数字金融发展与居民家庭金融资产配置——基于CHFS（2019）调查数据的实证研究

数据下载地址

点击这里下载数据

数据指标说明

摘 要：“双循环”新发展格局下，以数字金融发展促进家庭金融资产配置结构优化和效率提升，优化家庭财富管理，成为扩大内需与畅通国内循环的重要路径。利用 CHFS（2019）调查数据，实证研究数字金融对家庭金融资产配置的影响。结果表明，数字金融能够显著提高家庭金融资产配置比例，且对东部和东北地区的影响显著强于中西部地区，对一、二线城市家庭的影响大于三线城市。进一步的机制分析发现，数字金融可以通过提高居民金融知识水平提升家庭金融资产配置比例和概率。因此，有必要进一步加强金融基础建设，提高居民金融素养，从而促进更多人群使用数字金融，优化家庭金融资产结构。

关键词：数字金融；家庭金融资产；居民投资

（一）数据来源

  本文数据来源于西南财经大学 2019年在全国开展的中国家庭金融调查（CHFS）。始于2011年的CHFS 每 2 年追踪一次，调查内容包括了家庭收入和支出、家庭资产与负债、家庭人口特征以及社会保障等信息，能较为全面地反映我国居民家庭金融资产及其配置情况。2019年CHFS 调查了全国29个省（自治区、直辖市）34643户家庭的数据，为保证结果准确性和可靠性，本文剔除样本缺失值和异常数据样本后，共得到27979个观测数据。

  需要指出的是，在CHFS（2019）的调查数据中，将家庭资产分为金融资产和非金融资产，金融资产包括现金、存款、理财产品、股票、基金、债券、衍生品、非人民币资产、黄金和其他金融资产；非金融资产包括农业经营资产、工商业经营资产、土地资产、房产、车辆资产和其他非金融资产。

二）变量选取与说明

1.被解释变量

  本文被解释变量为家庭金融资产配置（fin）。关于这一指标，已有研究主要使用的指标有家庭风险金融资产占比、家庭是否参与风险金融市场。由于金融资产包括了风险金融资产和无风险金融资产，本文认为，单纯使用风险金融资产不足以全面衡量和分析家庭金融资产配置行为，因此在基准回归分析中，我们使用 CHFS（2019）调查数据中金融资产占总资产的比例来衡量家庭金融资产配置。       

2.核心解释变量

  本文解释变量为数字金融发展水平（lnDIFI）。本文选取北京大学数字金融研究中心编制的中国数字普惠金融指数[39]。该指数不仅包含数字普惠金融总指数以及覆盖广度、使用深度和数字化程度3个一级维度，在使用深度指数中还包括支付、货币基金、信用、保险、投资、信贷 6个二级维度，能较好地反映我国数字金融发展水平。

  由于CHFS（2019）数据中只提供家庭所在省份信息，因此本文使用省级数字普惠金融总指数以及其 3 个一级维度分析数字金融对家庭金融资产配置的影响，同时为了方便估计结果汇报，进一步将数字金融总指数及其一级维度指数取对数处理。 

3.控制变量

  由于年龄、性别等户主个人特征以及家庭特征在内的诸多因素对家庭金融资产配置均会构成影响，因此本文选取户主特征、家庭经济特征等作为控制变量。

  具体而言，户主特征包括年龄（age），性别（gender，男性为1，女性为 0），婚姻状况（spouse，有配偶为1，无配偶为 0），户口状况（rural，乡村户口设为1，城镇户口为 0），健康状况（health，根据问卷中对于受访者健康状态的排序，将其标记为 1，2，3，4， 5），受教育程度（education，按照问卷中的调查结果，将分数赋值0，6，9，12，13，15，16，19，22）。

   由于家庭财富和负债会直接影响家庭投资行为，因此本文控制了家庭总收入（lnincome）、家庭总资产（lnasset）和家庭负债（debt，有负债设为 1，反之为0）。需要说明的是，由于家庭总资产和家庭总收入在样本中分布差异较大，为平稳数据，本文采用对数形式。 
   数据来源：西南财经大学中国家庭金融调查与研究中心2019年中国家庭金融调查（CHFS）数据与北京大学数字普惠金融指数（PKU-DFIIC）

时间跨度：2019年
区域范围：29 个省（自治区、直辖市），33522户家庭

指标说明：

（1）被解释变量是金融资产在家庭总资产中的占比；

（2）核心解释变量是北京大学数字普惠金融指数；

（3）控制变量包括家庭总收入、家庭总资产、家庭负债、户主户口状况、户主婚姻状况、户主性别、户主年龄、户主健康状况、户主教育状况；
（4）被解释变量与控制变量均为自行测算得到。

项目备注

本资源部分自主研发，部分来源于网络。
来源于网络的资源版权归出版社或原作者所有，仅供学习，请勿用于商业。

数据下载地址

点击这里下载数据