——来自我国省域面板数据的实证分析

张夕

（辽宁对外经贸学院，辽宁 大连 116052）

摘要：数字金融对居民消费是否具有促进效应，始终是学界与决策层共同关注的焦点问题。文章基于2013年-2023年中国数字金融指数及31个省份面板数据，采用基线回归模型和地理加权回归模型，从实证层面检验数字金融对家庭消费的驱动作用及其空间空间异质性特征。研究结果显示：数字金融水平每提高1%，家庭消费将随之增加0.2207%。城乡空间效应比较发现，数字金融对城乡居民消费均具正向影响，但城市的直接效应为（0.2668），低于农村地区的数字（0.3865），说明数字金融对农村消费的影响高于城市。基于上述结论，建议制定数字金融和消费促进政策时，需要资源统筹布局，实现省域、城乡均衡发展格局。

关键词：数字金融；家庭消费；空间差异  

一、引言

在中国经济新常态下，扩大内需、促进消费对中国可持续发展具有重要意义。2010年以来，我国数字金融发展迅猛，移动支付、网络贷款、网络保险、互联网金融等呈指数级增长。在拉动居民消费方面发挥了重要作用。我国幅员辽阔，经济发展 区域差异、城乡较大，表现出显著的示范效应与挤出效应，即经济发展的区域既可以对经济欠发达地区产生示范效应，拉动经济欠发达地区的经济发展，也产生挤出效应。因此，在探索家庭消费与数字金融之间的关系时，识别空间分布并考虑空间相关性具有重要意义。本文基于2013年至2023年中国31个省份面板数据，采用地理加权回归模型，基于实证研究，考察数字金融如何作用于居民家庭消费并剖析其空间异质效应。探讨数字金融对中国家庭消费影响的省域和城乡差异。

二、文献综述与研究假设

在数字金融全球化的背景下，数字金融对消费的影响愈发受到学者的关注。邱冬阳等（2024）认为具有电子化、系统化、专业化、高效化和自动化特征的数字金融使金融中介服务和金融资源配置突破了空间和时间的限制，有效提高了金融服务的效率^[1]。惠楠等（2024）认为，数字金融的第三方支付、网络借贷、移动支付等，均对我国居民的消费方式、消费水平、消费习惯都有着深入影响^[2]。同时，数字金融可以促进居民消费结构的升级。李哲（2024）通过梳理我国数字金融发展现状发现，数字金融在我国经济发展减速的新形势下，对于释放国民消费潜力、完善金融市场结构、提升经济发展质量有重要作用^[3]。Dong J（2024）的研究发现，数字金融能降低流动性约束，提高居民消费需求，改善居民消费结构^[4]。基于上述研究结论，本文提出以下假设：

假设H1：数字金融的发展可以促进居民消费。

由于数字金融不需要依赖实体网点。因此，它具有更大的地理渗透率和成本优势。但是，数字金融的发展仍然依赖于实体经济和传统金融，例如区域GDP、交通、互联网、产业结构、开放程度以及人口密度等均可影响数字金融的发展。余进韬（2022）认为数字金融可以对居民消费具有多重影响，一方面是促进效应，另一方面是挤出效应^[5]。即便数字金融在某种程度上跨越了地理边界，理论上仍难摆脱现实中的地域约束，其空间集聚特征依旧显著，并对居民消费形成空间效应。熊德平等（2020）基于数字普惠金融指数和中国2011-2018年省际面板数据，运用非均衡效应检验和门槛效应检验的实证方法，评估数字普惠金融发展对城乡收入差距影响发现，中国东、中、西部地区的数字普惠金融发展对城乡收入差距缩小具有显著的正向作用，并且地区之间存在较大差异 ^[6]。基于上述分析，本文提出以下假设：

假设H2：中国数字金融的发展对居民消费兼具空间促进效应和挤出效应。

三、研究方法

1.数据来源

本文所用数字金融指数源自支付宝与北大数字金融研究中心联合发布的中国数字普惠金融指标体系。基于可用性和一致性原则，本文采用2013年至2023年中国31个省份的数据。同时根据前文综述及本文研究情况，选取我国31个省际的家庭收入、人力资源、交通基础设施、财政支出、产业结构、开放性和人口密度作为影响因素加以控制，数据源于国家统计局和中国金融统计年鉴。

2.空间计量模型

基于影响家庭消费的各种因素，选择家庭收入、人力资源、交通基础设施、财政支出、产业结构、开放度和人口密度控制变量。表1为变量定义。

表1  变量定义

为了实证研究数字金融对家庭消费的影响，本文构建了一个基线回归模型，如式（1）所示：

表2  描述性统计

3.空间权重矩阵

四、实证分析

为更好地了解中国居民消费的空间分布特征和各个省份数字金融发展水平，本研究数据源自北京大学中国社会科学调查中心的 CFPS （ChinaFamilyPanelStudies，简称CFPS）数据库，选取 2013、2018、2023三年数据。先将居民消费划分为为食品、衣着、居住、家庭用品、医疗、交通通信、教育文化及其他消费八大类；随后以家庭编码为基础，合并家庭成员库与经济库，剔除缺失与异常观测。在按年份与省份分组后，计算每类人均消费，再乘以家庭规模，获得最终用于估计的家庭分项消费总额。

1.空间相关性检验

空间自相关度量用于捕捉邻近区域间的空间关联程度，常用 Moran’s I、Geary C 与 Getis G 等指数检测空间依赖与集聚特征。其中，Moran'sI指数的应用最为广泛，主要通过检验一个实体受到周围其他实体的影响的空间相关性。

本文基于相邻空间权重矩阵，运用全局 Moran’s I 指数，对 2013—2023年中国 31 个省级单元的居民消费与数字金融水平进行了空间自相关性检验。Moran'sI的计算公式如下：

表3 全局莫兰指数（GlobalMoran'sI）（2013-2023）

由表3可见，全局Moran'sI指数介于[0，1]之间，均在1%的水平上表现出显著性，说明中国家庭消费与数字金融水平在空间上呈正相关。家庭消费和数字金融水平相近的省份容易出现地域集中。全局Moran'sI指数也基本随时间增加而增加，尤其是2017年以后，中国家庭消费与数字金融水平随着社会经济的持续发展而发展。

2.空间效果检验

（1）拉格朗日乘数（LM）检验

在空间计量框架中，主要包括空间滞后模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM），需通过后续检验进一步确定具体适用形式。本文通过拉格朗日乘数（LM）检验空间滞后项和空间误差项，来判断模型的适用性。三个模型的LM检验中，仅 SAR 模型在 1% 水平上显著，表明空间效应成立。因此，在本研究中空间滞后模型（SAR）为最佳模型。

表4  拉格朗日乘数（LM）检验结果

（2）似然比检验（LR）和Wald检验

表5  LR检验和Wald检验结果

3.空间Hausman检验

当空间相关性增强且样本量扩大时，相关指标容易偏离理论值，此时空间 Hausman 检验可有效矫正空间面板数据下经典Hausman检验的水平扭曲。本文采用Hausman检验判断随机效应还是固定效应更合适模型。结果显示统计值为226.86，在1%的水平上显著。因此，本研究进一步选择固定效应分析数字金融对家庭消费的影响及空间效应。

4.空间溢出效应的分析

在普通模型中，系数可以直接反映自变量对因变量的影响。然而，在空间计量经济模型中系数的解释更为复杂，对于具有空间自回归项的SEM，为防止反馈环效应引起的估计偏差，应对系数进行分解。因此，本文将空间溢出效应划分为直接效应、间接效应以及总效应。从宏观维度来看，基于空间杜宾模型（SDM）的分解结果详见表6。

表6  空间溢出效应分解结果

由表7可见，数字金融指数对于家庭消费影响显著为正。其中，直接效应和总效应在1%的水平上显著，而间接效应不显著。直接效应表现为数字金融每增加1%，将带动家庭消费增长0.2207%。

6.城乡空间效应比较

受传统经济发展方式的影响，我国存在城乡二元结构。这种差异造成了城乡之间的消费差距。数字金融突破了传统金融覆盖的局限性，使偏远地区的居民可以借助数字金融，因此，它可以缩小消费差距，改善城乡二元结构体系。城乡之间核心因变量空间效应比较结果如表7所示。

表7  数字金融对城乡消费的影响

如表7分区域结果所示，数字金融对城乡居民消费的直接影响均显著正向。城市地区的直接效应为0.2668，低于农村地区的数字0.3865。说明数字金融对城市居民消费的促进作用较小。其原因可能一是由于城市居民拥有较好的财力，二是数字金融覆盖面在农村仍然不足，导致欠发达农村地区低收入群体，由于地缘劣势和资本积累限制无法获得数字金融服务，更容易受到数字金融对消费的边际效应影响。

五、结论及对策建议

增强消费力、提升消费需求已演变为我国社会经济发展进程中的一个重要挑战。本研究基于2013年-2023年中国数字金融指数及31个省份面板数据，采用基线回归模型和地理加权回归模型，实证研究了数字金融对家庭消费的影响及其空间效应。研究结果显示：数字金融水平每提高1%，家庭消费将随之增加0.2207%。城乡空间效应比较发现，数字金融对城乡居民消费均具正向影响。但城市的直接效应为0.2668，低于农村地区的数字0.3865，说明数字金融对消费的影响农村高于城市。

基于上述研究结论，数字金融顶层设计应注重数字金融居民消费促进效应，以改善城乡二元体制。同时，要资源统筹布局，实现各省协同发展，形成省域均衡格局。由于数据采集的局限性，研究结果可能存在样本偏差，不能反映微观个体特征，未来应采用微观数据进行进一步研究，以综合考察数字金融对家庭消费的微观机制。

参考文献：

[1]谭姝颖,邱冬阳,凌艳涛.数字化与经济金融研究:新理论、新问题、新方法——“经济金融数字化转型与发展论坛”综述[J].重庆理工大学学报(社会科学),2024,38(2): 2+151.

[2]惠楠,王欣,李金克.新质生产力背景下数字金融服务实体经济的效应与机制研究[J].重庆大学学报(社会科学版),2024,23(16):1-19.

[3]李哲,张优,李畅.数字金融对经济发展质量影响的区域异质性研究[J].中国商论,2024,33(16):44-47.

[4]Dong J.Digital finance’s impact on household portfolio diversity: Evidence from Chinese households [J]. Finance Research Letters, 2024(70)：347-357.

[5]余进韬.数字金融的经济增长效应及其机制研究[D].成都:四川大学, 2022.

[6]熊德平,陈昱燃.数字普惠金融发展对城乡收入差距的影响——基于非均衡效应与门槛效应的实证分析[J].长白学刊,2020(5):99-106.