數(shù)字普惠金融發(fā)展影響居民杠桿率嗎？

黃曉莉 林麗瓊

摘? ?要：隨著數(shù)字技術更迭推新，數(shù)字普惠金融迎來了跨越式發(fā)展，其零距離接觸長尾客戶群體、提供低價便捷的服務，延伸了金融服務半徑，滿足了中低收入家庭的借貸需求，對居民杠桿率的傳導效應不容忽視。本文利用2011—2018年北京大學數(shù)字普惠金融發(fā)展指數(shù)與我國30個?。ㄗ灾螀^(qū)、直轄市）的相關經(jīng)濟數(shù)據(jù)，采用固定效應模型實證檢驗數(shù)字普惠金融發(fā)展對居民杠桿率的影響。研究結果表明：（1）數(shù)字普惠金融發(fā)展對居民杠桿率產(chǎn)生正向影響。分維度來看，數(shù)字普惠金融發(fā)展主要通過覆蓋廣度和使用深度對居民杠桿率產(chǎn)生正向影響。（2）異質性檢驗結果顯示，數(shù)字普惠金融發(fā)展對居民杠桿率的影響隨著杠桿率分位數(shù)水平的上升而下降;數(shù)字普惠金融發(fā)展對西部地區(qū)和中高收入群體影響程度較大。本研究的發(fā)現(xiàn)為認識居民杠桿率成因提供了新的證據(jù)，也為有關部門分類施策管控居民杠桿率提供了經(jīng)驗證據(jù)。

關鍵詞：數(shù)字普惠金融;居民杠桿率;固定效應模型;分位數(shù)回歸

中圖分類號：F830? 文獻標識碼：A? 文章編號：1674-2265（2021）11-0029-07

DOI：10.19647/j.cnki.37-1462/f.2021.11.004

一、引言

自2007年次貸危機爆發(fā)以來，債務成為社會各界關注的重點話題之一。我國總體債務風險可控，但危機之后一系列經(jīng)濟刺激計劃和長期以來依靠地方政府融資而后投資的發(fā)展模式，使得實體經(jīng)濟杠桿率持續(xù)走高，系統(tǒng)性風險隱患累積。為化解系統(tǒng)性風險，2015年中央經(jīng)濟工作會議首次提出“去杠桿”的政策方針，并取得顯著效果，但也對居民杠桿率產(chǎn)生一定程度的外溢性（張江濤，2018）[1]。居民杠桿率（債務/GDP）由2015年的39.2%持續(xù)上升至2018年的52.1%①，接近IMF（2017）②所認定的65%的債務紅線，可能會對經(jīng)濟的穩(wěn)定增長造成一定影響。為此，2018年12月中央經(jīng)濟工作會議確立了“穩(wěn)杠桿”的宏觀調控基調。2020年為應對新冠肺炎疫情，我國宏觀杠桿率由2019年246.5%攀升至2020年的270.1%，增速為9.57%，其中居民部門杠桿率增速為10.87%。相較于政府部門和企業(yè)部門，居民部門債務承擔能力和風險控制能力更弱，杠桿使用效率更低，因此，居民杠桿率增速越快，則一國發(fā)生金融危機的概率越高（紀洋等，2021）[2]。深入剖析居民杠桿率居高不下的內在原因，制定差異化、有針對性的穩(wěn)杠桿政策以防控系統(tǒng)性金融風險具有重要意義。

近年來，我國數(shù)字普惠金融發(fā)展迅速。數(shù)字普惠金融零距離接觸長尾客戶群體，提供低價、便捷的服務，延伸了金融服務半徑，高效滿足了居民日常生活中小額、分散的資金需求。僅就農(nóng)村人口的金融需求而言，《中國“三農(nóng)”互聯(lián)網(wǎng)金融發(fā)展報告（2017）》顯示，我國“三農(nóng)”金融缺口高達3.05萬億元。因此，數(shù)字普惠金融在滿足小額信貸資金需求方面的潛力巨大，其對于居民杠桿率的影響不容小覷。

目前已有關于數(shù)字普惠金融發(fā)展的研究較多聚焦于微觀層面，主要討論其對居民消費水平（肖遠飛和張柯?lián)P，2020;倪瑤和成春林，2020）[3，4]、收入水平（Allen，2016）[5]、創(chuàng)業(yè)家庭金融排斥現(xiàn)象（曾之明和汪晨菊，2018）[6]、家庭借貸活動（楊波等，2020）[7]等的影響。與此同時，現(xiàn)有關于居民杠桿率成因的分析大多集中于房價（周廣肅和王雅琦，2019;阮健弘等，2020）[8，9]、人口結構（周利和王聰，2017;劉哲希等，2020）[10，11]、收入差距（Ryoo和Kim，2013）[12]、社會保障（張榮霞等，2013）[13]、金融自由化程度（Aron和Muellbauer，2000）[14]等方面，鮮有研究揭示數(shù)字普惠金融發(fā)展對居民杠桿率的影響機制。為此，本文利用2011—2018年北京大學數(shù)字普惠金融發(fā)展指數(shù)與我國（除西藏自治區(qū)和港澳臺地區(qū)之外）的30個省（自治區(qū)、直轄市）（以下簡稱省份）的相關經(jīng)濟數(shù)據(jù)，通過固定效應模型探究數(shù)字普惠金融發(fā)展對居民杠桿率的影響，揭示數(shù)字普惠金融發(fā)展對居民杠桿率的影響機制，并從居民杠桿率分位數(shù)水平、居民收入水平、區(qū)域效應三個層面分析數(shù)字普惠金融發(fā)展對居民杠桿率的異質性影響，為監(jiān)管部門分類施策管控居民杠桿率提供經(jīng)驗依據(jù)。

二、理論分析與研究假說

不少研究均表明數(shù)字普惠金融發(fā)展能夠提高居民獲取正規(guī)信貸服務的概率，緩解家庭流動性約束，促進家庭參與金融市場。Levchenko（2005）[15]認為金融發(fā)展能夠優(yōu)化金融資源配置，幫助那些存在流動性約束的居民借助金融市場平滑當前與未來的消費。楊波等（2020）[7]認為數(shù)字普惠金融發(fā)展能夠提高被正規(guī)金融排斥的家庭獲取正規(guī)信貸資源的概率。傅秋子和黃益平（2018）[16]認為得益于數(shù)字普惠金融的蓬勃發(fā)展，農(nóng)村居民借助正規(guī)金融獲取消費信貸資金的概率增加。適度借貸能夠緩解流動性約束，充分發(fā)揮信貸增收作用，促進經(jīng)濟發(fā)展，但其可能帶來的直接負面影響是居民杠桿率的攀升。據(jù)此，提出假說1：

假說1：數(shù)字普惠金融發(fā)展對居民杠桿率具有正向影響。

學者們普遍認為數(shù)字普惠金融是一個綜合性的概念，其主要包含覆蓋廣度、使用深度和數(shù)字化程度三個維度，因此，數(shù)字普惠金融發(fā)展對居民杠桿率存在差異化影響。就覆蓋廣度而言，郭峰等（2020）[17]認為覆蓋廣度主要體現(xiàn)在支付寶賬號數(shù)量、用戶比例和電子賬戶綁定銀行卡數(shù)量等方面。具體而言，數(shù)字普惠金融服務覆蓋廣度的擴大很好地解決了金融機構網(wǎng)點不足、分布不均的困境，促使窮人、婦女和農(nóng)村人口等弱勢群體更容易獲得金融服務。同時，得益于大數(shù)據(jù)、云計算等新型技術的長足發(fā)展，數(shù)字普惠金融能夠運用新型技術積累客戶信息，并且更加精準地為客戶提供金融服務，進而大幅提升了居民的信貸可得性，推高了居民杠桿率（楊波等，2020）[7]。據(jù)此，提出假說2：

假說2：數(shù)字普惠金融發(fā)展通過擴大覆蓋廣度對居民杠桿率產(chǎn)生正向影響。

數(shù)字普惠金融的使用深度主要反映了用戶互聯(lián)網(wǎng)金融業(yè)務的實際使用情況，主要包括數(shù)字支付業(yè)務、數(shù)字信貸業(yè)務、數(shù)字保險業(yè)務等（郭峰等，2020）[17]。因此，數(shù)字普惠金融發(fā)展對居民杠桿率的差異化影響主要體現(xiàn)在這些互聯(lián)網(wǎng)金融業(yè)務的使用深度上。首先，數(shù)字支付業(yè)務所具備的便捷、高效、靈活的特征，能夠減少交易時間與成本，提高居民消費的頻率，增加居民過度消費的可能性;同時，數(shù)字支付使用深度的深化促使居民在支付過程中擺脫了現(xiàn)金的約束，從某種程度上降低支付的透明度，弱化現(xiàn)金流產(chǎn)生的心理落差。依據(jù)心理賬戶理論，居民使用數(shù)字支付時感受的心理賬戶損失程度小于現(xiàn)金支付程度，某種程度上助長了居民非理性的超前消費行為，助推居民信貸需求（鄒新月和王旺，2020）[18]。其次，數(shù)字信貸業(yè)務使用深度的深化，一方面，更加有效地幫助居民緩解暫時性的流動性約束和預算約束，從而平滑居民當前與未來的消費;另一方面，其基于數(shù)字信息技術實現(xiàn)了居民信貸可得性的大幅提升，促使“借新債還舊債”的觀念不斷強化，居民信貸需求進一步得到釋放（王剛貞和劉婷婷，2020）[19]。最后，數(shù)字保險業(yè)務使用深度的提升，能夠緩解未來預期不確定事件對家庭財務的沖擊，減輕負債家庭未來債務剛性償付的壓力，保障了居民家庭財產(chǎn)安全，增強其消費信心，增加其超前消費的可能性。據(jù)此，提出假說3：

假說3：數(shù)字普惠金融通過提升數(shù)字支付、信貸、保險等業(yè)務的使用深度對居民杠桿率產(chǎn)生正向影響。

數(shù)字普惠金融數(shù)字化程度的提升，能夠提高金融服務效率、降低服務成本，為居民提供更加便捷、高效的信貸服務，釋放居民借貸潛力（曾之明和汪晨菊，2018;楊明偉等，2020）[6，20]?！禛20數(shù)字普惠金融高級原則》提倡借助移動電話等數(shù)字化設備消除弱勢群體獲取金融服務的障礙。因此，相較于數(shù)字化程度較弱的地區(qū)，數(shù)字普惠金融在數(shù)字化程度較高的地區(qū)對弱勢群體信貸獲取的促進作用更強。一方面，數(shù)字普惠金融能夠借助互聯(lián)網(wǎng)收集借貸者信息，并依托大數(shù)據(jù)對借貸者信息進行分析處理以滿足借貸者差異化的信貸需求，降低了弱勢群體的融資成本和準入門檻。楊波等（2020）[7]研究發(fā)現(xiàn)，數(shù)字普惠金融發(fā)展提高了偏遠地區(qū)弱勢群體獲得正規(guī)信貸的可能性。另一方面，數(shù)字技術促使傳統(tǒng)金融服務擺脫了對物理網(wǎng)點的依賴，能夠憑借更低成本形成更強的地區(qū)覆蓋度，為居民提供更加便捷、高效的信貸服務，激發(fā)居民借貸意愿（李繼尊，2015）[21]。據(jù)此，提出假說4：

假說4：數(shù)字普惠金融發(fā)展通過提高數(shù)字化程度對居民杠桿率產(chǎn)生正向影響。

三、數(shù)字普惠金融發(fā)展影響居民杠桿率實證分析

（一）計量模型

為了實證檢驗數(shù)字普惠金融發(fā)展對居民杠桿率的影響，本文構建如下計量模型：

其中，[debtit]為被解釋變量，表示[i]省在[t]年的居民杠桿率;[finait]為核心解釋變量，反映了[i]省在[t]年的數(shù)字普惠金融指數(shù);[controlit]為控制變量的集合;[γi]為個體固定效應;[εit]為隨機擾動項。

（二）數(shù)據(jù)來源與變量說明

本文使用了如下數(shù)據(jù)：（1）北京大學數(shù)字金融研究中心發(fā)布的《中國數(shù)字普惠金融指數(shù)（2011—2018）》;（2）本文中的銀行和非銀行機構向家庭發(fā)放的消費信貸數(shù)據(jù)來源于中國人民銀行發(fā)布的區(qū)域金融運行報告;（3）控制變量來源于2011—2018年的《中國統(tǒng)計年鑒》和萬得數(shù)據(jù)庫。考慮到數(shù)據(jù)的可得性，本文選擇2011—2018年我國30個省份的面板數(shù)據(jù)進行實證研究。

1. 被解釋變量。采用債務與GDP比值測度居民杠桿率（debt），這是目前最常用的宏觀杠桿率指標?；谘芯康目尚行院蛿?shù)據(jù)的可得性，參考郭新華和廖知航（2013）[22]研究，采用銀行和非銀行機構向家庭發(fā)放的消費信貸來度量家庭債務。

2. 核心解釋變量。參考郭峰等（2020）[17]、王瑤佩和郭峰（2019）[23]的研究，選取北京大學的數(shù)字普惠金融指數(shù)（fina）進行研究。 該指數(shù)由覆蓋廣度（bread）、使用深度（depth）和數(shù)字化程度（digital）三個子指數(shù)構成。覆蓋廣度主要通過支付寶等互聯(lián)網(wǎng)支付賬號覆蓋率等來體現(xiàn);使用深度指用戶互聯(lián)網(wǎng)金融業(yè)務的實際使用情況，主要包括數(shù)字支付使用指數(shù)（pay）、信貸使用指數(shù)（credit）、保險使用指數(shù)（insur）③等;數(shù)字化程度主要考察地區(qū)數(shù)字普惠金融的便捷性與效率。

3. 其他控制變量。本文控制變量主要考慮以下幾個方面：一是經(jīng)濟發(fā)展水平（eco）。借鑒劉哲希等（2020）[11]的研究，采用人均GDP增長率衡量各省份經(jīng)濟發(fā)展水平。二是人口年齡結構。該因素與生命周期理論相關，不同年齡段的人群消費傾向不同。借鑒周利和王聰（2017）[10]的研究，選取老年人口撫養(yǎng)比（old）和少兒撫養(yǎng)比（child）控制年齡結構對居民杠桿率的影響。三是房價（house）。由于房價是居民杠桿率快速增長的重要原因（周廣肅等，2019;阮健弘等，2020）[8，9]，本文借鑒阮健弘等（2020）[9]的研究，選取商品房銷售平均價格作為房價的衡量指標，其中商品房銷售平均價格由商品房銷售額與銷售面積之比計算得出。四是金融發(fā)展水平（fina_level）。居民的信貸可得性與地區(qū)金融發(fā)展水平息息相關，采用金融機構各項貸款總額與GDP的比值來表示。五是儲蓄率（store）。儲蓄率是居民償付債務的重要來源之一。本文借鑒劉哲希等（2020）[11]，采用住戶部門儲蓄存款與GDP之比來衡量。六是社會保障程度（social）。社會保障程度是影響居民部門債務壓力的重要因素，借鑒張榮霞等（2013）[13]的研究，以各地區(qū)財政支出中社會保障和就業(yè)支出與居民可支配收入之比衡量。七是城鄉(xiāng)收入不平等（gap）。中低收入家庭會在比較心理效應的驅使下，借助信貸資金來維持或提升自己的社會地位，因此，本文參考梁雙陸和劉培培（2018）[24]的研究采用泰爾指數(shù)來衡量城鄉(xiāng)收入不平等。

（三）影響效應回歸結果分析

依據(jù)Hausman檢驗結果，本文選取固定效應模型實證檢驗數(shù)字普惠金融發(fā)展對居民杠桿率的影響。在表2的模型1中，加入數(shù)字普惠金融指數(shù)發(fā)現(xiàn)，數(shù)字普惠金融發(fā)展的估計系數(shù)在1%的水平下顯著正向影響居民杠桿率。在增加控制變量后，數(shù)字普惠金融發(fā)展的系數(shù)估計值為0.197，統(tǒng)計顯著性雖有所降低，但仍在5%的水平下顯著正向影響居民杠桿率。整體而言，我國數(shù)字普惠金融發(fā)展確實推高了居民杠桿率，假說1得到驗證。

（四）影響機制檢驗結果分析

本文在控制了影響居民杠桿率的其他因素前提下，進一步利用數(shù)字普惠金融指數(shù)的一級維度和二級維度指標，從不同維度剖析數(shù)字普惠金融發(fā)展對居民杠桿率的影響機制，結果見表3。

表3的模型1、模型2和模型3分別為數(shù)字普惠金融一級指標覆蓋廣度、數(shù)字化程度、使用深度對居民杠桿率的影響。由實證結果可知：覆蓋廣度的系數(shù)估計值為0.222，在5%的水平下顯著;使用深度的系數(shù)估計值為0.175，在1%的水平下顯著，這說明數(shù)字普惠金融發(fā)展可以通過覆蓋廣度和使用深度對居民杠桿率產(chǎn)生顯著正向影響，與假說2相符。但數(shù)字化程度的系數(shù)估計值不具有統(tǒng)計顯著性，這說明數(shù)字普惠金融發(fā)展通過數(shù)字化程度對居民杠桿率產(chǎn)生影響的程度有限，拒絕了假說4。就影響效應而言，數(shù)字普惠金融發(fā)展通過覆蓋廣度對居民杠桿率產(chǎn)生的影響效應最強，使用深度次之?？赡艿慕忉層校阂皇请S著數(shù)字普惠金融覆蓋廣度的擴大，該地區(qū)使用互聯(lián)網(wǎng)電子支付賬戶的用戶數(shù)增多，促使該地區(qū)更多居民能夠享受到數(shù)字普惠金融所提供的便捷且實惠的金融服務，有利于提升居民信貸參與積極性。二是數(shù)字化程度是數(shù)字普惠金融得以發(fā)展的重要基石，其對于時空的壓縮，大幅提升了金融服務的效率和便捷性。但是由于我國幅員遼闊、地形復雜多樣，加之西部地區(qū)弱勢群體分布較為分散，數(shù)字通訊技術基礎設施建設面臨諸多挑戰(zhàn)，導致數(shù)字化程度對居民杠桿率的影響有限。三是數(shù)字普惠金融使用深度的縱向深化，更能反映出互聯(lián)網(wǎng)金融服務的質量，有助于邊緣金融群體更加平等地享受高品質、多元化的金融業(yè)務，有效減少金融排斥。

此外，表3中模型4、模型5、模型6分別為數(shù)字普惠金融使用深度的二級指標——數(shù)字支付使用指數(shù)、保險使用指數(shù)、信貸使用指數(shù)對居民杠桿率的影響。由實證結果可知，數(shù)字普惠金融使用深度的細化指標均對居民杠桿率產(chǎn)生顯著的正向影響，其中數(shù)字支付使用指數(shù)對居民杠杠率的影響程度最大，信貸使用指數(shù)次之，保險使用指數(shù)的影響程度相對較弱，假說3得到驗證。

（五）穩(wěn)健性檢驗

為進一步檢驗模型的穩(wěn)健性，本文采用多種回歸方法對上述模型進行回歸：（1）采用混合OLS、隨機效應回歸;（2）更換被解釋變量，采用家庭債務總規(guī)模④（lndebt）來替代居民杠桿率;（3）考慮到數(shù)字普惠金融可能與居民杠桿率存在互為因果問題，參考鄒新月和王旺（2020）[18]、汪亞楠等（2020）[25]的研究，選取數(shù)字普惠金融滯后一期（lag_fina）和互聯(lián)網(wǎng)寬帶接入端口數(shù)（inter）作為工具變量，回歸結果通過了“不可識別”“弱工具變量”檢驗，說明本文選取的工具變量較為合理。以上結果均顯示，數(shù)字普惠金融發(fā)展對居民杠桿率的影響是穩(wěn)健的⑤。

四、異質性分析

（一）杠桿率異質性

為了更加細致地探究數(shù)字普惠金融發(fā)展對居民杠桿率的影響，本文將居民杠桿率按照分位數(shù)劃分為五組（見表4）。根據(jù)實證結果：一是數(shù)字普惠金融發(fā)展系數(shù)隨著居民杠桿率分位數(shù)水平的提升而下降。二是數(shù)字普惠金融發(fā)展系數(shù)能夠對處于0.3和0.5分位數(shù)的居民杠桿率產(chǎn)生顯著正向影響;而在0.9分位數(shù)水平下，數(shù)字普惠金融發(fā)展對居民杠桿率的影響并不顯著。這主要是由于高杠桿率家庭可能受到信貸約束，使得其被排除在數(shù)字普惠金融的受眾群體之外，弱化了數(shù)字普惠金融發(fā)展對其產(chǎn)生的影響。

（二）收入異質性

收入是居民償付債務的重要來源，也是金融機構為居民提供信貸資金的重要依據(jù)之一。因此，本文進一步探究不同收入層級下，數(shù)字普惠金融發(fā)展對居民杠桿率的異質性影響。本文借鑒楊沫（2019）[26]將居民人均可支配收入按照分位數(shù)劃分為四組，分別為低收入組（0.25分位數(shù)以下）、中低收入組（0.25～0.5分位數(shù)之間）、中高收入組（0.5～0.75分位數(shù)之間）和高收入組（0.75分位數(shù)以上）。表5實證結果顯示，中高收入組的數(shù)字普惠金融發(fā)展系數(shù)估計值為0.199，且在5%的水平下顯著，表明數(shù)字普惠金融發(fā)展對中高收入群體的杠桿率產(chǎn)生顯著正向影響;數(shù)字普惠金融發(fā)展對其他收入組并不具有統(tǒng)計顯著性。究其原因：第一，數(shù)字普惠金融發(fā)展雖然在一定程度上能夠緩解偏遠地區(qū)低收入人群信貸排斥現(xiàn)象，但受制于居民的金融意識、人均收入水平和文化觀念，其對低收入群體杠桿率影響的邊際效應有限;第二，與低收入人群相比，中高收入人群有穩(wěn)定且較為充足的收入來源，金融機構更加偏好向其提供信貸資金，與此同時，數(shù)字普惠金融發(fā)展大幅提升了中高收入人群借貸的便捷性，提高了中高收入人群的借貸欲望;第三，高收入人群本身金融資源獲得率相對較高，擁有豐富的資源稟賦，數(shù)字化的信貸產(chǎn)品對其邊際影響較為有限。

（三）區(qū)域異質性

為進一步探究數(shù)字普惠金融發(fā)展對居民杠桿率的區(qū)域異質性影響，本文將我國30個省份劃分為東部、中部、西部⑥三大區(qū)域，分別進行回歸（見表6）。研究結果表明，西部地區(qū)數(shù)字普惠金融發(fā)展的估計系數(shù)在10%的水平下顯著為正，但東部和中部地區(qū)數(shù)字普惠金融發(fā)展的估計系數(shù)并不顯著。數(shù)字普惠金融發(fā)展對居民杠桿率的影響存在較強的區(qū)域差異，其對西部地區(qū)等較為落后地區(qū)居民杠桿率的邊際影響更強?？赡艿慕忉屖俏鞑康貐^(qū)經(jīng)濟與金融發(fā)展水平較低，金融基礎設施仍比較落后，居民信貸可得性較低，數(shù)字普惠金融發(fā)展對于金融排斥的緩解效應更為顯著。

五、結論與建議

本文采用2011—2018年我國30個省份的經(jīng)濟數(shù)據(jù)，實證檢驗了數(shù)字普惠金融發(fā)展對居民杠桿率的影響機制。研究結果表明：（1）整體上，數(shù)字普惠金融發(fā)展顯著提高了居民杠桿率。（2）影響機制檢驗表明，數(shù)字普惠金融通過擴大覆蓋廣度、提升使用深度對居民杠桿率產(chǎn)生顯著正向影響，但通過提高數(shù)字化程度對居民杠桿率產(chǎn)生的影響不顯著。（3）異質性分析表明，數(shù)字普惠金融發(fā)展對居民杠桿率的影響隨著杠桿率提升而減弱，數(shù)字普惠金融發(fā)展有效提升了中高收入群體和西部地區(qū)的杠桿率。

綜合以上結論，本文認為數(shù)字普惠金融發(fā)展是居民杠桿率居高不下的重要影響因素之一。一方面，隨著我國金融市場漸趨成熟，數(shù)字普惠金融的覆蓋廣度、使用深度將不斷向縱深發(fā)展，其對于居民杠桿率的影響將愈加快速化、復雜化。另一方面，數(shù)字普惠金融發(fā)展對居民杠桿率存在異質性影響，其對西部和中低杠桿率地區(qū)影響程度較大。因此，數(shù)字普惠金融可能是西部和中低杠桿率地區(qū)居民杠桿率增速較快的原因之一，合理引導與風險管控較為重要。有鑒于此，本文提出以下政策建議：

一是完善普惠征信體系。根據(jù)實證結果，數(shù)字普惠金融的信貸指數(shù)對居民杠桿率具有顯著正向影響，因此，構建范圍更廣、層次更深的普惠征信體系，從源頭防控違約風險至關重要。有關部門應進一步完善相關法規(guī)，規(guī)范征信數(shù)據(jù)記錄、保管、應用等行為，保護好居民個人隱私，提高數(shù)據(jù)安全性。運用新興數(shù)字技術創(chuàng)新征信服務模式，加快構建以中國人民銀行為中心、商業(yè)化征信機構為補充的征信體系，實現(xiàn)覆蓋面更廣的普惠征信。有關部門應積極推動征信信息交互平臺建設，促使各監(jiān)管部門與金融機構之間征信信息共享，以充分發(fā)揮聯(lián)動監(jiān)管作用。

二是注重運用數(shù)字技術管控消費信貸風險。金融機構應積極運用大數(shù)據(jù)、云計算等新興數(shù)字技術收集和分析客戶信息，構建客戶信息收集系統(tǒng)、信用風險評估模型等，緊密結合貸款用途，對客戶消費信貸風險進行管控。一方面，利用數(shù)字技術采集和分析客戶大量的行為數(shù)據(jù)，構建信用風險評估模型，提高信貸風險識別能力;另一方面，應加強貸后風險監(jiān)測，搭建大數(shù)據(jù)貸后風險監(jiān)測模型，制定貸后風險實時預警評估機制，有效識別授信風險，防范風險累積。

三是制定差異化的消費信貸政策。針對居民杠桿率不高、增速不快區(qū)域，合理引導居民借助數(shù)字普惠金融緩解流動性約束，提高收入水平，提升生活質量，同時設置風險預警機制，防范債務累積風險。居民杠桿率較高、增速較快區(qū)域，應重點關注高杠杠人群債務償付情況以及中高收入人群杠桿率水平，引導其合理配置家庭資產(chǎn)，改善消費信貸結構，提高杠桿質量。

注：

①數(shù)據(jù)來源：國家資產(chǎn)負債表研究中心（CNBS）。

②引自IMF于2017年10月發(fā)布的 Global Financial Stability Report? （ October 2017 ） — Is Growth at Risk？。

③中國數(shù)字普惠金融發(fā)展指數(shù)的使用深度包括支付、貨基、征信、保險、投資、信貸6個二級指標，2011—2013年的中國數(shù)字普惠金融指數(shù)的使用深度不包含貨基、征信、投資3個二級指標，因此，本文僅選用支付、保險、信貸3個二級指標。

④為了消除異方差影響，本文對家庭債務總規(guī)模取對數(shù)。

⑤因篇幅所限，穩(wěn)健性檢驗結果無法展示，作者備索。

⑥東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東及海南11個省份;中部地區(qū)包括山西、河南、安徽、湖北、湖南、黑龍江、吉林及江西8個省份;西部地區(qū)包括陜西、甘肅、寧夏、青海、內蒙古、新疆、四川、重慶、云南、貴州、廣西11個省份。

參考文獻：

[1]張江濤.中國居民部門加杠桿的邏輯和潛在風險[J].國際金融，2018，（7）.

[2]紀洋，葛婷婷，邊文龍，黃益平.杠桿增速、部門差異與金融危機——“結構性去杠桿”的實證分析與我國杠桿政策的討論 [J].經(jīng)濟學（季刊），2021，21（3）.

[3]肖遠飛，張柯?lián)P.數(shù)字普惠金融對城鄉(xiāng)居民消費水平的影響——基于省級面板數(shù)據(jù) [J].武漢金融，2020，（11）.

[4]倪瑤，成春林.普惠金融數(shù)字化對城鄉(xiāng)居民福利差異影響的對比研究 [J].金融發(fā)展研究，2020，（3）.

[5]Allen T. 2016. Optimal （partial） Group Liability in Microfinance Lending [J].Journal of Development Economics，121.

[6]曾之明，汪晨菊.數(shù)字普惠金融發(fā)展與突破：效用及啟示 [J].湖南財政經(jīng)濟學院學報，2018，34（2）.

[7]楊波，王向楠，鄧偉華.數(shù)字普惠金融如何影響家庭正規(guī)信貸獲得？——來自CHFS的證據(jù) [J].當代經(jīng)濟科學，2020，42（6）.

[8]周廣肅，王雅琦.住房價格、房屋購買與中國家庭杠桿率 [J].金融研究，2019，（6）.

[9]阮健弘，劉西，葉歡.我國居民杠桿率現(xiàn)狀及影響因素研究[J].金融研究，2020（8）.

[10]周利，王聰.人口結構與家庭債務：中國家庭追蹤調查（CFPS）的微觀證據(jù) [J].經(jīng)濟與管理，2017，31（3）.

[11]劉哲希，王兆瑞，陳小亮.人口老齡化對居民部門債務的非線性影響研究 [J].經(jīng)濟學動態(tài)，2020（4）.

[12]S.Ryoo，Y.K.Kim. 2013. Income Distribution，Consumer Debt，and Keeping up with the Joneses：A Kaldor-Minsky-Veblen Mode [Z].Working Paper Series，Department of Economics，Trinity College.

[13]張榮霞，何影，史曉丹.民生類政府財政支出對居民消費影響的研究 [J].軟科學，2013，27（11）.

[14]Aron J，Muellbauer J. 2000. Personal and Corporate saving in South Africa [J].The World Bank Economic Review，14（3）.

[15]Levchenko，A A. 2005. Financial Liberalization and Consumption Volatility in Developing Countries [R].IMF Staff Papers，52（2）.

[16]傅秋子，黃益平.數(shù)字金融對農(nóng)村金融需求的異質性影響——來自中國家庭金融調查與北京大學數(shù)字普惠金融指數(shù)的證據(jù) [J].金融研究，2018，（11）.

[17]郭峰，王靖一，王芳，孔濤，張勛，程志云.測度中國數(shù)字普惠金融發(fā)展：指數(shù)編制與空間特征 [J].經(jīng)濟學（季刊），2020，19（4）.

[18]鄒新月，王旺.數(shù)字普惠金融對居民消費的影響研究——基于空間計量模型的實證分析 [J].金融經(jīng)濟學研究，2020，35（4）.

[19]王剛貞，劉婷婷.數(shù)字普惠金融對農(nóng)村居民消費的異質性影響研究 [J].山西農(nóng)業(yè)大學學報（社會科學版），2020，19（5）.

[20]楊偉明，粟麟，王明偉.數(shù)字普惠金融與城鄉(xiāng)居民收入——基于經(jīng)濟增長與創(chuàng)業(yè)行為的中介效應分析 [J].上海財經(jīng)大學學報，2020，22（4）.

[21]李繼尊.關于互聯(lián)網(wǎng)金融的思考 [J].管理世界，2015，（7）.

[22]郭新華，廖知航.中國分部門債務水平與經(jīng)濟增長的動態(tài)關聯(lián)性分析：1997—2013 [J].當代經(jīng)濟管理，2015，37（6）.

[23]王瑤佩，郭峰.區(qū)域數(shù)字金融發(fā)展與農(nóng)戶數(shù)字金融參與：渠道機制與異質性 [J].金融經(jīng)濟學研究，2019，34（2）.

[24]梁雙陸，劉培培.數(shù)字普惠金融、教育約束與城鄉(xiāng)收入收斂效應 [J].產(chǎn)經(jīng)評論，2018，9（2）.

[25]汪亞楠，譚卓鴻，鄭樂凱.數(shù)字普惠金融對社會保障的影響研究 [J].數(shù)量經(jīng)濟技術經(jīng)濟研究，2020，37（7）.

[26]楊沫.新一輪個稅改革的減稅與收入再分配效應[J].經(jīng)濟學動態(tài)，2019，4（7）.