一、引言

伴随信息通讯技术(ICT)的迅速发展与普遍应用，互联网已日益渗透到中国居民经济生活的各个方面，“互联网+”逐渐成为引导经济转型升级和持续增长的新源泉。依据中国互联网络信息中心(CNNIC)发布的《第45次中国互联网络发展状况统计报告》，截至2020年3月，我国网民数量达到9.04亿，较2018年底增长7508万，互联网普及率达64.5%。而在“三去一降一补”的供给侧结构性改革背景下，国内学术界和实务界则普遍认为居民部门可以加杠杆以推动经济的内生增长。但事实上，近年来居民部门的杠杆率上升较快，家庭部门的债务杠杆率(与GDP之比)已从2007年的0.19增至2019年的0.56^①，年均增速达9.43%。而迅速攀升的居民杠杆率可能蕴含着较高的风险并诱发一系列的经济发展问题，是中国未来经济发展面临的重要“灰犀牛”问题。那么，互联网的广泛普及与快速攀升的家庭债务杠杆间存在何种关联呢？其是否进一步放大了家庭债务杠杆率？而这些恰是本文的主要研究内容。

① 数据来自中国人民银行。

一方面，互联网的信息驱动作用正在并将持续影响中国家庭金融市场，尤其是在消除信息低效与不对称导致的家庭借贷渠道单一、借贷成本高的问题方面。但另一方面，2019年习近平总书记就全媒体时代和媒体融合发展的第十二次集体学习时提出“要全面提升技术治网能力和水平，规范数据资源利用，防范大数据等新技术带来的风险”。这说明在推动互联网技术发展的同时，也需警惕过度使用互联网可能带来的风险。那么，在家庭借贷中，互联网是否也存在“双刃剑”问题？作为借贷辅助工具，互联网的使用究竟是“多多益善”还是“过犹不及”？当前我国正处于防范金融风险与深化改革并存的新局势，家庭的内外部环境风险增加，而针对上述问题的研究将有助于进一步廓清互联网普及对家庭债务杠杆的作用机制及影响差异，为化解将来可能的债务危机提供思路。

我们发现，互联网技术的普及和发展显著改变了传统金融的服务模式，对金融市场产生了深远的影响(侯层、李北伟，2020)，并相继推动了数字金融、移动支付、金融科技等一系列金融创新的发展(滕磊、马德功，2020)。首先，已有的关于数字金融的微观研究较多集中在网络贷款领域(黄益平、黄卓，2018)。如支付宝用户能够使用“花呗”进行一定金额的消费透支，第三方支付平台还可以凭借用户使用移动支付过程中不断积累的信用积分，提供微粒贷和蚂蚁借呗等小额借贷服务(尹志超等，2019a)。因此，本文的边际贡献之一是不仅考察互联网普及对网络贷款的可能影响，也包括民间等非正式贷款。其次，就对家庭债务杠杆的研究方面，柴时军(2020)基于家庭微观调查数据研究发现移动支付主要通过缓解家庭流动性约束和促进家庭消费而显著提升了家庭资产债务收入比，但事实上移动支付存在的基础是移动终端的普及和移动互联网的发展(谢平、刘海二，2013)。因此，本文的边际贡献之二是从互联网的普及这一数字经济起源的基础探讨其对家庭债务杠杆的影响，更具有普遍性的现实意义。最后，本文更细致的揭示了互联网使用对家庭债务杠杆率的作用机制，互联网的使用除了通过增加金融可得性、促进电子支付这两种机制而影响家庭债务杠杆率之外，其也会通过信息搜寻效应和社会互动效应而对家庭债务杠杆率产生影响。此外，互联网使用对家庭债务杠杆率的影响具有显著的异质性。当前我国家庭部门依然面临借贷渠道单一、借贷成本过高、信贷约束等问题，而探讨互联网使用对家庭债务杠杆率的影响一方面有助于鼓励居民家庭积极参与金融市场、调整资源配置、恰当借助正规渠道进行融资；另一方面可增加相关政府部门对互联网的认识，理解互联网在经济运行中发挥的积极作用，并防范由过度负债可能带来的风险。

二、文献回顾、理论机制与研究假说 (一) 文献回顾

现有关于家庭债务的研究主要包括两方面：一是分析家庭借贷的规模、结构以及影响因素(何丽芬等，2012)；二是家庭债务的经济效应，如对消费的影响(Bacchetta and Gerlach, 1997)、对经济增长的影响(Mian et al., 2015)。而直接探究家庭债务杠杆率适度性的文献还较为缺乏。虽然与发达国家相比，我国居民部门的杠杆率还不是很高，但近年来其过快的增长速度以及可能蕴含的风险日益引起学术界的关注。适度的负债通过平滑居民消费、促进生产投资有益于家庭福利的提高(Guerrieri and Lorenzoni, 2017)，但过高的债务规模则会增加财务压力、降低居民幸福感(吴卫星等，2018)，甚至引发金融危机、带来严重的经济衰退(Garriga and Hedlund, 2020)。基于此，本文选择家庭债务杠杆率作为研究对象，以丰富和补充这一领域的研究。

近年来，以信息筛选和处理技术提高为核心的金融技术创新，尤其是互联网的发展和普及，有效缓解了信息不对称引致的金融摩擦(Balyuk，2019)，进而提高了家庭金融活动的参与，如家庭融资行为(邱新国、冉光和，2018)。作为一种交易媒介，互联网可以形成一个线上的金融交易平台，将传统的金融产品买卖双方或者资金的供需方之间连接起来。在这个线上的金融交易市场中，信息能够在交易双方之间自由、完全的流动，继而达到促进交易、增加资产流动性的目的(Economides，1993)。进一步地，互联网的普及催生了新互联网金融模式，而在新互联网金融模式下，由于信息渠道的拓宽，市场上信息不对称的问题大为缓解，大大降低了金融业的专业化和分工，有利于增强金融业的普惠性，也使得微观个体能够更有效地调动资源(Castellacci and Viñas-Bardolet，2019；袁方、史清华，2019)。

但另一方面互联网的普及在推动金融市场不断发展的同时，也导致金融市场的优点和缺点在互联网背景之下变得更为突出。如Mishkin and Strahan(1999)发现由于网络的开放性和共享性，互联网的使用会加大金融市场的风险。尤为需要注意的是，互联网中大量良莠不齐的信息可能更容易导致家庭的冒险投资，从而加剧家庭的超常规财务杠杆(丁黎黎等，2019)。而大部分研究并未对互联网使用后家庭债务杠杆率攀升的风险状况给予充分的关注，因此本文将主要探讨互联网的普及对家庭债务杠杆率的影响以及内在的作用机制，以期为防控家庭部门风险、维持经济稳定增长提供一定的借鉴和参考价值。

(二) 互联网普及影响家庭债务杠杆率的理论机制

互联网的普及推动了电子商务的发展，让消费者可以方便快捷地在网上购物，进而带动了电子支付的发展，当前我国的电子支付体系主要包括银行卡支付、互联网支付和移动支付(尹志超等，2019b)。电子支付减少了人们携带、保管现金的麻烦便利了交易活动，但同时由于其降低了消费者的支付痛苦感而增加了非理性消费。消费者在支付时的疼痛感不仅与支付金额相关，也与其支付方式密切相关(Prelec and Simester, 2001)。如Hirschman(1979)基于消费者交易数据研究发现使用信用卡支付的消费者其支出额大于使用现金或支票形式的消费者。对此的解释可能是银行卡等新型支付工具降低了支付的透明度，并削弱了消费与付款的联结，使人们的付款痛苦降到很低，进而导致更多的非计划购买和负债(Soman，2003)。基于此，我们提出研究假说1：

H1：互联网的普及将通过促进电子支付而推高家庭债务杠杆率。

近年来，互联网经济发展的一个重要标志为金融科技的快速发展，并进而催生了网络借贷和股权众筹等新型的互联网融资形态，其不同于资本市场的直接融资与银行中介的间接融资，而是依托数字网络技术进行运营，为个人、小微企业和初创型企业提供了灵活的融资通道(程华、鞠彬，2018)。其中尤以P2P网络借贷平台的发展最为迅速，Pope and Sydnor(2011)指出相较于传统的银行借贷，由于网络借贷平台中的借贷双方不需要面对面的接触，反而可以适度减弱美国的种族歧视而更有利于借款人。在我国，实体金融机构在地域之间的分布很不均衡，有限的金融机构数量与严苛的贷款审批条件使得投资者可以进行借贷的机会有限，甚至将有些地区的家庭排斥在借贷市场外(周广肃、梁琪，2018)。而互联网交易方式的普及则削弱了个体借贷对于银行等实体金融机构的依赖程度，且伴随互联网、大数据技术的不断发展，用户通过网络平台便可以快捷地实现金融理财、网上贷款等金融服务，在丰富居民部门投融资渠道的同时，也在一定程度上削弱了信息不对称问题，并降低了交易成本。Heeks and Kanashiro(2009)研究指出低收入群体与偏远地区的金融排斥现象通过互联网的使用能够得到减弱。因此，我们有研究假说2：

H2：互联网的使用将通过减弱对传统金融机构的物理依赖、增加金融可及性而促进家庭债务杠杆率的累积。

在移动互联网日益普及和第五代移动通信(5G)商用不断扩大、发展的背景下，使用互联网进行海量信息搜寻已成为潮流趋势(戚聿东、刘翠花，2020)。事实上，作为信息技术的主要载体，互联网改变了信息传播的方式，极大地提高了信息传播效率并拓宽了信息传播范围(周广肃、樊纲，2018)，即互联网的使用便利了家庭对借贷信息的获取和借贷机会的识别。具体而言，较高的信息获取成本往往出现在互联网普及率较低的地区，这些地区的家庭往往难以获得完整的借贷渠道信息，借款人通常仅是依靠线下互动交流而获取信息(周铭山等，2011)；而通过互联网，家庭可以更加快捷地获取各类借贷渠道的信息，在较大程度上降低了信息搜寻成本，进而可以帮助居民部门准确识别借贷机会以提高借贷可得性及借贷额。基于此，我们提出研究假说3：

H3：互联网使用通过信息搜寻效应便利家庭借贷进而导致家庭债务杠杆率的增加。

最后，互联网作为信息社会必不可缺的社会互动媒介，压缩了时空距离的限制，可让人们跨越时间、空间的限制而对外互动，降低沟通成本并由此提高了居民家庭社会网络的强度和范围。具体表现在：首先，作为一种打破物理距离的通信手段，互联网能即时通讯，可以实现“天涯若比邻”，增强社会互动和联系(张京京、刘同山，2020)。其次，互联网具有匿名性，有助于克服社会交往障碍，让人们很方便地找到与之相似或互相认同的群体，进而有助于信息的共享，即互联网技术的运用有利于拓宽社会网络的空间范围。进一步地，更高频次的社会网络互动有利于家庭参与金融市场并获得借贷资金(林建浩等，2016)。最后，通过交流获取信息形成的内生互动机制促进了居民间的观察性学习，且能在与同伴交流类似金融话题的过程中获得愉悦(郭士祺、梁平汉，2014)。为此，我们有研究假说4：

H4：互联网使用通过增强社会互动便利了家庭借贷决策进而带来了债务杠杆率的上升。

三、数据与变量

本文的数据源于西南财经大学在2017年度的中国家庭金融调查(China Household Finance Survey，CHFS)。2017年CHFS样本覆盖了全国29个省、355个县(区、县级市)、1428个社区(村)，是囊括40011户家庭的大型微观数据，主要包括居民部门的资产负债、收入支出、保险保障、家庭人口特征及就业等信息，为本文由微观视角探讨互联网使用对家庭债务杠杆率的作用提供了重要的数据支持。本文主要探讨的是互联网使用对家庭债务杠杆率的影响，如下是对互联网使用、家庭债务杠杆率和其他控制变量的选取和度量进行的说明。

被解释变量：家庭债务杠杆率。本文首先选用债务收入比进行测度(Kim et al., 2016)，其可以反映家庭的债务偿还能力，并是从微观的家庭角度评价一个经济体金融安全的重要指标。此外，我们也构建债务资产比(Becker and Shabani, 2010)作为债务杠杆率的代理变量。家庭债务余额是指包括生产经营、住房、汽车、金融资产、教育以及其他负债的未偿金额。

关注解释变量：是否使用互联网。构造家庭是否使用互联网的虚拟变量，选用CHFS问卷中“您使用过互联网吗？(若受访者上过网或会使用一些app等，认为其使用过互联网。)”进行度量，将选择“是”的赋值为1，将选择“否”的赋值为0。

控制变量：参照以往文献，本文控制如下家庭人口特征变量，户主特征变量(户主年龄、年龄平方/100、受教育程度、是否为男性、是否已婚、户口性质、健康状况、是否使用手机)、家庭特征变量(家庭总收入、家庭净资产、是否持有自住房产、家庭规模、老人数量和孩子数量)。此外，在回归中均控制了省级虚拟变量，以此降低由各省文化传统、风俗习惯不同等因素所带来的遗漏变量问题。

在数据处理中，我们剔除了户主信息缺失的样本，并选择户主年龄在18岁以上的家庭，以此来尽可能地规避异常值对本文研究结果的影响，最后所得的有效样本为32293户，其中有负债家庭占比为34.18%。表 1详细给出了主要变量的描述性统计。此外，本文绘制了是否使用互联网的家庭债务余额分组结果图^①，并发现，相较于不使用互联网的家庭而言，使用互联网的家庭，其债务规模显著更高。这侧面说明了，互联网的使用确实可以显著促进家庭借贷乃至于债务杠杆率，但具体作用程度如何？借助何种影响机制进行传导？仍需借助后续的实证分析进行详细验证。

① 限于篇幅，此图未给出，备索。

四、实证分析 (一) 基准回归

本部分将依次选择债务收入比、债务资产比来作为债务杠杆率的衡量指标，关于债务收入比、债务资产比，考虑到有超过一半的样本家庭中家庭负债金额为0，存在明显的数据删失，传统OLS估计可能导致回归结果出现较大误差，因此我们将运用Tobit模型来进行估计，基准回归方程设定如下：

$ Leverag{e_i} = {\beta _0} + {\beta _1}Internet\_du{m_i} + {\beta _2}{X_i} + {u_i} $

(1)

其中，Leverage_i表示第i个家庭的债务杠杆率，Internet_dum_i表示是否使用互联网，X_i表示控制变量，u_i则为残差项。

表 2报告了互联网使用对家庭债务杠杆率的基准回归结果。表 2中的第1列和第2列显示，互联网使用的边际效应为0.167，在1%的水平上统计显著。这表明使用互联网的家庭确实会带来家庭债务杠杆的攀升。在稳健性方面，如表 2中第3列显示，当被解释变量替换为债务资产比后，互联网使用的边际效应依然显著，体现了模型的稳健性。

控制变量中，个体的受教育水平、年龄与健康状况等人力资本因素也是影响家庭债务风险的重要因素。表 2的结果显示，年龄与家庭债务收入比间存在显著的倒U型关系，即家庭的债务杠杆率呈现明显的生命周期效应，户主接受的教育年限越长，家庭的债务收入比反而越高。这可能是因为当户主受教育程度越高，其相应的学习能力和风险识别能力也会越强，因此也就更能负担较高规模的债务(吴卫星等，2018)。而户主身体健康状况越差，家庭借贷的可能性越高进而导致债务收入比的上升。在家庭特征变量方面，家庭债务收入比与家庭规模正相关；而家庭净资产、家庭收入与家庭债务收入比则是显著负相关，这说明物质资本越充裕的家庭对借贷资金的需求较小，进而导致其债务收入比较低。

伴随互联网技术与金融模式的相融合，各类互联网理财产品迅速发展，与之相伴的便是日益暴露的风险。因此，借鉴尹志超、仇化(2019)的做法，根据家庭是否持有互联网理财产品作为家庭是否使用互联网的代理变量。在CHFS中相应的问题为：“目前您家购买的互联网理财产品余额是多少？”我们将持有互联网理财产品余额大于0的家庭视为使用互联网，赋值为1；否则，赋值为0。如表 3中的第1列所示，持有互联网理财产品的家庭，其债务杠杆率更高。此外，我们利用分位数回归考察了互联网使用对家庭债务收入比分布的影响，表 3中第2-4列的结果显示，随着家庭债务杠杆的上升，互联网对其的偏效应逐渐增大，即互联网的债务杠杆率效应随着债务规模的攀升而增大。

此外，为验证基准回归结果的稳健性，本文还依次控制了个体的金融素养(吴卫星等，2018)、城市房价与风险态度，其中关于金融素养的度量，本文参照尹志超等(2014)的衡量方法，采用因子分析法构造出金融知识变量以反映个体的金融素养。表 4报告了依次控制这三个变量与同时加入这三个控制变量后的回归结果，结果显示互联网使用与家庭债务杠杆率之间依然是显著正向关系，上述基准回归是稳健的。

(二) 内生性检验

在解释互联网使用对家庭债务杠杆率的影响时必须谨慎。一方面，家庭可能通过之前的借贷活动已经提高了自身对互联网使用的理解，认识到互联网使用在借贷中的便利性，这种反向因果会高估互联网使用的影响；另一方面，不可忽视居民部门对借贷融资的认知偏差和借贷资金使用中的行为偏差对家庭债务杠杆率的影响(王冀宁、赵顺龙，2007)，而实际中难以准确测量家庭的认知偏差和行为偏差，由此产生遗漏变量带来的估计偏误。

为缓解互联网使用可能存在的内生性问题，本文首先选择工具变量进行回归。黄群慧等(2019)指出历史上固定电话普及率高以及邮局数量多的地区，也极有可能是现在互联网普及率高的地区，即满足了工具变量的相关性与外生性的要求，基于此，本文选取历史上各个城市1999年每万人固定电话数量和每万人邮局数量作为互联网使用的工具变量^①。表 5中第1-2列给出了使用两阶段回归重新对基准模型的估计结果，其中第一阶段F值为98.7，远大于10的经验值，即拒绝了弱工具变量的假设；同时Hansen J的p值为0.4542，说明不存在过度识别问题，这表明选择每万人固定电话数量和每万人邮局数量作为工具变量是可行的，并且模型中核心解释变量的系数估计结果与表 2基本一致。另外，我们也利用Lewbel(2012)的方法，构造一个同时满足外生性和相关性要求的工具变量(回归结果见表 5中的第3列)，结论依然保持不变，且其中Cragg-Donald Wald F统计值为461.82，拒绝了弱工具变量的假设；Hansen J的p值为0.2249，说明不存在过度识别问题，即选择的Lewbel工具变量也具有较强的解释力。

① 数据来自中国城市统计年鉴。

此外，考虑到不同的借贷平台对互联网使用技术有特定的要求，这意味着个体会根据对互联网的了解和熟练程度主动寻求适合自己的借贷渠道和借贷金额，相应的借贷平台也会根据自身平台的优势主动寻求满足其条件的个体，由此带来自选择问题。基于此，本文拟采用处理效应模型和倾向得分匹配来缓解潜在的内生性问题。处理效应模型的估计原理可以类比于两阶段工具变量法，但当内生变量为虚拟变量时处理效应的估计效果更好(Maddala，1986)。表 5中第4列报告了处理效应模型的估计结果，与前文结论保持一致。

倾向得分匹配法是一种依据可观测数据识别变量间因果关系并能够有效降低自选择偏差的数据处理方法。此处选取的控制变量与基准回归模型中的一致，结果发现^①，无论采用何种匹配方法，其估计结果都较为稳健，平均处理效应稳定在0.981。T检验的结果显示倾向得分匹配在5%的水平上显著，这与基准回归中互联网的边际系数符号一致，均显著正向影响家庭债务收入比，即互联网的使用推高了家庭债务杠杆率，再次表明本文的结果是稳健可靠的。

① 限于篇幅，回归结果未给出，备索。

(三) 机制检验

当前我国的电子支付体系主要包括银行卡支付、互联网支付和移动支付(尹志超等，2019b)。一方面，电子支付减少了人们携带、保管现金的麻烦便利了交易活动；但另一方面，电子支付拉大了消费与付款的时间间隔，降低了消费者的支付痛苦感而促进了个体的非理性购买与负债。而电子支付的应用与推广离不开互联网技术的发展。基于此，借鉴尹志超、张号栋(2018)的做法，构造一个是否使用电子支付的变量。CHFS问卷中询问受访者“您和您家人在购物时(包括网购)，一般会使用下列哪些支付方式？”①现金②刷卡(包括银行卡、信用卡等)③通过电脑支付(包括网银、支付宝等等)④通过手机、pad等移动终端支付(包括支付宝APP、微信支付、手机银行、Apple pay等)⑤其他(请注明)。我们将选择“刷卡、通过电脑支付、通过手机、ipad等移动终端支付(包括支付宝APP、微信支付、手机银行、Apple pay等)”识别为使用电子支付的家庭，赋值为1，否则为0。表 6中的第1-3列给出了相应的回归结果，结果发现，互联网的使用提高了家庭使用电子支付的概率，说明使用互联网的家庭更乐于使用电子支付，进而最终带来了家庭债务杠杆率的上升。

移动支付、人工智能、搜索引擎和云计算等以互联网为代表的现代信息科技极大地改变了人们的金融模式。日益完善的网络环境促进了传统金融行业与信息化技术相结合，使得用户能够通过网络平台来获取金融理财、保险保障以及网上贷款等金融产品和服务，在丰富居民部门投融资渠道的同时，也降低了交易成本、缓解了信息不对称问题。Heeks and Kanashiro(2009)研究指出低收入群体与偏远地区的金融排斥可以通过互联网的使用得以缓解，即互联网的使用将通过减少对传统金融机构的物理依赖、增加金融可及性而促进家庭借贷与债务杠杆率的累积。为了反映金融可及性，我们以家庭距离实体金融网点^①的距离来反映(尹志超、张号栋，2018)，离实体金融网点距离越远，说明传统金融越不可得，金融可及性越差。表 6中第4-6列给出了金融可得性的检验机制。结果发现，互联网的使用会显著削弱对实体金融网点的物理依赖，并通过线上金融可及性的增加而最终放大了家庭债务杠杆率。此外，为了更好地验证金融可及性这一机制，我们也借鉴丁忠民等(2017)的做法，构造家庭层面的人均持有银行卡数作为金融可及性的衡量指标，回归结果显示^②，互联网的使用显著提高了人均持有银行卡数，而人均银行卡数又对家庭债务杠杆率有显著的正向影响，即再次支持了金融可及性这一影响机制。

① 实体金融网点包括银行/农村信用合作社网点柜台、自助银行或自助服务终端、金融服务网点。

② 限于篇幅，回归结果未给出，备索。

同时，互联网的使用有利于家庭更便捷地获取融资信息和融资机会，具体地，较高的信息获取成本往往出现在互联网普及率较低的地区，这些地区的家庭通常难以获得完整的融资渠道信息，此时借款人仅仅依靠线下互动获得的信息进行借贷决策(周铭山等，2011)；而互联网的使用则可以大大降低居民部门信息搜寻的成本，使得家庭更易获取各种借贷渠道，进而可以准确捕获融资机会以提高借贷可得性与借贷额。即互联网使用通过信息搜寻效应便利了家庭融资。为验证信息搜寻机制，我们首先选择CHFS问卷中平时关注经济、金融方面信息的受访者^①，然后对这些受访者进一步询问其关注财经类新闻的渠道。将选择通过财经类APP，互联网或手机等网页浏览这两种渠道获取信息的个体识别为利用互联网进行信息搜寻者。回归结果见表 7中第1-3列。此外，我们也构造了受访者上网是否用于了解资讯这一变量以反映信息搜寻效应，回归结果见表 7中的第4列。结果显示，互联网的使用确实便利了个体的信息搜寻，并带来家庭债务杠杆率的攀升。这也侧面说明了互联网作为信息技术的主要载体，极大地提高了信息传播效率并拓宽了信息传播范围。

① CHFS问卷中“您平时对经济、金融方面的信息关注程度如何？(仅询问新受访户)①非常关注②很关注③一般④很少关注⑤从不关注”，如果受访者选择①、②、③，我们识别为关注经济金融方面的信息。

另外，中国互联网的快速发展使得即时通信、QQ、微信、微博等各类社交网络的运用迅速普及，其通过信息传播与人际互动突破了地理与时间限制，并由此提高了居民家庭社会互动的强度和范围。第一，互联网便利了地理距离较远的亲朋好友间的及时沟通和交流，使得社交互动更加频繁，增强了居民部门的社会网络。第二，互联网技术有利于延展社会网络空间。已有学者认为，更高的社会网络互动有利于鼓励家庭参与金融市场并获得融资(林建浩等，2016)。此外，成功的借贷经验信息还将借助社会网络迅速在亲朋间传播，通过观察性学习和效仿，这一信息扩散效应可以帮助借款人克服金融市场参与的心理成本(郭士祺、梁平汉，2014)。即互联网使用通过社会互动便利了家庭借贷决策并进而带来债务杠杆率的累积。为验证社会互动这一机制，我们选择家庭的礼金支出以衡量家庭的社会互动强度，回归结果见表 7中的第5-7列。结果显示，使用互联网的家庭送出礼金高出12.3%，即互联网的使用行为增强了家庭的社会互动，并进而带来家庭债务杠杆率的增加。

(四) 异质性检验

为了剔除家庭所在省份网络发展环境对互联网使用影响家庭债务杠杆率的干扰，根据《第41次中国互联网络发展状况统计报告》，我们选择2017年各个省份域名数占总域名个数的比例来反映各个省份的网络发展环境，以高于中位数的视为网络发展程度高的省份，反之为网络发展程度低的省份。表 8中第1-2列的分组检验结果显示，对于网络发展程度较低的省份，互联网使用依然能显著促进家庭债务杠杆率，排除了所在外部网络环境的干扰，基准结果是稳健和可靠的^①。进一步地，吴卫星等(2018)研究发现越偏好风险的个体越倾向于过度负债，那么，本文所得的互联网使用提高家庭债务杠杆率的结论是否是因为这部分群体恰好偏好风险，而不是源于互联网的作用呢？基于此，本文依据受访者的风险态度进行分组回归。关于风险态度的衡量，我们选用CHFS问卷中针对受访者的风险态度测试，“如果您有一笔资金用于投资，您最愿意选择哪种投资项目？①高风险、高回报的项目②略高风险、略高回报的项目③平均风险、平均回报的项目④略低风险、略低回报的项目⑤不愿意承担任何风险⑥不知道”。我们将选择1和2的家庭视为风险偏好，选择3的家庭为风险中性，选择4和5的家庭视为风险厌恶。表 8中的第3-4列的结果显示，对于风险厌恶或风险中性的群体而言，互联网使用依然能显著促进家庭债务杠杆率，并在统计显著性上优于风险偏好组，可以部分排除风险偏好的影响^②。

① 关于网络环境基于sutest的系数分组检验系数显示，卡方值为0.53，相应的p值为0.4660。这说明，表 8中的第1、2列的系数并无显著差异，说明了各个省份的网络发展环境并不是互联网推动家庭债务杠杆率上升的诱因，基准回归结果是稳健的。

② 关于风险态度基于sutest的系数分组检验系数显示，卡方值为1.23，相应的p值为0.2667。这说明，表 8中的第3、4列的系数并无显著差异，说明了投资者的风险态度也不是互联网推动家庭债务杠杆率上升的诱因，基准回归结果是稳健的。

前文已经验证互联网的普及可以通过增加金融可及性而带来家庭债务杠杆率的累积，那么对于信贷约束不同的家庭，这一作用会发生何种变化呢？可以预见，如果家庭是受信贷约束的，那么互联网对其的作用将更强(宋全云等，2017)。进一步地可以将信贷约束分为两类：一是需求型信贷约束，较高的信贷交易成本使借款者自动放弃借款(Jappelli，1990)。二是供给型信贷约束，金融机构严格的信贷条件造成贷款申请者被拒而产生供给型信贷约束(Stiglitz and Weiss, 1981)。参照尹志超、张号栋(2018)的做法，我们将“需要但没有申请、或者申请被拒绝”的家庭视为受信贷约束，并将“需要但没有申请”和“申请被拒绝”分别识别为需求型信贷约束和供给型信贷约束。结果显示^③，互联网的使用显著降低了需求型信贷约束，并进而带来这部分家庭的债务杠杆率的增加。在互联网的发展中，支付宝作为第三方支付平台，有效解决了信用中介担保问题(李继尊，2015)，可以利用网上积累的交易数据发放小额信贷，并开发出余额宝等理财工具，满足了客户的多种金融需求(谢平等，2015)。可以看出，互联网技术与金融服务的结合可以在不同的环节降低信息不对称，有效地解决借贷中的信用、抵押品问题，进而缓解家庭信贷约束程度。

③ 限于篇幅，回归结果未给出，备索。

尽管互联网对于家庭债务杠杆率产生了显著的放大效应，但是由于不同家庭本身的特征以及投资习惯不同，可能会产生不同的影响效果，因此表 9根据收入与城乡状况将样本家庭进行了分组，以此考察互联网债务杠杆效应的异质性差异。依据城乡差异分为城镇家庭与农村家庭^④，依据收入水平划分为低收入与高收入，其中，低收入为收入低于均值的家庭，高收入为收入高于均值的家庭^①。表 9的结果显示，互联网使用的债务杠杆效应对于低收入、城镇低收入群体的影响程度更大。这说明，互联网的普及确实惠及了低收入等弱势群体，但同时这部分群体对于互联网的大量信息更加难以准确且有效判断，也更易带来债务杠杆率与债务风险的增加，也更需相关政府部门予以关注。

④ 关于城乡基于sutest的系数分组检验系数显示，卡方值为3.89，相应的p值为0.0486，即可以在5%的统计显著水平上认为互联网使用将显著推高城镇家庭的债务杠杆率，对城镇家庭的作用程度更大。

① 关于收入水平基于sutest的系数分组检验系数显示，卡方值为6.50，相应的p值为0.0108，即可以在5%的统计显著水平上认为互联网使用将显著推高低收入家庭的债务杠杆率，对低收入家庭的作用程度更大。

此外，为进一步考察互联网使用究竟对哪类群体的债务杠杆率影响更为密切，表 10给出了基于年龄与受教育程度分类的回归结果。表 10中的第1-3列显示，随着户主年龄的逐渐增加，互联网的债务杠杆率效应逐渐凸显，即较多的中年群体与老年群体更倾向于借贷^②。而表 10中的第4-5列则表明，受教育程度较低的户主由于缺乏必要的防范金融风险的专业知识而更易带来债务杠杆率的上升；反而高教育程度的户主由于具有丰富的金融专业知识更了解家庭借贷流程以及风险控制，因而互联网对债务杠杆率的影响程度反而不显著。这也说明，提高受教育程度、增大人力资本投资更有益于互联网快速发展背景下家庭部门维持一个合理的债务杠杆率。

② 关于表 10中第2列与第3列年龄基于sutest的系数分组检验系数显示，卡方值为0.13，相应的p值为0.7151，这说明互联网的债务杠杆效应对于中年群体、老年群体的效应无差异，即互联网的使用均能显著带来这两个年龄群体债务杠杆率的显著上升。

五、进一步的讨论 (一) 互联网使用与家庭借贷用途

互联网融入日常生活在影响家庭债务杠杆率的同时，是否会对不同的借贷渠道与不同用途的借贷产生差异性影响呢？借鉴《中国居民杠杆率和家庭消费信贷问题研究报告》的做法，我们将家庭债务根据借贷的用途划分为经营贷、房贷、车贷、教育贷、医疗贷和信用卡贷；根据借贷方式的不同细分为正规与非正规借贷，其中将银行借款归入正规借贷，而将向亲朋借款和民间借贷归入非正规借贷。同时为了和基准回归模型保持一致，我们也对各债务类别均除以家庭可支配收入，得到各类债务收入比。表 11中的第1-6列的估计结果显示，除了医疗贷，互联网的使用均显著促进了经营贷、房贷、车贷、教育贷和信用卡贷。这可能是因为医疗支出水平高的居民家庭有更强的储蓄动机，并不倾向于通过借贷(祝伟、夏瑜擎，2018)。表 11中的第7-8列的结果显示，互联网的使用主要显著提高非正规借贷杠杆率。对此的解释可能是，非正规金融部门由于借贷门槛低、审核手续简便快捷而更易被个体所利用，由此带来非正规借贷债务杠杆的上升更多。

(二) 互联网使用与家庭债务杠杆率的非线性关系

尽管上述的结论显示互联网的使用会带来家庭债务杠杆率的累积，但这种影响有可能是非线性的。而考虑到互联网使用是虚拟变量，因此我们使用持有互联网理财产品的金额这一连续变量来反映家庭对互联网的使用，并在模型中引入该变量的二次型以考察互联网使用对家庭债务杠杆率的非线性关系。表 12中的第7列显示，互联网理财产品额与家庭债务杠杆率间存在明显的U型曲线，即互联网的使用在早期仅是表现为家庭债务金额的增加、债务杠杆率的下降，但当对互联网的使用达到一定程度后，便会带来家庭债务杠杆率的迅速上升。这一方面说明互联网的使用门槛低，操作便捷，因而吸引了大量的投资者；但另一方面，互联网作为一把双刃剑，其在促进家庭借贷行为的同时也推高了家庭债务杠杆率，带来了更大的风险敞口，尤其是近年来不断涌现的互联网金融产品。

当前互联网金融市场风险事件频发，而借助互联网金融平台借贷的参与者多是普通家庭和个体，风险承受能力相对较弱，因此如何有效保护这类群体，并将风险降到最低是当前学者们与相关政府部门需要重点关注和解决的问题。而普及投资者金融教育、提高金融素养或许是控制此类互联网金融风险的有效途径之一。吴卫星等(2018)指出金融素养高的家庭更偏好正规借贷渠道，越不可能过度负债，对此，Lusardi and Tufano(2015)以美国家庭为研究对象的分析也得到了类似的结论。借鉴尹志超等(2014)的做法，我们利用因子分析法也从利率计算、通货膨胀理解与投资风险理解的三类问题构建了受访者的金融知识水平。KMO检验值为0.6表明样本适合做因子分析，最后构造一个综合因子，即为金融知识，将高于金融知识均值的识别为高金融知识组，低于金融知识均值的识别为低金融知识组；将高于债务收入比均值的识别为高债务杠杆率组，低于债务收入比均值的识别为低债务杠杆率组。表 12中的第1-6列给出了相应的估计结果。结果显示，金融知识较低的家庭越倾向于借贷，但如果家庭本身的债务杠杆率较低时，高金融知识组的家庭反而会促使家庭进行借贷；而当家庭本身的债务杠杆率较高时，高金融知识的家庭并不会再进行家庭借贷。这说明，金融知识水平越高的家庭，在管理和配置资金时更具有正确判断、明智决策的能力，能更好地知道自己的负债头寸，了解相应的偿债成本，并能正确计算利息(刘波等，2020)，进而可以有效地遏制过度负债与较好地控制债务风险。

六、结论与政策建议

互联网技术的发展和普及不仅推动着中国经济发展，迫使传统金融进行变革，更深刻影响着千千万万中国居民的生活，进而得到了普遍的关注。基于2017年中国家庭金融调查数据，本文深入探讨了互联网使用对中国家庭债务杠杆率的影响。实证结果表明，互联网的使用将显著推高家庭债务杠杆率。在采用工具变量回归、处理效应模型和倾向得分匹配缓解内生性问题后，估计结果仍支持基准结论。对于收入和户籍状况的个体，互联网对其的债务风险存在差异。影响机制的分析显示，互联网的使用将通过促进电子支付、增加金融可及性、便利信息搜寻和提高社会互动而带来债务杠杆率的增加。进一步研究发现，互联网的债务杠杆率效应主要反映在除医疗贷的其他债务类别与非正规借贷上，并具有显著的非线性特征，且普及金融知识教育、提高金融素养可能是降低家庭债务杠杆率与债务风险的有效手段之一。基于此，本文给出如下政策建议：

第一，建立消费者保护制度。可以发现，互联网的普及反而更易带来低收入与城镇低收入群体债务风险的累积，而这部分群体的风险承受能力和损失承担力往往更弱。因此各级政府部门应完善相关消费者保护机制，重点关注对这部分群体的保护。

第二，防范互联网金融市场的风险。互联网的普及会显著推高家庭债务杠杆率。在互联网与金融模式相互融合发展的过程中，应认真严肃处理非法集资产品问题，防止部分非法分子借助不合规的“互联网金融”、“P2P贷款”等互联网金融产品损害个体投资者的权益。因此，相关部门应积极建立对互联网金融市场风险的控制，增加信息披露，及时发现并处理风险，健全相关防范风险规章制度。

第三，增加投资者的金融知识培训，提高金融素养。金融素养低的家庭缺乏对金融投资中风险的防范，且难以有效识别风险。因此，需要增加相关的金融知识培训，提高投资者的风险管理能力，使其可以更为理性、正确的决策。