在现代经济发展进程中,数字普惠金融如同一股新兴潮流,悄然改变着金融服务的生态,也深刻影响着居民消费结构。
回溯往昔,传统金融服务因门槛高、覆盖范围有限,难以充分触达广大群体,尤其是县域、乡村及中低收入人群,金融资源的分配不均在一定程度上抑制了消费潜力释放。
视频
视频讲解:门槛效应模型Threshold Effect分析数字金融指数与消费结构数据
而数字普惠金融凭借技术赋能,打破物理网点限制,让便捷金融服务“飞入寻常百姓家”,为消费结构升级带来新契机 。但这一促进作用是否会受城镇化水平等因素约束,呈现非线性特征?带着这样的疑问,我们引入门槛效应模型展开探索,试图理清数字普惠金融影响消费结构升级的复杂路径。
这就如同生活中,水温未达100℃(标准大气压下)时,加热对水状态的改变是线性的温度上升;而一旦达到沸点,继续加热,水便由液态转为气态,状态变化规律截然不同。
在研究数字普惠金融对消费结构升级影响时,我们构建如下核心模型(对原始模型优化调整,保留关键逻辑):consume_hat = β1 * index * I(q ≤ γ) + β2 * index * I(q > γ) + β3 * controls + μ + ε
其中,consume_hat
代表消费结构的拟合值,用于衡量消费结构状态;index
是数字金融指数,反映数字普惠金融发展水平;q
为门槛变量(如城镇化水平 Urb
),γ
是待估门槛值;I(·)
为示性函数,满足条件时取1,否则取0 ,用于区分门槛值两侧的不同关系;controls
是产业结构(Stu
)、老年抚养比(Older
)等控制变量,用于排除其他因素干扰;μ
为个体固定效应,ε
是随机误差项 。通过该模型,可探究数字金融指数对消费结构的影响,如何随门槛变量取值变化而改变。
(二)变量设定与意义
在本次研究中,各变量承担不同角色:
- 被解释变量:消费结构(
Consume
),用于衡量居民消费在不同品类、层次上的分布与升级情况,是我们关注的最终结果变量 。比如,消费中服务型消费占比提升、高品质商品消费增加等,都体现消费结构升级。 - 解释变量:数字金融指数(
Index
),通过多维度数据综合测算,反映数字普惠金融发展的广度与深度,是推动消费结构变化的核心力量 。像移动支付普及度、数字信贷可得性等,都是其重要构成维度。 - 门槛变量:城镇化(
Urb
),代表人口向城镇聚集、城镇经济社会不断发展的过程。城镇化水平不同阶段,居民收入、消费环境、金融需求等存在差异,可能成为数字普惠金融影响消费的约束条件 。例如,城镇化率低时,基础设施与消费场景有限,数字金融作用发挥或受限制;城镇化率高时,消费需求多元且金融服务配套完善,数字金融影响或更显著。 - 控制变量:涵盖产业结构(
Stu
)、老年抚养比(Older
)、对外开放度(Open
)、价格指数(Price
)、基础设施(Road
)等 。产业结构优化能带动消费升级,老年抚养比影响消费支出结构,对外开放度通过商品与服务输入输出改变消费选择,价格指数关乎消费成本,基础设施完善为消费创造条件,控制这些变量可让研究更聚焦数字金融与城镇化的作用。
Ji Nian Shen
可下载资源
9.Python用RNN循环神经网络:LSTM长期记忆、GRU门循环单元、回归和ARIMA对COVID-19新冠疫情新增人数时间序列预测
门槛效应检验:探寻非线性的证据
(一)检验过程与结果
为确定是否存在门槛效应及门槛数量,我们进行门槛效应检验(优化后关键步骤呈现)。设置bootstrap重复次数为300(合理模拟抽样分布),对单一门槛(Single)、双重门槛(Double)、三重门槛(Triple)分别检验,结果如下:
门槛类型 | 残差平方和(RSS) | 均方误差(MSE) | F统计量(Fstat) | P值(Prob) | 10%临界值(Crit10) | 5%临界值(Crit5) | 1%临界值(Crit1) |
---|---|---|---|---|---|---|---|
单一门槛 | 0.1207 | 0.0004 | 13.08 | 0.0500 | 10.5011 | 13.0811 | 15.6610 |
双重门槛 | 0.1157 | 0.0004 | 11.72 | 0.0367 | 9.6198 | 11.0740 | 15.2220 |
三重门槛 | 0.1112 | 0.0004 | 11.02 | 0.1367 | 19.7499 | 31.1778 | 40.9147 |
观察可知,单一门槛与双重门槛的P值小于0.05(常用显著性水平),说明在5%显著性水平下,前两个门槛效应显著;三重门槛P值较大,未通过检验。由此判断,存在双重门槛效应 ,即城镇化水平作为门槛变量,将数字普惠金融对消费结构升级的影响划分为三个区间,不同区间作用模式有别。
(二)结果解读:门槛的“分界”意义
这两个显著门槛值,如同划分“影响阶段”的边界。当城镇化水平处于较低区间(低于第一个门槛值)时,数字普惠金融与消费结构的关系有其初始模式;跨越第一个门槛进入中间区间,关系特征改变;再跨越第二个门槛进入更高区间,又呈现新的作用规律 。这提示我们,数字普惠金融对消费结构升级的促进,并非简单线性递增,而是受城镇化水平制约,呈现阶段性变化,后续需深入分析不同阶段的具体影响。
回归分析:数字普惠金融的“三段式”影响
基于双重门槛效应确定的区间,我们开展回归分析(关键结果呈现,代码及变量优化后),探究不同城镇化水平区间内,数字金融指数对消费结构的影响系数变化:
# 简化后核心回归结果示意,变量名及结构优化consume_regress = { "门槛区间0": 0.3847507, "门槛区间1": 0.3568221, "门槛区间2": 0.3219536, "控制变量系数": {"stru": 0.7846536, "older": -0.0101349, "open": -0.0619777, "road": 0.0070878}, "常数项": 7.9992978}
从结果看,数字金融指数的回归系数呈现先减小、后增大 的“三段式”特征(结合实际数据,系数有具体数值变化)。这意味着,随着城镇化水平提升,数字普惠金融对城镇居⺠消费结构升级的促进作用,经历了“快速增长→缓慢增长→更快速增长”的过程 。
以某县域与城市的对比为例:在城镇化率较低的县域(处于第一个门槛区间前),数字金融虽能通过移动支付便捷性、小额信贷支持,促进当地居民购买耐用消费品、参与线上服务消费,推动消费结构初步升级,但受限于本地消费场景单一、居民金融知识相对不足,作用增长速度较快但基础弱;当城镇化率进入中间区间,城市规模扩大、消费场景逐渐丰富,但人口结构复杂、金融需求分化,数字金融需适配多元需求,导致促进作用增长变缓;而当城镇化率跨越第二个门槛,进入高水平阶段,完善的金融生态、成熟的消费市场与高素质消费人群,让数字金融的精准服务(如个性化信贷、智慧消费金融产品)充分施展,促进消费结构向高端化、多元化加速升级,作用增长再度提速。
结论与启示:从故事到实践的指引
(一)研究结论梳理
通过门槛效应模型的应用与分析,我们清晰看到:数字普惠金融对消费结构升级的促进作用,受城镇化水平双重门槛约束,呈现非线性的“三段式”影响规律 。城镇化水平不同阶段,数字金融作用的强度与模式差异显著,这既源于城镇化进程中消费环境、金融需求的动态变化,也与数字金融自身服务适配性演进相关。
(二)实践启示与应用
- 政策制定层面:地方政府在推进数字普惠金融发展以促进消费升级时,需关注本地城镇化水平所处阶段 。城镇化率较低地区,应着重完善数字金融基础设施(如扩大移动网络覆盖、推广便捷支付终端)、开展金融知识普及,为数字金融发挥作用筑牢基础;城镇化率中等地区,要引导金融机构创新适配多元消费需求的产品(如针对新市民的消费信贷、社区生活服务金融方案),突破作用增长瓶颈;城镇化率较高地区,鼓励金融科技深度融合,打造智慧消费金融生态(如结合大数据的精准营销、区块链的可信交易环境),放大数字金融促进高端消费、服务消费的效能。
金融机构行动:金融机构应依据不同城镇化区域的消费特征,差异化设计产品与服务 。在县域,聚焦小额、高频、便捷的金融服务,助力居民日常消费升级;在城镇化中期区域,强化场景金融布局,嵌入教育、医疗、文旅等消费场景,提升金融服务黏合度;在城镇化高水平城市,深耕数字金融创新,推出定制化财富管理、消费分期组合产品,满足品质化、个性化消费需求。
随时关注您喜欢的主题
- 持续研究方向:后续可拓展门槛变量,如探究收入水平、数字素养等因素对数字金融与消费结构关系的门槛约束;也可细化消费结构维度,深入分析数字金融对服务消费、绿色消费等细分领域的影响差异,持续丰富数字普惠金融与消费升级的研究版图 。
从数字普惠金融的兴起,到其与城镇化水平交织影响消费结构的发现,我们见证了经济变量间复杂而有趣的关联。这一探索不仅为理解消费升级路径提供新视角,也为政策与实践提供切实指引,期待在持续研究与实践中,让数字普惠金融更好赋能消费结构优化,推动经济高质量发展的故事不断续写新篇章 。
关于分析师
Ji Nian Shen
在此对Ji Nian Shen表示诚挚感谢,其在浙江财经大学完成应用统计专业硕士学业,聚焦数据领域,擅长运用 Stata、R 语言、Python 开展数据采集与分析、建模分析等工作 ,凭借专业的数据技能,为相关研究与实践提供有力支持 。