2022年12月第25卷第24期
中国管理信息化
China Management Informationization
Dec.,2022
黄金龟甲虫
魏姝婷
（贵州财经大学大数据应用与经济学院（贵阳大数据金融学院），贵阳550025）青岛华臣影城今日影讯
［摘 要］数字普惠金融逐渐融入我国居民家庭的投资消费，研究数字普惠金融对居民消费结构的影响对进一步拉动我国消费，实现经济高质量发展有积极意义。文章选取2011年至2019年全国31个省份的统计数据，构建面板VAR模型，将居民消费结构指标和省级数字普惠金融指数相匹配，从个体居民角度出发研究数字普惠金融对居民消费结构的影响。实证结果表明，数字普惠金融在短期内抑制居民消费升级，但从长期来看，数字普惠金融可显著优化居民消费结构。
［关键词］数字普惠金融；消费结构；消费升级
doi：10.3969/j.issn.1673 - 0194.2022.24.027
［中图分类号］F832 ［文献标识码］A ［文章编号］1673-0194（2022）24-0087-03
0 引 言
近年来，我国人民收入水平不断提升。国家统计局数据显示，2021年我国人均国内生产总值（Gross Domestic Product，GDP）达到80 976元，居民消费能力显著提升，其中精神消费的增长尤为突出，恩格尔系数连续9年降低，居民消费升级成为新趋势。“十四五”规划指出，要加快数字化发展，加强政策对数字普惠金融的引导。借助网络技术，数字普惠金融逐渐深入人们日常生活，成为影响人们消费投资的关键因素。因此，研究数字普惠金融与居民消费结构之间的关系，对转变当前居民消费方式、减少居民消费成本、促进国民经济转型都有重要意义。
本文采用2011年至2019年31个省份的省级居民消费面板数据，构建面板向量自回归（Vector Autoregression，VAR）模型，以光缆长度、移动电话普及率和互联网接入端口数作为工具变量加入模型，探讨数字普惠金融与居民消费结构间的动态关系，丰富相关理论的验证途径。 1 文献综述与理论假说
目前，国内学者主要通过两个途径来研究居民消费。第一个途径是居民消费受收入约束的影响，如邵驻波
立杰［1］发现工资性、经营性、投资性收入水平的提高能显著带动居民消费。第二个途径是居民消费受流动性约束的影响。学者们主要是基于预防性储蓄降低消费，信贷缓解流动性约束增加消费这两种机制来研究。预防性储蓄是指流动性约束会增加消费者行为的谨慎性，万广华［2］发现正是这一点造成了我国高储蓄率、低消费率的现状；张慧丽［3］发现增加居民短期消费信贷可以减少流动性约束，进而提高居民消费水平。此外，学者们还探讨了许多相关变量。微观方面，罗娟［4］发现金融知识通过影响家庭资产，对生存型、发展型和享受型消费有显著影响；宏观方面，李宏涛［5］发现财政政策能通过税收机制影响消费，货币政策能通过信贷机制影响消费。
我国对数字普惠金融的研究起步相对较晚。针对城乡收入差距，张贺［6］认为数字普惠金融会带来金融排斥进而扩大城乡收入差距，但包容效应、减贫效应和增长效应则会缩小这种差距；针对企业，梁榜［7］发现对中西部企业及传统金融覆盖不足的中小企业来说，数字普惠金融能降低融资成本，缓解融资约束，促进企业的技术创新；针对宏观经济，蒋长流［8］认为数字普惠金融会促进技术创新，提高企业的生产效率，实现经济的高质量发展。
综上所述，目前学者的研究主要聚焦于数字普惠金融对不同经济主体的影响，涉及居民消费结构的研究较少。基于此，本文采用2011年至2019年的31个省份的省级面板数据，深入研究数字普惠金融和居民
［收稿日期］2022-06-08
/ 87
CHINA MANAGEMENT INFORMATIONIZATION
数字经济
消费结构之间的关系，从个体微观角度为居民消费的研究提供新思路。
2 实证研究
2.1 模型构建
本文采用建立在传统向量自回归模型上的面板VAR模型，将所有变量均等量化，用相关滞后项来反映内生变量的变化。构建二阶滞后面板VAR模型如下。
y it=Γy it-1(LNDI-LNCE)+αit+βit+εit （1）其中，y it是面板数据2×1的内生变量，LNDI表示数字普惠金融，LNCE表示居民消费，i为省市，t 为年份，Γ是2×2系数矩阵，αit为2×1时间效应向量，βit为2×1个体效应向量。
2.2 指标选择、数据来源及处理
电铸模具
2.2.1 数字普惠金融指标
本文借鉴郭峰［9］构建的数字普惠金融指标模型，用数字金融覆盖广度、使用深度和数字化程度这3项指数来评估我国数字普惠金融的发展程度。其中，数字金融覆盖广度是指数字普惠金融应用的广泛程度，使用深度是指客户获得数字普惠金融服务的频率，数字化程度是指在有完备数字设施的区域，其数字普惠金融服务的效率高低与可得性大小。为避免因数据异方差引起的不良影响，将综合指数线性化处理取对数，用LNDI表示。
2.2.2 消费结构指标
在选取消费倾向指标时，为反映居民消费和数字普惠金融间的关系，根据国家统计局常用的消费统计分类，把食品消费类支出作为衡量消费结构的指标，用CE表示，线性化处理后用LNCE表示。
2.2.3 工具变量及控制变量
本文参考何宗樾［10］的做法，工具变量采取光缆长度、移动电话普及率和互联网接入端口数。
这3个变量均符合作为工具变量的必要条件，即相关性与排他性。一方面，光缆长度与互联网接入端口数均是在数字经济发展中传输信号的关键载体，是网络信息基础设施的关键组成部分，而移动电话是数字经济空间布置的重要工具，由此可预见，光纤长度越长、网络接入端口数越多、移动电话普及
率越高的区域，其数字化发展的水平也越高，反映了工具变量的相关性；另一方面，上述3个变量均是根据实际通信
需要而铺设的，与当期消费相比具有一定的滞后性，满足了排他性的约束条件。
2.2.4 数据来源及处理
本文选取国家统计局年鉴中的2011年至2019年我国31个省份的相关数据为样本。在实证中，全部数据都采用Eviews 10.0进行单位根检验，采用Stata 16.0构建系统差分模型。
3 实证结果分析
3.1 数据平稳性检验
本文通过单位根检验中的同根检验和异根检验来保证数据的平稳性，避免伪回归。表1为检验结果，可以看出LNCE、LNDI均为平稳序列，不存在单位根。
表1 变量的平稳性检验
变量LLC ADF结论
LNCE0.000 00.002 6平稳
探头板LNDI0.000 00.002 7平稳
3.2 面板VAR估计
在使用面板VAR模型时，本文考虑消减时间效应影响与个体效应影响，采用广义矩估计法（Generalized Method of Moments，GMM）分析数据。GMM估计包含差分GMM、水平GMM和系统GMM 3种，本文满足使用系统GMM的条件，因而采取此方法。
在对工具变量的适用性进行检验时，工具变量选取光缆长度、移动电话普及率、互联网端口接入数，因工具变量个数较少而采用hansen检验及AR检验（Arella no-Bond test for AR），结果如表2所示。根据AR（2）P值可知残差项存在一阶自相关但不存在二阶序列自相关，即工具变量有效。
表2 工具变量的hansen检验
—AR（1）AR（2）hansen
P值0.0700.0320.234
本文将数字普惠金融指标和居民消费指标纳入系统GMM得到如表3所示的结果。结果显示，模型通过Sargan检验，存在一阶自相关性，说明在2011—2019年我国居民消费存在惯性，证明了选取系统差分模型进行动态面板回归估计的合理性。此外，由表3可知，数字普惠金融与居民消费间存在显著关系。居民消费结构的优化对数字普惠金融的影响在第一期呈显著正向关系，并在其后减弱，表明居民消费结构的优化在短期内能推动数字普惠金融的发展，但随着时间的流逝，这种推动作用逐渐降低；数字普惠金融对
88/ CHINA MANAGEMENT INFORMATIONIZATION
数字经济
居民消费结构的影响则是在短期内呈负向关系，长期中呈正向关系，说明短期内数字普惠金融对居民消费
结构的优化存在抑制作用，但长远而言，对居民消费结构的优化有正面推动作用。抑制作用是因为数字普惠金融需要完善的数字技术和健全的基础设施来增强支付便利性，进而拉动消费升级；推动作用则是因为数字金融较低的交易成本和风险管理成本，使得居民预期收入上涨，超前消费累积，对冲居民消费风险，从而促进居民消费升级。
表3 高斯混合模型检验结果
变量LNDI LNCE LNDI（t-1） 1.58***0.399***
（15.32）（3.70）
LNCE（t-1）-0.324*** 1.104***
（-2.33）（10.21）
LNDI（t-2）-0.656***-0.303***
-4.63-3.85
任吉忠LNCE（t-2）0.109-0.267***
（1.44）（4.86）
注：表中***表示在1%显著性水平下显著，括号内为Z 统计值
3.3 稳健性检验
稳健性检验有助于增强结果的可靠性。首先是对变量数据进行误差修正。因居民消费在实际数据统计
中容易被低估，因此对居民消费指数LNCE作1%缩尾处理，结果依然表明，数字普惠金融对居民消费升级的影响在短期内呈负向关系，长期中呈正向关系。
其次是更换被解释变量的度量指标。将限额以上的餐饮公司数作为食品类消费变量，商品住宅投资额作为住宅类消费变量，网络接入端口数作为交通通信类消费变量，医疗机构数作为医疗类消费变量，高校数和博物馆数作为文教娱乐类消费变量，代入模型再次回归发现，发展数字普惠金融仍然有助于优化居民消费结构。
4 研究结论与建议
本文通过分析数字普惠金融对居民消费结构的影响，发现在短期内数字普惠金融的发展会抑制居民消费升级，但长期来看能推动消费升级；同时，居民消费结构优化也为数字普惠金融的发展奠定了需求基础。为解决前期数字普惠金融抑制居民消费升级的问题，本文提出以下建议。
第一，完善网络基础设施，为发展数字普惠金融提供条件，缩短数字普惠金融抑制居民消费的时间。同时要对数字普惠金融服务进行创新迭代，使其能够提供差异化、便捷化的服务。第二，增加数字普惠金融在短期信贷上的优势，激发消费潜力。扩大银行的合作范围，创新消费、信用、担保、融资以及信贷等新产品；放宽居民消费的流动性限制，减少预防性储蓄，增强数字普惠金融对居民消费的带动能力。第三，提高居民收入，增加城乡居民投资渠道。收入得到保障，居民才敢消费，由此才能进
一步优化消费结构，数字普惠金融才有发挥作用的空间，这需要培育居民正确的消费价值观，引导居民做出正确的投资 决策。
主要参考文献
［1］邵立杰.收入结构、预防性储蓄与居民消费动态关系研究［J］.商业经济研究,2020(14):66-69.
［2］万广华，张茵，牛建高.流动性约束、不确定性与中国居民消费［J］.经济研究,2001(11):35-44,94.
［3］张慧丽.流动性约束视角下短期消费信贷与居民消费动态关系研究［J］.商业经济研究,2020(15):44-47.
［4］罗娟.金融知识可以促进居民消费结构升级吗?——来自中国家庭金融调查数据的证据［J］.消费经济,2020(3):63-73.
［5］李宏涛，吴伟军，熊志发.中国财政货币政策对居民消费水平的影响：兼论稳健中性货币政策的过渡效应［J］.金融经济学研究,2018(3):32-42.
［6］张贺，白钦先.数字普惠金融减小了城乡收入差距吗?——基于中国省级数据的面板门槛回归分析［J］.经济问题探索,2018(10):122-129.
［7］梁榜，张建华.数字普惠金融发展能激励创新吗?——来自中国城市和中小企业的证据［J］.当代经济科学,2019(5):74-86.
［8］蒋长流，江成涛.数字普惠金融能否促进地区经济高质量发展?——基于258个城市的经验证据［J］.湖南科技大学学报：社会科学版,2020,23(3):75-84.
［9］郭峰，王靖一，王芳，等.测度中国数字普惠金融发展：指数编制与空间特征［J］.经济学2020(4):1401-1418.［10］何宗樾，宋旭光.数字金融发展如何影响居民消费［J］.
财贸经济,2020(8):65-79.
/ 89 CHINA MANAGEMENT INFORMATIONIZATION
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议