數字金融、家庭債務與金融整治

馬彧菲 王媛媛 熊德平

摘? ?要：基于中國家庭金融調查（CHFS）2013年、2015年、2017年和2019年四期數據，構建Probit模型和固定效應模型分析數字金融對家庭債務的影響，并基于近年來金融整治的一個典型樣本——P2P網貸風險專項整治，構建強度DID模型探討實行金融整治政策能否有效降低家庭債務。研究發現：（1）數字金融的使用顯著提高了家庭負債概率和債務水平；（2）金融整治之后，使用數字金融家庭的債務水平出現顯著降低；（3）異質性分析顯示，金融整治政策對使用數字金融的家庭的債務緩解作用，在中西部地區、貧困家庭和農村家庭中更為顯著，在我國打贏脫貧攻堅戰和實施鄉村振興戰略進程中發揮了有益作用。研究結論對我國規范發展數字金融、防范金融風險、鞏固拓展脫貧攻堅成果同鄉村振興有效銜接等方面有著重要的政策啟示。

關鍵詞：數字金融；家庭債務；金融整治；脫貧攻堅；鄉村振興

中圖分類號：F832.35? 文獻標識碼：A? 文章編號：1674-2265（2024）02-0064-09

DOI：10.19647/j.cnki.37-1462/f.2024.02.007

一、引言

黨的二十大報告提出：“加強和完善現代金融監管，強化金融穩定保障體系，依法將各類金融活動全部納入監管，守住不發生系統性風險底線?！奔彝プ鳛閲野l展的重要基點，家庭金融風險不僅是家庭經濟狀況的體現，也是國家金融風險的重要組成部分。根據國家資產負債表研究中心的數據，近年來中國居民的杠桿率迅速增長，從2010年的25%增加到2022年的62%（見圖1）。近十年中國居民杠桿率增量接近35%，居世界首位（見圖2）。在高速增長的同時，結構性差異也應該受到重視，因為高收入人群的杠桿率并不高，低收入人群的杠桿率反而很高。西南財經大學和中國人民銀行聯合發布的《中國家庭金融調查報告》顯示，30～40歲家庭的房貸總額是其年收入的11倍，但收入最低的五分之一家庭的貸款總額是其年收入的32倍，低收入家庭每年無法用自己的收入支付本息。該報告還顯示，農村家庭平均負債36504元，農村經濟發展迅速，農民支出增長，信貸需求上升，負債的農村家庭日益增多，過高的杠桿增加了農村家庭的債務風險。

與此同時，我國數字金融正以驚人之勢蓬勃發展，數字金融服務走在世界前列。數字金融給傳統金融帶來了新的生機和活力，但也將風險擴散和滲透到了各個家庭之中。數字金融通過減少業務限制、服務于“長尾”需求、降低或緩解市場流動性約束、促進消費需求等，進一步增加了農村和貧困家庭舉債的概率與債務規模，可能加大家庭負債的風險，數字金融一度出現非法高利放貸、暴力討貸、P2P網貸跑路等亂象，嚴重地擾亂了金融市場的秩序，危及社會的穩定。針對這種情況，2016年國務院辦公廳發布《互聯網金融風險專項整治工作實施方案》，對P2P網絡借貸的問題展開專門整改。中國P2P網貸市場的交易量和借貸余額在2019年末都出現了明顯的下降（見圖3），全國正常運營的P2P網貸平臺數量跌至343家，較2016年的2568家下降86.64%（見圖4）①，P2P平臺數呈階梯式下降，從來源上篩選并剔除了高風險和不穩定因素，緩解了因數字金融帶來的家庭負債風險。

以上現象引發了我們的思考：家庭債務迅速擴張是否與當前數字金融的快速發展有關？P2P網貸風險專項整治能否有效緩解數字金融發展導致的家庭債務攀升問題。為此，本文利用中國家庭金融調查（CHFS）數據，構建計量模型，對上述問題進行研究，旨在為我國降低家庭部門債務杠桿、維護金融市場穩定提供新思路。

二、文獻綜述

（一）數字金融與家庭債務

部分學者研究表明，數字金融在某種程度上提高了居民家庭負債。易行健和周利（2018）[1]認為，隨著金融數字化快速深入，居民信貸需求、消費傾向和債務規模將受到較大影響，數字金融的發展增加了家庭的債務收入比。傅秋子和黃益平（2018）[2]認為，隨著數字金融的發展，農村生產性貸款需求不斷下降，但在這個過程中農村消費信貸需求呈現遞增的趨勢。陳宸等（2022）[3]認為數字金融通過流動性約束、非理性支出和便利交易三種機制促進了家庭債務規模和債務杠桿率的提高。王海軍（2022）[4]發現由于數字金融的信貸軟約束，信貸市場的過度借貸和過度負債會導致家庭債務膨脹，增加了家庭債務的脆弱性和不穩定性，數字金融應用的擴大和金融數字化水平的提高是家庭債務增加的重要原因。

另一部分學者研究表明，數字金融的發展可以降低金融排斥，使居民可以更便利地獲得金融產品和服務，有利于居民增加可支配收入，從而緩解家庭負債問題。李奧等（2022）[5]認為數字金融有利于縮小數字鴻溝并緩解信息不對稱問題，并幫助農村居民解決過度負債的問題。易行健和張凌霜（2021）[6]認為從普惠的觀點出發，數字金融在減少金融排斥、增加居民可支配收入方面起到了積極的作用，從而減少了家庭負債。Gomber等（2017）[7]認為數字技術為金融發展帶來新的機會，大量創新性金融產品和服務依托數字金融迅速擴張。程郁等（2009）[8]認為農村金融市場的信用限制更加嚴苛，對居民的選擇和期望產生影響，進而造成需求性信用約束。居民向銀行等傳統金融機構申請貸款會在一定程度上受到主觀或客觀的貸款限制，而發展數字金融可以減少家庭的金融排斥，提高家庭財務的可用性，緩解家庭債務問題（傅秋子和黃益平，2018；郭峰和王瑤佩，2020）[2，9]。

（二）數字金融與金融整治

金融整治是我國金融監管的一種常見現象和機制行為，對于金融市場上普遍存在且危害重大的現象，監管部門會通過限制和禁止非法活動和風險事件，對相關行為主體進行行政或刑事處罰來進行整治（馮輝，2020）[10]。

依托各種科技手段，數字金融為傳統金融業務提供了技術支持，以金融為主、科技為輔的方式為金融業賦能。在數字金融促進經濟快速穩健發展和推動普惠金融數字化的同時，監管缺位條件下金融過度自由化和創新導致非法集資、高利貸、P2P暴雷、網絡詐騙、校園貸和“套路貸”等一系列金融亂象和風險事件頻發，許多家庭陷入債務危機，影響金融市場的穩定和安全。誘導借貸、被動借貸、變相借貸和高息放貸是特別需要注意的幾種典型情況（王海軍，2022）[4]。因此，金融監管很有必要（謝平等，2014）[11]。

（三）家庭債務與金融整治

目前，關于金融整治與家庭債務的文獻較少。部分學者研究表明，家庭債務的擴張需要金融整治。陸岷峰和徐博歡（2018）[12]認為，金融市場信用過度擴張導致過度負債是金融亂象的根源之一，因而需要金融整治。陳瑩和李冬昕（2014）[13]認為，2008年金融危機以來，以家庭為代表的小額借款人過度負債導致還款困難等金融風險，已成為影響許多國家經濟平穩運行和社會穩定的突出問題，因此，金融整治顯得尤為必要。李濤（2017）[14]認為我國民間金融具備典型的高利貸化和高杠桿化特征，造成家庭債務水平上升，近年來民間借貸的崩潰并沒有停止，引發了各種金融亂象，金融整治也更加必要。張麗平和任師攀（2022）[15]認為，在消費金融快速發展的過程中，由于一些消費金融提供者過度逐利，社會責任感淡薄，導致市場出現了裸貸、高利貸、暴力催收等諸多亂象，致使家庭債務水平上升，也需要進行金融整治。

綜上所述，目前國內外研究對數字金融與家庭債務的關系并未達成共識。部分學者認為數字金融可以緩解流動性約束、擴大消費支出，提高家庭負債可能性；還有一些學者提出，數字金融能夠降低金融排斥，增加家庭的可支配收入，從而降低家庭的資產負債率。同時，近年來金融亂象頻發，金融整治日益重要，但是關于金融整治的研究主要集中于法學領域，對其產生的經濟效應還研究甚少。本文基于近年來金融整治的一個典型樣本——P2P網貸風險專項整治，使用雙重差分模型，探討金融整治前后，使用數字金融的家庭與未使用數字金融的家庭在家庭債務方面的差別。本文的研究結合金融領域與法學領域，可以豐富數字金融及金融整頓領域的相關研究。

三、理論分析與研究假設

（一）數字金融促進家庭債務增長

數字金融促進居民家庭債務增長的機制如下：第一，數字金融的準入門檻較低，使得長尾群體也能獲得金融服務，彌補傳統金融供給的不足。通過利用數字化技術，金融機構可以將海量的零散用戶信息進行整合，對用戶進行信用評價，減少信息不對稱度（何婧和李慶海，2019）[16]，使那些不能享受傳統金融服務的弱勢群體也能夠獲得信貸支持。第二，數字金融促進了消費，增加了居民負債的可能性。一方面，數字金融具有成本低、效率高、覆蓋更廣泛的特點，可以提高金融的普惠性（何宗樾和宋旭光，2020）[18]，滿足了居民家庭多元化的金融需求，為用戶提供更為便捷的金融服務，讓使用者在融資過程中獲得更多便利，緩解用戶的流動性約束，大幅釋放了被抑制的消費需求 （易行健和周利，2018；張勛等，2020）[1，17]，增加了居民負債的可能性。另一方面，數字金融的便利性直接促進了以債務為導向的家庭變現。數字支付的便捷使我們的社會進入了去現金時代。人們對現金的交易需求減少，這加速了居民的交易頻率和非理性消費。手機支付的速度和便利性有了明顯提高，無形中促進了居民的消費，數字貨幣形態在一定程度上減弱了用戶對現金損失的心理落差和敏感性，導致家庭債務增加。據此，本文提出如下假設：

假設1：數字金融的使用會顯著提高家庭的負債概率與債務水平。

（二）金融整治有效降低使用數字金融家庭的債務

P2P網貸風險專項整治作為近年來金融整治的一個典型樣本（馮輝，2020）[10]，在數字金融加大了部分家庭債務風險的情況下，能有效降低家庭部門的負債概率和債務水平。P2P網貸產品在金融市場中表現出強勁的普遍性與適用性，用戶不再受時間和空間的局限，通過平臺信用評級即可獲得貸款。由于網絡借貸具有參與門檻低、線上交易隱蔽性強等特點（馮興元等，2020）[19]，使得家庭債務攀升。金融整治通過限制業務規模和規范交易規則，追究相關主體行政或刑事責任及重構相關市場，規范網絡市場環境。一方面，金融整治從供給端規范網貸的發展。以強制性、禁止性內容為核心的網貸整治能夠遏制風險源頭（馮輝，2020）[10]，從可獲貸款途徑中篩選并剔除網貸市場中的高風險和不穩定因素，提高金融行業準入門檻，清理不具備長期經營實力的金融企業，確保剩余金融企業能持牌經營。監管部門還深入了解金融創新活動，及時發現其中隱藏的風險，規范金融創新（賈清，2019）[20]。另一方面，金融整治從需求端規范居民家庭的借貸行為。金融市場的復雜性、多樣性導致我國金融監管往往處于滯后狀態，家庭金融風險意識不強，金融整治能夠對整個社會形成威懾，規范居民家庭行為，遏制數字金融導致的家庭過度授信、過度貸款問題，緩解家庭過度負債問題，降低家庭的債務水平。據此，本文提出如下假設：

假設2：金融整治之后，使用數字金融的家庭的債務水平顯著降低。

（三）金融整治效果存在異質性

家庭的負債行為和決策具有鮮明的群體差異性特點（吳衛星等，2013）[21]，同時，負債決策還具有一定的慣性，即過去的負債情況會影響一個家庭當前和未來的負債決策，具體表現為高負債家庭更傾向于繼續負債（Canakci，2021）[22]，家庭背負的債務和金融風險不斷積累。因此，金融整治對家庭債務的影響效果也因群體的不同而不同。數字金融的發展拓寬了金融服務的范圍，使得金融服務對于普通居民來說更加觸手可及，加之國家政策向“三農”傾斜，農村居民和低收入人群的金融需求不再僅限于資產端的收益，也開始進入信貸市場，農村和貧困家庭的負債也在逐漸增加（尹志超和張號棟，2018）[23]。但是，農村經濟發展過程中存在“金融排斥”現象，農村居民受教育程度、收入和金融素養偏低，易受到信貸約束，面對緊急情況時的應急儲蓄可能不足。因此，農村家庭和貧困家庭更容易陷入“以貸還貸”的惡性循環（張華泉和申云，2019）[24]。實行金融整治后，這一惡性循環將能夠得到有效緩解。由于貧困人口在我國地區之間分布不平衡，東部地區農村貧困發生率遠低于中部和西部地區。我國東部地區的經濟更為發達，人們的生活條件更富裕，進行線上貸款的可能性更低。而我國的大部分貧困家庭集中在中西部地區，經濟和金融發展程度不高，居民受到的流動性約束更大，更容易使用不合規的網絡貸款，增加家庭債務風險，金融整治政策的出臺對這些家庭起到了警示作用，對其家庭債務的緩解作用更大。據此，本文提出如下假設：

假設3：金融整治政策對使用數字金融家庭的債務水平的緩解作用具有區域和群體異質性，在中西部地區、貧困家庭和農村家庭中緩解作用更大。

四、研究設計

（一）數據來源

本文使用的數據來自CHFS 2013年、2015年、2017年和2019年的數據，該項目由西南財經大學開展。該數據的人口特征與普查結果非常接近，數據質量高，樣本代表性好（甘犁等，2015）[25]。在處理了具有嚴重缺失值和異常值的樣本后，本文共獲得4975戶家庭的四期數據，共計19900個觀測值。

（二）變量定義

1. 被解釋變量：家庭債務。參考張自然和祝偉（2019）[26]對家庭負債行為的衡量方法，本文從兩個方面來測度家庭債務。一是家庭是否負債（ifdebt），根據家庭債務總額是否大于0來判斷。當債務總額大于0時，賦值為1；反之賦值為0。二是家庭負債的程度，具體用債務收入比（ratioDI）來衡量，即家庭總債務與家庭總收入之比，同時，從收入角度衡量可能忽視了家庭總體財產情況，因此，構建債務資產比（ratioDA）指標，即家庭總債務與家庭總資產之比，使用這兩個指標共同反映家庭債務相對規模。

2.? 解釋變量：數字金融（DF）。參照何婧和李慶海（2019）[16]的研究，本文主要從數字支付、數字理財、數字信貸三個角度考察數字金融在家庭中的應用。對于2013—2019年使用過這三項中任意一項的居民家庭，DF賦值為1，一直未使用過數字金融的家庭DF賦值為0。

3. 控制變量。參考已有文獻中提出的可能對家庭債務造成影響的因素，本文選取的控制變量包括三個層面：戶主層面、家庭層面和地區層面。戶主層面包括性別（gender）、年齡（age）、年齡平方（age2）和婚姻狀況（marriage）。家庭層面包括房產數量（house）、少兒撫養比（ratioyoung）、家庭的總資產（asset）、總收入（income）和凈資產（NA）。地區層面包括人均GDP（GDP）和金融發展水平（finance）。所有變量的定義和描述性統計見表1。

由表1可知，樣本中有31.87%的家庭存在負債，與歐美等發達國家相比，我國存在負債的家庭比例較低，但隨著居民家庭貸款需求的上升，這一比例會進一步上升。債務收入比均值為1.0514，表明家庭債務超過了家庭收入，家庭債務風險值得關注和警惕。數字金融均值為0.1662，表明數字金融在我國的普及度還不高。從戶主特征來看，戶主平均年齡為57歲，大部分為已婚男性。從家庭特征來看，樣本家庭的年平均收入為3.82萬元，平均凈資產為13.74萬元。

（三）模型設計

1. 基準回歸。本文使用Probit和固定效應模型分別就數字金融對居民家庭是否負債、債務收入比和債務資產比的影響進行基準回歸。在檢驗數字金融對居民家庭是否負債的影響時，通過Probit模型進行回歸檢驗：

[ifdebtipt=α0+α1DFipt+α2Xipt+λp+μt+εipt]? （1）

在檢驗數字金融對家庭債務收入比、債務資產比的影響時，通過固定效應模型進行回歸檢驗：

[ratioDIipt/ratioDAipt=β0+β1DFipt+β2Xipt+λp+μt+εipt]? （2）

[ifdebtipt]表示家庭是否負債，[ratioDIipt]表示家庭的債務收入比，[ratioDAipt]表示家庭債務資產比，[DFipt]表示數字金融。下標[i]代表家庭個體，下標[p]代表家庭所在省份，下標[t]代表年份。[Xipt]為包含各戶主層面、家庭層面和地區層面的控制變量。[λp]與[μt]分別固定了省份與時間。[εipt]為隨機擾動項。

2. 強度DID模型。2016年國務院辦公廳發布《互聯網金融風險專項整治工作實施方案》，正式啟動P2P網貸風險專項整治工作。本文的研究范圍為2013—2019年，因此，將2013年、2015年設置為政策前，2017年、2019年設置為政策后。

在雙重差分模型中，需要根據是否受到政策沖擊將樣本劃分為處理組和控制組。如果簡單以家庭在2013年、2015年、2017年和2019年中是否使用過數字金融，來劃分處理組和對照組，那么將存在以下問題：（1）如果部分家庭在2013年和2015年沒有使用過數字金融，但在2017年或2019年使用了，將他們劃分為處理組就不太恰當；（2）如果部分家庭2017年或2019年原本想使用數字金融，但受政策影響實際上未使用，將他們劃分為對照組也不太合理。因此，更恰當的處理方式是：剔除2017年或2019年使用而在此前未使用過數字金融的家庭，然后，以2013年和2015年數字金融的使用量均值作為期初的受處理強度treat，以準確衡量受政策沖擊的強度。

因此，本文采用強度DID模型，更為精準地展示出政策的效應，具體的估計模型為：

[ratioDIipt/ratioDAipt=?0+?1treatipt×postt+?2treatipt+?3postt+?4Xipt+λp+μt+εipt]? ?（3）

其中，[treat]為處理強度指標，使用家庭在2013年、2015年使用數字金融的均值計算得出。[post]=1表示實施P2P網貸風險專項整治政策之后，否則[post]=0。[treat×post]為強度變量與時間變量的交互項，其系數[?1]代表實施P2P網貸風險專項整治政策后對使用數字金融家庭的債務的影響。其余變量含義與模型（1）和（2）一致。此外，被解釋變量是虛擬變量可能會導致雙重差分估計結果有偏，因此，在進行雙重差分估計的時候，將不再保留家庭是否負債這一虛擬變量。

五、實證分析

（一）基準回歸

表2展示了數字金融的使用對居民家庭債務的影響。表2第（1）—（2）列呈現出了數字金融對家庭是否負債影響的估計結果，回歸結果顯示，隨著年份固定效應、省份固定效應的加入，數字金融的系數顯著為正，證明了數字金融的使用會增加家庭負債的概率。表2第（3）—（6）列呈現了數字金融的使用對家庭債務收入比和家庭債務資產比的影響，回歸結果顯示，隨著年份固定效應、省份固定效應的加入，數字金融的系數顯著為正，證明了居民使用數字金融會增加家庭債務收入比和債務資產比。因此，本文假設1成立。

（二）平行趨勢檢驗

雙重差分模型一般需要在滿足平行趨勢假設的前提下使用，也就是在政策未實施的情況下，實驗組與對照組的發展趨勢并不存在顯著差異，本文參考Amore和Bennedsen（2013）[27]的做法，利用事件研究法分別在基準模型基礎上加入是否實施P2P網貸風險專項整治政策的前后2期的時間虛擬變量與處理變量的交互項進行平行趨勢檢驗。為了避免完全共線性，我們以回歸中政策實施前1期作為基準組，具體模型設置如下：

[ratioDIipt/ratioDAipt=φ0+φ1treatip×post-3+φ2treatip×post1+φ3treatip×post3+λp+μt+εipt]? （4）

其中，[post]為各期時間虛擬變量。[φ1]為政策實施前的效果，[φ2]、[φ3]為政策實施后的效果，其余變量含義與前文模型相同。如果實施政策前的系數不顯著，則說明平行趨勢成立。由表3可知，政策實施前變量[treat×post-3]的系數均不顯著，滿足平行趨勢假設，即政策實施前，實驗組和控制組不存在顯著的差異。

（三）強度DID回歸

本文探究金融整治對使用數字金融家庭的債務的影響，基于近年來金融整治的一個典型樣本——P2P網貸風險專項整治，運用強度DID模型，對CHFS四期面板數據進行回歸。表4的列（1）、列（2）和列（3）、列（4）分別為被解釋變量為債務收入比、債務資產比時的回歸結果。結果表明，金融整治政策的實施能夠顯著降低使用數字金融的家庭的債務水平。因此，本文假設2成立。

（四）穩健性檢驗

1. 更換回歸模型?？紤]到債務收入比和資產負債比指標分布具有明顯的右側截斷特征，本文采用適合右側截斷分布的Tobit模型替代基準回歸中的固定效應模型，以避免因估計方法選擇的偏誤而對核心結論造成干擾，回歸結果見表5。研究發現，在Tobit估計模型下，交互項的回歸系數仍顯著為負，說明模型的選擇偏差不會干擾本文的核心結論，即金融整治政策能夠降低使用數字金融的家庭的債務水平這一結論具有穩健性。

2. 安慰劑檢驗。本文通過反事實的方法來檢驗對照組和實驗組是否具有共同的趨勢，由表6可知在假定政策時間為2018年的條件下，交互項系數都不顯著。因此，本文的實驗組和對照組存在共同趨勢，即滿足使用雙重差分模型的前提，進一步證明了金融整治政策能夠降低使用數字金融的家庭的債務水平這一結論的穩健性。

六、進一步分析

目前，我國經濟發展正處在鞏固拓展脫貧攻堅成果同鄉村振興有效銜接的進程中，巨大的資金需求為農村金融提供了新的增長點。在大數據智能化的時代，數字金融的發展可以為農村金融和農村經濟發展提供新的平臺。然而，數字金融在農村貧困群體和經濟不發達地區群體中的發展仍面臨技術支持、風險監管等多重挑戰，因此，本文從收入、地區、城鄉三個方面進行異質性檢驗，探討金融整治在我國打贏脫貧攻堅戰和實施鄉村振興戰略的歷史進程中是否發揮了有益作用。

（一）金融整治在數字金融賦能脫貧攻堅中的防范風險作用

2015年11月中共中央 、國務院做出《關于打贏脫貧攻堅戰的決定》，2020年脫貧攻堅取得全面勝利。本文樣本數據中2017年和2019年正好處于我國脫貧攻堅期間，因此，將全樣本分為貧困和非貧困兩個子樣本分別進行回歸，探討金融整治是否起到賦能脫貧攻堅的作用。具體而言，從樣本家庭2013年是否貧困，以及2013年、2015年是否同時貧困兩個角度進行劃分②。我國農村貧困標準2013年現價為每人每年生活水平2736元，2015年為2855元。

回歸結果見表7和表8，交互項系數在貧困家庭中顯著，在非貧困家庭中不顯著，表明金融整治政策對使用數字金融的貧困家庭債務的緩解作用更大?？赡苁且驗橄啾确秦毨Ъ彝?，貧困家庭較難獲得正規金融資源，受到的流動性約束更大，更可能會進行網貸，產生負債的可能性更大，金融整治政策起到了一定的風險防范作用，對家庭債務的緩解作用更大。

由于貧困人口在我國地區之間的分布不平衡，東部地區農村貧困發生率遠低于中部和西部地區，本文將樣本劃分為東部和中西部地區的兩個子樣本分別進行回歸③。表9的回歸結果表明，金融整治政策對于各地區的家庭債務均存在負向影響，但僅有中西部地區的回歸結果顯著，這可能是由于中國東部地區的經濟更為發達，人們的生活條件更富裕，進行網貸的可能性更低。而我國的大部分貧困家庭集中在中西部地區，當地經濟和金融發展程度不高，居民受到的流動性約束更大，更容易進行網貸，增加家庭債務風險，金融整治政策對這些家庭起到了警示作用，對家庭債務的緩解作用更大。

（二）金融整治在數字金融賦能鄉村振興中的風險防范作用

黨的二十大報告提出：“全面建設社會主義現代化國家，最艱巨最繁重的任務仍然在農村?！币虼?，在鞏固拓展脫貧攻堅成果的同時，要落實鄉村振興戰略，以鄉村振興為契機，推進農村相對貧困的治理，拓寬相對貧困的治理渠道。本文按照家庭所在區域，將樣本劃分為城鎮家庭和農村家庭，探討金融整治在推進鄉村振興戰略中的作用。表10的回歸結果顯示，交互項系數在農村家庭中顯著，在城鎮家庭中不顯著，表明金融整治政策對使用數字金融的農村家庭債務的緩解作用更大。這可能是因為與城鎮家庭相比，農村家庭普遍受到更強的金融排斥。在正規金融可得性較低的情況下，農村家庭更傾向于通過非正規金融、民間借貸甚至高利貸進行融資，這更容易增加家庭債務風險，金融整治治理了一系列金融亂象，對家庭債務風險的緩解作用更大。綜上，本文假設3成立。

七、研究結論與建議

本文基于CHFS 2013年、2015年、2017年和2019年四期數據，從微觀角度出發構建Probit和固定效應模型，分析數字金融對家庭債務的影響，并基于近年來金融整治的一個典型樣本——P2P網貸風險專項整治，構建強度DID模型，探討金融整治能否有效降低家庭債務。通過實證分析，得出以下結論：第一，數字金融的使用會顯著提高家庭的負債概率與債務水平；第二，強度DID模型回歸結果顯示，2016年實施的P2P網貸風險專項整治對使用數字金融的家庭的債務水平起到了顯著的緩解作用；第三，異質性分析結果顯示，金融整治政策對使用數字金融的家庭的債務水平的緩解作用在貧困家庭、中西部地區家庭和農村家庭中更為顯著，在我國打贏脫貧攻堅戰和實施鄉村振興戰略進程中發揮了有益作用。

基于以上結論，為了提高金融整治政策的監管質效，緩解數字金融對家庭債務的促進效應，維護宏觀金融系統穩定，本文提出以下政策建議：第一，規范數字金融發展，防范家庭債務風險。一方面，規范數字平臺發展，守住不發生系統性風險底線，推進數字金融有序發展；另一方面，平衡創新與風險的關系，完善風險預警機制，加強征信體系建設，強化對弱勢群體家庭部門的風險監測。第二，完善金融監管體系，把握金融整治力度。一方面，深化金融監管體制機制改革，對數字金融實施精細化監管，推動監管科技的發展；另一方面，時刻關注金融整治效果，掌握好整治力度，發揮好金融整治的綜合功能。第三，增強家庭風險防控意識，助推數字金融協調發展。一方面，合理控制低收入群體和農村群體的金融供給，緩解家庭金融排斥，引導家庭適度參與金融市場；另一方面，提升居民金融素養，增強家庭風險防控意識，提倡合理消費，理性借貸。

注：

①數據來源于網貸之家研究中心。

②劃分標準參考國家統計局住戶調查辦公室《中國農村貧困監測報告》（2016）。

③東部地區包括上海、浙江、江蘇、山東、天津、北京、河北、遼寧和廣東；中西部地區包括江西、安徽、湖北、湖南、河南、山西、吉林、黑龍江、陜西、貴州、重慶、四川、甘肅、青海、云南、廣西。

參考文獻：

[1]易行健，周利.數字普惠金融發展是否顯著影響了居民消費——來自中國家庭的微觀證據 [J].金融研究，2018，（11）.

[2]傅秋子，黃益平.數字金融對農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字普惠金融指數的證據 [J].金融研究，2018，（11）.

[3]陳宸，方芳，張樂.數字普惠金融、收入水平與家庭負債 [J].經濟經緯，2022，39（01）.

[4]王海軍.數字金融助推了家庭債務風險嗎？——基于CFPS的微觀證據 [J].國際金融研究，2022，（07）.

[5]李奧，桑晨穎，呂勇斌.數字普惠金融與農戶家庭過度負債——基于中國家庭金融調查數據的經驗分析 [J].金融教育研究，2022，35（01）.

[6]易行健，張凌霜.數字普惠金融對家庭資產負債率的影響——基于家庭微觀數據的實證估計 [J].福建論壇（人文社會科學版），2021，（02）.

[7]P Gomber，JA Koch，M Siering. 2017. Digital Finance and FinTech：Current Research and Future Research Directions [J]. Journal of Business Economics，55（5）.

[8]程郁，韓俊，羅丹.供給配給與需求壓抑交互影響下的正規信貸約束：來自1874戶農戶金融需求行為考察[J].世界經濟，2009，（05）.

[9]郭峰，王瑤佩.傳統金融基礎、知識門檻與數字金融下鄉 [J].財經研究，2020，46（01）.

[10]馮輝.金融整治的法律治理——以“P2P網貸風險專項整治”為例 [J].法學，2020（12）.

[11]謝平，鄒傳偉，劉海二.互聯網金融監管的必要性與核心原則 [J].國際金融研究，2014，（08）.

[12]陸岷峰，徐博歡.金融亂象與金融治理——基于改革開放40年金融整治經驗 [J].財經科學，2018，6（10）.

[13]陳瑩，李冬昕.小額借貸者過度負債：問題與治理[J].江西社會科學，2014，34（12）.

[14]李濤.中國式民間金融亂象之謎：反思與重建 [J].經濟體制改革，2017，4（01）.

[15]張麗平，任師攀.促進消費金融健康發展? 助力釋放消費潛力 [J].管理世界，2022，38（05）.

[16]何婧，李慶海.數字金融使用與農戶創業行為 [J].中國農村經濟，2019，（01）.

[17]張勛，楊桐，汪晨，萬廣華.數字金融發展與居民消費增長：理論與中國實踐 [J].管理世界，2020，36（11）.

[18]何宗樾，宋旭光.數字金融發展如何影響居民消費 [J].財貿經濟，2020，41（08）.

[19]馮興元，燕翔，程萍.中國P2P網絡借貸行業的發展、問題與監管 [J].社會科學戰線，2020，（09）.

[20]賈清.金融亂象如何依法整治 [J].人民論壇，2019，（09）.

[21]吳衛星，徐芊，白曉輝.中國居民家庭負債決策的群體差異比較研究 [J].財經研究，2013，39（03）.

[22]M Canakci. 2021.The Impact of Monetary Policy on Household Debt in China [J].Korea Distribution Science Association，24（4）.

[23]尹志超，張號棟.金融可及性、互聯網金融和家庭信貸約束——基于CHFS數據的實證研究 [J].金融研究，2018，（11）.

[24]張華泉，申云.家庭負債與農戶家庭貧困脆弱性——基于CHIP2013的經驗證據 [J].西南民族大學學報（人文社科版），2019，40（09）.

[25]甘犁，尹志超，譚繼軍.中國家庭金融調查報告（2014） [M].成都：西南財經大學出版社， 2015.

[26]張自然，祝偉.中國居民家庭負債抑制消費升級了嗎？——來自中國家庭追蹤調查的證據 [J].金融論壇，2019，24（08）.

[27]MD Amore，M Bennedsen. 2013. The Value of? Local Political Connections in a Low-Corruption Environment[J].Journal of Financial Economics，110（2）.