数字普惠金融如何影响农村家庭债务杠杆率？

How Does Digital Financial Inclusion Affect Rural Household Debt Leverage Ratio?

摘要: 近年来数字普惠金融快速发展，在给家庭带来“数字红利”的同时，也可能会增加家庭的负债杠杆，增加债务风险。基于中国家庭金融调查(CHFS)数据和北京大学数字普惠金融指数，实证分析数字普惠金融发展对农村家庭债务杠杆率的影响及其作用机制。结果表明：数字普惠金融发展会通过缓解信贷约束、促进过度消费和降低不确定性推动农村家庭债务杠杆率的升高。进一步分析发现，数字普惠金融对农村家庭债务杠杆率的影响存在异质性，对金融素养和数字素养水平较低以及依赖非正规借贷的群体的影响更明显，而提升家庭资产配置效率则会发挥一定的缓释作用。以上结论对防范农村家庭债务风险以及推动数字普惠金融高质量发展具有重要启示。

Abstract: The rapid development of digital inclusive finance in recent years, while bringing “digital dividends” to households, may also increase the debt leverage of households and increase debt risks. Based on the data of China Household Finance Survey (CHFS) and Peking University Digital Financial Inclusion Index, this paper empirically analyzes the impact of digital financial inclusion on rural household debt leverage ratio and its mechanism. The results show that the development of digital inclusive finance will promote the increase of rural household debt leverage ratio by easing credit constraints, promoting excessive consumption and reducing uncertainty. Further analysis shows that the impact of digital inclusive finance on rural household debt leverage ratio is heterogeneous, and the impact on the groups with low financial literacy and digital literacy and those who rely on informal lending is more obvious, while improving the efficiency of household asset allocation will play a moderating role. The above conclusions have important implications for preventing rural household debt risks and promoting the high-quality development of digital inclusive finance.

1. 引言

国际经验表明，合理的负债有助于家庭平滑消费、提升效用、促进财富增长，但过高的负债将导致家庭债务的不可持续性以及家庭福利水平的恶化，最终引致金融体系的不稳定和社会贫富差距扩大[1]。中国经济进入新发展阶段以来，受房地产市场和消费信贷快速发展的影响，居民杠杆率持续上升，家庭债务问题引发各方关注。根据中国人民银行的数据，我国住户部门杠杆率已由2008年的18.2%上升至2022年的71.8%¹，已经超过国际清算银行提出的居民部门65%的警戒红线。

已有一些研究关注到，我国家庭高杠杆率和数字普惠金融的快速发展密切相关[2] [3]。在金融市场不完全、金融需求旺盛的现实背景下，数字普惠金融在我国发展迅速，深刻地改变了金融机构和金融业态。特别地，在农村地区，金融供给不足问题由来已久，数字金融依托于大数据、云计算等数字技术，将金融服务拓展至传统金融体系之外的尾部客户，其具有的信贷软约束特征容易造成家庭债务扩张，加之农户金融素养和数字能力的缺失，农村家庭可能因数字普惠金融发展而引发债务水平升高。根据中国家庭金融调查(CHFS)的数据，我国农村家庭债务杠杆率以年均增长率7.22%的速度，从2013年的47.98%持续攀升到2019年的67.98% [4]。在此趋势下，只强调提高对被金融排斥群体的服务覆盖率却对风险不加以控制的过度金融扩张将导致负债过高和金融排斥之间的恶性循环[5]。基于此，本研究探讨数字普惠金融发展与农村家庭的债务杠杆问题。

已有大量研究关注数字普惠金融的微观影响：数字普惠金融的发展能够促进就业、扩大创业和提升居民收入水平[6]-[8]；提高家庭金融可得性[9]和家庭金融资产组合的有效性[10]、降低家庭财务脆弱性[11]。目前已有一些研究关注到数字普惠金融发展对家庭负债行为的影响，部分研究发现数字普惠金融会增加家庭陷入债务陷阱的风险[2] [3]，但最近的一项研究发现，数字普惠金融发展能够通过提升家庭消费平滑能力、优化家庭负债结构降低家庭过度负债风险[12]。因此，现有研究关于数字普惠金融发展对家庭债务风险的影响并未形成一致结论，可能是使用的数据、衡量债务的指标等存在差异，对农村家庭的研究更是屈指可数。

基于以上分析，本研究拟研究的问题是：数字金融在推动普惠金融发展的同时，是否也在一定程度上助长了信贷机构过度授信和家庭过度借贷，加剧了农村的家庭债务风险？数字普惠金融影响农村家庭杠杆率的作用机制是什么？如何防范农村家庭陷入债务陷阱？数字普惠金融发展对农村家庭债务杠杆率的影响是否存在群体差异？

2. 理论分析与研究假说

2.1. 缓解信贷约束

信贷约束不仅来自金融部门的信贷配给，还来自信贷需求者的风险规避、认知偏差等自身主动选择。长期以来，金融机构通过对借贷方的偿债能力进行评估，以此来决定是否放贷以及决策放贷额度，农村家庭因自身抵押物匮乏受到金融排斥，难以获得自身需要的借贷金额，从而面临供给型信贷约束问题；还有些农村家庭可能考虑到过高的交易成本和贷款拒绝率从而自愿放弃金融机构的贷款申请，面临着需求型信贷约束问题。数字普惠金融发展以来，显著改善了农村家庭的信贷约束问题，这可能会影响农村家庭的债务杠杆率。从供给端看，数字普惠金融的发展使金融机构可以通过大数据等技术充分了解借贷农村家庭的资金和信誉状况，从而进行有效评估，提高农村家庭获得授信的可能性。从需求端看，数字普惠金融大大降低农村家庭的借贷成本，数字普惠金融带来的金融资源与有效信息也极大程度地改变农村家庭群体“我无法获得借贷”的心理倾向。因此，数字普惠金融能够有效缓解金融机构与农村家庭之间的信息不对称问题，并且降低借贷双方的成本，有效缓解信贷约束状况，提高农村家庭的信贷可得性和借贷规模，从而可能引致家庭债务杠杆率攀升。基于以上分析，提出本文的第一个研究假说：

H1：数字普惠金融通过缓解农村家庭面临的信贷约束推动了债务杠杆率的升高。

2.2. 促进过度消费

生命周期假说认为，理性的消费者将在其整个生命周期中以合理的方式分配收入进行消费，来实现效用最大化。近年来，随着数字技术与信息技术的发展，居民的消费模式逐步从“量入为出”的传统模式转变为以消费信用为特征的“超前消费”模式[13]，消费行为发生改变。虽然金融科技的进步明显提升了农村家庭的借贷可得性，农村家庭可以顺利地进行跨期消费，消费水平有所提升，但考虑到农村家庭的金融素养水平以及数字能力不足，数字普惠金融的发展也可能诱导了农村家庭过度消费从而提升家庭的债务杠杆。一方面，基于互联网和数字技术的数字普惠金融发展带来了支付方式的变革，移动支付等数字支付手段极大地提升农村家庭的支付便利性，农村家庭消费频次明显增加，不仅如此，数字普惠金融还可以依托信息化和数字化的技术为农村家庭提供个性化产品和服务，丰富了农村家庭消费选择的同时也可能诱导农村家庭冲动消费。另一方面，面对多样化的消费供给和消费选择，加之农村家庭群体自身的风险认知、风险管理能力薄弱，很容易有非理性消费支出的行为。当非理性支出增加到一定水平，家庭收入无法满足需求时，农村家庭将可能通过负债满足自己的消费需求，从而影响家庭债务杠杆率。基于以上分析，提出本文的第二个研究假说：

H2：数字普惠金融发展通过促进农村家庭过度消费推动了债务杠杆率的升高。

2.3. 降低不确定性

预防性储蓄理论认为，消费者是厌恶风险的，当未来收入不确定性增加时，消费者的未来消费也会下降，将进行预防性储蓄。因此，根据预防性储蓄理论，当家庭面临收入不确定性时，家庭将倾向于减少消费，那么相应的负债性消费也会减少。与城镇家庭相比，农村家庭收入水平更低、风险冲击应对能力更差，数字普惠金融发展以来，显著提高了农村家庭的风险分担水平，农村家庭面临的不确定性明显下降，这可能影响农村家庭的债务杠杆率。首先，数字普惠金融发展带来的数字保险能够降低未来现金流的不确定性[14]，这可能影响农村家庭的负债倾向。此外，在人情关系和熟人社会更为浓重的农村地区，社会网络这种非正规的风险分担机制一直被视为农村家庭应对不确定性风险冲击的有效途径。数字普惠金融在农村推广后，一定程度上打破了传统依靠社会网络进行借贷、获取信息的经济结构，扩大的社会网络意味着更多的信贷机会和更小的信贷约束，不确定性风险明显降低，从而可能促进农村家庭借贷意愿的增强，影响家庭的债务杠杆。基于以上分析，提出本文的第三个研究假说：

H3：数字普惠金融发展通过降低农村家庭面临的不确定性推动了债务杠杆率的升高。

3. 研究设计

3.1. 数据来源

本文使用的数据包括：第四轮和第五轮的中国家庭金融调查(CHFS)数据；北京大学数字普惠金融指数县域层面的数据；《中国县域统计年鉴(县市卷)》，用于描述农户所在县(区)的经济发展特征。

3.2. 模型设定

本文采用双向固定效应模型作为基准回归模型，基准方程构建如下：

$Debtrati{o}_{it}={\alpha }_0+{\alpha }_{1}Digfi{n}_{it}+{\alpha }_2{X}_{it}+{\mu }_i+{\lambda }_t+{\epsilon }_{it}$ (1)

其中，$Debtrati{o}_{it}$ 表示代表第$i$ 个农村家庭在$t$ 时间的债务杠杆水平；$Digfi{n}_{it}$ 代表在$t$ 时间样本家庭$i$ 所在县域的数字普惠金融指数；$X_{it}$ 是一组控制变量，包括户主特征变量、家庭特征变量和地区经济特征变量；本文还控制了县域固定效应${\mu }_i$ 和年份固定效应${\lambda }_t$ ；${\epsilon }_{it}$ 是随机扰动项。

进一步，构建逐步回归的中介效应模型进行机制检验[15]，模型设定如下：

$Mediato{r}_{it}={\beta }_0+{\beta }_{1}Digfi{n}_{it}+{\beta }_2{X}_{it}+{\mu }_i+{\lambda }_t+{\epsilon }_{it}$ (2)

$Debtrati{o}_{it}={\gamma }_0+{\gamma }_{1}Mediato{r}_{it}+{\gamma }_{2}Digfi{n}_{it}+{\gamma }_3{X}_{it}+{\mu }_i+{\lambda }_t+{\epsilon }_{it}$ (3)

其中，$Mediato{r}_{it}$ 代表中介变量，其他各参数与变量的定义均与方程(1)中一致。

3.3. 变量选取

Table 1. Descriptive statistics

表1. 描述性统计

变量类型	变量名称	变量定义	均值	标准差
被解释变量	债务杠杆率	资产负债比：总负债/总资产	0.346	2.498
解释变量	数字普惠金融	所在县域数字普惠金融指数取对数	4.568	0.115
控制变量	户主年龄	户主年龄(岁)	58.383	11.862
	户主年龄的平方	户主年龄的平方/100	35.492	13.889
	户主婚姻状态	已婚 = 1，其他 = 0	0.874	0.332
	户主性别	男 = 1，女 = 0	0.874	0.332
	家庭规模	家庭人口数合计(人)	3.458	1.724
	少儿抚养比	16岁以下人口占家庭总人口的比例	0.101	0.158
	老年抚养比	60岁以上人口占家庭总人口的比例	0.374	0.402
	养老保险参与	参与 = 1，未参与 = 0	0.801	0.399
	医疗保险参与	参与 = 1，未参与 = 0	0.058	0.234
	流动资产占比	流动资产占家庭总资产的比例	0.062	0.120
	县域经济发展水平	县域地区生产总值(万元)的对数	14.036	1.089
	县域传统金融发展水平	县域金融机构贷款余额占地区生产总值的比例(%)	0.777	0.441

被解释变量：农村家庭债务杠杆率。采用家庭资产负债率来衡量农村家庭的债务杠杆率，即农村家庭总负债与家庭总资产的比值。

解释变量：数字普惠金融发展。使用县域层面的北京大学数字普惠金融发展指数来衡量，并对该指数取对数。

本文从户主特征、家庭特征以及地区经济特征三个层面进行选择。主要变量的描述性统计结果见表1。

4. 实证分析

4.1. 基准回归

数字普惠金融发展影响农村家庭债务杠杆率的实证结果见表2，第(1)~(4)列分别为不加入控制变量和依次加入地区经济特征变量、家庭特征变量以及户主特征变量的回归结果。从结果来看，数字普惠金融发展对农村家庭债务杠杆率具有显著的正向影响，无论是否加入控制变量，数字普惠金融的系数均在1%或5%的水平上显著为正。

Table 2. The impact of digital inclusive finance on rural household debt leverage ratio

表2. 数字普惠金融对农村家庭债务杠杆率的影响

变量	(1)	(2)	(3)	(4)
	资产负债比	资产负债比	资产负债比	资产负债比
数字普惠金融	2.265*** (2.712)	2.350*** (2.818)	2.100** (2.562)	2.122** (2.556)
县域生产总值		−0.021 (−0.043)	0.047 (0.095)	0.040 (0.083)
县域传统金融发展水平		−0.351 (−1.117)	−0.281 (−0.895)	−0.293 (−0.943)
家庭规模			−0.001 (−0.043)	0.017 (0.562)
少儿抚养比			0.279** (2.052)	0.246* (1.874)
老年抚养比			−0.074 (−1.196)	0.012 (0.171)
养老保险参与			−0.210*** (−4.012)	−0.210*** (−3.797)
医疗保险参与			0.188 (1.217)	0.176 (1.185)
流动资产占比			0.159 (0.791)	0.183 (0.898)
户主年龄				0.029** (2.032)
户主年龄的平方				−0.028** (−2.422)
户主婚姻状态				−0.181* (−1.894)
户主性别				−0.190** (−2.430)
年份、县域固定效应	已控制	已控制	已控制	已控制
N	18,663	18,663	18,663	18,663

注：***，**和*分别代表1%，5%，10%的显著性水平，下表同；标准误为村庄层面的聚类稳健标准误，下表同。

4.2. 内生性分析

考虑到数字普惠金融发展与农村家庭债务杠杆率之间可能存在内生性问题，本文使用工具变量法进行内生性检验。参考已有研究[16]，以滞后一期的数字普惠金融指数$Digfi{n}_{i,t-1}$ 乘以时间维度上的一阶差分$\Delta Digfi{n}_{t,t-1}$ 来构造Bartik工具变量。内生性检验结果见表3，第一阶段的F值是79.12，远大于10，说明不存在弱工具变量问题，且不可识别检验的Kleibergen-Paaprk LM统计量p值为0.000，说明工具变量的选取满足要求。列(2)数字普惠金融的回归系数为2.457，显著为正，与前文基准回归结果一致。

Table 3. Endogeneity test: instrumental variable estimation

表3. 内生性检验：工具变量法

变量	(1)	(2)
	第一阶段 数字普惠金融	第二阶段 资产负债比
工具变量	0.001*** (8.890)
数字普惠金融		2.457** (2.482)
第一阶段F值	79.12
Kleibergen-Paaprk LM统计量		19.490*** (0.000)
控制变量	已控制	已控制
年份、县域固定效应	已控制	已控制
N	18,663	18,663

4.3. 稳健性检验

为了避免实证结果的偶然性，本文采用两种方法进行稳健性检验。

第一，替换被解释变量法。用流量杠杆“债务收入比”来衡量债务杠杆率，以对存量杠杆“资产负债比”进行替换。实证结果见表4。表4第(1)列将被解释变量替换后，数字普惠金融的回归系数仍然在1%的显著性水平上为正值，这表明数字普惠金融会推动农村家庭债务杠杆率升高的回归结果具有稳健性。

Table 4. Robustness tests

表4. 稳健性检验

变量	(1)	(2)	(3)
	负债收入比	资产负债比	资产负债比
数字普惠金融	42.873*** (2.685)
覆盖广度		2.145** (2.424)
使用深度			1.386*** (3.322)
控制变量	已控制	已控制	已控制
年份、县域固定效应	已控制	已控制	已控制
N	18,649	18,663	18,663

第二，替换解释变量法。本文将解释变量数字普惠金融总指标替换为数字普惠金融的两个子指标进行稳健性检验。实证结果见表4，结果表明，数字普惠金融的覆盖广度和使用深度都显著促进农村家庭债务杠杆率的升高，与前文基准回归结果一致。

4.4. 机制检验

根据中国家庭金融调查问卷的设计，并参考现有研究[17]，本文使用问卷中关于“农业和工商业生产经营、购房、购车、教育、医疗和信用卡”等七个方面的信贷获得情况定义信贷约束。若样本在上述七个方面中存在尚未还清的银行或信用社贷款，则认为该家庭没有信贷约束，赋值为0，否则为1。实证结果见表5。表5汇报了信贷约束的中介效应模型回归结果，结果表明，数字普惠金融通过缓解农村家庭的信贷约束推动了债务杠杆率的升高，假说1得到验证。

Table 5. Mechanism analysis of relieving credit constraints

表5. 作用机制：缓解信贷约束

变量	(1)	(2)	(3)
	资产负债比	信贷约束	资产负债比
数字普惠金融	2.122** (2.556)	−0.615*** (−2.712)	1.708** (2.153)
信贷约束			−0.673*** (−7.864)
控制变量	已控制	已控制	已控制
年份、县域固定效应	已控制	已控制	已控制
N	18,663	18,663	18,663

对过度消费的衡量有研究使用家庭总消费与总收入之差[18] [19]，也有研究用家庭消费收入比是否超过了分析样本的90、95或99分位数的虚拟变量进行衡量[20]。借鉴已有研究的做法，本文用上述两种方式定义过度消费。实证结果见表6。表6汇报了过度消费的中介效应模型回归结果，结果说明，数字普惠金融通过促进农村家庭过度消费推动了债务杠杆率的升高，假说2得到验证。

Table 6. Mechanism analysis of promoting overconsumption

表6. 作用机制：促进过度消费

变量	(1)	(2)	(3)	(4)	(5)	(6)	(7)	(8)
	过度消费1	资产负债比	过度消费2	资产负债比	过度消费3	资产负债比	过度消费4	资产负债比
数字普惠 金融	8.967*** (2.636)	1.941** (2.410)	0.780*** (4.377)	1.815** (2.194)	0.416*** (2.896)	1.956** (2.349)	0.165** (2.007)	2.057** (2.475)
过度消费		0.021*** (7.141)		0.393*** (4.548)		0.399*** (3.522)		0.393* (1.816)
控制变量	已控制	已控制	已控制	已控制	已控制	已控制	已控制	已控制
年份、县域固定效应	已控制	已控制	已控制	已控制	已控制	已控制	已控制	已控制
N	18,649	18,649	18,663	18,663	18,663	18,663	18,663	18,663

已有研究用收入或消费变化的方差来衡量家庭面临的不确定性[21]，也有研究用消费支出的标准差进行衡量[14]。参考已有研究，本文以农村家庭人均消费支出的标准差定义不确定性。实证结果见表7。表7汇报了不确定性的中介效应模型回归结果，结果表明，数字普惠金融通过降低农村家庭面临的不确定性推动了农村家庭债务杠杆率的升高，假说3得到验证。

Table 7. Mechanism analysis of reducing uncertainty

表7. 作用机制：降低不确定性

变量	(1)	(2)	(3)
	资产负债比	不确定性	资产负债比
数字普惠金融	2.122** (2.556)	−2.793** (−2.272)	1.752* (1.805)
不确定性			−0.126* (−1.763)
控制变量	已控制	已控制	已控制
年份、县域固定效应	已控制	已控制	已控制
N	18,663	18,653	18,653

4.5. 异质性分析

上述结论表明，数字普惠金融发展会通过缓解信贷约束、促进过度消费和降低不确定性推动农村家庭债务杠杆率的升高。本部分对农村家庭的金融素养水平、数字能力、借贷结构以及风险资产配置差异四个方面进行异质性分析。

4.5.1. 金融素养异质性

根据两年中国家庭金融调查问卷的设计，选取样本家庭对有关计算利率、通货膨胀以及与金融经验有关的购买股票、购买基金四个代表性问题来构建金融素养指标。对变量进行KMO检验结果为0.679，表明适合做因子分析，再基于特征值和累计解释贡献率的标准筛选因子个数，计算因子总得分，以此来衡量金融素养水平的高低。金融素养异质性下的回归结果见表8，可以看到数字普惠金融对农村家庭债务杠杆率的影响在金融素养水平较低的分组中作用更显著。

Table 8. Heterogeneity analysis of financial literacy and digital skills

表8. 异质性分析：金融素养和数字能力

变量	(1)	(2)	(3)	(4)
	金融素养低	金融素养高	数字能力低	数字能力高
	资产负债比	资产负债比	资产负债比	资产负债比
数字普惠金融	2.344** (2.409)	2.066* (1.678)	1.912* (1.924)	2.016 (1.043)
控制变量	已控制	已控制	已控制	已控制
年份、县域固定效应	已控制	已控制	已控制	已控制
N	9337	9319	9347	9313

4.5.2. 数字能力异质性

数字能力是影响农村家庭经济决策的重要指标，本文参考王小华等[22]的做法，从数字接入、数字使用、数字创造三个维度选取八个指标²，使用熵值法测算出数字能力指数，将农村家庭的数字能力指数由低到高分为两组进行异质性分析，结果见表8。数字能力较低的农村家庭债务杠杆率更容易受到数字普惠金融的影响。

4.5.3. 负债结构异质性

中国家庭金融调查问卷对农村家庭在农业和工商业生产经营、住房、商铺、汽车、教育等方面询问了“是否有尚未还清的银行或信用社贷款”、“是否有尚未还清的民间借款”，本文据此衡量农村家庭的借贷结构。农村家庭借贷结构异质性的回归结果见表9。结果表明，在通过向亲朋好友、民间金融组织等非正规金融渠道进行借款的农村家庭群体中，数字普惠金融发展对家庭债务杠杆率的边际影响更大。

Table 9. Heterogeneity analysis of credit structure

表9. 异质性分析：借贷结构

变量	(1)	(2)	(3)	(4)
	有正规信贷	无正规信贷	有非正规借贷	无非正规借贷
	资产负债比	资产负债比	资产负债比	资产负债比
数字普惠金融	−10.411 (−0.666)	2.251** (2.558)	26.999** (2.154)	1.315* (1.706)
控制变量	已控制	已控制	已控制	已控制
年份、县域固定效应	已控制	已控制	已控制	已控制
N	1374	17,205	1834	16,809

4.5.4. 风险资产配置

家庭参与金融市场、配置风险金融资产及多样化的金融资产投资组合有助于降低家庭的财务脆弱性[23]。本文统计的风险金融资产有股票、债券、基金、理财产品、衍生品、非人民币资产、黄金和其他金融资产，并从是否参与风险金融市场、风险金融资产占金融资产的比例及风险资产的多样性三个维度做异质性分析。实证结果见表10，结果表明，当农村家庭不参与风险金融市场、配置的风险资产占比低、风险资产结构单一时，家庭债务杠杆率更容易受到数字普惠金融的影响。因此，应该引导农村家庭参与金融市场、多样化配置风险金融资产，以缓解数字普惠金融对家庭债务杠杆的“加杠杆”作用。

Table 10. Heterogeneity analysis of household asset allocation

表10. 异质性分析：家庭资产配置

变量	(1)	(2)	(3)	(4)	(5)	(6)
	不参与	参与	比例低	比例高	较单一	较多样
	资产负债比	资产负债比	资产负债比	资产负债比	资产负债比	资产负债比
数字普惠金融	2.171*** (2.589)	11.609 (.)	2.660** (2.573)	1.361 (1.261)	3.328** (2.562)	0.956 (0.979)
控制变量	已控制	已控制	已控制	已控制	已控制	已控制
年份、县域固定效应	已控制	已控制	已控制	已控制	已控制	已控制
N	18,404	151	9322	9335	9325	9337

5. 结论与政策建议

本文基于2017年、2019年的中国家庭金融调查数据和北京大学数字普惠金融指数，运用双向固定效应模型，研究数字普惠金融发展如何影响农村家庭债务杠杆率。研究结果表明：首先，数字普惠金融显著推动了农村家庭债务杠杆率的升高，且这一结论在内生性分析和稳健性检验后依然成立；其次，机制检验发现，数字普惠金融通过缓解信贷约束、促进过度消费以及降低不确定性三个方面推动了农村家庭债务杠杆率的升高；最后，对农村家庭金融素养、数字能力、负债结构及风险资产配置四个方面进行异质性分析发现，在金融素养和数字素养水平较低以及依赖非正规借贷的群体中，数字普惠金融对农村家庭债务杠杆率的推动作用更明显，而提升家庭资产配置效率则会发挥一定的缓释作用。

上述结论对我国农村家庭债务风险防范和实现数字普惠金融高质量发展具有重要启示。基于本文发现，现提出如下政策建议：

第一，注重金融知识教育和数字素质培训，提高金融素养水平与数字能力。注重金融风险防范，合理评估自身财富与偿债能力，适度借贷、理性决策，避免过度负债造成债务负担过重。

第二，引导适度消费、优化消费结构，鼓励合理配置金融资产。应鼓励农村家庭参与金融市场，配置多样化的风险金融资产，缓解家庭债务杠杆率的持续升高。

第三，对于金融领域的监管方式应该创新，切实加强对金融领域的监督管理，推进数字普惠金融良性发展，逐步营造良好的数字普惠金融发展环境。

NOTES

^*通讯作者。

¹数据来源于《中国金融稳定报告2022》《中国金融稳定报告2023》。

²数字能力选取的八个指标是：数字接入维度的“您家目前是否有电脑？”“您目前是否使用手机？”“您目前是否使用智能手机？”；数字使用维度的“您使用过互联网吗？”“您家购物时，是否使用电脑支付、手机或Pad等移动终端支付？”；数字创造维度的“您是否有网购经历？”“您是否用财经类APP或互联网手机关注财经类新闻？”“您是否使用互联网销售产品和服务？”