile Money”,Science,354(6317):12881292.

Wooldridge,J.M.,2015,“Control Function Methods in Applied Econo metrics”,Jour nal of Hu man Resources,50(2):420445.

World Bank,2013,Making Sense of Financial Capability Sur veys ar ound the Worl d:A Review of EXisting Financial Capability and Liter acy Measure ment Instr u ments,Washington,DC:World Bank.

DIGITAL FINANCIAL CAPABILITY AND RELATIVE POVERTY

LUO Yu ZENG Lian-yun
(School of Finance,Ren min University of China)

AbstraCt:This paper defines“digital financial capability”and tests its i mpact on reducing relative poverty as well as corresponding f unction channels.Utilizing the China Househol d Finance Survey data,t he empirical results show that,both digital capability and financial capability significantly reduce the probability of relative poverty under t he premise of dealing wit h endogeneity.Regar ding interaction eff ect,t he conditional marginal effects of digital capability and financial capability show greater po-verty reduction pr obability at capability levels wit h more relatively poor obser vations,which woul d hel p narr ow the gap bet ween the rich and the poor.The results show that digital financial capability also significantly reduces the pr obability of relative poverty,and it is worthy of special attention to the different pr oportions contributed by four f unction channels including increasing inco me,pro moting wealth accu mulation,easing liquidity constraints and infl uencing shopping channels.Policies co mmitted to r ural revitalization and a meliorating the uneven develop ment should pay attention to i mproving different levels of digital financial capability of t he relatively poor.

Key words:digital capability;financial capability;digital financial capability;relative poverty

* 罗煜，中国人民大学财政金融学院，中国财政金融政策研究中心；曾恋云（通讯作者），中国人民大学财政金融学院，中国普惠金融研究院，邮政编码：100872，电子信箱：zenglianyun＠ruc．edu．cn。本文得到中国人民大学科学研究基金面上项目“数字金融能力建设视角下的普惠金融发展对策研究”（21XNA002）资助。感谢匿名评审人的宝贵建议，笔者已做相应修改，本文文责自负。

(责任编辑:付 敏)