住房支出压力、数字普惠金融与定居意愿
——基于流动性约束视角

张雅淋,吴义东

1.南京邮电大学 经济学院，江苏 南京 210023；2.安徽工业大学 商学院，安徽 马鞍山 243032

提高流动人口的定居意愿是促进流动人口市民化、推进新型城镇化建设的内在动力。城镇化是经济社会发展的必然产物,在城乡和区域之间资源禀赋、收入差距客观存在的前提下,“人往高处走”的观念助推一些居民主动流向经济发展水平较高的城市。各地政府积极施策,主动破除阻碍生产要素(特别是劳动力)自由流动的各项制度性障碍,完善人才配套政策,旨在提升城市吸引力。但是现阶段仍然存在流动人口“融不进城市、回不去故乡”的“半城市化”现象[1]。改变流动人口的相对弱势地位,提高其城市定居意愿,成为推进我国现代化进程、提高城镇化发展质量的关键。

住房作为居民生活必需品之一,是个人生存和发展的保障。为有效解决流动人口的居住问题,政府多次强调要尽最大努力帮助新市民、青年人解决住房困难。但不可否认的是,流动人口与本地居民相比,在经济基础、社会资源、工作机会等各方面具有一定劣势,在住房产权获取过程中存在诸多障碍,无法完全同本地居民享有同等的公共服务或社会福利[2]。不论是从基本生存和就业稳定的角度来看,还是从主观身份认同的角度来看,住房问题都深刻影响着流动人口的各项决策。

在这样的背景下,工业化和信息化进程的加快助力了新型数字金融模式的产生。普惠金融(Financial Inclusion)旨在通过完善金融基础设施,最大限度地为社会各阶层提供便捷的金融服务,覆盖支付、存款、贷款、保险、证券和信用服务等多种业务领域[3]。发展普惠金融是提升城市吸引力、化解“不平衡不充分”发展矛盾、推动实现共同富裕的有效路径之一。据此,本文基于2014—2018年中国流动人口动态监测调查数据(CMDS)展开实证分析。贡献在于:第一,深入分析住房支出压力影响流动人口定居意愿的程度和异质性特征,从新型城镇化发展的角度反思我国租购并举住房制度建设过程中的潜在问题,对现有研究起到补充作用;第二,将数字普惠金融的研究延伸到流动人口领域,分析其在住房支出压力影响流动人口定居意愿过程中的调节作用,从而进一步提高城市吸引力、提升流动人口定居意愿、促进新型城镇化高质量发展。

一、文献回顾与述评

宏观层面的经济、社会、文化因素,中观层面的社会网络、社会关系,以及微观层面的家庭收入、个体自我价值的实现等都会影响流动人口定居意愿或迁移偏好[4]。现有研究指出,城市间公共服务水平、工资与就业机会的差异会造成流动人口空间分布不均衡[5];居民在做出是否定居的决策时,会考虑拥有的社会资源,通常具有较高社会地位的人在流入地的定居意愿较强[6];区域文化差异越大,迁移成本可能越高,个体的定居意愿就越弱[7];女性、受教育水平较高、短距离迁移、停留时间长以及举家迁移的群体在流入地的定居意愿更强[8]。

住房已成为影响流动人口定居决策的关键因素。关于住房对流动人口定居意愿的影响,学者们展开了大量研究,普遍认为高房价和较差的住房状况会阻碍人口流入,抑制流动人口的定居意愿。尽管房价的预期财富效应会在一定程度上提升流动人口的定居意愿,但房价的福利消散效应却会对流动人口的定居意愿起到抑制作用[9]。拥有住房产权的群体更愿意定居,财富效应或心理账户效应会提高其在当地的主观身份认同感,从这一角度来说,购房意愿较低的流动人口定居意愿也相对较弱[10]。

数字普惠金融以其在覆盖面、使用成本和服务效率等各方面的显著优势对宏观经济政策、中观区域经济活动以及微观企业生产、家庭经济行为都产生了深刻影响。从宏观经济政策来看,数字普惠金融的发展显著降低企业对银行贷款的依赖程度,进而弱化货币政策的执行效果[11]。从中观区域经济活动来看,数字普惠金融提高了金融可得性,通过增强财富积累和创新能力等多条路径促进经济包容性增长[12-13]。从微观企业和家庭来看,数字普惠金融有助于企业打破融资困境,促使企业自主优化财务杠杆[14],并且通过对错配资源的靶向优化和短板缺项的精准弥补提升自主创新能力。此外,数字普惠金融的发展使得更多金融衍生品应运而生,这对于微观个体的就业创业、预期收入、家庭财富积累都具有积极影响[15]。随着信息技术的不断发展,数字技术已逐渐渗透到家庭生活的方方面面,数字普惠金融的发展有助于提升家庭金融资产价值和房产净值,促进家庭财富规模上涨[16]。

综上所述,现有文献对住房影响流动人口定居意愿的研究已取得较大进展,但仍然存在局限性和可拓展空间。数字普惠金融的发展一来可以打破融资约束,给个体获取资金提供更多便利;二来能够通过提高个体预期收入、促进家庭财富增长等影响个体的行为决策。因此,本文将数字普惠金融与流动人口定居意愿纳入同一分析框架,其内在机制如图1所示。

图1 数字普惠金融与流动人口定居意愿的研究机制

二、研究设计

(一)数据来源与说明

本文所使用的数据主要来自中国流动人口动态监测调查数据(China Migrants Dynamic Survey,简称CMDS),该项目是国家卫生健康委针对全国流动人口开展的调查。需要说明的是,CMDS数据可以反映样本所在城市,故本文将该数据与城市层面相关数据进行匹配后展开相应研究。本文着重考察数字普惠金融在住房支出压力影响流动人口定居意愿过程中的调节作用,数字普惠金融指标数据主要来自北京大学数字金融研究中心和蚂蚁集团研究院合作编制的“北京大学数字普惠金融指数”,该指数涵盖中国31个省(直辖市、自治区)、337个地级以上城市以及近2 800个县域。考虑到数字普惠金融指数的快速增长始于2014年[3],因此研究使用的数据时间区间为2014—2018年。此外,研究过程涉及的城市层面人均地区生产总值等数据来自对应年份的《中国城市统计年鉴》。

实证分析之前,对原始样本进行筛选和预处理:第一,为避免受访者年龄可能带来的研究结论偏误,将样本年龄限定为18～65周岁;第二,为减少数据异常值可能带来的有偏估计情况,剔除了家庭总收入、家庭总支出的异常值;第三,样本缺失值和无效值并不会对实证研究结果产生实际影响,故也将该类样本予以剔除。在对样本筛选和预处理之后,最终得到样本观测数共计764 007个。

(二)实证策略

为检验数字普惠金融在住房支出压力影响流动人口定居意愿过程中的调节效应,构建如下Probit二值选择模型:

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

(1)

1.被解释变量

Migration表示受访个体在流入地的定居意愿。依据CMDS问卷中“您今后是否打算在本地长期居住(5年以上)?”这一问题的回答进行定义和赋值,将回答“打算”的样本赋值为1(即Migration=1),否则赋值为0。2017年和2018年CMDS问卷中关于定居意愿的问题更改为“如果您打算留在本地,您预计自己将在本地留多久?”,根据回答的选项对原始数据重新赋值以便与前3年问卷中提取的指标数据相统一。

2.核心解释变量

Housing_pressure表示受访者的住房支出压力,以受访家庭过去一年在本地的住房支出在家庭总收入中所占比重进行衡量。其中,住房支出从问卷中“过去一年,您家在本地平均每月住房支出(仅房租/房贷)为多少?”这一问题的回答中提取相应数据,再乘以12获取年度住房支出总额。此处房租仅指为生活居住用房而支付的费用,房贷也仅指以按揭方式购房所需支付的分期付款金额。

DFIIC表示受访者所在城市的数字普惠金融指数,采用北京大学数字普惠金融指数进行度量。研究选取覆盖广度、使用深度以及数字化程度3个维度共计33个指标,通过层次分析法进行指数合成。系数β3作为考察数字普惠金融在住房支出压力影响流动人口定居意愿过程中调节效应的关键参数。

3.控制变量

控制变量包含个体特征I、家庭特征F和城市特征C三类。其中,个体特征包含受访者的年龄、年龄平方项/1000、性别、受教育程度、户口性质、民族、婚姻状态、是否跨省流动、本次流动时间、工作状态和医疗保险参保情况;家庭特征包含受访者家庭的人口规模、年度总收入和除住房支出以外的年度其他支出总额;城市特征包含受访者所在城市的人均GDP、年末户籍人口数以及住宅商品房平均销售价格。

此外,i、j和t分别表示受访者个体、所在城市以及接受访问的年份;δ和θ分别指代时间固定效应和地区固定效应。

(三)变量的描述性统计

模型(1)涉及的主要变量定义及实证分析中所用样本的描述性统计如表1所示。约有53.6%的样本愿意在流入地长期居住。住房支出压力最小值为0,最大值为1,均值和标准差分别为0.119和0.126,表明流动人口的住房支出压力存在一定差距;受访者所在城市的数字普惠金融指数最小值为105.61,最大值为302.98,平均值和标准差分别为210.476和39.861,说明各城市之间数字普惠金融的发展水平存在较大差异。

表1 变量定义及描述性统计(n=764 007)

三、实证结果及分析

(一)基准回归结果分析

基于模型(1)对数字普惠金融在住房支出压力影响流动人口定居意愿过程中的调节效应进行实证检验,基准回归结果如表2所示。其中,第(1)列未加入任何控制变量,结果显示住房支出压力系数在1%的水平下显著为负,表明住房支出压力越大,越会抑制流动人口的定居意愿。数字普惠金融指数的系数显著为正,说明数字普惠金融对流动人口的定居意愿具有显著的正向影响。

表2 基准回归结果(n=764 007)

住房支出压力与数字普惠金融指数的交互项系数是本研究的关键数据。从第(1)列回归结果来看,交互项系数显著为正,表明数字普惠金融会弱化住房支出压力对流动人口定居意愿的负向影响。在逐步添加个体特征、家庭特征以及城市特征之后,第(2)列至第(4)列的回归结果显示,本文所关注的两个核心解释变量的系数符号和稳健性不变。对于其内在影响机理,可以从以下两个方面进行理解:一方面,解决居住问题是流动人口在流入城市生存和发展的前置条件,住房支出作为家庭消费支出中的重要构成部分,不论是租金还是贷款,都属于刚性支出,会带来流动性约束效应,显著制约家庭其他消费支出,特别是在个体预期收入不确定的情形下,这种挤出效应更加明显,这就对流动人口产生了“离城推力”,弱化其在流入城市的定居意愿;另一方面,数字普惠金融的发展可以有效减少家庭流动性约束效应,其作用路径在于数字普惠金融的发展可以通过提供更多就业创业机会,帮助个体提高预期收入,促进家庭财富增长。

(二)稳健性检验

采用如下几种方式检验基准回归结果的稳健性:一是更换回归方法,即将基准回归中所用的Probit回归模型更换为Logit回归模型;二是更换样本,即将问卷中回答“没想好是否定居”的样本予以剔除之后,再基于模型(1)进行回归;三是更换核心解释变量,即分别以家庭实际住房支出总额、家庭实际住房支出占家庭总支出的比重作为家庭住房支出压力的度量指标,引入模型(1)进行回归;四是更换被解释变量,即将定居意愿更换为“办理暂住证/居住证”和“落户意愿”后进行回归分析。如表3所示,无论采用何种检验方式,住房支出压力系数均在1%水平上显著为负,且与数字普惠金融指数交互项的系数也均在1%水平上显著为正,表明本文基准回归结论具有可靠性。

(三)内生性处理

(2)

RatioR,F数值越大,越可以排除遗漏变量带来的估计有偏情况,如若遗漏变量会导致回归结果有偏估计,那么其解释力平均需超过15倍。本文基于Probit基准回归模型,选取3种有限集控制变量进行回归,分别构造RatioR,F指数,所得结果如表4所示。住房支出压力、数字普惠金融指数以及两者交互项的RatioR,F指数分别处于[3.671,88.562]、[0.568,45.800]和[3.459,105.485]的取值区间,RatioR,F指数的均值分别为26.248、15.800和31.966,说明可排除遗漏变量带来的内生性问题。

表4 遗漏变量产生的偏误程度估计

反向因果关系也是造成内生性问题的重要原因,通过构造工具变量(IV)进行两阶段最小二乘(2SLS)估计是有效的检验方式。基于群体效应理论,个体经济行为会受到同一群体中其他人的影响。因此,将受访个体置于其所在区域内,求取除他本人之外内生变量的均值作为工具变量的方式具备可行性[19-20]。基于以上分析,选取受访者所在区县其他家庭的平均住房支出压力作为核心解释变量的工具变量。考虑到同一区域内具有相似特征的个体之间更会相互作用,因此按照性别、户口性质、民族、婚姻状态、本次流动范围、工作状态以及医疗保险参保情况划分群体,分别测度受访者所在区县和城市层面其他家庭的平均住房支出压力,以此作为工具变量进行2SLS估计。所得回归结果显示,住房支出压力的系数依旧显著为负,且与数字普惠金融指数的交互项系数仍然显著为正(见表5)。与此同时,在第一阶段回归中所得F统计量均超过10,且通过对工具变量进行Wald检验,所得数值均在1%的水平上显著,可以认为将区县层面其他家庭住房支出压力均值作为工具变量是合适的。

表5 基于工具变量法的内生性检验

(四)异质性分析

基于个体年龄和性别的异质性分析结果显示,不论按照何种方式分组,住房支出压力都会显著抑制流动人口的定居意愿,而数字普惠金融发展水平的提高可以有效弱化这种抑制作用。基于Probit模型所得到的估计系数可以从符号和显著性水平两个方面给出一些信息。为更好地展示其中的差异,本文进一步计算各自的边际效应,结果显示40岁及以下和男性群体对于住房支出压力的敏感程度相对较高,且数字普惠金融在住房支出压力影响定居意愿过程中所起到的正向调节作用也在这两类群体中更为突出。

受教育程度的差异也会导致个体经济决策或社会行为的差别。基于个体受教育程度的不同,将全样本分为初中及以下、高中、大学专科及以上3个子样本。从影响程度来看,随着个体受教育程度的提高,住房支出压力对其定居意愿的负向影响逐渐降低,数字普惠金融在这一过程中所起到的正向调节作用也逐渐减弱。

基于个体户口性质和流动范围的异质性分析结果显示,具有农业户口和在省内流动的群体对于住房支出压力的敏感性更强,数字普惠金融在住房支出压力影响其定居意愿过程中所起到的正向调节作用也在这两类群体中更为明显。(1)限于篇幅,具体异质性分析结果未展示,如有需要,可向作者索取。本文认为,一方面,户籍障碍并未彻底消除,劳动力市场中依旧存在工资差别[21],具有农业户口的群体在资源禀赋上处于相对劣势,因此更加需要通过数字普惠金融提高可预期收入;另一方面,省内流动的群体往返工作地和老家更为便利,如果住房支出远大于往返交通支出,那么理性的流动人口在流入地的定居意愿可能会降低。

四、数字普惠金融的“挽留效应”与“数字鸿沟”

前文已经证实,住房支出压力对于流动人口定居意愿具有显著负向影响,而数字普惠金融能够有效弱化这种负向影响。那么,对于在流入地没有定居意愿的个体而言,数字普惠金融能否延长其居留时间?本文将此定义为数字普惠金融的“挽留效应”,并展开讨论,构建如下Probit二值选择模型:

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

(3)

其中,Residency表示长期居留意愿,为本部分的被解释变量。基于2017年和2018年CMDS数据设置指标,依据“如果您打算留在本地,您预计自己将在本地留多久?”这一问题的回答进行赋值,将愿意在本地居留10年以上的样本赋值为1,10年以下的样本赋值为0。需要说明的是,本部分回归样本并不包含愿意在本地“定居”和“没想好”的样本。与基准回归保持一致,本部分也采用逐步添加个体特征、家庭特征、城市特征的方式展开分析。回归结果显示,住房支出压力系数显著为负,意味着住房支出压力对于流动人口的长期居留意愿存在挤出效应,但住房支出压力与数字普惠金融指数交互项的系数显著为正,说明数字普惠金融能够削弱这种挤出效应(见表6)。换言之,数字普惠金融的发展有助于延长流动人口在流入地的居留时间,存在明显的“挽留效应”。

表6 数字普惠金融“挽留效应”的分析结果

工业化和信息化的融合发展在使居民享受“数字红利”的同时,也不可避免地带来“数字鸿沟”,这种“数字鸿沟”是否会在住房支出压力影响流动人口定居意愿过程中存在异质性的调节作用?据此,本文基于年龄维度展开具体分析,将住房支出压力、数字普惠金融指数和年龄的交互项引入回归模型,构建如下Probit二值选择模型:

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)的实证检验结果如表7所示,住房支出压力与数字普惠金融指数的交互项依旧显著为正,而住房支出压力、数字普惠金融指数与年龄的交互项系数显著为负,这表明数字金融能够有效弱化住房支出压力给流动人口定居意愿带来的负向影响,但这种弱化效果会随着年龄的增长而减弱。也就是说,数字普惠金融的发展可能造成“数字鸿沟”,这是因为年龄越大的群体数字技术的使用技能越弱,缺乏使用数字技术提升自身收入或进行再就业的能力。

表7 关于“数字鸿沟”的实证检验

五、研究结论与启示

提高流动人口的城市定居意愿是新型城镇化高质量发展的重要内容。住房支出压力形成的家庭流动性约束效应对流动人口产生显著的“离城推力”,但数字普惠金融的发展可以通过打破融资约束、促进家庭财富增长、提供更便捷的生活方式形成“留城拉力”。本文基于2014—2018年中国流动人口动态监测调查数据(CMDS)展开实证分析。研究结果显示,住房支出压力越大,流动人口的定居意愿越弱,而数字普惠金融的发展可以有效弱化这一负向影响。异质性分析表明,这种影响效应在受教育程度低、40岁及以下、男性、农业户口以及省内流动人口中更为突出。进一步分析表明,住房支出压力会抑制流动人口的长期居留意愿,但数字普惠金融存在明显的“挽留效应”。此外,数字普惠金融的发展在一定程度上也会造成“数字鸿沟”。

基于以上分析,本文认为,为进一步提高城市吸引力,增强流动人口的定居意愿,需要重点关注其住房支出压力,同时继续发展数字普惠金融,更好地发挥数字技术的积极作用。可能的思路有:一是多措并举提升流动人口住房可负担能力,扩大数字普惠金融覆盖广度和深度,对于数字技能相对较弱的群体加强培训,发挥数字金融促进流动人口就业和提高收入的作用;二是统筹考虑流动人口收入水平、住房需求差异,坚持租购并举,进一步完善住房市场体系和住房保障体系,并通过适当的财税、金融支持政策充分调动民间资本的积极性,通过多方合作、协同推进的方式尽可能提高住房的供求匹配程度;三是深入推动户籍制度、学区制度等配套性制度改革,破解城市公共资源与住房产权捆绑的困境,让流动人口平等地享有公共服务。