【关键词】家庭福利  金融包容  幸福

【中图分类号】F830                              【文献标识码】A

【DOI】10.16619/j.cnki.rmltxsqy.2020.30.012

引言

金融包容（Financial Inclusion）缘起于国外的金融地理学（Financial Geography），2004年金雪军、田霖将这一概念引入国内时采用了金融排斥（Financial Exclusion）[1]、金融排除及金融排外性的说法。事实上，金融包容是金融排斥概念的扩展与深化，是一个多维度的动态复合概念（田霖，2013;Bhowmik等人，2013），指个体、群体、企业、组织或者地区等接触（Access）并融入（Use）主流金融（Mainstream Finance）系统的过程与状态。近十几年来，中外学者对金融包容[2]的指数构建、区域比较、影响因素的讨论已经相对充分与成熟（Chakrabarty，2013;Gloukoviezoff，2006;Kapoor，2014），而对其作用于居民福利水平的渠道与机制研究则较为欠缺，有限的文献也多以定性研究为主或局限于某一小型社区的问卷调研。本文将采纳China Household Finance Survey项目（CHFS）在中国的大型微观调研数据[3]探讨金融包容对中国家庭福利水平的影响，它覆盖29个省、262个县、1048个社区，样本涵盖28143户家庭、97916个居民，调查方法科学、问卷设计合理，确保了样本的代表性、信度和效度（甘犁等人，2013）。

福利研究概述

经济福利的内涵。“福利”一词最初的解释是人们对幸福的主观感受和满足程度。Pigou （1920）从经济角度出发，提出经济福利是社会福利的一部分。经济福利是从狭义角度来考虑的，而社会福利是从广义角度来考虑的，具体包括经济福利、政治福利和文化福利（胡象明，2010）。蔡宏昭（2004）从消费、收入、社会保障和个人主观满意度等方面来衡量居民的经济福利。王桂胜（2006）认为经济福利体现为居民从自身的精神和物质消费中获得的幸福和满足感，这些效用都是居民收入带来的利益。陈茜茜（2016）提出虽然可以用货币来衡量经济福利，但居民的经济福利不局限于收入和消费两方面，居民的文化教育水平、医疗卫生水平、社会保障水平和环境保护水平也会影响到自身的经济福利。可以看出，学者们在研究经济福利时不再仅考虑消费收入等纯经济指标，也试图从社会保障、文化、教育、环境等方面来考察经济福利。不过学界对经济福利的内涵始终缺乏一个统一界定标准。

经济福利的测度。国内外对于经济福利的测度并无统一的标准，主要采用三类方法：

一是基于国民经济核算体系测度经济福利。如Pigou（1920）将经济福利与国民收入对等。在此基础上，学者们多用GDP和GNP衡量经济福利。Daly和Cobb（1989）提出并构建了可持续经济福利指数，该指数除了以GDP衡量物质福利外，还考虑了非市场活动、防护性支出、环境损害对经济福利的影响。这种指数构建方法既反映了经济增长的可持续性，又体现了经济福利的变化（唐蕾，2016）。

二是基于阿玛蒂亚·森（Amartya Sen）的可行能力福利思想，采用数理经济学方法构建福利指数模型。如Oni和Adepoju（2011）采用教育水平、医疗卫生条件、住房状况和安全性等方面的指标，用模糊数学法将所有指標形成一个综合评价指数，对尼日利亚农民进行问卷调查并研究其福利水平。周义、李梦玄（2013）基于阿特金森的广义均值不平等测度理论和阿玛蒂亚·森的可行能力福利思想，考虑中国农村物质水平、中国农村知识水平、中国农村健康状况和中国农村环境状况四个方面，构建中国农村社会福利指数新模型。

三是采用多指标综合计算评价经济福利水平。如余谦、高萍（2011）从收入分配与公平、医疗保障、教育文化、农业生产四方面衡量农民福利，并运用改进的层次分析法确定各指标在中国农村福利指数中的权重。王修华、傅小勇、陈茜茜（2017）从反映居民个体的经济利益收入水平、消费水平及反映社会经济发展状况的生活质量水平出发研究居民经济福利指数。其中，收入水平和消费水平用人均指标来体现，生活质量水平用群体消耗指标来体现。

上述三种方法各有优缺点，第一种方法简单易行，但单纯以GDP为主衡量经济福利，指标较为单一，不能全面考虑经济发展的环境成本、收入分配等情况;第二种方法优点在于通过调研获得福利指标的各类数据，较为准确全面，但局限于某一年的截面数据，无法获知历年福利变动情况;第三种方法可以弥补第二种方法的不足，但目前大多数国内学者还是偏向从收入、消费两方面测度经济福利，选取的指标仍不太全面。

金融包容对经济福利的影响。王修华、何梦、关键（2014）详细总结了国外学者在金融包容的经济福利效应方面的研究。他们指出国外学者对金融包容的经济福利效应研究主要体现在宏观与微观两方面。在宏观效应方面，金融包容可以促进贫困减少，推动经济增长，提高金融稳定;在微观效应方面，金融包容能够改善居民消费和支出，促进投资、提升健康水平和妇女权利。英国CFLI组织（the Community Finance and Learning Initiative）指出金融包容与福利的内在关联，认为金融排斥会导致家庭预算资金的外流;更强的金融意识可以增加人们获得福利的可能性;接触一系列金融产品能够使人们避免陷入贫困陷阱或帮助人们走出贫困陷阱的恶性循环。

国内学者对金融包容的经济福利效应研究集中体现在金融包容影响居民的收入水平、消费水平等方面，也有学者重点研究金融包容对农村居民收入的影响。如田霖（2011）认为经济福利主要表现为金融包容影响居民的收入水平、消费水平及家庭开支，同时从营养经济学角度论述了金融包容对非经济福利的影响。田杰、陶建平（2012）利用2006～2009年1877个县（市）的数据，针对农村普惠性金融发展对农户收入的影响进行面板分析。汤凯、田璐（2013）以河南和江浙地区为例，分析了包容性金融对农户收入的影响。徐强、陶侃（2017）的实证结果表明，金融包容通过经济增长作用于贫困减缓，金融包容与贫困减缓之间呈现稳定的正向关系，金融包容水平的提高有利于贫困的减缓甚至消除。寻努绩（2015）通过实证研究得出农村包容性金融服务水平与农村居民收入水平间存在长期稳定均衡关系的结论，并且分析了农村金融包容性发展对福利增进效用的影响机制，即前者通过影响农村资本形成与配置降低居民获得金融服务和产品的门槛，从而作用于农村经济发展，进而影响农村居民收入变化和城乡收入分配。

总体看来，研究尚存在以下不足：研究对象以金融包容自身居多，其福利影响研究相对较少;研究范畴以区域层面及空间差异比较居多，家庭、个人微观视角切入较少;定量分析以区域人均指标（如机构覆盖率、金融产品与服务可达性、人均存贷款余额等）居多，以基于结果的家庭资产价值法衡量的角度较少，对家庭金融能力（Financial Capacity）的提升、家庭资产与负债的自主选择与有效管理重视不够（Jones，2006;2008）。家庭是社会的细胞，构建创新、绿色、开放、协调、共享的社会，离不开家庭福利的完善与居民幸福感的提升。如何从金融供给侧入手，在国际经济形势复杂及国内“三期叠加”（增长速度换档期、结构调整阵痛期、前期刺激政策消化期）的两重艰难局面下，刺激消费、优化内需、引导产业升级、拉动实体经济、促进居民的身心健康以及使每个中国家庭主观感受到怡然、富足与幸福，关乎十三五规划主要目标的实现，也是关乎民生的重要议题。

理论框架与变量选择

（一）理论框架。英国CFLI组织提出金融包容的多层面特性及其与福利的内在关联：金融排斥导致家庭预算资金的外流;包容意味着更强的金融意识，可增加人們获得福利的可能性;包容表示可接触到一系列金融产品能够避免人们陷入或帮助人们走出贫困陷阱，而较低水平的金融包容将限制政府更为广泛的福利改革策略的成功实施。笔者曾尝试分析金融包容对中国城乡居民福利的影响，遗憾的是，由于复合因果关系的存在，区域经济福利的定量分析很难找到可信、共识性强的度量指标，而非经济福利则因缺乏相应数据而无法展开量化研究。[4]本文在充分考察学理、中国国情及数据可得性的基础上，提出以下三个假设：

H1：在其他条件不变的情况下，家庭金融包容水平越高，居民的消费水平及生活水平越高。这是金融包容作用于家庭福利水平的第一条渠道。

H2：在其他条件不变的情况下，家庭金融包容的提高可以缓解居民的过度负债（Over-indebtedness）以及可能由此造成的负面影响（包括对其心理健康和生理健康的损害）。这是金融包容作用于家庭福利水平的第二条渠道。

H3：在其他条件不变的情况下，家庭金融包容的提高可以促进居民主观幸福感的提升。这是金融包容作用于家庭福利水平的第三条渠道。[5]

根据以上三条假定，本文依次采纳多元线性回归模型1[6]、二值响应模型2（Probit）及有序响应模型3（Ologit），模型形式略。此外，若某一区域债务负担过重且居民主观感受不幸福，很容易陷入金融沙漠（Financial Desertification）与社会排斥（Social Exclusion）的负反馈环，引发金融风险、经济下滑与社会动荡，为检验中国是否存在此类空间集聚的危险，在文章第四部分将采用空间计量方法深入讨论。

（二）变量选择。1.自变量。家庭金融包容指数（hfi）：侧重需求主体的能动性、判断力，用基于结果的资产价值法来衡量，体现了调查时点家庭的金融能力。根据Gloukoviezoff（2006）、Jones（2008）、Arnold等人（2011）以及Donnelly等人（2012）分析，剔除现金、民间借贷等非主流金融指标，保留是否具有常用活期存款账户、目前活期存款总额（元）、定期存款笔数与时点余额、股票目前市值（元）、股票账户现金余额（元）、非公开市场交易股票市值（元）、目前拥有基金市值（元）、期货市价（元）、权证市价（元）、其他衍生品市值（元）、理财产品总市值（元）、黄金市值（元）及常用信用卡有几张，由于指标众多，采用主成分分析法，提取前两个主成分，得出每个家庭的主流金融包容指数。取值范围在[-0.1388，0.3851];income：去年实收货币收入（取对数）;toincome：家庭全部收入，包括基本工资收入、财产性收入、投资性收入及其他收入;[7]gender：户主性别，女性为1，男性为0;edu：以户主文化程度为分类变量，没上过学、上过小学与初中、上过高中（或高职、中专与大专）、上过大学本科及以上依次赋值1、2、3、4;loanedu：为了检验教育负债是否对生活消费具有挤出效应，引入家庭教育贷款指标;securityratio：家庭社会保障覆盖率，由家庭中领取退休/离休工资或养老保险人数、拥有社会医疗保险人数、有失业保险人数及有住房公积金人数的总和占全部人口的比例来衡量;age：户主年龄，18岁～30岁、31岁～55岁、56岁以上依次赋值1、2、3;marriage：婚姻状况，未婚赋值0，已婚赋值1;family：家庭规模，用家庭总人口数度量;house：是否拥有房产，是赋值1，否赋值0;auto：是否拥有汽车，是赋值1，否赋值0;newbusi：是否经营工商业项目，是赋值1，否赋值0;rural：农村地区为1，城市地区为0;east和central：两个哑变量表示东、中、西部控制变量，是为1，否为0;eco：社区或村落经济状况，从贫穷到富裕依次打分1分～10分;fcap：金融能力，分类变量，按照能力由低到高，依次得分为0、1、2、3;[8]risk1和risk2：两个哑变量分别代表风险偏好与风险厌恶，[9]是为1，否为0;opi：对互联网金融的接纳程度（Arnold，2011），用常用的支付方式来衡量，网上银行、信用卡赋值0;支付宝、财付通、找人代付、货到付款及其他赋值1;borrow：主流及非主流金融的偏好，认为银行可靠的赋值0，认为亲戚、朋友、生意伙伴等其他非主流借贷可靠的赋值1;umempr：家庭失业率，用失业总人口/家庭总人口;belief：是否有宗教信仰，无信仰为1，其他为0;health：与同龄人相比，现在的身体状况如何，为分类变量，按照非常好、很好、好、一般、不好分别赋值1、2、3、4、5;todebt：家庭负债（取对数），包括农业负债、工商业负债、非风险资产负债、风险资产负债、房屋负债、汽车负债[10]及其他负债;Quarrel：与爱人在生活中吵架的频率？一个月1次及以上、两到三个月1次、一年1到3次及没有依次赋值1、2、3、4;idea1和idea2：两个哑变量衡量是否具有家庭观念。“您认为家庭在您生活中的重要程度是？”参照组为“一般”，“非常重要”与“重要”为具备家庭观念，idea1=1，“不重要”与“非常不重要”为家庭观念淡漠，idea2=1;trust：“您对初次见面的人信任程度”按照完全不相信到完全相信，依次赋值1分～5分;children：子女数量;poli：户主政治面貌，中共党员、共青团员为1;民主党派或其他党派、群众为0。

2.因变量。（1）consum：家庭伙食支出占总支出（伙食支出、日用品消费、家政服务支出、交通通信支出及文化娱乐支出）比重，近似反映居民生活水平的高低，[11]考察影响它的自变量与控制变量，依次为hfi、income、edu、loanedu、securityratio、gender、age、marriage、family、house、auto、newbusi、rural、eco、east和central;（2）overdebt：过度负债或承付能力差为1，没有过度负债为0，[12]考察影响它的自变量与控制变量，依次为hfi、income、fcap、risk1和risk2、opi、borrow、[13]umempr、family、house、auto、edu、age、securityratio、marriage、belief、gender、rural、eco、east和central;（3）happy：家庭的主观幸福感。0表示非常不幸福和不幸福、1表示一般、2表示幸福和非常幸福。考察影响它的自变量与控制变量，依次为hfi、health、toincome、todebt、securityratio、umempr、house、auto、Quarrel、idea1和idea2、trust、eco、belief、edu、marriage、gender、age、family、poli、children、rural、east和central。采用不同模型分析時，其自变量与控制变量的选择各不相同，按研究需要分为关键考察变量、家庭特征变量与区域特征变量三大类。本文将根据实证情况分别汇报各变量对家庭福利的影响及其经济学意义。

计量结果

多元线性回归模型分析结果。由于伙食支出是生存的必需品，属于刚性需求，而其他支出仅限于日用品（如洗衣粉、香皂、卫生纸、牙刷等）、家政服务（如保姆、小时工、家政服务公司的清洁、清洗与管道疏通等）、交通通信（交通费、自驾油费、电话费、网络费）及基本文化娱乐支出（书报、杂志、影剧票等），衣着、奢侈品、耐用消费品等并未计入，因此不必考虑Donnelly（2012）提出的性格、情绪特征（如强迫购物症）大幅影响消费的情况。如表1所示，在5%的显著性水平上，hfi显著为负，说明hfi每增加一个单位，会导致consum降低0.4477。家庭金融包容的水平的提高，意味着资产的高效管理，而稳定的心理预期、预算约束的放松、丰富的金融产品的可接触与可使用（如拥有活期账户、持有信用卡）等都有助于家庭方便、快捷地购买所需的消费品，引导其调整消费结构，并促进家庭福利水平的上升。这里consum与恩格尔系数相似，标志着家庭生活的富裕程度，该值越低，意味着家庭生活水平越高。在所有变量中，hfi对家庭的福利作用最强，H1成立;由于财产性收入、投资性收入的或然性和不稳定，而根据持久收入假说，持久收入与持久消费之间才存在固定的比例关系，因而这里income衡量基本工薪收入对伙食消费比例的影响，它每变动1%，会导致consum降低0.7个百分点，说明家庭稳定收入的增加会提升其福利水平;edu每上一个档次，福利水平也会相应提高1.4个百分点，说明文化水平越高，其消费理念越先进，也更容易接纳新的产品与适应新的生活模式。盖洛普全球统计研究数据表明，最早接纳互联网金融的人群，其学历基本都在大专以上，本科、硕士占比高达42.8%及15.7%;是否拥有住房、汽车等非金融性资产对消费的影响差异比较大，拥有汽车的家庭其伙食消费比要低0.1072，说明有汽车的家庭福利更好。拥有house的家庭，其consum却增加了0.7个百分点。两类家庭资产作用迥异的原因：购买住房与购买汽车相比，前者大大加重家庭的债务负担，货币债务使家庭预算约束线内移，从而影响其生活质量;住房同时具备居住属性与投资属性，汽车则可归入奢侈的耐用消费品。按照中国的传统观念，似乎拥有一套自己的住房才有了安定性与归属感，所以对于大部分普通平民家庭而言，更看重其居住属性。在28143户受访者中，拥有住房的有19051户，占67.69%，拥有汽车的只有3717户，仅占13.21%。前者成为必需的家庭资产;age与marriage体现了家庭特征控制变量，年龄越大，其他支出会减少，生活模式回归简约，福利会相对降低3.79个百分点。理论上，家庭是基本生活保障单位，但这里已婚家庭的福利要低于未婚家庭的原因在于，已婚家庭包括了所有曾经有过婚姻经历的家庭，如离婚、丧偶、独居，这些生活事件会降低家庭福利水平（Lentonand Mosely，2008）;newbusi表明从事创业的家庭对生活质量相对较高，与不从事创业的家庭相比，其福利高1.96个百分点。可见，“大众创业、万众创新”不仅是拉动中国经济的发动机之一，也是带动居民福利提升的有效渠道。社区或村落的经济状况对consum的影响为负，说明受访者居住地越富裕，其消费的示范效应越强，其贡献为0.3个百分点。

家庭消费的总量与人口数相关，引入family，以控制家庭规模对食物消费占比的影响;securityratio则从制度层面控制了社会福利制度对家庭消费的作用。中国的福利制度不同于某些国家，不是选择性的，而是具有广覆盖和普惠性，如社会医疗保险、社会养老保险等，具备正式工作的人一般可拥有企业年金、失业保险和住房公积金。社会保险不同于商业保险，后者是居民为了弥补社会保险的不足，自主选择商业性保险机构投保、参保，前者则是为居民提供最基本的社会保障。引入securityratio是为了控制家庭社会保障覆盖率的影响。此外，户主性别的作用并不显著，教育负债也没有出现挤出效应，表1不再汇报。从区域控制变量来看，东部、中部地区的生活水平高于西部地区，东部地区比其他地区的福利高出1.98个百分点，而中部地区则相对高出0.7个百分点。说明生活福利的区域差异在中国依然存在，并可能持续一定时期;有趣的是，农村地区比城市地区的consum低了6.68个百分点，这并不是说农村地区的生活质量高于城市地区。从细化数据来看，consum的均值为0.7264，而城市consum的均值是0.7389，农村consum的均值为0.6993。这里用consumption指标来解释，农村consumption的均值是5.7162，而城市该指标的均值是5.44，可见农村的伙食消费（月均1741元，城市为885元，大大低于农村）相对较高，而城市的其他支出相对较高，导致出现这样的回归结果。表1整理汇报了关键自变量和控制变量的回归结果（显著性水平低于5%的没有列出，右侧是consumption的回归结果对比，显著水平低于5%的不再汇报）。[14]

Probit模型分析结果。Overdebt反映家庭延迟还款的情况，在负债比的临界值难以确定的条件下，可作为过度负债的衡量指标。以最大一笔借款[15]为例，中国家庭的农业借款、工商业借款、房屋借款、汽车借款、教育借款及其他借款未能按期还款的比例依次为10.79%、11.71%、14.31%、7.89%、10.79%及11.45%。这些借款多来源于父母、亲戚、朋友、同事、民间金融组织、小额贷款公司及有合作关系的人或机构，属于非主流金融渠道，其形式不规范、多以口头协定为主。亲属、兄弟姐妹是家庭最信任的借款渠道，体现中国家庭的互助性及保障性功能。如在受访的16120户家庭中，有50.97%的家庭认为借钱最可靠的途径仍是亲戚，这一比例甚至高于主流金融机构（银行仅占33.57%）。基于亲缘、人缘的借贷有非正式制度的制约，而民间金融组织的借款与之比较风险控制难度则相对较大，如利息成本高、蕴藏违约风险以及债务链条断裂而引发的连锁反应等，有可能引发地方金融风险，也是过度负债需要重点关注的方面;信用卡到期只偿还最低还款额、延期偿还、停止偿还及其他的比例依次为6.82%、0.96%、0.6‰、7.27%，视为过度负债，而到期偿还账单总额（56.26%）及提前偿还（28.63%）表明家庭偿付能力较强;对于为什么没有信用卡，在23599名受访者中，有33.79%是喜欢现金消费、43.13%的居民是不了解信用卡、愿意使用而申请被拒只占0.58%，有2594户家庭（占比10.99%）明确表示没有还款能力（债务承担能力已经有限，即过度负债）。

Probit模型回归结果显示，hfi显著作用于overdebt，回归系数为-8.3090，说明家庭金融包容水平越高，过度负债的几率就越低，这与H2是吻合的。hfi不仅体现了某一时点家庭财务的实力，更是居民金融能力的反映。hfi越高，越善于进行财务规划、合理编制财务预算、金融意识较强、具有前瞻性和灵活性、消息灵通、易于接纳新生事物、总能保持收支平衡、自由选择最合适的金融产品与服务等，基本不会陷入不可持续的债务陷阱，更不会出现由于过度负债而引发的心理压力和焦虑紧张（Gloukoviezoff，2007;Ronald等人，2010）;income对overdebt是负贡献（-0.0799），即收入[16]的增加会导致过度负债的减少;opi是对互联网金融的采用情况，该指标反映了中国金融领域的最新发展态势，这里的界定是狭义的互联网金融（田霖，2016）。opi可以有效降低过度负债，回归系数是-0.1212。众所周知，互联网金融方便、灵活、便捷，具有长尾化、低成本的优势，在信用评级（如蚂蚁的“水文模型”、芝麻信用等）、贷款手续（无抵押要求、操作简单）、价格优惠（免息期、购买自建电商平台的商品时可享受积分抵扣和优惠券支付等）等方面都具有传统金融所不具备的优点：一是大数据风控和云计算的广泛运用。以多年积累的交易和评级数据为参照，事先就能避免将款项贷放给资质不佳的消费者;二是全流程管理模式，实现线上24小时申请、审查与放贷，便于消费者随时自助操作;三是贷款金额灵活，没有门槛条件，小额资金需求[17]可以迅速得到满足，帮助消费者临时周转与合理规划资金的使用。可见，opi也可以提高家庭福利;从家庭控制变量看，risk1在5%的水平上显著，回归系数为0.0709，说明风险偏好的家庭更倾向于过度负债;越是年龄大的户主行事更为谨慎、保守，因此age可减少负债比例（-0.1769），这也可能与消费观念有关;家庭社会保障覆盖率在1%的水平上显著（-0.3174），说明完善的社会福利制度可以有效减少过度负债出现的几率，社会保险是可以增进家庭福利水平的;umempr则会增加过度负债的可能性（0.1336），表明家庭失业率的上升会损害福利水平;拥有汽车的家庭比没有汽车的家庭债务负担轻，福利水平高（-0.1080）;户主为女性的家庭倾向于减少借贷（-0.1769），这可能与男性与女性的性格差异有关，前者更喜欢冒险，行事比女性更激进;从区域控制变量来看，农村地区的债务负担轻于城市地区（-0.1375），西部地区的过度负债最为严重（east=-0.1914，central=-0.0667）;受访者居住地越富裕，其陷入过度负债困境的几率越小（eco=-0.1404）。

Probit命令只能得到自变量的大小，为了得到自变量真正的作用，本文使用dprobit命令，以求出边际作用dy/dx。表2不仅汇报了各变量的回归系数，而且给出了dy/dx以及各自对应的稳健标准误、Z和P>|z|值。利用probit和dprobit回归，两种方法得出的各自变量的符号是一致的，不同的是回归系数的大小发生了变化（如表2）从dy/dx的值来看，hfi同样是对overdebt作用强度最高的，每变动一个单位，就会使过度负债的发生概率减少162%，再次验证H2成立;income每增加1%，过度负债的可能性降低1.56%，拥有汽车的家庭过度负债的几率降低2%;opi的采纳者比不使用互联网支付服务的家庭负债负担降低2.25个百分点;风险偏好者的债务负担要多出1.43%，而女性比男性过度负债的可能性低0.8个百分点;家庭失业比率每高一个百分点，导致其过度负债发生概率增加2.61%，而完善的社会保障则使其发生几率降低6.2个百分点;从青年到中年、再从中年到老年，age会带来负债比率降低3.45%;edu对overdebt的影响不显著，说明文化程度或者教育水平对家庭過度负债情况没有什么影响，性格的作用可能更为明显。然而，度量金融能力的fcap也并不显著，这与一般的预期不相符合。这是因为本文采用3个问卷指标用以衡量受访者对基本经济与金融信息的关注度以及基本的数字计算能力，前者是受访者的自评，缺乏客观的标准，有随意性或夸大性，后者将“不知道”也计入了“计算错误”的范畴，而“不知道”的家庭其金融素养更为低下（Ronald等人，2010）。此外，研究需要能够全面、完整、客观衡量受访者债务素养（Debt Literacy）的指标体系，以准确度量其对家庭负债的影响;borrow回归结果显示，似乎偏爱非主流金融的家庭其债务负担相对小0.7个百分点，只是显著性水平大大降低了。这一部分是由于非主流借贷有高达50.97%偏好向亲戚借钱，而亲戚之间的借贷通常不收利息，也不需要抵押，一定程度降低了偿债负担。比如以最大一笔借款为例，农业借款、工商业借款、房屋借款、汽车借款不需要支付利息的比例依次为87.75%、76.29%、94.56%及91.71%;社区经济环境的dy/dx为-0.0081，可见区域特征变量对过度负债依然有较强的边际作用。[18]

金融包容特别强调产品与服务在可支付范畴（Affordable），而过度负债可能引发居民面临四大难题，即基本剥夺（Basic Deprivation）、次级剥夺（SecondaryDeprivation）、健康剥夺（Health Deprivation）和环境剥夺（Environmental Deprivation）（田霖，2012）。消费超出家庭承付能力的金融产品会直接影响居民的心理健康，而过度负债对身体健康的具体影响还不明确。身体状态不佳可能既是过度负债的结果，又是其原因，如果没有足够的纵列数据，将很难判断其因果关系（Ronald等人，2010）。诚然，理论上讲，身体与心理健康相互影响、互为因果，但是主观心理感受对客观身体健康的影响机制较为复杂，且作用强度很难确定。需要参照国外经验，对过度负债人群进行现场调研与深度访谈，了解其性格、偏好、家庭特征、社区环境、尤其是心理压力（如焦虑、恐惧、绝望、不安全感）并由此不良的心理状态而引发的身体不适与具体表现等。中国家庭金融调查并未设计涵盖此类问题的问卷，因此，目前精确量化过度负债的心理压力对身体健康的冲击还比较困难。[19]故依据国外学者的研究结论，理论推断过度负债也可能对中国居民的身心健康产生一定程度的伤害，H2成立。

Ologit模型分析结果。hfi的回归系数为6.3815，且在5%的水平上显著，充分说明家庭金融包容指数越高，则家庭成员的幸福感就越强烈。家庭富足、收支平衡、资产多元化、财务高效管理的家庭更能体会从财务安全到财务自由的幸福感，也可以更为随性、自由地选择喜欢的生活模式，其福利水平就越高，H3成立;health的回归系数为负，说明身体状况越差的人，越不容易感到幸福;家庭总收入与家庭总负债从两个角度反映了对居民幸福感的影响，前者是显著增加幸福感（0.0552），后者则是显著降低幸福感（-0.0283）;家庭社会保障覆盖率反映了社会基本福利制度对家庭福利的影响，显然较为充分的社会保险提供了一定的经济与生活安全保障，可以提高家庭的主观幸福感受（0.5914）;家庭失业率的增加，会影响其生活质量，所以对福利、幸福感是消极负面作用（-0.2319）;汽车、住房类非金融资产对福利的影响与模型1类似，前者在1%的显著性水平上提高幸福感，后者则在1%的显著性水平上降低幸福感;Quarrel、idea1与idea2透视了受访者对婚姻和家庭的态度，Quarrel在1%的水平上显著（0.1544），说明夫妻争吵的次数越少，家庭越幸福。后两个指标度量受访者是否具备家庭观念。idea1的回归系数是0.1544说明具有浓厚家庭观念、对家庭怀有较重感情依赖的人（认为家庭在生活中重要或者非常重要）更容易感到幸福。中国家庭的传统观点是将家庭视为情感交流的场所（占受访者的70.10%）以及生老病残等生活保障单位（占受访者的54.94%），家庭观念淡薄的人（仅占受访者的0.50%）往往主观幸福感相对弱一些。与之对应，marriage的回归结果显示，已婚的人比未婚的人更容易感到家庭的温暖和幸福;生活环境对居民幸福感的影响也至关重要，eco的回归系数是0.0770且在1%的水平上显著，表明受访者居住地的经济状况越好，其幸福感越强烈，幸福的“传染效应”明显;从其他家庭特征控制变量来看，女性比较容易对生活现状感到满足，从而幸福感较强。年龄越大的人，生活阅历丰富、家庭基础牢固、心态比较淡定，也就更容易觉得幸福。family与children则是从另外一个角度证明了家庭人丁兴旺、子女绕膝所带来的主观幸福感;区域控制变量在5%的水平上显著，幸福感也存在一定程度的区域差异。农村地区的家庭与城市家庭比较，幸福感要相对低一些（-0.0951）。相对而言，西部地区的家庭主观幸福感要弱于东部、中部地区的家庭（见表3）。

从几率比来看，hfi具有带动幸福感的倍增效应：在其他变量给定的情况下，hfi每上升一个单位，家庭感到幸福的几率比会增加到原来的590倍，可见，hfi是对中国家庭幸福感最有影响力的变量，其作用力度也最大，再次验证H3的成立;身体不健康会使幸福感降低35%;在其他变量保持不变的情况下，家庭收入每增加一个单位，会使幸福感提高6个百分点，而家庭负债每增加一个单位，则引发幸福感降低3%;拥有社会保障的家庭感到幸福的几率比增加80%，而失业率增加的家庭感到幸福的几率比降低21%;拥有汽车的家庭感到幸福的概率是没有汽车家庭的1.53倍;不常吵架的夫妻，在其他条件不变的情况下，幸福几率提高17%;对家庭有着深厚感情的受访者其幸福几率要高于家庭观念淡薄的受访者55%，而family、children则表明了每增加一口人或者一个子女，将会带来家庭幸福几率比分别提升7%和9%;在其他变量控制不变的前提下，已婚家庭的幸福感是未婚家庭的3倍，年老的人的幸福感几率高于年轻人20%，而党员、团员的幸福感是普通群众的1.22倍;在5%的显著性水平上，农村地区的幸福感要低于城市10%，东部地区的幸福几率比高于其他地区12%，而中部地区的幸福几率比则高于其他地区24%。

本文曾经提到过身体健康与心理健康之间的复杂关系：一般情况下，身体健康可以影响心理健康，并使心理上产生不悦的感受（Lenton等人，2008），模型3health的回归系数与几率比均验证了身体越不好，就感觉越不幸福的假设;那么心理上的主观感受是否能够影响身体健康状况呢？如果答案是肯定的，就意味着模型存在内生性。为了检验这个推测，这里采用变通后的处理，构建变量happy2：非常幸福和幸福赋值为1，而不幸福赋值为0，建立二元响应模型。工具变量（IV）的选择上，本文采用了受访者16岁以前的身体状况。一般情况下身体底子好，就不容易生病，因此IV与health高度相关;同时16岁以前的身体状况与受访者当前的幸福感并不直接相关，IV与happy2不相关。使用此工具变量进行IV Probit的估计结果如表4。根据沃尔德检验结果，p值为0.000，故可以在1%的显著性水平上判定health为内生变量。然而，其相关系数却并不高，=0.2695。从回归结果来看，ivprobit的估计结果与probit并无大的不同，不仅系数的符号相同，而且连系数的大小都没有很大的变化（均在-0.45左右）。这说明即便忽略health的內生性，也不会出现明显的高估或低估的情况。

本文进一步运用两步回归法进行验证，研究表明，即便这里选择的IV是个很好的工具变量（p值为0.000，在1%的显著性水平上认为是内生变量）但是其回归的结果仍然是没有差别（happy2的回归系数是-0.4881）。可见，health确实存在一定程度的内生性，但是并不严重，health与happy互为因果的情况并不明显，模型3的内生性可以不予处理;health会影响幸福感，但幸福感对身体健康的作用强度并没有像大多数学者预期的那么强烈。[20]

进一步讨论

为了验证传统计量模型分析结论的稳健性，本文根据模糊曲线（Fuzzy Curve）原理（李斌，2003;田霖，2005）编程，该方法特别适合复杂系统的多变量、非线性问题的研究，[21]可以有效判别输入变量对输出变量的贡献弹性，既不需要复杂的非线性技术建模，又有效地规避了传统计量模型由于内生性、多重共线性、序列相关及异方差所导致的结论非一致性、有效性不足的问题。此外，本文采用空间计量软件Geoda分析变量的空间相关关系，以检验中国金融包容、过度负债及家庭幸福感的空间分布特征，[22]并探讨中国是否存在金融沙漠及社会排斥集聚区域的可能性，这不仅严重影响居民的幸福感，也是一个国家经济稳定、社会稳定的警戒红线（Red Line）。

图1的模糊曲线拟合效果比较好，呈现负向贡献，即家庭金融包容指数的增加确实降低伙食消费的相对比重，证明居民家庭生活水平随之在提高，这也是金融包容的福利表现之一。后期拟合曲线略微上升，表明随着家庭金融包容水平的提高，对食物的要求更精细化、高端化或者绿色消费需求（Green Consumption）增加，[23]如天然绿色、原生态、价格相对昂贵的有机食品，原装进口食品等消费量提高;家庭对食物营养配比的要求也越来越高，居民膳食日趋科学与理性，这些均是消费升级的重要特征，会引发食物支出某种幅度的上升。图2中hfi对过度负债比的贡献弹性为0.141，其二次拟合曲线呈现较为明显的右下倾斜的形状。可见，较高的家庭金融包容水平预示着参与主体金融能力较强及具备相对较高的债务素养，一定程度上可以降低其过度负债的可能性，从而减小对其身体与心理健康的损害;家庭金融包容水平起初会大幅降低过度负债的可能性，随着包容水平越来越高，拟合曲线变得趋于平缓，即存在一个拐点，虽然拐点的具体位置无法准确定位，但验证了负债（Debt）对经济发展是必要的，只有过度负债才是要避免的，而有时候出于财务灵活安排及周转目的而导致的延迟付款、偿付基本款项以及自我排斥而不愿申领信用卡（自我判断缺乏还款能力）等情况会在一定程度、一定时期存在，有其合理的一面，且无法完全消除。

图3的模糊曲线显示，家庭金融包容水平对居民幸福感具有非常显著的正向贡献，其弹性高达0.206。验证了前文计量结果的稳健性，说明金融包容作用于中国家庭福利的第三种渠道或机制是有效的。这也是近期学界与实践部门强调金融供给侧改革的原因之一：催生新金融、促进创新创业、对接实体经济、以金融引导供给侧结构性改革、介入产业链优化与商业模式创新、建设绿色金融以及实现金融新常态的引领等（吴敬琏等，2016），而家庭福利的改进也是提升金融包容的题中应有之义。

图4数据点密集于第一、三象限，且莫兰指数（Moran's I）为0.2288，说明hfi具有正的空间相关性;overdebt的莫兰指数为负，呈空间负相关关系（图5）;hfi与happy的莫兰指数为0（图略），表现为空间随机性。可见，我国家庭金融包容水平存在空间集聚和溢出效应，表现为高高（High-High）、低低（Low-Low）水平的集中，较容易针对不同集聚特征，制定区域差别化政策;overdebt的特点则为高低（High-Low）、低高（Low-High）的空间分布，导致过度负债的甄别与政策引导难度较大，需要精确到每个社区及家庭，然而中国家庭由使用排斥引发接触排斥进而出现金融沙漠的概率很低，此类区域金融风险可控;中国居民的主观幸福感受到诸多要素的影响，金融包容水平显著影响微观家庭与个体的幸福程度但两者的空间扩散效应并不明显。

中国家庭的happy存在空间正相关，而unhappy则呈空间负相关。说明居民的心理比较健康，乐于分享快乐，社区的模范示范效应显著，而攀比心理诱发的不满与不快却微乎其微。可见国外需要重点解决的红色风险警戒区域和社会排斥问题在中国并不存在，总体而言，中国社会保持稳定、居民安居乐业，主观的不幸福感受仅囿于个案，不会演变成严重的社会问题。[24]

结论与启示

家庭金融包容通过作用于居民消费、家庭负债与主观幸福感受，可以有效改进家庭福利水平，但其作用的强度、渠道与机制有所不同。家庭金融包容与家庭资产不同，它不纳入现金、民间与私人借贷，是家庭微观金融能力提升的结果，也是家庭金融资产的有效配置和管理，是个体的理性、自主选择，更是完全融入主流金融的客观反映。在当前的经济形势下，迫切需要激发家庭对主流金融的需求。CHFS数据显示，在受访的28143户家庭中，明确表示不需要银行贷款的家庭占比很高：农业经营只有7.1%的家庭获取了主流金融支持，没有贷款的家庭中“不需要”占比78.10%;工商业贷款、房屋贷款及汽车贷款这一比例分别达到79.79%、77.52%与89.75%，而利用银行贷款的家庭只分别占到了12.12%、10.52%及9.38%，这是亟待发掘的业务蓝海。银监会公布了2015年中国31个省、市、自治区商业银行的不良贷款数据，有12个省市的不良贷款率超过了商业银行整体不良率（1.74%）。本文研究发现，家庭对主流金融的违约率却是极低的，以信用卡为例，延期偿还、停止偿还的比例仅为0.96%、0.6‰，不良率基本可以忽略不计;没有还款能力的10.99%人群选择了自我排斥而不去申领信用卡，对银行也并未造成实质的损失。可见，主流金融机构可以寻找有效路径，刺激微观家庭的创业、创新需求以及消费信贷需求，从而达到既提升了家庭的福利水平，又找了新的業务生长点，实现供需双方的共生双赢。

鉴于某些家庭特征变量和区域特征变量显著影响家庭福利水平，需要弥补要素短板并做好配套服务，特别是鼓励非主流金融参与到家庭经济生活中。例如，研究已初步表明，互联网金融（opi）的接纳和逐步普及有利于降低过度负债及增加居民福利。事实上，以阿里、京东为首的一大批互联网巨头早已涉水消费金融，并计划布局与银行的信用卡中心平分天下、错位经营。互联网金融独特的智能风控系统、庞大的客户基数群、灵活的程序处理以及自有的信用评价体系都使其具备了传统金融所没有的优势，在带动消费、提振经济方面的表现可圈可点;其自有电商平台满足客户个性化需求的产品定制化浪潮对消费结构的升级也具有一定的作用。主流金融的服务对象是中国人民银行个人征信记录中的8.6亿人口，其余的3500万在校学生、2.7亿蓝领及大多数农村户籍群体都被排斥在主流金融系统之外，[25]而这恰恰是互联网企业未来要拓展的市场。如以“爱学贷”为代表的校园消费金融、以“买单侠”和“拍分期”为代表的蓝领消费分期、以及以“农分期”和“什马金融”为代表的农村消费金融等对各类群体能够同等享受普惠金融服务、提升微观主体的生活品质与福利水平等功不可没。除了鼓励新兴的金融业态之外，还需要提升家庭收入水平、提高金融素养、降低失业率、强化社会保障、发挥社会网络的模仿示范效应、倡导家庭资产配置的丰富化、合理化以及防范不同区域的福利水平差异过大等。

提高家庭福利需要贯彻“精准”原则。与精准扶贫类似，家庭福利的改善不能仅局限于大的区域层面，微观个体的性格、年龄、家庭特征、主要经济来源等都需要全面考虑，因而需要针对不同区域、不同家庭、不同风险偏好、不同金融素养、不同资金需求等，推行不同的福利改进计划。如深入到每户家庭进行调研，确定其收入水平、资产状况、房屋、汽车拥有情况、成员身体状况、是否参加社会及商业保险等，进行精准识别，识别确定后制定相应的增进福利计划，分年度滚动，视家庭状况调整;参考国外经验，社区医生上门服务时可以潜移默化地为家庭成员普及金融知识;银行深入社区推介产品，特别是从金融供给侧设计、开发出真正符合消费者需求的可承付的、满意的金融产品与服务;成立社区互助委员会，利用社区的示范效应及亲朋、好友、邻居的影响力，对家庭的经济决策产生积极影响;相关咨询与管理机构可以专设家庭金融咨询与规划，帮助每个家庭量体裁衣，定制特色化的家庭资产保值增值管理规划;金融素养的终生学习与培训，针对不同年龄层、不同背景、不同工作性质的人群开展专门的金融素养培训。金融知识的普及则可以线上线下结合，实现金融教育的网络化、在线化、形象化、通俗化，使消费者可以利用碎片化的时间了解最新的经济、金融信息与动态;关注债务素养的提高，帮助家庭选择、确定合适的负债水平等。

学科发展与展望。金融排斥、金融包容的理念是伴随着2003年金融地理学（Financial Geography）的引入，而逐渐被学者认识和接受的。起初该学科也遭受了种种否定与质疑，从不被认可到目前金融包容理念被普遍接受及深入研究，再到普惠金融上升为国家层面的战略规划（2016年1月，国务院发布了《推进普惠金融发展规划（2016-2020年）》），每一门新兴学科的发展道路是崎岖的，也必然要经过怀疑、探索及反复试错的过程。家庭金融作为一门新兴学科在中国的发展道路也一样，对其理论框架、实地调研的问卷设计、统计指标值的合理性等，都曾有过不同的声音。与此同时，它又确实弥补了国内微观数据长期缺乏的不足，使久被搁置的大规模家计研究成为可能。一些学者开始利用CHFS数据库，展开医学、养老、救助、住房、投资等方面的研究，这是中国家庭经济研究的重大进展，也对实践具有一定的指导意义。未来中国家庭金融的发展还需要突出学科特色与优势、加强学理层面的阐释以及丰富家庭金融的数据库资源，并为有兴趣的学者提供包容、開放的交流与讨论的平台与渠道。

（本文系国家社会科学基金项目“虚拟集聚背景下服务乡村振兴的金融包容体系重构研究”的阶段性成果，项目批准号：20BJY117）

注释

[1]国外金融地理学家着重从20世纪90年代开始关注金融排斥问题，2007年之前，翻译不一。2007年李仁贵编辑与笔者充分讨论后，认为翻译为“金融排斥”更符合经济学的习惯与范式。具体参见：《金融排斥理论评介》，《经济学动态》，2007年第6期。

[2]中国学者多采用“普惠金融”这一表述，事实上，“普惠金融”与“金融包容”学术溯源与概念界定不同。因与本文研究主题不直接相关，故不再赘述。具体可参见笔者对互联网金融、金融包容、普惠金融的内在逻辑与差异的相关阐述：《互联网金融的发展轨迹与未来展望》，《人民论坛·学术前沿》，2016年三月下。

[3]2011年开始，西南财经大学的家庭金融调查研究中心每两年开展一次全国大型的实地调查。目前有2011、2013、2015、2017、2019年的实地调研数据。甘犁教授倡导的家庭金融学将与公司金融、资本定价一起成为金融学研究的三大主导方向，笔者认为家庭金融学也是家庭经济学的重要构成部分，在中国有很好的发展前景。

[4]具体参见：《我国城乡居民金融包容与福利变化的营养经济学探析》，《金融理论与实践》，2011年第9期，第3～7页。该文的分析偏重营养经济学视角与区域范畴。

[5]家庭负债指标未计入家庭金融包容指数，原因如下：①时点和时期指标不同，本文以前者为准;②存在交叉重复计算，比如往年借贷已经在下一期以收入或家庭资产再配置的形式体现出来;③容易引发内生性问题;④一些借款未能严格区分主流借贷与非主流借贷，而后者并不是金融包容所要考察的范畴。金融包容微观视角的考察和度量参见笔者发表《金融包容的需求侧与供给侧》一文，详见《浙江大学学报》2017年第4期。

[6]VIF不存在大于10的方差膨胀因子，表明不存在多重共线性问题;为了避免异方差问题，进行稳健回归，并输出稳健标准误;通过变量数量、取值范畴的反复调整试错，使内生性控制在可接受程度内。

[7]由于存在异常值，需要进行缩尾处理，将落于（1%，99%）之外的观察值分别替换为1%和99%分位上的数值，缺失值则根据实际情况，采取删除或者取均值的方法，其他数据的缺失值、异常值采用相同的处理方法，后文不再赘述。实收税后货币工资、农业经营收入、工商业经营收入、非风险性资产收入、风险资产收入、现金、其他收入计入该指标。

[8]大型实地调研问卷对受访者的金融能力进行考评：您平时对经济、金融方面的信息关注度如何？（非常关注与很关注赋值1，一般、很少关注与从不关注赋值0）;假设您现在有100块钱，银行的年利率是4%，如果您把这100元钱存5年定期，5年后您获得的本金和利息为？假设您现在有100块钱，银行的年利率是5%，通货膨胀率每年是3%，您的这100元钱存银行一年之后能够买到的东西将？后两题，答对赋值1，答错赋值0。这三题最高得分为3分，任意答对两题得2分，答对一题得1分，既不关注经济、金融信息又答不出后两题，视作缺乏金融能力，得分0。引入金融能力指标以区别于一般的文化水平与受教育水平指标。

[9]CHFS的问题是“如果您有一笔资产，将选择哪种投资项目？1.高风险、高回报项目;2.略高风险、略高回报项目;3.平均风险、平均回报项目;4.略低风险、略低回报项目;5.不愿意承担任何风险。3为参照组，为风险中性;1和2为风险偏好;4和5界定为风险厌恶。

[10]统计了家庭第1、第2、第3套住房的负债及第1、第2辆汽车的负债。

[11]该变量为恩格尔系数（Engel's Coefficient）的替代性指标。恩格尔系数是食物支出总额占个人消费支出总额的比重。低于40%为步入富裕水平，59%以上为贫困，50%～59%为温饱，40%～50%为小康，30%～40%为富裕，低于30%为最富裕。同理，consum越低，表示生活水平越高，福利越好。consum的取值范围为[0.0063， 1]。为了便于比较，引入consumption=伙食支出/其他支出。

[12]由于家庭负债/家庭收入其分子分母的某些构成指标存在时点、口径选取不同或重复计算问题，且无法确定合理的临界值（究竟超过何值即为过度负债？），因而本文采用如下替代指标度量：“是否按期还款？”“是”与“还未开始还款”界定为不存在过度负债，而“否”则意味延迟付款，可被视为过度负债[9-10]，共计入了农业借款、工商业借款、汽车借款、房屋借款、教育贷款及其他借款;信用卡归还欠款则将“到期只偿还最低还款额”、“延期偿还”、“停止偿还”及“其他”视为过度负债，而“到期偿还账单金额”及“提前偿还”视为不存在过度负债;“为什么没有信用卡”反映家庭的承付能力，“没有还款能力”被视作过度负债。

[13]由于2013年被称为中国的互联网金融元年，因此opi、borrow指标（模型2需要考察的关键变量）不存在2011年数据。笔者曾尝试采纳2011年、2013年的面板数据进行各模型的分析，遗憾的是，这两年的统计口径略有差异，如受访者主观态度指标、受访者对婚姻和家庭的看法等;重复截面仅有6000多个家庭且诸多指标存在大量缺失值，样本量无法满足需求;尽管用固定效应做计量检验时，部分解决了内生性问题，却因为遗漏变量产生新的内生性。因此，本文仍然采用2013年的截面数据，并将家庭特征、区域特征作为控制变量。

[14]CHFS统计了受访户去年的消费支出，包括购买衣物、住房装修与维修扩建、家庭耐用消费品、奢饰品、教育、出国留学、购买交通工具及其零部件、交通工具、旅游与保健支出。本文没有采纳这种统计口径进行分析。比如耐用消费品支出并不是衡量家庭生活质量的满意指标，也许家庭已经拥有基本的耐用消费品而选择不再支出。

[15]问卷中“是否延迟付款”只提供了除银行贷款之外的借款数据。

[16]为了避免内生性，只采纳了基本工资收入，财产性收入与投资性收入不计入。

[17]“阿里小贷”最出名的案例是其最小金额的贷款只有83元。

[18]LPM回归结果不理想，故不再汇报，而限值因变量模型可以克服LPM的缺陷。

[19]后文IVProbit模型将继续讨论这一问题。

[20]限于篇幅，两步估计法的回归结果略。需要的话可以向作者索取。

[21]特别感谢南开大学的侯庆虎老师提供的编程指导与帮助。

[22]分别统计了29个省份相关变量的数据值，西藏与新疆的缺失值用均值替代;空间权重采纳K-nearest-4neighbors。

[23]阿里研究院在2016年7月发布了中国绿色消费者报告，阐释了一个以绿色消费者为中心的时代的到来及其衍生的经济价值、环境价值和产业价值。资料来源链接：http：//mp.weixin.qq.com/s？__biz=MjM5NTg0NDE1Mw==&mid=2652593683&idx=1&sn=881ff98539b519bc71ba24b02c37454c&scene=2&srcid=0805Pcgo4fsoOoLCgfHKOVRF&from=timeline&isappinstalled=0#wechat_redirect。

[24]需要注意的是，本文只給出了全局莫兰指数（Global Moran's I），并未分析局部莫兰指数（Local Moran's I）;此外，莫兰指数只是衡量空间相关性的一个重要指标，如果想要得出更为精确的结果，还需要结合其他数据进行检验和综合考量（Anselin，2000）。

[25]周家俊、Iris：《行业报告：我国当前的互联网消费金融行业布局》 ，2016年8月11日，http：//mp.weixin.qq.com/s？__biz=MjM5MzM4NTYzMw==&mid=2651317608&idx=5&sn=7311e2aea06728714f19cbd359e69d9c&scene=0#wechat_redirect。

参考文献

胡象明，2004，《福利的狭义概念及广义概念》，《中国人口报》，2010年02月12日。

蔡宏昭，2004，《社会福利经济分析》，台北：扬智文化事业股份有限公司。

王桂胜，2006，《福利经济学》，北京：中国劳动社会保障出版社。

陈茜茜，2016，《我国金融包容性发展的经济福利效应研究》，硕士论文学位论文，湖南大学。

唐蕾，2016，《构建中国可持续经济福利指数》，International Conference on Humanities and Social Science Research会议论文集， 第337～340页。

周义、李梦玄，2013，《基于多维不平等的中国城市社会福利测度与比较研究》，《中国科技论坛》，第11期。

余谦、高萍，2011，《中国农村社会福利指数的构造及实测分析》，《中国农村经济》，第7期。

王修华、傅小勇、陈茜茜，2017，《我国包容性金融发展的经济福利效应研究》，《湖南商学院学报》，第2期。

王修华、何梦、关键，《金融包容理论与实践研究进展》，《经济学动态》，第11期。

田霖，2011，《我国城乡居民金融包容与福利变化的营养经济学探析》，《金融理论与实践》第9期。

田杰、陶建平，2012，《农村普惠性金融发展对中国农户收入的影响——来自1877个县（市）面板数据的实证分析》，《财经论丛（浙江财经大学学报）》，第2期。

汤凯、田璐，2013，《包容性金融对农户收入的影响研究——以河南与江浙地区比较为例》，《河南工业大学学报（社会科学版）》，第3期。

徐强、陶侃，2017，《中国金融包容指数的测度及其与贫困减缓的关系——基于省级数据的分析》，《华中师范大学学报（人文社会科学版）》，第6期。

寻努绩，2015，《我国农村包容性金融服务水平的测度及福利增进效应研究》，硕士学位论文，湖南师范大学。

甘犁、尹志超、贾男、徐舒、马双，2013，《中国家庭资产状况及住房需求分析》，《金融研究》，第4期。

金雪军、田霖，2004，《金融地理学研究评述》，《经济学动态》，第4期。

李斌，2003，《识别输入变量的模糊方法》，《哈尔滨工程大学学报》，第2期。

田霖，2011，《我国金融排斥的城乡二元性研究》，《中国工业经济》，第2期。

田霖，2016，《互联网金融视域下金融地理学研究的新动态述评》，《经济地理》，第5期。

田霖，2005，《区域金融综合竞争力的差异比较与模糊曲線分析》，《南开经济研究》，第6期。

田霖，2012，《我国农村金融排斥与过度负债》，《金融理论与实践》，第2期。

吴敬琏、厉以宁、郑永年等，2016，《读懂供给侧改革》，北京：中信出版社。

Anselin， L.， 2000， "Computing environments for spatial data analysis"，  Journal of Geographical Systems， vol.2， No.3， pp. 201-220.

Arnold， I. J. M. and van Ewijk， S. E.， 2011， "Can Pure Play Internet Banking Survive The Credit Crisis？"，  Journal of Banking & Finance （35）， pp. 783–793.

Bhowmik， S.K. and D. Saha.， 2013， Financial Inclusion of The Marginalize， Published by Springer， New Delhi Heidelberg， New York Dordrecht， London.

Chakrabarty， K. C.， 2011， "Financial Inclusion and Banks—Issues and Perspectives" ， in UNDP （The United Nations Development Programme） Seminar on Financial Inclusion： Partnership between Banks， Eds. By MFIs and Communities，  New Delhi.

Daly， H. and Cobb， J.， 1989， "For the Common Good—Redirecting the Economy Towards Community， the Environment and Sustainable Development"， Green Print， pp. 16-37.

Donnelly， G.; Iyer， R. and Howell， R.T.， 2012， "The Big Five Personality Traits， Material Values， and Financial Well-being of Self-described Money Managers"，  Journal of Economic Psychology， （33）， pp. 1129–1142.

Gloukoviezoff， G.， 2006， "From Financial Exclusion to Over-indebtedness： The Paradox of Difficulties for People on Low Income？"， in New Frontiers in Banking Services： Emerging Needs and Tailored Products for Untapped Markets， Eds. by Anderloni， L.; Braga， M.D. and Carluccio， E.， Berlin： Springer Verlag.

Gloukoviezoff， G.， 2007， "The Link between Financial Exclusion and Over-indebtedness"， http：//www.fininc.eu/gallery/documents/working-papers/working-paper-financial-exclusion-overindebtedness-final.pdf.

Graham， C. and Nikolova， M.， 2013， "Does Access to Information Technology Make People Happier？ Insights from Well-being Surveys from Around The World"， The Journal of Socio-Economics （44）， pp. 126–139.

Jones， P. A.， 2006， "Financial Skills Training at HM Prison"， Liverpool working paper.

Jones， P. A.， 2008， "From Tackling Poverty to Achieving Financial Inclusion—The Changing Role of British Credit Unions in Low Income Communities"， Journal of Socio-Economics37（6），  pp. 2141-2154.

Kapoor， A.， 2014， "Financial Inclusion and The Future of The Indian Economy"， Futures（56）， pp. 35–42.

Koker， L. D. and Jentzsch， N.， 2013， "Financial Inclusion and Financial Integrity： Aligned Incentives？ "， World Development（44）， pp. 267–280.

Lenton， P. and Mosely， P.， 2008， "Debt and Health"， Sheffield Economic Research Paper Series， No.2008004.

Oni， O. A.， and Adepoju， T. A.， 2011， "A capability approach to the analysis of rural households' wellbeing in Nigeria"， Mpra Paper， No.34508.

Pigou， C.， 1920， "The Economics of Welfare"， London， pp. 211-218.

Regan， S. and Paxton， W.， 2003， "Beyond Bank Accounts： Full Financial inclusion"， EMPHASIS.

Ronald， M. and Valerie， E.， 2010， "Egdell. Financial Capability-Evidence Review"， Edinburgh Napier University， Working paper.

責 编∕郑韶武