【会议综述】2023-2024年度数字经济开放研究平台年度峰会线下主论坛“数字经济与中国式现代化”

中国社会科学院金融研究所金额科技研究室主任尹振涛主持会议。

蚂蚁集团研究院高级专家谢专的演讲题目为《存量房贷利率下调的消费提振效应》。他指出，当前我国经济面临着有效不足的问题，从短期来看，我国经济处于消费和房地产双弱的局面；从长期来看，我国居民消费在国民经济中的占比偏低。针对这种情况我国出台了很多政策，其中2023年发布的《关于降低存量首套住房利率有关事项的通知》在提振消费中发挥重要作用。该研究结合调研数据以及支付宝数据，利用双重差分模型，研究房贷利率支出变化如何影响消费。研究发现，相对于有房产无房贷家庭，有房贷家庭的消费在存量房贷利率下调后提高了5.4%，并且主要表现为非信用消费的增长。宏观测算结果显示，存量房贷利率下调政策拉动了0.61个百分点的居民消费增长和0.23 个百分点的GDP增长。消费提振效应在青年人群、低收入群体和一线城市家庭中更明显，并主要体现为非耐用消费品和住房无关消费的增长。

中国社会科学院金融研究所汪勇副研究员做了点评，认为这篇文章使用标准的DID模型，研究存量房贷利率下调对家庭消费的影响，具有重要现实意义。同时，文章使用数据检验几个重要的消费理论在我国的适用性，是一大创新点。不过，作者可以就一些问题进一步加强讨论：

一是数据是否具有代表性。这篇文章中使用的数据与全国数据有一定的出入，例如，该数据中的月人均支出为1500元左右，而全国数据中的月人均支出在2200元左右，二者之间存在着较大的差异；

二是假设有待商榷。在测算存量房贷利率下调的宏观经济影响时，作者假定政策效应后半年数据评估出的消费提振效应能在全年保持，有些过于严格，不一定成立。建议作者将样本时间段往后适当延展，开展更为严谨的评估；

三是深化研究结论的分析。这篇文章包含“边际消费倾向略大于1”这一结论，但这一结论与传统的政府补贴政策的边际消费倾向在0.2-0.8之间相悖，也与持久收入假说中边际消费倾向的上限为1相悖，但文章对该结论的论证较少，因此建议作者结合现有文献，深化对该结论的分析；

四是重视学术规范。三重差分模型开展异质性分析时，除了要展示三重交互项外，也要将另外的二重交互项，尤其是二重差分项呈现出来，同时要交代采用了哪种类型的标准误。

中国社会科学院金融研究所汪勇副研究员的演讲题目为《基于数字信贷的数字金融服务与居民消费韧性》。他表示，当前我国最终消费对GDP增长贡献在50%以上，占比较高，但是容易受到外部冲击的影响。同时，我国数字金融快速发展，尤其是在支付、信贷领域有着突出的表现，会对经济社会发展产生积极作用。基于以上背景，这篇文章利用2万武汉用户农历2018年8月至2020年11月的月度数据以及38万用户在公历2019年9月至2022年12月的月度脱敏数据研究了两个问题：一是研究重大公共卫生事件对居民消费行为、消费结构产生的影响。研究结果显示，重大公共卫生事件后居民消费显著下降，线上消费占比出现了明显的跃迁，且居民消费支出的减少主要体现在对非耐用品、服务的消费上，而在耐用品上的消费无明显变化。二是数字信贷对居民消费抵御重大公共卫生事件冲击的作用。研究结果显示，数字信贷能够显著提升居民消费抵御重大公共卫生事件冲击的能力，尤其是青年人群、中低收入用户、农村居民以及对耐用品的消费。从传导机制上看，数字信贷主要通过缓解流动性约束、增强保险效应和减弱“信念伤痕”渠道发挥作用。

《数量经济技术经济研究》编辑部主任郑世林研究员指出，这篇文章利用重大公共卫生事件和细颗粒度的大样本数据，研究数字金融对居民消费韧性的作用，具有很强的现实意义。同时，他认为这项研究仍有部分问题需要注意：

一是优化论文内容。由于当前关于重大公共卫生事件对消费的影响已经做过很多的讨论，因此可以将研究视角集中于数字金融在重大公共卫生事件后对居民消费的促进效应上，重大公共卫生事件对居民消费的影响可以删去。同时，可以延长研究的时间区间，增加2022年之后数字金融对居民消费韧性影响的分析；

二是关注内生性问题。这篇文章虽然控制了用户个体特征和月度固定效应，但在一定程度上可能未完全排除用户自选择效应的问题。例如，重大公共卫生事件结束之后开通数字信贷的样本，与没有开通数字信贷的样本之间的关系是怎样的，是否具有选择性？这些因素容易产生内生性问题，可以通过选择合适的外生工具变量来控制内生性。

国际清算银行（BIS）经济学家邱晗对论文做了细致点评。他总结了这篇文章的主要内容、数据的选择、模型的设计以及最终的研究结论，肯定了该研究对我国现实问题重要的启示意义，并提出了修改建议：

第一，优化数据处理。一方面，这篇文章使用的样本用户平均年龄为33岁，与我国人口分布存在一定的差异，这个问题可以通过用年龄加权使得研究更具代表性；

第二，提升回归结果的稳健性。这篇文章的基准回归使用的是实际消费金额，可能会受到极值的影响。例如，耐用品的消费在支付宝中占比较小，自然下降就较小，但未必代表其受影响程度较低。针对这个问题建议使用对数处理。

第三，细化样本之间的讨论。这篇文章一个重要发现来源于开通花呗、借呗的样本与未开通花呗、借呗的样本之间的对比，但是并未区分开通花呗、借呗的样本属于只开通了花呗、只开通了借呗或是两者都开通了这三种情况中的哪一种。建议作者增加篇幅介绍实证的过程；

四是延长研究时间区间。结合国际清算银行最新的一个研究发现，在重大公共卫生事件结束以后，周边许多国家预期中国消费将产生一个非常强的反弹效应，但实际上并没有。因此，作者可以将时间区间拉长，尝试研究重大公共卫生事件是否对于我国居民消费产生了结构性的长期影响。

北京大学国家发展研究院胡佳胤助理教授演讲的题目为《The Use and Disuse of FinTech Credit: When Buy-Now-Pay-Later Meets Credit Reporting》，展示了关于金融信息共享与数字信贷使用的最新研究。胡佳胤指出，数字金融在全球范围内对支付体系和信贷市场产生了颠覆性的影响，尤其在中国，数字金融发展处于世界前列。作者利用从蚂蚁金服平台获取的20万花呗用户的随机样本，结合2021年9月中国央行将花呗接入征信系统的政策冲击，采用双重差分（DID）方法对政策影响进行了深入分析。

研究发现，接入征信系统后，消费者减少了对金融科技产品的使用，违约率显著降低，尤其是对有违约历史的用户。此外，用户倾向于将支付方式从花呗转移到信用卡等其他支付方式，这表明征信系统的加入改变了用户的借贷和支付行为。在线消费的下降也表明部分用户可能由于征信记录的担忧而减少使用花呗。

《世界经济》编辑部主任高凌云研究员对胡佳胤的研究做了深入点评。高凌云首先通过引入一个现实事例，类比了论文中关于金融科技和信用系统如何影响用户行为的核心观点。他指出，就像一个经过装修提升了档次的餐厅可能会吸引新顾客同时失去一些旧顾客一样，金融科技的发展和征信系统的完善也可能改变金融市场的消费者结构。

高凌云认为这项研究主题新颖，特别是研究聚焦了将花呗的信用信息纳入央行征信系统，对用户使用BNPL（先买后付）产品行为产生的影响。他提到，这个变化可能导致某些用户因为信用评级的变化而选择放弃使用某些金融产品，同时吸引追求高信用记录的新用户。

在技术和方法上，高凌云对文章使用的数据粒度和因果分析方法表示赞赏，特别是将调查数据与实证分析相结合的方式，为论文的结论提供了坚实的证据支持。他特别强调了研究中对不同用户行为的异质性分析，以及对政策变化前后用户行为的细致观察。

高凌云对文章提出了几点建议：第一，考虑到疫情的影响，研究需要特别注意时间段选择对结果的可能影响；第二，探讨被征信系统排除的用户去向，以及这是否影响了整体的借贷行为；第三，从经济学角度进一步挖掘研究的潜在新概念和理论；第四，考虑到征信系统的惩戒与鼓励双重作用，研究应当更深入地分析这两种作用对用户行为的具体影响。

蚂蚁集团研究院高级专家谢专对胡佳胤的研究做了细致点评。谢专的点评可以概括为四点：第一，谢专认为这项研究选择了一个非常重要和前沿的话题，即大科技平台的BNPL产品如何纳入征信系统。他指出这是一个学术界和业界都非常关注的问题，特别是政策层面的关注。他肯定了论文在学术上的创新，特别是它是首篇研究BNPL信息共享的文章。第二，政策影响的实证评估。谢专肯定了文章利用实证数据评估政策影响的方法，尤其是对于金融产品用户行为变化的深入分析。第三，关于用户使用下降的解释。谢专对文章分析花呗使用下降的原因提出了补充意见，指出可能不仅仅是因为担心违约的影响，还可能包括用户不希望花呗使用记录出现在征信报告中。他还提到了其他支付方式的转换可能性，包括信用卡和亲朋借贷。第四，消费者行为的经济学分析。谢专对花呗用户的消费行为进行了进一步的讨论，提出虽然短期内可能会通过花呗平衡消费冲击，但过度借贷的概念可能被高估了。他认为，过度借贷更可能发生在信用良好的消费者身上，因为这些消费者可以从多个渠道获得信贷。

国际清算银行（BIS）经济学家邱晗的演讲题目为《Generative AI and labour productivity: a field experiment on coding》。邱晗首先通过个人经历引入主题，分享了自己如何通过使用ChatGPT显著提高英语写作效率的经历。这段经历不仅显示了生成式AI在语言处理方面的潜力，也启发了进一步研究其在更广泛工作场景下的应用。

研究背景是蚂蚁集团开发的CodeFuse平台，这是一个为程序员提供编程时AI辅助的工具，功能包括代码补全、问题解答和错误检测。CodeFuse的推广提供了一个独特的自然实验机会，因为该平台最初仅在公司的两个部门中推广使用，提供了实验组和对照组的自然划分。

研究采用倾向得分匹配（PSM）对实验组和对照组进行匹配，并主要通过代码量来衡量生产率的变化。初步结果显示，使用CodeFuse的程序员代码量提高了约50%。这一显著的提升引发了对AI直接和间接影响的进一步分析。AI直接编写的代码占比在10%-20%之间，大部分生产率提升来源于程序员通过AI节省时间后转向更有创造性的工作。邱晗还分析了程序员对AI建议的接受与拒绝率，发现资深程序员虽然使用AI的频率较低，但一旦使用，其接受AI建议的概率与年轻程序员相近。这表明资深程序员较少使用AI更多是由于习惯于传统工作方式，而非AI技术本身的限制。异质性分析显示，年轻程序员从AI中获得的学习和生产率提升更显著，而资深程序员虽然接受度良好，但对AI的依赖性较低。邱晗总结，生成式AI有巨大的潜力提高程序员的生产率，尤其是通过时间节约和学习新技能的方式。他也提到，未来提高AI技术的采纳率可能需要更注重用户界面和易用性，而不仅仅是提高AI的计算能力。

《管理世界》编辑部主任闫妍研究员对邱晗的研究进行了详细的点评。闫妍首先表达了对这篇文章的高度兴趣，认为该研究选择了一个非常前沿和重要的话题，即生成式人工智能（AI）技术在编程领域的应用。她提到了国内外在大语言模型方面的发展，强调了生成式AI的快速进步和广泛应用。

闫妍对文章使用高质量的实地实验数据表示赞赏，并对实验设计的严谨性给予了高度评价，尤其是对控制组与处理组的精准划分。通过对CodeFuse平台的实验分析，文章有效展示了生成式AI在提高编程效率方面的巨大潜力。

在点评中，闫妍对文章中的结果进行了深入分析，特别是关于高级程序员和初级程序员对AI建议接受度的差异。她提出了一些疑问和思考，建议作者对于数据描述的某些部分进行澄清，例如P5到P8级别的描述可能需要更精确。她还对文中的图表进行了详细的分析，指出了不同时间点数据波动的原因值得进一步探讨。

闫妍建议，考虑到大语言模型的功能和接受度可能随时间提升，建议邱晗团队可以继续跟踪研究技术的进步和对用户行为的长期影响。她还提出了对生成式AI技术本身的进一步改进和完善的可能性，特别是在用户界面和易用性方面，这对提高AI技术的采纳率可能更为重要。

最后，闫妍总结说，邱晗及其团队的研究不仅为与会者提供了生成式AI在编程领域的实际应用案例，还对如何更有效利用AI技术进行了有益的探讨，为未来的研究方向提出了启发性的建议。

北京大学国家发展研究院胡佳胤助理教授对邱晗的研究进行了细致点评。胡佳胤首先强调了这项研究的时效性和重要性，特别是在探讨AI对劳动力市场的影响这一前沿话题上。她详细讨论了研究中使用的实验方法，赞扬了实验设计的严谨性和通过因果分析得到的结果。

胡佳胤指出，研究发现生成式AI可以显著提升程序员的生产力，尤其是对于初级程序员而言，AI的帮助尤为明显。她强调了这一点的重要性，认为这表明AI技术不仅可以替代一些基础性工作，还可以通过提升工作效率来辅助人类员工。

在点评中，胡佳胤还提出了对研究方法和数据分析的一些建议。她建议研究者在未来的工作中可以进一步探讨AI技术在不同编程任务中的具体应用，比如区分简单任务和复杂任务的影响，以及探讨团队协作环境下的AI应用。此外，她也建议研究者考虑长期的研究，以观察AI技术的持续影响和可能的行业变革。

胡佳胤对AI技术未来在各行各业，尤其是在高知识要求环境下的应用前景表示乐观。她提出，AI的进步不仅能够改善劳动生产力，还能促进教育和人力资本的发展。通过探讨AI如何与人类工作经验相结合，她认为可以更全面地理解技术进步对社会的影响。