文摘

金融发展通常被认为是促进家庭消费的主要因素之一。作为一种金融发展,无论是数字金融包容能促进家庭消费一直是关心科研人员和决策者。考虑到地理连接特点,我们检查数字金融包容对家庭消费的影响运用空间计量经济模型和使用的数据从2013年到2018年在中国31个省。数字金融包容的影响进一步分解为直接、间接和总影响。结果表明,如果数字金融包容是提高了1%,家庭消费将相应地增加了0.2207%。周边地区的空间溢出效应是负面的:数字金融包容的水平增加了1%附近的省份会导致家庭消费下降了0.1289%在当地省。对政策制定者来说,这是必要的平衡发展的数字金融包容和视图不同区域作为一个整体在做政策来促进消费。进一步分析基于次级样本发现数字金融包容家庭消费的影响是相当大的农村家庭比城市家庭。

1。介绍

消费、投资和出口被称为经济发展的“三个司机”在中国很长时间了。然而,在这种情况下,全球经济增长缓慢和复杂的国际关系由于COVID-19的流行,中国的净出口下降的迹象。中国净出口15.0571万亿元于2010年和11.3979万亿年的2019元,下降24.30%。在同一时期,投资一直是中国最大的经济增长的引擎,也显示了增长速度放缓,对GDP增长的贡献从2010年的47%下降到2019年的43.1%。作为在中国的投资和出口的瓶颈,消费在经济增长中发挥着日益重要的作用。它对经济增长的贡献从2010年的49.3%上升到2019年的55.8%。这表明中国经济已从投资驱动的增长和出口导向型增长市场转变为消费驱动型增长,和消费已成为最可观的驱动力。五中全会19中央委员会提出强调“国内循环”,这意味着刺激内需和消费经济发展的主要引擎。因此,新常态下的中国经济,扩大内需和促进消费对中国的可持续发展具有重要意义。

由于创新技术的发展,如大数据、互联网和云计算,数字金融包容经历了指数增长自2000年代末和2010年代初。根据数字金融包容指数,该指数从2011年的40增加到300年的2018人。数字金融包容为居民提供各种服务,包括移动支付、网上贷款、网上保险、金融和互联网。到2020年底,移动支付有8.54亿用户,占网民总数的86.4%,中国和它的成交价格已经达到200万亿元人民币。“华北”和“Jiebei”,在线消费贷款服务发起AliFinance,提供贷款了2018年第一季度的950亿美元,将近3.7倍的贷款发起的中国建设银行(1]。近年来,发出了122.9亿新的互联网保险政策、会计的新保单数量的71%。保Yu说,中国最大的在线货币市场基金,于2013年6月由支付宝。到2014年第一季度,它有超过1500万个用户和资产达到2500亿元人民币。

金融发展在促进家庭消费中起着举足轻重的作用。它可以促进资源配置效率和光滑的跨时期的消费,从而减轻居民从流动性约束和日益增长的消费需求2]。作为一种金融发展、数字金融包容影响家庭消费不可替代的方式。一些研究研究数字金融包容性和家庭消费之间的关系,但很少考虑空间链接。然而,根据地理学第一定律,一切都和彼此相关3]。首先,因为大的领土和巨大的经济和地理异质性,省份之间存在巨大的差异。因此,地理差异在家庭消费和数字金融包容是显而易见的。然而,随着基础设施的改善,网络技术的普及,和省与省之间的合作发行政策,沟通各地区越来越近了。生产要素、人才和技术等,从而更频繁地流动。因此,家庭消费和数字金融包容性发展的空间相关特性。此外,随着省越来越紧密的联系,一个省的社会经济形势可能表现出显著的示范效应(4)或挤出效应(5在邻近省份立即或在短期内6]。因此,识别空间分布,考虑到空间相关性有意义探索家庭消费和数字金融包容的关系。

本文对相关研究在三维空间中。首先,实体的属性相互毗邻容易是相似的。空间计量经济学需要空间集聚和时空的演化模式。这种方法主要是用来调查环境经济学和很难应用于研究数字金融包容性和家庭消费。在本文中,我们使用全球莫兰我指数和当地莫兰的指数来描述他们在中国的空间自相关特性。其次,现有的研究考虑数字金融包容性和家庭消费之间的关系假设空间对象与相邻的地理位置是不相关的。基于SDM,我们分析的空间溢出效应在中国,考虑到周边省份的影响。这个方法尤其有用为决策者提供建议如何优化家庭消费在不同领域创造双赢的局面。第三,最近的研究往往把效果作为一个整体,很少考虑在农村地区和弱势人群的区别在市区的主要组织。然而,通过比较这两组的实证结果,我们发现数字金融包容有显著不同的影响在中国的家庭消费。

本文的其余部分组织如下:部分2概述了相关文献并提出研究假设。部分3介绍了采用数据、变量和实证模型。部分4实证结果,相关解释,内生性测试,和鲁棒性测试。部分5总结道。

2。文献综述与研究假设

金融包容可以缓解传统金融的排他性。数字金融包容性的发展可以改善金融服务的可访问性、覆盖范围和效率(7]。尤其是无居民、数字金融包容扩展他们的渠道可以获得访问并积极使用可负担得起的金融服务,可以满足其各种金融需求8]。钟和江(2020)经验证明这种观点通过日常点对点(P2P)在中国贷款数据从多个平台。他们发现数字金融包容可以减少传统的金融市场的不对称,从而削弱传统金融的排他性(9]。只要消费者有数字设备可以访问互联网,他们可以体验服务提供的数字金融包容10]。

数字家庭消费金融包容有显著积极影响(11,12]。更准确地说,数字金融包容预计在几个方面影响家庭消费,提供不同种类的服务。首先,移动支付方便消费者购物。它可以避免局势居民没有足够的现金,从而加速消费决策的过程和增加消费的可能性(12]。此外,移动支付能够显著刺激家庭消费通过“心理账户”。理论认为,心理数字交易造成的损失低于造成的现金交易(13]。此外,通过降低阈值的条目,减少对贸易的影响距离,移动支付促进电子商务的出现。电子商务不仅可以丰富商品的多样性也达到弱势消费者以前没有服务14]。第二,居民的生活和事务数据可以通过大数据积累,从而改善信息不对称和帮助个人轻松快速地获得信贷。因此,他们的流动性约束可以松了一口气15- - - - - -17]。第三,一方面,网络保险的发展可以加强保险公司之间的竞争,促进传统保险行业的升级。另一方面,它还可以丰富产品的类型和提高保险的可访问性,鼓励消费者购买保险,减少他们的不确定性损失,改善他们的安全感18]。第四,网络金融的出现降低了门槛的投资服务,提高投资方便,并提供补贴渠道(19]。例如,通过扩大投资方法用少量的钱,包增加投资回报和家庭财富。

根据分析,本文提出以下假设:

假设1。(H1)。数字金融包容性的发展可以促进家庭消费。
从理论上讲,数字财务不需要依赖于物理网点。因此,它有更大的地域,可以节省成本。然而,作为一种新形式的金融、数字金融仍然需要遵循金融发展的基本规则。一方面,其发展还取决于实体经济和传统的融资。数字金融发展作为传统金融的创新的叠加,和两个相互整合和补充(20.]。另一方面,数字金融发展的影响因素有很多共同之处,那些可能影响实体经济和传统的融资。这些因素通常与空间相关的,如GDP、互联网、产业结构、人口密度、和开放(21]。此外,数字金融的促进和扩散取决于地理位置。例如,蚂蚁金融总部设在杭州。如果公司想在其他地方,促进业务的水平距离杭州困难是正相关的。这条规则一再强调在传统经济地理学中,金融和数字很难逃脱。此外,数字金融起源于网上购物和网上支付。由于快递和其他因素,在线购物高度依赖地理位置,如图所示“免费送货”在江苏、浙江和上海为例(22]。
第二,交通系统的改善和降低通信成本,在中国不同省份之间的交流越来越密切,和生产因素可以很容易地从一个地区到另一个(14,23]。这种情况有利于之间的资源和信息的共享交换相邻省份关于数字金融包容性的发展(21]。
第三,政府指导”的方式从点到区域;部分推动整个空间集聚”的特点,数字金融包容的水平(24]。此外,各国政府往往互相学习和模仿时政策,形成省空间集聚集群,进一步促进数字金融包容的水平。
因此,尽管数字金融包容可以有一些hypergeographic特征,从理论上讲,它不能消除地理限制在现实空间集聚和显示了强大的25- - - - - -28]。
关于空间数字金融包容对家庭消费的影响,一方面,数字金融包容性的发展可以增加家庭消费,它提出了空间相关性。数字在附近地方金融包容的发展会影响数字金融包容在一个省的发展,从而间接提高家庭消费在该地区(29日]。因此,数字在附近地方金融包容性的发展可能会导致家庭消费的增长在一个特定的地方。另一方面,数字金融包容性发展不平衡可能加强省与省之间的资源分配的竞争。结果,省的经济与更高层次的数字金融包容繁荣,虹吸越来越资源来自欠发达省份和阻碍其发展,因此负面影响家庭消费(24]。因此,数字在附近地方金融包容性的发展可能带来挤出效应和减少家庭消费在一个特定地区(5]。
根据分析,本文提出以下假设:

假设2。(H2)。数字金融包容性的发展空间对家庭消费的影响。

3所示。方法

3.1。数据

家庭数据和控制变量是中国国家统计局发布的统计年鉴。家庭消费的管径计算2013年以前和2013年以后是不同的。考虑数据的可比性之后,我们决定使用2013年之后的数据。

数字金融包容指数编制的支付宝和互联网金融学院北京大学从2011年到2018年,以反映在中国数字金融包容的水平。表1显示了组件的综合指数。该指数包含三个维度:报道,深度,和数字支持服务。有三个层次的指标:省、市、县。

基于可用性和一致性的原则,我们使用的数据从2013年到2018年在中国31个省。

3.2。空间计量经济学模型

现有文献说明了各种因素影响家庭消费(30.- - - - - -32]。在此基础上,我们选择以下控制变量:家庭收入、人力资本、交通基础设施、财政支出、产业结构、开放,和人口密度。表2显示了如何定义这些变量。

实证调查数字金融包容如何影响家庭消费,我们展示一个基线回归模型如下: 在哪里是k参数估计;我代表省,t代表了时间;代表着时间固定效应;和是残差。

表3介绍了描述性统计独立的变量,因变量和控制变量。如表3显示,平均家庭消费为16443 .12点元,平均数字金融包容指数为226.2849。家庭消费的最大价值是43351.3元人民币,比最小值的6倍(6306.79元)。这意味着有一个显著的差异在不同省份之间的消费。数字金融包容的最大值为377.7337,最小值为115.1,说明实质不平等发展的数字在中国金融包容。

方程(1)不考虑实体之间的空间相关性。然而,家庭消费的相邻省份可能影响家庭消费的一个省,为周边地区的发展。这是一个传统的计量经济学模型固有的缺点,考虑横向单位无关。空间计量经济学是一种有效的方法来评估地理的依赖。接下来,我们介绍空间计量经济学模型来考虑地理上的依赖。下面的空间杜宾模型指定的目的: 在哪里空间权重矩阵;是空间自回归系数,它反映了因变量的空间溢出效应;是空间滞后系数,它反映了独立变量的空间溢出效应;剩余误差;残差的空间自回归系数;和是特定的效果。

方程(2)是空间杜宾模型(SDM),可以简化为空间自回归模型(SAR)和空间误差模型(SEM)。如果 ,长效磺胺可以转换成一个特别行政区,如果 ,长效磺胺可以转换为扫描电镜。瓦尔德测试和似然比(LR)测试检查是否 和 ,分别。下面这些测试执行。

3.3。空间权重矩阵

的选择空间权重矩阵是关键构造空间模型的时候,因为一个匹配矩阵可以支持的有效性判断和估计。最常用的矩阵是相邻的空间权重矩阵,地理距离空间权重矩阵,经济距离权重矩阵和相对阈值权重矩阵(33]。因为在中国不同省份的独特结构,应用地理距离空间权重矩阵,经济距离权重矩阵,或相对阈值权重矩阵是不合理的34]。因此,相邻的空间权重矩阵仍然是唯一的选择。

一组相邻空间权重矩阵是根据邻近的标准。 意味着我和j共享一个边界;否则, :

4所示。实证分析

4.1。空间分布分析

为了更好地理解家庭消费的空间分布特征和数字金融包容的水平在中国,我们画的空间分布地图在2013年和2018年在中国大陆31个省(数字1和2)。

家庭消费图所示1。2013年,五省家庭消费最多的是上海、北京、浙江、天津、江苏,都位于东部地区,而五省最少的家庭消费是西藏、贵州、云南、甘肃、广西,都是在西方国家。吉林和西藏的家庭消费最高的省份之间的中部和西部地区,分别,但东部地区的平均家庭消费(18276.33091元人民币)几乎两倍的吉林(12054.34元)和西藏的近三倍(6306.79元)。

2018年,家庭消费从13307.11226元增加到19787.75613元人民币。前五省和过去的五省的家庭消费是2013年相同。家庭生活在湖北消费最中部省份之间(19537.79元人民币),但数量仍略小于家庭的平均数量在整个国家。内蒙古家庭消费最高(19665.22元)在西部省份中,但仍低于全国平均水平。

总的来说,家庭消费在中国无疑是不平衡的。从东到西有梯度传递特性,表明在东方家庭消费是高的,但是在西方低。虽然每个省的家庭消费和增加相应的样本期间,分布相对稳定的模式。这种现象部分是由于中国的地理位置和经济发展计划。由于其广阔的领土,中国通常是分为三个部分:西部地区,中部地区和东部地区¹。东部地区有漫长的海岸线,这是最突出的差异从省西部地区,而西部的省份都是内陆,远离海岸35]。因为他们的地理优势,东部省份开放早些时候比其他省份,因此吸引了更多的外国投资。政府倾向于支持东部省份进一步加剧不同地区之间经济发展的不平衡。的后期,中国的改革开放,中国逐渐向外国投资者开放,国际市场,从沿海到中部和内陆地区。地理特征和政府政策造成不成比例的金融发展,随着东部省份的发展速度远远超过中西部省份。因此,家庭生活在东部富裕比在西方,从而消耗更多。

发展数字金融包容如图2。2013年,五个省份与数字金融包容的最高水平是上海、北京、浙江、福建、广东,都是坐落在杭州(Ant金融总部所在地)。五个水平最低的省份四川、西藏、甘肃、青海、宁夏,远离海岸。2018年,数字金融包容的水平从155.75增加到300.21。前五省的数字金融包容的水平是上海、北京、浙江、福建、江苏,在过去五内蒙古、甘肃、青海、宁夏和新疆。

总的来说,数字金融包容性的发展提供了一个空间异质性的特征。杭州位于东部沿海地区,集先进数字金融包容的省份,而高层省份相对稀缺的中部和西部地区。这种现象意味着数字金融包容性的发展仍取决于地理位置。也就是近一个省是杭州,数字金融包容的更高的发展。这部分是因为数字金融的促进和扩散取决于地理位置。

基于上面的分析,我们得出结论,中国家庭消费的空间分布提出了一种阶梯分布从沿海到内陆地区和稳态特性。数字在中国金融包容的水平基本上下降从杭州到邻国。

4.2。空间自相关分析

空间自相关措施旨在探讨实体之间的空间关系与相邻的地理位置(36]。莫兰的指数,Geary系数,Getis指数可以用来检查空间自相关和空间集聚。其中,莫兰我指数是最常用的。如果一个实体是受到周围的人的影响,空间相关性存在。这不是按照传统统计的基本前提,使大多数统计测试是无效的,所以测试是必不可少的。莫兰我指数由全球莫兰我指数和当地莫兰的指数。

全球莫兰我测试衡量类似一个实体是其他地域附近(37,38]。与相关系数类似,全球莫兰我指数分布在(−1,1)。系数是高当自相关系数的绝对值高。当全球莫兰我[0,1]之间的指数变化,这表明,实体与他人呈正相关。当指数(−1,0)之间变化,这意味着相关性是负的。值为0意味着没有相关性。

基于相邻空间权重矩阵,我们使用全球莫兰我测试家庭消费的空间自相关和数字金融包容的水平从2013 - 2018年中国31个省的。表4显示结果。如表所示4之间,全球莫兰索引[0,1],和所有重要的在1%的水平,这意味着家庭消费和数字金融包容的水平在中国积极autocorrelated空间。此外,全球莫兰我指数基本上随着时间的增加,特别是2015年之后,这意味着连续的空间自相关加强经济社会发展(39]。

上面的结果暗示省份相似水平的家庭消费和数字金融包容性很容易集中在地理上。进一步探索省级空间效果,散点图里,当地的莫兰的我吸引指数(数据3和4)。当地莫兰我散点图可分为家庭消费分为四个象限,表示四种城市群。象限我表明高(HH)聚集,这意味着高的省份家庭消费相互靠近。第三象限反映出新低(LL)聚集;家庭消费较低的也就是说,如果一个省落入第三象限,省附近也有较低的消费。第四象限II和代表低(LH)集聚和高低(HL)聚集,分别,这意味着家庭消费较低的周围是一个省省家庭消费高,反之亦然。

家庭消费的结果如图3,大多数省份都位于第三象限我和象限,这意味着大多数省份也有类似的特点,他们的邻居,符合空间集群特征检测到全球莫兰我指数。2013年,6省落入象限我和16个省份进入第三象限,占领的样本总数的70.97%。省位于象限的数量我和象限三世在2014年和2013年都是一样的。6省在象限,2015年和17个省在第三象限,比例为74.19%。情况在2015年持续到2016年和2017年。2018年,6省位于象限我和19个省份在第三象限,占80.65%。

数字金融包容的水平,积极空间集聚的相同特征可以在图中找到4。大部分的省份位于第三象限我和象限,占总数的70.97%和77.42%在2013年和2018年,分别。省落入象限我是沿海省份,而落入第三象限主要是内陆省份。

结果表明,地理效应不容忽视的研究数字金融包容性和家庭消费。否则,估计将是无效的。

4.3。空间效果测试

4.3.1。拉格朗日乘子(LM)测试

在构建长效磺胺模型之前,我们首先使用LM测试来测试空间效应的存在。测试确定SAR或SEM可以描述数据的特性比OLS模型,不考虑空间互动。我们判断使用LM测试( , )由Anselin(1988)和健壮的LM测试( , )由Anselin et al。(1996)33,40]。如果的结果和是无意义的,OLS模型应该被选中。然而,如果数据是重要的,应该构建空间计量经济模型。我们应该选择与更大的LM模型统计在同等条件下的意义。如果我们不能够得出结论仅仅根据LM统计,需要健壮的LM的统计数据,与大健壮的LM模型统计在同样的意义被认为是更有说服力。

表5显示了LM测试的结果和健壮的LM测试。只有SAR的统计模型(和 )通过1%的显著性水平检验,展示空间性的存在。因此,它是更合适的选择比扫描电镜SAR。

4.3.2。似然比(LR)和瓦尔德测试

Elhorst(2010)指出,如果不接受OLS模型LM测试,那么我们应该检查是否可以转化为长效磺胺山姆或基于LR的结果测试和SEM瓦尔德测试(41]。

LR测试和瓦尔德测试用来测试的假设 和 (信中定义方程(2))。LR测试和瓦尔德测试的结果展示在表6。如表6表明,数据都在1%显著水平,证明不能简化,长效磺胺和长效磺胺是最后的选择。

4.3.3。豪斯曼检验

模型建设之前,豪斯曼测试需要确定随机效应或固定效应是否更合适。根据结果,统计值是227.87,在1%显著水平,因此我们选择固定效应而不是随机效应。

4.4。数字金融包容家庭消费的影响

我们报告的实证结果OLS模型和空间模型(1)列和列在表(2)7,分别。空间模型的结果列(2),研究人员指出,系数应该分解为防止估计偏差引起的反馈循环的效果。分解结果如表所示8。OLS模型中的数字金融包容的系数不显著,而在分解系数表8都是重要的。这种差异意味着OLS的结果可能受到忽略变量偏差(42]。即nonsignificance OLS模型可以归因于内生性变量遗漏所致。根据上面给出的测试和生产要素跨边界流动越来越频繁,我们知道省越来越相关。因此,如果我们没有考虑空间因素,估计将是无效的。总的来说,OLS模型未能考虑的重要影响变量从周边地区,和空间模型可以部分解决这个问题。

空间自回归的参数−0.6400和1%的水平具有重要意义。这种现象可能是解释如下。首先,一般来说,家庭消费地区之间提供了一个竞争关系,因为资源是有限的。通常根据需求分配资源,导致空间挤出效应(5]。这表明更高的家庭消费需求在一个地区可能会增加消费品的传输从邻国和相应抑制家庭消费在这些省份。第二,提高交通系统的发展大大促进了不同地区之间的人口流动。人们倾向于搬到生活水平较高的地区和更多种类的消费品,在家庭消费加速地区差异。从这个角度来看,当务之急是制定政策,各省之间加强合作,促进有效的资源分配,增加商品的总供给形成一个平衡的消费模式和一个双赢的局面。

4.5。分解的空间溢出效应

普通模型的系数可以直接反映了自变量对因变量的影响。然而,在空间计量经济模型的情况下,系数的解释是更复杂的43]。Anselin和LeGallo(2006)和Kelejian Prucha(2007)指出,与空间自回归项,sem系数应该特别解释,以防止估计偏差反馈回路造成的影响(44,45]。因此,我们的空间溢出效应分解为直接效应,间接效应,和总效应。列出了长效磺胺的分解结果表8。

为数字金融包容的影响,1%的改善数字金融包容直接增加家庭消费的0.2207%,但间接地减少了0.1289%,净效应是增加了0.0917%。通过提供多样化的金融服务,如移动支付、网上贷款、网上保险,和互联网金融、数字金融包容可能影响家庭消费在四维空间。电子支付平台产生网上购物,可以改善信息不对称和多样化的商品消费市场,从而提高家庭消费。数字信贷扩大居民的方式获得贷款,缓解他们的流动性约束,和,因此,促进家庭消费。在线保险让居民更容易获得保险服务,因此当个人面对负面冲击平滑消费。在线投资为家庭提供了访问的投资服务,增加他们的投资收益,因此提高他们的消费水平。作为一个整体,通过提供各种金融服务,数字金融包容增加居民的实际和预期收入,从而影响他们的购买决定。消极的间接影响,似乎负面空间溢出效应超过了积极的效果。负间接效应表明负空间依赖性决定家庭消费在邻近的省份。如上所述,最合理的解释可能是资本的省与省之间的运动,知识,高技能工人,甚至创新的企业,正日益被视为当地的增长动力。 The movements can mainly be attributed to easier financial service access induced by the advanced digital financial inclusion of neighboring areas. Taking small and medium-sized enterprises (SMEs) as an example, SMEs in China have long faced financial restrictions linked to traditional finance, and digital financial inclusion can ease this problem [46]。因此,这些企业更容易从省与低水平的数字金融包容那些高水平。大多数的中小企业是很有潜力的创新型企业在经济方面,因此,经济发展的不平衡模式将恶化。总的来说,省先进数字金融包容能更好地发展,吸引更多的资源和居民从一个省级别较低的数字金融包容性,从而负面影响经济发展和家庭消费。吸血鬼的效果是显而易见的(34]。对政策制定者来说,这是至关重要的平衡数字金融包容的区域发展的数量和覆盖。通过这样做,数字金融包容有不可估量的影响家庭消费在未来促进在国家层面。

对家庭收入的影响,直接、间接、和总影响都是积极的。直接和总效应在1%显著水平,而间接影响并不显著。家庭收入增加1%会导致家庭消费增长0.5860%,表明家庭收入是消费的主要引擎之一。这个结果是根据凯恩斯(1936),弗里德曼(1957),格伦伯格和莫迪里阿尼(1954)(47- - - - - -49]。他们指出,存款和消费取决于收入。他们相信消费者会根据他们的收入水平,消费和收入的增加,人们在消费上花更多的钱。间接效应表明,周围省份的收入1%的增长驱动的增长消费在当地省0.0879%,显示相互促进,协同家庭收入的影响。虽然在样本家庭收入对居民消费的影响不是很明显,它仍然是有意义的,帮助中国刺激家庭消费。

交通基础设施显著积极的直接、间接和总影响家庭消费,值为0.0248,0.0190,和0.0440,分别。这个结果是按照张和陈(2003)。他们认为,现代化的交通网络可以吸引资本、技术和人才资源,从而有利于经济发展和消费增长50]。中国的运输系统通常链接一个省的环境。因此,交通基础设施的影响在中国呈现出显著的集聚效应相互促进和空间溢出效应。随着交通基础设施进一步改善,这些聚集和溢出效应正日益增强。然而,近年来,现有的交通系统并没有满足城市化人口爆炸所带来的不断增长的需求和的二胎政策。经济发展也受到交通拥堵和交通资源的短缺。因此,有必要更多地投资于道路扩张和交通建设,更好地支持驾驶交通工具在家庭消费中的作用[34]。

从人力资本的角度来看,间接和总效应是积极的在1%的显著性水平,而直接影响是特殊的,是消极的和不重要的。积极的间接影响也可能被解释成模仿行为:跟上他们的邻居的经济发展,地方政府倾向于观察和模仿他们的邻居的政策。一个先进的教育环境为经济发展提供了强大动力和家庭消费。因此,一个省的教育水平可以有条件在邻国,导致积极的教育环境的溢出效应在这些地区。

关于财政支出,地方和总影响明显积极的,但间接影响显示一个预定的结果,因为它是一个负外部性,并不重要。根据预防性储蓄假说,当预期未来收入不确定,消费者将变得谨慎。他们将增加储蓄来应对可能的风险的不确定性造成的收入18]。研究人员名字这种储蓄未来收入的不确定性造成的预防性储蓄。卡罗尔(1994)支持的结论是,储蓄的主要动机是防止事故30.]。基于这一理论,政府支出增加和社会保障体系改善,预防性储蓄动机变得不那么重要的(51]。此外,宏观经济学认为财政支出收入再分配的一种形式,可以增加穷人的家庭收入和减轻收入不平衡。与高收入家庭相比,低收入家庭有更多的消费潜力随着收入的增加(52]。因此,财政支出可以促进家庭消费作为一个整体(53]。此外,政府政策,为农村居民提供补贴等买家电,可以直接刺激家庭消费。消极的间接影响意味着增加政府开支可以减少消费活动在邻近的城市,它可以被挤出效应理论解释。一个省的居民可能被吸引更好的金融,环境卫生、和生活条件附近的地方。这些结果提醒决策者综合考虑当地省和邻国的情况下,充分利用“看得见的手”。

产业结构的直接和间接影响是积极但统计学无意义的。更少的能源密集型行业,服务行业预计将大大扩展时鼓励经济发展,促进消费。产业结构的升级也可以生产更有效,从而降低产品的价格。此外,第三产业的繁荣多样化商品和为家庭提供了更多的选择。虽然直接和间接影响的系数在统计上不重要的,他们不认为产业结构是对家庭消费的意义。我们倾向于解释,第三产业发展程度低,以及当前的发展是不够的对家庭消费的影响。因此,为了提高家庭消费,必须促进产业结构的升级。积极但不重要的间接效应意味着附近省份的产业结构的优化可以提高总体消费,意味着积极的危机从产业升级的影响。总效果显著积极的,这意味着一个激励函数对消费存在,虽然还没有直接或间接的影响变得显著。

系数的直接、间接和总影响的开放−0.3343−0.1844−0.5187,分别确认的开放程度阻碍了家庭的消费行为。这表面上违反直觉的结果主要归因于国际商品贸易带来的不利影响。进出口贸易的人群国内市场,从而导致消费者价格上涨,从而限制地区家庭消费的增长。消极的间接效应系数证明外部溢出效应对消费活动在中国。前途的进出口项目通常是罕见的。增加进出口项目的地区鼓励外国投资者寻求更多的盈利机会在邻近地区,从而影响邻居的消费。负面效应表明,公平税收和进口货物的合理定价政策对促进家庭消费是有帮助的。三个系数是重要的,然而,没有一个证明开放的影响相对有限。这个结果可能是由于中国长期开放,开放的影响趋于平稳。

最后一点与人口密度有关。直接显著影响是积极的,但间接影响是无意义的负面的。人口的增长鼓励家庭消费活动,但在周围地区人口的增加减少此类活动,这可能会导致一个完整的消费品传输系统。当住在附近省份的人数增加,他们的要求在当地省增加,供应减少他们提供当地的省。总的来说,它有利于考虑人口密度时消费促进政策的区域。

4.6。内生性检验

可能存在的内生性问题引起的反向因果关系,变量遗漏,等。为进一步解决这一问题,需要适当的辅助变量。根据张和胡54),我们使用数字金融包容的一年期滞后指数作为工具变量内生性的测试。因为数字与一年期金融包容的水平滞后与目前的水平,和过去的数字金融包容不能影响到当前的家庭消费。表9显示了结果。根据分解结果,数字金融包容的系数显著积极的,和空间滞后项的系数是显著负,这是符合基线回归。

4.7。鲁棒性分析

为了保证结果的可靠性,我们重新评估了SDM使用地理距离空间权重矩阵(计算经度和纬度的倒数两省之间的距离)。表10介绍了鲁棒性的结果空间效应基于地理距离空间的重量。虽然可能会有一些矛盾在振幅和显著性水平,影响的方向和主要结论的核心独立变量保持不变。采用空间模型再次证明的必要性。数字金融包容的改善将促进家庭消费在当地省和减少家庭消费在邻近的省份。

4.8。比较城市和农村地区之间的空间效果

在中国有一个城乡二元结构,这主要表现在经济发展方式。城市经济是基于现代大规模的工业生产,而农村经济是基于小规模农业。差异会导致城市的先进的基础设施和消费城市和农村之间的差距。作为一种金融包容、数字金融包容可以达到其他偏远地区的消费者由传统金融机构。因此,它可以缩小消费差距,提高城乡二元结构体系。本节比较城市和农村地区的空间效果,和结果的核心在因变量如表所示11。

如结果所示的条件表11的直接影响数字家庭消费金融包容的城市和农村地区都积极意义重大。城市地区的直接影响是0.2657,低于农村地区的数量(0.3864),证明数字金融包容一个较小的促进影响消费的家庭住在城市。一个可能的解释是,数字金融包容可以消除金融阈值的限制。由于金融抑制、金融门槛带来金融可用性之间的差距。高收入群体生活在城市有大量的金融资源。他们可以享受便捷的金融服务,因为他们在地理和资本积累的优势。然而,由于地理上的劣势,因为它们的资本积累财富不能达到阈值水平的限制,低收入群体生活在欠发达地区不能够很容易获得金融服务。他们面临更多的流动性约束和更受数字金融消费的边际效应的影响。总的来说,数字金融包容可以显著降低金融服务的成本,使金融资源更可用。因此,低收入人群可以有更广泛和更容易获得信贷,以及他们可以放松信贷限制,这有利于促进消费。

然而,这两个领域的总效应并不显著。这可能是因为数字金融包容仍不发达,所以它不能改变当弱势人群和主要影响公众。虽然数字金融包容近年来发展迅速,它仍然是远未发达。政策制定者应该创造一个友好的环境,鼓励数字金融包容性的发展和对弱势的人更容易获得金融服务,金融包容的主要目标。

5。结论

基于面板数据的中国31个省从2013年到2018年,我们研究数字金融包容家庭消费的影响。我们发现,家庭消费和数字金融包容性发展的地理集聚。中国家庭消费的空间分布提出了一种阶梯分布从沿海到内陆地区由于不平衡的经济发展模式。在中国数字金融包容的水平下降的距离杭州,部分原因是促进和传播的困难从杭州数字金融。通过构造空间面板模型,将空间溢出效应分解为直接、间接和总效应,我们发现数字金融包容有积极的直接影响和不利的间接影响家庭消费在国家层面。进一步分析基于次级样本显示数字的影响家庭消费金融包容是农村居民比城市居民更重要。然而,不同的是没有意义重大,因为数字金融包容的不发达。

我们的研究结果对决策者有以下有意义的影响。首先,因为数字金融包容性的发展可以促进家庭消费和提高双城乡系统,决策者应该关注其驾驶的影响并没有推动它。然而,只考虑当地条件是不够的,因为省越来越相关。在进行政策、评估的条件是至关重要的周边地区和省作为一个整体。第三,省份预计开发以协调的方式通过与周边省份合作,实现有效的源分布形成一个平衡的模式在不同的省份,导致一个双赢的局面。

本文的研究具有一定的局限性。首先,省级数据,所以他们可能有特定的样本偏差,不能反映个人特征。如果将来微观数据可以被访问,研究人员可以使用微数据比较新得到的结果与本文的结论。其次,本文运用数据从2013年到2018年,这不是很近。公开数据在中国的政策是紧迫。第三,本文涉及的数据只在总家庭消费,这是建议,全面调查不同类型家庭购买的消费品。

数据可用性

数字金融包容指数的数据用于支持本研究的发现可能会发布在应用数字金融协会,北京大学,可以联系(电子邮件保护)。家庭消费数据和控制变量用于支持本研究的发现是由国家统计局发布的。

的利益冲突

作者宣称没有利益冲突。