Empirical Study on the Impact of Digital Financial Inclusion on Telecom Fraud
-
摘要: 电信网络诈骗活动日益频繁，严重影响经济和社会稳定，侵害了广大人民群众的利益。将2015年中国家庭金融调查(CHFS)中的诈骗模块数据与中国数字普惠金融指数相结合，考察数字普惠金融对家庭成为诈骗目标的风险、实际受骗风险和受骗损失的影响。研究表明：数字普惠金融增加了家庭成为电信网络诈骗目标的概率，但能帮助家庭在成为诈骗目标时降低受骗风险，减少经济损失；异质性分析方面，数字普惠金融抑制电信网络诈骗的积极效果在农村和东部地区更加显著，当家庭成员属于数字鸿沟中的优势群体时，数字普惠金融会对其产生更好的降低受骗风险并减少损失的效果；作用机制方面，数字普惠金融主要通过增加家庭的金融可得性、缓解融资约束以及提高家庭成员对金融经济信息关注度来降低居民实际受骗风险，减少损失；进一步分析发现，金融监管、家庭成员金融素养提升和社区宣传教育能增强数字普惠金融对电信网络诈骗的抑制效果。Abstract: Telecom fraud is becoming increasingly frequent, which seriously affects economic and social stability and infringes on the interests of the broad masses of the people. By combining data from the fraud module of the 2015 China Household Finance Survey (CHFS) with the China Digital Financial Inclusion Index, this paper examines the impact of digital financial inclusion on households' risk of being targeted by fraud, actual risk of fraud, and fraud losses. The results show that although digital financial inclusion increases the probability of households being the target of telecom fraud, it can help households reduce the risk of fraud and reduce economic losses when they become the target of fraud. In terms of heterogeneity analysis, the positive effect of digital inclusive finance on restraining telecom fraud is more significant in rural and eastern areas. When family members belong to the dominant group in the digital divide, digital inclusive finance will have a better effect on reducing the risk of fraud and reducing losses. In terms of the mechanism of action, digital financial inclusion mainly reduces residents' actual risk of fraud and losses by increasing households' financial availability, easing financing constraints and increasing family members' attention to financial and economic information. Further analysis shows that financial regulation, the improvement of family members' financial literacy, and community publicity and education can enhance the suppression effect of digital financial inclusion on telecom fraud.
-
表 1 变量描述性统计
变量 样本 均值 标准差 最大值 最小值 是否接触电信网络诈骗(是=1) 36 525 0.586 0.493 1 0 数字普惠金融指数 36 525 186.805 24.085 231.130 121.160 受教育程度-1(高中及以上=1) 36 525 0.357 0.479 1 0 受教育程度-2(大学本科及以上=1) 36 525 0.086 0.280 1 0 婚姻状况(有配偶=1) 36 525 0.860 0.347 1 0 健康水平(患病=1) 36 525 0.407 0.491 1 0 对陌生人的信任程度 36 525 0.398 0.489 1 0 家庭财富(对数) 36 525 12.647 1.698 16.811 0 家庭负债(对数) 36 525 3.281 5.005 15.425 0 家庭消费(对数) 36 525 10.553 0.905 13.816 0 GDP增长率 36 525 0.059 0.038 0.139 -0.040 财政支出增长率 36 525 0.152 0.096 0.338 -0.125 转移支付增长率 36 525 0.190 0.061 0.319 0.086 存款增长率 36 525 0.150 0.058 0.340 0.057 贷款增长率 36 525 0.131 0.035 0.215 0.069 基础设施建设(公里/平方公里) 36 525 30.657 25.440 109.884 1.797 互联网发展指数 36 525 0.569 1.903 5.503 -1.640 邻省平均数字普惠金融指数 36 525 157.298 16.132 193.375 132.693 是否成为电诈受害者(是=1) 21 359 0.061 0.240 1 0 受害金额(对数) 21 359 0.428 1.774 14.509 0 数字普惠金融指数 21 359 191.437 23.352 231.130 121.160 受教育程度-1(高中及以上=1) 21 359 0.442 0.497 1 0 受教育程度-2(大学本科及以上=1) 21 359 0.118 0.323 1 0 婚姻状况(有配偶=1) 21 359 0.861 0.345 1 0 健康水平(患病=1) 21 359 0.400 0.490 1 0 对陌生人的信任程度 21 359 0.401 0.491 1 0 家庭财富(对数) 21 359 12.996 1.596 16.811 0 家庭负债(对数) 21 359 3.321 5.093 15.425 0 家庭消费(对数) 21 359 10.738 0.830 13.816 0 GDP增长率 21 359 0.060 0.037 0.139 -0.040 财政支出增长率 21 359 0.158 0.097 0.338 -0.125 转移支付增长率 21 359 0.192 0.064 0.319 0.086 存款增长率 21 359 0.157 0.064 0.340 0.057 贷款增长率 21 359 0.129 0.033 0.215 0.069 基础设施建设(公里/平方公里) 21 359 28.750 25.214 109.884 1.797 邻省平均数字普惠金融指数 21 359 158.567 16.778 193.375 132.693 互联网发展指数 21 359 0.742 2.010 5.503 -1.640 
下载: 导出CSV
表 2 基准回归
变量 (1) (2) (3) (4) (5) (6) 是否接触电信网络诈骗 是否有实际损失 损失金额 数字普惠金融 0.012*** (43.701) 0.009*** (21.922) -0.003*** (-5.922) -0.002** (-2.502) -0.048*** (-5.725) -0.025** (-2.182) 受教育程度-1 0.285*** (17.044) -0.050 (-1.565) -0.706 (-1.522) 受教育程度-2 0.172*** (5.678) -0.017 (-0.342) -0.449 (-0.629) 婚姻状况 -0.049** (-2.417) -0.139*** (-3.593) -1.930*** (-3.465) 健康水平 0.121*** (8.478) 0.126*** (4.464) 1.997*** (4.890) 信任 -0.019 (-1.344) -0.007 (-0.260) -0.115 (-0.285) 家庭财富 0.081*** (16.083) -0.013 (-1.258) -0.132 (-0.886) 家庭负债 -0.003* (-1.774) 0.014*** (5.178) 0.200*** (5.117) 家庭消费 0.175*** (17.658) -0.0003 (0.013) 0.035 (0.125) GDP -1.047*** (-4.679) 0.653 (1.487) 9.538 (1.497) 社会保障水平 0.985*** (5.238) -0.058 (-0.164) 0.634 (0.122) 财政支出 -0.225* (-1.919) 0.261 (1.096) 3.034 (0.887) 存款因素 3.014*** (14.481) -0.536 (-1.422) -7.352 (-1.313) 贷款因素 -1.571*** (-4.775) 0.765 (1.153) 10.863 (1.114) 基础设施建设 0.001* (1.950) 0.002** (2.327) 0.029** (2.301) 互联网发展 -0.088*** (-10.453) 0.022 (1.331) 0.285 (1.180) 家庭固定效应 控制 控制 控制 控制 控制 控制 样本数量 36 525 36 525 21 359 21 359 21 359 21 359 Pseudo R2 0.039 2 0.089 3 0.003 6 0.012 3 0.002 0 0.007 2 注：括号内为t值，*、**、***分别代表 10%、5%、1%的显著性水平。下表同。
下载: 导出CSV
表 3 工具变量为邻省数字金融发展均值的回归结果
变量 (1) (2) (3) (4) (5) 数字普惠金融 是否接触电信网络诈骗 数字普惠金融 是否有实际损失 损失金额 数字普惠金融 0.003* (1.875) -0.008** (-2.375) -0.121** (-2.444) 邻省数字金融发展均值 0.357***(51.082) 0.314***(36.662) 受教育程度-1 4.060***(19.134) 0.307***(17.295) 3.278***(12.789) -0.030(-0.892) -0.404(-0.828) 受教育程度-2 3.439*** (9.827) 0.190*** (6.235) 2.518*** (6.583) -0.003 (-0.068) -0.242 (-0.336) 婚姻状况 -4.453*** (-17.183) -0.074*** (-3.432) -4.561*** (-13.953) -0.166*** (-4.014) -2.362*** (-3.930) 健康水平 -1.091*** (-5.961) 0.115*** (7.933) -1.284*** (-5.566) 0.118*** (4.130) 1.875*** (4.536) 信任 0.700*** (3.889) -0.014 (-1.019) 0.350 (1.550) -0.006 (-0.205) -0.091 (-0.226) 家庭财富 1.422*** (22.245) 0.092*** (15.993) 1.281*** (15.161) -0.002 (-0.201) 0.028 (0.164) 家庭负债 -0.374*** (-20.733) -0.005*** (-3.156) -0.346*** (-15.503) 0.012*** (3.907) 0.164*** (3.823) 家庭消费 2.911*** (24.351) 0.192*** (18.406) 2.702*** (16.758) 0.016 (0.754) 0.291 (0.936) GDP -25.245*** (-8.877) -1.132*** (-5.006) -25.558*** (-7.053) 0.519 (1.150) 7.465 (1.150) 社会保障水平 -77.454*** (-33.066) 0.566** (2.575) -67.991*** (-23.740) -0.473 (-1.108) -5.760 (-0.938) 财政支出 27.047*** (18.183) 0.009 (0.066) 28.838*** (15.431) 0.509* (1.870) 6.866* (1.749) 存款因素 -25.739*** (-9.982) 2.992*** (14.453) -18.770*** (-6.031) -0.494 (-1.260) -6.700 (-1.183) 贷款因素 -125.054*** (-29.960) -2.174*** (-5.974) -132.785*** (-24.433) 0.044 (0.056) -0.318 (-0.028) 基础设施建设 -0.037*** (-6.229) -0.0001 (-0.197) 0.021*** (2.755) 0.001 (1.429) 0.020 (1.533) 互联网发展 4.870*** (45.076) -0.065*** (-6.175) 5.209*** (39.209) 0.049** (2.201) 0.706** (2.191) 家庭固定效应 控制 控制 控制 控制 控制 样本数量 36 525 36 525 21 359 21 359 21 359 F值 24 22.08 1 462.30 外生性检验统计量/P值 14.37/0.000 2 3.46/0.062 9 3.98/0.046 0
下载: 导出CSV
表 4 稳健性检验：变量替换
变量 (1) (2) (3) (4) (5) (6) 是否接触电信网络诈骗 是否有实际损失 损失金额 数字金融 0.013***(26.068) 0.171***(12.831) -0.041***(-4.032) -0.081***(-3.210) -0.584***(-4.182) -1.066***(-2.984) 受教育程度-1 0.313***(18.796) -0.056*(-1.766) -0.787*(-1.703) 受教育程度-2 0.193***(6.376) -0.018(-0.356) -0.455(-0.638) 婚姻状况 -0.088***(-4.316) -0.128***(-3.310) -1.781***(-3.208) 健康水平 0.107***(7.514) 0.130***(4.622) 2.053***(5.028) 信任 -0.012(-0.823) -0.009(-0.319) -0.137(-0.340) 家庭财富 0.096***(18.833) -0.016(-1.642) -0.179(-1.218) 家庭负债 -0.006***(-4.536) 0.015***(5.527) 0.210***(5.423) 家庭消费 0.204***(20.365) -0.009(-0.426) -0.075(-0.266) GDP -1.617***(-7.232) 0.944**(2.112) 13.338**(2.071) 社会保障水平 0.391**(2.109) 0.112(0.322) 2.890(0.565) 财政支出 -0.176(-1.483) 0.256(1.084) 2.961(0.876) 存款因素 3.048***(14.979) -0.585(-1.559) -7.879(-1.414) 贷款因素 -3.459***(-10.460) 1.474**(2.193) 20.147**(2.043) 基础设施建设 0.002***(3.427) 0.001(1.300) 0.019(1.467) 互联网发展 -0.146***(-13.263) 0.060***(2.704) 0.790**(2.521) 家庭固定效应 控制 控制 控制 控制 控制 控制 样本数量 36 525 36 525 21 359 21 359 21 359 21 359 Pseudo R2 0.013 9 0.083 0 0.001 9 0.012 8 0.001 1 0.007 4
下载: 导出CSV
表 5 稳健性检验：变量替换
变量 (1) (2) (3) (4) (5) (6) 是否接触电信网络诈骗 是否有实际损失 损失金额 数字金融 0.045*** (28.758) 0.056*** (11.625) -0.013*** (-4.256) -0.038*** (-4.166) -0.182*** (-4.430) -0.510*** (-4.210) 受教育程度-1 0.309*** (18.597) -0.054* (-1.700) -0.759 (-1.643) 受教育程度-2 0.195*** (6.416) -0.019 (-0.381) -0.468 (-0.656) 婚姻状况 -0.089*** (-4.366) -0.013*** (-3.284) -1.761*** (-3.172) 健康水平 0.100*** (6.971) 0.138*** (4.876) 2.157*** (5.267) 信任 -0.006 (-0.450) -0.012 (-0.445) -0.185 (-0.459) 家庭财富 0.092*** (18.052) -0.013 (-1.302) -0.136 (-0.920) 家庭负债 -0.006*** (-4.262) 0.014*** (5.423) 0.206*** (5.329) 家庭消费 0.208*** (20.683) -0.012 (-0.598) -0.125 (-0.443) GDP -0.860*** (-3.837) 0.468 (1.045) 6.973 (1.084) 社会保障水平 0.572*** (3.011) -0.027 (-0.075) 1.063 (0.206) 财政支出 0.041 (0.351) 0.141 (0.606) 1.397 (0.416) 存款因素 1.841*** (8.132) 0.320 (0.764) 4.268 (0.683) 贷款因素 -2.766*** (-8.553) 1.177* (1.797) 16.200* (1.680) 基础设施建设 -0.001** (-2.256) 0.002*** (2.886) 0.034*** (2.864) 互联网发展 -0.163*** (-13.209) 0.090*** (3.756) 1.210*** (3.563) 家庭固定效应 控制 控制 控制 控制 控制 控制 样本数量 36 525 36 525 21 359 21 359 21 359 21 359 Pseudo R2 0.017 9 0.082 6 0.002 2 0.013 8 0.001 2 0.008 0
下载: 导出CSV
表 6 稳健性检验：变更模型估计方法
变量 (1) (2) (3) (4) (5) (6) 是否接触电信网络诈骗 是否有实际损失 损失金额 Logit OLS 数字普惠金融 0.019***(43.150) 0.014***(21.877) -0.007***(-5.939) -0.004**(-2.435) -0.003***(-4.726) -0.001**(-1.976) 受教育程度-1 0.466***(16.906) -0.103(-1.537) -0.031(-1.118) 受教育程度-2 0.311***(5.925) -0.038(-0.358) -0.035(-0.835) 婚姻状况 -0.081**(-2.422) -0.285***(-3.600) -0.123***(-3.210) 健康水平 0.198***(8.435) 0.257***(4.353) 0.129***(4.920) 信任 -0.032(1.381) -0.015(-0.250) -0.011(-0.442) 家庭财富 0.133***(16.038) -0.026(-1.270) -0.0004(-0.041) 家庭负债 -0.004*(-1.731) 0.029***(5.188) 0.012***(4.574) 家庭消费 0.294***(17.988) -0.003(-0.072) 0.021(1.119) GDP -1.829***(-4.958) 1.408(1.539) 0.662(1.637) 社会保障水平 1.517***(4.891) -0.133(-0.178) -0.012(-0.039) 财政支出 -0.305(-1.572) 0.545(1.064) 0.143(0.725) 存款因素 5.129***(14.629) -1.139(-1.431) -0.334(-1.062) 贷款因素 -2.754***(-5.084) 1.735(1.253) 0.530(0.902) 基础设施建设 0.001*(1.938) 0.003**(2.222) 0.002***(2.803) 互联网发展 -0.147***(-10.640) 0.044(1.263) 0.017(1.186) 家庭固定效应 控制 控制 控制 控制 控制 控制 样本数量 36 525 36 525 21 359 21 359 21 359 21 359 Pseudo R2/R2 0.039 2 0.089 8 0.003 6 0.012 1 0.001 1 0.005 2
下载: 导出CSV
表 7 稳健性检验：剔除直辖市样本
变量 (1) (2) (3) (4) (5) (6) 是否接触电信网络诈骗 是否有实际损失 损失金额 数字普惠金融 0.011*** (34.270) 0.008*** (20.784) -0.003*** (-4.511) -0.002** (-2.149) -0.041*** (-4.410) -0.022* (-1.877) 受教育程度-1 0.301*** (16.772) -0.046 (-1.326) -0.641 (-1.273) 受教育程度-2 0.181*** (5.423) -0.042 (-0.758) -0.801 (-0.996) 婚姻状况 -0.051** (-2.326) -0.173*** (-4.108) -2.362*** (-3.866) 健康水平 0.105*** (6.812) 0.110*** (3.546) 1.786*** (4.000) 信任 -0.017 (-1.129) -0.011 (-0.373) -0.226 (-0.515) 家庭财富 0.086*** (15.550) -0.016 (-1.390) -0.150 (-0.907) 家庭负债 -0.002 (-1.329) 0.015*** (5.068) 0.211*** (5.033) 家庭消费 0.176*** (16.645) 0.010 (0.436) 0.154 (0.502) GDP -0.465 (-1.629) -0.530 (-0.896) -7.315 (-0.868) 社会保障水平 1.605*** (6.809) -0.743 (-1.548) -10.117 (-1.480) 财政支出 -0.651*** (-4.564) 0.707** (2.417) 9.922** (2.345) 存款因素 1.900*** (5.747) 0.946 (1.394) 14.088 (1.454) 贷款因素 -0.514 (-1.399) -0.095 (-0.125) -2.193 (-0.199) 基础设施建设 0.002*** (4.507) 0.001 (1.000) 0.014 (1.086) 互联网发展 -0.052*** (-5.237) -0.011 (-0.561) -0.213 (-0.736) 家庭固定效应 控制 控制 控制 控制 控制 控制 样本数量 31 467 31 467 17 479 17 479 17 479 17 479 Pseudo R2 0.027 7 0.078 4 0.002 5 0.012 2 0.001 4 0.007 0
下载: 导出CSV
表 8 稳健性检验：考虑数字金融影响滞后性
变量 (1) (2) (3) (4) (5) (6) 数字金融指数滞后一期 数字金融指数滞后二期 是否接触电信网络诈骗 是否有实际损失 损失金额 是否接触电信网络诈骗 是否有实际损失 损失金额 数字普惠金融 0.008*** (19.627) -0.002** (-2.412) -0.026** (-2.182) 0.008*** (20.768) -0.002** (-2.480) -0.026** (-2.215) 受教育程度-1 0.291*** (17.439) -0.050 (-1.585) -0.712 (-1.535) 0.288*** (17.249) -0.050 (-1.583) -0.711 (-1.535) 受教育程度-2 0.175*** (5.774) -0.017 (-0.340) -0.444 (-0.622) 0.172*** (5.681) -0.017 (-0.335) -0.443 (-0.620) 婚姻状况 -0.055*** (-2.675) -0.138*** (-3.574) -1.923*** (-3.446) -0.051** (-2.509) -0.139*** (-3.596) -1.933*** (-3.461) 健康水平 0.119*** (8.350) 0.126*** (4.485) 2.004*** (4.908) 0.121*** (8.446) 0.126*** (4.462) 1.996*** (4.888) 信任 -0.019 (-1.358) -0.007 (-0.255) -0.113 (-0.280) -0.019 (-1.380) -0.007 (-0.256) -0.114 (-0.282) 家庭财富 0.083*** (16.469) -0.013 (-1.273) -0.133 (-0.889) 0.082*** (16.250) -0.013 (-1.259) -0.131 (-0.881) 家庭负债 -0.003** (-2.107) 0.014*** (5.203) 0.200*** (5.134) -0.003* (-1.788) 0.014*** (5.178) 0.200*** (5.119) 家庭消费 0.178*** (17.916) -0.001 (-0.033) 0.032 (0.113) 0.177*** (17.798) -0.000 4 (-0.020) 0.035 (0.122) GDP -1.143*** (-5.111) 0.671 (1.530) 9.749 (1.532) -1.174*** (-5.252) 0.679 (1.550) 9.871 (1.552) 社会保障水平 0.832*** (4.445) -0.036 (-0.101) 0.874 (0.169) 0.880*** (4.699) -0.061 (-0.171) 0.566 (0.109) 财政支出 -0.140 (-1.196) 0.252 (1.055) 2.942 (0.861) -0.286** (-2.433) 0.291 (1.210) 3.442 (0.997) 存款因素 2.861*** (13.734) -0.498 (-1.318) -6.839 (-1.220) 2.889*** (13.853) -0.515 (-1.367) -7.069 (-1.262) 贷款因素 -1.520*** (-4.608) 0.732 (1.099) 10.300 (1.052) -1.342*** (-4.062) 0.721 (1.086) 10.220 (1.045) 基础设施建设 0.001 (1.390) 0.002** (2.327) 0.029** (2.396) 0.001** (2.199) 0.002** (2.214) 0.028** (2.290) 互联网发展 -0.080*** (-9.566) 0.020 (1.236) 0.266 (1.110) -0.084*** (-9.920) 0.021 (1.293) 0.278 (1.155) 家庭固定效应 控制 控制 控制 控制 控制 控制 样本数量 36 525 21 359 21 359 36 525 21 359 21 359 Pseudo R2 0.036 6 0.012 2 0.007 2 0.088 4 0.012 3 0.007 2
下载: 导出CSV
表 9 异质性分析：城乡差异
变量 (1) (2) (3) (4) (5) (6) 城镇 农村 是否接触电信网络诈骗 是否有实际损失 损失金额 是否接触电信网络诈骗 是否有实际损失 损失金额 数字普惠金融 0.007*** (9.473) -0.002 (-1.334) -0.019 (-0.517) 0.007*** (14.147) -0.002* (-1.687) -0.039* (-1.698) 控制变量 控制 控制 控制 控制 控制 控制 家庭固定效应 控制 控制 控制 控制 控制 控制 样本数量 11 298 4 499 4 499 25 227 16 860 16 860 Pseudo R2 0.035 7 0.019 8 0.010 8 0.062 9 0.011 1 0.006 9 注：受限于篇幅，控制变量的估计系数未列出，留存备索。表 10和表 11、表 12、表 14、表 16同。
下载: 导出CSV
表 10 区域异质性分析
变量 (1) (2) (3) (4) (5) (6) (7) (8) (9) 东部 中部 西部 是否接触电信网络诈骗 是否有实际损失 损失金额 是否接触电信网络诈骗 是否有实际损失 损失金额 是否接触电信网络诈骗 是否有实际损失 损失金额 数字普惠金融 0.010***
(14.472)-0.003**
(-1.992)-0.038*
(-1.803)0.010***
(12.052)-0.001
(-0.451)-0.007
(-0.333)0.011***
(14.176)-0.001
(-0.970)-0.015
(-0.728)控制变量 控制 控制 控制 控制 控制 控制 控制 控制 控制 家庭固定效应 控制 控制 控制 控制 控制 控制 控制 控制 控制 样本数量 18 011 11 240 11 240 9 676 5 055 5 055 8 838 5 064 5 064 Pseudo R2 0.102 7 0.015 8 0.009 6 0.076 1 0.015 2 0.008 6 0.091 4 0.020 4 0.011 3
下载: 导出CSV
表 11 异质性分析：一级数字鸿沟
变量 (1) (2) (3) (4) (5) (6) 第一批实行“宽带中国”政策(是) 第一批实行“宽带中国”政策(否) 是否接触电信网络诈骗 是否有实际损失 损失金额 是否接触电信网络诈骗 是否有实际损失 损失金额 数字普惠金融 0.007***(11.139) -0.003*(-1.937) -0.116***(-3.870) 0.006***(9.726) -0.001(-1.084) 0.038(1.382) 控制变量 控制 控制 控制 控制 控制 控制 家庭固定效应 控制 控制 控制 控制 控制 控制 样本数量 18 955 9 887 9 887 17 570 11 472 11 472 Pseudo R2 0.081 7 0.016 7 0.012 0 0.059 4 0.011 8 0.006 5
下载: 导出CSV
表 12 异质性分析：二级数字鸿沟
变量 (1) (2) (3) (4) (5) (6) 优势样本 劣势样本 是否接触电信网络诈骗 是否有实际损失 损失金额 是否接触电信网络诈骗 是否有实际损失 损失金额 数字普惠金融 0.009*** (18.428) -0.003** (-2.566) -0.035** (-2.394) 0.007*** (9.597) -0.001 (-0.660) -0.007 (-0.379) 控制变量 控制 控制 控制 控制 控制 控制 家庭固定效应 控制 控制 控制 控制 控制 控制 样本数量 22 336 11 065 11 065 14 189 10 294 10 294 Pseudo R2 0.069 6 0.012 9 0.007 3 0.044 8 0.016 2 0.010 1
下载: 导出CSV
表 13 作用机制检验：金融可得性
变量 (1) (2) (3) 金融可得性 是否有实际损失 损失金额 数字普惠金融 0.003*** (5.235) -0.002** (-2.363) -0.024** (-2.067) 金融可得性 -0.102*** (-3.086) -1.203** (-2.509) 受教育程度-1 0.216*** (9.988) -0.043 (-1.365) -0.627 (-1.349) 受教育程度-2 0.077** (2.511) -0.012 (-0.241) -0.391 (-0.547) 婚姻状况 -0.042 (-1.473) -0.140*** (-3.623) -1.943*** (-3.478) 健康水平 -0.192*** (-9.559) 0.120*** (4.265) 1.929***(4.717) 信任 0.075*** (3.863) -0.005(-0.189) -0.092 (-0.227) 家庭财富 0.071*** (9.302) -0.011 (-1.071) -0.111 (-0.742) 家庭负债 0.010*** (5.318) 0.014*** (5.319) 0.204*** (5.225) 家庭消费 0.247*** (17.588) 0.007 (0.340) 0.123 (0.431) GDP 0.556* (1.792) 0.670 (1.529) 9.726 (1.528) 社会保障水平 0.506** (2.035) -0.031 (-0.088) 0.982 (0.189) 财政支出 0.152 (0.939) 0.269 (1.126) 3.123 (0.912) 存款因素 1.071*** (4.161) -0.509 (-1.347) -7.006 (-1.250) 贷款因素 -1.078** (-2.260) 0.715 (1.078) 10.224 (1.049) 基础设施建设 0.001** (2.418) 0.002** (2.394) 0.030** (2.457) 互联网发展 -0.056*** (-4.862) 0.020 (1.211) 0.260 (1.078) 家庭固定效应 控制 控制 控制 样本数量 21 359 21 359 21 359 Pseudo R2 0.072 3 0.013 2 0.007 6
下载: 导出CSV
表 14 作用机制检验：融资约束
变量 (1) (2) (3) (4) (5) (6) 融资约束 是否有实际损失 损失金额 融资约束(虚拟) 是否有实际损失 损失金额 数字普惠金融 -0.122*** (-5.233) -0.002** (-2.327) -0.023** (-2.010) -0.007*** (-5.403) -0.002** (-2.308) -0.023** (-1.992) 融资约束 0.028*** (3.947) 0.412*** (4.038) 融资约束(虚拟) 0.292*** (3.929) 4.247*** (4.013) 控制变量 控制 控制 控制 控制 控制 控制 家庭固定效应 控制 控制 控制 控制 控制 控制 样本数量 21 359 21 359 21 359 21 359 21 359 21 359 Pseudo R2 0.173 4 0.013 8 0.008 1 0.288 3 0.013 8 0.008 1
下载: 导出CSV
表 15 对金融经济信息关注度机制检验
变量 (1) (2) (3) 是否关注金融经济信息 是否有实际损失 损失金额 数字普惠金融 0.001** (2.233) -0.002** (-2.222) -0.021* (-1.889) 是否关注经济金融信息 -0.643*** (-16.527) -9.418*** (-15.910) 受教育程度-1 -0.435*** (-19.757) -0.123*** (-3.790) -1.724*** (-3.755) 受教育程度-2 -0.307*** (-7.852) -0.039 (-0.775) -0.739 (-1.064) 婚姻状况 -0.004 (-0.126) -0.141*** (-3.584) -1.894*** (-3.442) 健康水平 0.104*** (5.347) 0.147*** (5.084) 2.227*** (5.531) 信任 -0.174*** (-8.965) -0.034 (-1.186) -0.486 (-1.227) 家庭财富 -0.084*** (-12.050) -0.029*** (-2.847) -0.361** (-2.452) 家庭负债 -0.005*** (-2.604) 0.014*** (4.978) 0.189*** (4.917) 家庭消费 -0.167*** (-11.626) -0.029 (-1.357) -0.370 (-1.323) GDP 0.962*** (3.121) 0.850* (1.901) 11.984* (1.916) 社会保障水平 0.221 (0.893) -0.047 (-0.129) 0.775 (0.151) 财政支出 -0.128 (-0.808) 0.255 (1.042) 2.746 (0.813) 存款因素 0.154 (0.597) -0.562 (-1.459) -7.544 (-1.370) 贷款因素 -0.475 (-1.024) 0.730 (1.072) 10.028 (1.045) 基础设施建设 -0.002*** (-2.064) 0.002** (1.988) 0.025** (2.073) 互联网发展 -0.020* (-1.731) 0.021 (1.226) 0.260 (1.099) 家庭固定效应 控制 控制 控制 样本数量 21 359 21 359 21 359 Pseudo R2 0.080 5 0.044 5 0.027 3
下载: 导出CSV
表 16 金融监管强度与宣传教育的调节效应
变量 (1) (2) (3) (4) (5) 是否接触电信网络诈骗 是否有实际损失 损失金额 是否有实际损失 损失金额 数字普惠金融×金融监管强度 -0.004*** (-3.238) 数字普惠金融×金融教育 -0.001*** (-3.105) -0.013*** (-3.276) 数字普惠金融×社区信息获取 -0.001*** (-5.498) -0.015*** (-5.166) 控制变量 控制 控制 控制 控制 控制 家庭固定效应 控制 控制 控制 控制 控制 样本数量 36 525 21 359 21 359 21 359 21 359 Pseudo R2 0.079 8 0.012 7 0.007 6 0.014 7 0.008 5
下载: 导出CSV
-
[1] 高楠, 马媛媛, 何青. 融资需求、信贷约束与经济诈骗[J]. 世界经济, 2022, 45(4): 134-161. https://www.cnki.com.cn/Article/CJFDTOTAL-SJJJ202204006.htm [2] 江鸿泽, 梁平汉. 数字金融发展与犯罪治理——来自盗窃案刑事判决书的证据[J]. 数量经济技术经济研究, 2022(10): 68-88. https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY202210004.htm [3] DEAN KARLAN, MARKUS MOBIUS, TANYA ROSENBLAT, et al. Trust and social collateral[J]. Quarterly Journal of Economics, 2009, 124(3): 1307-1361. doi: 10.1162/qjec.2009.124.3.1307 [4] 张勋, 万广华, 张佳佳, 等. 数字经济、普惠金融与包容性增长[J]. 经济研究, 2019(8): 71-86. doi: 10.3969/j.issn.1005-2674.2019.08.008 [5] LIU L, LU G, XIONG W. The big tech lending model[R]. Cambridge, MA: NBER Working Paper, 2022, No. 30160. [6] 杨望, 刘洪洋, 林溪, 等. 数字普惠金融增收效应研究: 兼论"提低扩中"效果[J]. 国际金融研究, 2024(5): 3-14. https://www.cnki.com.cn/Article/CJFDTOTAL-GJJR202405001.htm [7] 王义中, 林溪, 孙睿. 金融科技平台公司经济影响研究: 风险与收益不对称视角[J]. 经济研究, 2022(6): 119-136. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ202206009.htm [8] 龙海明, 李瑶, 吴迪. 数字普惠金融对居民消费的影响研究: "数字鸿沟"还是"数字红利"?[J]. 国际金融研究, 2022(5): 3-12. https://www.cnki.com.cn/Article/CJFDTOTAL-GJJR202205001.htm [9] MAGGIO M D, YAO V. Fintech borrowers: lax-screening or cream-skimming?[J]. Review of Financial Studies, 2021, 34(10): 4565-4618. doi: 10.1093/rfs/hhaa142 [10] CHEN L. From fintech to finlife: the case of fintech development in China[J]. China Economic Journal, 2016, 9(3): 225-239. doi: 10.1080/17538963.2016.1215057 [11] 刘艳红. 网络暴力治理的法治化转型及立法体系建构[J]. 法学研究, 2023(5): 79-95. https://www.cnki.com.cn/Article/CJFDTOTAL-LAWS202305005.htm [12] 陈如超. 电信网络诈骗涉案资金冻结及其处置[J]. 中国刑事法杂志, 2023(2): 71-89. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGXF202302005.htm [13] 刘为军. 论电信网络诈骗的生态治理——以《反电信网络诈骗法》为主要研究样本[J]. 法学论坛, 2023(4): 94-105. https://www.cnki.com.cn/Article/CJFDTOTAL-SDFX202304010.htm [14] 刘杨. 法治政府视野下执法协作的实践困境与破解路径[J]. 法商研究, 2023(2): 117-131. https://www.cnki.com.cn/Article/CJFDTOTAL-FSYJ202302009.htm [15] 向静林, 艾云. 数字社会发展与中国政府治理新模式[J]. 中国社会科学, 2023(11): 4-23, 204. https://www.cnki.com.cn/Article/CJFDTOTAL-ZSHK202311001.htm [16] 黄益平, 黄卓. 中国的数字金融发展: 现在与未来[J]. 经济学(季刊), 2018(4): 1489-1502. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXU201804009.htm [17] 姜美善, 梁泰源. 传统金融与数字普惠金融的减贫增收效应: 差异性与互补性[J]. 广东财经大学学报, 2023(5): 57-74. http://xb.gdufe.edu.cn/article/id/07184d5b-96ec-4ba6-b30c-7a9e2586eabc [18] STULZ R M. FinTech, Bigtech and the future of banks[R]. Cambridge, MA: NBER Working Paper, 2019, No. 26312. [19] BANERJEE A V, DUFLO E. Do firms want to borrow more?testing credit constraints using a directed lending program[J]. Review of Economic Studies, 2014, 81(2): 572-607. [20] 李彦龙, 沈艳. 数字普惠金融与区域经济不平衡[J]. 经济学(季刊), 2022(5): 1805-1828. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXU202205017.htm [21] 吴雨, 李晓, 李洁, 等. 数字金融发展与家庭金融资产组合有效性[J]. 管理世界, 2021(7): 92-104, 7. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ202107010.htm [22] BRUHN M, LOVE I. The real impact of improved access to finance: evidence from Mexico[J]. Journal of Finance, 2014, 69(3): 1347-1376. [23] JAUCH S, WATZKA S. Financial development and income inequality: a panel data approach[J]. Empirical Economics, 2016, 51(1): 291-314. [24] 温博慧, 孟新新, 赵志尚. 数字金融对家庭社会关系网络风险分担的影响——基于家庭金融脆弱性视角[J]. 广东财经大学学报, 2023(6): 54-71. http://xb.gdufe.edu.cn/article/id/4629a957-3a2f-4427-b2d4-16845b82d490 [25] 张勋, 杨桐, 汪晨, 等. 数字金融发展与居民消费增长: 理论与中国实践[J]. 管理世界, 2020(11): 48-63. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ202011008.htm [26] 田鸽, 黄海, 张勋. 数字金融与创业高质量发展: 来自中国的证据[J]. 金融研究, 2023(3): 74-92. https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ202303005.htm [27] BECK T, PAMUK H, RAMRATTAN R, et al. Payment instruments, finance and development[J]. Journal of Development Economics, 2018, 133: 162-186. [28] 张勋, 万广华, 吴海涛. 缩小数字鸿沟: 中国特色数字金融发展[J]. 中国社会科学, 2021(8): 35-51. https://www.cnki.com.cn/Article/CJFDTOTAL-ZSHK202108002.htm [29] 马述忠, 胡增玺. 数字金融是否影响劳动力流动?——基于中国流动人口的微观视角[J]. 经济学(季刊), 2022(1): 303-322. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXU202201015.htm [30] TOK Y W, HENG D. Fintech: financial inclusion or exclusion?[R]. Washington: IMF Working Papers, 2022, 80. [31] 刘勇, 白小滢, 唐荣胜. 数字金融、创新弹性与工资收入差距[J]. 中国工业经济, 2023(11): 43-61. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY202311003.htm [32] XUE Q, WANG H, WEI J. Internet technology and regional financial fraud: evidence from Broadband expansion in China[J]. Journal of Applied Economics, 2023, 26(1): 2281167. [33] 付立庆. 被害人因受骗而同意的法律效果[J]. 法学研究, 2016(2): 154-170. https://www.cnki.com.cn/Article/CJFDTOTAL-LAWS201602009.htm [34] LANGENDERFER J, SHIMP T A. Consumer vulnerability to scams, swindles, and fraud: A new theory of visceral influences on persuasion[J]. Psychology & Marketing, 2001, 18(7): 763-783. [35] DELIEMA M, SHADEL D, PAK K, et al. Profiling victims of investment fraud: mindsets and risky behaviors[J]. Journal of Consumer Research, 2020, 46(5): 904-914. [36] 郭烁. 电信网络诈骗犯罪应对的程序性困境与完善[J]. 法学论坛, 2023(4): 84-93. https://www.cnki.com.cn/Article/CJFDTOTAL-SDFX202304009.htm [37] 谭羚雁, 张小兵. 公安机关纵向职责同构: 历史梳理、路径依赖与体系重构[J]. 中国人民公安大学学报(社会科学版), 2021(6): 107-116. https://www.cnki.com.cn/Article/CJFDTOTAL-GADX202106011.htm [38] ALVES L M, WILSON S R. The effects of loneliness on telemarketing fraud vulnerability among older adults[J]. Journal of Elder Abuse & Neglect, 2008, 20(1): 63-85. [39] PRATT T C, HOLTFRETER K, REISIG M D. Routine online activity and internet fraud targeting: extending the generality of routine activity theory[J]. Journal of Research in Crime and Delinquency, 2010, 47(3): 267-296. [40] LOUBERE N. China's internet finance boom and tyrannies of inclusion[J]. China Perspectives, 2017, 4: 9-18. [41] BOUCHILLON B C. Social ties and generalized trust, online and in person: contact or conflict—the mediating role of bonding social capital in America[J]. Social Science Computer Review, 2014, 32(4): 506-523. [42] ROSS M, GROSSMANN I, SCHRYER E. Contrary to psychological and popular opinion, there is no compelling evidence that older adults are disproportionately victimized by consumer fraud[J]. Perspect Psychol, 2014, 9(4): 427-442. [43] TITUS S M, GOVER A R. Psesonal fraud: the victims and the scams[J]. Crime Prevention Studies, 2001, 12: 133-152. [44] 雷晓燕, 沈艳, 杨玲. 数字时代中国老年人被诈骗研究——互联网与数字普惠金融的作用[J]. 金融研究, 2022(8): 113-131. https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ202208007.htm [45] MEARS D P, REISIG M D, SCAGGS S, et al. Efforts to reduce consumer fraud victimization among the elderly: the effect of information access on program awareness and contact[J]. Crime & Delinquency, 2016, 62(9): 1235-1259. [46] HOLTFRETER K, REISIG M D, LEEPER PIQUERO N, et al. Low self-control and fraud[J]. Criminal Justice and Behavior, 2010, 37(2): 188-203. [47] 赵涛, 张智, 梁上坤. 数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J]. 管理世界, 2020(10): 65-76. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ202010009.htm [48] 向静, 刘亚岚. "杀猪盘"电信诈骗犯罪的心理控制机制剖析[J]. 中国人民公安大学学报(社会科学版), 2021(4): 1-10. https://www.cnki.com.cn/Article/CJFDTOTAL-GADX202104001.htm [49] 李春涛, 闫续文, 宋敏, 等. 金融科技与企业创新——新三板上市公司的证据[J]. 中国工业经济, 2020(1): 81-98. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY202001006.htm [50] 唐松, 伍旭川, 祝佳. 数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异[J]. 管理世界, 2020(5): 52-66, 9. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ202005006.htm [51] 张龙耀, 邢朝辉. 中国农村数字普惠金融发展的分布动态、地区差异与收敛性研究[J]. 数量经济技术经济研究, 2021(3): 23-42. https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY202103002.htm [52] 聂秀华, 江萍, 郑晓佳, 等. 数字金融与区域技术创新水平研究[J]. 金融研究, 2021(3): 132-150. https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ202103008.htm [53] 宋敏, 周鹏, 司海涛. 金融科技与企业全要素生产率——"赋能"和信贷配给的视角[J]. 中国工业经济, 2021(4): 138-155. https://www.cnki.com.cn/Article/CJFDTOTAL-GGYY202104009.htm [54] 盛天翔, 范从来. 金融科技、最优银行业市场结构与小微企业信贷供给[J]. 金融研究, 2020(6): 114-132. https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ202006007.htm [55] 李继尊. 关于互联网金融的思考[J]. 管理世界, 2015(7): 1-7, 16. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201507004.htm [56] PHILIPPON T. On fintech and financial inclusion[R]. Cambridge, MA: NBER Working Paper, 2019, No. 26330. [57] 程名望, 张家平. 互联网普及与城乡收入差距: 理论与实证[J]. 中国农村经济, 2019(2): 19-41. https://www.cnki.com.cn/Article/CJFDTOTAL-ZNJJ201902002.htm [58] 尹志超, 张栋浩. 金融普惠、家庭贫困及脆弱性[J]. 经济学(季刊), 2020(5): 153-172. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXU202005009.htm [59] 王红建, 张科, 李青原. 金融科技的经济稳定器作用: 金融加速器理论的视角[J]. 经济研究, 2023(12): 4-21. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ202312001.htm [60] BURKE J, KIEFFER C, MOTTOLA G R, et al. Can educational interventions reduce susceptibility to financial fraud?[J]. SSRN Electronic Journal, 2020, 198: 250-266. [61] 何静秋. 电信网络诈骗犯罪被害预防的治理困境与优化进路——基于虚假投资理财类案件的实证考察[J]. 中国人民公安大学学报(社会科学版), 2023(4): 83-96. https://www.cnki.com.cn/Article/CJFDTOTAL-GADX202304008.htm -
