严复雷 文晨蒨
（西南科技大学，四川 绵阳 621010）
我国在金融领域的改革创新以及互联网技术的飞速发展，为数字金融的发展提供了良好的政策环境与技术条件。2020年以来，我国经历疫情多轮冲击，线下运营的传统产业遭受前所未有的严峻挑战，而依托互联网的新型“非接触式服务”快速兴起，诸如在线办公、在线教育、网络购物等，也使得移动支付、数字人民币、大科技信贷等一系列数字金融服务得到加速发展。与传统金融对比，数字金融以互联网技术为发展基础，具有低风险、低成本和高效率的特征；
数字金融在一定程度上能够解决传统银行业由于信息不对称造成的金融普惠程度不足和中小微企业融资难、融资贵等问题；
数字金融尤其是数字普惠金融主要以“小微”层面作为服务对象，具有交易量大、普惠性强的特点，一定程度上促进金融包容性增长，有助于小微企业和家庭业主创业（黄益平和陶坤玉，2019；
黄益平和黄卓，2018）。
家庭作为我国经济发展中的基本单位，具有生产和消费双重属性，家庭创业水平直接影响居民的消费能力和储蓄水平。数字金融的发展为家庭创业提供更多的可能性，提升第三方支付的便利性和资源要素分配的合理性，同时显著降低信息、技术等资源要素配置的交易成本。由此，本文对我国数字金融发展指数与家庭创业决策之间的关系进行研究，相比于国内现有的研究结果，本文可能的边际贡献为：首先，本文基于中国数字普惠金融指数和中国家庭追踪调查数据（CFPS）进行研究，数据更新至中国家庭追踪调查最新数据（截至2022 年10 月末，CFPS 最新数据为2020 年统计数据），研究结果具有及时有效性。其次，本文运用Probit 二值模型对我国数字金融发展指数与家庭创业决策之间的关系进行实证回归分析检验，通过工具变量法处理内生性问题，使用剔除变量法和1%水平上缩尾处理法进行稳健性检验，并从经济发展地区和人力资本两方面进行异质性分析，模型的设定以及变量指标的选取精准刻画了数字金融与家庭创业二者之间的影响机制和关系，研究结果具有较高的可信度和参考价值。最后，在推动经济复苏背景下，促进数字金融、数字化转型、家庭创业的发展是实现经济增长的关键一步，本文有助于完善数字金融在微观领域的理论研究，为中国当前环境下数字金融推动家庭创业提供理论和数据支持，使得数字金融更好地发挥其大数据、区块链等科学技术优势。同时，本文从宏观政策角度提出针对当前社会和经济环境下切实可行的发展路径和制度选择。
（一）数字普惠金融具有减贫效应相关研究
宋晓玲（2017）研究发现数字普惠金融的发展对缩小城乡居民收入差距具有明显的促进作用。张贺和白钦先（2018）研究发现数字金融能够缩小我国居民城乡收入差距。张栋浩和尹志超（2018）运用因子分析法研究发现，数字普惠金融的发展对农村家庭的贫困脆弱性具有显著的负向影响。傅秋子和黄益平（2018）研究发现，数字金融的发展对农村地区生产性信贷需求具有抑制性作用，而对农村地区消费性信贷需求具有促进作用，对于农村地区提升生产效率、促进消费具有多维度效应。梁双陆和刘培培（2019）研究同样发现数字普惠金融的发展可以有效收敛城乡收入差距。周利等（2020）通过分位数回归的MM 分解方法研究发现，数字普惠金融的发展有利于缩小城乡收入差距。李牧辰等（2020）通过结构性分析方法研究发现，中国数字普惠金融的发展对总体城乡收入差距具有有效收敛性。郭峰和王瑶佩（2020）指出传统金融服务在偏远农村地区存在较多“长尾群体”，而数字普惠金融的出现正好可以填补偏远地区金融服务的空白。董玉峰等（2020）指出将扶贫产业与数字普惠金融结合可以实现精准的金融扶贫，在扶贫的同时控制金融风险，增强扶贫和金融相结合后的风险应对水平。张彤进和蔡宽宁（2021）采用固定效应模型研究发现，数字普惠金融通过提升农村居民支付速度、扩大信贷规模以及降低农村居民预防性储蓄三种传导机制缩小城乡居民消费差距。
国内学者的研究普遍表明我国数字金融的发展对城乡收入差距的缩小具有显著促进作用，可以有效帮助农村地区减贫脱贫，对农村地区的减贫效应也有显著的促进作用，该结论具有较为稳定的学术研究意义和结果。
（二）数字金融缓解中小微市场主体的融资约束相关研究
梁榜和张建华（2018）基于现金—现金流敏感性模型研究发现，数字普惠金融发展在缓解中小企业的融资约束上作用十分显著，尤其是针对民营中小企业的融资约束缓解作用。谢绚丽等（2018）研究发现数字金融的发展及其选取的三大指标均与创业之间具有显著的正向影响关系，对于城镇化率较低省份以及注册资本较少的小微型企业的创业激励作用更强。何靖和李庆海（2019）从微观角度出发对影响机制进行研究发现，数字金融可以有效缓解农户面临的信贷约束，从而促进农户创业。万佳彧等（2020）研究发现数字金融的发展对企业融资约束的缓解作用是显著的，其中该创新激励效应对中小企业和民营企业有更强的作用。唐松等（2020）基于2011—2017 年沪深A股上市公司研究发现，数字金融的发展对上市企业的技术创新存在“结构性”的驱动效果，尤其在金融发展禀赋较差地区的技术创新驱动效果更强，有效驱动企业“去杠杆”，有助于企业技术创新产出增加。黄锐等（2021）采用沪深A股上市企业进行研究，发现数字金融宏观上改善资本市场的融资结构，微观上降低企业融资费用和杠杆水平，缓解企业的融资困境。熊正德和黎秋芳（2022）指出数字金融可以通过缓解金融错配促进企业技术创新。
国内学者的研究结果较为统一：数字金融的发展能够较好地缓解企业所面临的融资约束，能够有效缓解传统金融模式下中小微企业由于信贷问题造成的融资难、融资贵现象；
同时数字金融的发展在城乡地区均有助于居民进行创业，针对企业来说，对企业技术的创新也具有较强的促进效应。无论是融资约束的缓解，还是创业创新的激励，均在原本发展较弱的地区产生的作用效果更强。
（三）数字金融对创业的影响相关研究
1.影响创业主要因子的相关研究。从宏观层面看，创业者所处的社会环境和经济形式，从政治、经济、文化环境和社会资本等多维度进行分析（Djankov &Murrell，2002；
Glaeser et al.，2009；
Jamali et al.，2014；
张勋等，2019）。从微观层面看，主要从个人特征和家庭特征两方面进行分析，其中，个人层面即户主或创业者的特征变量，家庭层面主要指的是家庭经济环境变量，具体变量如表1所示（Evan &Leighton，1989；
Lazear &Oyer，2004；
Rosenthal &Strange，2012；
陶云清等，2021；
王海燕等，2022）。仍有少部分文献根据创业层面中的创业项目雇佣规模、创业初始投资额进行研究（冯大威等，2020），以及地区经济发展层面中的人均GDP、金融发展程度等指标进行研究（冯永琦和蔡嘉慧，2021）。
表1 微观层面变量选取
2.数字金融对创业水平影响的相关研究。谢绚丽等（2018）研究发现数字金融的发展能够有效促进区域创业，特别是处于城镇化率低省份的微型企业，以及注册资本较少的微型企业。张勋等（2019）通过CFPS 数据研究发现，对于城镇化率较低或农村居民创业率较低的情况，数字普惠金融的促进效果较为显著。张林和温涛（2020）研究发现，2011—2018 年数字普惠金融发展直接和间接地促进居民创业率的提升。冯大威等（2020）基于中国劳动力动态调查数据（CLDS）研究发现，居民创业率与数字普惠金融的发展具有正相关关系，且对“自雇型”和“生存型”企业具有显著的正向影响作用。陶云清等（2021）研究发现，数字金融的发展促进了地区创业，同样也促进了家庭创业，并且家庭创业的增长是地区创业增长的基础。宋帅和李梦（2021）研究三峡库区的农民创业情况，结果表明数字金融的发展对农民创业水平的提升具有显著的正向影响作用，同时数字金融作为中介为提升金融素养和促进农民创业产生了间接作用。冯永琦和蔡嘉慧（2021）研究指出数字普惠金融对东部、中部和西部地区不同的产业结构，具有明显的创业促进异质性。陈晓芳和杨建州（2021）利用家庭金融调查指数研究发现，数字金融作为提高地区创新能力的调节机制，与区域居民创业概率正相关。张碧琼和吴琬婷（2021）研究发现数字普惠金融的发展有利于促进农村居民创业，该促进作用主要针对小微企业和劳动密集型企业。李晓园和刘雨濛（2021）研究发现数字普惠金融的发展通过人力资源、地区产业结构、基础设施水平三条有效传导路径，对农村创业活动起到显著的积极作用。王海燕等（2022）研究发现数字金融发展通过缓解三个约束渠道：信贷、信息、金融知识，可以有效促进家庭创业意愿的提升。韩艳旗和郭志文（2022）研究发现数字经济通过信息渠道、人力资本投资、社交网络三种效应机制，对家庭创业具有显著的正向促进作用。
基于上述文献梳理与分析逻辑，提出以下两个研究假说：
假说H1：数字金融的发展能够显著提升家庭创业意愿，二者具有正相关关系。
假说H2：数字金融发展对家庭创业的促进作用在家庭所属不同经济水平区域（东部地区、中部地区、西部地区）和不同人力资本水平之间存在异质性。
（一）数据来源
本文采用数据来源于北京大学数字金融研究中心编制的《北京大学数字普惠金融指数（2011—2020年）》和北京大学中国社会科学调查中心建立的中国家庭追踪调查（CFPS）数据库。其中CFPS 数据库样本覆盖了个体、家庭和社区三个维度，包括25 个省份，每次收集目标样本的规模约为16000 户，该项访问调查于2010 年正式开始，之后每两年访问一次。CFPS 调查问卷分为四种主体问卷的类型，即社区问卷、家庭问卷、成人问卷和少儿问卷。考虑具体到家庭创业问题中，通常创业者以家庭为单位进行决策，并把家庭创业者作为户主进行指标选取的标准。经过剔除关键被解释变量和控制变量的缺失值和无效值，共得到有效样本量40449 个观测值，考虑到相关数据的匹配性和可获得性，本文采用2016年、2018年和2020 年三年的CFPS 数据和数字普惠金融数据进行匹配研究，最终得到2016 年、2018 年和2020 年三年的非平衡面板数据。
（二）变量选取与描述性统计
1.被解释变量：家庭创业决策。借鉴已有研究和文献的研究方法，本文采用CFPS数据库中“您家是否有家庭成员从事个体经营或开办私营企业？”或“工作性质（自雇/受雇）”答案代表受访家庭和受访者的创业决策，若从事个体经营或自雇，则赋值为1；
相反若家庭中没有家庭成员从事个体经营或受雇，则赋值为0。
2.解释变量：数字普惠金融指数。国内大量研究文献中，数字金融变量指标的衡量通常采用数字普惠金融指数作为代理变量。因此本文采用2016 年、2018 年和2020 年三年的数字金融指数作为代理变量，同时使用数字金融发展三个分指数（覆盖广度、使用深度和数字化程度）进行进一步基准回归。
3.控制变量。本文参考目前已有类似研究（马德功和滕磊，2020；
刘银等，2021），通过整理相关文献具有明显影响的控制变量，发现对于影响家庭创业决策的因素可以分为四个大类：户主特征变量、家庭特征变量、创业层面变量和地区经济发展层面变量。本文主要以受访家庭和受访者的户主特征变量作为控制变量，探讨相关变量对家庭创业决策的影响，具体变量选取如下：
户主特征变量包括：性别（虚拟变量；
0=女性，1=男性）、年龄、婚姻状况（虚拟变量；
0=未婚，1=已婚）、城乡状况（虚拟变量；
0=乡村，1=城镇）、受教育水平。在年龄控制变量中，考虑到劳动力年龄男性为16～60岁，女性为16～55 岁，因此对该变量进行剔除非劳动力年龄范围内的受访者数据处理。家庭特征变量包括：家庭人口规模。
4.其他控制变量。模型中采用时间固定效应和地区固定效应。全部变量选取如表2所示。
表2 变量选取与定义
（三）模型设定
本文研究数字金融发展对家庭创业的影响，根据中国家庭追踪调查（CFPS）数据库，考虑到居民和家庭创业决策的变量为虚拟变量，且变量服从标准正态分布，因此采用Probit 二值模型进行基准回归分析，则设定Probit基准回归模型为：
其中，jobit表示受访家庭和受访者的创业决策，indexaggregate it表示数字普惠金融发展总指数，后文分析中会将总指数具体细分为覆盖广度（coverage_breadth）、使用深度（usage_depth）和数字化程度（digitization_level）进行基准回归，Xit表示控制变量。α0为截距常数项，β1和β2为模型的系数估计值，θi表示地区固定效应，δt表示时间固定效应，ui为随机扰动项。
（一）基准模型回归分析
本文运用Stata15软件，对2016 年、2018 年和2020年家庭创业决策与数字金融发展总指数和三个分指数进行Probit 回归分析，主要变量描述性统计如表3 所示。同时为了检验Probit 模型设定是否正确，即是否存在遗漏变量、无关变量和函数形式有误等问题，本文进行普通标准误和稳健标准误的对比，结果发现该模型中稳健标准误和普通标准误比较接近，说明模型设定正确，可直接采用普通标准误进行分析。
表3 2016年、2018年、2020年主要变量描述性统计
1.家庭创业决策与数字金融发展总指数。对家庭创业决策和数字金融发展总指数二者直接进行基准回归，同时控制时间固定效应和地区固定效应，表4列（1）表示不引入控制变量时家庭创业决策和数字金融发展总指数的Probit模型回归，表4列（2）表示基准回归中引入控制变量后的Probit 模型；
列（3）表示不引入控制变量时家庭创业决策和数字金融发展总指数的OLS模型回归，列（4）表示基准回归中引入控制变量后的OLS模型回归，基准回归结果如表4所示。
表4 数字金融发展总指数对家庭创业的回归结果
根据表4（1）-（4）列结果可知，引入控制变量之后，在Probit 模型和OLS 模型两种模型中数字金融的发展均在1%的显著性水平下显著为正，即数字金融的发展有利于促进家庭创业决策。由于Probit 模型中解释变量的系数只能用来解释正负的影响关系，无法判断边际效应的具体影响，因此通过软件计算出解释变量影响被解释变量的边际效应，以Probit 模型回归结果为例，数字金融发展总指数每增加一个单位，会提升0.110%的家庭创业决策水平，验证了假说H1。
在控制变量的回归中发现，受访者年龄和婚姻状况以及受访家庭的人口规模均与家庭创业决策在1%的显著性水平下显著正相关，即受访者年龄越大和家庭人口规模越大都会显著提高家庭的创业决策水平，同时婚姻情况越稳定的家庭或者已婚受访者更具有创业意向；
而受访者的性别、受教育水平的城乡状况与家庭创业决策均在1%的显著性水平下显著负相关，说明女性受访者比男性受访者更具有创业意愿，受教育程度越高以及城镇户口的受访者所能获得工作越好、收入越稳定、风险偏好越低，因此做出家庭创业决策的概率越小。
2.家庭创业决策与数字金融发展分指数。对家庭创业决策和数字金融发展的三个分指数：数字金融发展的覆盖广度、使用深度以及数字化程度分别进行基准回归，同时控制时间固定效应和地区固定效应，三个分指数的Probit 回归均为引入控制变量后，回归结果如表5所示。
根据表5回归结果可知，数字金融发展促进家庭创业水平提升主要体现在数字金融发展的使用深度和数字化程度两个维度，数字金融发展的覆盖广度与家庭创业决策负相关且不显著，数字金融发展的使用深度与家庭创业决策在5%的显著性水平下显著正相关，且使用深度每增加一单位，会提升0.030%的家庭创业决策水平。数字金融发展的数字化程度与家庭创业决策在1%的显著性水平下显著正相关，且数字化程度每增加一单位，会提升0.087%的家庭创业决策水平，数字化的特征为高效率与低成本，尤其是结合大数据、区块链等模式，数字金融的数字化程度越高，更有利于解决信贷融资市场信息不对称和交易成本过高等问题，因此数字金融的数字化程度越高越有利于提高家庭获得信用贷款的额度和便捷性，促进家庭创业的作用更为明显。在控制变量影响方面，数字金融发展三个分指数的回归结果与数字金融发展总指数的实证结果大致相同，影响均在1%的显著性水平下显著，且影响方向与表4 结果完全一致，同样验证了前文中提出的假说H1。
表5 数字金融发展分指数对家庭创业的回归结果
（二）内生性问题检验
本文利用工具变量法。由于数字金融发展和家庭创业决策两个指标之间可能存在双向影响效用，因此参考张勋等（2019）、王海燕等（2022）的研究方法，采用“家庭所在省份与浙江省的加权平均距离（distance）”作为数字金融发展指标的工具变量，采用IV-Probit模型检验内生性问题。同时由于“家庭所在省份与浙江省的加权平均距离”属于外生变量且不具有时序性，有可能造成IV-Probit 模型中两阶段估计产生误差，因此使用加权平均距离分别与三年的数字金融发展总指数相乘形成交互项，作为内生解释变量的工具变量。支付宝等第三方支付平台上线后，我国数字金融也得以迅速发展。支付宝发源于浙江省，因此理论机制分析层面认为，数字金融的发展水平以浙江省为发展水平最高的中心向外辐射，离浙江省越近的省份辐射作用越强，数字金融的发展水平相应越高。该指标与解释变量数字金融发展指数相关，并且与浙江省的加权平均距离不会对各省份家庭创业决策产生直接影响，满足内生性和外生性两个基本条件。用“家庭所在省份与浙江省的加权平均距离（distance）”作为外生变量检验解释变量是否为内生变量时，结果如表6 所示。第一阶段回归结果显示数字金融发展总指数与离浙江省的距离在1%的显著性水平下显著负相关，浙江省位于经济领先的沿海地区，数字金融发展较为迅速，因此离浙江省越远的省份数字金融的发展水平越低。当“家庭所在省份与浙江省的加权平均距离（distance）”不作为外生变量，直接进行工具变量和被解释变量的回归检验时，第二阶段的回归结果显示数字金融发展总指数与工具变量在1%的显著性水平下显著正相关。Wald检验和弱工具变量检验结果表明，数字金融发展指数是该模型的内生解释变量，并且AR 和Wald 的p 值均表明工具变量不是弱工具变量。
表6 工具变量IV-Probit两阶段回归结果
（三）稳健性检验
1.剔除直辖市样本。由于我国直辖市属于经济和数字金融发展较为发达的城市，有可能对数字金融发展和家庭创业两个方面以及二者的关系中都具有显著的影响作用，因此借鉴前文研究，剔除北京市、天津市、上海市以及重庆市四个直辖市的指标进行Probit 模型回归分析，回归结果如表7 所示。
表7 数字金融发展对家庭创业的回归结果（剔除直辖市）
通过剔除直辖市后的Probit 模型回归结果可以看出，数字金融发展总指数、数字化程度与家庭创业决策在5%和1%的显著性水平下显著正相关，其中数字金融发展总指数每提高一单位促进家庭创业概率增加0.080%，数字化程度每提升一单位促进家庭创业概率增加0.079%，与前文中的影响关系基本保持一致，说明数据和模型具有稳健性。不同的点在于数字金融发展的使用深度上，由于四个直辖市数字金融的使用深度高于部分省份，剔除直辖市之后发现回归结果不显著，说明我国其他地区的数字金融使用深度仍有待进一步的提高。
2.解释变量缩尾处理。本文对解释变量数字金融发展总指数和三个分指数进行在1%水平上的缩尾处理，缩尾处理之后通过Probit 模型进行稳健性回归分析，结果发现数字金融发展总指数、三个分指数和家庭创业的关系均与解释变量未进行缩尾处理时的正负性和显著性实证结果一致（见表8），因此模型和数据都是稳健的。
表8 1%水平上缩尾解释变量回归结果
（四）异质性分析
1.地区经济发展水平。根据我国各地区经济发展水平和地理位置的长期演变，且由于自然条件与资源状况的不同，形成东部地区、中部地区和西部地区三大经济带。根据东、中、西三大经济带，对我国数字金融发展总指数和家庭创业决策进行异质性回归分析，回归结果如表9 所示。回归结果表明，东部地区数字金融发展总指数与家庭创业决策水平在1%的显著性水平下显著正相关，而中部地区和西部地区不显著，东、中、西部地区存在异质性，验证了假说H2，该结论与前文中剔除直辖市后的回归结果相符合。
表9 东部、中部、西部地区数字金融与家庭创业异质性分析回归结果
2.人力资本。根据我国教育体制的分类，本文将我国的人力资本水平大致分为两组：低教育等级（初中教育及以下）、高教育等级（高中教育及以上），针对两个组的人力资本水平进行异质性分析，表10列（1）表示低教育等级回归结果，列（2）表示高教育等级回归结果，结果表明数字金融发展对家庭创业的促进作用主要体现在高教育等级家庭中。
表10 低教育等级、高教育等级数字金融与家庭创业异质性分析回归结果
基于2016 年、2018 年和2020 年数据数字金融发展对家庭创业影响关系的研究发现，数字金融发展总指数、使用深度和数字化程度均能显著提升微观家庭做出创业决策的概率。在内生性问题的检验中，选取“家庭所在省份与浙江省的加权平均距离”作为工具变量；
在稳健性检验中剔除直辖市数据并对解释变量进行1%水平的缩尾处理，关键变量的回归结果仍保持一致，说明研究中所设定的模型、选取的数据以及得出的结论具有较高可信度。在进一步的异质性分析中，数字金融发展对家庭创业的影响在东部、中部和西部不同，对于处于经济发展水平高的东部地区、人力资本水平高的家庭的促进作用更加显著。
基于上述研究分析结论，提出如下政策建议：
第一，数字金融的使用深度在除了四大直辖市以外的地区影响并不显著，加之在异质性分析中仅有东部地区影响显著，说明我国各地区之间数字金融的发展存在“数字鸿沟”，因此政策当局需要加大经济不发达地区数字金融和数字技术基础设施建设的投入力度，提高5G、人工智能、大数据等技术和基站的普及率和铺设覆盖广度，使各地区共享数字金融发展带来的优势，构建完善的数字金融生态发展体系和链条。
第二，数字金融发展对受教育程度高的受访家庭的家庭创业决策激励效应更加显著，并且由于农村和城镇地区教育基础设施的不平等，未来可能导致数字金融在不同地区发挥的作用存在更大的差异，因此政策制定和实施需要侧重加强不同地区、不同人群的教育基础设施建设，合理分配资源吸引人才，使教育资源面向全体社会大众，制定并实施更加完善和公平的教育晋升机制，实现教育和金融的双公平。
第三，以大数据、区块链为代表的技术创新是数字金融更好服务于实体经济的重要源泉。技术进步能够更好地解决信息不对称等问题并降低交易成本，完善数据要素市场，在上游大企业与中小企业之间构建跨区域跨行业的信息综合服务共享平台，缓解家庭创业中存在的信贷约束问题，为微观家庭创业决策提供有力支持。
猜你喜欢普惠决策变量探索节能家电碳普惠机制 激发市民低碳生活新动力节能与环保(2022年3期)2022-04-26为可持续决策提供依据纺织科学研究(2021年9期)2021-10-14抓住不变量解题小学生学习指导(高年级)(2021年4期)2021-04-29也谈分离变量河北理科教学研究(2020年2期)2020-09-11决策为什么失误了中学生数理化·七年级数学人教版(2019年6期)2019-06-25日照银行普惠金融的乡村探索商周刊(2018年10期)2018-06-06农村普惠金融重在“为民所用”商周刊(2018年10期)2018-06-06金融科技助力普惠金融商周刊(2017年12期)2017-06-22分离变量法：常见的通性通法新高考·高二数学(2014年7期)2014-09-18变中抓“不变量”等7则小学教学参考(数学)(2006年7期)2006-12-31