数字普惠金融对居民旅游消费影响的实证分析

An Empirical Analysis of the Impact of Digital Inclusive Finance on Residents’ Tourism Consumption

摘要: 数字普惠金融已经成为促进居民旅游消费的重要动力。本文利用2018年、2020年和2022年中国家庭追踪调查(CFPS)构造面板数据，研究数字普惠金融发展与居民旅游消费之间的关系。实证结果发现：数字普惠金融的发展能够增加居民旅游消费的支出，这一结论在经过稳健性检验后仍成立；机制分析的结果发现，数字普惠金融能够通过增加支付便利性，促进居民旅游消费的支出。进一步的异质性分析发现，数字普惠金融对低收入居民和农村居民有更显著的促进作用。本文的研究能够为释放居民旅游消费潜力提供政策参考。

Abstract: Digital inclusive finance has become an important driving force in promoting residents’ tourism consumption. Using panel data from the China Household Panel Studies (CFPS) for 2018, 2020, and 2022, this paper examines the relationship between the development of digital inclusive finance and residents’ tourism consumption. The empirical results show that the development of digital inclusive finance can increase residents’ tourism consumption expenditure, and this conclusion is still valid after the robustness test. The results of the mechanism analysis show that digital inclusive finance can boost residents’ spending on tourism consumption by increasing payment convenience. Further heterogeneity analysis shows that digital inclusive finance has a more significant promoting effect on low-income and rural households. The research of this paper can provide a policy reference for releasing residents’ tourism consumption potential.

1. 引言

随着居民生活水平的不断提高，人们对于旅游消费的需求也随之增加。依据文旅部所公布的国内旅游抽样调查统计数据，在2024年的前三个季度，国内旅游出行达42.37亿人次。相较于上一年度的同一时期，出游人次增加了5.63亿，同比增长15.3%。与此同时，近年来依托于互联网信息技术而蓬勃发展的数字普惠金融发展迅速，是促进中国经济增长的重要助力。2024年国家文化和旅游部办公厅发布的《智慧旅游创新发展行动计划》中要求全面贯彻新发展理念，促进数字经济与旅游业深度融合，进一步挖掘居民旅游消费潜力。因此，利用数字普惠金融推动居民旅游消费增长成为亟待解决的重要问题[1]。

金融市场的发展是影响居民消费的重要因素。与居民对金融服务的巨大需求相比，中国金融服务长期短缺。在传统金融市场中，欠发达地区居民、小微企业和低收入家庭由于无法满足参与金融服务的门槛，面临更多的金融排斥，这部分群体的金融需求往往不能得到满足。数字普惠金融是由大数据和人工智能等支持下的传统金融的延伸，能够有效增强金融市场的活力。中国的金融体系也因为数字普惠金融的发展而得到改善。数字普惠金融改变了家庭的购物模式和消费偏好[2]。例如，以支付宝为代表的移动支付平台已与线下旅游景区合作开展手机预约购票服务。支付宝还为有旅游计划的消费者推出了多样化的互联网保险服务。作为促进居民旅游消费的新动力，数字普惠金融正深刻改变居民旅游出行的习惯与偏好[3]。因此，研究数字普惠金融如何影响居民旅游消费对推动居民消费升级至关重要[4]。

本文的主要贡献如下。首先，已有学者研究了数字普惠金融与家庭消费的关系，但具体到数字普惠金融和旅游消费的关系的探讨还很少。本文的研究深化了对中国居民旅游消费的探讨，并丰富了有关数字普惠金融的相关文献。其次，本文探讨了数字普惠金融能够通过增加支付便利性，促进居民旅游消费。最后，本文从居民收入和城乡特征两个方面考察了数字普惠金融对居民旅游消费的影响。这有助于政策制定者为具有不同特征的居民制定针对性的政策。

2. 理论分析与研究假设

2.1. 数字普惠金融与居民旅游消费

已有的研究发现，旅游产品和服务存在消费不平等现象。与城市居民相比，生活在农村地区的居民因为时间和空间的限制，在旅游消费上的支出较少。在传统金融业中，银行以及其他金融机构通常都不愿意对低收入群体，还有那些居住于偏远地带的居民给予信贷方面的支持。由于信贷限制，这些居民将减少在旅游消费的支出。与传统的金融市场相比，数字普惠金融可以满足不同群体和阶层参与金融服务的需求[5]。金融机构可以利用大数据为客户创建个性化的投资或融资解决方案，并进行更彻底的风险评估，这增加了居民参加信贷服务的可能性[6]。数字普惠金融在降低居民获得金融服务的成本的同时帮助居民实现了跨期消费，这促进了居民当期的消费支出的增加。此外，根据预防性储蓄理论，当未来预期的不确定性增加时，居民通常会削减当前的支出并增加储蓄[7]。数字普惠金融利用电子商务平台和大数据为居民提供多样化的金融产品，如数字保险。数字保险是一种重要的风险对冲工具，它不仅能简化居民办理保险业务流程，还能分担居民在旅游中受到伤害时产生的损失[8]。综上所述，数字普惠金融通过更好地满足居民的经济需要来促进居民的旅游消费。因此，本文提出了以下假设：

假设1：数字普惠金融能够促进居民旅游消费。

2.2. 数字普惠金融与居民旅游消费的影响机制

数字普惠金融的快速发展，显著提高了居民的支付效率与便利性。数字支付作为数字普惠金融的关键组成部分对居民的购物模式带来了深远的影响，并逐步改变着居民的消费习惯。这种变化进一步刺激了居民的各种消费的增长，有效地提升了民众的生活质量。首先，数字支付依托互联网、移动设备等先进技术，将金融服务的触角延伸至传统金融体系难以触及的区域和群体，尤其是农村地区及偏远地带。这为当地居民提供了多元化的支付选项，促进了支付服务的普及与便利，使更多人能轻松享受支付服务。其次，数字支付简化了支付流程，削减了中间环节和人力成本，从而降低了交易成本。

与传统支付方式相比，居民在使用数字普惠金融时以电子货币交易为主，消费者在消费时不会感到真金白银的损失，这减少了消费者的“支付痛苦”，增加对消费支出的容忍度，进而促进了包括旅游消费在内的各项消费支出的增加[9]。这种数字支付有效降低了居民参与旅游消费的难度，让居民能够更加方便快捷地预订机票、酒店住宿以及景点门票等服务，从而有效减轻了现金交易所带来的种种困扰，进一步激发了人们在旅游消费方面的积极性。诸如支付宝、微信支付等数字化支付手段，不仅支持即时支付，还具备跨境支付的能力，这让家庭在旅行时能迅速完成各类消费，无需携带大量现金，既安全又便利。这样的便捷性极大地丰富了居民旅游的整体体验，并有效推动了旅游消费的增长。此外，数字普惠金融还提供了诸如分期付款、旅游贷款等多样化的金融服务，助力家庭更加灵活地筹划旅游预算。通过这些金融手段，居民旅游消费的经济负担得以减轻，进而吸引了更多居民投身于旅游活动中。因此，本文提出了以下假设：

假设2：数字普惠金融能够通过增加支付便利性促进居民旅游消费。

3. 研究设计

3.1. 模型设定

本文构建双向固定效应模型分析数字普惠金融对居民旅游消费的影响，模型如下所示：

$Consumptio{n}_{ipt}= {\beta }_0+{\beta }_{1}DI{F}_{pt}+\lambda Control{s}_{ipt}+{\mu }_i+{\phi }_t+{\epsilon }_{ipt}$

其中，模型中i表示居民，p代表省份，t代表年份。$Consumptio{n}_{ipt}$ 居民旅游消费支出。$DI{F}_{pt}$ 代表数字普惠金融指数。$Control{s}_{ipt}$ 是控制变量，表示其他可能影响居民旅游消费的因素。${\mu }_i$ 和${\phi }_t$ 表示家庭固定效应和时间固定效应。${\beta }_0$ 为常数项；${\beta }_1$ 表示所需的参数。如果${\beta }_1$ 显著为正，说明数字普惠金融促进了居民旅游消费。${\epsilon }_{ipt}$ 表示随机扰动项。

3.2. 数据来源

本文使用的数据有三个来源。一是本文使用的居民样本数据来自中国家庭追踪调查(CFPS)。该调查每两年进行一次，调查范围广，具有很好的代表性。二是数字普惠金融指数。该数据由北京大学数字金融中心联合蚂蚁集团共同编制而成[10]，有力地展现了2011~2022年中国内的数字普惠金融发展情况，具有权威性。三是传统金融发展水平的数据来自中国国家统计局发布的《中国统计年鉴》。

3.3. 变量选择

被解释变量是居民旅游消费。本文在CFPS问卷中选取“过去12个月，您家的旅游支出是多少元？”来衡量居民旅游消费。为了缩小数量级的差距，本文对该变量进行对数化处理。

核心解释变量是北京大学编制的省级数字普惠金融指数。该指数构建了数字普惠金融指标体系。该指标体系还包括覆盖广度、使用深度和数字化程度等重要子指标。

本文参考前人的研究[11]，从被调查者个人层面、家庭层面和地区层面中选取控制变量。首先，个人层面的特征包括性别、年龄、健康和受教育年限。其次，家庭层面的特征涵盖家庭人口聚集规模、少儿抚养的比例、老人被赡养的比例、家庭持有资产总体规模以及家庭背负的债务累计额度。

其中，家庭资产和家庭债务采用对数形式。最后，地区控制变量是各省的金融发展水平，它从宏观层面反映了各省的经济发展情况。在剔除掉缺失和无效样本后，本文从CFPS数据库中选取27,376个居民样本。主要变量的描述性统计结果如表1所示。

Table 1. Descriptive statistics of the primary variables

表1. 主要变量的描述性统计

变量名称和定义	均值	标准差	最小值	最大值
居民旅游消费(居民旅游消费取对数)	2.266	3.497	0.000	9.904
数字普惠金融指数	342.914	46.379	266.820	460.691
性别(男性 = 1，女性 = 0)	0.524	0.499	0.000	1.000
年龄	41.677	16.265	11.000	76.000
健康程度(户主健康程度，健康及以上 = 1，否则 = 0)	2.857	1.177	1.000	5.000
受教育年限(0 = 文盲/半文盲；6 = 小学；9 = 初中； 12 = 高中/中专/技校/职高；15 = 大专；16 = 大学本科；19 = 硕士)	9.091	4.732	0.000	17.000
家庭规模	3.935	1.861	1.000	10.000
少儿抚养比(16岁以下人员占家庭劳动力比重)	0.176	0.300	0.000	1.333
老人抚养比(65岁及以上人员占家庭劳动力比重)	0.176	0.361	0.000	2.000
家庭资产水平(家庭资产取对数)	12.525	2.253	0.000	16.139
家庭负债水平(家庭负债取对数)	4.334	5.631	0.000	13.998
传统金融发展水平(金融机构人民币贷款余额/GDP)	1.686	0.413	1.001	2.458

4. 实证分析

4.1. 基准回归

在正式开展回归分析前，本文先使用方差膨胀因子(VIF)针对面板数据涵盖的全部解释变量实施多重共线性检验。结果显示，其中最大的VIF值仅为1.32，该数值远低于多重共线性判定值上限10，由此可判定各变量之间并未出现多重共线性问题。紧接着，针对全样本面板数据展开Hausman检验，检验得出的结果表明，Hausman统计量于1%的显著水平上表现出显著性，这一结果推翻了随机效应模型优于固定效应模型的初始预设。基于上述检验结论，本文最终选定双向固定效应模型，以此来分析数字普惠金融对居民旅游消费所带来的影响。

回归结果见表2。列(1)显示了只包含核心解释变量的回归结果。列(2)至列(3)是逐步添加不同层面的控制变量的回归结果，列(4)是包含所有控制变量的回归结果。具体而言，当我们在模型中加入各层面的控制变量后，居民旅游支出将随着数字普惠金融指数每提升一个单位而相应增加6%。实证研究所得结果表明，数字普惠金融的发展对于居民旅游支出起到了积极的推动效果。至此，假设1得到了检验。

Table 2. Benchmark regression

表2. 基准回归

变量	(1) 旅游消费	(2) 旅游消费	(3) 旅游消费	(4) 旅游消费
数字普惠金融	0.006^***	0.005^**^*	0.006^***	0.006^***
	(0.002)	(0.002)	(0.002)	(0.002)
性别		0.004	0.004	0.004
		(0.035)	(0.035)	(0.035)
年龄		−0.003^**	−0.002	−0.002
		(0.001)	(0.001)	(0.001)
健康状况		−0.007	−0.007	−0.007
		(0.015)	(0.015)	(0.015)
受教育年限		0.017^***	0.020^***	0.020^***
		(0.006)	(0.006)	(0.006)
家庭规模			0.038	0.038
			(0.032)	(0.032)
少儿抚养比			0.480^***	0.480^***
			(0.098)	(0.098)
老人抚养比			−0.334^***	−0.333^***
			(0.110)	(0.110)
家庭资产			0.078^***	0.078^***
			(0.012)	(0.012)
家庭负债			0.005	0.005
			(0.006)	(0.006)
传统金融发展水平				−0.022
				(0.142)
常数项	0.230	0.363	−0.912	−0.902
	(0.722)	(0.727)	(0.752)	(0.755)
家庭固定效应	Yes	Yes	Yes	Yes
年份固定效应	Yes	Yes	Yes	Yes
观测值数量	27,376	27,376	27,376	27,376
R^2	0.682	0.682	0.683	0.683

注：^***、^**、^*分别表示在1%、5%、10%水平上显著；本表及以下表格内的括号均为稳健标准误。

从控制变量来看，在居民个人层面上，除了居民受教育程度与居民旅游消费显著正相关之外，居民性别、年龄和健康情况与居民旅游消费没有显著相关性。这可能是因为，在考察期间较短的情况下，大多数普通家庭的日常实际中，与户主个人特征紧密相关的变量往往变化甚微，甚至很多情况下会保持稳定，几乎不产生任何波动。因此，在回归分析时，这些变量可能因家庭层面的固定效应而被较大程度地掩盖，从而在统计上的显著性有所减弱。少儿抚养比的回归系数显著为正，这可能是因为拥有更多孩子的家庭为了满足孩子的发展需要往往会增加旅游支出。老人抚养比在回归中显著为负，这可能是因为老年人的收入通常会低于他们工作时的收入，这就导致他们会减少作为享受型消费的旅游支出。此外，居民旅游消费还受到家庭总资产的积极影响。这可能是因为家庭资产越多的家庭在满足了生存必需的消费后，更加能够将额外的资金投入到作为享受型消费的旅游消费中去。

4.2. 内生性检验

尽管前文已经采取了纳入多层次控制变量的措施以降低遗漏变量引发的内生性问题，但本文仍需注意潜在的其他内生性问题，诸如反向因果关系及未观测变量的遗漏。鉴于此，本文运用了工具变量法来减轻这些内生性问题的影响。具体而言，本文参考以往研究[12]，选用了1984年每万人口电话拥有量作为衡量数字普惠金融发展水平的工具变量。一方面，数字普惠金融的进步根植于互联网基础设施的建设之上，历史上地区电信发展水平对后续互联网发展具有预示作用。另一方面，鉴于近年来固定电话使用率维持在低位，其对居民旅游消费支出的影响微乎其微，这符合工具变量选择中的排他性要求。本文采用最小二乘法执行回归分析，回归结果详见表3。在第一阶段，工具变量的系数在1%的水平上正向显著，且F值远大于10。同时，Cragg-Donald Wald-F和Kleibergen-Paak rk LM统计量值分别为5238.11和948.18。这些发现表明，所选工具变量是合适的，且未出现弱工具变量的情况。在第二阶段中，数字普惠金融的系数依然保持显著，说明在排除内生性问题后，基准回归结果仍然有效。

Table 3. Endogeneity test

表3. 内生性检验

变量	(1) 第一阶段	(2) 第二阶段
数字普惠金融		0.021^***
		(0.002)
1984年每万人拥有电话数	0.610^**^*
	(0.010)
F值	3923.85
Cragg-Donald Wald F statistic		5238.11
Kleibergen-Paap rk LM statistic		948.18
控制变量	Yes	Yes
家庭固定效应	Yes	Yes
年份固定效应	Yes	Yes
观测值数量	27,376	27,376

4.3. 稳健性检验

本文采用两种方法验证基准回归的稳健性。首先，与其他省份相比，四大直辖市具有独特的政策优势，这使得直辖市能够积累更多的资源[13]。在四个直辖市中，数字普惠金融发展所必需的基础设施也更加完善，当地使用数字普惠金融服务的居民也更多。这将有更大的概率激发居民旅游消费的潜力。因而，本研究把四大直辖市的样本予以剔除后再次开展回归分析，表4的列(1)呈现出相应结果。随后，本研究选用数字普惠金融指数的两个二级指标来替换数字普惠金融总指数展开回归，列(2)与列(3)展示了回归所得结果。从上述回归结果能够看出，数字普惠金融的系数依旧显著呈现为正值。两种方法的结果再次验证了基准回归结果稳健性，即数字普惠金融对居民旅游消费有促进作用。

Table 4. Robustness test

表4. 稳健性检验

变量	(1) 旅游消费	(2) 旅游消费	(3) 旅游消费
数字普惠金融	0.004^***
	(0.001)
覆盖广度		0.007^***
		(0.002)
数字化程度			0.008^***
			(0.002)
控制变量	Yes	Yes	Yes
家庭固定效应	Yes	Yes	Yes
年份固定效应	Yes	Yes	Yes
观测值数量	25,352	27,376	27,376

4.4. 机制检验

为考察支付便利性机制的重要性，本文使用两步法进行机制检验[14]。参照前人方法[15]，本文使用“是否网购”作为支付便利性的替代变量。在本文中，家庭是否网购被定义为一个虚拟变量。在CFPS问卷中，如果该家庭成员有过网购行为，则赋值为1，否则为0。表5显示了便利支付机制的检验结果。回归结果表明，数字普惠金融对居民旅游消费的回归系数为0.001，在1%的水平上正向显著。这说明支付便利性机制在数字普惠金融对居民旅游消费的中介作用成立。假设2得到了检验。

Table 5. Mechanism test

表5. 机制检验

变量	(1) 是否网购
数字普惠金融	0.001^***
	(0.000)
控制变量	Yes
家庭固定效应	Yes
年份固定效应	Yes
观测值数量	27376
R^2	0.535

5. 异质性分析

在前文中，本文已经证明了数字普惠金融的发展能够促进居民旅游支出的增长。为了探讨数字普惠金融对具有不同特征的居民的影响差异，本文将从家庭收入和居民所在地来讨论可能存在的异质性。

5.1. 家庭收入异质性

家庭收入对居民的旅游消费支出有着重要影响[16]。凯恩斯的绝对收入理论认为收入是消费的决定因素。提高居民收入有利于增加居民旅游消费。数字普惠金融服务提高了小微企业的金融可获得性，扩大了企业的生产规模，创造了更多的就业岗位，增加了居民的工资性收入。同时，数字普惠金融降低了创业门槛，劳动者可以借助金融服务，用较少的资金进行创业，获得创业收入[17]。因此，本文根据样本家庭收入的中位数，将样本划分为高收入家庭和低收入家庭。如果家庭所拥有的收入小于家庭的收入中位数，则认为该家庭为低收入家庭，否则为高收入家庭。表6中的列(1)至列(2)显示了分组回归的结果。回归结果显示，在低收入组中，数字普惠金融对居民旅游消费的回归系数为0.011，在5%的水平上正向显著。这说明数字普惠金融的发展对于低收入家庭有促进作用。在高收入组中，数字普惠金融对居民旅游消费则没有显著影响。可能是因为相较于高收入家庭，低收入家庭从传统金融渠道获得的旅游支持较为有限，这使得他们面临更大的资金流动性限制，从而影响了这些家庭的消费欲望。然而，随着数字普惠金融的推进，低收入人群能够更便捷地获得信贷援助，以满足其旅游消费的资金需求。反观高收入家庭，由于其本身消费水平就相对较高，面临的流动性约束较小，因此数字普惠金融对其旅游消费的提振效果并不显著。

5.2. 城乡异质性

在我国长期城乡二元结构的影响下，我国城市和农村居民在生活方式和消费习惯上都存在很大不同。本文根据CFPS问卷中对于家庭居住地的分类，将样本划分为城市样本和农村样本，并使用分组回归来讨论城乡家庭的异质性。表6的列(3)至列(4)显示了回归结果。结果显示，在农村家庭样本中，数字普惠金融对居民旅游消费的回归系数为0.011，在1%的水平上正向显著。这说明数字普惠金融能够对农村居民的旅游消费产生显著促进效果。在城市家庭样本中，数字普惠金融对居民旅游消费则没有显著影响。这可能是由于我国传统金融在发展过程中存在客户覆盖范围有限以及服务门槛过高的问题，这些局限性使得传统金融服务几乎无法触及农村地区。同时，与城市居民相比，农村居民所具有的金融素养通常较低。这使得农村居民无法及时获得金融信息以及对于家庭资产做出合理的规划。然而，数字普惠金融的

Table 6. Mechanism test

表6. 异质性分析

变量	(1) 低收入家庭	(2) 高收入家庭	(3) 农村家庭	(4) 城市家庭
数字普惠金融	0.011^**	0.003	0.011^***	0.001
	(0.005)	(0.004)	(0.004)	(0.004)
控制变量	Yes	Yes	Yes	Yes
家庭固定效应	Yes	Yes	Yes	Yes
年份固定效应	Yes	Yes	Yes	Yes
观测值数量	13050	11503	12131	10090
R^2	0.688	0.642	0.712	0.675

兴起显著降低了农村居民参与金融服务的门槛，拉近了居民与金融服务之间的距离，增加了农村居民参与金融服务的可能性，进一步促进农村居民旅游消费的增长。同时，数字普惠金融发展所带来的互联网保险服务，减轻了农村居民对于未来不确定的担忧，激发了农村居民的潜在的旅游消费能力。

6. 结论与建议

6.1. 研究结论

本文使用2018年、2020年和2022年CFPS数据进行实证分析，讨论了数字普惠金融对居民旅游消费的影响。研究结果表明：数字普惠金融的发展显著增加了居民旅游消费；在通过内生性和稳健性检验后，本文的基准回归结果仍然成立；数字普惠金融能够通过增加支付便利性促进居民旅游消费增长；数字普惠金融对低收入家庭和农村家庭的旅游消费的促进作用更显著。

6.2. 对策建议

首先，政府部门应继续大力推动数字普惠金融的发展，扩大数字普惠金融服务的覆盖面。通过建设数字普惠金融所必备的基础设施，加深数字经济和旅游产业之间的融合、积极建设数字经济发展环境。通过普及相关的金融知识，让各类居民都能享受到数字普惠金融发展带来的成果，缩小消费差距。相关行业从业者也应积极将产品与数字普惠金融服务相结合，通过大数据了解居民们的消费习惯和旅行偏好，为不同需求的居民定制个性化的出行计划，并提供具有针对性的金融服务。其次，旅游服务的供应商应积极推动旅游消费向数字化发展，积极开发“互联网 + 旅游”的新产品。例如支付宝分别为境内和境外旅游分别推出了各具特色的互联网保险产品，让居民能够便捷快速地参与金融服务，助力旅游消费数字化发展。最后，在数字经济繁荣发展的大背景下，移动支付成为推动家庭旅游消费支出增长，进而实现消费结构优化的关键内在动力。消费者得以摆脱传统支付的限制，在任意时间、任意地点精准搜索心仪的商品及所需服务。如此一来，消费模式经历深刻变革，网络购物呈现出迅猛的普及态势，切实为消费者优化消费结构、迈向更高消费水平铺设了便捷通道，全方位赋能消费领域进阶发展。鉴于此，应致力于达成信息网络技术的全方位普及，精心打造稳固可靠的网络安全防护体系，使得互联网、大数据以及数字支付能够全方位施展诸如成本低廉、交易流程简易高效等突出优势，以此为依托，助力旅游消费水平迈向新高度，推动消费结构实现深度优化。