FRL | 金融科技和农村家庭创业

财富 2024-09-18 17:01 北京

2024年8月，Finance Research Letters发布了“FinTech and rural household entrepreneurship”一文。此文基于2014年、2016年、2018年和2020年中国家庭面板研究(CFPS)调查数据，结合金融科技(FinTech)指数，采用Logit模型和工具变量法估计探讨了金融科技对农村家庭创业的影响。实证结果强调了金融科技在促进农村家庭创业方面的重要作用，表明金融科技正向调节正规金融与农村信贷约束之间的关系，从而促进农村创业。值得注意的是，金融科技对创业的影响在城市化水平较低的地区尤为明显，这表明在经济欠发达地区促进创业的潜力更大。因此，此文建议扩大金融科技的覆盖范围，鼓励农村家庭创业，加快乡村振兴。中国人民大学金融科技研究所（微信ID：ruc_fintech）对研究核心部分进行了编译。

作者 | Xiaojun Deng, Shiyao Chi, Liming Yao, Jing Zou

来源 | Finance Research Letters

编译 | 颜滋琳

一、引言

创新创业活动被证明对促进经济增长具有关键影响，无论是在经济发达地区还是欠发达地区，尤其是对夜间的影响极其显著。政府和社会各界高度重视农村地区的发展。中国共产党第十九次全国代表大会报告提出了实施乡村振兴战略的总体框架，着力挖掘农村潜力，激发创业精神，鼓励更多主体进行创新创业。然而，必须认识到，中国农村长期面临着严重的金融供给不足问题，这对农村家庭创业构成了重大障碍。这些缺陷不仅限制了农村创业的范围和速度，还阻碍了其健康和可持续发展。因此，克服金融供给不足的障碍，已成为促进农村家庭创业、实现农村振兴的紧迫任务。

二、文献综述

金融科技的发展为解决农村地区的金融障碍提供了新的路径。Carpena等人（2019）指出，金融科技通过创新的技术手段拓宽了融资渠道，帮助农村家庭更好地获取金融服务。而Zhang等人（2019）的研究进一步表明，金融科技在促进农村家庭创业机会的公平性方面发挥了积极作用，增加了农村居民的创业机会。此外，Lian等人（2023）研究发现，金融科技提高了农村家庭的收入水平，助力其经济发展。

在金融科技的监管框架方面，Sheng（2021）探讨了当前金融科技监管的必要性和挑战，认为应建立适应金融科技发展的有效监管体系，以防范潜在风险。Hodula（2022）研究了金融科技对传统银行信贷的影响，指出金融科技的崛起削弱了传统银行的市场份额，但也为其带来了新的合作机会。此外，Li等人（2022）研究了数字货币的信号传递效应，认为数字货币的推广可能对农村地区的金融活动产生深远影响。Liu和Li（2024）则关注ESG绿色清洗问题，探讨了金融科技在促进环境、社会和治理（ESG）方面的潜在问题。

关于创业的决定因素，已有大量文献从不同层面进行了探讨。在微观层面，Zhao和Jung（2018）、Zhou等人（2019）研究了个人性格特质对创业决策的影响，发现创新精神和冒险意识对个人创业行为具有显著影响。Korkmaz等人（2021）和López-Muñoz等人（2023）进一步分析了风险偏好和心理特质如何影响创业者的决策过程。此外，Huang等人（2023）研究了家庭消费模式对创业活动的影响，发现高消费倾向的家庭更倾向于创业，而Yue等人（2022）则指出，家庭的债务负担在很大程度上制约了创业的可行性；在宏观层面，Guo等人（2016）探讨了宏观经济力量如何影响创业决策。他们的研究表明，经济增长、货币政策等宏观经济因素对创业行为具有显著影响，尤其是在农村地区，宏观经济条件的变化往往决定了创业的可行性和成功概率。

三、研究内容

1.理论框架与假设

本研究的理论框架展示了金融科技（FinTech）对农村家庭创业的影响机制。

首先，金融科技作为金融领域的一项重要技术创新，利用云计算和区块链等前沿技术提升了传统金融服务的运营效率。在引入农村地区后，金融科技能够有效克服金融障碍，推动创业活动。这一机制基于信息不对称理论，金融科技通过实时数据分析和处理，为农村家庭提供准确及时的市场信息，帮助他们做出更为明智的创业决策。此外，根据交易成本理论，金融科技通过降低信息搜集、信用评估和交易执行的成本，进一步提高了金融服务的效率。因此，提出假设H1：金融科技对农村家庭创业具有正向影响。

其次，传统金融系统由于复杂的监管流程和严格的贷款标准，往往无法满足农村家庭的借贷需求，尤其在发展中国家尤为突出。基于金融深化理论，金融科技拓展了金融服务的覆盖面，降低了进入门槛，促使农村家庭通过智能设备和互联网进行移动支付、线上贷款等金融活动。同时，大数据和人工智能技术的进步精确评估了农村家庭的信用状况，增强了其从正规金融机构获得贷款的机会。因此，提出假设H2：金融科技在正规金融与农村信贷约束之间起到积极调节作用，从而促进农村家庭创业。

最后，中国农村地区金融市场不发达，导致农村与城市在金融约束方面存在显著差距。基于长尾理论，金融科技突破了传统金融仅服务于“优质”客户的范式，深入到经济边缘化的农村市场，尤其是那些因为地理位置偏远、信用记录不全或规模较小而难以通过传统渠道获得融资的创业者群体。金融科技通过提供P2P线上借贷、移动支付和供应链金融等创新产品与服务，缓解了这些群体的融资障碍。同时，金融科技通过提供多样化的保险产品，有效降低创业风险，增强创业信心。因此，提出假设H3：金融科技在欠发达地区具有包容性效应，对促进经济落后地区农村家庭创业的影响更加显著。

这一理论框架阐述了金融科技如何通过信息不对称、交易成本、金融深化和长尾理论等多重视角，促进农村家庭创业并增强金融包容性。

2.数据使用

本研究使用了2014年、2016年、2018年和2020年的中国家庭追踪调查（CFPS）数据，涵盖了25个省份（包括城市和自治区），并收集了家庭人口、家庭财富和创业活动等信息。由于研究特别聚焦于农村家庭，因此数据样本通过国家统计局提供的城乡分类数据进行了筛选，仅保留农村家庭样本。此外，样本进一步筛选为年龄在22到65岁之间的家庭成员，以更好地代表农村家庭的创业情况。

在清理了缺失变量后，最终的有效样本为15,621个农村家庭。这些家庭广泛分布于全国25个省份，其中农村创业家庭主要集中在甘肃（20.08%）、河南（12.87%）、辽宁（10.18%）和广东（8.32%）四个省份。

3.变量定义与描述

因变量：农村家庭创业（RFE）。该变量来源于CFPS问卷中的问题：“过去12个月内，是否有任何家庭成员从事个体经营或私人创业活动？”回答“是”则该变量取值为1，表示家庭成员从事了创业活动；回答“否”则该变量取值为0。

自变量：金融科技（FinTech）。本文采用Li等人（2020）的方法，通过网络爬虫技术从百度新闻高级搜索中提取了48个与“金融科技”相关的关键词搜索量数据，按年份在中国各地级市范围内收集这些数据，最终通过汇总搜索量来生成各地市级的金融科技发展水平指标。

机制变量：正规金融（FormalFin）：根据CFPS问卷，当受访者的首选借贷渠道为银行或其他正规金融机构时，该变量取值为1，表示正规金融渠道的使用；否则取值为0。

信贷约束（CreditCons）：根据CFPS问卷，当受访者无法获得贷款时，该变量取值为1，表示存在信贷约束；若受访者能够从银行获得贷款并有未偿余额时，变量取值为0，表示没有信贷约束。

控制变量：为了提高模型的稳健性，本文参考了Korkmaz等人（2021）、López-Muñoz等人（2023）和Huang等人（2023）的研究，控制了个体、家庭和城市层面的多项变量：

个体层面：年龄、性别、户籍（FH）、婚姻状况（MS）和教育背景（Edu）。

家庭层面：家庭规模（FamNum）。

城市层面：经济发展水平（lnGDP）、城市基础设施建设（InFra）和金融发展水平（lnFDL）。

描述统计：在数据的描述性统计中，农村家庭创业的平均值为0.08，标准差为0.28；金融科技的平均值为3.62，标准差为1.46。这表明金融科技发展水平和农村家庭创业的分布相对较小。数据显示，农村家庭的创业概率平均为11.15%，并且在2014至2020年期间呈现波动趋势。

4.数字货币与全球金融安全网

为评估金融科技对农村家庭创业的影响，本文采用了多种方法进行分析，包括Logit模型和工具变量（IV）估计，以应对可能存在的内生性问题。由于因变量农村家庭创业（RFE）为二分类变量（0或1），我们使用Logit模型来估计金融科技（FinTech）对农村家庭创业的影响。基础模型设定如下：

其中变量分别表示：农村家庭创业的二分类变量；金融科技的发展水平；包括个体特征、家庭特征和城市特征的控制变量；城市固定效应，控制城市间的不可观测异质性；时间固定效应，控制时间上的变化因素；以及误差项。

为解决金融科技与农村家庭创业之间可能存在的内生性问题（例如遗漏变量和反向因果关系），本文采用了工具变量估计。工具变量模型设定如下：

其中变量分别表示：金融科技的拟合值，通过工具变量估计得到；金融科技的工具变量，工具变量构造参考Yi和Zhou（2018）的方法，即通过滞后普惠金融指数与当前普惠金融指数的时间一阶差分来构建；用于估计工具变量的控制变量；分别表示城市固定效应；分别表示时间固定效应；以及误差项。

为进一步检验金融科技对农村家庭创业的影响机制，本文在基础模型中引入了中介变量和交互项。模型设定如下：

其中变量分别表示：机制变量，包括正规金融和信贷约束；金融科技与机制变量的交互项，用于检验金融科技对机制变量的调节作用；用于估计中介效应的控制变量；城市固定效应和时间固定效应；以及误差项。

通过这些方法，本研究不仅估计了金融科技对农村家庭创业的直接影响，还探讨了金融科技如何通过降低信贷约束和影响正规金融使用来间接影响农村家庭创业。这种多层次的分析方法有助于全面理解金融科技在促进农村家庭创业中的作用机制。

5.实证结果

5.1 基本回归结果

本文通过Logit模型和边际效应分析评估了金融科技（FinTech）对农村家庭创业（RFE）的影响。根据表格结果，在控制了城市和时间固定效应后，金融科技的引入使农村家庭创业的概率增加了1.4%。当加入个体和城市控制变量后，边际效应增加至1.6%，进一步验证了金融科技与创业之间的正相关关系，从而证实了假设1。

此外，个体和家庭特征变量的边际效应表明，参与创业活动与教育水平和家庭规模正相关，而与年龄负相关。同时，分析还显示，男性和已婚个体更有可能创业。

5.2 机制分析

机制分析的结果显示金融科技与农村正规金融（FormalFin）之间存在显著正相关关系，边际效应为1.7%；金融科技对农村家庭的信贷约束（CreditCons）具有负面影响，边际效应为-0.7%，表明金融科技有助于缓解信贷约束。

引入金融科技与正规金融渠道的交互项（FinTech*FormalFin），该结果在1%显著性水平下具有统计显著性。这表明金融科技显著调节了正规金融对农村地区的信贷约束。结果共同表明，金融科技对正规金融的信贷约束具有正向调节作用，进一步强调了金融科技在促进农村创业中的作用。

因此，本文得出结论，金融科技通过影响正规金融和农村信贷约束之间的关系促进了创业，验证了假设2。

5.3 稳健性测试

为了解决内生性问题，本文参照Yi和Zhou（2018）的研究，构建了一个工具变量（IV）估计，该工具变量通过滞后普惠金融指数与当前普惠金融指数的时间一阶差分乘积生成。回归结果显示，工具变量的估计系数具有统计显著性，并通过了弱工具变量测试，表明弱工具变量的可能性较低。

本文还通过替换主要解释变量和删除特定样本进行了稳健性测试。将FinTech指数替换为北京大学数字普惠金融指数（DIFI）。同时，排除了北京、上海、广州和深圳的样本。稳健性测试的结果表明，金融科技的发展促进了农村家庭创业，这与基准回归结果一致。

5.4 异质性测试

为了探讨金融科技对农村家庭创业影响的区域异质性，本文将城市化率引入估计模型。利用金融科技发展水平和城市化率的交互项（Urbanization*FinTech），分析其对农村创业的影响。交互项显著为负，表明城市化水平越低，金融科技对创业的影响越大。这一结果表明，金融科技通过扩大金融覆盖范围来影响创业，突出了数字金融的普惠性。因此，本文的结果支持假设3。

四、结论

本研究使用2014年、2016年、2018年和2020年的CFPS调查数据，从微观层面探讨了金融科技（FinTech）对农村家庭创业的影响。结果表明，金融科技对促进农村家庭创业具有显著的正面影响。进一步的分析揭示，金融科技促进了农村地区正规金融市场的形成，有效缓解了农村家庭的信贷约束。此外，金融科技通过调节正规金融与信贷约束之间的关系，推动了农村家庭的创业活动。值得注意的是，金融科技的促进作用在城市化水平较低的地区更为显著。

因此，政策启示包括：政府应抓住数字经济发展的机遇，加强金融科技基础设施建设，推动数字技术发展，并鼓励金融科技企业为农村家庭创业提供金融服务。中央和地方政府应加大对农村地区金融科技和创业活动的补贴力度，制定差异化的金融科技发展战略。传统金融机构和金融科技公司应利用数字技术，推动金融产品创新和商业模式升级，提升服务的可及性和质量。

尽管如此，本文也存在一些局限性。CFPS可能未能充分覆盖偏远和经济脆弱的农村家庭。此外，金融科技指标的测量还需要进一步探索。未来研究应引入更广泛的金融科技指标，并利用其他数据集和先进的计量经济学方法，以深化对该主题的理解。

……

获取完整报告

请后台回复“农村家庭创业”

获取下载链接

·END·

责编/徐赫聪，孙翼

编译/颜滋琳

排版/颜滋琳

【延伸阅读】

SSRN | 金融科技与主权财富基金

FinTech China | 金融科技前沿精选（第168期）

金融科技的颠覆性有多强大？

JFSR | 银行与金融科技收购

http://mp.weixin.qq.com/s?__biz=Mzg5NjA0MDE1MQ==&mid=2247502872&idx=1&sn=6ef9aac4ec3599e1b2f3aed8e432cf18

人大金融科技研究所

本号为中国人民大学金融科技研究所（RUC FinTech Institute）的官方发布平台，关注金融科技理论、应用与政策前沿动态。定期发布金融科技各细分领域的前沿思想观点与政策权威解读，分享监管动态与行业变革。

最新文章

BIS | 人工智能与大数据持有：央行的机遇

FinTech China | 金融科技前沿精选（第177期）

FRL | 央行数字货币和企业债务融资成本：来自中国的经验证据

人大金科所宋科团队获得数字经济开放研究平台第五届“尖峰奖”

JCF｜非科技型企业的数字化转型

BJM | 与金融科技公司的并购何时能使传统银行受益？

JFI | 金融技术与关系借贷：互补还是替代

JBR | 数字化转型与企业的议价能力：来自中国的证据

金融科技初创公司：失败、融资成功与创新能力

监管技术的采用和资本成本

FinTech China | 金融科技前沿精选（第175期）

稳定货币、货币市场基金和货币政策

金融科技与研发融资：来自中国的证据

BIS | 热带森林中的碳价格与重新造林

可持续发展挂钩债券的定价

曹彤：数字人民币海外发展的建议 ——把握人民币国际化的历史性机遇

FRL | 银行数字化转型有利可图吗？来自欧洲的证据

周小川：货币桥与美元的使用并不互斥

陆磊：货币桥解决跨境支付成本高、透明度低等痛点

穆长春：关于货币桥技术设计的实践和进展

FinTech China | 金融科技前沿精选（第174期）

JF | 金融科技信贷与创业增长

FRL | 金融科技对低效投资的影响研究—基于信息效应与资源效应的视角

JBF｜银行激励薪酬、多样化和系统性风险

FinTech China | 金融科技前沿精选（第173期）

RF | 由人类主导交易机器人：首次实验

范式转变：南非支付的未来

EL | 金融科技能否提升企业投资效率？——基于新冠疫情的实证研究

FinTech China | 金融科技前沿精选（第172期）

EL | 稳定币的十年：影响、现状与未来研究展望

金融科技是否会有效阻止操纵ESG数据的行为？

EL | 移动支付的采用对企业创新的影响

FinTech China | 金融科技前沿精选（第171期）

加密货币交易所代币

重新定义缺乏数字支付家庭

监管科技与银行流动性风险：来自中国上市银行的证据

NBER | 古诺竞争、信息反馈和实际效率

FinTech China | 金融科技前沿精选（第170期）

MS | 利用量子计算提高支付系统的效率

MS | 科技驱动的金融数据访问、散户投资者和股票市场中的投机行为

MS | 先买，后付（痛？）

JCF｜可质押性与银行贷款技术

PBFJ | 银行金融科技对公司债务违约的影响

FRL | 金融科技能否减轻不良贷款风险？

BIS | 美洲中央银行在推动数字支付中的作用

FRL | 加密货币回报与市场不确定性价格敏感性的非线性关系

会议预告｜第二届中国金融学科年会（2024）

FRL | 金融科技和农村家庭创业

金融科技、区域金融集聚与城市经济韧性

FinTech China | 金融科技前沿精选（第169期）

分类

时事

民生

政务

教育

文化

科技

财富

体娱

健康

情感

旅行

百科

职场

楼市

企业

乐活

学术

汽车

时尚

创业

美食

幽默

美体

文摘

原创标签

时事社会财经军事教育体育科技汽车科学房产搞笑综艺明星音乐动漫游戏时尚健康旅游美食生活摄影宠物职场育儿情感小说曲艺文化历史三农文学娱乐电影视频图片新闻宗教电视剧纪录片广告创意壁纸头像心灵鸡汤星座命理教育培训艺术文化金融财经健康医疗美妆时尚餐饮美食母婴育儿社会新闻工业农业时事政治星座占卜幽默笑话独立短篇连载作品文化历史科技互联网

发布位置

广东北京山东江苏河南浙江山西福建河北上海四川陕西湖南安徽湖北内蒙古江西云南广西甘肃辽宁黑龙江贵州新疆重庆吉林天津海南青海宁夏西藏香港澳门台湾美国加拿大澳大利亚日本新加坡英国西班牙新西兰韩国泰国法国德国意大利缅甸菲律宾马来西亚越南荷兰柬埔寨俄罗斯巴西智利卢森堡芬兰瑞典比利时瑞士土耳其斐济挪威朝鲜尼日利亚阿根廷匈牙利爱尔兰印度老挝葡萄牙乌克兰印度尼西亚哈萨克斯坦塔吉克斯坦希腊南非蒙古奥地利肯尼亚加纳丹麦津巴布韦埃及坦桑尼亚捷克阿联酋安哥拉