金融科技赋能下的互联网消费金融与家庭消费行为

Internet Consumer Finance and Household Consumption Behavior Empowered by Fintech

摘要: 本文采用西南财经大学2013~2019中四年的中国家庭金融调查数据(CHFS)，通过面板回归和固定效应模型，在金融科技大背景下全面研究互联网消费金融与居民家庭消费行为的关系，实证探究了互联网消费金融总指数与其五个细分指数对居民家庭消费支出和消费结构的影响效果。研究结论如下：(1) 总效应回归中，互联网消费金融显著增加家庭消费支出并促进家庭消费升级；(2) 影响机制回归中，五个指数都对家庭消费支出有积极影响，只有互联网信贷作用不显著。此外，互联网支付和互联网货币基金显著促进家庭消费升级，而互联网信贷、互联网保险和互联网投资显著抑制家庭消费升级。最后，本文针对以上研究结论给出了相应建议。

Abstract: This paper adopts the China Household Finance Survey (CHFS) data of Southwestern University of Finance and Economics from 2013 to 2019, and comprehensively studies the relationship between Internet consumer finance and household consumption behavior in the context of fintech through panel regression and fixed effect model. This paper empirically explores the effect of Internet consumer finance index and its five sub-indexes on household consumption expenditure and consumption structure. The research conclusions are as follows: (1) In the total effect regression, Internet consumer finance significantly increases household consumption expenditure and promotes the upgrading of household consumption; (2) In the regression of influence mechanism, all the five indexes have a positive impact on household consumption expenditure, and only the effect of Internet credit is not significant. In addition, Internet payment and Internet monetary fund significantly promote household consumption upgrading, while Internet credit, Internet insurance and Internet investment significantly inhibit household consumption upgrading. Finally, this paper gives corresponding suggestions based on the above research conclusions.

1. 引言

2023年中央经济工作会议和2024年全国两会政府报告将“扩大国内需求”定为2024年经济重点工作，强调恢复和扩大消费的优先性。会议着重于扩大内需，激发消费潜力，扩大有效投资，实现消费与投资相互促进。旨在推动疫情后消费持续增长，发展新型消费如数字、绿色、健康消费，并培育新消费增长点，如智能家居、文化旅游等。这是满足人民日益增长的美好生活需求、扩大内需并增强消费对经济发展的基础性作用的国家重要决策，以适应新形势下的需求变化，推动经济健康发展。

如今，金融科技背景下的互联网消费金融在国内迅猛发展，互联网消费金融成为金融科技背景下“互联网 + 消费金融”的创新金融业态。随着个人收入增长和家庭财富积累，消费者对金融服务的需求日益增强[1]。大数据、云计算和人工智能等技术的快速发展，已深刻改变了消费者的需求和行为，推动新消费和新兴商业模式的不断涌现[2]。金融科技公司借助电商平台和支付系统，已将消费信贷业务融入日常消费场景，从而极大地改变了消费者的消费习惯和金融行为[3]-[5]。消费金融作为一个经济体的一个重要组成部分，其职能包括支付、风险管理、借贷、储蓄、投资等[6]。后来学者进一步完善了消费金融的作用，并将其作为另外一个重要的方面，即金融资讯和咨询服务[7]。关于互联网消费金融对居民家庭消费影响的研究，可分为城市居民和农村居民两大方面。对于城市居民，研究显示互联网消费金融显著提升了其消费水平和改变了消费行为[8]，且家庭经济条件对金融行为产生明显影响[9] [10]。对于农村居民，消费金融不仅直接影响其消费行为，还对农户收入和电商平台发展产生作用[11]，尤其是对农村家庭和低收入群体的消费影响更为显著[12] [13]。从影响机制角度，消费金融可通过配置、融通、财富、流动四大效应促进居民消费结构转型与品质提升[14]，并通过总量、质量、结构优化及内部联动作用推动居民消费升级[15]。还有更多文献研究表明互联网消费金融主要通过缓解居民家庭的流动性约束来发挥“消费刺激”作用[16]-[19]。

目前，直接从互联网消费金融角度研究对居民家庭消费影响的文献不多，大多学者多从互联网经济、互联网金融、消费信贷、影响机制、第三方支付的角度探讨了对居民消费的影响，且多采用宏观数据。本文基于金融科技背景，深入分析互联网消费金融与家庭消费的关系，补充并扩展了相关领域研究。这有助于发现新消费热点，为金融机构提供创新方向，对理解金融市场、优化服务及推动消费金融行业发展有现实意义，同时促进普惠金融的覆盖。

2. 相关理论分析与研究假设

经济学家凯恩斯提出的绝对收入假说强调实际收入对消费决策的主导作用。在此框架下，互联网消费金融显著提升了家庭的当前可支配收入，进而刺激了消费支出。面临资金短缺或大额消费需求时，家庭可通过互联网消费金融快速获得资金，实现消费愿望。而生命周期假说则将消费决策置于更长的时间维度中，理性消费者会根据一生的预期收入规划消费。互联网消费金融的多样化产品和服务帮助家庭更好地规划未来收入和支出，确保稳定消费水平并优化消费结构。

持久收入假说指出消费决策基于持久性收入，互联网消费金融通过智能风险评估和信贷服务，使家庭能基于对未来持久收入的合理预期安排消费，推动消费支出提升和结构优化。预防性储蓄理论强调风险厌恶的消费者为预防未来不确定性会储蓄，但互联网消费金融的灵活金融工具可减少这种担忧，释放更多资金用于消费。流动性约束理论认为流动性约束影响消费行为，而互联网消费金融提供的便捷信贷服务可在一定程度上缓解这种约束，让消费者在资金短缺时维持或提升消费水平。

基于以上分析，本文提出假说1：互联网消费金融对居民家庭消费行为存在积极推动作用。

进一步地，从消费金融功能视角，消费金融对居民消费行为的影响机制包括平滑、保障、增值三大机制[20]。在平滑机制方面，互联网支付和信贷提供便利，刺激消费需求增长。保障机制方面，互联网保险和货币基金提供风险保障和资金储备，释放消费潜力。增值机制方面，互联网投资提供更多财富增值机会，促进消费。

由此，本文提出假说2：互联网消费金融的五个细分业务可能都促进居民家庭消费支出增长。

然而，这五大细分业务对居民家庭消费结构的影响可能复杂多样。互联网支付促进消费的同时可能导致冲动消费；互联网信贷虽平滑消费曲线，但过度借贷可能带来债务困境；互联网保险和货币基金降低风险、释放消费潜力，但过度依赖可能影响其他消费；互联网投资有助于消费升级，但市场不确定性可能影响消费能力和意愿。

最后，本文提出假说3：互联网消费金融的五个细分业务可能对居民家庭消费结构存在较大差异影响甚至相反作用。

3. 数据与变量

3.1. 数据来源

本文选取的家庭消费数据来自西南财经大学中国家庭金融调查数据(CHFS) 2013、2015、2017、2019四年的调查数据。本文核心解释变量互联网消费金融的代理变量来自北京大学数字金融研究中心发布的中国数字金融普惠发展指数，选取了2013~2019年市级层面的数字普惠金融体系的使用深度指标，其下包含支付、信贷、保险、货币基金、投资等服务业务的人均交易笔数和人均交易金额等具体情况，能够比较恰当地体现出互联网消费金融的特征。

3.2. 变量说明

3.2.1. 被解释变量——家庭消费行为

本文探讨互联网消费金融对家庭消费行为的影响，因此共选取两类被解释变量：家庭消费支出和消费结构。家庭消费支出可细分为两类：一类是生存型消费支出；一类是发展与享受型消费支出，本文分别计算发展与享受型消费占比和生存型消费占比来反映家庭消费结构的变化。

3.2.2. 解释变量——互联网消费金融

本文采用北京大学数字金融研究中心发布的中国数字普惠金融指标体系中的使用深度指数为核心解释变量，衡量互联网消费金融。同时，细分互联网消费金融为五个指标，分别使用支付、信贷、保险、货币基金、投资五个二级维度指数作为代理变量。

3.2.3. 控制变量

本文选取户主特征(性别、年龄、教育、政治面貌、婚姻、身体状况)、家庭特征(规模、总收入)和地区特征(乡村及东、中部地区)作为控制变量。数据处理时，剔除了户主年龄异常的家庭，对消费支出和总收入进行了缩尾处理，以排除极端值影响，最终形成了包含118500个样本的非平衡面板数据。

3.2.4. 描述性统计

表1为本文主要变量说明与描述性统计。从中可以看出，2013~2019年家庭消费支出均值约为59,265元，最大值达到444,000元，最小值为2096元，家庭消费支出水平差异性很大。互联网消费金融总指数均值为251.5，互联网普及率达到55.4，说明互联网消费金融活动较为活跃，信息化水平在逐步提升，但互联网的普及程度还有进一步提升的潜力。互联网消费金融的五个细分指数在居民家庭间存在较大差异，其中互联网保险指数平均值最大，互联网信贷平均值最小。

Table 1. Variable description and descriptive statistics

表1. 变量说明与描述性统计

变量	变量名称	平均值	标准差	最小值	最大值
tconsump	家庭消费支出(单位：元)	59265.000	60560.000	2096.000	444000.000
pscon	生存型消费占比	0.594	0.217	0.000	8.067
pecon	发展与享受型消费占比	0.406	0.217	−7.067	1.000
usdep	互联网消费金融	251.500	74.840	113.400	439.900
inter	互联网普及率	55.410	11.980	32.460	81.500
pay	互联网支付指数	214.400	75.850	44.500	365.200
credit	互联网信贷指数	161.100	51.040	22.350	282.200
insure	互联网保险指数	556.700	144.300	306.800	932.300
monfund	互联网货币基金指数	170.400	88.490	0.000	303.200
invest	互联网投资指数	253.200	79.530	99.820	480.100
gder	户主性别(男性 = 1；女性 = 2)	1.231	0.422	1.000	2.000
age	户主年龄	54.050	14.220	18.000	99.000
educ	户主受教育年限	15.720	5.891	0.000	22.000
polis	户主政治面貌	2.421	1.031	1.000	4.000
mari	户主婚姻状况	2.366	1.193	1.000	7.000
phys	户主身体状况	2.797	1.076	1.000	5.000
numb	家庭规模(单位：人)	2.825	1.668	0.000	19.000
tincome	家庭总收入(单位：元)	74233.000	94754.000	−15400.000	690000.000
rural	乡村	0.325	0.468	0.000	1.000
region1	东部	0.293	0.455	0.000	1.000
region2	中部	0.185	0.388	0.000	1.000

4. 模型与回归

4.1. 模型构建

本文运用互联网消费金融总指数设定总效应模型，另运用五个细分指数设定三个机制模型进行回归，包括平滑机制、保障机制和增值机制。回归分析中，对家庭消费支出和互联网消费金融五个细分指数都进行了对数处理。模型形式如下：

$Y_{it}=\alpha +\beta X_{it}+\gamma C_{it}+{\mu }_i+{\nu }_t+{\epsilon }_{it}$ (1)

其中，i代表各居民家庭，t代表年份，μ_i代表个体效应，ν_t代表时间效应，Y_it代表被解释变量，Χ_it代表解释变量，C_it指包含了个体特征、家庭特征、地区特征等控制变量。

Table 2. Benchmark regression results

表2. 基准回归结果

变量	lntconsump		pscon		pecon
	Ols (1)	Fe (1)	Ols (2)	Fe (2)	Ols (3)	Fe (3)
lnusdep	0.415^***	0.449^***	−0.022^***	−0.026^***	0.022^***	0.026^***
	(0.011)	(0.016)	(0.003)	(0.005)	(0.003)	(0.005)
gder	0.074^***	0.076^***	−0.010^***	−0.015^***	0.010^***	0.015^***
	(0.007)	(0.011)	(0.002)	(0.003)	(0.002)	(0.003)
age	−0.012^***	−0.012^***	0.003^***	0.003^***	−0.003^***	−0.003^***
	(0.000)	(0.000)	(0.000)	(0.000)	(0.000)	(0.000)
educ	0.005^***	0.006^***	0.000	0.000^*	−0.000	−0.000^*
	(0.001)	(0.001)	(0.000)	(0.000)	(0.000)	(0.000)
polis	−0.168^***	−0.179^***	0.046^***	0.051^***	−0.046^***	−0.051^***
	(0.003)	(0.005)	(0.001)	(0.001)	(0.001)	(0.001)
mari	−0.035^***	−0.042^***	−0.003^***	−0.002	0.003^***	0.002
	(0.003)	(0.004)	(0.001)	(0.001)	(0.001)	(0.001)
phys	−0.037^***	−0.037^***	−0.007^***	−0.008^***	0.007^***	0.008^***
	(0.003)	(0.004)	(0.001)	(0.001)	(0.001)	(0.001)
numb	0.095^***	0.093^***	−0.012^***	−0.012^***	0.012^***	0.012^***
	(0.002)	(0.003)	(0.001)	(0.001)	(0.001)	(0.001)
lntincome	0.208^***	0.209^***	−0.011^***	−0.011^***	0.011^***	0.011^***
	(0.003)	(0.004)	(0.001)	(0.001)	(0.001)	(0.001)
rural	−0.450^***	−0.445^***	−0.028^***	−0.032^***	0.028^***	0.032^***
	(0.008)	(0.012)	(0.002)	(0.004)	(0.002)	(0.004)
region1	0.010	0.055^***	0.014^***	−0.000	−0.014^***	0.000
	(0.007)	(0.010)	(0.002)	(0.003)	(0.002)	(0.003)
region2	−0.078^***	0.003	−0.004^*	−0.025^***	0.004^*	0.025^***
	(0.008)	(0.013)	(0.002)	(0.004)	(0.002)	(0.004)
_cons	7.097^***	6.894^***	0.679^***	0.677^***	0.321^***	0.323^***
	(0.072)	(0.104)	(0.021)	(0.031)	(0.021)	(0.031)
N	56947	56947	56947	56947	56947	56947
R-sq	0.475	0.476	0.112	0.114	0.112	0.114

注：^*、^**、^***分别表示在10%、5%、1%的显著性水平下显著，括号内为稳健标准误。

4.2. 总效应回归结果分析

表2是互联网消费金融对居民家庭消费行为的总效应回归结果，分别运用了普通最小二乘法和双向固定效应模型对家庭消费支出和消费结构进行回归分析。由结果可得，无论是普通最小二乘法还是双向固定效应模型，互联网消费金融都在1%的显著性水平下显著。具体来看，固定效应模型中互联网消费金融对家庭消费支出存在边际效应为0.449的积极作用，对家庭消费结构存在边际效应为0.026的积极作用，可知互联网消费金融显著增加家庭消费支出并促进家庭消费升级，假说1成立。互联网消费金融的便利性、即时性和个性化服务，使得家庭能更灵活地规划消费，满足各种需求。它利用大数据和人工智能技术精准评估信用，提供个性化贷款，降低了贷款门槛。与电商平台的结合，简化了购物流程，激发了消费欲望，支持了家庭高品质生活追求。

4.3. 机制回归结果分析

基于平滑、保障和增值三大机制，我们将互联网消费金融细分为五个指数：互联网支付、信贷、保险、货币基金和投资指数。为检验这些机制，我们选择了相应的自变量：互联网支付和信贷指数代表平滑机制；互联网保险和货币基金指数代表保障机制；而互联网投资指数则代表增值机制。

本文将这三种机制中五个细分指数的回归结果放在一起进行比较分析，如表3所示，互联网支付对家庭消费支出的影响最为显著。这主要得益于互联网支付与日常消费的深度绑定，其应用场景广泛，覆盖了线上购物、餐饮等多个领域，使得家庭消费支出与其紧密相关。此外，互联网支付的便捷性和即时性也极大提升了消费体验，促使消费者更愿意进行支付。

Table 3. Regression results of three mechanisms

表3. 三种机制回归结果

变量	(1)	(2)	(3)
	lntconsump	pscon	pecon
lnpay	0.452^***	−0.087^***	0.087^***
	(0.028)	(0.008)	(0.008)
lncredit	0.019	0.046^***	−0.046^***
	(0.029)	(0.008)	(0.008)
lninsure	0.255^***	0.118^***	−0.118^***
	(0.033)	(0.010)	(0.010)
lnmonfund	0.110^***	−0.027^***	0.027^***
	(0.008)	(0.002)	(0.002)
lninvest	0.385^***	0.020^***	−0.020^***
	(0.022)	(0.007)	(0.007)
控制变量	控制	控制	控制
个体效应	控制	控制	控制
年份效应	控制	控制	控制

注：^*、^**、^***分别表示在10%、5%、1%的显著性水平下显著，括号内为稳健标准误。

在家庭消费结构方面，仅有互联网支付和互联网货币基金表现出积极作用，且前者效果更为显著。这主要是因为支付环节直接关联消费行为的完成，互联网支付的优点如便捷、即时和安全等，都直接推动了消费的增长和升级。相比之下，互联网货币基金对消费的影响更为间接。另一方面，互联网信贷、保险和投资指数均对家庭消费结构的优化升级产生了一定的抑制作用，其中互联网保险的抑制效应最为明显。这可能与保险产品的资金占用、长期固定支出以及人们对保险的认知局限有关。

总的来说，互联网消费金融的五个细分业务对居民家庭消费支出几乎都表现出积极作用，但它们在影响居民家庭消费结构方面却表现出显著的差异性，假说2、3成立。

4.4. 内生性检验

考虑到研究中可能存在的内生性问题，本文决定采用工具变量法，选择了2013~2019年各省的互联网普及率作为反映互联网消费金融影响的工具变量[21]。表4详细展示了工具变量两阶段的回归结果。在列(1)展示的第一阶段回归结果中，发现互联网普及率(inter)与互联网消费金融(lnusdep)在1%的显著性水平下显著正相关。为了验证工具变量的有效性，我们进行了弱工具变量检验和工具变量识别不足检验。结果显示不存在弱工具变量的问题和不可识别的内生变量问题。列(2)~(4)是第二阶段回归估计结果，互联网消费金融依旧显著增加家庭消费支出、促进家庭消费结构优化，与前文得出的结论一致。

Table 4. Endogeneity test regression results

表4. 内生性检验回归结果

变量	(1)	(2)	(3)	(4)
	lnusdep	lntconsump	pscon	pecon
inter	0.018^***
	(0.000)
lnusdep		0.483^***	−0.048^***	0.048^***
		(0.024)	(0.007)	(0.007)
控制变量	控制	控制	控制	控制
个体效应	控制	控制	控制	控制
年份效应	控制	控制	控制	控制
_cons	4.537^***	6.701^***	0.804^***	0.196^***
	(0.018)	(0.143)	(0.043)	(0.043)
N	56,947	56,947	56,947	56,947
R-sq	0.639	0.476	0.113	0.113
弱工具变量检验		7028.76
Kleibergen-Paap Wald rk F
工具变量识别不足检验		0.000
Kleibergen-Paap rk LM (P值)

注：^*、^**、^***分别表示在10%、5%、1%的显著性水平下显著，括号内为稳健标准误。

5. 稳健性检验

为了检验上述回归结果的可靠性和稳健性，本文分别从替换被解释变量、替换核心解释变量两个方法进行稳健性回归检验。表5展示的是第一种方法，即将家庭消费总支出替换为生存型消费支出(surc)和发展与享受型消费支出(enjc)，分别取其消费支出额的对数，重新进行回归分析，从结果中可以看出互联网消费金融对生存型消费和发展与享受型消费都具有显著的积极影响，在1%显著性水平下边际效应分别为0.416和0.523，进一步证明对互联网消费金融家庭消费支出的正向作用。此外，从影响系数中可以看出互联网消费金融对家庭发展与享受型消费的促进效果更强，也侧面反映出其对家庭消费结构的积极作用。

Table 5. Robustness test: replace the explained variable

表5. 稳健性检验：替换被解释变量

变量	(1)	(2)	(3)
	lnsurc	lnenjc	update
lnusdep	0.416^***	0.523^***	0.026^***
	(0.016)	(0.024)	(0.005)
控制变量	控制	控制	控制
个体效应	控制	控制	控制
年份效应	控制	控制	控制
_cons	6.342^***	5.638^***	1.323^***
	(0.105)	(0.158)	(0.031)
N	56934	56850	56947
R-sq	0.405	0.412	0.114

注：^*、^**、^***分别表示在10%、5%、1%的显著性水平下显著，括号内为稳健标准误。

表6展示的是第二种方法的回归结果，即将数字普惠金融指标体系一级维度中的使用深度指数替换为艾瑞咨询行研报告中整理得到的2013~2019年互联网消费金融交易规模的数据[22]，并重新进行回归检验。结果发现由该数据得出的回归结果与前文基本一致，互联网消费金融与家庭消费支出和家庭消费结构仍在1%水平下显著正相关，证明本文回归结果具有一定稳健性和可靠性。

Table 6. Robustness test: replace explanatory variables

表6. 稳健性检验：替换解释变量

变量	(1)	(2)	(3)
	lntconsump	pscon	pecon
lnicf	0.075^***	−0.011^***	0.011^***
	(0.002)	(0.001)	(0.001)
控制变量	控制	控制	控制
个体效应	控制	控制	控制
年份效应	控制	控制	控制
_cons	8.437^***	0.681^***	0.319^***
	(0.063)	(0.017)	(0.017)
N	56,947	56,947	56,947
R-sq	0.485	0.125	0.125

注：^*、^**、^***分别表示在10%、5%、1%的显著性水平下显著，括号内为稳健标准误。

6. 结论与建议

6.1. 结论

本文利用中国家庭金融调查数据，深入探讨了互联网消费金融对家庭消费的影响。研究发现：互联网消费金融能显著推动家庭消费支出增长并优化消费结构。其次，通过研究互联网消费金融的五个细分指数(互联网支付、互联网信贷、互联网保险、互联网货币基金、互联网投资)，发现互联网消费金融通过平滑机制、保障机制和增值机制影响家庭消费。其中，互联网支付显著促进消费支出和消费升级；互联网信贷虽促进消费支出但不显著，且抑制消费升级；互联网保险对消费支出促进作用大，但货币基金更利于消费升级；互联网投资则显著提升消费支出，却抑制消费升级。在五个指标中，互联网支付对家庭消费的积极影响最大，而互联网保险对消费结构的消极影响最为显著。

6.2. 建议

第一，在平滑机制方面，建议家庭积极采用互联网支付方式，以提高支付效率和享受优惠。利用手机支付和在线购物平台，家庭可更灵活地管理资金，实现消费平滑化，并追求更高品质、个性化的消费。同时，使用互联网信贷时需谨慎，要权衡风险与收益，确保合理和可持续的财务规划。应审慎选择信贷产品，了解贷款利率和还款条件，避免不良后果。信贷资金应合理用于创造价值和提升生活品质，而非仅弥补短期财务缺口。

第二，在保障机制方面，家庭选择保险产品时应注重个性化和灵活性，既满足风险防范需求，又不过度损害对生活品质的追求。可根据实际情况量身定制保障方案，确保经济安全，避免购买过多重复性保险。同时，可考虑投资互联网货币基金，以获取较高收益并保持资金流动性，为家庭提供财务灵活性。

第三，在增值机制方面，家庭进行互联网投资时需平衡短期收益和长期财务目标。可投资相对低风险的理财工具，确保财务稳健增长，但避免过度依赖高风险投资。投资前应进行充分的风险教育和财务规划，明确投资目标和时间范围，降低市场波动带来的风险。同时，可考虑多元化投资组合，分散投资风险。谨慎的投资策略可为未来消费升级提供更可靠的财务支持。