论文部分内容阅读
摘 要：采用中国家庭金融调查（CHFS）四期面板数据和北京大学数字普惠金融指数分析了普惠金融对家庭消费的影响。研究表明，普惠金融显著促进家庭消费支出，且对处在中低分位数的家庭消费支出的促进作用更强。进一步机制分析发现，普惠金融对高流动性资产不足的家庭消费具有显著促进作用，而对高流动性资产充足的家庭而言，普惠金融对其消费的促进作用并不稳健，即普惠金融在一定程度上缓减了家庭面临的流动性约束进而促进家庭消费。
关键词： 普惠金融;家庭消费;异质性消费者;流动性约束;家庭资产
中图分类号：F063.2 文献标识码： A 文章编号：1003-7217（2021）04-0002-08
一、引 言
当前，面对国内外经济环境的复杂变化，激发国内消费潜力成为促进经济发展的重要举措。根据国家统计局数据显示，2019年，我国最终消费支出增长对经济增长的贡献率达到57.8%。2020年最终消费支出占GDP的比重达到54.3%。可见，消费依然是拉动经济增长的重要动力。尽管2020年以来受到新冠肺炎疫情的影响，但随着国内疫情防控向好形势持续巩固，居民生活秩序明显恢复，特别是在扩大内需、促进消费等多项政策促进下，居民消费水平逐渐恢复。消费的逐步恢复和平稳增长与消费环境的持续改善是分不开的。其中，金融市场环境的完善，尤其是普惠金融的发展势必会对居民消费产生一定的影响。本文重点研究普惠金融对家庭消费的影响，并从家庭资产配置的视角识别异质性消费者，实证分析普惠金融对异质性消费者的影响。这对于促进国内大循环，加快构建完整的内需体系，完善促进消费体制机制，增强消费对经济发展的基础性作用具有重要现实意义。
作为金融发展的一部分，普惠金融是当下中国金融体制改革的重要工作，是完善中国金融市场的重要内容[1]。普惠金融对消费的影响也越来越受到学者们的关注。普惠金融的广泛深入推行，不仅提高了金融服务的可得性，使得更多家庭获得了正规的金融服务，还降低了信贷门槛，使得更多家庭可以享受信贷支持，拥有跨期资源配置的可能性。同时，还有利于家庭通过金融投资优化资产配置，提高家庭固定资产的可变现性[2]。这在一定程度上缓解了流动性约束、便利了居民支付，进而对家庭消费产生影响[3]。一些学者研究发现，普惠金融的发展有效地促进居民消费水平的提高，尤其对中西部地区居民消费有显著的促进作用[4，5]。也有学者发现，普惠金融不仅提升了居民消费水平，而且优化了消费结构[6]。还有学者认为，普惠金融通过降低收入不确定性促进了低收入和高收入家庭消费，而通过缓解流动性约束促进了中等收入家庭消费[2]。
另一方面，自20世纪30年代以来，消费经济理论从绝对收入假说到生命周期持久收入假说、再到流动性约束和预防性储蓄理论等不断发展。近几年，学者们开始关注异质性消费者行为。在这类文献中，Kaplan和Violante（2014）依据家庭资产组成结构的差异识别HtM（Hand-to-Mouth）（仅持有少量或者不持有流动性资产）和非HtM消费者（持有一定数量的流动性资产）的研究被认为是最具代表性的文獻[7]。在此之后，许多文献对异质性消费者的研究进行了扩展。Kaplan等（2014）进一步将 HtM消费者区分为贫穷型HtM消费者和富裕型HtM消费者。贫穷型HtM消费者仅持有少量或者不持有流动性资产，同时也几乎没有非流动性资产。富裕型HtM消费者仅持有少量或者不持有流动性资产，但却拥有大量的非流动性资产[8]。后续的研究分别从双资产模型（低回报的高流动性资产和高回报的低流动性资产）[7]、相对收入和相对债务高低[9]、购买住房获得住房的承诺利益（commitment benefit）[10]以及预期信贷约束（信贷限额、非必需品和服务消费、超前消费）导致的流动型HtM消费者（liquid Hand-to-Mouth）[11]等角度来解释富裕型HtM消费者的存在。
通过对文献的梳理可以发现，尽管一些学者研究了普惠金融对消费的影响，但却缺乏从异质性消费者角度进行分析的文献。相比已有研究，本文采用中国家庭金融调查（China Household Finance Survey，CHFS）2011、2013、2015、2017四期面板数据分析了普惠金融对家庭总消费和不同类别消费的影响;检验了普惠金融对异质性消费者的影响;采用北京大学数字金融研究中心编制的数字普惠金融指数，将其与CHFS数据匹配进行了稳健性检验。
二、研究设计
（一）模型设定
（二）数据来源与变量选取
选取中国家庭金融调查（CHFS）2011、2013、2015、2017年构造四期面板数据分析普惠金融对家庭消费的影响。接下来，对相关变量介绍如下：
1.被解释变量为家庭消费支出。根据CHFS关于家庭消费调查的项目，将其归类为食品、衣着、居住、家庭设备及用品、医疗保健、交通通信、文教娱乐及其他消费支出等八大类。这八大类消费支出的总和为家庭消费支出。在实证分析中，将家庭消费支出取对数处理。
2.核心解释变量为普惠金融。关于普惠金融的度量的文献大致分为两类。第一类文献是采用直接指标进行度量。这些指标包括一国拥有正式金融账户的家庭百分比[12]，正规金融机构账户的使用情况（正式账户）、正规金融机构储蓄（正式储蓄）和银行信贷（正式信贷）的使用情况等[13，14]。第二类文献是通过构建指标体系进行度量。这类文献认为，普惠金融衡量一个国家或地区金融部门的包容性，构建的普惠金融指数可以涵盖有关普惠金融各个方面的信息。多数学者从可得性、渗透性和使用效用性等维度构建普惠金融指数[15，16]，如以金融机构和ATM机的覆盖程度衡量可得性，以每千人拥有银行账户数量衡量地理渗透性，以实际存贷款占GDP比重来衡量使用效用性等。国内一些学者也通过可获得性、渗透性、使用效用性、可负担性、便利性、满意度等方面构建指标体系度量普惠金融[17，18]，但多数学者直接采用北京大学数字普惠金融指数进行研究[3-6]。 本文采用直接指标度量普惠金融。从已有文献来看，Demirguc-Kunt和Klapper（2013）研究发现，中国的金融排斥主要是由于缺乏正式信贷[19]。Fungacova和Weill（2015）证实了这一结论[14]。因此，使用两个指标来度量正规信贷市场中的金融包容性：是否使用信用卡（credit）和是否从正规金融机构获得贷款（floan）。同时，还采用了第三个指标，即是否拥有正式银行存款账户（account），这一指标也被广泛用于普惠金融的度量[13，14，20]。最后，以上述三种正式金融服务中任何一种的使用（拥有）情况衡量金融普惠性（inclusion）。即利用四个指标度量普惠金融：是否使用信用卡、是否拥有银行贷款、是否拥有银行存款账户以及是否拥有上述三种金融服务中的任何一种。
在CHFS调查问卷中，每个受访者被问到以下三组问题。第一组涉及信用卡（credit），其表述如下：“您家使用信用卡吗？未激活的信用卡不包括在内”。回答“是”的家庭，变量credit取值1。回答“否”的家庭，变量credit取值0。第二组问题涉及正规银行贷款（floan），调查问卷包括以下问题：“为了农业/工商业生产经营活动，目前您家有银行贷款吗”、“您家为购买/维修/改建/扩建/装修这套房屋，还有没有银行贷款”、“您的家人是否通过银行贷款购买汽车”以及“您家是否因家庭成员教育有银行贷款”。以上問题中，至少有一个回答“是”的家庭被确定为有正式的银行贷款。此时，变量floan取值1，否则取值0。第三组问题涉及正式银行存款账户（account），调查涉及以下问题：“您家是否有人民币活期存款账户”和“您家有未到期的人民币定期存款吗”。对以上至少一个问题回答“是”的家庭被确定为拥有正式银行存款账户。此时，变量account取值1，否则取值0。最后，根据以上提到的三个指标生成衡量普惠金融的综合指标inclusion。若家庭拥有上述三种金融服务中的至少一种，则变量inclusion取值1，否则为0。
同时，还分别从个体层面和家庭层面选取控制变量。个体层面控制了户主年龄、年龄平方/100、受教育程度、健康状况、工作情况和婚姻状况。其中，受教育程度为虚拟变量，大专及以上赋值为1，大专以下赋值为0;健康状况为虚拟变量，将健康和一般赋值为1，其他赋值为0;工作情况为虚拟变量，有工作赋值为1，其他赋值为0;对于婚姻状况，将在婚赋值为1，其他赋值为0。家庭层面控制了家庭收入、家庭资产、家庭规模等反映家庭状况的特征变量。关于家庭资产，将其分为高流动性资产和低流动性资产两类。借鉴臧旭恒和张欣（2018）的做法[21]，使用家庭金融资产净值（包括储蓄存款、基金、股票和债券等）度量高流动性资产，即家庭拥有的金融资产与非住房金融负债之差。使用家庭拥有的住房资产和车辆资产净值度量低流动性资产，即家庭总住房和车辆资产与家庭总住房和车辆贷款之差。此外，还控制了家庭对待风险的态度。根据受访者对“如果您有一笔资产，您愿意选择哪种投资项目”的回答来反映家庭的风险态度。风险态度为分类变量，分别为风险偏好、风险厌恶和风险中性。
（三）数据筛选与描述性统计
首先，使用CHFS四期调查数据，将各年家庭样本和成人样本进行匹配后共得到25789个样本量;鉴于数据完整性，剔除了存在缺失值的样本，得到23494个样本量;为避免异常值的影响，剔除家庭收入、消费支出、家庭低流动资产和高流动性资产最高和最低1%的样本，得到22161个样本量;最后，取四期平衡面板得到12060个样本量，共3015户家庭。
表1给出了变量的描述性统计。是否使用信用卡和是否拥有银行贷款的均值分别为0.090和0.100，意味着大约有10%的家庭使用/拥有信用卡和银行贷款;是否拥有银行存款账户的均值为0.720，即有72%的家庭拥有银行存款账户;户主的平均年龄为54.46岁;有10%的家庭户主接受过大专及以上教育;户主婚姻状况均值为0.900，即有90%的在婚样本;有74%的家庭户主是有工作的;有82%的户主身体健康状况良好;有46%的样本来自农村，54%的样本来自城镇;家庭收入、消费支出、高流动性资产和低流动性资产的最小值和最大值也表明样本存在变异性。
三、实证分析
（一）基准回归
依据前文的分析，首先估计普惠金融对家庭消费支出的影响。表2报告了固定效应模型估计结果。第（1）～（4）列分别为是否使用信用卡、是否拥有银行贷款、是否拥有银行存款账户以及是否拥有上述三种金融服务的任一种对家庭消费支出影响的估计结果。回归结果显示，是否使用信用卡的估计系数为0.079，是否拥有银行贷款的估计系数为0.110，是否拥有银行存款账户的估计系数为0.065，且均在1%的水平上显著，是否拥有以上任一种金融服务的回归系数为0.073，在1%的水平上显著。这表明普惠金融显著促进了家庭消费支出。第（5）列是将是否使用信用卡、是否拥有银行贷款、是否拥有银行存款账户对家庭消费支出进行回归。三者的估计系数均显著为正，进一步表明普惠金融对家庭消费支出具有显著的促进作用。
从控制变量来看，相比未婚户主的家庭，在婚户主的家庭消费支出更多。是否有工作对家庭消费的影响显著为负，这可以理解为工作时间对消费产生的替代作用。相比风险中性的家庭，风险厌恶的家庭消费支出更少，可能原因是风险厌恶的家庭为预防未来不确定性而进行预防性储蓄[22]，进而减少了其当期消费支出。家庭规模、家庭收入和家庭总资产对家庭消费均有显著的正向影响。
进一步地，讨论普惠金融对家庭不同类别消费的影响。表3报告了是否拥有三种金融服务的任一种对不同类别消费影响的估计结果。可知，普惠金融对家庭食品、衣着、医疗保健、交通通信及其他消费均具有显著正向影响，但对居住、家庭设备及日用品、文教娱乐消费的影响并不显著。由于居住、家庭设备及日用品、文教娱乐中的教育和培训支出可以归类为耐用品大类，这在一定程度上说明，普惠金融对家庭非耐用品消费的促进作用是显著的，而对耐用品消费支出的影响并不显著。 （二）机制分析
从家庭资产配置的视角识别家庭面临的流动性约束。Kaplan等（2014）将由于高流动性资产不足而受到流动性约束的消费者界定为 HtM消费者[8]。借鉴Kaplan等（2014）、臧旭恒和张欣（2018）的做法[8，21]，根据高流动性资产与收入的比例关系，对异质性消费者进行界定，考察普惠金融对异质性消费者的影响，以此检验普惠金融对家庭消费的影响机制——缓减家庭面临的流动性约束。
假设家庭在每期的期末收到当期收入，且在每期内以均匀的速率消费，那么在该期期中家庭的流动性较高的资产的平均值应为当期收入的一半，即y/2。如果高流动性资产水平（m）满足m 表4分别给出了以y/2、y/4、3y/4为判别标准的HtM消费者与非HtM消费者的比例。如果以y/2为判别标准，那么HtM消费者占比达到65.37%，非HtM消费者占比为34.63%。其中，贫穷型HtM消费者占比为5.27%，富裕型HtM消费者占比为60.10%，贫穷型非HtM消费者占比為2.24%，富裕型非HtM消费者占比为32.39%。随着判别标准门槛值的提高，HtM消费者的占比越来越高。如果以y/4为判别标准，那么HtM消费者的比例为53.10%。如果以3y/4为判别标准，那么HtM消费者的比例高达72.28%。也就是说，我国有超过一半的家庭面临着高流动性资产不足的困境。Kaplan 等（2014）研究表明，由于高流动性资产不足而受到流动性约束的消费者通常表现出较高的边际消费倾向，即这部分消费者对于收入变动有着较高的敏感性[8]。
在测算了HtM消费者与非HtM消费者比例的基础上，分析普惠金融对异质性消费者的影响。表5给出了是否使用信用卡、是否拥有银行贷款、是否拥有银行存款账户对异质性消费者影响的估计结果以及是否拥有三种金融服务的任一种对异质性消费者影响的估计结果。其中，第（1）（3）（5）列分别为以y/2、y/4、3y/4为判别标准的HtM消费者回归结果。第（2）（4）（6）列分别为以y/2、y/4、3y/4为判别标准的非HtM消费者回归结果。
表5结果显示，是否使用信用卡、是否拥有银行贷款对HtM消费者和非HtM消费者的消费支出均有显著正向影响。是否拥有银行存款账户对HtM消费者消费有显著正向影响，但是对非HtM消费者的正向显著影响并不稳健。然后，以是否拥有三种金融服务的任一种即普惠金融综合指标为解释变量对异质性消费者进行回归。结果表明，普惠金融对HtM消费者有显著的促进作用，而对非HtM 消费者的影响并不稳健。从资产流动性的角度可以解释为，在控制了其他变量的情况下，相对于非HtM 消费者而言，HtM 消费者由于高流动性资产不足更容易受到流动性约束，普惠金融在一定程度上缓减了这部分消费者面临的流动性约束，进而显著促进了HtM消费者的支出。
四、稳健性检验
（一）采用不同数据库的检验
这部分采用北京大学数字普惠金融指数替换核心解释变量，将其与CHFS数据进行匹配做稳健性检验。北京大学数字普惠金融指数包括数字普惠金融指数（index）、数字金融覆盖广度（breadth）、数字金融使用深度（depth）等[23]。表6报告了采用这套数据的回归结果。其中，第（1）（2）（3）列分别为数字普惠金融指数、数字金融覆盖广度、数字金融使用深度对家庭消费影响的回归结果。估计系数均显著为正。这与基准回归的结果一致，表明普惠金融对家庭消费的促进作用是稳健的。当然，估计结果也表明普惠金融覆盖广度和使用深度对家庭消费也具有显著的促进作用。
表7报告了采用北京大学数字普惠金融指数对HtM和非HtM消费者影响的回归结果。同样，第（1）（3）（5）列分别为以y/2、y/4、3y/4为判别标准的HtM消费者回归结果。第（2）（4）（6）列分别为以y/2、y/4、3y/4为判别标准的非HtM消费者回归结果。结果表明，普惠金融对HtM消费者消费有显著正向的影响。随着普惠金融制度的深入推行，降低了信贷门槛，使得HtM消费者可以享受信贷待遇，进而有效缓解当期流动性约束。然而，尽管普惠金融对非HtM消费者也具有显著促进作用，但并不稳健。这与前文的估计结果是一致的。
（二）分位数回归
前文采用面板数据固定效应模型实证检验了普惠金融对家庭消费的影响，但这仅仅是均值回归，容易受到数据总体分布等的影响。为了更加全面地考察条件分布的相关信息，接下来，采用面板分位数回归方法检验普惠金融对家庭消费在不同分位数的影响，分别选择 10%、25%、50%、75%、90%五个具有代表性的分位点进行了估计。结果如表8所示。
表8分别报告了仅使用CHFS数据，以及CHFS匹配了北京大学数字普惠金融发展指数进行分位数回归的估计结果。普惠金融的估计系数在所有分位点处均显著为正，表明普惠金融促进家庭消费的结论是稳健的。其中，50%分位数回归系数与面板固定效应基准回归的估计系数相等，两种指标分别为0.073和0.180。随着分位数的增加，普惠金融的回归系数不断下降。普惠金融带来最大影响的分位数是下十分位数。这表明，普惠金融对家庭消费的条件分布在较高分位数处的影响低于在较低分位数处的影响，即相对于处在高分位数处的家庭，普惠金融对处在中低分位数处的家庭消费有更显著的促进作用。
（三）内生性处理
普惠金融对家庭消费的影响可能由于双向因果及遗漏变量等原因导致内生性问题。首先，普惠金融的发展对家庭消费产生一定的影响。反过来，普惠金融的创新和发展也可能受到家庭消费需求不断扩大的影响;其次，普惠金融可能与地区经济社会状况相关，普惠金融的发展程度可能反映了地区经济的发展情况，经济发展迅速的地区，居民家庭消费水平随之提升。基于上述两点，普惠金融与家庭消费之间可能存在循环累积的双向因果关系;最后，由于影响家庭消费的因素有很多，其中包括地区的经济社会差异等不可观测的因素，因而可能存在遗漏变量的情况。 为了克服内生性，采用工具变量（IV）策略，参考傅秋子和黄益平（2018）、张勋等（2019）的研究[24，25]，选取“家庭所在省份的省会城市到杭州的距离”作为普惠金融的工具变量。然而，由于家庭所在省份的省会城市到杭州的距离是不随时间变化的，故采用“家庭所在省份的省会城市到杭州的距离与普惠金融的交互项”作为工具变量。从工具变量与内生变量相关性来看，家庭所在省份的省會城市到杭州的距离与城市的普惠金融发展水平高度相关。从外生性角度看，家庭消费并不会受到家庭所在省份的省会城市到杭州的距离的影响。因而，有理由认为“家庭所在省份的省会城市到杭州的距离与普惠金融的交互项”符合工具变量的选取原则。
表9报告了采用工具变量法进行稳健性检验的估计结果。其中，第（1）（2）列为CHFS度量的普惠金融（inclusion）对家庭消费的工具变量估计结果，第（3）（4）列为北京大学数字普惠金融指数（ln index）对家庭消费的工具变量回归结果。通过第（2）（4）列的2SLS第一阶段估计结果可得，所选工具变量与解释变量均在1%水平上显著正相关。因此，该工具变量满足相关性要求。另一方面，工具变量一阶段估计F统计量的值均大于10，可以认为弱工具变量的问题在回归中并不存在。表9的第（1）（3）列报告了2SLS的第二阶段估计结果。普惠金融的估计系数无论显著性还是大小方向均与前文基本一致，表明普惠金融显著促进家庭消费的结果是稳健的。
五、结论与政策建议
通过中国家庭金融调查CHFS四期面板数据，首先分析了普惠金融对家庭总消费和分类消费支出的影响;然后，在识别异质性消费者并测算其比例的基础上，分析了普惠金融对HtM消费者和非HtM消费者的异质性影响;最后，分别采用更换核心解释变量、分位数回归以及工具变量法进行了稳健性检验。研究表明：（1）普惠金融对家庭消费具有显著促进作用，且促进作用主要表现在家庭食品、衣着、医疗保健、交通通信和其他商品及服务等方面，而对于居住、家庭设备及用品、文教娱乐等方面的影响并不显著;（2）随着分位数从10%～90%的提高，普惠金融的估计系数越来越小，即相对于高分位数处的家庭，普惠金融对处在中低分位数的家庭消费支出的促进作用更强;（3）对高流动性资产不足的家庭而言，普惠金融对其消费具有显著促进作用，而对高流动性资产充足的家庭而言，普惠金融对其消费的促进作用并不稳健。
为此，提出政策建议：（1）以服务人民生活为落脚点发展普惠金融，提高金融机构渗透率，提升正规金融服务的覆盖率，将更多经济主体纳入金融服务体系，享受普惠金融带来的红利，满足人民群众日益增长的金融服务需求，进而缓减居民面临的流动性约束，释放HtM消费者的消费潜力;（2）充分发挥普惠金融对家庭医疗保健、交通通信等消费的显著促进作用，以满足家庭对于发展和享受型消费的需求，进而促进居民消费结构升级;（3）推动普惠金融发展的深度，均衡地提供普惠金融服务，尤其提升中低收入居民普惠金融的可得性，充分发挥普惠金融显著促进中低分位数处家庭消费的作用，进一步提升金融对促进消费的支持作用，从而完善促进消费体制机制，增强消费对经济发展的基础性作用。同时，这也为扩大内需，促进国内大循环提供了一种可行的思路。
参考文献：
[1] 张栋浩，尹志超.金融普惠、风险应对与农村家庭贫困脆弱性[J].中国农村经济，2018（4）：54-73.
[2] 张栋浩，王栋，杜在超.金融普惠、收入阶层与中国家庭消费[J].财经科学，2020（6）：1-15.
[3] 易行健，周利.数字普惠金融发展是否显著影响了居民消费——来自中国家庭的微观证据[J]金融研究，2018（11）：47-67.
[4] 南永清，宋明月，肖浩然.数字普惠金融与城镇居民消费潜力释放[J].当代经济研究，2020（5）：102-112.
[5] 邹新月，王旺.数字普惠金融对居民消费的影响研究——基于空间计量模型的实证分析[J].金融经济学研究，2020，35（4）：133-145.
[6] 江红莉，蒋鹏程.数字普惠金融的居民消费水平提升和结构优化效应研究[J].现代财经（天津财经大学学报），2020，40（10）：18-32.
[7] Kaplan G， Violante G L. A model of the consumption response to fiscal stimulus payments[J].Econometrica，2014，82（4）：1199-1555.
[8] Kaplan G， Violante G L， Weidner J. The wealthy hand-to-mouth[J].Brookings Papers on Economic Activity，2014（1）：77-138.
[9] Park K Y. The wealthy hand-to-mouth households in South Korea[J].Global Economic Review，2017，46（3）：299-324.
[10]Attanasio O， Kovacsy A， Moran P. Temptation and commitment： Understanding hand-to-mouth behavior[R].New York： NBER Working Paper，No.27944，2020.
[11]Olafsson A， Pagel M. The liquid hand-to-mouth： Evidence from personal finance management software[J].The Review of Financial Studies，2018，31（11）：4398-4446. [12]Honohan P. Cross-country variation in household access to financial services[J].Journal of Banking & Finance，2008，32（11）：2493-2500.
[13]Demirguc-Kunt A， Klapper L. Measuring financial inclusion： The Global Findex Database[R].Washington D C： World Bank Policy Research Working Papers，No.6025，2012.
[14]Fungacova Z， Weill L. Understanding financial inclusion in China[J].China Economic Review，2015，34：196-206.
[15]Sarma M. Index of financial inclusion[R].New Delhi： ICRIER Working Paper，No.215，2008.
[16]Sarma M， Pais J. Financial inclusion and development[J].Journal of International Development，2011，23（5）：613-628.
[17]王修華，赵亚雄.中国金融包容的增长效应与实现机制[J].数量经济技术经济研究，2019，36（1）：42-59.
[18]尹志超，彭嫦燕，里昂安吉拉.中国家庭普惠金融的发展及影响[J].管理世界，2019，35（2）：74-87.
[19]Demirguc-Kunt A， Klapper L. Measuring financial inclusion： Explaining variation in use of financial services across and within countries[J].Brookings Papers on Economic Activity，2013（1）：279-340.
[20]齐红倩，李志创.中国普惠金融发展水平测度与评价——基于不同目标群体的微观实证研究[J].数量经济技术经济研究，2019，36（5）：101-117.
[21]臧旭恒，张欣.中国家庭资产配置与异质性消费者行为分析[J].经济研究，2018，53（3）：21-34.
[22]宋明月.中国居民预防性储蓄与消费行为研究[M].北京：中国社会科学出版社，2019：140-151.
[23]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（季刊），2020，19（4）：1401-1418.
[24]傅秋子，黄益平.数字金融对农村金融需求的异质性影响——来自中国家庭金融调查与北京大学数字普惠金融指数的证据[J].金融研究，2018（11）：68-84.
[25]张勋，万广华，张佳佳，等.数字经济、普惠金融与包容性增长[J].经济研究，2019，54（8）：71-86.
（责任编辑：厉 亚）
关键词： 普惠金融;家庭消费;异质性消费者;流动性约束;家庭资产
中图分类号：F063.2 文献标识码： A 文章编号：1003-7217（2021）04-0002-08
一、引 言
当前，面对国内外经济环境的复杂变化，激发国内消费潜力成为促进经济发展的重要举措。根据国家统计局数据显示，2019年，我国最终消费支出增长对经济增长的贡献率达到57.8%。2020年最终消费支出占GDP的比重达到54.3%。可见，消费依然是拉动经济增长的重要动力。尽管2020年以来受到新冠肺炎疫情的影响，但随着国内疫情防控向好形势持续巩固，居民生活秩序明显恢复，特别是在扩大内需、促进消费等多项政策促进下，居民消费水平逐渐恢复。消费的逐步恢复和平稳增长与消费环境的持续改善是分不开的。其中，金融市场环境的完善，尤其是普惠金融的发展势必会对居民消费产生一定的影响。本文重点研究普惠金融对家庭消费的影响，并从家庭资产配置的视角识别异质性消费者，实证分析普惠金融对异质性消费者的影响。这对于促进国内大循环，加快构建完整的内需体系，完善促进消费体制机制，增强消费对经济发展的基础性作用具有重要现实意义。
作为金融发展的一部分，普惠金融是当下中国金融体制改革的重要工作，是完善中国金融市场的重要内容[1]。普惠金融对消费的影响也越来越受到学者们的关注。普惠金融的广泛深入推行，不仅提高了金融服务的可得性，使得更多家庭获得了正规的金融服务，还降低了信贷门槛，使得更多家庭可以享受信贷支持，拥有跨期资源配置的可能性。同时，还有利于家庭通过金融投资优化资产配置，提高家庭固定资产的可变现性[2]。这在一定程度上缓解了流动性约束、便利了居民支付，进而对家庭消费产生影响[3]。一些学者研究发现，普惠金融的发展有效地促进居民消费水平的提高，尤其对中西部地区居民消费有显著的促进作用[4，5]。也有学者发现，普惠金融不仅提升了居民消费水平，而且优化了消费结构[6]。还有学者认为，普惠金融通过降低收入不确定性促进了低收入和高收入家庭消费，而通过缓解流动性约束促进了中等收入家庭消费[2]。
另一方面，自20世纪30年代以来，消费经济理论从绝对收入假说到生命周期持久收入假说、再到流动性约束和预防性储蓄理论等不断发展。近几年，学者们开始关注异质性消费者行为。在这类文献中，Kaplan和Violante（2014）依据家庭资产组成结构的差异识别HtM（Hand-to-Mouth）（仅持有少量或者不持有流动性资产）和非HtM消费者（持有一定数量的流动性资产）的研究被认为是最具代表性的文獻[7]。在此之后，许多文献对异质性消费者的研究进行了扩展。Kaplan等（2014）进一步将 HtM消费者区分为贫穷型HtM消费者和富裕型HtM消费者。贫穷型HtM消费者仅持有少量或者不持有流动性资产，同时也几乎没有非流动性资产。富裕型HtM消费者仅持有少量或者不持有流动性资产，但却拥有大量的非流动性资产[8]。后续的研究分别从双资产模型（低回报的高流动性资产和高回报的低流动性资产）[7]、相对收入和相对债务高低[9]、购买住房获得住房的承诺利益（commitment benefit）[10]以及预期信贷约束（信贷限额、非必需品和服务消费、超前消费）导致的流动型HtM消费者（liquid Hand-to-Mouth）[11]等角度来解释富裕型HtM消费者的存在。
通过对文献的梳理可以发现，尽管一些学者研究了普惠金融对消费的影响，但却缺乏从异质性消费者角度进行分析的文献。相比已有研究，本文采用中国家庭金融调查（China Household Finance Survey，CHFS）2011、2013、2015、2017四期面板数据分析了普惠金融对家庭总消费和不同类别消费的影响;检验了普惠金融对异质性消费者的影响;采用北京大学数字金融研究中心编制的数字普惠金融指数，将其与CHFS数据匹配进行了稳健性检验。
二、研究设计
（一）模型设定
（二）数据来源与变量选取
选取中国家庭金融调查（CHFS）2011、2013、2015、2017年构造四期面板数据分析普惠金融对家庭消费的影响。接下来，对相关变量介绍如下：
1.被解释变量为家庭消费支出。根据CHFS关于家庭消费调查的项目，将其归类为食品、衣着、居住、家庭设备及用品、医疗保健、交通通信、文教娱乐及其他消费支出等八大类。这八大类消费支出的总和为家庭消费支出。在实证分析中，将家庭消费支出取对数处理。
2.核心解释变量为普惠金融。关于普惠金融的度量的文献大致分为两类。第一类文献是采用直接指标进行度量。这些指标包括一国拥有正式金融账户的家庭百分比[12]，正规金融机构账户的使用情况（正式账户）、正规金融机构储蓄（正式储蓄）和银行信贷（正式信贷）的使用情况等[13，14]。第二类文献是通过构建指标体系进行度量。这类文献认为，普惠金融衡量一个国家或地区金融部门的包容性，构建的普惠金融指数可以涵盖有关普惠金融各个方面的信息。多数学者从可得性、渗透性和使用效用性等维度构建普惠金融指数[15，16]，如以金融机构和ATM机的覆盖程度衡量可得性，以每千人拥有银行账户数量衡量地理渗透性，以实际存贷款占GDP比重来衡量使用效用性等。国内一些学者也通过可获得性、渗透性、使用效用性、可负担性、便利性、满意度等方面构建指标体系度量普惠金融[17，18]，但多数学者直接采用北京大学数字普惠金融指数进行研究[3-6]。 本文采用直接指标度量普惠金融。从已有文献来看，Demirguc-Kunt和Klapper（2013）研究发现，中国的金融排斥主要是由于缺乏正式信贷[19]。Fungacova和Weill（2015）证实了这一结论[14]。因此，使用两个指标来度量正规信贷市场中的金融包容性：是否使用信用卡（credit）和是否从正规金融机构获得贷款（floan）。同时，还采用了第三个指标，即是否拥有正式银行存款账户（account），这一指标也被广泛用于普惠金融的度量[13，14，20]。最后，以上述三种正式金融服务中任何一种的使用（拥有）情况衡量金融普惠性（inclusion）。即利用四个指标度量普惠金融：是否使用信用卡、是否拥有银行贷款、是否拥有银行存款账户以及是否拥有上述三种金融服务中的任何一种。
在CHFS调查问卷中，每个受访者被问到以下三组问题。第一组涉及信用卡（credit），其表述如下：“您家使用信用卡吗？未激活的信用卡不包括在内”。回答“是”的家庭，变量credit取值1。回答“否”的家庭，变量credit取值0。第二组问题涉及正规银行贷款（floan），调查问卷包括以下问题：“为了农业/工商业生产经营活动，目前您家有银行贷款吗”、“您家为购买/维修/改建/扩建/装修这套房屋，还有没有银行贷款”、“您的家人是否通过银行贷款购买汽车”以及“您家是否因家庭成员教育有银行贷款”。以上問题中，至少有一个回答“是”的家庭被确定为有正式的银行贷款。此时，变量floan取值1，否则取值0。第三组问题涉及正式银行存款账户（account），调查涉及以下问题：“您家是否有人民币活期存款账户”和“您家有未到期的人民币定期存款吗”。对以上至少一个问题回答“是”的家庭被确定为拥有正式银行存款账户。此时，变量account取值1，否则取值0。最后，根据以上提到的三个指标生成衡量普惠金融的综合指标inclusion。若家庭拥有上述三种金融服务中的至少一种，则变量inclusion取值1，否则为0。
同时，还分别从个体层面和家庭层面选取控制变量。个体层面控制了户主年龄、年龄平方/100、受教育程度、健康状况、工作情况和婚姻状况。其中，受教育程度为虚拟变量，大专及以上赋值为1，大专以下赋值为0;健康状况为虚拟变量，将健康和一般赋值为1，其他赋值为0;工作情况为虚拟变量，有工作赋值为1，其他赋值为0;对于婚姻状况，将在婚赋值为1，其他赋值为0。家庭层面控制了家庭收入、家庭资产、家庭规模等反映家庭状况的特征变量。关于家庭资产，将其分为高流动性资产和低流动性资产两类。借鉴臧旭恒和张欣（2018）的做法[21]，使用家庭金融资产净值（包括储蓄存款、基金、股票和债券等）度量高流动性资产，即家庭拥有的金融资产与非住房金融负债之差。使用家庭拥有的住房资产和车辆资产净值度量低流动性资产，即家庭总住房和车辆资产与家庭总住房和车辆贷款之差。此外，还控制了家庭对待风险的态度。根据受访者对“如果您有一笔资产，您愿意选择哪种投资项目”的回答来反映家庭的风险态度。风险态度为分类变量，分别为风险偏好、风险厌恶和风险中性。
（三）数据筛选与描述性统计
首先，使用CHFS四期调查数据，将各年家庭样本和成人样本进行匹配后共得到25789个样本量;鉴于数据完整性，剔除了存在缺失值的样本，得到23494个样本量;为避免异常值的影响，剔除家庭收入、消费支出、家庭低流动资产和高流动性资产最高和最低1%的样本，得到22161个样本量;最后，取四期平衡面板得到12060个样本量，共3015户家庭。
表1给出了变量的描述性统计。是否使用信用卡和是否拥有银行贷款的均值分别为0.090和0.100，意味着大约有10%的家庭使用/拥有信用卡和银行贷款;是否拥有银行存款账户的均值为0.720，即有72%的家庭拥有银行存款账户;户主的平均年龄为54.46岁;有10%的家庭户主接受过大专及以上教育;户主婚姻状况均值为0.900，即有90%的在婚样本;有74%的家庭户主是有工作的;有82%的户主身体健康状况良好;有46%的样本来自农村，54%的样本来自城镇;家庭收入、消费支出、高流动性资产和低流动性资产的最小值和最大值也表明样本存在变异性。
三、实证分析
（一）基准回归
依据前文的分析，首先估计普惠金融对家庭消费支出的影响。表2报告了固定效应模型估计结果。第（1）～（4）列分别为是否使用信用卡、是否拥有银行贷款、是否拥有银行存款账户以及是否拥有上述三种金融服务的任一种对家庭消费支出影响的估计结果。回归结果显示，是否使用信用卡的估计系数为0.079，是否拥有银行贷款的估计系数为0.110，是否拥有银行存款账户的估计系数为0.065，且均在1%的水平上显著，是否拥有以上任一种金融服务的回归系数为0.073，在1%的水平上显著。这表明普惠金融显著促进了家庭消费支出。第（5）列是将是否使用信用卡、是否拥有银行贷款、是否拥有银行存款账户对家庭消费支出进行回归。三者的估计系数均显著为正，进一步表明普惠金融对家庭消费支出具有显著的促进作用。
从控制变量来看，相比未婚户主的家庭，在婚户主的家庭消费支出更多。是否有工作对家庭消费的影响显著为负，这可以理解为工作时间对消费产生的替代作用。相比风险中性的家庭，风险厌恶的家庭消费支出更少，可能原因是风险厌恶的家庭为预防未来不确定性而进行预防性储蓄[22]，进而减少了其当期消费支出。家庭规模、家庭收入和家庭总资产对家庭消费均有显著的正向影响。
进一步地，讨论普惠金融对家庭不同类别消费的影响。表3报告了是否拥有三种金融服务的任一种对不同类别消费影响的估计结果。可知，普惠金融对家庭食品、衣着、医疗保健、交通通信及其他消费均具有显著正向影响，但对居住、家庭设备及日用品、文教娱乐消费的影响并不显著。由于居住、家庭设备及日用品、文教娱乐中的教育和培训支出可以归类为耐用品大类，这在一定程度上说明，普惠金融对家庭非耐用品消费的促进作用是显著的，而对耐用品消费支出的影响并不显著。 （二）机制分析
从家庭资产配置的视角识别家庭面临的流动性约束。Kaplan等（2014）将由于高流动性资产不足而受到流动性约束的消费者界定为 HtM消费者[8]。借鉴Kaplan等（2014）、臧旭恒和张欣（2018）的做法[8，21]，根据高流动性资产与收入的比例关系，对异质性消费者进行界定，考察普惠金融对异质性消费者的影响，以此检验普惠金融对家庭消费的影响机制——缓减家庭面临的流动性约束。
假设家庭在每期的期末收到当期收入，且在每期内以均匀的速率消费，那么在该期期中家庭的流动性较高的资产的平均值应为当期收入的一半，即y/2。如果高流动性资产水平（m）满足m
在测算了HtM消费者与非HtM消费者比例的基础上，分析普惠金融对异质性消费者的影响。表5给出了是否使用信用卡、是否拥有银行贷款、是否拥有银行存款账户对异质性消费者影响的估计结果以及是否拥有三种金融服务的任一种对异质性消费者影响的估计结果。其中，第（1）（3）（5）列分别为以y/2、y/4、3y/4为判别标准的HtM消费者回归结果。第（2）（4）（6）列分别为以y/2、y/4、3y/4为判别标准的非HtM消费者回归结果。
表5结果显示，是否使用信用卡、是否拥有银行贷款对HtM消费者和非HtM消费者的消费支出均有显著正向影响。是否拥有银行存款账户对HtM消费者消费有显著正向影响，但是对非HtM消费者的正向显著影响并不稳健。然后，以是否拥有三种金融服务的任一种即普惠金融综合指标为解释变量对异质性消费者进行回归。结果表明，普惠金融对HtM消费者有显著的促进作用，而对非HtM 消费者的影响并不稳健。从资产流动性的角度可以解释为，在控制了其他变量的情况下，相对于非HtM 消费者而言，HtM 消费者由于高流动性资产不足更容易受到流动性约束，普惠金融在一定程度上缓减了这部分消费者面临的流动性约束，进而显著促进了HtM消费者的支出。
四、稳健性检验
（一）采用不同数据库的检验
这部分采用北京大学数字普惠金融指数替换核心解释变量，将其与CHFS数据进行匹配做稳健性检验。北京大学数字普惠金融指数包括数字普惠金融指数（index）、数字金融覆盖广度（breadth）、数字金融使用深度（depth）等[23]。表6报告了采用这套数据的回归结果。其中，第（1）（2）（3）列分别为数字普惠金融指数、数字金融覆盖广度、数字金融使用深度对家庭消费影响的回归结果。估计系数均显著为正。这与基准回归的结果一致，表明普惠金融对家庭消费的促进作用是稳健的。当然，估计结果也表明普惠金融覆盖广度和使用深度对家庭消费也具有显著的促进作用。
表7报告了采用北京大学数字普惠金融指数对HtM和非HtM消费者影响的回归结果。同样，第（1）（3）（5）列分别为以y/2、y/4、3y/4为判别标准的HtM消费者回归结果。第（2）（4）（6）列分别为以y/2、y/4、3y/4为判别标准的非HtM消费者回归结果。结果表明，普惠金融对HtM消费者消费有显著正向的影响。随着普惠金融制度的深入推行，降低了信贷门槛，使得HtM消费者可以享受信贷待遇，进而有效缓解当期流动性约束。然而，尽管普惠金融对非HtM消费者也具有显著促进作用，但并不稳健。这与前文的估计结果是一致的。
（二）分位数回归
前文采用面板数据固定效应模型实证检验了普惠金融对家庭消费的影响，但这仅仅是均值回归，容易受到数据总体分布等的影响。为了更加全面地考察条件分布的相关信息，接下来，采用面板分位数回归方法检验普惠金融对家庭消费在不同分位数的影响，分别选择 10%、25%、50%、75%、90%五个具有代表性的分位点进行了估计。结果如表8所示。
表8分别报告了仅使用CHFS数据，以及CHFS匹配了北京大学数字普惠金融发展指数进行分位数回归的估计结果。普惠金融的估计系数在所有分位点处均显著为正，表明普惠金融促进家庭消费的结论是稳健的。其中，50%分位数回归系数与面板固定效应基准回归的估计系数相等，两种指标分别为0.073和0.180。随着分位数的增加，普惠金融的回归系数不断下降。普惠金融带来最大影响的分位数是下十分位数。这表明，普惠金融对家庭消费的条件分布在较高分位数处的影响低于在较低分位数处的影响，即相对于处在高分位数处的家庭，普惠金融对处在中低分位数处的家庭消费有更显著的促进作用。
（三）内生性处理
普惠金融对家庭消费的影响可能由于双向因果及遗漏变量等原因导致内生性问题。首先，普惠金融的发展对家庭消费产生一定的影响。反过来，普惠金融的创新和发展也可能受到家庭消费需求不断扩大的影响;其次，普惠金融可能与地区经济社会状况相关，普惠金融的发展程度可能反映了地区经济的发展情况，经济发展迅速的地区，居民家庭消费水平随之提升。基于上述两点，普惠金融与家庭消费之间可能存在循环累积的双向因果关系;最后，由于影响家庭消费的因素有很多，其中包括地区的经济社会差异等不可观测的因素，因而可能存在遗漏变量的情况。 为了克服内生性，采用工具变量（IV）策略，参考傅秋子和黄益平（2018）、张勋等（2019）的研究[24，25]，选取“家庭所在省份的省会城市到杭州的距离”作为普惠金融的工具变量。然而，由于家庭所在省份的省会城市到杭州的距离是不随时间变化的，故采用“家庭所在省份的省会城市到杭州的距离与普惠金融的交互项”作为工具变量。从工具变量与内生变量相关性来看，家庭所在省份的省會城市到杭州的距离与城市的普惠金融发展水平高度相关。从外生性角度看，家庭消费并不会受到家庭所在省份的省会城市到杭州的距离的影响。因而，有理由认为“家庭所在省份的省会城市到杭州的距离与普惠金融的交互项”符合工具变量的选取原则。
表9报告了采用工具变量法进行稳健性检验的估计结果。其中，第（1）（2）列为CHFS度量的普惠金融（inclusion）对家庭消费的工具变量估计结果，第（3）（4）列为北京大学数字普惠金融指数（ln index）对家庭消费的工具变量回归结果。通过第（2）（4）列的2SLS第一阶段估计结果可得，所选工具变量与解释变量均在1%水平上显著正相关。因此，该工具变量满足相关性要求。另一方面，工具变量一阶段估计F统计量的值均大于10，可以认为弱工具变量的问题在回归中并不存在。表9的第（1）（3）列报告了2SLS的第二阶段估计结果。普惠金融的估计系数无论显著性还是大小方向均与前文基本一致，表明普惠金融显著促进家庭消费的结果是稳健的。
五、结论与政策建议
通过中国家庭金融调查CHFS四期面板数据，首先分析了普惠金融对家庭总消费和分类消费支出的影响;然后，在识别异质性消费者并测算其比例的基础上，分析了普惠金融对HtM消费者和非HtM消费者的异质性影响;最后，分别采用更换核心解释变量、分位数回归以及工具变量法进行了稳健性检验。研究表明：（1）普惠金融对家庭消费具有显著促进作用，且促进作用主要表现在家庭食品、衣着、医疗保健、交通通信和其他商品及服务等方面，而对于居住、家庭设备及用品、文教娱乐等方面的影响并不显著;（2）随着分位数从10%～90%的提高，普惠金融的估计系数越来越小，即相对于高分位数处的家庭，普惠金融对处在中低分位数的家庭消费支出的促进作用更强;（3）对高流动性资产不足的家庭而言，普惠金融对其消费具有显著促进作用，而对高流动性资产充足的家庭而言，普惠金融对其消费的促进作用并不稳健。
为此，提出政策建议：（1）以服务人民生活为落脚点发展普惠金融，提高金融机构渗透率，提升正规金融服务的覆盖率，将更多经济主体纳入金融服务体系，享受普惠金融带来的红利，满足人民群众日益增长的金融服务需求，进而缓减居民面临的流动性约束，释放HtM消费者的消费潜力;（2）充分发挥普惠金融对家庭医疗保健、交通通信等消费的显著促进作用，以满足家庭对于发展和享受型消费的需求，进而促进居民消费结构升级;（3）推动普惠金融发展的深度，均衡地提供普惠金融服务，尤其提升中低收入居民普惠金融的可得性，充分发挥普惠金融显著促进中低分位数处家庭消费的作用，进一步提升金融对促进消费的支持作用，从而完善促进消费体制机制，增强消费对经济发展的基础性作用。同时，这也为扩大内需，促进国内大循环提供了一种可行的思路。
参考文献：
[1] 张栋浩，尹志超.金融普惠、风险应对与农村家庭贫困脆弱性[J].中国农村经济，2018（4）：54-73.
[2] 张栋浩，王栋，杜在超.金融普惠、收入阶层与中国家庭消费[J].财经科学，2020（6）：1-15.
[3] 易行健，周利.数字普惠金融发展是否显著影响了居民消费——来自中国家庭的微观证据[J]金融研究，2018（11）：47-67.
[4] 南永清，宋明月，肖浩然.数字普惠金融与城镇居民消费潜力释放[J].当代经济研究，2020（5）：102-112.
[5] 邹新月，王旺.数字普惠金融对居民消费的影响研究——基于空间计量模型的实证分析[J].金融经济学研究，2020，35（4）：133-145.
[6] 江红莉，蒋鹏程.数字普惠金融的居民消费水平提升和结构优化效应研究[J].现代财经（天津财经大学学报），2020，40（10）：18-32.
[7] Kaplan G， Violante G L. A model of the consumption response to fiscal stimulus payments[J].Econometrica，2014，82（4）：1199-1555.
[8] Kaplan G， Violante G L， Weidner J. The wealthy hand-to-mouth[J].Brookings Papers on Economic Activity，2014（1）：77-138.
[9] Park K Y. The wealthy hand-to-mouth households in South Korea[J].Global Economic Review，2017，46（3）：299-324.
[10]Attanasio O， Kovacsy A， Moran P. Temptation and commitment： Understanding hand-to-mouth behavior[R].New York： NBER Working Paper，No.27944，2020.
[11]Olafsson A， Pagel M. The liquid hand-to-mouth： Evidence from personal finance management software[J].The Review of Financial Studies，2018，31（11）：4398-4446. [12]Honohan P. Cross-country variation in household access to financial services[J].Journal of Banking & Finance，2008，32（11）：2493-2500.
[13]Demirguc-Kunt A， Klapper L. Measuring financial inclusion： The Global Findex Database[R].Washington D C： World Bank Policy Research Working Papers，No.6025，2012.
[14]Fungacova Z， Weill L. Understanding financial inclusion in China[J].China Economic Review，2015，34：196-206.
[15]Sarma M. Index of financial inclusion[R].New Delhi： ICRIER Working Paper，No.215，2008.
[16]Sarma M， Pais J. Financial inclusion and development[J].Journal of International Development，2011，23（5）：613-628.
[17]王修華，赵亚雄.中国金融包容的增长效应与实现机制[J].数量经济技术经济研究，2019，36（1）：42-59.
[18]尹志超，彭嫦燕，里昂安吉拉.中国家庭普惠金融的发展及影响[J].管理世界，2019，35（2）：74-87.
[19]Demirguc-Kunt A， Klapper L. Measuring financial inclusion： Explaining variation in use of financial services across and within countries[J].Brookings Papers on Economic Activity，2013（1）：279-340.
[20]齐红倩，李志创.中国普惠金融发展水平测度与评价——基于不同目标群体的微观实证研究[J].数量经济技术经济研究，2019，36（5）：101-117.
[21]臧旭恒，张欣.中国家庭资产配置与异质性消费者行为分析[J].经济研究，2018，53（3）：21-34.
[22]宋明月.中国居民预防性储蓄与消费行为研究[M].北京：中国社会科学出版社，2019：140-151.
[23]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（季刊），2020，19（4）：1401-1418.
[24]傅秋子，黄益平.数字金融对农村金融需求的异质性影响——来自中国家庭金融调查与北京大学数字普惠金融指数的证据[J].金融研究，2018（11）：68-84.
[25]张勋，万广华，张佳佳，等.数字经济、普惠金融与包容性增长[J].经济研究，2019，54（8）：71-86.
（责任编辑：厉 亚）