數字金融能力與城鎮家庭債務風險：倒U形特征與機制解釋

摘" "要：本文基于2019年中國家庭金融調查（CHFS）數據，以城鎮居民為研究對象，從微觀視角構建了數字金融能力指數，并在此基礎上實證檢驗了數字金融能力對家庭債務風險的影響。研究結果表明，數字金融能力對城鎮家庭債務風險的影響表現為先增大后減小的倒Ｕ形關系。進一步分析發現，一方面，數字金融能力通過增加非理性支出、提升信貸可得性和增加風險偏好擴大家庭債務規模，進而導致債務風險增加；另一方面，數字金融能力也會通過增加財富積累能力和減少非正規渠道借貸行為實現資產增值和降低借貸成本，從而降低家庭債務風險，而兩者之間的倒U形關系是由數字金融能力提升所帶來的凈效應決定的。異質性分析表明，低資產城鎮居民的數字金融能力與家庭債務風險表現出正相關關系，而中、高資產城鎮居民的數字金融能力與家庭債務風險呈現出倒U形特征；不同教育程度的城鎮居民數字金融能力與其家庭債務風險之間均呈現倒U形特征，但受教育程度越高，拐點出現得越靠左。

關鍵詞：數字金融能力；家庭債務風險；倒U形特征

中圖分類號：F832" 文獻標識碼：A" 文章編號：1674-2265（2024）07-0037-11

DOI：10.19647/j.cnki.37-1462/f.2024.07.004

一、引言

目前，我國經濟發展面臨下行壓力，如何防范化解各方面潛在的重大風險已成為重中之重。黨的二十大報告強調“守住不發生系統性風險底線”。而根據國家資產負債表研究中心的數據，我國居民部門的債務杠桿率由2007年的18.8%持續攀升至2023年的63.5%，年平均增長率為8.19%，接近債務警戒線①，債務風險不言而喻。在此背景下，債務風險問題成為經濟領域的研究熱點，多數學者將研究視角聚焦于地方政府的債務風險或者企業特別是國有企業的杠桿率過高問題，尚未給予家庭部門債務風險隱患應有的重視。

近年來，隨著人工智能、云計算、大數據的蓬勃發展，居民數字金融能力與家庭債務風險之間的關系日益緊密。數字金融能力通常被認為是金融知識和數字技能的有機結合，代表著家庭在數字時代有效配置資源的一項技能，在優化債務結構、緩解信貸約束等方面發揮著重要作用（羅煜和曾戀云，2021）[1]。具備較強數字金融能力的居民可以通過人力資本效應實現風險分散和資產跨期配置，同時運用各種數字產品如數字保險來防范家庭債務風險。但也有部分研究表明個人的金融素養、數字技術使用等能力與家庭負債可能性、負債規模均呈正相關關系（吳衛星等，2018；柴時軍，2020）[2，3]。基于此，居民數字金融能力會如何影響家庭債務風險？其可能的影響路徑是什么？不同類型的居民數字金融能力對債務風險的影響是否存在差異？關于這些問題，目前學界還鮮有涉及。因此，本文從數字金融能力視角出發，以城鎮居民為研究對象，通過構建家庭層面數字金融能力指數，研究數字金融能力對家庭債務風險的具體影響及內在作用機制，這不僅為理解數字經濟、數字金融的微觀活動探索了新的視角，也對克服數字金融發展不平衡不充分的問題，提升數字金融能力，進而防范和化解家庭債務風險具有重要的現實意義。

二、文獻綜述

（一）數字金融能力的界定

“數字金融能力”這一概念是在金融素養、金融能力、數字金融素養等相關概念的基礎上提出的。其中，“金融素養”最早由Noctor等（1992）[4]提出，其將金融素養定義成一種管理和運用資本的技能，且這種技能有助于居民家庭做出理性、高效的選擇。隨著數字化時代的到來，再加上新冠疫情的暴發，各類數字金融產品與服務層出不窮，傳統金融素養的定義和指標已經不足以涵蓋數字環境中消費者面對新型金融服務的特殊性，也無法在數字時代體現消費者的金融行為和決策能力（Lyons和Kass‐Hanna，2021a）[5]，在此背景下，數字素養與金融素養結合形成適應當前時代發展的數字金融素養（Lyons和Kass‐Hanna，2021b）[6]。而相關研究發現，金融教育可以增加居民的金融知識，卻不能有效地轉化為金融行為（Fernandes等，2014；Miller等，2015）[7，8]，這意味著金融能力不僅僅是對金融知識的了解，還蘊含著實實在在的行動，即強調相關行為的實現。因此，在數字金融素養概念的基礎上，數字金融能力開始受到學者們的關注。

數字時代數字金融能力的核心要義是培養居民使用數字金融產品和服務以滿足自身經濟利益的能力，與數字金融素養相比，更加強調了相關行為的實現，即能力層面的關鍵內容（羅煜和曾戀云，2021）[1]。司傳寧等（2022）[9]參考“可行能力”及其延伸的“金融能力”概念，將數字金融能力定義為個體或家庭具備的金融知識與移動數字技術有機結合而形成的，通過參與數字金融服務而提高自身金融福祉和經濟利益的能力。

（二）數字金融能力的測度

數字金融能力的測度是相關研究得以開展的基石，但學術界尚未就數字金融能力的指標構建和評估方式達成共識。關于數字金融能力的測度方法，學術界較多使用的是因子分析法和熵值法。羅煜和曾戀云（2021）[1]使用迭代主因子法并選取使用移動支付、使用電腦支付、使用信用卡以及使用互聯網理財服務四個構成變量進行測度。此后有學者借鑒這一方法，選取具有網購行為、使用互聯網理財服務、使用信用卡三個變量重新測度數字金融能力（鄧瑜，2022；羅荷花和葉誼鋒，2023）[10，11]。何雄浪和陳冰（2023）[12]在此基礎上將是否持有股票賬戶、是否持有金融理財產品、是否答對金融問題一并納入指標體系。此外，Luo等（2021）[13]采用家庭是否使用自助銀行、網上/手機銀行、信用卡、電腦支付、手機支付、網上金融投資等六個變量測度居民數字金融能力，并進一步探究其對企業創新的影響。司傳寧等（2022）[9]則運用熵值法從客觀的數字支付、數字理財、數字借貸層面和主觀的金融知識層面進行測度。Meng（2023）[14]結合以往的研究，將11個指標分為五個維度（基本知識和技能、意識、態度、數字金融行為和自我保護），并采用得分加總法衡量數字金融能力指數。

（三）數字金融能力的效應

國內外對居民數字金融能力影響的研究尚顯稀缺，已有文章主要研究數字金融能力對家庭行為、金融行為以及企業績效等方面的影響。在對家庭行為的影響方面，已有研究表明數字金融能力不僅有助于促進家庭創業，增加家庭獲取收入的渠道（Luo和Zeng，2020）[15]，還能夠減少相對貧困的發生概率（羅煜和曾戀云，2021）[1]，有效緩解居民家庭收入脆弱性（羅荷花和葉誼鋒，2023）[11]。現有文獻也探究了數字金融能力與家庭消費之間的關系，Meng（2023）[14]發現消費者的數字金融能力通過放松信貸約束和促進網上購物、信息搜索和社交來提高其家庭總消費和在線消費比例。此外，Kass-Hanna等（2022）[16]以南亞和撒哈拉以南的七個非洲國家為研究對象，探究數字素養、金融素養與金融行為（包括儲蓄、借貸和風險管理）之間的關系，結果表明金融素養和數字素養有助于提升金融包容性和金融韌性。Luo等（2021）[13]利用2015年CHFS數據探究了數字金融能力與家族創業績效之間的關系，研究結果表明數字金融能力能夠通過銷售、借貸和投資三種渠道對企業創新、企業所有權和財務績效產生顯著且積極的影響。

（四）文獻評述

居民數字金融能力概念的界定、測度及其效用等文獻為本文研究奠定了基礎，通過歸納分析現有研究發現：一方面，學者們雖已逐步關注到金融素養、數字技能、互聯網使用等因素對居民家庭債務的影響，但同時將其進行綜合分析并構建數字金融能力指標的研究較少；另一方面，圍繞家庭債務風險影響因素的研究已成為家庭金融領域的研究熱點，但缺乏從數字金融能力等新興視角的探討。基于此，本文綜合考慮城鎮居民的金融知識、數字基本參與能力以及數字深度使用能力，并將其納入同一框架，從微觀層面構建數字金融能力指數。在此基礎上，以城鎮居民為研究對象，采用Tobit、Probit等模型實證檢驗了數字金融能力對家庭債務風險的影響，以彌補我國家庭債務風險方面研究的不足。

三、理論分析與研究假說

（一）數字金融能力對城鎮家庭債務風險的非線性影響

對于城鎮居民來說，數字金融能力對家庭債務風險有增加和降低雙重影響，而家庭債務風險增減與否取決于積極效應和負面效應的相對強弱。在數字金融能力較弱時，居民沒有足夠的金融知識和數字技能來有效管理債務，會錯誤地估計貸款的真實利率及成本，導致負債決策方面犯錯概率更大（Lusardi和Tufano，2015）[17]，且在數字金融工具的初步應用中面臨著學習成本或適應期，有可能導致債務負擔過重甚至超過自身擁有的資產，此時，數字金融能力對家庭債務風險的負面效應大于積極效應，表現為家庭債務風險的增加。而隨著數字金融能力的逐步提升并超過臨界值，居民掌握了足夠的金融知識和數字技能并靈活運用，從而能夠制定合理的財務安排和償債規劃（吳衛星等，2021）[18]，充分利用數字金融工具來管理財務，進行風險評估和規劃，進而優化家庭負債結構，實現資產增值，最終降低家庭債務風險。基于這一論述，本文提出假設1。

H1：數字金融能力與城鎮家庭債務風險之間存在倒U形關系。

（二）數字金融能力對城鎮家庭債務風險的影響機制

1.數字金融能力對城鎮家庭債務風險的負面效應。一是通過增加居民的非理性消費支出，導致家庭債務風險上升。基于互聯網技術的數字金融發展帶來了支付方式的變革（李繼尊，2015）[19]，作為數字金融能力的一部分，移動支付能夠通過緩解信貸約束、提供支付便利等機制刺激居民消費需求，但也會給家庭帶來一定的負面影響，如加劇償債壓力（柴時軍，2020）[3]。此外，Soman（2003）[20]指出，與現金支付相比，使用電子貨幣支付會削弱消費者對現金流失的敏感度和心理落差，這可能會誘發居民缺乏節制的購買動機，增加非理性支出，最終導致資金流動性收緊和家庭債務風險加劇。二是通過提升居民的信貸可得性，導致過度負債，從而促使家庭債務風險上升。現有研究表明，居民金融素養水平越高，信貸約束緩解越明顯（吳雨等，2016；宋全云等，2017）[21，22]，家庭信貸規模也越大（伍再華等，2017）[23]。而信貸可得性的增加又會正向影響樂觀者的杠桿率（Burnside等，2016）[24]。此外，隨著互聯網技術的不斷發展，數字借貸應運而生，其便利性和隱私性不僅會促使消費者釋放更強烈的信貸需求，還會提升消費者的信貸可得性，導致居民出現過度負債，從而加劇家庭債務風險。三是通過提升居民風險偏好，促使家庭債務風險上升。已有研究表明，投資者金融知識掌握程度與風險偏好正相關（Dohmen等，2010）[25]。一方面，風險偏好的上升會導致債務承受能力提高，更傾向于通過借貸的方式進行日常消費或投資，即提高家庭借貸發生率（趙青，2018）[26]，從而導致家庭負債總額顯著增加；另一方面，風險偏好較高的家庭可能更傾向于將儲蓄用于投資，以期獲取更高的回報，而邊際儲蓄意愿下降會間接刺激信貸需求。

2.數字金融能力對城鎮家庭債務風險的積極效應。從積極效應來看，數字金融能力的提升能夠降低家庭債務風險。一方面，家庭財富是居民應對債務風險的重要保障，而家庭財富的積累又受居民數字金融能力的影響。數字金融能力的提升使得家庭接觸到更多的金融工具和服務，有助于優化財務決策，提高投資效率，并更好地管理風險，從而促進家庭財富的積累。另一方面，吳衛星等（2018）[2]研究表明金融素養水平低的居民更傾向于使用非正規渠道借貸。而非正規借貸，尤其是民間借貸存在較高的借貸利率，且通常以地緣和血緣關系的強度為借貸依據，借款人的償債能力難以客觀評估，導致非正規渠道借貸比正規渠道借貸的債務風險更大（賈立等，2020）[27]。數字金融能力作為金融知識與數字技能的有機結合，可以有效提升家庭財務管理能力，使居民能夠制定合理的預算和財務計劃，準確地計算償債成本，進而選擇低成本的借貸渠道進行融資，有效避免或降低不合理借貸行為所引發的債務風險。具體影響機制見圖1。

基于上述分析，提出以下假設：

H2：數字金融能力通過增加非理性支出、提升信貸可得性以及提升風險偏好擴大家庭債務規模，進而增加城鎮家庭債務風險。

H3：數字金融能力通過提高家庭財富積累能力和減少居民非正規渠道借貸行為，實現資產增值和降低借貸成本，進而降低城鎮家庭債務風險。

四、研究設計

（一）數據來源

本文數據來源于2019年中國家庭金融調查（CHFS）。該調查收集了家庭資產與負債、支出與收入、商業保險與社會保障、家庭及其成員的人口統計學特征等覆蓋全國除西藏、新疆和港澳臺地區以外的29個省份的微觀數據。鑒于指標構建過程中所需提取的調查問卷里的部分問題只詢問了城鎮樣本，本文主要的研究對象是城鎮居民。經數據清洗及剔除無效、極端樣本后，最終保留9792個有效樣本進行研究，不同研究內容的樣本量會有所變化。

（二）模型設定

由于家庭債務風險數據具有典型的截斷特征，使用OLS模型可能導致回歸結果產生較大誤差。為此，本文借鑒周利等（2021）[28]的研究建立Tobit模型實證檢驗數字金融能力對城鎮家庭債務風險的影響。基準回歸模型如下：

[Debti=α0+α1DFCi+α2DFCi2+γXi+λi+εi] （1）

其中，[i]是受訪家庭對應的識別碼。[Debti]是被解釋變量，即家庭債務風險；[DFCi]和[DFCi2]表示數字金融能力指標及其平方項；[Xi]是控制變量，包括個人特征、家庭及地區特征變量；[λi]為省份固定效應；[α0]是常數項，[α1]和[α2]是待估系數，[εi]是擾動項。

為進一步考察數字金融能力影響家庭債務風險的作用機制，本文采納江艇（2022）[29]的建議，直接識別數字金融能力對中介變量的影響，回歸模型設定如下：

[Mi=β0+β1DFCi+β2DFCi2+γXi+λi+εi]" （2）

式（2）中，[Mi]是中介變量，包括數字金融能力對家庭債務風險的積極效應和負面效應兩方面的中介變量。[β0]是常數項，[β1]和[β2]是待估系數。其余變量與式（1）保持一致。

（三）變量說明

1.被解釋變量：家庭債務風險。本文同時考慮存量和流量兩類衡量指標以便更加全面地衡量家庭債務風險。其中，在存量指標方面，本文借鑒周廣肅和王雅琦（2019）[30]的做法，采用家庭資產負債率衡量。而對于流量指標，本文則借鑒謝綿陛（2018）[31]的做法，采用家庭債務收入比衡量。

2.核心解釋變量：數字金融能力。為合理測度城鎮居民的數字金融能力，本文參考羅煜和曾戀云（2021）[1]、司傳寧等（2022）[9]的做法，綜合考慮金融知識、數字基本參與能力以及數字深度使用能力的影響，運用因子分析法，從客觀的數字支付、數字理財、數字借貸以及數字使用層面和主觀的金融知識層面構建數字金融能力指標。基于數據可得性，選取七個變量構建數字金融能力指標（見表1），其中，全樣本KMO值為0.6831，巴特利特球形檢驗P值為0，特征值大于1的因子為3個，在此基礎上，以各因子方差貢獻率占總方差貢獻率的比重作為各因子得分的權重，再進行加權求和，得到數字金融能力的綜合得分。

通過正交旋轉，由表2可以看出，利率計算、通貨膨脹、投資風險在第一個公因子上的載荷值較大，可見該公因子主要代表了利率計算、通貨膨脹、投資風險等金融方面的知識，因此，將其定義為金融知識因子。數字支付、數字使用在第二個公因子上的載荷值已超過80%，這說明公因子2較好地反映了居民能夠基本使用數字產品并利用其進行消費與支付的狀況，因此，將其定義為數字基本參與能力。數字借貸、數字理財在第三個公因子上的載荷值較大，而數字借貸和數字理財涉及處理家庭財務數據、交易歷史等信息，在一定程度上能夠代表居民對數字技術的掌握程度和對數字化金融服務的適應能力，因此，將公因子3定義為數字深度使用能力。

3. 中介變量。（1）非理性支出：采用家庭消費性支出衡量。（2）信貸可得性：參考張正平和石紅玲（2019）[32]的做法，依據家庭目前是否有銀行貸款將樣本家庭分為有貸款者和無貸款者， 其中有貸款者視為信貸可得家庭。（3）風險態度：選擇CHFS問卷中“如果您有一筆資金用于投資，您最愿意選擇哪種投資項目？”的回答來測度居民的風險態度，根據回答分為風險偏好非常不明顯、不明顯、一般、明顯、非常明顯五個梯度。（4）財富積累能力：采用家庭凈資產衡量。（5）非正規渠道借貸：若受訪者通過親朋好友或非銀行正規金融機構渠道進行借貸，賦值為1，否則賦值為0。

4. 控制變量。為緩解遺漏變量導致的內生性問題，本文在模型中加入盡可能多的控制變量。具體包括：（1）個人統計學特征變量，包括性別、年齡、婚姻狀況、文化程度、健康水平、有無工作和社會保障情況。（2）家庭特征變量，包括家庭的工商業經營參與、擁有住房、人口規模和近五年是否受重大事件影響。（3）地區特征變量，考慮家庭負債和地區經濟之間可能存在的反向因果關系，本文選取2019年各地區人均GDP數據作為控制變量。變量說明如表3所示。

表3的相關數據顯示，樣本中城鎮居民的資產負債率與債務收入比的均值分別為0.38和0.47，但最大值為0.9963與4.7262，說明城鎮家庭間的債務風險水平存在較大差異。城鎮居民的數字金融能力最小值為0.0062，最大值為3.7588，而均值為1.63，說明我國城鎮居民的數字金融能力整體處于較低水平。

五、數字金融能力影響城鎮家庭債務風險的實證分析

（一）基準回歸

表4的第（1）和（3）列報告了采用Tobit模型分析的數字金融能力對城鎮家庭債務風險的估計結果。回歸結果顯示，數字金融能力對資產負債率、債務收入比的一次項系數為正，二次項系數為負，拐點分別為2.065和2.054，且均通過了1%的顯著性水平檢驗。這表明數字金融能力對城鎮家庭債務風險的影響呈倒U形特征，假說1初步得到驗證。

為緩解遺漏變量、反向因果等導致的內生性問題，本文選取同一社區其他人的數字金融能力的平均值作為工具變量進行IV Tobit模型兩階段回歸。表4中第（2）和（4）列為使用IV Probit模型進行內生性處理后的回歸結果。由回歸結果可知，內生性檢驗的p值均在1%的水平上拒絕了不存在內生性的假設。F值為147.63，遠遠大于10%的相對偏誤容忍的臨界值16.38，說明不存在弱工具變量問題。此外，數字金融能力的一次項系數為正，二次項系數為負，且都通過了顯著性檢驗，可見，在考慮內生性影響以后，數字金融能力與城鎮家庭債務風險仍存在倒U形關系。

（二）穩健性檢驗

1. 替換核心解釋變量。為檢驗模型的穩健性，本文借鑒 Lusardi和Mitchell（2011）[33]、吳衛星等（2018）[2]的方法，將基準回歸中運用因子分析法構建的數字金融能力指標替換成利用評分加總法得到的數字金融能力指標，分析其對城鎮家庭負債風險的影響。表5列（1）和列（2）報告了該回歸結果，回歸結果顯示，其顯著性及方向和基準回歸結果基本一致，表明數字金融能力與家庭債務風險之間存在顯著的倒U形關系。

2.剔除家庭成員從事金融行業工作的樣本。有從事金融行業的家庭成員的家庭可能會及時掌握金融機構的產品、業務等相關信息，對金融知識的接觸也較多，能夠從正規金融機構獲得的信貸也相對較多，所以這些家庭的數字金融能力與其他家庭表現出明顯的差異，因此，本文剔除有從事金融行業工作的家庭成員的家庭樣本進行穩健性檢驗，回歸結果見表5第（3）和（4）列。可以發現，剔除有從事金融行業的家庭成員的樣本后，數字金融能力的一次項和平方項的估計系數大小、顯著性水平與基準回歸結果基本保持一致，進一步說明本文結論具有一定的穩健性。

（三）影響機制檢驗

本文參考江艇（2022）[29]提出的方法，在機制檢驗中僅分析城鎮居民數字金融能力對中介變量的影響。回歸結果如表6所示，第（1）—（3）列結果顯示，數字金融能力與居民非理性支出、信貸可得性以及風險態度的回歸系數在1%水平上均顯著為正，說明居民數字金融能力能夠提升家庭的非理性支出、信貸可得性以及居民風險偏好。而根據前文理論分析可知，居民非理性支出的增加（柴時軍，2020；Dohmen等，2010）[3，25]、信貸可得性（Burnside等，2016）[24]以及風險偏好的提升（趙青，2018）[26]都會擴大家庭債務規模，進而增加家庭債務風險。因此，本文認為數字金融能力會通過增加居民非理性支出、信貸可得性以及提升居民風險偏好擴大家庭債務規模，進而增加家庭債務風險，假設2得以驗證。

第（4）和（5）列結果顯示，數字金融能力與家庭財富積累能力的回歸系數在5%水平上顯著為正，與居民非正規渠道借貸的回歸系數在1%水平上顯著為負，這說明居民數字金融能力能夠提升家庭財富積累能力，并減少居民非正規渠道借貸行為。家庭財富作為居民家庭應對債務風險的重要保障，其增加意味著家庭償債能力提升，在一定程度上能夠防范和降低家庭債務風險；與正規渠道借貸相比，非正規渠道借貸利率較高，債務風險更大（賈立等，2020）[27]。因此，數字金融能力能夠通過增加家庭財富積累能力和減少居民非正規渠道借貸行為，實現資產增值和降低借貸成本，進而降低家庭債務風險，假設3得以驗證。

而數字金融能力對城鎮家庭債務風險的影響取決于積極效應和負面效應的相對強弱，且積極效應和消極效應在數字金融能力提高的過程中可能呈現出此消彼長的現象，那么，在數字金融能力影響城鎮家庭債務風險的過程中，積極和負面兩種效應到底誰強誰弱？這種關系在不同階段是否存在動態變化？為了解答這些問題，本文將城鎮居民樣本劃分為A組（數字金融能力小于拐點的樣本）和B組（數字金融能力大于拐點的樣本），對數字金融能力影響城鎮家庭債務風險的機制進行進一步分析。

表7結果表明，對于數字金融能力小于拐點的樣本來說，其數字金融能力對非理性支出、信貸可得性的影響系數總體上顯著高于數字金融能力大于拐點的樣本，而雖然數字金融能力對風險態度的影響系數低于數字金融能力大于拐點的樣本，但結果并不顯著。這表明在城鎮居民數字金融能力較低時，數字金融能力對家庭債務規模的正向影響（即債務擴張效應）更為顯著，隨著數字金融能力逐步提升并超過臨界值，數字金融能力的債務擴張效應逐漸減弱。表8結果表明，對于數字金融能力大于拐點的城鎮家庭樣本來說，其數字金融能力對家庭財富積累能力、居民非正規渠道借貸行為的影響系數總體上顯著高于數字金融能力小于拐點的樣本。這表明在城鎮居民數字金融能力較低時，數字金融能力對于居民資產增值、降低借貸成本的影響效果相對較小。然而，隨著城鎮居民數字金融能力逐步提升并超過拐點，這種影響效果逐漸增強。綜上，對A組來說，數字金融能力提升的積極效應相對較弱，負面效應相對較強，在B組中正好相反，而正是這種此消彼長的關系決定了數字金融能力與城鎮家庭債務風險之間的倒U形關系，由此，假說1得以進一步驗證。

（四）異質性分析

1. 資產異質性。考慮到不同家庭之間資產規模存在較大差異，而資產規模的大小反映了家庭償債能力的高低，使得數字金融能力對家庭債務風險的影響效果有所不同。因此，對家庭資產規模進行排序，將樣本劃分為高資產（前25%）、低資產（后25%）和中資產（中間50%）三組，分別進行回歸，估計結果如表9所示。可以看出，對于擁有中、高資產的城鎮居民來說，數字金融能力與家庭債務風險之間均存在顯著的倒U形關系。而對于擁有低資產的城鎮居民來說，數字金融能力對家庭債務風險的影響顯著為正，說明低資產群體數字金融能力的提升會增加家庭債務風險。這可能是因為低資產群體具有較低的收入和財務儲備，償債能力相對較弱，再加上商業銀行在決定放貸額度時會考慮其資產情況，使得其更傾向于通過非正規渠道獲取貸款，從而導致家庭債務風險增加。

2. 教育水平異質性。由于數字金融能力在不同受教育程度群體中發揮的作用也有所不同，本文根據城鎮居民的學歷差異進行分組，將總樣本劃分為低等教育群體（高中及以下）、中等教育群體（中專及大專） 和高等教育群體（大學本科及以上）三組。回歸結果如表10所示。可以看出，無論是高等教育還是低等教育群體，其數字金融能力與家庭債務風險的關系都呈倒U形。進一步分析發現，相比于受教育程度較低的群體，受教育程度越高的群體拐點出現得越靠左，表明居民受教育程度越高，數字金融能力降低家庭債務風險的效果越強。這可能是因為受教育程度相對較高的人在學習的過程中已經掌握了一定的金融知識和技能，這一定程度上降低了居民在數字金融工具的初步應用中可能面臨的學習成本，從而增強了數字金融能力降低家庭債務風險的效果。

3. 數字使用深度異質性。對不同金融知識水平、數字深度使用能力的城鎮居民來說，金融知識、數字深度使用能力提升以及兩者的交互項對家庭債務風險的影響效果也有所不同，本文根據城鎮居民的金融知識、數字深度使用能力的高低將樣本分為四組。由于篇幅有限，僅匯報資產負債率作為被解釋變量的回歸結果。回歸結果如表11所示。根據回歸結果可知，對于高金融知識水平的城鎮居民來說，無論數字深度使用能力是高還是低，金融知識和數字深度使用能力的同時提高會顯著降低家庭債務風險，而對于低金融知識水平的城鎮居民來說，居民金融知識和數字深度使用能力的同時提高對家庭債務風險的影響不顯著。這可能是因為對于金融知識水平較低的城鎮居民來說，缺乏基本的金融知識可能導致其難以正確理解和應用數字化工具，從而無法有效地管理個人財務，此時即使提高數字深度使用能力，其對家庭債務風險的影響也不明顯。因此，低金融知識水平的居民可能需要更全面的金融教育和培訓，以使他們能夠更好地利用數字化工具來管理財務并降低家庭債務風險。

六、研究結論及建議

本文基于2019年中國家庭金融調查（CHFS）數據，以城鎮居民為研究對象，考察了數字金融能力與城鎮家庭債務風險之間的關系。結果發現，第一，數字金融能力與城鎮家庭債務風險之間存在顯著的倒U形關系。第二，數字金融能力的提升一方面通過增加非理性支出、提升信貸可得性以及提升風險偏好擴大家庭債務規模，進而增加家庭債務風險；另一方面通過增加家庭財富積累能力和減少居民非正規渠道借貸行為，實現資產增值和降低借貸成本，進而降低家庭債務風險。而兩者之間的倒U形關系取決于數字金融能力提升帶來的凈效應。第三，異質性分析發現，低資產城鎮居民的數字金融能力與家庭債務風險正相關，而對于中、高資產的城鎮居民來說，其數字金融能力與家庭債務風險存在倒U形關系。不同教育程度的城鎮居民數字金融能力與家庭債務風險的關系均呈現倒U形特征，且受教育程度越高，拐點越靠左。此外，對于高金融知識水平的城鎮居民而言，無論自身數字深度使用能力高低，其金融知識和數字深度使用能力的提高均會降低家庭債務風險，而低金融知識水平的城鎮居民數字金融能力的提高對家庭債務風險的影響不顯著。基于此，本文提出如下政策建議：

一是重視提高城鎮居民數字金融能力，尤其注重金融知識的普及。由前文實證結果可知，數字金融能力與城鎮家庭債務風險之間呈倒U形關系，而大部分樣本的數字金融能力都處于拐點左側。在異質性分析中發現，高金融知識水平的城鎮居民，無論自身數字深度使用能力是高還是低，金融知識和數字深度使用能力的提高都會降低家庭債務風險。因此，有關部門應采取有效措施全面提升城鎮居民的數字金融能力，尤其是金融知識水平，如積極開展有關金融知識和數字技能的線上線下培訓以及在現有教育體系中增加金融知識、數字技能等方面的內容。

二是完善數字基礎設施，打通數字金融發展“最后一公里”。培養數字金融能力，不僅需要公民自身努力增強金融知識和數字技能，還需要從供給端出發，著力推動和完善當地數字基礎設施和技術服務。政府應重視當地尤其是經濟落后地區數字終端的普及以及通信基礎設施的投入，提升用戶參與廣度和使用深度，著力消除“馬太效應”，打通數字金融發展的“最后一公里”。

三是規范數字平臺發展，加強家庭部門風險監測。一方面，在規范互聯網金融平臺、數字平臺及App借貸流程的基礎上，要求平臺或App必須以通俗易懂的語言向用戶提示潛在的金融風險，尤其要告知對違約行為的罰息、列入失信名單等處罰規則，在一定程度上促使居民控制負債規模，減少非正規渠道借貸，進而避免產生過高的借貸成本。另一方面，要加強家庭部門債務風險監測，推動監管科技發展，從監管基礎設施、基本原則、監管工具等層面提升金融監管的靈敏度、針對性和及時性，如引入先進的監測方法，以有效前移風險防控關口，進一步防范和降低城鄉家庭債務風險。

注：

①IMF于2017年10月發布的《Global Financial Stability Report（October 2017）：Is Growth at Risk？》中提到，家庭債務杠桿率超過30%會影響該國中期經濟增長，家庭債務的警戒線為65%，一旦超過該值將會影響金融穩定。

參考文獻：

[1]羅煜，曾戀云.數字金融能力與相對貧困 [J].經濟理論與經濟管理，2021，41（12）.

[2]吳衛星，吳錕，王琎.金融素養與家庭負債——基于中國居民家庭微觀調查數據的分析 [J].經濟研究，2018，53（01）.

[3]柴時軍.移動支付是否放大了家庭債務風險？——基于家庭財務杠桿視角的微觀證據 [J].西南民族大學學報（人文社科版），2020，41（10）.

[4]Noctor M，Stoney S，Stradling R. 1992. Financial Literacy： A Discussion of Concepts and Competences of Financial Literacy and Opportunities for its Introduction into Young People’s Learning [J].National Foundation for Educational Research，London.

[5]Lyons A C，Kass‐Hanna J. 2021a. A Methodological Overview to Defining and Measuring \"Digital\" Financial Literacy [J].Financial Planning Review，4（2）.

[6]Lyons A C，Kass-Hanna J. 2021b. A Multidimensional Approach to Defining and Measuring Financial Literacy in the Digital Age [M].The Routledge Handbook of Financial Literacy：Routledge，61-76.

[7]Fernandes D，Lynch Jr JG，Netemeyer RG. 2014. Financial Literacy，Financial Education，and Downstream Financial Behaviors [J].Management Science，60（8）.

[8]Miller M，Reichelstein J，Salas C，Zia B. 2015. Can You Help Someone Become Financially Capable？ A Meta-analysis of the Literature [J].The World Bank Research Observer，30（2）.

[9]司傳寧，李亞紅，孫樂.數字金融能力、收入多樣化與家庭消費升級 [J].消費經濟，2022，38（06）.

[10]鄧瑜.數字金融能力對家庭消費升級影響的實證 [J].統計與決策，2022，38（18）.

[11]羅荷花，葉誼鋒.數字金融能力對居民家庭收入脆弱性影響的實證 [J].統計與決策，2023，39（10）.

[12]何雄浪，陳冰.數字金融能力與家庭資產規模：指標構建與機制檢驗 [J].金融發展研究，2023，（10）.

[13]Luo Y，Peng Y，Zeng L. 2021. Digital Financial Capability and Entrepreneurial Performance [J].International Review of Economics and Finance，76.

[14]Meng D. 2023. Digital Financial Capability and Household Consumption：Evidence From China [J].Applied Economics Letters，30.

[15]Luo Y，Zeng L. 2020. Digital Financial Capabilities and Household Entrepreneurship [J].Economic and Political Studies，8（2）.

[16]Kass-Hanna J，Lyons A，Liu F. 2022. Building Financial Resilience through Financial and Digital Literacy in South Asia and Sub-Saharan Africa [J].Emerging Markets Review，51.

[17]Lusardi A，Tufano P. 2015. Debt Literacy， Financial Experiences， and Overindebtedness [J].Journal of Pension Economics and Finance，14（4）.

[18]吳衛星，張旭陽，吳錕.金融素養與家庭儲蓄率——基于理財規劃與借貸約束的解釋 [J].金融研究，2021，（08）.

[19]李繼尊.關于互聯網金融的思考 [J].管理世界，2015，（07）.

[20]Soman D. 2003. The Effect of Payment Transparency on Consumption： Quasi-experiments From the Field [J].Marketing Letters，14.

[21]吳雨，宋全云，尹志超.農戶正規信貸獲得和信貸渠道偏好分析——基于金融知識水平和受教育水平視角的解釋 [J].中國農村經濟，2016，（05）.

[22]宋全云，吳雨，尹志超.金融知識視角下的家庭信貸行為研究 [J].金融研究，2017，（06）.

[23]伍再華，葉菁菁，郭新華.財富不平等會抑制金融素養對家庭借貸行為的作用效果嗎——基于CHFS數據的經驗分析 [J].經濟理論與經濟管理，2017，（09）.

[24]Burnside C，Eichenbaum M，Rebelo S. 2016. Understanding Booms and Busts in Housing Markets [J].Journal of Political Economy，124（4）.

[25]Dohmen T，Falk A，Huffman D，Sunde U. 2010. Are Risk Aversion and Impatience Related to Cognitive Ability？ [J].American Economic Review，100（3）.

[26]趙青.金融知識、風險態度對借貸行為的影響——基于CHFS的經驗證據 [J].金融發展研究，2018，（04）.

[27]賈立，袁濤，鄧國營.金融素養能降低家庭債務負擔嗎——基于CHFS數據的實證研究 [J].廣東財經大學學報，2020，35（03）.

[28]周利，柴時軍，周李鑫泉.互聯網普及如何影響中國家庭債務杠桿率 [J].南方經濟，2021，（03）.

[29]江艇.因果推斷經驗研究中的中介效應與調節效應 [J].中國工業經濟，2022，（05）.

[30]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，（06）.

[31]謝綿陛.家庭債務收入比的影響因素研究——來自于微觀調查數據的證據 [J].中國經濟問題，2018，（01）.

[32]張正平，石紅玲.家庭普惠金融水平對家庭創業決策的影響：基于CHFS數據的實證研究 [J].北京工商大學學報（社會科學版），2019，34（01）.

[33]Lusardi A，Mitchell O S. 2011. Financial Literacy Around the World： An Overview [J].Journal of Pension Economics and Finance，10（4）.