随着经济社会的发展,人们对健康的重视程度不断提升,特别是当前我国正处于特殊的后疫情时代,健康问题愈发值得我们关注。当家庭遭受健康冲击时,不仅要支付巨额的医疗费用,还要承担因患病成员无法正常劳动而导致的收入损失,进而其他方面消费支出和家庭福利也会受到影响。此时,家庭应对冲击的能力大小就显得尤为重要(Islam and Maitra, 2012;何兴强、史卫,2014)。但是,当前我国不完善的社会保障体系并不能保证家庭具备完全的自我保险能力,一旦遭受健康冲击,家庭会优先依赖于变卖资产等非金融手段或民间借贷等非正规金融手段来应对。这些手段即使能缓一时之急,在中长期也必然使家庭付出代价,如减少子女教育投入会导致家庭未来的人力资本积累不足(Alejandra and Jorge, 2011)。在此背景下,推进金融市场的发展对改善中国家庭的冲击应对能力就显得尤为重要。不少研究表明发育良好的金融市场可以通过改善资源分配和提供风险管理工具来帮助居民实现消费的跨期平滑(Levchenko,2005)和风险应对水平的提升(Urrea and Maldonado, 2011;Choudhury,2014;张栋浩、尹志超,2018)。近年来,得益于信息技术、大数据和云计算等创新技术的应用,数字普惠金融得以快速发展。2016年的G20杭州峰会首次提出了数字普惠金融的概念,它泛指一切通过使用数字金融服务以促进普惠金融的行动。作为传统金融发展的新形式,数字普惠金融所具有的低成本、广覆盖等优势进一步延伸了金融服务的边界,有效缓解了金融约束,充分彰显了普惠金融的初心。
当前,部分学者从理论和实证层面探究了数字普惠金融与消费之间的关系,发现了其对消费的促进作用(易行健、周利,2018;何宗樾、宋旭光,2020;成学真、龚沁宜,2020),尽管上述研究对本文有所启发,但还存在以下可以挖掘的空间: 第一,鲜有文章基于某一特定的风险事件研究数字普惠金融和家庭消费之间的关系。第二,多数文章使用的是市级和省级层面的数字普惠金融指数,而用一个省或者市的整体情况去分析家庭行为的解释力可能还不够。基于此,本文将中国家庭金融调查(CHFS)数据和县域层面的“北京大学数字普惠金融指数”相匹配,从而建立微观主体、数字背景和家庭消费之间的因果链条;然后基于健康冲击这一风险事件研究家庭的消费行为,并综合评估数字普惠金融作用于家庭消费平滑的效果和机制。经济新常态下,对以上问题的关注有望进一步阐述数字普惠金融发展对改善金融包容性的重要现实作用,同时在微观层面上解释数字普惠金融发展对改善家庭福利、防止因病致贫返贫的积极作用。
二、文献回顾与研究假说近年来学术界就健康冲击与家庭消费之间的关系展开丰富研究,尽管研究结论并不完全统一,但多数文献都发现健康冲击会显著影响家庭消费。Kadiyala et al.(2011)在研究埃萨俄比亚农村家庭的风险应对时发现,家庭主要成员的去世会显著改变家庭消费水平和消费结构,尤其是那些原本就贫困的家庭。Sophie et al.(2016)发现严重的健康冲击通过影响家庭财务状况来削弱家庭其他方面的支出,而家庭间内部援助减轻了这种影响。何兴强、史卫(2014)利用2009年“中国城镇居民经济状况与心态调查”数据研究发现,当家庭的非户主成员健康状态变差时,家庭总消费水平会降低。郑瑜静、陈华(2017)基于“中国健康营养调查(CHNS)”数据发现,健康冲击加重了各收入水平的家庭医疗负担,但低收入家庭连食物消费也难以实现自我平滑。Islam and Maitra(2012)以孟加拉国家庭为研究对象,发现家庭更可能通过出卖生产性资产来应对长期健康冲击对食品消费的挤出,但是这种行为在具有小额贷款能力的家庭中表现得较少。Lindelow and Wagstaff(2005)以中国家庭为研究对象,发现相比于未参保家庭,健康冲击对参保家庭的收入、劳动供给以及医疗支出影响较小。
伴随着普惠金融的发展,储蓄、小额信贷、保险等多种金融服务在提升家庭风险应对能力、改善家庭福利上发挥着重要作用(Campbell and Mankiw, 1991;Urrea and Maldonado, 2011;Choudhury,2014;Swain and Floro, 2012;李涛等,2016;钱雪松、袁峥嵘,2022)。作为一种同时包含融资、投资和支付功能的金融形式,数字普惠金融的发展促进了资源的合理分配,改善了金融触达能力,并降低了低收入和弱势群体参与金融市场的成本和门槛(程相宾等,2019;尹志超、张栋浩,2020),为他们提供必要的金融服务和避险工具从而实现消费的跨期平滑(Allen and Gale, 2004;Levchenko,2005)。其具体的作用机制可能表现如下:第一,数字普惠金融可通过缓解流动性约束来改善家庭应对异质性风险的能力。首先,数字普惠金融缓解了家庭面临的信贷约束(谢家智、吴静茹,2020)。一方面,遭受冲击的家庭可以利用申请到的信贷资金购买生产生活所需的资源,而不必削减其他方面的必要开支。另一方面,数字信贷有利于刺激生产投资活动,进而提高长期的经营收入和消费水平(张龙耀等,2021)。其次,数字普惠金融开启了保险业的数字时代。通过持有保险,家庭可以用较少的保费维持一个相对安全的生活状态,并利用所得的保费赔偿分担医疗成本。再者,数字普惠金融改变了传统的储蓄方式。家庭把现金和储蓄转移到移动支付平台上后,并可以随时提取这些资金用于消费和投资,进而在遭受冲击时能通过消费过去的储蓄来维持当前的生活水平;最后,蚂蚁金服的支付宝、腾讯的财付通等数字金融平台还为家庭提供了基金、定期等一系列门槛低、操作便捷、收益可观的理财产品,从而优化家庭碎片化资金的整合,增加家庭资本收益,进而增强管理风险的能力。第二,数字普惠金融可通过强化非正式社交网络来改善家庭应对异质性风险的能力。解垩(2009)利用中国健康与营养调查数据研究发现,慢性病患者接受来自其他家庭的转移收入明显增加,这表明亲友间的非正式社交网络为家庭提供了风险分担的重要手段。作为数字普惠金融发展的重要载体,智能手机的普及改变了人们传统的社交方式,强化了人与人之间的联系纽带,弱化了地域限制带来的的信任堡垒;同时,数字支付的变革克服了远距离汇款所面临的成本、安全等问题,使得随时随地异地转账成为可能。Jack et al.(2013)以肯尼亚的移动支付革命为背景,研究发现使用数字转账支付服务的家庭其在遭受外生冲击时接受汇款的可能性更高,汇款人的来源也更丰富,进而家庭消费并不会受到冲击的显著影响。因此,在相互信任的社会环境中,频繁便利的社会交往有助于家庭社会资本的积累,进而增强家庭利用非正式保险网络来平滑消费的能力。
考虑数字普惠金融对家庭消费平滑的异质性分析:首先,由于二元经济结构的存在,我国区域经济发展并不平衡,东西部地区之间在经济发展、金融资源分配、医疗资源配置等方面都存在着很大的差异,相较于东部,中西部地区正规金融发展缓慢,金融抑制现象普遍;第二,人们的就业选择以及收入水平与自身受教育程度密切相关,一般而言,受教育程度高的劳动力更容易受到非农工作机会的青睐,而受教育程度低的群体更可能从事收入水平低且不稳定的工作,因此他们对收入冲击的消费保险能力更差(Blundell et al., 2008;Jappelli and Pistaferri, 2011);第三,金融素养的提升有助于个人和家庭财富的积累,因此是影响家庭参与金融市场行为和表现的重要因素(Rooij et al., 2011;周雨晴、何广文,2020)。更具包容性的数字普惠金融有望打通金融服务“最后一公里”,从而克服传统金融的“嫌贫爱富”(贝多广、李焰,2017;张勋等,2019)。因此相比于那些原本就有能力、有机会参与传统金融市场的人来说,中西部地区以及受教育程度低、金融素养不高的弱势群体更能从数字普惠金融的普惠性和包容性中受益。此外,洪秋妹、常向阳(2010)指出“冲击”一词意味着受到严重的影响,一般小病并不属于健康冲击的范围。这表明一般性健康冲击的影响很可能通过基础医疗服务或传统的金融手段被平滑掉,因此就冲击的程度而言,数字普惠金融更可能在遭受严重冲击的家庭中发挥作用。基于以上分析,本文提出以下假说:
假说1:健康冲击对家庭非医疗消费支出有显著负面影响,而数字普惠金融的发展能减轻这种影响。
假说2:数字普惠金融通过缓解家庭流动性约束和强化非正式社交网络来帮助家庭应对健康冲击对消费的影响。
假说3:数字普惠金融对健康冲击的减轻作用在中西部家庭以及户主受教育程度低、金融素养不高、健康冲击程度严重的家庭中表现得更为明显。
三、研究设计 (一) 数据来源本文实证检验所用的数据集由2017年和2019年中国家庭金融调查(CHFS)数据以及县域层面的“北京大学数字普惠金融指数”合并得到。其中,CHFS数据自2011年开展正式访问后,每两年更新一次,调查内容涉及了人口特征、家庭消费、资产、收入、保险等方面的信息,从而为本研究提供了良好的数据基础;“数字普惠金融指数”由北京大学数字普惠金融中心与蚂蚁金服集团组成的联合课题组编制,具有良好的代表性。本文将户主年龄小于16岁的样本家庭剔除,同时按消费和收入对样本进行上下1%缩尾处理,最终保留了12968个样本,构成了两期平衡面板数据。
(二) 变量选择 1. 被解释变量本文关注的是健康冲击这一特定冲击事件下家庭的消费行为,因此被解释变量为家庭非医疗消费支出,即总消费支出减去家庭医疗保健支出,其中医疗保健消费开支包括看病、购买保健品、生育等所有与医疗保健相关的开支。在实证部分将该变量取对数后纳入回归。
2. 核心解释变量(1) 数字普惠金融发展程度
以县域层面的数字普惠金融指数来衡量。除总指数外,本文还考虑了数字普惠金融的分类指数,即数字金融服务的覆盖广度、使用深度2个一级维度和支付业务、信贷业务、保险业务、投资业务4个二级维度,以全面反映数字普惠金融发展的作用。在实证部分将各维度指数除以100后纳入回归。
(2) 健康冲击
在经济学研究中,各国学者针对不同研究主题从不同的角度对健康冲击予以定义。早期国外研究大多将受访者的健康自评作为衡量依据,但该方法有效的前提是受访者充分了解自身的健康状况。后来一些学者注意到健康冲击对劳动参与的影响,进而转用“因病误工的天数”这一指标来衡量(郑瑜静、陈华,2017)。楚克本等(2018)考虑到健康冲击的严重程度,以“一年中成人家庭成员发生住院事件的比例”“是否发生巨大医疗支出”来衡量大病健康冲击,以“两周内感到不适的家庭成员比例”“两周内户主健康感受变化”来衡量一般性健康冲击。本研究结合文献和CHFS调查问卷中的相关问题设计,选择“一年内家庭自付医疗支出(总医疗支出与报销金额之差)是否超过收入的10%”这一指标来观察家庭是否遭受严重健康冲击,而在异质性分析中以“样本期内户主的健康感受变化”来观察家庭是否遭受一般健康冲击。
3. 控制变量通过对文献的梳理,本文在家庭层面主要关注家庭规模、家庭收入、家庭资产、家庭社会交往以及城乡变量;个体层面主要关注户主的年龄、性别、婚姻、受教育年限、医疗保险参与等。具体变量设定和变量说明见表 1。
![]() |
表 1 变量说明与描述性统计 |
由表 1可知,受到健康冲击的样本具有以下特征:首先,受冲击样本的非医疗消费水平要低于未受冲击的样本,这表明作为一项负面风险事件,健康冲击使得家庭非医疗消费受到波动而变得不平稳;第二,从家庭特征来看,受到健康冲击的家庭收入水平、资产规模、社会资本水平、社会医疗参与率都比较低,而且他们来自农村的概率更高;第三,从个人特征来看,户主年龄大、受教育程度低的家庭更容易遭到健康冲击,这是因为年轻人的身体状况更好,人力资本水平高的家庭能获得更高的收入;最后,从数字普惠金融发展来看,相比于未受冲击样本,受冲击家庭所在地区的数字普惠金融发展水平相对较低,这可能是因为数字普惠金融往往优先在那些原本经济水平就高的地区发展,进而这些地区金融发展和医疗水平相对来说更完善。
(三) 模型设定基于Hausman检验的结果,本部分采用面板固定效应模型以实证检验健康冲击对家庭消费的影响以及数字普惠金融在其中所起的作用,具体模型设定如下。
$\ln {{\rm{C}}_{it}} = {\beta _0} + {\beta _1}H{S_{it}} + {\beta _2}H{S_{{\rm{it}}}}*D{F_{ijt}} + {\beta _3}D{F_{ijt}} + \gamma {X_{it}} + {\varphi _i} + {\varphi _t} + {\varepsilon _{it}}$ | (1) |
上述回归方程中,下标i代表家庭,t表示时间,j代表地区。被解释变量lnCit表示家庭i在t年的非医疗消费支出对数;HSit为二值虚拟变量,若家庭i在t年遭受健康冲击则赋值为1,否则取值0;DFijt表示家庭i所在j县域年的数字普惠金融指数;HSit*DFijt表示健康冲击与数字普惠金融的交互项;Xit是一组潜在的影响家庭消费的控制变量;φi为个体固定效应,φt为时间固定效应,εit为随机扰动项。
四、实证结果分析 (一) 基于数字普惠金融总指数的回归表 2报告了基于模型(1)的回归结果。第1列中只加入健康冲击(HS)变量,在第2列,增加了数字普惠金融总指数(DF)及其与健康冲击的交互项(HS*DF),第3列进一步加入户主个体特征与家庭特征变量。结果显示,无论是否添加控制变量,健康冲击(HS)的系数始终显著为负,这表明当家庭遭受健康冲击时,由于医疗负担加重、收入减少,家庭的非医疗消费水平有所下降;与此同时,第2列和第3列中,数字普惠金融总指数和健康冲击的交互项系数(HS*DF)始终显著为正,与健康冲击(HS)的系数符号相反,且在加入了控制变量后,显著性水平由10%提高到1%,这表明,数字普惠金融的发展减轻了健康冲击对家庭的负面影响,假说1得到验证。
![]() |
表 2 基于数字普惠金融总指数的回归结果 |
同时,本文选取的控制变量大多对家庭的非医疗消费影响显著。家庭资产和收入水平与非医疗消费支出显著成正比,这一结果符合生命周期理论,即家庭会将资产和收入平滑地分配到生命周期的不同阶段以追求效用最大化。家庭成员数量越多,家庭消费支出越多。家庭转移性支出与家庭非医疗消费水平显著正相关。转移性支出越多的家庭更可能拥有较大的社交网络,这一非正式的保险网络是家庭应对冲击的重要渠道之一,户主受教育年限与家庭非医疗消费水平显著正相关,一般而言受教育水平越高的家庭,其收入越高,进而消费水平也越高。由于城乡经济发展和收入分配都存在一定的差距,因此城镇家庭的消费水平更高。
(二) 基于数字普惠金融分类指数的回归将数字普惠金融总指数替换为各分类指数代入模型(1)进行实证分析得到的结果如表 3所示。健康冲击显著负面地引起了家庭非医疗消费支出的变动,即中国家庭并不能对冲击事件带来的负面影响实现完全的自我保险。各分指标与健康冲击的交互项系数仍显著为正,与健康冲击的系数符号相反,这再次印证了假说1,即数字普惠金融的快速发展进一步激活了普惠金融的发展潜力,通过提供信贷、保险、理财、转账支付等金融服务改善了家庭的冲击应对能力。
![]() |
表 3 基于数字普惠金融分类指数的回归结果 |
按照假说2,倘若数字普惠金融真的能够通过缓解流动性约束和强化非正式社交网络来影响冲击下的家庭消费,那么相比没有受到流动性约束以及原本就拥有丰富社交网络的人来说,数字普惠金融应当可以更加明显地影响受到流动性和社交网络限制的家庭。为考察流动性约束这种机制的重要性,本文借鉴臧旭恒、张欣(2018)的做法,以家庭所拥有的现金、银行存款、股票等金融资产作为判断依据,按大小将样本划分为两组;为考察非正式社交网络强化这种机制的重要性,本文以家庭年通信网络费支出作为判断依据,按大小将样本划分为两组。分样本回归的结果如表 4所示。其中前两列的回归结果表明,对于流动性资产较少的居民,数字普惠金融显著减轻了健康冲击对消费的影响,后两列结果则表明,遭受健康冲击时,社会网络相较不发达的家庭能更多地受益于数字普惠金融的发展。这个结果有力地支持了假说2,即数字普惠金融通过缓解家庭流动性约束和强化非正式社交网络来帮助家庭应对健康冲击对消费的影响。
![]() |
表 4 作用机制分析结果 |
为避免一些不可观测因素可能给回归模型带来的内生性问题,本部分借鉴Bartik(2009)以及易行健、周利(2018)的做法,构建一个“Bartik instrument”(滞后一阶的数字普惠金融指数L.DF与数字普惠金融指数在时间上的一阶差分D.DF的乘积),然后用“Bartik instrument”作为数字普惠金融的工具变量,并与健康冲击形成交互项进行工具变量估计。该工具变量的选取基于以下考虑:一方面,无论是滞后一阶的指数还是将指数进行差分都与数字普惠金融指数发展密切相关,因此满足相关性要求;另一方面,由于数字普惠金融指数的统计口径来自全国2800多个县域,因此某一个县域层面的消费情况不会对该指数产生明显影响,即全国层面的数字普惠金融指数的变化对具体某个县而言是相对外生的,满足排他性要求。
基于工具变量法的回归结果如表 5所示。在第一阶段中,工具变量的估计系数统计显著异于0。第二阶段中,健康冲击的系数显著为负,交互项的系数显著为正,与主回归结果一致,这表明在考虑内生性问题的基础上,本文的研究结论是稳健的。
![]() |
表 5 基于工具变量法的回归结果 |
为了消除非时变变量对回归结果可能产生的影响,本部分借鉴Gertler and Gruber(2002)的方法,分别对被解释变量非医疗消费支出以及解释变量中的健康冲击、数字普惠金融指数取一阶差分,其余变量的选取与主回归一致。表 6展示了回归结果:健康冲击降低了家庭非医疗消费支出,而数字普惠金融的各级指标与健康冲击的交互项系数仍显著为正,即数字普惠金融显著地减轻了健康冲击的影响。
![]() |
表 6 基于一阶差分的回归结果 |
本节按地区将样本分为东部、中西部地区,以户主受教育年限的均值以及户主金融素养的70%分位数为划分标准来进行分样本回归,其中金融素养的计算方式参照尹志超等(2014)做法,利用因子分析法得到。此外,关于“一般性健康冲击”,由于户主的健康感受变化在样本期内分为“变好”“变差”和“没有变化”三种情况,为便于分析,本节将“没有变化”的样本剔除,以直观、准确地反映数字普惠金融的作用,余下的样本占样本总数的60%以上,仍具有较好的代表性。
表 7的估计结果表示健康冲击下东部地区的家庭非医疗消费支出没有发生明显的改变,同样,数字普惠金融的作用也不明显。这说明东部地区家庭的非医疗消费支出相对平滑,他们有一定的能力抵御健康冲击而不必削减其他方面的消费。而中西部地区家庭的非医疗消费支出受到了健康冲击的显著负面影响,同时数字普惠金融对他们起到了显著的积极作用。这表明,相对于东部地区的地理优势,中西部地区欠发达的金融市场为数字普惠金融留下了发挥作用的空间。
![]() |
表 7 异质性分析结果 |
其次,由表 7还可以看出,健康冲击对户主受教育水平和金融素养较高的家庭影响并不显著,这些家庭更可能凭借较高的收入水平应对健康冲击;而户主受教育水平和金融素养低的家庭则受到健康冲击的显著影响,且数字普惠金融作用也更显著。可能的原因是,这些家庭拥有的人力资本水平不高,更可能从事收入较低的工作,或更容易遭到正规金融市场的排斥而缺乏足够的避险工具,而数字普惠金融的参与门槛较低,因此他们更能从数字金融的普惠性中受益。
此外,从健康冲击的程度来看,一般性健康冲击对家庭的影响并不显著,这验证了前文的分析,即基于现有的医疗资源或传统金融手段,家庭足以承担一般性健康冲击带来的影响。而当健康冲击的力度较严重时,家庭非医疗消费受到显著影响,且数字普惠金融显著地减轻了这种影响。至此,假说3得以验证。
五、结论与政策启示本文利用中国家庭金融调查(CHFS)数据和“北京大学数字普惠金融指数”检验健康冲击对中国家庭消费的影响,以及数字普惠金融的发展在其中的作用。实证结果显示,健康冲击对家庭的非医疗消费支出有显著的负面影响,而数字普惠金融的发展显著地减轻了这种影响,且就分指标来看,数字普惠金融发展的覆盖广度、使用深度以及使用深度指标中信贷、保险、货币基金、支付这四个子指标均显著地减轻了冲击下的家庭消费波动;在改用工具变量法和一阶差分法后,得到的结果与主回归一致,表明上述结论是稳健的。就作用机制而言,数字普惠金融主要通过缓解家庭流动性约束和强化非正式社交网络来帮助家庭应对健康冲击对消费的影响;基于异质性分析的回归结果显示,和一般性健康冲击相比,严重健康冲击的危害更大,同时中西部地区、户主受教育水平以及金融素养较低的家庭应对冲击的能力更弱,从而数字普惠金融的减缓作用在这部分家庭中更显著。
根据上述研究结论,本文得到如下的政策启示:第一,应该重视数字普惠金融在改善家庭风险应对方面的重要作用,并将其作为巩固脱贫攻坚成果的手段,着重改善脱贫家庭的消费保险能力,阻断一切因病返贫致贫的可能,让居民消费在稳定提升中助推经济的高质量发展。第二,在保障金融风险有效监管的前提下,鼓励各类数字普惠金融业务推陈出新,设计针对健康冲击的医疗贷、健康保险等产品,保证居民得到及时有效的治疗,进而有底气、有能力消费。第三,充分利用数字普惠金融所依托的数据优势和信息优势,注重居民之间的社交网络建设,利用这种非正式制度安排推动数字金融普惠效应的可复制、可传递。最后,加大面对落后地区数字普惠金融基础设施建设的资金投入,注重提高弱势群体的智能化素养和数字技能,帮助他们克服使用数字金融产品与服务中的障碍。
[] |
贝多广、李焰, 2017, 《数字普惠金融新时代》, , 北京: 中信出版社。 |
[] |
程相宾、江修、杨文, 2019, “我国农村金融包容水平对农民健康状况的影响及区域差异”, 《西部论坛》, 第 5 期, 第 55-64 页。DOI:10.3969/j.issn.1674-8131.2019.05.007 |
[] |
楚克本、刘大勇、段文斌, 2018, “健康冲击下农村家庭平滑消费的机制——兼论外部保障与家庭自我保障的关系”, 《南开经济研究》, 第 2 期, 第 39-55 页。 |
[] |
成学真、龚沁宜, 2020, “数字普惠金融如何影响实体经济的发展——基于系统GMM模型和中介效应检验的分析”, 《湖南大学学报(社会科学版)》, 第 3 期, 第 59-67 页。DOI:10.3969/j.issn.1008-1763.2020.03.008 |
[] |
何兴强、史卫, 2014, “健康风险与城镇居民家庭消费”, 《经济研究》, 第 5 期, 第 34-48 页。 |
[] |
何宗樾、宋旭光, 2020, “数字金融发展如何影响居民消费”, 《财贸经济》, 第 8 期, 第 65-79 页。DOI:10.3969/j.issn.1002-8102.2020.08.005 |
[] |
洪秋妹、常向阳, 2010, “我国农村居民疾病与贫困的相互作用分析”, 《农业经济问题》, 第 5 期, 第 85-94+112 页。 |
[] |
李涛、徐翔、孙硕, 2016, “普惠金融与经济增长”, 《金融研究》, 第 4 期, 第 1-16 页。DOI:10.3969/j.issn.1009-3109.2016.04.001 |
[] |
钱雪松、袁峥嵘, 2022, “数字普惠金融、居民生活压力与幸福感”, 《经济经纬》, 第 1 期, 第 138-150 页。 |
[] |
谢家智、吴静茹, 2020, “数字普惠金融、信贷约束与家庭消费”, 《中南大学学报(社会科学版)》, 第 2 期, 第 9-20 页。 |
[] |
解垩, 2009, “与收入相关的健康及医疗服务利用不平等研究”, 《经济研究》, 第 2 期, 第 92-105 页。 |
[] |
易行健、周利, 2018, “数字普惠金融发展是否显著影响了居民消费?——来自中国家庭的微观证据”, 《金融研究》, 第 11 期, 第 47-67 页。 |
[] |
尹志超、宋全云、吴雨, 2014, “金融知识、投资经验与家庭资产选择”, 《经济研究》, 第 4 期, 第 62-75 页。 |
[] |
尹志超、张栋浩, 2020, “金融普惠、家庭贫困及脆弱性”, 《经济学(季刊)》, 第 5 期, 第 153-172 页。 |
[] |
臧旭恒、张欣, 2018, “中国家庭资产配置与异质性消费者行为分析”, 《经济研究》, 第 3 期, 第 21-34 页。 |
[] |
张栋浩、尹志超, 2018, “金融普惠、风险应对与农村家庭贫困脆弱性”, 《中国农村经济》, 第 4 期, 第 54-73 页。 |
[] |
张龙耀、金佳怡、龙琦、王旋, 2021, “数字信贷对农户生产和消费影响的实证研究——以浙江杭州为例”, 《农村金融研究》, 第 8 期, 第 34-42 页。 |
[] |
张勋、万广华、张佳佳, 2019, “数字经济、普惠金融与包容性增长”, 《经济研究》, 第 8 期, 第 71-86 页。DOI:10.3969/j.issn.1005-2674.2019.08.008 |
[] |
郑瑜静、陈华, 2017, “'城居保'能减轻健康冲击的影响吗”, 《金融经济学研究》, 第 4 期, 第 118-128 页。 |
[] |
周雨晴、何广文, 2020, “数字普惠金融发展对农户家庭金融资产配置的影响”, 《当代经济科学》, 第 3 期, 第 92-105 页。 |
[] |
Islam A., Maitra P., 2012, "Health Shocks and Consumption Smoothing in Rural Households: Does Microcredit Have a Role to Play?". Journal of Development Economics, 97(2), 232–243.
DOI:10.1016/j.jdeveco.2011.05.003 |
[] |
Levchenko A.A., 2005, "Financial Liberalization and Consumption Volatility in Developing Countries". IMF Economic Review, 52(2), 237–259.
|
[] |
Allen F., Gale D., 2004, "Competition and Financial Stability". Journal of Money, Credit and Banking, 36, 453–480.
DOI:10.1353/mcb.2004.0038 |
[] |
Campbell J.Y., Mankiw N.G., 1991, "The Response of Consumption to Income: A Cross-country Investigation". European Economic Review, 35(4), 764–767.
DOI:10.1016/0014-2921(91)90035-H |
[] |
Alejandra M., Jorge H.M., 2011, "Vulnerability and Risk Management: the Importance of Financial Inclusion for Beneficiaries of Conditional Transfers in Colombia". Canadian Journal of Development Studies, 32(4), 381–398.
DOI:10.1080/02255189.2011.647442 |
[] |
Choudhury M., 2014, "Poverty, Vulnerability and Financial Inclusion: The Context of Bangladesh". Journal of Politics and Administration, 2(1), 1–13.
|
[] |
Sophie M., Michael P., Danie M., 2016, "Can Households Cope with Health Shocks in Vietnam?". Health Economics, 25(7), 888–907.
DOI:10.1002/hec.3196 |
[] |
Van Rooij M., Lusardi A., Alessi R., 2011, "Financial Literacy and Stock Market Participation". Journal of Financial Economics, 101(2), 449–472.
DOI:10.1016/j.jfineco.2011.03.006 |
[] |
Gertler P., Gruber J., 2002, "Insuring Consumption Against Illness". The American Economic Review, 92(1), 51–70.
DOI:10.1257/000282802760015603 |
[] |
Blundell R., Pistaferri L., Preston I., 2008, "Consumption Inequality and Partial Insurance". The American Economic Review, American Economic Association, 98(5), 1887–1921.
|
[] |
Swain R.B., Floro M., 2012, "Assessing the Effect of Microfinance onVulnerability and Poverty amongLow Income Households". Journal of Development Studies, 48(5), 605–618.
DOI:10.1080/00220388.2011.615917 |
[] |
Kadiyala S., Rogers B., Quisumbing A., Webb P., 2011, "The Effect of Prime Age Adult Mortality on Household Composition and Consumption in Rural Ethiopia". Food Policy, 36(5), 647–655.
DOI:10.1016/j.foodpol.2011.06.003 |
[] |
Jappelli T., Pistaferri L., 2011, "Financial Integration and Consumption Smoothing". The Economic Journal, 121(553), 678–706.
DOI:10.1111/j.1468-0297.2010.02410.x |
[] |
Jack W., Raya A., Suri T., 2013, "Transaction Networks: Evidence from Mobile Money Kenya". The American Economic Review, 103(3), 356–361.
DOI:10.1257/aer.103.3.356 |
[] |
Lindelow M., Wagstaff A., 2005, "Health Shocks in China: Are the Poor and Uninsured Less Protected?". Policy Research Working Paper Series, 16(5), 441–456.
|
[] |
Bartik T.J., 2009, "How do the Effects of Local Growth on Employment Rates Vary with Initial Labor Market Conditions?". Upjohn Institute Working Paper(9148).
|