1996年，美国学者Don Tapscott第一次在《数字经济：网络智能时代的前进与风险》书中提出了“数字经济”的概念，实体经济与之深度融合的理念就以其不可阻挡之势席卷全球，如今数字经济已然成为中国经济高质量发展的强大动能 [13] 。之后，数字技术嵌入金融领域，加速与传统金融融合，通过打破时空上巨大的限制将其成本和风险很大程度上地控制在一个较低的水平，优化了金融资源配置。同时，得益于数字技术的创新，更加契合实际生活需求的各类新兴金融产品与服务不仅满足了消费者的金融需求，而且促进了消费者消费习惯的改善，消费者的生活也因此发生重大变化 [14] 。二则，并且，在由各类银行主导传统消费信贷市场上，仍然存在相当一部分潜在客户群体因为门槛高等原因被排除在外。在数字普惠金融的迅速发展推动下，金融服务体系的覆盖范围持续扩大至农村居民，农村金融排斥现象也因此得到了有效缓解 [15] 。诸如支付宝提供花呗、借呗等消费信贷服务，相当于消费者拥有了一张无形的信用卡，可以有效地提高居民金融的普惠性和可得性，通过缓解流动性约束激发尾部客户的潜在消费需求，增加居民的消费支出 [16] 。因此，本文提出假说H1。

H1：数字普惠金融发展能够促进低收入家庭消费水平。

数字普惠金融以何种方式来影响收入呢？国内已有学者的研究表明，总体上来说，数字普惠金融通过推动地区经济发展，可帮助低收入群体脱离贫困陷阱提供良好的外部环境、创造更多就业机会等，极大提升了低收入群体的生产经营能力和收入水平 [17] 。数字普惠金融发展也可通过缓解欠发达地区的传统金融服务的供需矛盾的方式，改善了我国中低收入和贫困人口的生活质量和收入分配，提高了低收入群体收入水平来缓解贫困 [18] 。同时，数字普惠金融在城乡之间通过发展资本、技术劳动力等生产要素构建起一座交流的桥梁，有利于降低收入不平等，实现居民收入的增收 [19] 。从马克思生产消费理论出发，数字普惠金融发展从根本上讲是因为社会生产力的提高，社会生产力的提高也必然带来经济水平的提高，从而实现居民收入和财富的增加，消费水平也因此攀升 [20] 。

西方经济学中，收入与消费之间的关系可以追溯于凯恩斯(1936)《就业、利息、货币通论》一书，凯恩斯提出了绝对收入假说，认为总消费是总收入的函数，即居民当其收入水平越高，消费水平也会越高，两者存在正相关 [21] 。之后詹姆斯·杜森贝里(1949)提出相对收入假说，认为居民消费应该会受到当期收入和相对收入共同影响 [22] 。Friedman (1957)基于适应性预期假说提出了持久收入假说，认为居民消费不受到现期收入的绝对水平的影响，真正能够影响到居民消费的只有持久收入 [23] 。总而言之，收入与消费的关系一直为学术界所认可。因此，本文提出假说H2。

H2：数字普惠金融发展通过提高居民收入水平影响家庭消费行为。

本文采用宏观指数加微观数据匹配分析的方式，将中国家庭金融调查(CHFS) 2015、2017和2019年3年的数据和中国数字普惠金融发展指数在省份层面上进行匹配，形成实证检验的数据集。CHFS涵盖了户主、家庭、地区特征等多维度的数据，与本文研究目标相契合。数字普惠金融发展(包含31个省级行政区)指数，自2011年起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，被广泛用于分析中国数字金融的发展状况。

本文对数据进行了如下处理：首先，将CHFS 2015至2019年每一年的家庭、个人、城市三个子数据库按照家庭编码进行匹配合并，再将所得到的三个截面数据合并成面板数据；其次，删除数据库中显示样本质量不高、户主信息缺失、异常的样本并对数字普惠金融发展指数、家庭消费水平等重要变量数据缺失的样本进行剔除；最后以三年的面板数据家庭总收入的中位数51136.25为界限，将低于中位数的样本定义为低收入家庭群体，最终得到4793户家庭，14,379个样本观测值作为本文实证分析的对象。

被解释变量：家庭的消费水平(lncons)。本文根据CHFS问卷调查中关于家庭各项消费支出的项目，将数额进行加总得出家庭消费水平，并且通过对家庭消费水平取对数处理，避免家庭消费水平因为取值波动过大引起回归估计的偏误。

核心解释变量：数字普惠金融发展(FDI)。本文参考已有文献的做法，选取北京大学数字金融发展指数作为核心解释变量，用来衡量中国数字普惠金融的发展。并且选取了该指数的三个一级指标，进一步研究数字普惠金融对低收入家庭消费水平的影响 [9] 。所有指数指标均除以100处理以便实证分析。

控制变量：参考已有文献对CHFS的处理，从户主特征、家庭特征、地区特征选取了控制变量。户主是家庭经济生活决策的主导者，户主特征包括年龄(age)、性别(gender)、婚姻状况(marriage)、健康状况(health)、受教育程度(degree)，城镇(rural)等因素，本文在此选取该10个控制变量。家庭特征影响着家庭的经济决策和资源配置，本文选取了规模大小(size)、总资产(lnasset)，总房产(lnhouse)三个控制变量。地区层面上，选取东部(east) 11个省级行政区、中部(central) 8个省级行政区地区、西部(west) 12个省级行政区。

中介变量：家庭总收入(lninc)。家庭总收入与家庭总消费保持一致取对数处理。

工具变量：本文参考Bartik (2009)，易行健和周莉(2018)的做法，构建一个数字普惠金融指数在时间上的一阶差分项和其滞后一阶的乘积作为工具变量进行估计，解决其内生性的问题 [10] [24] 。具体描述性统计变量如下 表1 。

1) 基准回归模型。本文主要分析数字普惠金融对低收入家庭消费水平的影响，建立的基准回归模型如下：

$\ln con{s}_{it}={\beta }_0+{\beta }_{1}DF{I}_{it}+{\beta }_i{X}_{it}+{\mu }_i+{\epsilon }_{it}$ (1)

模型(1)中 $\ln con{s}_{it}$表示被解释变量家庭总消费水平，下标i、t分别表示家庭和年份； $DF{I}_{it}$表示核心解释变量数字普惠金融发展水平； $X_{it}$代表控制变量，分别从户主、家庭、地区特征方面增强模型解释力度； ${\beta }_1$为核心解释变量的系数，如果为正，则表示数字普惠金融发展促进低收入家庭的消费水平；反之，则抑制。不可观测的随机时间变化 ${\mu }_i$是代表个体异质性的截距项，为家庭效应； ${\epsilon }_{it}$表示随着时间和个体变化的随机扰动项。

2) 中介效应模型。数字普惠金融发展对低收入家庭消费产生影响的传导机制，中介效应模型方程构成如下：

$M_{it}={\alpha }_0+{\alpha }_{1}DF{I}_{it}+{\alpha }_i{X}_{it}+{\mu }_i+{\epsilon }_{it}$ (2)

$\ln con{s}_{it}={\gamma }_0+{\gamma }_{1}DF{I}_{it}+{\gamma }_{2}M+{\gamma }_i{X}_{it}+{\mu }_i+{\epsilon }_{it}$ (3)

方程(2)系数 ${\alpha }_1$为数字普惠金融发展对于中介变量 $M_{it}$的影响， ${\mu }_i+{\epsilon }_{it}$为复合扰动项。方程(3)系数 ${\gamma }_1$为数字普惠金融发展对低收入家庭消费水平的直接影响，系数 ${\gamma }_2$为中介变量对家庭总消费的影响。参考温忠麟等(2004)中介效应检验思路：检验系数 ${\beta }_1$是否显著；如果显著依次检验系数 ${\alpha }_1$和 ${\gamma }_2$是否显著；如果 ${\alpha }_1$和 ${\gamma }_2$都显著，检验 ${\gamma }_1$的系数， ${\gamma }_1$显著说明存在中介效应，如果不显著存在完全中介效应；如果 ${\alpha }_1$和 ${\gamma }_2$至少有一个显著，则进行sabel检验，对 ${\alpha }_1{\gamma }_2$系数的乘积进行检验，检验显著通过则存在中介效应，反之中介效应不显著。

基于异方差条件检验的Sargan-Hansen统计值为336.418，显著拒绝原假设，因此本部分采用面板固定效应实证检验数字普惠金融发展对低收入家庭消费的影响。 表2 依次报告了核心解释变量及其三个分项指标基准回归的估计结果。 表2 的(1)至(4)列变量的系数分别为0.367、0.385、0.329、0.327，这些变量均在1%的水平上显著，证明了数字普惠金融发展对低收入家庭消费产生了显著的正向影响。从分维度看，以电子账户数目来体现的普惠金融覆盖广度系数最大，这也表现了对于低收入家庭，金融服务“数量上”要比“质量上”来的更有优先级，当其增加1单位时，消费将增加0.385%，表明普惠金融发展通过创建账户获得金融服务在整体上促进了低收入家庭消费。以上都能够表现出数字普惠金融发展及其三个维度都能为低收入家庭消费赋能，从而提高消费水平。验证了假说H1。

另一方面，从控制变量看，在户主个人特征上，户主年龄、房产和低收入家庭的消费水平均呈负向关系。男性已婚户主、健康、受教育程度高、有养老保险、从事工商业，有信用卡能够显著提升消费水平。在家庭特征层面，家庭规模、家庭资产相对较多的低收入家庭更倾向增加消费支出。

表3 采用三种方式进行稳健性检验，一是对样本进行1%~99%缩尾处理；二是参考李波(2015)的研究，保留户主年龄在18岁到65岁之间的3289户家庭9867个样本进行回归分析 [25] ；三是对家庭规模数在4以上的低收入家庭进行实证分析。 表3 显示了三种稳健性检验的结果。三种情况数字普惠金融发展均能显著促进家庭消费水平，核心结论依然成立。

注：^*代表p < 0.1，^**代表p < 0.05，^***代表p < 0.01，括号内表示稳健的标准误。

注：^*代表p < 0.1，^**代表p < 0.05，^***代表p < 0.01，括号内表示稳健的标准误。

数字普惠金融和低收入家庭的消费水平可能同时受到家庭成员的能力、对未来的预期等一系列不可观察因素的影响，在实证上，计量模型(1)可能存在很难消除的“内生性”问题，最终致使回归系数估计存在偏误。本文参考Bartik (2009)及易行健和周莉(2018)的做法，构建一个数字普惠金融指数在时间上的一阶差分项和其滞后一阶的乘积作为工具变量。 表4 报告的是工具变量法的回归结果 [10] [24] 。第一阶段工具变量iv的系数为1.426且在0.01水平上显著符合相关性的要求。M统计量值为1907.584且显著，模型不存在识别不足的问题。弱工具变量检验结果统计值远高于16.38，不存在弱工具变量假设的情况。Hansen J的统计量的检验也在0.01的水平上拒绝原假设，说明了该工具变量是有效的。最终，在考虑了内生性问题后，数字普惠金融的发展依然显著促进低收入家庭的消费，论证了回归结论的可靠。

注：^*代表p < 0.1，^**代表p < 0.05，^***代表p < 0.01，括号内表示稳健的标准误。

1) 城乡差异

城乡二元经济结构是我国城乡户籍制度一直以来所形成的城镇化与现代化发展中的重要特征之一，我们所选取的CHFS数据也是基于此展开的调查数据，就现实的中国国情和城乡发展情况来看，依然存在农村发展不充分、城乡发展不平衡问题，因此研究城乡发展的异同理所当然。同时中国拥有着广阔的区域，其经济发展不平衡问题也是很突出，东部、中部、西部地区较大差异的资源禀赋与经济基础等，都会使得普惠金融发展对低收入家庭消费水平产生不同的影响。 表5 报告了城乡异质性分析回归结果。数字普惠金融发展对农村低收入家庭消费总量的积极影响高于城镇低收入家庭，数字普惠金融发展每增加1单位，农村低收入家庭消费提高0.376%，城镇低收入家庭消费提高0.353%。对此可能的解释是，相比城镇低收入家庭，我国农村低收入家庭的金融约束普遍存在，其在传统金融服务获取上存在较大困难，数字普惠金融则极大地缓解了这种约束，这表明数字金融普惠发展有利于缩小城乡之间的消费不平等。

注：^*代表p < 0.1，^**代表p < 0.05，^***代表p < 0.01，括号内表示稳健的标准误。

2) 地区差异

表6 显示的不同地区层面的影响结果，数字普惠金融的发展均在1%显著水平上促进东、中、西部地区的低收入家庭的总消费，其中，中部地区系数最大为0.396，西部地区其次为0.374，最低的东部为0.345。可能的原因是，尽管东部沿海地区经济金融发展较快，金融资源丰富，金融体系相比于中西部地区更加成熟，但是随着数字普惠金融发展的推广和国家倾向性的金融政策支持，抑制的金融需求得到释放，中、西部的地区消费提高较快且增速高于东部地区。而西部相较于中部地区在数字普惠金融发展上可能面临更多的挑战，普及程度可能相较更低，其对消费促进也因此低于中部地区。

注：^*代表p < 0.1，^**代表p < 0.05，^***代表p < 0.01，括号内表示稳健的标准误。

为了分析收入水平是否在数字普惠金融发展影响收入家庭消费水平时存在中介效应。本文根据计量模型(2) (3)分别进行回归估计实证检验。 表7 中列(1)表示了中介变量收入水平对低收入家庭消费水平的影响；列(2)表示了数字普惠金融发展对于中介变量收入的影响，其系数 ${\alpha }_1$表示数字普惠金融发展指数每增加1个单位，家庭总收入就增加0.621%，且在1%水平上显著。

注：^*代表p < 0.1，^**代表p < 0.05，^***代表p < 0.01，括号内表示稳健的标准误。

为了进一步检验收入水平的中介效应的影响，本文采用的sobel方法对回归结果进行检验， 表8 为其报告结果。家庭年收入的间接效用 ${\alpha }_1{\gamma }_2$为0.029，占总效用0.367的7.97%，其系数和效应均能在0.01水平上显著，这表明了数字普惠金融发展通过家庭收入增加的机制显著促进了低收入家庭的消费水平，验证的假说H2。