互联网使用、家庭金融风险资产投资与城镇居民相对贫困——基于CGSS2017数据的实证研究

互联网使用、家庭金融风险资产投资与城镇居民相对贫困——基于CGSS2017数据的实证研究

董纯

湖北省社会科学院

摘要：本文根据CGSS2017数据，实证检验互联网使用对城镇居民相对贫困的影响及家庭金融风险投资的中介效应。结果表明，互联网使用显著缓解了城镇居民的相对贫困，中介效应模型机制分析发现，家庭金融风险资产投资在互联网使用对城镇居民相对贫困的影响中起到部分中介作用。本文建议，政府应增加对互联网等信息科技投入，加大互联网使用对收入分配的正面作用；以互联网为主要渠道降低家庭资产配置的信息成本，提高家庭风险金融资产在家庭总资产中所占比重；依托互联网进一步建立可持续、常态化的相对贫困治理机制，为城镇居民提供内生减贫动力。

关键词：互联网使用；风险资产投资；相对贫困

一、引言

互联网普及带来了信息的爆炸式增长，为社会生活带来了深刻变革，能够有效打破信息壁垒，降低信息不对称程度，实现资源的有效配置。随着各地区互联网基础设施的进一步完善，互联网使用对金融市场参与的影响不容忽视。张旭阳和吴卫星（2020）[2]发现，来自于互联网媒体理财信息会促进家庭参与理财产品市场。

本文根据CGSS2017的数据，实证检验互联网使用对城镇居民相对贫困的影响及家庭金融风险投资的中介效应。根据研究结论，对构建系统性的相对贫困治理机制提出针对性的建议。

二、数据来源和变量设置

（一）数据来源

本文数据来源于中国调查与数据中心组织实施的2017年中国综合社会调查（CGSS），有效问卷12582份。由于本文旨在探索互联网使用对城镇居民相对贫困的影响及家庭金融风险投资的中介效应，因此筛选出受访者年龄范围为16-65的城镇居民样本，剔除农村居民样本。此外预计贫困线2016年可比价约为3255元，存在家庭收入低于2016年国家绝对贫困线标准的样本。根据以上方法对数据进行处理后，得到有效问卷983份，即共有983个样本进入分析模型。

（二）变量设置

被解释变量：城镇居民的相对贫困情况。考虑到贫困状况相关的指标数据的可得性，本文使用收入比例法来测度相对贫困，并借鉴沈扬扬和李实（2020）[3]的研究结论，以城镇居民人均可支配收入中位数的40%作为城镇相对贫困线。

核心解释变量：城镇居民互联网使用情况。由CGSS2017问卷中“过去一年，您对互联网的使用情况是怎样的？”测算城镇居民的互联网使用情况。根据 5级李克特量表将认同程度的五类答案分别赋值为1至5：1=从不；2=很少；3=有时；4=经常；5=非常频繁，即数值越大代表该样本互联网使用频率越高，使用程度越深入。

中介变量：家庭金融资产投资。中国家庭在金融资产投资中的配置比例中股票投资份额最大，此外基金、债券、期货和权证投资也占有一定比例。本研究选用“家庭从事股票、基金、债券、期货和权证投资”来刻画家庭金融资产投资情况。若CGSS2017问卷中受访者家庭目前从事以上投资活动之一则赋值为1，否则为0。

控制变量:受访者年龄、性别、民族、受教育水平和健康水平。为保证样本中金融资产投资决策的主体性，将受访者年龄限定在16-65岁；受访者性别为男赋值为1，性别为女赋值为0；受访者的民族为汉族赋值为1，否则为0；样本的受教育水平在最高教育程度的入学年限的基础上同时根据受教育的情况给予一定的差别，如“职业高中”赋值为“11”，而“普通高中”赋值为“12”，按此赋值；受访者的健康水平分别以很不健康、比较不健康、一般、比较健康、很健康赋值1-5，数值越大说明受访者的健康水平越高。各变量统计如表1所示：

表1：各变量统计

以居民收入中位数的40%划定相对贫困线，2019年我国整体贫困率为10.4%，城乡贫困率分别约为0.3%和25.8%。由表1可知，样本中相对贫困发生率为13%，高于2019年城镇相对贫困率，低于农村相对贫困率。互联网使用情况中位数为4，样本中家庭金融资产风险投资决策发生率为20%，即拥有4/5的样本家庭未参与金融资产风险决策，与我国家庭金融资产风险投资的“有限参与”大背景相契合。样本中受访者平均年龄为46.8岁，性别41%为男性，94%受访者为汉族，平均受教育年限为11.23年，平均健康水平处于“一般”和“比较健康”之间。

三、回归结果及分析

（一）OLS回归分析

本文首先使用OLS进行回归建立一个基准模型，再依次加入各控制变量建立模型1-4来观测核心解释变量与被解释变量的关系，从而探讨在控制这些变量的情况下，家庭互联网使用、金融资产投资对城镇居民相对贫困的影响。具体回归结果如表2所示：

表2：OLS回归结果

注:（1） ***、 **、*分别表示在1%、5%和10%水平上显著；（2）括号中为标准误

由表1可知，模型1-4中，互联网使用与城镇居民的相对贫困呈现负相关关系，且在1%显著性水平上显著，即城镇居民互联网使用程度越高，处于相对贫困的家庭越少，回归结果具有稳健性。互联网技术的普及与应用为个体提供了均等的受益机会，但并不意味着个体从中受益是均等的，不同的个体从互联网中受益存在着红利差异。回归结果表明相比与高收入居民而言，互联网使用对低收入居民的增收效果更明显，表现为缓解了城镇居民的相对贫困。此外，受教育水平和健康水平与城镇居民的相对贫困呈现负向的相关关系，分别在1%和5%显著性水平上显著。

（二）稳健性检验

为保证回归结果的稳健性，本文利用更改核心解释变量（互联网使用）的变量类型的方法重新对模型进行回归。首先，将“过去一年，从不使用互联网”赋值为0，“过去一年，很少、有时、经常、非常频繁使用互联网”认定为“使用互联网”，赋值为1，更改为虚拟变量，带入模型1-4。鉴于本文被解释变量的设定运用的是收入比例法，再将被解释变量替换为城镇居民年收入的对数，探究各变量对其收入的影响，以验证结果的稳健性。替换核心解释变量的回归结果如表3所示：

表3：替换核心解释变量类型回归结果

注:（1） ***、 **、*分别表示在1%、5%和10%水平上显著；（2）括号中为标准误

表3回归结果与表2结果呈现一致性，说明本文的回归结果是稳健可信的。

（三）中介机制检验

为探究家庭金融风险资产投资在互联网使用对城镇居民相对贫困的影响中的作用，本文采用逐步检验回归系数方法来检验家庭金融风险资产投资的中介效应。逐步检验回归系数的方法分为三步[4]，模型构建如方程1-3所示：

       （1）

       （2）

  （3）

若式（1）中系数a、式（2）中系数b和式（3）中系数d都显著，则中介效应显著。如果在满足以上条件的同时，在方程 (3) 中，系数c 不显著，则称为完全中介，若系数c显著，则称为部分中介。中介机制检验结果如表4所示：

表4：中介机制检验回归结果

注:（1） ***、 **、*分别表示在1%、5%和10%水平上显著；（2）括号中为标准误

互联网使用对城镇居民相对贫困的影响在上述模型中均呈现负向的相关关系（模型1和模型3），且在1%显著性水平上显著。互联网使用对家庭金融资产投资显著相关，城镇居民互联网使用促进了家庭金融资产投资的参与（模型2），金融资产投资在互联网使用对城镇居民相对贫困的影响中存在部分中介作用。

四、结论与建议

本文利用CGSS2017的数据，实证检验了互联网使用对城镇居民相对贫困的影响及家庭金融风险投资的中介效应。结果表明，互联网使用显著缓解了城镇居民的相对贫困。同时，中介效应模型的机制分析发现，互联网使用会显著促进家庭股票、基金、债券、期货和权证市场参与决策，家庭金融风险资产投资在互联网使用对城镇居民相对贫困的影响中具有部分中介作用。

根据研究结论，本文建议：政府相关部门要不断提高我国对应用网络和现代信息化发展的财政投入，加强推动网络的应用开发对社会人均收入和分配提高的正面促进作用，如利用网络金融等重点经济渠道，进一步减少城镇居民在家庭财富分配中的金融信息支出，并增加居民家庭高风险资产流动在国家整体总资产构成中的所应占到的资产比例等。同时借助网络基础设施，进一步加速建设完善可持续、常态化高效的城镇贫困地区综合管理服务退出体系，为广大城镇居民群体建立一个内生式的长效减贫机制。

参考文献：

［1］尹志超，岳鹏鹏，陈悉榕 . 金融市场参与、风险 异质性与家庭幸福［J］. 金融研究，2019（4）：168-187.

［2］张旭阳,吴卫星. 媒体理财信息是否助推了家庭金融参与？——基于股票和保险的研究[J]. 金融论坛,2020,25(02):8-19+80.

［3］沈扬扬，李实 . 如何确定相对贫困标准？——兼论“城乡统筹”相对贫困的可行方案［J］. 华南师范大学学报（社会科学版），2020（2）：91-101.