雷海波

（對外經(jīng)濟貿(mào)易大學金融學院，北京 100029；天津職業(yè)技術師范大學經(jīng)濟與管理學院，天津 300222）

一、引言

在以間接融資為主導的金融體系下，獲取和使用信貸對于家庭、企業(yè)和地區(qū)經(jīng)濟發(fā)展至關重要。但現(xiàn)實中仍存在一定程度的金融排斥現(xiàn)象，信貸排斥的根源在于信息不對稱。征信作為金融基礎設施，本質上屬于金融中介功能的分離和專業(yè)化，其主要作用在于解決信息不對稱（白欽先和李士濤，2017）。我國現(xiàn)行的征信系統(tǒng)以央行征信為主導，截至2019年初，央行征信系統(tǒng)累計收錄9.9億自然人、2591萬戶企業(yè)和其他組織的有關信息，成為全球規(guī)模最大的征信系統(tǒng)①我國建立了全球規(guī)模最大的征信系統(tǒng)[EB/OL].國務院新聞辦公室網(wǎng)站.2019-06-14.。但從有效覆蓋人口來看，還存在較大短板。以個人征信為例，2019年初，征信系統(tǒng)收錄自然人數(shù)9.9億，有信貸記錄的人數(shù)為5.3億，還有4.6億人沒有信貸記錄。

隨著互聯(lián)網(wǎng)金融的快速發(fā)展，數(shù)字征信應運而生。關于數(shù)字征信，目前尚未形成統(tǒng)一的概念，與之類似的概念還有互聯(lián)網(wǎng)征信和大數(shù)據(jù)征信。從概念差別來看，互聯(lián)網(wǎng)征信側重于數(shù)據(jù)的互聯(lián)網(wǎng)特征與科技平臺屬性，大數(shù)據(jù)征信則突出數(shù)據(jù)的整合、分析能力（林平，2014；黎四奇，2021）。數(shù)字征信則相對更為全面和中性，可以理解為大數(shù)據(jù)、機器學習等數(shù)字技術與征信的結合，數(shù)字技術作為征信的手段和工具，能夠有效提高征信的效率。從中國的數(shù)字征信實踐來看，早期的數(shù)字征信主要來自于金融科技企業(yè)。以芝麻信用、騰訊征信為代表的數(shù)字征信機構，基于社交、出行、購物等大數(shù)據(jù)信息，利用數(shù)字手段構建個人征信，為傳統(tǒng)金融機構和互聯(lián)網(wǎng)金融機構提供征信服務。相比央行征信，數(shù)字征信數(shù)據(jù)來源更廣、數(shù)據(jù)類型更豐富、評價指標維度更多、評價模型效率更高、評價時效性更強，可以成為央行征信的有效補充。因此，本文定義的數(shù)字征信，主要指央行征信以外的基于數(shù)字技術開展的市場化征信。

近年來，我國的無信貸記錄人數(shù)持續(xù)下降，意味著我國居民的信貸排斥情況有所緩解。這和我國征信的市場化發(fā)展在時間上具有較高的重合性。那么，在改善信貸包容方面，我國數(shù)字征信是否有效？如果有效，內(nèi)在的作用機制是什么？是否存在地區(qū)差異影響？對這些問題的解答，有助于更好地評價數(shù)字征信發(fā)展效果和理解數(shù)字征信與信貸包容的內(nèi)在關系，為推進征信的市場化改革和提升金融包容水平提供政策參考。

二、理論分析與研究假說

現(xiàn)有文獻對于數(shù)字金融和傳統(tǒng)金融的關系還存在爭議。早期文獻秉持“替代論”（謝平和鄒傳偉，2012），隨著研究的深入，更多學者主張“互補論”，認為數(shù)字金融是基于傳統(tǒng)金融的發(fā)展與延伸，改進了金融服務的質量和效率（姚耀軍和施丹燕，2017）。從“互補論”觀點出發(fā)，數(shù)字征信作為數(shù)字金融的重要組成部分，能夠顯著改善信貸使用。

不同于傳統(tǒng)征信，數(shù)字征信利用大數(shù)據(jù)、云計算、區(qū)塊鏈、人工智能等金融科技進行征信和信用評估，在緩解信息不對稱方面具有成本優(yōu)勢，能夠提升風控效率，影響信貸包容結果。具體體現(xiàn)為直接效應和間接效應兩個方面。在直接效應方面，數(shù)字征信具有三大優(yōu)勢，這會促進銀行信貸效率提升，進而改善信貸包容。

一是數(shù)字征信具有客群優(yōu)勢。利用互聯(lián)網(wǎng)和前沿金融科技，數(shù)字征信將服務對象拓展到傳統(tǒng)征信難以觸及的小微企業(yè)和低收入人群等長尾客戶。就本文的縣域樣本而言，我國大部分相對貧困人口集中在縣域農(nóng)村，由于缺乏足夠的軟硬信息，這部分群體在申請貸款時，銀行要么不愿意提供貸款，要么附帶苛刻的貸款條件。粟芳和方蕾（2016）的研究表明，農(nóng)村地區(qū)銀行排斥的主要根源是供給排斥，其中又以價格排斥最為突出。數(shù)字征信通過為更為廣泛的客戶建立數(shù)字征信記錄，擴大了征信覆蓋率，使得低收入群體的信用風險評估成為可能，這為商業(yè)銀行擴大客群、增強信貸包容奠定了客戶基礎。

二是數(shù)字征信具有信息優(yōu)勢。相比以銀行賬戶和歷史借貸記錄為數(shù)據(jù)基礎的傳統(tǒng)征信，數(shù)字征信具有更為豐富的數(shù)據(jù)維度和多樣化的數(shù)據(jù)類型，數(shù)據(jù)來源更為廣泛，涉及經(jīng)營、社交、購物、出行等多個維度的海量數(shù)字足跡信息，不僅包括傳統(tǒng)的結構化數(shù)據(jù)，也包括圖片、語音、視頻等各類非結構化數(shù)據(jù)。此外，數(shù)字征信采集的互聯(lián)網(wǎng)行為信息，具有實時、動態(tài)的特征，更新頻率更快，信息實時性更強。海量的數(shù)字足跡信息，使得對客戶進行信用風險精準畫像成為可能，從而有效降低信貸過程中的信息不對稱。

三是數(shù)字征信具有風控效率優(yōu)勢。在直接效應方面，相比傳統(tǒng)銀行的評分卡模型，數(shù)字征信以大數(shù)據(jù)和機器學習為依托建立的大數(shù)據(jù)風控模型，具有明顯的信息優(yōu)勢和模型優(yōu)勢，對違約風險的預測準確性更高（黃益平和邱晗，2021）。王正位等（2020）以信用卡和“花唄”為例，比較了傳統(tǒng)征信和數(shù)字征信的作用，研究結論表明，互聯(lián)網(wǎng)消費行為信息能夠補充額外的征信信息，改善風險識別效率。信用風險識別效率的提高，有助于商業(yè)銀行擴大信貸供給，提高信貸效率。

在間接效應方面，數(shù)字征信等金融科技的使用，有可能導致“軟信息”的“硬化”，促進銀行信貸技術的融合發(fā)展，增強商業(yè)銀行信貸供給能力（盛天翔等，2020）。不僅如此，金融科技還會通過技術溢出加劇銀行競爭，這有助于提高銀行經(jīng)營效率和改善信貸供給（于波等，2020）。總體來看，數(shù)字征信的直接效應和間接效應會共同提升信貸效率、增加信貸包容，因而存在“數(shù)字征信——信貸效率——信貸包容”的邏輯機制。基于上述分析，本文提出假設1和假設2：

假設1：數(shù)字征信的發(fā)展，能夠促進銀行信貸使用。

假設2：數(shù)字征信通過促進銀行信貸效率提升，進而影響信貸使用。

圖1 數(shù)字征信對信貸使用的影響機制

數(shù)字征信的功能發(fā)揮需要數(shù)字技術支持，這主要表現(xiàn)在以下兩個方面：

一方面，大數(shù)據(jù)本身具有明顯的數(shù)字特征。作為央行征信的補充，數(shù)字征信與央行征信錯位發(fā)展，數(shù)字征信側重于持牌金融機構信貸信息以外的替代數(shù)據(jù)共享，具體包括社交、工作、購物、經(jīng)營等多方面的海量信息，并且數(shù)字征信機構通常依托大科技平臺及生態(tài)系統(tǒng)進行數(shù)據(jù)采集，因此，這些大數(shù)據(jù)信息具有明顯的數(shù)字特征。換句話說，只有具備一定的數(shù)字素養(yǎng)和擁有數(shù)字設備、在數(shù)字工具使用上不存在“數(shù)字鴻溝”的群體，才能留下數(shù)字足跡，成為數(shù)字征信對象。另外，從需求層次理論來看，數(shù)字征信依賴的社交、工作、購物、經(jīng)營等大數(shù)據(jù)，更多派生于發(fā)展和享受型需求，不同于低收入人群的生存和發(fā)展性需求。因而，建立在這種需求錯配的大數(shù)據(jù)基礎之上的數(shù)字征信，可能難以對低收入地區(qū)的信貸使用產(chǎn)生顯著影響。

另一方面，數(shù)字征信的信用評估依賴機器學習、云計算和人工智能等數(shù)字技術。數(shù)字征信的目的在于準確評估信用風險。相比傳統(tǒng)的評分卡模型，機器學習模型能夠更準確地發(fā)現(xiàn)變量之間的內(nèi)在關系，云計算和人工智能可以提高計算速度和數(shù)據(jù)處理規(guī)模（黃益平和邱晗，2021）。因此，機器學習、云計算和人工智能等數(shù)字技術是數(shù)字征信模型效率提升的基礎保障。

綜合來看，無論是大數(shù)據(jù)，還是機器學習、云計算和人工智能等數(shù)字技術，都與地區(qū)數(shù)字基礎設施建設緊密相關。我國區(qū)域經(jīng)濟發(fā)展不平衡，地區(qū)間基礎設施、制度環(huán)境、政府治理等存在較大差異。這種稟賦的差異，會對數(shù)字征信的信貸效應產(chǎn)生異質性影響。因此，本文提出假設3。

假設3：數(shù)字征信對信貸使用的促進作用存在異質性，在數(shù)字基礎設施較為完善的地區(qū)作用更大。

三、研究設計

（一）變量選擇與變量說明

1.信貸使用指標

信貸的使用以開立賬戶為前提，《中國普惠金融指標分析報告（2019年）》統(tǒng)計顯示，截至2019年末，全國人均擁有8.06個銀行賬戶，人均持有6.01張銀行卡。從中可以看出，我國居民人均賬戶擁有率較高，金融可及性較好。銀行包容的重點是信貸獲取和使用問題，因此本文采用信貸使用指數(shù)、人均貸款和貸款/GDP等三個指標來衡量信貸使用水平。

首先，本文借鑒相關研究所構建的金融包容指數(shù)（Beck等，2007；Demirgü?-Kunt等，2011；Gupte等，2012；Chakravarty和Pal，2013；粟勤和肖晶，2015），選取人均貸款和貸款/GDP兩個指標，在此基礎上構建信貸使用指數(shù)，以較為全面地反映信貸的使用水平。其中，人均貸款衡量縣域信貸使用的覆蓋廣度，貸款/GDP衡量信貸使用對縣域經(jīng)濟發(fā)展的支持效果，反映的是縣域信貸使用的深度。

在指標構成方法上，本文借鑒Chakravarty和 Pal（2013）的做法。不同于Sarma（2008）基于人類發(fā)展指數(shù)的研究，Chakravarty和 Pal提出的金融包容指數(shù)構建方法具有公理性結構基礎，并且金融包容指數(shù)的各個構成維度可以分解。具體計算公式如下：

其中：i表示信貸使用指數(shù)的第i個維度指標，k表示維度數(shù)量，xi表示第i個維度指標的具體取值，mini表示第i個維度指標的最小值，maxi表示第i個維度指標的最大值，r表示敏感系數(shù)，且0

其次，本文分別使用人均貸款和貸款/GDP作為因變量，從覆蓋廣度和使用深度方面反映縣域層面的信貸使用情況。

2.數(shù)字征信

本文的解釋變量——數(shù)字征信指標，來自北京大學數(shù)字金融研究中心編制的數(shù)字普惠金融指數(shù)中的征信業(yè)務分項指數(shù)（郭峰等，2020）。該指數(shù)利用螞蟻金服的海量數(shù)據(jù)，采用基于層次分析的變異系數(shù)法賦權，使用算術加權平均法進行指數(shù)合成。從2015年開始，該指數(shù)提供了縣級層面的數(shù)字征信指數(shù)。具體由兩個指標合成，分別為每萬支付寶用戶中使用基于信用的生活服務人數(shù)（包括金融、住宿、出行、社交等）和自然人征信人均調用次數(shù)。

3.控制變量

借鑒以往學者的研究并考慮數(shù)據(jù)的可得性，本文引入政府干預、產(chǎn)業(yè)結構、教育水平、固話用戶數(shù)、經(jīng)濟發(fā)展水平、互聯(lián)網(wǎng)普及率、城鎮(zhèn)化率等控制變量。政府在地方經(jīng)濟發(fā)展中具有重要作用，出于晉升等考核壓力，地方政府有動機影響信貸資源的分配。適度的政府干預能夠減少市場失靈導致的信貸資源配置扭曲，減少信貸排斥；過度的政府干預可能干擾市場機制，影響信貸效率。產(chǎn)業(yè)結構越高，經(jīng)濟發(fā)展越活躍，會吸引更多信貸資源的流入。教育能夠影響人力資本，促進金融服務的使用。固話用戶數(shù)、互聯(lián)網(wǎng)普及率等基礎設施的完善，能夠降低金融服務成本，改善信貸可用性。地區(qū)經(jīng)濟增長和城鎮(zhèn)化率的提高，能夠促進財富增長和增加金融供給，增強金融可及性。具體變量說明見表1。

表1 變量定義

（二）數(shù)據(jù)來源與模型設定

本文使用的數(shù)據(jù)主要來自兩部分：一是北京大學數(shù)字金融研究中心課題組發(fā)布的數(shù)字普惠金融指數(shù)（郭峰等，2020），本文使用縣級征信指數(shù)來衡量數(shù)字征信；二是歷年的《中國縣域統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》，用以生成信貸使用指標及相關控制變量。經(jīng)過數(shù)據(jù)清洗后，共獲得2015-2018年全國1503個縣（縣級市）的平衡面板數(shù)據(jù)。

結合前文指標選擇，設置雙向固定效應模型如下：

其中：i代表縣域，t代表年份，IC為信貸使用指標，包括信貸使用指數(shù)、人均貸款和貸款/GDP三項指標；credit表示數(shù)字征信，X是控制變量，λ和γ分別代表個體固定效應和時間固定效應，ε表示隨機誤差項。

（三）描述性統(tǒng)計

表2報告了本文相關變量的描述性統(tǒng)計結果。信貸使用指數(shù)的均值為0.6844，最小值為0.0838，最大值為1，說明我國縣域整體信貸使用程度不高，并且各縣之間差異較大。人均貸款平均為26745元，貸款/GDP均值為0.7187，這兩項指標同樣在各縣之間存在較大差異。數(shù)字征信均值為92.2262，總體水平不高。其他控制變量的描述性統(tǒng)計結果顯示，我國縣域經(jīng)濟整體水平、產(chǎn)業(yè)結構、教育水平和地區(qū)基礎設施發(fā)展不均衡，面臨著較大的產(chǎn)業(yè)升級壓力。

表2 描述性統(tǒng)計

四、實證分析

（一）基準回歸分析

為確保回歸結果的穩(wěn)健性，本文采用逐步加入解釋變量的方法進行回歸。從表3可以看到，第（4）列信貸使用指數(shù)模型中，數(shù)字征信系數(shù)始終在5%顯著性水平下顯著，說明數(shù)字征信能夠從整體上提高縣域信貸包容水平。第（5）列人均貸款模型中，數(shù)字征信系數(shù)為0.0241，同樣在5%顯著性水平下顯著。第（6）列貸款/GDP模型中，數(shù)字征信系數(shù)為0.0274，在10%顯著性水平下顯著。第（5）、（6）列結果說明，數(shù)字征信發(fā)展水平的提高，促進了信貸使用的覆蓋廣度和使用深度。

表3 基準回歸結果

在控制變量方面，產(chǎn)業(yè)結構在信用使用指數(shù)和人均貸款模型中顯著為正，說明地區(qū)產(chǎn)業(yè)結構的升級，能夠吸引信貸資源的集聚和使用。教育水平系數(shù)顯著為正，表明教育帶來的人力資本增加，有助于破解信貸排斥。固話用戶數(shù)變量系數(shù)同樣顯著為正，表明以固話用戶數(shù)為代表的基礎設施能夠為金融發(fā)展提供設施支持，從而降低金融服務的成本，增加信貸供給。經(jīng)濟發(fā)展水平對人均貸款的影響顯著為正，對信貸使用指數(shù)和貸款/GDP的影響顯著為負?？赡艿脑蛟谟冢环矫?，經(jīng)濟發(fā)展水平越高的地區(qū)，信貸資源供給相對更為充足，并且居民的財富水平更高，降低了信貸獲取和使用的財富門檻，增加了人均貸款水平。另一方面，地區(qū)經(jīng)濟發(fā)展水平越高，股票、債券等直接融資發(fā)展越充分，降低了銀行信貸在地區(qū)經(jīng)濟增長中的作用，從而導致地區(qū)經(jīng)濟發(fā)展水平對信貸使用指數(shù)和貸款/GDP產(chǎn)生負向影響。

（二）穩(wěn)健性檢驗

1.內(nèi)生性檢驗

表3的基準回歸中，本文使用了雙向固定效應模型，這在一定程度上減輕了遺漏變量的影響。但是基準回歸并不能避免反向因果導致的內(nèi)生性問題。一方面，數(shù)字征信能夠通過降低信貸雙方的信息不對稱，促進信貸的獲得和使用。另一方面，信貸使用程度較高的地區(qū)，通常經(jīng)濟更發(fā)達、金融體系更高效、社會制度更完善，因而更有能力發(fā)展數(shù)字基礎設施，改善數(shù)字征信。為了解決反向因果問題，本文采用工具變量進行兩階段估計。具體來說，借鑒王修華和趙亞雄（2019）的做法，采用同一省域內(nèi)除自身以外的數(shù)字征信指數(shù)均值作為數(shù)字征信的工具變量。同一省域內(nèi)各縣經(jīng)濟社會發(fā)展具有很強的相關性，其他各縣的數(shù)字征信平均水平會影響本縣數(shù)字征信的發(fā)展，滿足工具變量的相關性要求；其他各縣的數(shù)字征信發(fā)展和本縣的信貸使用沒有直接關系，滿足工具變量的排他性要求③本文也通過在基準回歸中加入工具變量，以檢驗排他性要求。結果顯示，加入工具變量后，解釋變量數(shù)字征信在統(tǒng)計上不再顯著，說明工具變量滿足排他性要求。。表4報告了使用工具變量的回歸結果。

表4第（1）-（3）列的工具變量第二階段回歸結果顯示，數(shù)字征信對信用使用指數(shù)、人均貸款和貸款/GDP等三項信貸使用指標，均在5%顯著性水平下具有顯著正向影響，這同表3的基準回歸結果基本一致。工具變量第一階段回歸系數(shù)在1%顯著性水平下顯著，Cragg-Donald Wald F統(tǒng)計量為716.832，遠大于15%的臨界值8.96，說明不存在弱工具變量問題。表3的基準回歸和表4的工具變量回歸結果顯示，數(shù)字征信的發(fā)展對信貸使用具有顯著促進作用，研究假說1得到證實。

表4 工具變量回歸結果

2.其他穩(wěn)健性檢驗

首先調整信貸使用指數(shù)的敏感系數(shù)，分別取值r=0.5和r=0.75④本文也檢驗了r=1的情形，主要結論不變。，然后重新計算不同敏感系數(shù)下的信貸使用指數(shù)，并再次進行回歸。表5第（1）、（2）列報告了回歸結果。結果顯示，敏感系數(shù)調整后，數(shù)字征信變量依然顯著，基準回歸結論不變。

其次，在樣本中剔除直轄市或省會城市所轄的縣域地區(qū)，結果如第（3）列所示。相比其他地區(qū)，直轄市或省會城市所轄的縣（市），由于更靠近直轄市或省會城市等經(jīng)濟中心城市，具有明顯的區(qū)位優(yōu)勢，在經(jīng)濟和金融發(fā)展上會顯著異于其他縣域地區(qū)。結果顯示，剔除直轄市或省會轄縣樣本后，數(shù)字征信仍然在5%顯著性水平下顯著為正。

再次，為了避免信貸使用指數(shù)極端值的影響，對信貸使用指數(shù)進行5%和95%水平的截尾處理。表5第（4）列結果顯示，截尾后本文主要結論依然成立。

表5 穩(wěn)健性檢驗

最后，考慮到存款是信貸使用的資金來源，本文借鑒文獻中對金融包容使用效用性研究的做法（Sarma，2008；王修華和趙亞雄，2019），在人均貸款和貸款/GDP指標基礎上，加入人均存款和存款/GDP指標，采用Chakravarty和 Pal的方法重新構建信貸使用效用性指數(shù)，回歸結果如第（5）列所示。可以看到，前文結論依然穩(wěn)健。

（三）數(shù)字征信的異質性影響與調節(jié)效應

數(shù)字征信作用的充分發(fā)揮依賴于相關配套機制的完善。我國縣域地區(qū)間基礎設施、經(jīng)濟發(fā)展水平、制度環(huán)境等存在較大差異，可能會影響數(shù)字征信對信貸使用的積極效果。為此，本文以信貸使用指數(shù)為因變量，根據(jù)互聯(lián)網(wǎng)普及率和所在地區(qū)進行分組回歸，以探究這種異質性影響。

首先，按照互聯(lián)網(wǎng)普及率的中位數(shù)⑤本文也按照北京大學數(shù)字金融研究中心編制的縣域數(shù)字普惠金融指數(shù)中位數(shù)進行分組，回歸結果基本一致。，將樣本分為高數(shù)字基礎設施組（中位數(shù)及以上）和低數(shù)字基礎設施組（中位數(shù)以下）。表6第（1）、（2）列報告了分組回歸結果。在高數(shù)字基礎設施組，數(shù)字征信的系數(shù)為0.0080，在1%顯著性水平下顯著，而在低數(shù)字基礎設施組，數(shù)字征信回歸系數(shù)不顯著。這說明，數(shù)字征信的作用發(fā)揮需要有較為完備的硬件基礎。

其次，考慮到我國地區(qū)發(fā)展的不平衡，將樣本分為東部地區(qū)和中西部地區(qū)兩組。表6第（3）、（4）列的回歸結果顯示，數(shù)字征信對東部地區(qū)的縣域信貸使用具有顯著促進作用，對中西部地區(qū)的信貸使用作用不明顯。一個可能的解釋是：東部地區(qū)具有較為完善的人力資本、基礎設施和制度環(huán)境，并且居民、企業(yè)對數(shù)字征信的認可和使用程度也較高，因而能夠充分激發(fā)數(shù)字征信的潛能，對信貸使用的影響更顯著。

最后，在模型中加入數(shù)字征信與互聯(lián)網(wǎng)普及率的交互項，以探究數(shù)字基礎設施對數(shù)字征信作用的調節(jié)效應。表6第（5）列報告的調節(jié)效應回歸結果顯示，交互項系數(shù)顯著為正，說明數(shù)字征信對信貸使用的積極影響隨著數(shù)字基礎設施的改善而增加。這同表6第（1）、（2）列分組回歸的結論一致。

總體來看，表6的異質性分析和調節(jié)效應回歸結果顯示，數(shù)字征信的信貸促進作用，在數(shù)字基礎設施較為完善的縣域地區(qū)和經(jīng)濟發(fā)展水平較高的東部地區(qū)縣域更明顯。前文的研究假說3得到證實。這表明，促進數(shù)字征信的發(fā)展，需要建立完善的配套基礎設施。

表6 異質性影響與調節(jié)效應

控制變量 控制 控制 控制 控制 控制個體固定效應 控制 控制 控制 控制 控制時間固定效應 控制 控制 控制 控制 控制N 3127 2885 1624 4388 6012 R2 0.3934 0.3099 0.5341 0.3020 0.3329

五、機制分析

相較于傳統(tǒng)征信，數(shù)字征信具有客群優(yōu)勢、信息優(yōu)勢和風控效率優(yōu)勢，并且數(shù)字征信還會推進商業(yè)銀行信貸技術的改善和加劇銀行競爭，這些最終都會影響到銀行的信貸效率，從而提升信貸包容。本節(jié)對信貸效率機制進行驗證。

結合本文的縣域數(shù)據(jù)，本文參照蔡慶豐等（2017）的研究，以存貸比作為銀行信貸效率的代理指標。存貸比越高，意味著商業(yè)銀行存款向貸款的轉換效率越高，盈利能力越強。表7第（1）列以縣域數(shù)據(jù)為樣本，報告了以存貸比為因變量的回歸結果。結果顯示，數(shù)字征信系數(shù)在10%顯著性水平下顯著為正，說明數(shù)字征信的使用，顯著提升了信貸效率。

但是，從風險角度來看，較高的存貸比也意味著商業(yè)銀行存在較高的流動性風險。數(shù)字征信如果確實提升了銀行效率，也應該同時體現(xiàn)為信貸風險的改善和信貸資產(chǎn)質量的提升。為此，本文以不良貸款率作為信貸資產(chǎn)質量的衡量指標，建立雙向固定效應模型進行驗證。由于僅能獲取省級層面的地區(qū)不良貸款率，本文以省級層面的數(shù)字征信作為自變量，基于2015-2018年的省級面板數(shù)據(jù)構建模型，控制變量包括產(chǎn)業(yè)結構、經(jīng)濟開放度、高校在校生數(shù)、城鎮(zhèn)化率和居民可支配收入等五個省級層面變量。表7第（2）列報告了回歸結果。結果顯示，數(shù)字征信系數(shù)在10%顯著性水平下顯著為負，證實數(shù)字征信具有降低不良貸款率和提升信貸資產(chǎn)質量的積極作用。

總體來看，表7的回歸結果說明，數(shù)字征信提高了銀行盈利能力，改善了信貸資產(chǎn)質量，從整體上提升了商業(yè)銀行信貸效率。前文的假說2得到證實。

表7 信貸效率機制檢驗結果

六、結論與建議

本文使用2015-2018年的中國縣域數(shù)據(jù)，選取人均貸款和貸款/GDP指標構建信貸使用指數(shù)，并結合北京大學數(shù)字金融研究中心編制的數(shù)字征信指數(shù)，實證檢驗了數(shù)字征信對信貸使用的影響。研究發(fā)現(xiàn)：第一，數(shù)字征信的發(fā)展，能夠促進縣域地區(qū)信貸的使用；第二，數(shù)字征信提高了銀行盈利能力和信貸資產(chǎn)質量，改善了銀行信貸效率；第三，數(shù)字征信的信貸效應受到地區(qū)配套機制的制約，在數(shù)字基礎設施水平較高的地區(qū)數(shù)字征信對信貸使用的促進效應更顯著。

隨著我國經(jīng)濟發(fā)展進入新常態(tài)，社會信用體系建設的緊迫性日益凸顯，成為增強金融活力、推動經(jīng)濟高質量發(fā)展的關鍵。盡管我國已經(jīng)建成了世界上規(guī)模最大的征信系統(tǒng)，但信貸使用水平有待提高，征信體系中仍有為數(shù)不少的人口缺乏信貸記錄。本文的研究表明，大力發(fā)展數(shù)字征信，積極推進征信的市場化進程，能夠顯著改善信貸使用。基于此，推動數(shù)字征信健康發(fā)展可以成為提升金融包容水平的重要著力點。具體來說，一是要立足數(shù)字征信自身發(fā)展，在數(shù)字征信立法、行業(yè)合作和風險防范上下功夫。數(shù)字征信以信息技術為基礎，而互聯(lián)網(wǎng)的開放性和共享性對個人的隱私和權益保護形成挑戰(zhàn)。為此，需要加快信用立法建設，在信息共享和隱私保護之間找到平衡點。數(shù)字征信在定位上，屬于央行征信的補充，與央行征信形成錯位發(fā)展。為此，要鼓勵數(shù)字征信機構之間、數(shù)字征信機構與傳統(tǒng)金融機構、數(shù)字征信機構與各應用場景相關機構間加強合作，探索征信信息的共享互通，創(chuàng)新和完善數(shù)字征信產(chǎn)品，提高數(shù)字征信水平和擴展應用場景。新生事物的發(fā)展往往伴隨著風險，數(shù)字征信同樣如此。在監(jiān)管層面，要更新金融監(jiān)管理念和手段，切實有效地防范和化解數(shù)字金融風險，推進數(shù)字征信的健康良性發(fā)展。二是要完善配套機制，提高互聯(lián)網(wǎng)普及率，消除“數(shù)字鴻溝”。充分發(fā)揮政府作用，完善制度環(huán)境，推進農(nóng)村地區(qū)數(shù)字基礎設施建設，加快數(shù)字經(jīng)濟發(fā)展。對于使用智能化產(chǎn)品存在困難的老年人、農(nóng)村貧困人口等弱勢群體，開發(fā)有針對性的智能產(chǎn)品，幫助弱勢群體跨越“數(shù)字鴻溝”，融入智慧生活，進而產(chǎn)生合格的社交、出行等大數(shù)據(jù)征信信息。政府部門、金融機構和社會公益組織要結合應用場景，采用多種形式開展數(shù)字金融教育，提高消費者的數(shù)字金融能力?？傊?，在政府和市場的相互配合下，形成健全而有力的配套機制，實現(xiàn)數(shù)字征信效能的充分發(fā)揮。