数字金融发展如何影响家庭旅游消费？——基于CFPS数据的实证检验

How Does Digital Financial Development Affect Household Travel Consumption?—An Empirical Examination Based on CFPS Data

摘要: 本文基于中国家庭追踪调查(CFPS)数据和北京大学数字普惠金融指数，运用面板Tobit模型与门槛回归等方法，实证考察了数字金融对家庭旅游消费的影响效应。研究发现：首先，数字金融发展显著促进了家庭旅游消费，其中覆盖广度是核心驱动因素；异质性分析表明数字金融对城镇家庭、高消费水平家庭和女性户主家庭的促进作用更强；其次，家庭特征存在门槛效应，其中户主受教育程度超过初中时数字金融的促进效应增强，家庭收入水平呈现双重门槛，数字金融的影响随收入提高呈阶梯式递增；最后，机制分析表明，流动性约束缓解是数字金融促进旅游消费的重要路径。

Abstract: Based on China Family Tracking Survey (CFPS) data and Peking University’s Digital Financial Inclusion Index, this paper empirically examines the effect of digital finance on household travel consumption by using methods such as panel Tobit model and threshold regression. The study finds that: first, digital finance development significantly promotes household tourism consumption, in which the breadth of coverage is the core driver; heterogeneity analysis shows that digital finance has a stronger promotion effect on urban households, households with high consumption levels and female-headed households; second, there is a threshold effect on household characteristics, in which the promotion effect of digital finance is enhanced when the household head’s education level exceeds junior high school, and the level of household income shows a double threshold, and the effect of digital finance increases in a stepwise manner with the increase of income; finally, the mechanism analysis shows that liquidity constraint alleviation is an important path for digital finance to promote tourism consumption.

1. 引言

近年来，扩大内需、激发消费潜力成为推动经济高质量发展的关键路径。作为兼具消费带动效应、产业融合性和民生普惠性的重要领域，旅游业在促进经济转型升级、满足人民美好生活需求方面发挥着日益突出的作用，已成为国家战略性支柱产业。

与此同时，数字金融的快速发展为旅游业注入了新的活力。在线旅游平台依托数字支付，显著优化了旅游消费体验，使订票、住宿预订等流程更加便捷高效。例如，在“淄博烧烤”“哈尔滨冰雪旅游”等现象级文旅案例中，数字金融平台通过实时信息推送、移动支付、个性化推荐等功能，助力消费者快速完成交通、住宿、餐饮及娱乐等全链条消费，极大满足了多样化、个性化的旅游需求。此外，数字金融还可以通过旅游保险、动态行程管理等增值服务，为消费者提供风险保障和应急支持，进一步提升了旅游消费的韧性和满意度。在此背景下，探讨数字金融如何赋能家庭旅游消费、释放内需潜力，对于优化旅游产业生态、推动经济高质量发展具有重要意义。

本文的主要贡献是：首先，丰富了家庭消费的研究内容，选取旅游消费作为关注点，弥补了现有文献对旅游等高收入弹性服务型消费关注不足的缺陷，为理解数字时代消费结构转型提供了新证据；其次，揭示了城镇家庭、高消费群体等的异质性影响，并发现户主受教育程度和家庭收入水平对数字金融的促进效应具有非线性调节作用，为精准金融政策提供依据。

2. 文献综述

现有文献对数字金融和家庭旅游消费各自展开了广泛探讨，但数字金融对家庭旅游消费的影响效应尚未得到充分关注。旅游消费是消费的表现形式之一，与食品、教育、医疗等生存型和发展型消费相比，属于更高层次的享受型消费[1]。数字金融在我国起步较晚，早期学者们主要关注入境旅游消费领域，黄文胜(2020)将数字普惠金融数据与省域入境旅游消费数据匹配发现，数字普惠金融广度对部分入境旅游消费指标具有显著的正向影响[2]。张维梅(2021)进一步从理论上探讨了数字金融发展和入境旅游消费的关系，认为随着数字技术的不断普及，手机支付消费为游客外出旅游带来了极大的便利，对旅游消费的增长也有一定的促进作用[3]。移动支付作为数字金融的重要表现形式，王冉等(2022)基于CFPS 2018的微观调研数据发现使用移动支付能够显著提高我国居民家庭的文化和旅游消费水平，并且存在显著的城乡差异[4]；尹志超(2024)也通过实证分析发现，移动支付能够显著提高家庭出游概率、促进家庭旅游消费[5]；张自强等(2024)通过进一步研究发现移动支付使用还可以显著降低家庭旅游消费的不平等现象[6]。马丽君(2024)和潘海岚等(2024)则通过微观中国家庭追踪调查数据实证分析指出数字普惠金融可以促进旅游消费，释放旅游消费潜力[7] [8]。

3. 理论机制分析与研究假说

基于马斯洛需求层次理论，数字金融构建普惠便捷的现代金融服务体系，突破传统需求满足的线性约束，推动旅游消费从高阶需求向常态化转变并赋能全流程[8] [9]。从覆盖广度看，数字金融依托移动互联网打破地域壁垒，实现了对偏远地区和长尾人群的有效覆盖[7] [11]，降低旅游消费支付门槛，释放了潜在的旅游需求；从使用深度看，数字金融平台通过整合多元内容构建全景式旅游信息服务体系，降低了旅游决策的不确定性，从而激发家庭旅游消费的潜在需求；从数字化程度看，数字金融通过技术创新提供差异化、定制化的旅游金融产品，直接改善了家庭旅游消费的金融服务体验，从而有力地促进了家庭旅游消费。

基于流动性约束理论，本文认为数字金融通过融资体系的创新，从融资可得性与资金流动性两个维度显著缓解了家庭旅游消费的流动性约束，具体作用机制如下：

第一，融资可得性普惠化。数字金融通过技术赋能构建了多层次、广覆盖的普惠融资体系，显著降低了家庭获取旅游消费资金的门槛[9]。依托大数据风控模型，以蚂蚁花呗、京东白条为代表的数字信贷产品[10]，将融资功能深度嵌入旅游消费场景，通过“零抵押、秒审批、按需用信”的即时授信服务[11]，用户在线预订旅游产品时可直接选择分期支付或信用消费，资金到账时间也由从传统贷款的3~5个工作日压缩至“即时到账”，实现“先消费、后还款”的无缝衔接。第二，资金流动性弹性化。数字金融通过创新金融工具和服务模式，提升了家庭旅游消费资金的灵活性与应急能力。首先，数字金融平台提供“T + 0”实时赎回服务，家庭可将闲置资金存入余额宝、零钱通等互联网货币基金产品[4]，旅游前快速赎回并用于消费，保证资金的流动性。其次，数字金融通过支付宝国际版等跨境支付平台和数字货币的融合，解决了传统境外旅游换汇流程繁琐、到账延迟等问题，提升了家庭境外旅游消费资金使用的顺畅性与整体体验。综上所述，本文提出以下研究假设：

假设1：数字金融能够显著促进家庭旅游消费。

假设2：数字金融能够通过缓解流动性约束从而促进家庭旅游消费。

4. 数据来源、变量描述与研究方法

4.1. 数据来源

本文的数据包括两个方面：微观家庭数据和地区层面的宏观数据。

其中，微观家庭层面的数据来源于北京大学中国社会科学调查中心发布的中国家庭追踪调查(CFPS)数据。由于本文的研究对象为家庭旅游消费，所以选取CFPS家庭问卷和成人问卷相匹配，并对数据作如下处理：1) 删除无法标识、核心变量缺失的样本。2) 通过财务回答人来识别户主，同时将户主年龄限定在18岁以上。经过上述方法处理后，共有CFPS数据2020年和2022年两轮调查的样本，每轮样本数5472，总样本数10,944。并根据2020年为基期将用货币单位衡量的名义值转变为实际值。

关于地区数字金融发展程度，本文选取由北京大学数字金融研究中心和蚂蚁金服集团共同编制的中国数字普惠金融发展指数作为数字金融发展的代理变量[12]。关于其他地区层面的宏观数据来自于国家数据网、各省统计年鉴、各省旅游统计年鉴、《中国数字经济发展报告》和EPS数据库等。

4.2. 变量说明

被解释变量：家庭旅游消费水平。选取CFPS问卷中“包括旅游的交通费、食宿费、景点门票等，过去12个月，您家的旅游支出是多少元？”题项表示调查家庭一年内旅游支出的金额，在实证中取对数。

核心解释变量：数字金融发展，采用省级北京大学数字普惠金融指数。

在控制变量的选取中，本文加入户主、家庭及家庭所在省份三个层面的共12个控制变量。具体变量的描述如下表1：

Table 1. Explanation of main variables

表1. 主要变量说明

变量		变量名称	符号	变量说明
被解释变量		家庭旅游消费	ln_travel	家庭旅游消费支出的对数
解释变量		数字金融	DFII	北京大学数字普惠金融指数
		覆盖广度	DFI_coverage	覆盖广度指数
		使用深度	DFI_usage	使用深度指数
		数字化程度	DFI_digital	数字化程度指数
控制变量	户主	户主年龄	age	调查年月~出生年月
		学历	educ	没上过学 = 0，小学 = 6，初中 = 9，高中/中专 = 12， 大专 = 15，本科 = 16，硕士 = 19，博士 = 22
		婚姻状态	mar	已婚 = 1，未婚 = 0
		生活满意度	satis	非常满意到不满意依次赋值为5到1
	家庭	家庭总收入	ln_income	家庭总收入的对数
		家庭净资产	ln_asset	家庭总资产与家庭负债之差的对数
		家庭现金及存款	ln_sav	家庭现金及存款的对数
		是否拥有房贷负债	h_loan	有房贷负债 = 1，否则为0
		家庭规模	fml	家庭人口数量
	城市	经济发展水平	ln_avegdp	城市人均GDP对数
		金融发展程度	fingdp	城市年末金融贷款余额占GDP的比重
		旅游资源禀赋	re	4A景区的数量 × 1 + 5A景区数 × 1.5

4.3. 模型构建

现实中，只有在调查期间出游的家庭才有旅游消费的数据，没有出游的家庭旅游消费则用0表示。因此，家庭旅游消费是一个受限因变量，而Tobit模型恰好适用于这种被解释变量为受限变量的情况。因此，本文采用面板Tobit模型作为基准模型。具体模型设定如下：

${\text{ln\_travel}}_{ijt}={\beta }_0+{\beta }_1{\text{DFII}}_{jt}+{\beta }_2{X}_{ijt}+{\lambda }_t+{\theta }_j+{\epsilon }_{ijt}$

其中，${\text{ln\_travel}}_{ijt}$ 为被解释变量，表示位于j省份的i家庭在t年是否存在出游，${\text{DFII}}_{jt}$ 为核心解释变量，表示第t年j省份的数字金融发展水平，其回归系数${\beta }_1$ 衡量了数字金融发展对家庭旅游消费的影响，${\beta }_0$ 表示常数项，$X_{ijt}$ 表示户主、家庭和地区层面的控制变量，${\lambda }_t$ 表示时间固定效应，${\theta }_j$ 表示省份固定效应，${\epsilon }_{ijt}$ 为随机扰动项。

5. 实证结果分析

5.1. 基准回归结果

表2报告了数字金融发展对家庭旅游消费影响的估计结果。模型(1)~(4)逐步纳入户主特征、家庭经济变量及地区宏观指标，结果显示核心解释变量数字金融发展水平的回归系数均显著为正。在控制所有变量的模型(4)中，DFII系数为0.124，且在5%的水平上显著。

Table 2. Benchmark regression results

表2. 基准回归结果

变量	(1)	(2)	(3)	(4)
DFII	0.087^*	0.085^*	0.096^**	0.124^**
	(1.873)	(1.842)	(2.092)	(2.493)
_cons	−34.045^*	−40.494^**	−67.842^***	−264.335^***
	(−1.758)	(−2.099)	(−3.538)	(−4.790)
户主控制变量	NO	YES	YES	YES
家庭控制变量	NO	NO	YES	YES
区域控制变量	NO	NO	NO	YES
年份固定	YES	YES	YES	YES
地区固定	YES	YES	YES	YES
N	10944	10944	10944	10944
Pseudo R^2	0.0151	0.0533	0.0676	0.0688

注：^*、^**、^***分别表示在10%、5%、1%的水平上显著，括号内为z值，下同。

5.2. 稳健性检验

本部分通过三种方法对数字金融影响家庭旅游消费的回归结果进行稳健性检验。第一，调整样本。对样本数据进行上下1%缩尾处理；第二，构建固定效应模型，并控制年份和地区固定效应；第三，采用文教娱乐支出作为被解释变量替换家庭旅游消费。表3报告了全部检验结果，数字金融的系数在所有检验方法下均保持统计显著且方向一致，充分证明了数字金融对家庭旅游消费具有促进作用的结论。假说1得到验证。

Table 3. Robustness test

表3. 稳健性检验

	(1)调整样本	(2)固定效应	(3)替换变量
DFII	0.117^**	0.062^**	0.052^**
	(2.374)	(2.648)	(2.301)
控制变量	YES	YES	YES
年份固定	YES	YES	YES
地区固定	YES	YES	YES
_cons	−269.351^***	−78.576^***	−82.002^***
	(−5.021)	(−4.145)	(−3.516)
N	10944	10944	10882
Pseudo R²/R²	0.0712	0.2216	0.0664

5.3. 异质性分析

5.3.1 数字金融子维度的异质性分析

在数字金融分维度的异质性分析中，列(1)将覆盖广度、使用深度和数字化程度三个维度同时纳入回归，而列(2)~(4)则分别单独考察了每个维度的影响。

从列(1)的结果来看，覆盖广度的系数为0.104，且在5%的水平上显著，表明数字金融服务覆盖范围的扩大能够显著促进家庭旅游消费；相比之下，使用深度与数字化程度的系数均不显著，意味着在多维度共同作用下，仅覆盖广度对家庭旅游消费存在独立的正向影响。列(2)单独考察覆盖广度时，系数为0.092，在10%的显著性水平下显著，较模型(1)有所下降，表明覆盖广度的促进效应部分来源于与其他维度的协同作用；列(3)对使用深度的单独检验显示，其系数依然不显著，说明家庭对数字金融产品的使用深度(如交易频次、功能应用复杂度)并未对旅游消费产生显著影响；列(4)中数字化程度的系数为0.042，并在10%的水平上显著，表明技术赋能维度(如智能支付、数据服务)在单独考察时对家庭旅游消费具有一定促进作用。(表4)

Table 4. Digital finance multidimensional heterogeneity analysis

表4. 数字金融分维度的异质性分析

	(1)	(2)	(3)	(4)
DFI_coverage	0.104^**	0.092^*
	(2.070)	(1.917)
DFI_usage	0.014		0.023
	(0.480)		(1.049)
DFI_digital	0.035			0.042^*
	(1.266)			(1.900)
控制变量	YES	YES	YES	YES
年份固定	YES	YES	YES	YES
地区固定	YES	YES	YES	YES
_cons	−267.192^***	−236.475^***	−215.048^***	−211.632^***
	(−4.566)	(−4.517)	(−4.195)	(−4.360)
N	10944	10944	10944	10944
Pseudo R^2	0.0689	0.0687	0.0686	0.0687

5.3.2. 城乡结构

在我国城乡二元经济结构持续转型的背景下，数字金融对家庭旅游消费的影响可能因城乡资源禀赋差异呈现显著分化。基于国家统计局城乡分类标准，本文将样本划分为城镇与乡村家庭，探究数字金融影响效应的空间异质性。表5中列(1)~(2)显示：数字金融对城镇家庭旅游消费的促进作用显著；乡村家庭的回归系数虽为正，但不显著。这种城乡分化源于多重制约因素。其一，乡村地区数字基础设施建设滞后，部分区域存在网络覆盖不足、金融服务终端缺失等问题，限制了数字金融的触达深度；其二，乡村居民数字技能水平普遍较低，对移动支付、在线信贷等工具的操作熟练度不足，导致金融服务转化率较低；其三，受传统消费观念与可支配收入水平制约，乡村家庭更倾向于预防性储蓄，旅游消费需求的释放对数字金融工具的依赖程度较弱。

Table 5. Heterogeneity analysis

表5. 异质性分析

	(1)乡村	(2)城镇	(3)低消费水平	(4)高消费水平	(5)男性	(6)女性
DFII	0.120	0.113^**	0.083	0.108^**	0.120^*	0.150^*
	(0.834)	(2.102)	(0.610)	(2.019)	(1.875)	(1.835)
控制变量	YES	YES	YES	YES	YES	YES
年份固定	YES	YES	YES	YES	YES	YES
地区固定	YES	YES	YES	YES	YES	YES
_cons	−349.560^***	−210.300^***	−276.419^**	−238.524^***	−286.992^***	−251.032^***
	(−2.809)	(−3.200)	(−2.199)	(−3.725)	(−3.900)	(−2.892)
N	4639	5882	5465	5461	6150	4794
Pseudo R^2	0.0639	0.0614	0.0618	0.0402	0.0778	0.0685

5.3.3. 基于家庭消费水平的异质性分析

随着我国居民消费结构持续升级，家庭间消费能力差异对数字金融作用机制的调节效应愈发显著。本文以家庭总消费水平的二分位数为界，将样本划分为低、高消费群体，系统考察数字金融影响效应的分层特征。表5列(3)~(4)显示：数字金融对高消费水平家庭旅游消费的促进作用显著，而对低消费水平家庭的影响未达显著阈值。这种分化与我国消费市场结构性矛盾高度相关。从需求侧看，低消费水平家庭受限于有限的可支配收入，旅游消费在家庭预算中的优先级较低，即便数字金融降低了支付门槛，消费能力仍然不足；从供给侧看，该群体金融素养相对薄弱，对新兴金融工具的风险认知不足，部分家庭因担忧信用违约风险而主动规避消费信贷产品，削弱了数字金融的消费刺激效果。

5.3.4. 基于户主性别的异质性分析

表5中列(5)~(6)的实证结果揭示了数字金融对不同性别户主家庭旅游消费影响存在显著的异质性。女性户主家庭的系数(0.150)高于男性(0.120)，且均在10%水平显著。这可能是社交媒体平台上丰富的旅游内容对女性户主家庭具有更强的刺激作用，而数字支付的便捷性则进一步降低了消费转化门槛，使得女性户主家庭更易将旅游意愿转化为实际消费行为。

5.4. 门槛效应

5.4.1. 门槛存在性及个数检验

从表6中可以看到，受教育程度和家庭收入水平均表现出显著的非线性门槛特征。根据Bootstrap检验结果显示，受教育程度的影响呈现单一门槛特征，而收入水平则表现出更为复杂的双重门槛效应。基于上述检验结果，本文分别采用单一门槛模型和双重门槛模型，探究在不同受教育程度和收入水平的门槛区间内，数字金融对家庭旅游消费水平的差异化影响机制。

Table 6. The test results of the threshold effect

表6. 门槛效应检验结果

被解释变量	门槛类型	Fstat	Prob	Crit10	Crit5	Crit1	模型选取
受教育程度	单门槛	14.00	0.030	10.3008	12.6194	17.3870	单一门槛模型
	双门槛	5.98	0.368	15.6491	23.6945	35.4325
	三门槛	0.75	0.638	11.6968	17.2204	27.2188
收入水平	单门槛	36.66	0.002	19.2878	22.1253	29.8442	双重门槛模型
	双门槛	28.77	0.032	19.061	25.4904	46.1096
	三门槛	10.00	0.640	23.653	29.7222	42.0016

5.4.2. 门槛效应分析

根据表7数据发现，受教育程度和家庭收入水平作为门槛变量时对数字金融促进家庭旅游消费的影响存在显著差异。以9年教育年限(即初中教育水平)为界，数字金融对家庭旅游消费的促进作用呈现阶梯式变化，表明教育程度的提升显著增强了数字金融对旅游消费的促进效果。家庭收入水平呈现更为复杂的双重门槛效应。以家庭收入对数的11.2568和12.6218为临界值划分样本发现，随着家庭收入水平的提高，数字金融对旅游消费的促进作用逐步增强，高收入家庭更能借助数字金融工具释放旅游消费潜力。两类门槛效应共同表明，家庭人力资本和经济基础显著影响数字金融对旅游消费的促进效能。

Table 7. Analysis of threshold effect

表7. 门槛效应分析

	(1) 受教育程度	(2) 家庭收入水平
第一门槛值	9	11.2568
第二门槛值	-	12.6218
DFII (educ < 9)	0.062^***	-
	(3.328)	-
DFII (educ > 9)	0.064^***	-
	(3.395)	-
DFII (ln_income < 11.2568)	-	0.064^***
	-	(3.392)
DFII (11.2568 < ln_income < 12.6218)	-	0.065^***
	-	(3.454)
DFII (Ln_income > 12.6218)	-	0.067^***
	-	(3.571)
_cons	−76.368^***	−73.658^***
	(−4.643)	(−4.494)
控制变量	YES	YES
年份固定	YES	YES
地区固定	YES	YES
N	10944	10944
R^2	0.058	0.060

5.5. 机制分析

参考已有文献[7] [13]，本文用家庭金融资产是否低于两个月的永久性收入作为流动性约束(limit)的代理变量。其中，永久性收入用家庭两年收入的均值替代，若家庭金融资产低于两个月永久性收入的阈值，则认为该家庭面临流动性约束，赋值为1；否则，变量赋值为0。表8报告了数字金融、流动性约束与家庭旅游消费行为影响的中介效应模型估计结果。列(2)显示，数字金融对家庭流动性约束的回归系数显著为负，表明数字金融发展显著降低了家庭面临流动性约束的概率。列(3)中，同时纳入数字金融与流动性约束变量后，数字金融系数为0.123，在5%的水平上显著，流动性约束变量系数依然为负并保持高度显著。这表明流动性约束在数字金融促进家庭旅游消费的过程中发挥部分中介作用。该结果验证了研究假设2，即数字金融能够通过缓解家庭流动性约束，促进家庭旅游消费。

Table 8. Mechanism test for alleviating liquidity constraints

表8. 缓解流动性约束的机制检验

	(1)	(2)	(3)
	ln_travel	limit	ln_travel
DFII	0.124^**	−0.026^*	0.123^**
	(2.493)	(−1.874)	(2.468)
limit			−0.646^**
			(−2.146)
控制变量	YES	YES	YES
年份固定	YES	YES	YES
地区固定	YES	YES	YES
_cons	−264.335^***	−11.753	−266.306^***
	(−4.790)	(−0.835)	(−4.825)
N	10944	10944	10944
Pseudo R^2	0.0688	0.4906	0.0690

6. 结论与政策启示

本文基于2020年和2022年中国家庭追踪调查(CFPS)两期面板数据，结合省级层面北京大学数字普惠金融指数，运用面板Tobit模型与门槛回归等方法，系统探讨了数字金融对家庭旅游消费的影响效应。研究得出以下主要结论：1) 数字金融对家庭旅游消费具有显著的正向促进作用，其中覆盖广度是核心驱动因素，这可能由于覆盖广度通过提高金融服务的可及性，降低了家庭获取金融资源的心理成本，从而更有效地刺激家庭旅游消费；分样本研究发现对城镇家庭、高消费水平家庭和女性户主家庭的影响更强，其中性别差异符合社会学现象，女性户主往往更关注提升家庭生活质量，因而对旅游消费的边际倾向更高。2) 家庭特征变量呈现显著的门槛效应。受教育程度存在单一门槛，当户主学历超过初中时，数字金融对家庭旅游消费促进效应提升；家庭收入水平存在双重门槛，低收入、中等收入与高收入家庭对应的数字金融影响系数显示出显著的阶梯式递增规律。3) 机制检验证实流动性约束缓解是数字金融促进家庭旅游消费的重要路径，并且在总效应中发挥部分中介作用。

针对以上结论，本文提出如下建议：1) 着重扩大数字金融覆盖广度。政府可通过政策引导，鼓励金融机构在乡村地区增设数字金融服务点，推广移动支付、线上信贷等基础功能，缩小城乡数字鸿沟；同时，针对城镇家庭、高消费水平家庭和女性户主家庭的消费特征，开发差异化金融产品，提升服务精准度。2) 构建分层分类的家庭金融赋能体系。对于受教育程度较低的家庭，应加强数字金融实操培训，通过社区宣讲、短视频教程普及移动支付、信贷申请等知识；针对不同收入水平家庭，实施差异化信贷政策，为低收入家庭提供小额低息贷款，为中等收入家庭设计消费积分奖励，为高收入家庭开发跨境旅游专属信用卡等增值服务，充分释放不同家庭群体的旅游消费潜力。3) 深化数字金融与旅游消费的场景融合，进一步发挥流动性约束缓解的中介作用。金融机构可创新“旅游消费分期 + 保险”等组合产品，降低家庭资金压力；同时，建立金融机构与旅游企业的数据共享机制，运用大数据风控模型保障消费安全，为数字金融与旅游消费的深度融合提供制度支撑。