数字金融使用对居民创业的影响及机制研究

Research on the Impact and Mechanism of the Use of Digital Finance on Resident Entrepreneurship

摘要: 利用2019年中国家庭金融调查数据(CHFS)，采用递归双变量Probit模型(RBP)实证研究数字金融使用对居民创业行为的影响。研究发现：1) 数字金融使用能够显著提升居民创业的概率。在给定其他条件不变的情况下，数字金融使用使得居民做出创业决策的概率增加18.73%。2) 数字金融使用对不同性别、不同受教育程度、不同年龄阶段的居民创业概率的影响存在差异。3) 数字金融使用通过缓解信息约束、缓解流动性约束和增强风险承担意愿三种途径，提高居民创业的概率。基于实证分析结果，提出提升数字金融服务的覆盖范围与便利程度、提高数字金融服务知识普及教育、改善数字金融服务发展的政策条件等建议，以期释放居民创业潜力，助推共同富裕。

Abstract: Using the 2019 China household finance survey data (CHFS), this paper empirically studies the impact of digital finance use on entrepreneurial behavior by using the recursive bivariate Probit Model (RBP). The findings are as follows: 1) The use of digital finance can significantly enhance the probability of entrepreneurship. Other things being equal, the use of digital finance increased the probability of entrepreneurial decision-making by 18.73%. 2) The impact of digital finance on the probability of starting a business is different in different gender, education level and age. 3) The use of digital finance can improve the probability of residents’ starting a business by three ways: easing the information constraint, easing the liquidity constraint and enhancing the willingness to bear risks. Based on the results of empirical analysis, this paper puts forward some suggestions, such as improving the coverage and convenience of digital financial services, improving the education of digital financial services knowledge, and improving the policy conditions for the development of digital financial services, etc. with a view to unleashing the entrepreneurial potential of residents to promote common prosperity.

1. 引言

党的二十大报告指出“完善促进创业带动就业的保障制度，支持和规范发展新就业形态”¹。可见创业作为促进就业的重要力量，已成为稳定就业工作的政策举措。通过大力鼓励和支持创业，能充分释放居民的发展潜力，为居民增收和共同富裕提供强大动力，是实现共同富裕的重要途径。

数字金融是数据科技和金融相结合的成果，对于提高金融质量，促进实体经济的发展有着重大作用。数字金融平台可以突破传统金融的时空限制，让创业者更容易获得资金支持，同时降低了创业门槛。居民可以通过数字金融工具参与投资，增加财产性收入。数字金融发展衍生出的新产业和新岗位，也为居民提供了更多就业机会，从而提高收入。此外，数字金融还提升金融服务效率。减少中间环节和成本，让居民享受到更高效的金融服务，间接增加实际收入。随着数字金融的渗透普及，居民参与数字金融能否促进以及如何影响其创业决策？数字金融使用影响居民创业行为的具体路径是什么？厘清这些问题，不仅能为共同富裕战略下的产业发展、居民增收提供借鉴，还可以为剩余劳动力转移提供理论参考。

2. 文献综述

近年来，随着移动网络的普及和数字化技术的不断创新，数字金融在我国蓬勃发展。数字金融的发展促进了创业机会的均等化，增加居民获得更多金融产品及金融服务的机会，且更有利于低物质资本或低社会资本家庭的创业行为，满足不同创业人群的多样化需求。

研究发现，居民由于保守封闭、风险厌恶的贫困心理以及金融体系表现出的金融排斥[1]，由于信息渠道单一，常常在信息获取上处于弱势，可能阻碍其创业行为。居民金融素养较低以及抗风险能力较弱，居民数字金融使用能力和辨别能力较弱，居民创业的动力不足[2]。金融支持是影响居民创业行为的关键因素，银行信贷和民间信贷等均能促进居民创业[3]，陈宝珍发现数字金融的使用对居民创业有着重要的作用，同时信贷可得性是影响居民创业行为和创业绩效的关键因素[4]。数字经济发展能够降低信息搜寻成本，互联网使用可以获取有价值的信息，推动创业提档升级，实现对居民创业绩效的提升[5]。

通过文献梳理可以发现，已有研究主要存在三个方面的问题。第一，在研究视角方面，已有研究主要从农民创业视角探究了数字金融对创业的影响，但对居民群体的针对性研究不足。第二，在研究方法方面，数字金融使用行为与居民创业行为之间受到诸多可观测和不可观测因素的共同影响，存在选择性偏误问题。第三，在研究内容方面，少有文献探讨数字金融使用对农民创业的差异性及其机制影响。鉴于此，本研究基于2019年中国家庭金融调查数据(CHFS)，采用递归双变量Probit模型(RBP)探究数字金融的使用对居民创业决策的影响，进一步考察其异质性，以期为数字化时代提升居民创业决策概率提供理论支撑，丰富数字金融使用对居民创业影响传导机理方面的研究。

3. 研究假说

3.1. 数字金融使用与居民创业决策

随着数字金融的发展，其提供的便捷服务和资源显著降低了创业的资金门槛和信息壁垒。居民在体验数字金融时，能更直观地看到创业资金筹备的可能性，进而激发创业意愿。数字金融平台上的金融工具为创业者提供了更多实现梦想的途径。同时，大数据和分析结果帮助居民更精准地评估市场需求和创业风险，增强创业信心。此外，数字金融营造的创新氛围也激发了居民的创业热情。数字金融作为一种新型技术，能够有效解决创业中的信息不对称问题，提升了融资可得性，推动了居民创业发展[6]。

综上所述，本文提出假说：

H1：数字金融使用将会促进居民做出创业决策。

3.2. 数字金融使用影响居民创业的作用机制分析

传统金融模式下，创业居民常受信贷约束困扰。数字金融通过大数据等技术，能更精准评估信用状况，简化审批流程，降低门槛，提供多样化信贷选择，打破信贷约束，为创业者提供资金来源，缓解了单一渠道信贷约束的问题。其次，数字金融还能精准评估信用与创业能力，提供个性化金融服务，突破平台地域限制，减少模糊信息，激发居民创业热情，借助科技手段解决资源对接难题。此外，在数字金融时代，居民可以便捷地使用移动支付、在线购物等金融服务。那些具备较高风险承担意愿的居民，更倾向于尝试新型的金融服务模式，他们乐于接受新的支付方式、贷款服务等，享受便利的金融服务带来的生活体验，积极体验数字金融带来的生活变革。

基于此，本文提出如下假说：

H2：数字金融使用通过缓解信贷约束，促进了居民创业。

H3：数字金融使用通过缓解信息约束，促进了居民创业。

H4：数字金融使用通过增强风险承担意愿，促进了居民创业。

4. 数据来源与变量选取

4.1. 数据来源

本文使用的数据是2019年中国家庭金融调查数据(CHFS)，选择了16岁到60岁的居民家庭作为样本，并剔除缺失值，最终得到14,391份有效样本。

4.2. 变量设定

本文被解释变量为居民创业决策。根据是否参与经营活动来定义他们的创业选择，并将创业决策设置为一个二元离散变量，如果受访者在调查过程中表示“是”，那么这个变量就会被赋值为1，反之设定为0。核心解释变量为数字金融使用。参考何婧[7]的做法，从数字支付、数字借款和数字理财这三个维度进行衡量，受访者若存在其中的任何一项，则认为该居民使用了数字金融，赋值为1，否则为0。

选取以下变量作为控制变量：户主特征变量包括年龄、性别、健康状况、婚姻状况、受教育水平、风险偏好等6个变量；家庭特征变量包括家庭规模、人情支出、家庭净资产、家庭劳动力占比等4个变量；地区特征变量包括各省人均GDP、地区2个变量。参考何婧等[7]的做法，选取社区数字金融使用比例作为工具变量，并用受访者所在区县内，除受访者外，其他个体数字金融使用均值来表示。表1描述了主要变量的基本定义和基本统计特性。

Table 1. Variable definitions and descriptive statistics

表1. 变量定义及描述性统计

变量	变量定义	均值	标准差	最小值	最大值
创业行为	居民从事工商业经营 = 1，不从事工商业经营 = 0	0.169	0.375	0	1
数字金融使用	使用数字支付、数字借贷或数字理财 = 1，未使用 = 0	0.690	0.463	0	1
性别	男性 = 1，女性 = 0	0.801	0.399	0	1
年龄	年龄(周岁)	47.50	8.592	18	60
受教育程度	文盲/半文盲 = 0，小学 = 1，初中 = 2， 高中/中专 = 3，大专 = 4，本科及以上 = 5	2.373	1.228	0	5
风险偏好	风险偏好 = 1，风险中性 = 2，风险厌恶 = 3	2.538	0.622	1	3
健康状况	非常不健康 = 1，不健康 = 2，比较健康 = 3， 健康 = 4，非常健康 = 5	3.423	0.964	1	5
婚姻状况	已婚 = 1，未婚 = 0	0.912	0.283	0	1
家庭规模	样本家庭的总人数	3.579	1.474	1	12
人情支出	家庭向亲戚朋友送礼支出金额取对数	5.461	3.817	0	12.66
家庭净资产	家庭净资产取对数	12.99	1.499	0	21.46
劳动力占比	参加工作人数占家庭总人数的比重	0.591	0.271	0	1
人均GDP	各省人均GDP取对数(元)	11.09	0.401	10.46	11.99
地区	东部地区 = 1，其他地区 = 0	0.126	0.332	0	1
社区数字金融均值	受访者所在区县内，除受访者外， 其他个体数字金融使用的均值	0.686	0.163	0	1

注：N = 14,391。

4.3. 样本差异性分析

表2汇报了各变量的均值差异结果。表2中，第二列为未使用数字金融组变量均值，第三列为使用数字金融组变量均值，第四列为均值差异。

4.4. 模型设定

递归双变量Probit模型(Recursive Bivariate Probit Model, RBP)

鉴于数字金融使用决策和居民创业决策属于二元变量，同时数字金融使用决策会受到一系列可观测和不可观测因素的影响，属于非随机行为，当这些因素同时影响数字金融使用决策和居民创业决策时，会导致选择性偏误问题。因此，本文采用递归双变量Probit模型(RBP)控制潜在内生性(双向因果等)和选择性偏差。相对于只能控制由可观测因素引起偏误的倾向得分匹配法(PSM)和逆概率加权回归调整

Table 2. The difference analysis of the impact of digital finance on resident entrepreneurship

表2. 数字金融使用对居民创业影响的差异性分析

变量	未使用数字金融	使用数字金融	均值差异
创业行为	0.05 (0.00)	0.22 (0.00)	0.173^***
性别	0.82 (0.01)	0.79 (0.00)	−0.024^***
年龄	51.60 (0.10)	45.66 (0.09)	−5.937^***
受教育程度	1.75 (0.01)	2.65 (0.01)	0.905^***
风险偏好	2.78 (0.01)	2.43 (0.01)	−0.355^***
健康状况	3.13 (0.02)	3.55 (0.01)	0.425^***
婚姻状况	0.90 (0.00)	0.92 (0.00)	0.014^***
家庭规模	3.40 (0.02)	3.66 (0.01)	0.256^***
人情支出	4.36 (0.06)	5.96 (0.04)	1.601^***
家庭净资产	12.21 (0.02)	13.33 (0.01)	1.120^***
劳动力占比	0.62 (0.00)	0.58 (0.00)	−0.040^***
人均GDP	11.09 (0.01)	11.09 (0.00)	−0.007
地区	0.10 (0.00)	0.14 (0.00)	0.032^***
社区数字金融均值	0.62 (0.00)	0.72 (0.00)	0.095^***
N	4463	9928	14,391

注：^*、^**、^***分别表示在10%、5%、1%的显著水平，括号内数值为标准差。下同。

(IPWRA)，RBP模型可综合处理可观测变量和不可观测变量造成的选择性偏误问题，获得更精确的处理组平均处理效应(ATT)。而相较于内生转换Probit模型，RBP模型可以估算目标解释变量的边际效应，有助于更全面地分析数字金融使用对居民创业行为的影响。

本文采用RBP模型评估数字金融使用对居民创业行为的影响，其回归过程分为两个阶段，第一阶段是数字金融使用决策模型，据对ICT技术采纳的研究[8]，居民使用数字金融的决策是基于随机效用框架构建的：令$Digfi{n}_i^{*}$ 表示居民使用数字金融($Digfi{n}_{1i}$ )和不使用数字金融($Digfi{n}_{0i}$ )之间的效用差异，如果$Digfi{n}_i^{*}=Digfi{n}_{1i}-Digfi{n}_{0i}>0$ ，则居民i选择使用数字金融，但是这两个效用是主观的，无法被观察到。因此，将其表示为潜变量模型中可观测部分的函数，具体来看如下：

$Digfi{n}_i^{*}={\alpha }_i{X}_i+{\mu }_i,Digfi{n}_i=\{\begin{array}{c}1,Digfi{n}_i^{*}>0\\ 0,otherwise\end{array}$ (1)

其中，$Digfi{n}_i^{*}$ 表示数字金融使用概率的潜变量，当$Digfi{n}_i^{*}>0$ 时，$Digfi{n}_i^{*}=1$ ，否则$Digfi{n}_i^{*}=0$ 。$X_i$ 是影响居民数字金融使用的控制变量，${\alpha }_i$ 是待估参数，${\mu }_i$ 为误差项。

第二阶段是估计数字金融使用对居民创业行为的影响，居民创业行为函数可表示为：

$Entrepr{e}_i^{*}={\beta }_{i}Digfi{n}_i+{\delta }_i{Y}_i+{\epsilon }_i,Entrepr{e}_i=\{\begin{array}{c}1,Entrepr{e}_i^{*}>0\\ 0,otherwise\end{array}$ (2)

其中，$Entrepr{e}_i$ 是居民创业行为，$Digfi{n}_i$ 表示数字金融使用，$Y_i$ 代表影响居民创业行为的控制变量。${\beta }_i$ 、${\delta }_i$ 是待估参数，${\epsilon }_i$ 为误差项。需要注意的是，为了识别模型，至少有一个工具变量应该包含$X_i$ 里，而不会出现在$Y_i$ 中。如果工具变量影响数字金融使用，但不直接影响居民创业行为，则该工具变量是有效的[9]。

5. 实证分析

5.1. 数字金融使用和居民创业行为的RBP模型分析

表3报告了数字金融使用影响居民创业行为的RBP模型估计结果。表3底部的Wald检验结果在1%水平下拒绝原假设，表明存在前文所述内生性问题。此外，ρ值为负，表明存在负向选择性偏差。其次，社区数字金融使用比例变量对居民数字金融使用决策在1%的统计水平上显著为正，说明工具变量满足相关性假设。进一步地，对工具变量进行弱变量检验，一阶段F值为176.949，高于10并在1%的水平上显著拒绝原假设，表明工具变量非弱工具变量。因此，工具变量的选取是合理的。

5.2. 居民数字金融使用行为的决定因素

从居民数字金融使用行为的决策方程来看，居民创业行为受到受教育程度、健康状况、家庭规模、人情支出、家庭净资产、地区等控制变量和社区数字金融均值这一工具变量的显著正影响。具体而言，居民受教育程度越高，学习能力和接受能力越高，越倾向于使用数字金融。家庭规模越大，受到家庭成员的影响，居民使用数字金融的比例更高。人情支出较高和家庭净资产较多的居民能够调用更丰富的社会网络资源，进而对数字金融使用产生积极影响。东部地区经济发展水平较高，位于东部地区的居民更倾向于数字金融使用。

5.3. 居民创业行为的影响因素

鉴于对RBP模式中解释变量的估计关系无法直观理解其影响幅度，且本文所研究的主要是数据金融使用对居民创业活动的影响。因此，表3还汇报了影响居民创业行为的因素的回归结果及其边际效应。数字金融使用在1%的水平下通过显著性检验，且边际效应是18.73%。可能的解释是，和传统金融相比较，数字金融服务交易更便捷相关，进而提高了居民创业的概率[10]。在影响居民创业行为的其他因素中，男性户主创业的几率更大。婚姻状况起到了激励居民创业的作用，已婚户主比未婚户主创业的概率高出2.43% [11]。家庭人口规模越大，可以构筑更为广泛的社会网络，进而为创业提供有力条件[11]。家庭净资产作为居民创业的启动资金，家庭净资产越多越倾向于创业，使得居民创业概率提高了4.76% [12]。劳动力占比越高的居民家庭相较于劳动力占比较低的居民家庭，创业的概率要高10.87%。东部地区经济发展水平较高，感知、搜寻和发现创业机会更多，所以东部地区居民创业的概率比其他地区高出2.42% [13]。综上可知，数字金融使用将会促进居民做出创业决策，研究假说H1得到验证。

5.4. 稳健性检验

为验证回归结果的稳健性，采用更换评估方法和替换解释变量的方式检验回归结果的稳健性。

5.4.1. 更换评估方法

本文采用倾向得分匹配法(PSM)、回归调整法(RA)、逆概率加权法(IPW)和逆概率加权回归调整法(IPWRA)等方法检验数字金融使用对居民创业行为的影响。回归结果如表4所示，且均通过1%的显著性检验，这与前文RBP模型的回归结果一致，说明基准回归结果是稳健的，该结果进一步证实了数字金融使用对居民创业行为的积极作用。

5.4.2. 替换解释变量

本文选取居民数字支付作为新的解释变量。回归结果如表5所示，居民数据支付为居民创业活动产生了显著的正向影响，增加了居民做出创业决策的可能性。边际效应的回归结果显示，在控制其他影响

Table 3. Estimated results of RBP model for digital finance use and entrepreneurial behavior of residents

表3. 数字金融使用和居民创业行为的RBP模型估计结果

变量	数字金融使用		居民创业行为
	系数	稳健标准差	系数	稳健标准差	边际效应/%
数字金融使用	——	——	1.022^***	0.119	18.73
性别	−0.059^*	0.034	0.065^*	0.034	1.48
年龄	−0.045^***	0.002	−0.011^***	0.002	−0.23
受教育程度	0.228^***	0.015	−0.161^***	0.014	−3.64
风险偏好	−0.345^***	0.024	0.015	0.024	0.34
健康状况	0.078^***	0.013	0.039^**	0.015	0.88
婚姻状况	−0.018	0.048	0.107^*	0.055	2.43
家庭规模	0.081^***	0.010	0.077^***	0.011	1.73
人情支出	0.044^***	0.003	−0.003	0.004	−0.07
家庭净资产	0.198^***	0.010	0.210^***	0.015	4.76
劳动力占比	0.020	0.049	0.479^***	0.057	10.87
人均GDP	−0.052	0.032	0.030	0.033	0.67
地区	0.114^***	0.040	0.107^***	0.038	2.42
社区数字金融均值	1.177^***	0.088	——	——	——
Constant	−0.359	0.389	−4.850^***	0.411	——
ρ	−0.197^*** (0.074)
Wald chi^2 (12)	1003.42^***
Observations	14,391

Table 4. Robustness test: replacement assessment method

表4. 稳健性检验：更换评估方法

变量	评估方法	ATT	标准误	t值
居民创业	PSM	0.108^***	0.012	8.98
	IPW	0.129^***	0.014	8.90
	RA	0.133^***	0.009	15.15
	IPWRA	0.136^***	0.012	11.37

注：PSM方法汇报的是一对一的匹配结果，而一对四匹配、半径匹配和核匹配的ATT分别为通过1%显著性检验的0.103、0.103、0.101。

Table 5. Robustness tests: substitution explanatory variables

表5. 稳健性检验：替换解释变量

变量	系数	稳健标准差	边际效应/%
数字金融使用	1.022^***	0.119	18.73
数字支付	1.022^***	0.119	18.73

因子时，数字支付导致居民创业的可能性增加了18.73%，这就意味着在使用数字金融服务的家庭中基本都会用到数字支付。我们可以发现，在替换解释变量后，数字金融服务对居民创业决策的影响还是显著为正，证明了基准回归结果的稳健性。

5.5. 异质性分析

为了考察数字金融使用对居民创业影响的差异，本文将样本分为女性户主和男性户主，青壮年和中年，初中及以下和高中及以上6个子样本，分别进行回归分析。表6结果显示，数字金融使用显著促进女性与男性户主创业，且对女性效应更大。对于低学历居民，数字金融正向影响创业，因其就业受限，更倾向创业。青壮年比中年居民更易受数字金融影响创业，因他们更易于接受并使用数字金融。

Table 6. The impact of digital finance use on entrepreneurship by gender, education and age

表6. 数字金融使用对不同性别、受教育程度与年龄居民创业的影响

变量	(1) 男性户主	(2) 女性户主	(3) 初中及以下	(4) 高中及以上	(5) 青壮年	(6) 中年
数字金融使用	1.0089^*** (0.138)	1.1339^*** (0.249)	0.8757^*** (0.225)	−0.1734 (0.228)	1.5577^*** (0.131)	0.7583^*** (0.164)
控制变量	控制	控制	控制	控制	控制	控制
Constant	−5.3263^*** (0.462)	−3.0201^*** (0.892)	−5.7015^*** (0.565)	−2.7519^*** (0.655)	−4.2723^*** (0.615)	−5.5902^*** (0.564)
Observations	11,529	2862	9018	5373	5133	9770

5.6. 机制分析

前文已经证实数字金融使用对居民创业具有积极推动作用，然而，其内在的影响机制尚需深入剖析。结合现有文献和数据分析，本部分将聚焦于三个关键机制：信贷约束缓解机制、信息约束缓解机制以及风险承担意愿增强机制，旨在揭示数字金融使用如何具体影响居民的创业行为[7]。

5.6.1. 缓解信贷约束

由表7第2列回归结果可知，数字金融使用能够有效缓解居民的信贷约束。引入信贷约束变量后[14]，数字金融使用对居民创业行为仍具有正向的影响，且信贷约束变量对居民创业的估计系数显著为正，说明数字金融使用能够通过缓解信贷约束进而促进居民做出创业决策。

5.6.2. 缓解信息约束

由表7第4列回归结果可知，对信息约束的缓解具有显著的正向影响。第5列回归结果可知，引入信息约束后，数字金融使用对居民创业行为仍具有正向的影响，说明数字金融使用能够通过缓解信息约束进而提升居民创业的概率。

5.6.3. 增强风险承担意愿

由表7第6列回归结果可知，数字金融使用对居民风险承担意愿具有显著的正向影响，表明数字金融使用能够提高居民风险承担意愿[15]。通过引入风险承担意愿变量后，数字金融使用对居民创业行为仍具有正向的影响，说明数字金融使用能够提高居民的风险承担意愿，进而促进居民创业概率的增加，证实了数字金融通过提高风险承担意愿可以提高居民创业动机。

综上，假设H2、H3、H4得到验证。

Table 7. Mechanism analysis of the impact of digital finance use on resident entrepreneurship

表7. 数字金融使用对居民创业影响的机制分析

变量	信贷约束	居民创业	信息约束	居民创业	风险承担意愿	居民创业
数字金融使用决策	0.014^*** (0.004)	0.125^*** (0.014)	0.211^*** (0.035)	0.125^*** (0.013)	−0.013^** (0.006)	0.125^*** (0.014)
信贷约束	—	0.763^*** (0.014)	—	—	—	—
信息约束	—	—	—	0.057^*** (0.007)	—	—
风险承担意愿	—	—	—	—	—	−0.037^* (0.021)
常数项	0.043 (0.043)	−0.477^*** (0.158)	2.735^*** (0.288)	−0.604^*** (0.163)	−0.695^*** (0.122)	−0.469^*** (0.162)
控制变量	已控制	已控制	已控制	已控制	已控制	已控制
样本量	14,391	14,391	14,391	14,391	14,391	14,391
R^2	0.004	0.127	0.162	0.085	0.166	0.077

6. 结论与政策建议

本文利用2019年中国家庭金融调查(CHFS)数据，在理论分析基础上，运用RBP模型评估数字金融使用对居民创业的影响。研究发现：第一，居民创业行为受到受教育程度、健康状况、家庭规模、人情支出、家庭净资产、地区等控制变量和社区数字金融均值这一工具变量的显著影响。这说明户主个人特征与家庭特征是影响居民创业决策的重要因素。第二，在控制其他条件的前提下，数字金融使用显著地提升了居民创业的可能性。具体而言，相较于未使用数字金融的居民，那些使用数字金融的居民在创业概率增长18.73%。第三，数字金融使用对女性户主、受教育程度初中及以下的户主、青壮年户主的居民家庭的创业行为促进作用更为明显。第四，机制分析表明，数字金融使用主要通过缓解信贷约束、缓解信息约束缓解和增强风险承担意愿三种机制促进居民做出创业行为决策。

根据以上结论，本文提出如下政策建议：

第一，加大金融机构投入，构建多层次数字金融服务体系，扩大覆盖范围，提升服务便利性和可及性，以更好地服务居民创业。

第二，加强数字金融知识普及，提升居民认识和信任度，增强其使用数字金融服务的能力和意愿。鼓励金融机构研发适合的金融产品，提高创业效率和成功率，推动经济发展。

第三，优化数字金融政策环境，通过税收优惠、免息贷款等政策降低创业门槛，并加强对数字金融市场的监管力度，确保市场规范有序发展。

NOTES

¹资料来源：《习近平：高举中国特色社会主义伟大旗帜为全面建设社会主义现代化国家而团结奋斗——在中国共产党第二十次全国代表大会上的报告》，http://www.gov.cn/xinwen/2022-10/25/content_5721685.htm。