住房支出壓力、數字普惠金融與定居意愿
——基于流動性約束視角

張雅淋,吳義東

1.南京郵電大學 經濟學院，江蘇 南京 210023；2.安徽工業大學 商學院，安徽 馬鞍山 243032

提高流動人口的定居意愿是促進流動人口市民化、推進新型城鎮化建設的內在動力。城鎮化是經濟社會發展的必然產物,在城鄉和區域之間資源稟賦、收入差距客觀存在的前提下,“人往高處走”的觀念助推一些居民主動流向經濟發展水平較高的城市。各地政府積極施策,主動破除阻礙生產要素(特別是勞動力)自由流動的各項制度性障礙,完善人才配套政策,旨在提升城市吸引力。但是現階段仍然存在流動人口“融不進城市、回不去故鄉”的“半城市化”現象[1]。改變流動人口的相對弱勢地位,提高其城市定居意愿,成為推進我國現代化進程、提高城鎮化發展質量的關鍵。

住房作為居民生活必需品之一,是個人生存和發展的保障。為有效解決流動人口的居住問題,政府多次強調要盡最大努力幫助新市民、青年人解決住房困難。但不可否認的是,流動人口與本地居民相比,在經濟基礎、社會資源、工作機會等各方面具有一定劣勢,在住房產權獲取過程中存在諸多障礙,無法完全同本地居民享有同等的公共服務或社會福利[2]。不論是從基本生存和就業穩定的角度來看,還是從主觀身份認同的角度來看,住房問題都深刻影響著流動人口的各項決策。

在這樣的背景下,工業化和信息化進程的加快助力了新型數字金融模式的產生。普惠金融(Financial Inclusion)旨在通過完善金融基礎設施,最大限度地為社會各階層提供便捷的金融服務,覆蓋支付、存款、貸款、保險、證券和信用服務等多種業務領域[3]。發展普惠金融是提升城市吸引力、化解“不平衡不充分”發展矛盾、推動實現共同富裕的有效路徑之一。據此,本文基于2014—2018年中國流動人口動態監測調查數據(CMDS)展開實證分析。貢獻在于:第一,深入分析住房支出壓力影響流動人口定居意愿的程度和異質性特征,從新型城鎮化發展的角度反思我國租購并舉住房制度建設過程中的潛在問題,對現有研究起到補充作用;第二,將數字普惠金融的研究延伸到流動人口領域,分析其在住房支出壓力影響流動人口定居意愿過程中的調節作用,從而進一步提高城市吸引力、提升流動人口定居意愿、促進新型城鎮化高質量發展。

一、文獻回顧與述評

宏觀層面的經濟、社會、文化因素,中觀層面的社會網絡、社會關系,以及微觀層面的家庭收入、個體自我價值的實現等都會影響流動人口定居意愿或遷移偏好[4]?，F有研究指出,城市間公共服務水平、工資與就業機會的差異會造成流動人口空間分布不均衡[5];居民在做出是否定居的決策時,會考慮擁有的社會資源,通常具有較高社會地位的人在流入地的定居意愿較強[6];區域文化差異越大,遷移成本可能越高,個體的定居意愿就越弱[7];女性、受教育水平較高、短距離遷移、停留時間長以及舉家遷移的群體在流入地的定居意愿更強[8]。

住房已成為影響流動人口定居決策的關鍵因素。關于住房對流動人口定居意愿的影響,學者們展開了大量研究,普遍認為高房價和較差的住房狀況會阻礙人口流入,抑制流動人口的定居意愿。盡管房價的預期財富效應會在一定程度上提升流動人口的定居意愿,但房價的福利消散效應卻會對流動人口的定居意愿起到抑制作用[9]。擁有住房產權的群體更愿意定居,財富效應或心理賬戶效應會提高其在當地的主觀身份認同感,從這一角度來說,購房意愿較低的流動人口定居意愿也相對較弱[10]。

數字普惠金融以其在覆蓋面、使用成本和服務效率等各方面的顯著優勢對宏觀經濟政策、中觀區域經濟活動以及微觀企業生產、家庭經濟行為都產生了深刻影響。從宏觀經濟政策來看,數字普惠金融的發展顯著降低企業對銀行貸款的依賴程度,進而弱化貨幣政策的執行效果[11]。從中觀區域經濟活動來看,數字普惠金融提高了金融可得性,通過增強財富積累和創新能力等多條路徑促進經濟包容性增長[12-13]。從微觀企業和家庭來看,數字普惠金融有助于企業打破融資困境,促使企業自主優化財務杠桿[14],并且通過對錯配資源的靶向優化和短板缺項的精準彌補提升自主創新能力。此外,數字普惠金融的發展使得更多金融衍生品應運而生,這對于微觀個體的就業創業、預期收入、家庭財富積累都具有積極影響[15]。隨著信息技術的不斷發展,數字技術已逐漸滲透到家庭生活的方方面面,數字普惠金融的發展有助于提升家庭金融資產價值和房產凈值,促進家庭財富規模上漲[16]。

綜上所述,現有文獻對住房影響流動人口定居意愿的研究已取得較大進展,但仍然存在局限性和可拓展空間。數字普惠金融的發展一來可以打破融資約束,給個體獲取資金提供更多便利;二來能夠通過提高個體預期收入、促進家庭財富增長等影響個體的行為決策。因此,本文將數字普惠金融與流動人口定居意愿納入同一分析框架,其內在機制如圖1所示。

圖1 數字普惠金融與流動人口定居意愿的研究機制

二、研究設計

(一)數據來源與說明

本文所使用的數據主要來自中國流動人口動態監測調查數據(China Migrants Dynamic Survey,簡稱CMDS),該項目是國家衛生健康委針對全國流動人口開展的調查。需要說明的是,CMDS數據可以反映樣本所在城市,故本文將該數據與城市層面相關數據進行匹配后展開相應研究。本文著重考察數字普惠金融在住房支出壓力影響流動人口定居意愿過程中的調節作用,數字普惠金融指標數據主要來自北京大學數字金融研究中心和螞蟻集團研究院合作編制的“北京大學數字普惠金融指數”,該指數涵蓋中國31個省(直轄市、自治區)、337個地級以上城市以及近2 800個縣域?？紤]到數字普惠金融指數的快速增長始于2014年[3],因此研究使用的數據時間區間為2014—2018年。此外,研究過程涉及的城市層面人均地區生產總值等數據來自對應年份的《中國城市統計年鑒》。

實證分析之前,對原始樣本進行篩選和預處理:第一,為避免受訪者年齡可能帶來的研究結論偏誤,將樣本年齡限定為18～65周歲;第二,為減少數據異常值可能帶來的有偏估計情況,剔除了家庭總收入、家庭總支出的異常值;第三,樣本缺失值和無效值并不會對實證研究結果產生實際影響,故也將該類樣本予以剔除。在對樣本篩選和預處理之后,最終得到樣本觀測數共計764 007個。

(二)實證策略

為檢驗數字普惠金融在住房支出壓力影響流動人口定居意愿過程中的調節效應,構建如下Probit二值選擇模型:

Pr(Migration=1)ijt=α+β1Housing_pressureijt+β2DFIICijt+β3Housing_pressureijt×DFIICijt+λ1Iijt+λ2Fijt+λ3Cijt+δt+θj+εijt

(1)

1.被解釋變量

Migration表示受訪個體在流入地的定居意愿。依據CMDS問卷中“您今后是否打算在本地長期居住(5年以上)?”這一問題的回答進行定義和賦值,將回答“打算”的樣本賦值為1(即Migration=1),否則賦值為0。2017年和2018年CMDS問卷中關于定居意愿的問題更改為“如果您打算留在本地,您預計自己將在本地留多久?”,根據回答的選項對原始數據重新賦值以便與前3年問卷中提取的指標數據相統一。

2.核心解釋變量

Housing_pressure表示受訪者的住房支出壓力,以受訪家庭過去一年在本地的住房支出在家庭總收入中所占比重進行衡量。其中,住房支出從問卷中“過去一年,您家在本地平均每月住房支出(僅房租/房貸)為多少?”這一問題的回答中提取相應數據,再乘以12獲取年度住房支出總額。此處房租僅指為生活居住用房而支付的費用,房貸也僅指以按揭方式購房所需支付的分期付款金額。

DFIIC表示受訪者所在城市的數字普惠金融指數,采用北京大學數字普惠金融指數進行度量。研究選取覆蓋廣度、使用深度以及數字化程度3個維度共計33個指標,通過層次分析法進行指數合成。系數β3作為考察數字普惠金融在住房支出壓力影響流動人口定居意愿過程中調節效應的關鍵參數。

3.控制變量

控制變量包含個體特征I、家庭特征F和城市特征C三類。其中,個體特征包含受訪者的年齡、年齡平方項/1000、性別、受教育程度、戶口性質、民族、婚姻狀態、是否跨省流動、本次流動時間、工作狀態和醫療保險參保情況;家庭特征包含受訪者家庭的人口規模、年度總收入和除住房支出以外的年度其他支出總額;城市特征包含受訪者所在城市的人均GDP、年末戶籍人口數以及住宅商品房平均銷售價格。

此外,i、j和t分別表示受訪者個體、所在城市以及接受訪問的年份;δ和θ分別指代時間固定效應和地區固定效應。

(三)變量的描述性統計

模型(1)涉及的主要變量定義及實證分析中所用樣本的描述性統計如表1所示。約有53.6%的樣本愿意在流入地長期居住。住房支出壓力最小值為0,最大值為1,均值和標準差分別為0.119和0.126,表明流動人口的住房支出壓力存在一定差距;受訪者所在城市的數字普惠金融指數最小值為105.61,最大值為302.98,平均值和標準差分別為210.476和39.861,說明各城市之間數字普惠金融的發展水平存在較大差異。

表1 變量定義及描述性統計(n=764 007)

三、實證結果及分析

(一)基準回歸結果分析

基于模型(1)對數字普惠金融在住房支出壓力影響流動人口定居意愿過程中的調節效應進行實證檢驗,基準回歸結果如表2所示。其中,第(1)列未加入任何控制變量,結果顯示住房支出壓力系數在1%的水平下顯著為負,表明住房支出壓力越大,越會抑制流動人口的定居意愿。數字普惠金融指數的系數顯著為正,說明數字普惠金融對流動人口的定居意愿具有顯著的正向影響。

表2 基準回歸結果(n=764 007)

住房支出壓力與數字普惠金融指數的交互項系數是本研究的關鍵數據。從第(1)列回歸結果來看,交互項系數顯著為正,表明數字普惠金融會弱化住房支出壓力對流動人口定居意愿的負向影響。在逐步添加個體特征、家庭特征以及城市特征之后,第(2)列至第(4)列的回歸結果顯示,本文所關注的兩個核心解釋變量的系數符號和穩健性不變。對于其內在影響機理,可以從以下兩個方面進行理解:一方面,解決居住問題是流動人口在流入城市生存和發展的前置條件,住房支出作為家庭消費支出中的重要構成部分,不論是租金還是貸款,都屬于剛性支出,會帶來流動性約束效應,顯著制約家庭其他消費支出,特別是在個體預期收入不確定的情形下,這種擠出效應更加明顯,這就對流動人口產生了“離城推力”,弱化其在流入城市的定居意愿;另一方面,數字普惠金融的發展可以有效減少家庭流動性約束效應,其作用路徑在于數字普惠金融的發展可以通過提供更多就業創業機會,幫助個體提高預期收入,促進家庭財富增長。

(二)穩健性檢驗

采用如下幾種方式檢驗基準回歸結果的穩健性:一是更換回歸方法,即將基準回歸中所用的Probit回歸模型更換為Logit回歸模型;二是更換樣本,即將問卷中回答“沒想好是否定居”的樣本予以剔除之后,再基于模型(1)進行回歸;三是更換核心解釋變量,即分別以家庭實際住房支出總額、家庭實際住房支出占家庭總支出的比重作為家庭住房支出壓力的度量指標,引入模型(1)進行回歸;四是更換被解釋變量,即將定居意愿更換為“辦理暫住證/居住證”和“落戶意愿”后進行回歸分析。如表3所示,無論采用何種檢驗方式,住房支出壓力系數均在1%水平上顯著為負,且與數字普惠金融指數交互項的系數也均在1%水平上顯著為正,表明本文基準回歸結論具有可靠性。

(三)內生性處理

(2)

RatioR,F數值越大,越可以排除遺漏變量帶來的估計有偏情況,如若遺漏變量會導致回歸結果有偏估計,那么其解釋力平均需超過15倍。本文基于Probit基準回歸模型,選取3種有限集控制變量進行回歸,分別構造RatioR,F指數,所得結果如表4所示。住房支出壓力、數字普惠金融指數以及兩者交互項的RatioR,F指數分別處于[3.671,88.562]、[0.568,45.800]和[3.459,105.485]的取值區間,RatioR,F指數的均值分別為26.248、15.800和31.966,說明可排除遺漏變量帶來的內生性問題。

表4 遺漏變量產生的偏誤程度估計

反向因果關系也是造成內生性問題的重要原因,通過構造工具變量(IV)進行兩階段最小二乘(2SLS)估計是有效的檢驗方式?；谌后w效應理論,個體經濟行為會受到同一群體中其他人的影響。因此,將受訪個體置于其所在區域內,求取除他本人之外內生變量的均值作為工具變量的方式具備可行性[19-20]?；谝陨戏治?選取受訪者所在區縣其他家庭的平均住房支出壓力作為核心解釋變量的工具變量?？紤]到同一區域內具有相似特征的個體之間更會相互作用,因此按照性別、戶口性質、民族、婚姻狀態、本次流動范圍、工作狀態以及醫療保險參保情況劃分群體,分別測度受訪者所在區縣和城市層面其他家庭的平均住房支出壓力,以此作為工具變量進行2SLS估計。所得回歸結果顯示,住房支出壓力的系數依舊顯著為負,且與數字普惠金融指數的交互項系數仍然顯著為正(見表5)。與此同時,在第一階段回歸中所得F統計量均超過10,且通過對工具變量進行Wald檢驗,所得數值均在1%的水平上顯著,可以認為將區縣層面其他家庭住房支出壓力均值作為工具變量是合適的。

表5 基于工具變量法的內生性檢驗

(四)異質性分析

基于個體年齡和性別的異質性分析結果顯示,不論按照何種方式分組,住房支出壓力都會顯著抑制流動人口的定居意愿,而數字普惠金融發展水平的提高可以有效弱化這種抑制作用?；赑robit模型所得到的估計系數可以從符號和顯著性水平兩個方面給出一些信息。為更好地展示其中的差異,本文進一步計算各自的邊際效應,結果顯示40歲及以下和男性群體對于住房支出壓力的敏感程度相對較高,且數字普惠金融在住房支出壓力影響定居意愿過程中所起到的正向調節作用也在這兩類群體中更為突出。

受教育程度的差異也會導致個體經濟決策或社會行為的差別?；趥€體受教育程度的不同,將全樣本分為初中及以下、高中、大學?？萍耙陨?個子樣本。從影響程度來看,隨著個體受教育程度的提高,住房支出壓力對其定居意愿的負向影響逐漸降低,數字普惠金融在這一過程中所起到的正向調節作用也逐漸減弱。

基于個體戶口性質和流動范圍的異質性分析結果顯示,具有農業戶口和在省內流動的群體對于住房支出壓力的敏感性更強,數字普惠金融在住房支出壓力影響其定居意愿過程中所起到的正向調節作用也在這兩類群體中更為明顯。(1)限于篇幅,具體異質性分析結果未展示,如有需要,可向作者索取。本文認為,一方面,戶籍障礙并未徹底消除,勞動力市場中依舊存在工資差別[21],具有農業戶口的群體在資源稟賦上處于相對劣勢,因此更加需要通過數字普惠金融提高可預期收入;另一方面,省內流動的群體往返工作地和老家更為便利,如果住房支出遠大于往返交通支出,那么理性的流動人口在流入地的定居意愿可能會降低。

四、數字普惠金融的“挽留效應”與“數字鴻溝”

前文已經證實,住房支出壓力對于流動人口定居意愿具有顯著負向影響,而數字普惠金融能夠有效弱化這種負向影響。那么,對于在流入地沒有定居意愿的個體而言,數字普惠金融能否延長其居留時間?本文將此定義為數字普惠金融的“挽留效應”,并展開討論,構建如下Probit二值選擇模型:

Pr(Residency=1)ijt=α+β1Housing_pressureijt+β2DFIICijt+β3Housing_pressureijt×DFIICijt+λ1Iijt+λ2Fijt+λ3Cijt+δt+θj+εijt

(3)

其中,Residency表示長期居留意愿,為本部分的被解釋變量?；?017年和2018年CMDS數據設置指標,依據“如果您打算留在本地,您預計自己將在本地留多久?”這一問題的回答進行賦值,將愿意在本地居留10年以上的樣本賦值為1,10年以下的樣本賦值為0。需要說明的是,本部分回歸樣本并不包含愿意在本地“定居”和“沒想好”的樣本。與基準回歸保持一致,本部分也采用逐步添加個體特征、家庭特征、城市特征的方式展開分析?；貧w結果顯示,住房支出壓力系數顯著為負,意味著住房支出壓力對于流動人口的長期居留意愿存在擠出效應,但住房支出壓力與數字普惠金融指數交互項的系數顯著為正,說明數字普惠金融能夠削弱這種擠出效應(見表6)。換言之,數字普惠金融的發展有助于延長流動人口在流入地的居留時間,存在明顯的“挽留效應”。

表6 數字普惠金融“挽留效應”的分析結果

工業化和信息化的融合發展在使居民享受“數字紅利”的同時,也不可避免地帶來“數字鴻溝”,這種“數字鴻溝”是否會在住房支出壓力影響流動人口定居意愿過程中存在異質性的調節作用?據此,本文基于年齡維度展開具體分析,將住房支出壓力、數字普惠金融指數和年齡的交互項引入回歸模型,構建如下Probit二值選擇模型:

Pr(Migration=1)ijt=α+β1Housing_pressureijt+β2DFIICijt+β3Housing_pressureijt×DFIICijt+β4Housing_pressureijt×DFIICijt×Ageijt+λ1Iijt+λ2Fijt+λ3Cijt+δt+θj+εijt

(4)

基于模型(4)的實證檢驗結果如表7所示,住房支出壓力與數字普惠金融指數的交互項依舊顯著為正,而住房支出壓力、數字普惠金融指數與年齡的交互項系數顯著為負,這表明數字金融能夠有效弱化住房支出壓力給流動人口定居意愿帶來的負向影響,但這種弱化效果會隨著年齡的增長而減弱。也就是說,數字普惠金融的發展可能造成“數字鴻溝”,這是因為年齡越大的群體數字技術的使用技能越弱,缺乏使用數字技術提升自身收入或進行再就業的能力。

表7 關于“數字鴻溝”的實證檢驗

五、研究結論與啟示

提高流動人口的城市定居意愿是新型城鎮化高質量發展的重要內容。住房支出壓力形成的家庭流動性約束效應對流動人口產生顯著的“離城推力”,但數字普惠金融的發展可以通過打破融資約束、促進家庭財富增長、提供更便捷的生活方式形成“留城拉力”。本文基于2014—2018年中國流動人口動態監測調查數據(CMDS)展開實證分析。研究結果顯示,住房支出壓力越大,流動人口的定居意愿越弱,而數字普惠金融的發展可以有效弱化這一負向影響。異質性分析表明,這種影響效應在受教育程度低、40歲及以下、男性、農業戶口以及省內流動人口中更為突出。進一步分析表明,住房支出壓力會抑制流動人口的長期居留意愿,但數字普惠金融存在明顯的“挽留效應”。此外,數字普惠金融的發展在一定程度上也會造成“數字鴻溝”。

基于以上分析,本文認為,為進一步提高城市吸引力,增強流動人口的定居意愿,需要重點關注其住房支出壓力,同時繼續發展數字普惠金融,更好地發揮數字技術的積極作用?？赡艿乃悸酚?一是多措并舉提升流動人口住房可負擔能力,擴大數字普惠金融覆蓋廣度和深度,對于數字技能相對較弱的群體加強培訓,發揮數字金融促進流動人口就業和提高收入的作用;二是統籌考慮流動人口收入水平、住房需求差異,堅持租購并舉,進一步完善住房市場體系和住房保障體系,并通過適當的財稅、金融支持政策充分調動民間資本的積極性,通過多方合作、協同推進的方式盡可能提高住房的供求匹配程度;三是深入推動戶籍制度、學區制度等配套性制度改革,破解城市公共資源與住房產權捆綁的困境,讓流動人口平等地享有公共服務。