數(shù)字金融參與促進農(nóng)戶創(chuàng)業(yè)決策了嗎？

熊健 董曉林

內(nèi)容提要： 本文基于微觀視角構建一個靜態(tài)職業(yè)選擇模型，理論分析數(shù)字金融參與對農(nóng)戶創(chuàng)業(yè)決策的影響機理。在此基礎上，利用2015年中國家庭金融調(diào)查（CHFS）農(nóng)村樣本數(shù)據(jù)，實證檢驗農(nóng)戶參與數(shù)字金融對其創(chuàng)業(yè)決策產(chǎn)生的影響效應及其異質(zhì)性和作用機制，并運用IV-Probit模型和傾向得分匹配法驗證結果的穩(wěn)健性。研究發(fā)現(xiàn)，數(shù)字金融參與能夠促進農(nóng)戶創(chuàng)業(yè)決策，且對非農(nóng)創(chuàng)業(yè)選擇影響更大;相較于傳統(tǒng)銀行數(shù)字金融，互聯(lián)網(wǎng)企業(yè)數(shù)字金融參與更能顯著提高農(nóng)戶創(chuàng)業(yè)概率。進一步的研究證實，數(shù)字金融參與通過擴大融資規(guī)模、促進創(chuàng)業(yè)機會識別兩種作用機制對農(nóng)戶創(chuàng)業(yè)決策產(chǎn)生正向影響。

關鍵詞： 數(shù)字金融;創(chuàng)業(yè)決策;農(nóng)戶;融資規(guī)模;機會識別

中圖分類號：F830.33? 文獻標識碼：A? 文章編號：1001-148X（2021）05-0123-08

一、引言

鄉(xiāng)村創(chuàng)業(yè)是農(nóng)村家庭集聚生產(chǎn)要素，由小規(guī)模分散化經(jīng)營轉向適度規(guī)模經(jīng)營、非農(nóng)生產(chǎn)的重要途徑。鄉(xiāng)村振興背景下農(nóng)村創(chuàng)業(yè)活動的開展，既是實現(xiàn)產(chǎn)業(yè)興旺的客觀要求，也是全面建成小康社會，解決農(nóng)民就業(yè)、增收和發(fā)展問題的關鍵舉措。近年來，供給側結構性改革深入推進， 產(chǎn)業(yè)結構調(diào)整下農(nóng)村剩余勞動力轉移、城市失業(yè)農(nóng)民工返鄉(xiāng)就業(yè)問題日益嚴峻。黨的十九大報告強調(diào)“促進農(nóng)村一二三產(chǎn)業(yè)融合發(fā)展，支持和鼓勵農(nóng)民就業(yè)創(chuàng)業(yè)，拓寬增收渠道”，2019年中央一號文件也提出“鼓勵外出農(nóng)民工、高校畢業(yè)生、退伍軍人、城市各類人才返鄉(xiāng)下鄉(xiāng)創(chuàng)新創(chuàng)業(yè)”。據(jù)統(tǒng)計，2019年中國返鄉(xiāng)入鄉(xiāng)創(chuàng)新創(chuàng)業(yè)人員達850萬人，較上年增長9.0%左右，本鄉(xiāng)創(chuàng)新創(chuàng)業(yè)人員超3100萬人，新冠肺炎疫情以來，農(nóng)民工返城返崗受到?jīng)_擊，約有2.6%、60萬農(nóng)村滯留農(nóng)民工產(chǎn)生留鄉(xiāng)創(chuàng)業(yè)意向①。

雖然農(nóng)村創(chuàng)業(yè)熱情日漸高漲，創(chuàng)業(yè)規(guī)模不斷擴大，但農(nóng)戶創(chuàng)業(yè)仍面臨多方面因素制約[1-2]。一方面，大量經(jīng)驗研究表明，融資約束阻礙了家庭創(chuàng)業(yè)，尤其是對于農(nóng)村家庭[3]。創(chuàng)業(yè)活動一般存在最低資金門檻，當家庭自有財富水平一定時，融資約束將會限制缺乏啟動資金的家庭做出創(chuàng)業(yè)決策。相較于城鎮(zhèn)地區(qū)，囿于信息不對稱、缺乏有效抵質(zhì)押物等因素，農(nóng)村家庭更易面臨金融排斥或是金融服務不足，故而融資約束對農(nóng)戶創(chuàng)業(yè)決策的抑制作用更為顯著。 另一方面，已有創(chuàng)業(yè)研究認為機會識別是家庭做出創(chuàng)業(yè)決策的重要前提并決定了創(chuàng)業(yè)活動的價值創(chuàng)造潛力[4]，而信息的獲取對于機會識別至關重要[5]。在信息化基礎設施尚未建立完備的農(nóng)村地區(qū)，農(nóng)戶獲取信息成本高，信息獲取與其實際需要不匹配的現(xiàn)象較為嚴重[6]，這在很大程度上阻礙了農(nóng)戶識別創(chuàng)業(yè)機會，抑制了農(nóng)戶創(chuàng)業(yè)決策。

隨著移動互聯(lián)網(wǎng)不斷普及和數(shù)字技術持續(xù)創(chuàng)新，數(shù)字金融在我國經(jīng)歷了快速發(fā)展[7]。數(shù)字金融是指傳統(tǒng)金融機構或互聯(lián)網(wǎng)企業(yè)利用現(xiàn)代信息技術提供支付、融資、投資和信息中介服務的新型金融業(yè)務模式[8-9]。區(qū)別于傳統(tǒng)金融服務模式，作為技術驅(qū)動的金融創(chuàng)新，數(shù)字金融憑借低成本、低門檻、交易便捷等優(yōu)勢增強了對大眾金融消費者的觸達能力，滿足了易被傳統(tǒng)金融機構排斥的長尾群體的融資需求[10]。此外，借助智能手機、平板電腦等數(shù)字終端，數(shù)字金融通過大數(shù)據(jù)、客戶畫像等數(shù)字技術手段實現(xiàn)了向農(nóng)戶傳遞更具針對性、透明度更高、更加及時有效的信息資源，緩解了潛在創(chuàng)業(yè)農(nóng)戶受到的信息約束，進而提高其識別創(chuàng)業(yè)機會的可能性。綜上，數(shù)字金融可能通過緩解融資和信息的雙重約束促使農(nóng)戶擴大融資規(guī)模和識別創(chuàng)業(yè)機會，并最終促進農(nóng)戶創(chuàng)業(yè)決策。

然而，已有相關研究大多關注傳統(tǒng)金融與農(nóng)戶創(chuàng)業(yè)的關系，作為金融發(fā)展的新業(yè)態(tài)、新業(yè)務模式，從微觀層面考察數(shù)字金融參與對農(nóng)戶創(chuàng)業(yè)決策影響的研究卻并不多見。隨著數(shù)字金融向農(nóng)村地區(qū)滲透普及，農(nóng)戶參與數(shù)字金融能否促進以及如何影響其創(chuàng)業(yè)決策？如果能夠促進，那么農(nóng)戶參與數(shù)字金融更多惠及哪類創(chuàng)業(yè)？作為數(shù)字金融服務的兩大供給方，傳統(tǒng)銀行和互聯(lián)網(wǎng)企業(yè)數(shù)字金融參與對農(nóng)戶創(chuàng)業(yè)行為是否具有異質(zhì)性影響？這些問題有待厘清。

本文與既往研究的區(qū)別主要體現(xiàn)在以下兩個方面：第一，從微觀層面研究數(shù)字金融參與對農(nóng)戶創(chuàng)業(yè)決策的影響，并將數(shù)字金融參與按照金融服務供給方的差異劃分為傳統(tǒng)銀行數(shù)字金融與互聯(lián)網(wǎng)企業(yè)數(shù)字金融兩類以討論異質(zhì)性影響，豐富了數(shù)字金融相關研究，也為理解農(nóng)戶創(chuàng)業(yè)決策的驅(qū)動因素提供了一個新的視角。第二，構建一個包括農(nóng)戶初始財富水平、企業(yè)家能力和創(chuàng)業(yè)門檻的靜態(tài)職業(yè)選擇模型，數(shù)理推導并結合理論分析提出數(shù)字金融參與影響農(nóng)戶創(chuàng)業(yè)決策的兩種作用機制，更為直觀地展示了數(shù)字金融影響農(nóng)戶創(chuàng)業(yè)決策的微觀路徑。

二、理論模型與研究假設

一般地，創(chuàng)業(yè)決策是個體面臨多種就業(yè)類型時理性選擇的結果[11]。為簡單起見，本文理論模型中將就業(yè)類型劃分為被雇傭和自主創(chuàng)業(yè)兩類。假設農(nóng)戶僅能同時從事一種職業(yè)活動且風險偏好中性，那么理性個體將通過比較兩種就業(yè)類型的收入高低以做出職業(yè)選擇。 借鑒Evans & Jovanovic（1989） [12]提出的靜態(tài)職業(yè)選擇模型，本文將農(nóng)戶擁有的資源稟賦分為兩種：物質(zhì)資本（以初始財富z代表）和非物質(zhì)資本（以企業(yè)家能力θ代表），分別設定農(nóng)戶被雇傭收入和自主創(chuàng)業(yè)收入函數(shù)如下：

假設農(nóng)戶被雇傭獲得的工資性收入由勞動力市場外生給定且恒等于常數(shù)w，考慮到機會成本的存在，可將農(nóng)戶被雇傭收入函數(shù)η表示為：

η=w+rz （1）

假設農(nóng)戶自主創(chuàng)業(yè)以初始財富z和企業(yè)家能力θ為投入要素，則農(nóng)戶自主創(chuàng)業(yè)收入函數(shù)y為：

y=θkα+r（z-k） （2）

其中，k為資本投入量，r為1+市場利率，α為資本產(chǎn)出彈性且0<α<1。

由于農(nóng)村金融市場的不完全性，農(nóng)戶面臨融資約束，其最大融資規(guī)模不超過自有初始財富的固定倍數(shù)[12]。假設農(nóng)戶融資規(guī)模上限為（λ-1）z，則可知農(nóng)戶最大資本投入量為λz（=（λ-1）z+z）。

傳統(tǒng)靜態(tài)職業(yè)選擇模型并未考慮到創(chuàng)業(yè)最低資本投入也即創(chuàng)業(yè)門檻的存在。事實上，囿于初始財富積累且面臨融資約束，創(chuàng)業(yè)門檻往往是限制個體做出創(chuàng)業(yè)決策的重要因素[13]。加之本文的研究對象為農(nóng)戶，故更應考慮創(chuàng)業(yè)門檻的存在。為此我們在約束條件中增加創(chuàng)業(yè)門檻參數(shù)x以對模型進行修正并將農(nóng)戶自主創(chuàng)業(yè)收入函數(shù)y的最優(yōu)化問題表達如下：

max[θkα+r（z-k）] （3）

s.t.xkλz （4）

則目標函數(shù)的一階條件為：

dy/dk=θαkα-1-r=0 （5）

求解可得農(nóng)戶自主創(chuàng)業(yè)最優(yōu)資本投入量：

k*=（θα/r）1/（1-α） （6）

根據(jù)創(chuàng)業(yè)最優(yōu)資本投入量k*是否位于創(chuàng)業(yè)門檻x和最大資本投入量λz之間，以下分三種情況討論：

1.若農(nóng)戶最大資本投入量λz滿足λz

z

2.若農(nóng)戶最優(yōu)資本投入量k*滿足xk*λz，則農(nóng)戶自主創(chuàng)業(yè)不受融資約束，將（6）式代入可知企業(yè)家能力θ應滿足：

θ0=x1-αr/aθ（λz）1-αr/a （8）

在此條件下，農(nóng)戶自主創(chuàng)業(yè)可達到最優(yōu)產(chǎn)出：

θk*α+r（z-k*） （9）

由模型前提假設可知，理性農(nóng)戶將通過比較被雇傭收入和自主創(chuàng)業(yè)收入的高低以做出職業(yè)選擇，結合被雇傭收入函數(shù)η，則農(nóng)戶選擇自主創(chuàng)業(yè)當且僅當：

θk*α+r（z-k*）>w+rz （10）

經(jīng)過整理，可得：θ>（w/1-α）1-α（r/α）α=θ1 （11）

結合式（8）和式（11），此處假設常數(shù)θ0=θ1②，則不受融資約束農(nóng)戶選擇自主創(chuàng)業(yè)時企業(yè)家能力θ應滿足：

θ0<θ<（λz）1-α（r/α） （12）

3.若農(nóng)戶最優(yōu)資本投入量k*滿足xλzk*，則農(nóng)戶自主創(chuàng)業(yè)受到融資約束，將（6）式代入可知企業(yè)家能力θ應滿足：

θ（λz）1-αr/a （13）

在此條件下，農(nóng)戶自主創(chuàng)業(yè)無法達到最優(yōu)產(chǎn)出，其最大產(chǎn)出為：

θ（λz）α+r（z-λz） （14）

結合被雇傭收入函數(shù)η，則農(nóng)戶選擇自主創(chuàng)業(yè)當且僅當：

θ（λz）α+r（z-λz）>w+rz （15）

經(jīng)過整理，可得：θ>（w+rλz）/（λz）α （16）

結合式（13）和式（16），則受到融資約束農(nóng)戶選擇自主創(chuàng)業(yè)時企業(yè)家能力θ應滿足：

θ>max{（λz）1-αr/α，（w+rλz）/（λz）α} （17）

根據(jù)上述模型數(shù)理推導過程，結合式（7）、式（12）、式（17），可將具有不同初始財富和企業(yè)家能力的農(nóng)戶職業(yè)選擇結果表示為圖1。圖中農(nóng)戶職業(yè)選擇被劃分為四個區(qū)域，分別是被動被雇傭區(qū)域、主動被雇傭區(qū)域、不受融資約束的自主創(chuàng)業(yè)區(qū)域和遭受融資約束的自主創(chuàng)業(yè)區(qū)域。直線l1表示農(nóng)戶創(chuàng)業(yè)的資金門檻約束。直線l2表示農(nóng)戶創(chuàng)業(yè)的企業(yè)家能力約束。直線l1和l2圍成的右上方區(qū)域即為農(nóng)戶自主創(chuàng)業(yè)區(qū)域。

企業(yè)家資源稟賦理論認為個體創(chuàng)業(yè)前的資源稟賦條件對創(chuàng)業(yè)行為具有重要影響。大量經(jīng)驗研究同樣表明，初始財富積累是影響個體創(chuàng)業(yè)活動的重要因素，融資約束阻礙了農(nóng)戶跨過創(chuàng)業(yè)資金門檻或是達到最優(yōu)資本投入量從而抑制了農(nóng)戶創(chuàng)業(yè)決策[14]。借助于大數(shù)據(jù)、人工智能等前沿數(shù)字技術，數(shù)字金融的發(fā)展降低了金融服務門檻和交易成本，拓寬了傳統(tǒng)金融尤其是農(nóng)村金融的普惠外延，為農(nóng)村數(shù)字金融參與者提供了一種更加智能、低成本、且不受時間和地點限制的金融服務[15]，在很大程度上緩解了其所面臨的融資約束。因而，數(shù)字金融參與有利于擴大農(nóng)村家庭融資規(guī)模，進而降低在給定企業(yè)家能力前提下農(nóng)戶因未能達到最低資本投入或是最優(yōu)資本投入而放棄創(chuàng)業(yè)成為被動被雇傭者的可能，在圖2中表現(xiàn)為資金門檻線l1向左平移至l3，自主創(chuàng)業(yè)區(qū)域面積增大S1。由此，提出以下研究假說：

假說1：數(shù)字金融參與有利于緩解融資約束，擴大家庭融資規(guī)模，對農(nóng)戶創(chuàng)業(yè)決策有正向影響。

在企業(yè)家資源稟賦理論基礎上，Chandler & Hanks（1994）首次提出創(chuàng)業(yè)勝任力的概念，并將其定義為個體識別并利用創(chuàng)業(yè)機會的能力[16]。識別創(chuàng)業(yè)機會是農(nóng)戶做出創(chuàng)業(yè)決策的重要前提。在信息傳播渠道尤為受限的農(nóng)村地區(qū)，創(chuàng)業(yè)機會識別在更大程度上依賴于農(nóng)戶對創(chuàng)業(yè)信息的獲取能力，信息獲取所產(chǎn)生的信息累積效應將對農(nóng)戶創(chuàng)業(yè)決策產(chǎn)生正向影響[6]。數(shù)字金融作為傳統(tǒng)金融服務與數(shù)字信息技術交叉融合的產(chǎn)物，其所提供的支付、融資、理財?shù)裙δ芏伎梢园l(fā)揮信息傳遞的作用[17]。一方面，數(shù)字金融延伸了金融服務場景，通過利用大數(shù)據(jù)建模等技術手段對客戶進行數(shù)字畫像，數(shù)字金融服務供給方在識別農(nóng)戶融資需求的同時，可以實現(xiàn)為有創(chuàng)業(yè)意愿的農(nóng)戶提供更有針對性、與創(chuàng)業(yè)聯(lián)系更為緊密的信息，提高信息供需的匹配程度。另一方面，通過參與數(shù)字金融服務，潛在創(chuàng)業(yè)農(nóng)戶信息獲取能力增強，信息約束得到緩解，節(jié)約了搜集創(chuàng)業(yè)信息的時間和成本，提高了識別創(chuàng)業(yè)機會的概率，進而降低在給定初始財富水平前提下農(nóng)戶因企業(yè)家能力不足而成為主動被雇傭者的可能，在圖3中表現(xiàn)為直線l2向下平移至l4，自主創(chuàng)業(yè)區(qū)域面積增大S2。由此，提出以下研究假說：

假說2：數(shù)字金融參與有利于緩解信息約束，促進創(chuàng)業(yè)機會識別，對農(nóng)戶創(chuàng)業(yè)決策有正向影響。

三、數(shù)據(jù)、變量與模型設定

（一）數(shù)據(jù)來源

本文使用的農(nóng)戶數(shù)據(jù)來自于西南財經(jīng)大學2015年在全國范圍內(nèi)開展的中國家庭金融調(diào)查（CHFS）。中國家庭金融調(diào)查采用三階段分層、與人口規(guī)模成比例（PPS）的科學抽樣設計，旨在通過對個人、家庭和社區(qū)的跟蹤追訪，收集中國微觀家庭金融相關信息。2015年的調(diào)研樣本覆蓋我國29個省（自治區(qū)、直轄市），351個縣（區(qū)），1396個村（居）委會，具有全國、省級和部分副省級城市代表性。本文按如下步驟篩選和處理樣本：剔除城鎮(zhèn)地區(qū)樣本;保留受訪者為戶主的樣本;剔除主要變量缺失樣本;對主要連續(xù)型變量進行上下1%縮尾處理以避免極端值影響;為體現(xiàn)工作群體特征，借鑒已有文獻[18]，將戶主年齡限制在18-64歲，最終得到的有效樣本包括來自28個省/自治區(qū)/直轄市578個社區(qū)的6042個農(nóng)村家庭。

（二）變量選取

1. 農(nóng)戶創(chuàng)業(yè)決策

已有研究多將創(chuàng)業(yè)決策界定為自我雇傭或建立新企業(yè)的行為，側重于非農(nóng)創(chuàng)業(yè)研究[19]。但在我國農(nóng)村地區(qū)，多數(shù)家庭原本就已實施農(nóng)業(yè)生產(chǎn)經(jīng)營為主的自我雇傭決策，且農(nóng)戶創(chuàng)業(yè)往往依托于家庭這種非企業(yè)化的組織形式，并非必須建立新企業(yè)[20]。基于此，本文將農(nóng)戶創(chuàng)業(yè)決策分為兩類，第一類是在傳統(tǒng)農(nóng)業(yè)基礎上擴大原有生產(chǎn)經(jīng)營規(guī)模或是升級原有生產(chǎn)經(jīng)營方式的農(nóng)業(yè)創(chuàng)業(yè)，第二類是從事工商業(yè)生產(chǎn)經(jīng)營的非農(nóng)創(chuàng)業(yè)。針對第一類創(chuàng)業(yè)，本文通過CHFS2015問卷中“您家屬于下列哪種農(nóng)業(yè)生產(chǎn)經(jīng)營戶？”判斷，若農(nóng)戶選擇“農(nóng)業(yè)企業(yè)”“家庭農(nóng)場”或“專業(yè)大戶”，則認為其從事農(nóng)業(yè)創(chuàng)業(yè);針對第二類創(chuàng)業(yè)，與此相關的問題是“目前，您家是否從事工商業(yè)生產(chǎn)經(jīng)營項目，包括個體戶、租賃、運輸、網(wǎng)店、經(jīng)營企業(yè)等？”，若回答“是”，則認為農(nóng)戶從事非農(nóng)創(chuàng)業(yè)。若農(nóng)戶從事農(nóng)業(yè)創(chuàng)業(yè)或非農(nóng)創(chuàng)業(yè)中的任一種，則認為其做出創(chuàng)業(yè)決策， 記為1，否則記為0。按此定義和分類，創(chuàng)業(yè)農(nóng)戶約占研究樣本的11.54%，其中農(nóng)業(yè)創(chuàng)業(yè)占比1.62%，非農(nóng)創(chuàng)業(yè)占比10.39%。

2. 數(shù)字金融參與

本文將數(shù)字金融參與按照金融服務供給方的差異劃分為傳統(tǒng)銀行數(shù)字金融參與和互聯(lián)網(wǎng)企業(yè)數(shù)字金融參與兩類。傳統(tǒng)銀行以手機銀行或網(wǎng)上銀行為基礎提供數(shù)字金融服務，故本文將農(nóng)戶是否使用手機銀行或網(wǎng)上銀行作為其是否參與傳統(tǒng)銀行數(shù)字金融的代理變量。對于互聯(lián)網(wǎng)企業(yè)數(shù)字金融參與，借鑒已有文獻并結合現(xiàn)有數(shù)據(jù)[17]，本文從數(shù)字金融的支付、融資和投資三大核心功能出發(fā)，認為若農(nóng)戶存在通過網(wǎng)絡電商平臺等采購或銷售商品、上網(wǎng)購物（即參與數(shù)字支付）、互聯(lián)網(wǎng)借貸（即參與數(shù)字融資）以及互聯(lián)網(wǎng)理財、眾籌（即參與數(shù)字投資）等行為，則其參與互聯(lián)網(wǎng)企業(yè)數(shù)字金融。如果農(nóng)戶使用傳統(tǒng)銀行或互聯(lián)網(wǎng)企業(yè)提供的數(shù)字金融服務，則數(shù)字金融參與記為1，否則記為0。

3. 控制變量

參考已有研究[21-22]，設置可能影響農(nóng)戶創(chuàng)業(yè)決策的個體特征、家庭特征和地理特征作為控制變量。其中，個體特征選取戶主的性別、年齡、受教育程度、婚姻狀況、健康水平和風險偏好;家庭特征變量包括家庭人口規(guī)模、住房、車輛、耕地;對于地理特征變量，以我國西部地區(qū)為參照組，構建東部和西部兩個地區(qū)虛擬變量以控制地區(qū)之間的社會文化與創(chuàng)業(yè)氛圍等差異。

（三）模型設定

考慮到農(nóng)戶創(chuàng)業(yè)決策的虛擬變量特征，本文采用Probit模型檢驗數(shù)字金融參與對農(nóng)戶創(chuàng)業(yè)決策的影響。在考慮內(nèi)生性問題時采用了工具變量（IV-Probit）和傾向得分匹配方法（PSM）。Probit模型設定如下：

Entreprei*=α+β1DFi+β2Xi+Region+εi

Entreprei=1（entreprei*>0） （18）

其中，Entreprei是第i個農(nóng)戶的創(chuàng)業(yè)行為，衡量農(nóng)戶是否做出創(chuàng)業(yè)決策;Entreprei*為潛變量，當Entreprei*>0時，Entreprei取值為1，否則為0;DFi為農(nóng)戶數(shù)字金融參與情況;Xi為包含個體和家庭特征的一系列控制變量;Region為地區(qū)虛擬變量;εi為隨機擾動項。

（四）變量描述統(tǒng)計

本文根據(jù)農(nóng)戶是否創(chuàng)業(yè)進行分組，比較數(shù)字金融參與在創(chuàng)業(yè)農(nóng)戶與非創(chuàng)業(yè)農(nóng)戶中的差異，表1列示了各解釋變量的具體定義及描述性統(tǒng)計結果。結果顯示，對于數(shù)字金融參與，16.64%的創(chuàng)業(yè)農(nóng)戶使用過數(shù)字金融服務，而在非創(chuàng)業(yè)農(nóng)戶組別中這一比例僅為5.65%，明顯低于創(chuàng)業(yè)農(nóng)戶組， 由此可以直觀看出創(chuàng)業(yè)農(nóng)戶與非創(chuàng)業(yè)農(nóng)戶在數(shù)字金融參與方面存在較大差距。其他變量的描述性統(tǒng)計結果也基本符合預期，具體表現(xiàn)為創(chuàng)業(yè)農(nóng)戶組別中男性比例更大、更年輕、受教育程度更高等特征。

四、實證結果分析

（一）數(shù)字金融參與對農(nóng)戶創(chuàng)業(yè)決策的影響

考慮到同一社區(qū)不同農(nóng)戶的隨機擾動項可能存在相關性，本文所有估計結果均將標準誤聚類到社區(qū)層面。 表2報告了Probit模型的估計結果，其中第1列是數(shù)字金融參與對農(nóng)戶創(chuàng)業(yè)決策總體影響的回歸結果。第2列則根據(jù)數(shù)字金融服務供給方的不同，分析比較了傳統(tǒng)銀行數(shù)字金融參與和互聯(lián)網(wǎng)企業(yè)數(shù)字金融參與對農(nóng)戶創(chuàng)業(yè)決策影響的差異。

然而，以上估計結果可能是有偏的，數(shù)字金融參與可能存在內(nèi)生性問題。數(shù)字金融參與不僅可能影響農(nóng)戶創(chuàng)業(yè)決策，反過來有創(chuàng)業(yè)傾向的農(nóng)戶也會更有意愿使用數(shù)字金融服務，例如參與數(shù)字支付或數(shù)字借貸。此外，盡管本文在實證模型中控制了一系列個體和家庭特征變量，但仍可能存在某些難以準確觀測的因素（例如戶主能力、家庭背景等）同時影響數(shù)字金融參與和農(nóng)戶創(chuàng)業(yè)決策。因此表2的第3列使用工具變量法來糾正潛在的內(nèi)生性問題，本文選取家庭是否擁有智能手機或電腦作為數(shù)字金融參與的工具變量③，進行IV-Probit估計④。選取這一工具變量主要有以下兩點原因：首先，農(nóng)戶擁有智能手機或電腦是其使用數(shù)字金融服務的前置條件，兩者存在較高的正相關性;其次，家庭層面是否擁有智能手機或電腦不能直接影響農(nóng)戶創(chuàng)業(yè)決策，滿足工具變量外生性的選取要求。根據(jù)表2估計結果，從統(tǒng)計顯著性來看，數(shù)字金融參與能夠促進農(nóng)戶創(chuàng)業(yè)決策，且在1%水平上顯著;從經(jīng)濟顯著性來看，農(nóng)戶參與數(shù)字金融，其創(chuàng)業(yè)概率平均提高6.0%。在考慮數(shù)字金融參與可能存在的內(nèi)生性問題后，這種顯著正向影響仍然存在。比較數(shù)字金融服務不同供給方的邊際影響可知，相較于傳統(tǒng)銀行數(shù)字金融，互聯(lián)網(wǎng)企業(yè)數(shù)字金融參與更能顯著促進農(nóng)戶創(chuàng)業(yè)決策，這可能與互聯(lián)網(wǎng)企業(yè)數(shù)字化程度更高，其所提供的支付、融資等數(shù)字金融服務門檻更低且交易更便捷相關。

以上分析僅把農(nóng)戶創(chuàng)業(yè)作為一個整體進行研究，未考慮創(chuàng)業(yè)群體內(nèi)部的異質(zhì)性。因此本文進一步根據(jù)創(chuàng)業(yè)的類型將農(nóng)戶創(chuàng)業(yè)劃分為農(nóng)業(yè)創(chuàng)業(yè)與非農(nóng)創(chuàng)業(yè)，表2的第4列和第5列考察了數(shù)字金融參與對農(nóng)戶不同類型創(chuàng)業(yè)的異質(zhì)性影響。實證結果表明，農(nóng)戶參與數(shù)字金融，其農(nóng)業(yè)創(chuàng)業(yè)與非農(nóng)創(chuàng)業(yè)概率分別提高1.0%和5.8%。數(shù)字金融參與對農(nóng)戶非農(nóng)創(chuàng)業(yè)的影響顯著高于農(nóng)業(yè)創(chuàng)業(yè)，這是因為相較于經(jīng)營規(guī)模更大、技術升級要求更高的農(nóng)業(yè)創(chuàng)業(yè)，農(nóng)村非農(nóng)創(chuàng)業(yè)以個體工商經(jīng)營為主，資金門檻以及對農(nóng)戶掌握信息資源的要求均較低，故而數(shù)字金融參與緩解融資和信息約束的功效在非農(nóng)創(chuàng)業(yè)領域中更為明顯。

（二）數(shù)字金融參與影響農(nóng)戶創(chuàng)業(yè)決策的機制檢驗

前述實證結果表明，數(shù)字金融參與能夠促進農(nóng)戶創(chuàng)業(yè)決策，且該種促進作用無論在數(shù)字金融參與內(nèi)部還是在家庭創(chuàng)業(yè)選擇之間均存在顯著異質(zhì)性。進一步地，根據(jù)第二部分理論分析，數(shù)字金融參與可能通過兩條途徑影響農(nóng)戶創(chuàng)業(yè)決策：擴大融資規(guī)模和促進機會識別。為驗證第一個機制，本文首先選用家庭總負債規(guī)模作為農(nóng)戶融資規(guī)模的代理變量，檢驗數(shù)字金融參與對家庭融資規(guī)模的影響。由于部分樣本家庭無負債，農(nóng)戶融資規(guī)模是一個截斷變量，故采用Tobit模型進行回歸。表3的第1列匯報了Tobit模型的估計結果，可以看出，數(shù)字金融參與在1%的顯著性水平上有利于擴大農(nóng)戶融資規(guī)模。第2列考慮數(shù)字金融參與可能存在的內(nèi)生性問題，選取與上文一致的工具變量進行IV-Tobit回歸，所得結論并無實質(zhì)性變化。

其次，本文進一步檢驗融資規(guī)模對農(nóng)戶創(chuàng)業(yè)決策的影響，采用Probit模型進行回歸。表3的第3列估計結果顯示，融資規(guī)模的擴大促進了農(nóng)戶創(chuàng)業(yè)決策且在1%水平上顯著。第4列考慮模型存在的內(nèi)生性問題，選用同一社區(qū)其他家庭的平均負債規(guī)模作為本家庭融資規(guī)模的工具變量進行IV-Probit回歸，估計系數(shù)仍為正且顯著性水平保持不變，但由于Wald內(nèi)生性檢驗在10%的水平上無法拒絕融資規(guī)模是外生變量的原假設，故該處僅作為穩(wěn)健性檢驗進行匯報。這些結果表明數(shù)字金融參與通過擴大家庭融資規(guī)模進而促進了農(nóng)戶創(chuàng)業(yè)決策，假說1得到驗證。

接下來，本文驗證第二個機制，即數(shù)字金融參與促進創(chuàng)業(yè)機會識別。識別潛在的創(chuàng)業(yè)機會是農(nóng)戶做出創(chuàng)業(yè)決策的前提和關鍵所在，進而表現(xiàn)為創(chuàng)業(yè)動機[11]。因此本文通過判斷數(shù)字金融參與是否對農(nóng)戶創(chuàng)業(yè)動機有影響，對第二種機制進行檢驗。CHFS2015問卷針對未從事工商業(yè)生產(chǎn)經(jīng)營項目的家庭進行了調(diào)查。具體問題是“未來您家是否打算開展工商業(yè)生產(chǎn)經(jīng)營項目，包括個體戶、租賃、運輸、網(wǎng)店、經(jīng)營企業(yè)等？”若回答“是”，則認為農(nóng)戶存在創(chuàng)業(yè)動機，記為1，否則記為0。

表4匯報了模型估計結果，其中第1列是數(shù)字金融參與對農(nóng)戶創(chuàng)業(yè)動機影響的Probit模型回歸結果。進一步地，為增強研究結論的穩(wěn)健性，第2列匯報了OLS回歸結果，第3列將數(shù)字金融參與視作內(nèi)生變量，選取與上文一致的工具變量進行IV-Probit回歸。估計結果均顯示數(shù)字金融參與可以顯著提高農(nóng)戶創(chuàng)業(yè)動機，假說2得到驗證。

（三）基于傾向得分匹配法的穩(wěn)健性檢驗

前文在檢驗數(shù)字金融參與對農(nóng)戶創(chuàng)業(yè)決策的影響時已經(jīng)運用IV-Probit模型盡可能減輕反向因果、遺漏變量等可能引致的內(nèi)生性問題，但參與數(shù)字金融的農(nóng)戶往往是那些有意愿同時金融素養(yǎng)較高進而有能力使用數(shù)字金融服務的農(nóng)戶，也即農(nóng)戶是否參與數(shù)字金融可能并不是隨機的，而是“自選擇”的結果。考慮此，本文使用Rosenbaum & Rubin（1983）[23]提出的傾向得分匹配法構建數(shù)字金融參與影響農(nóng)戶創(chuàng)業(yè)決策的反事實情景假設，糾正可能存在的樣本選擇問題。表5報告了不同傾向得分匹配方法下數(shù)字金融參與對農(nóng)戶創(chuàng)業(yè)決策的估計結果。處理組的平均處理效應（ATT）結果顯示，在控制樣本選擇偏誤后，數(shù)字金融參與對農(nóng)戶創(chuàng)業(yè)決策仍有穩(wěn)定促進作用⑤。這與本文的基準回歸結果保持一致。

五、結論與政策建議

隨著移動互聯(lián)網(wǎng)不斷普及和數(shù)字技術持續(xù)創(chuàng)新，數(shù)字金融向農(nóng)村金融市場的滲透拓寬了傳統(tǒng)金融尤其是農(nóng)村金融的普惠邊界，對農(nóng)村家庭產(chǎn)生了深遠影響。本文構建一個靜態(tài)職業(yè)選擇模型，從微觀層面分析數(shù)字金融參與對農(nóng)戶創(chuàng)業(yè)決策的影響機理，并利用2015年中國家庭金融調(diào)查（CHFS）數(shù)據(jù)，實證檢驗農(nóng)戶參與數(shù)字金融對其創(chuàng)業(yè)決策產(chǎn)生的影響效應、異質(zhì)性和作用機制。研究發(fā)現(xiàn)：（1）數(shù)字金融參與激發(fā)了農(nóng)戶的創(chuàng)業(yè)熱情，且對農(nóng)戶非農(nóng)創(chuàng)業(yè)的影響較大。（2）相較于傳統(tǒng)銀行提供的數(shù)字金融服務，農(nóng)戶使用互聯(lián)網(wǎng)企業(yè)數(shù)字金融服務更可能促使其開展創(chuàng)業(yè)活動，這說明現(xiàn)階段互聯(lián)網(wǎng)企業(yè)數(shù)字金融服務的門檻更低，普惠性更強。（3）數(shù)字金融能夠緩解農(nóng)戶融資約束，擴大家庭融資規(guī)模，提高農(nóng)戶信息可得性，促進其識別創(chuàng)業(yè)機會，最終激勵農(nóng)戶創(chuàng)業(yè)。

本文研究結果為理解鄉(xiāng)村振興背景下金融服務支持農(nóng)戶創(chuàng)業(yè)提供了新的視角?；谘芯拷Y論可以得到如下政策啟示：第一，應積極完善鄉(xiāng)村信息化基礎設施與金融基礎設施建設，從頂層設計層面推動數(shù)字金融在農(nóng)村地區(qū)的有序健康發(fā)展，提高農(nóng)戶創(chuàng)業(yè)資源的可得性，激發(fā)農(nóng)戶創(chuàng)業(yè)熱情，促進農(nóng)村創(chuàng)新創(chuàng)業(yè)。第二，增強傳統(tǒng)金融機構金融科技應用能力，加速實現(xiàn)數(shù)字化轉型，鼓勵商業(yè)銀行借助數(shù)字技術手段優(yōu)化金融服務模式、豐富金融產(chǎn)品供給，緩解普惠金融發(fā)展過程中成本高、收益低、風險大等問題，著力提高農(nóng)村數(shù)字金融服務的覆蓋面與質(zhì)量，為農(nóng)戶創(chuàng)業(yè)提供更加普惠的金融支持。第三，引導農(nóng)戶主動使用數(shù)字金融產(chǎn)品和服務，完善對于農(nóng)民互聯(lián)網(wǎng)信息技術的專項培訓體系，特別強化農(nóng)戶智能手機應用技能培訓，提升農(nóng)戶數(shù)字化能力，降低其受到數(shù)字金融排斥的可能性，彌合數(shù)字金融發(fā)展過程中的“數(shù)字鴻溝”。

注釋：

①? 數(shù)據(jù)來源：《農(nóng)業(yè)農(nóng)村部有關負責人就<關于深入實施農(nóng)村創(chuàng)新創(chuàng)業(yè)帶頭人培育行動的意見>答記者問》， http：//www.gov.cn/zhengce/2020-06/19/content_5520414.htm.

② 當θ0>θ1或θ0<θ1 時，本文結論亦不受影響，故為簡便起見，本文假設θ0=θ1。

③? 若家庭擁有智能手機或電腦，該變量記為1，否則記為0。

④ 由于本文的核心解釋變量“數(shù)字金融參與”為二值虛擬變量，故IV-Probit僅能采用極大似然法進行估計。但為檢驗工具變量的相關性，本文也采用了兩階段工具變量估計方法，一階段估計結果顯示工具變量與內(nèi)生變量在1%水平上顯著正相關。

⑤ 限于篇幅，處理組和控制組的平衡性檢驗結果沒有匯報，如有需要請聯(lián)系作者。

參考文獻：

[1]? 彭克強，劉錫良.農(nóng)民增收、正規(guī)信貸可得性與非農(nóng)創(chuàng)業(yè)[J].管理世界，2016（7）：88-97.

[2] 胡珊珊，晁娜.農(nóng)地抵押政策、資產(chǎn)流動性釋放與農(nóng)戶農(nóng)業(yè)創(chuàng)業(yè)決策——基于粵西地區(qū)1876戶農(nóng)戶的調(diào)研數(shù)據(jù)[J].哈爾濱商業(yè)大學學報（社會科學版），2020（5）：97-110.

[3] 張龍耀，張海寧.金融約束與家庭創(chuàng)業(yè)——中國的城鄉(xiāng)差異[J].金融研究，2013（9）：123-135.

[4] 蔣劍勇，錢文榮，郭紅東.農(nóng)民創(chuàng)業(yè)機會識別的影響因素研究——基于968份問卷的調(diào)查[J].南京農(nóng)業(yè)大學學報（社會科學版），2014，14（1）：51-58.

[5] 高靜，賀昌政.信息能力影響農(nóng)戶創(chuàng)業(yè)機會識別——基于456份調(diào)研問卷的分析[J].軟科學，2015，29（3）：140-144.

[6] 吳本健，胡歷芳，馬九杰.社會網(wǎng)絡、信息獲取與農(nóng)戶自營工商業(yè)創(chuàng)辦行為關系的實證分析[J].經(jīng)濟經(jīng)緯，2014，31（5）：32-37.

[7] 張勛，萬廣華，張佳佳，何宗樾.數(shù)字經(jīng)濟、普惠金融與包容性增長[J].經(jīng)濟研究，2019，54（8）：71-86.

[8] 黃益平，黃卓.中國的數(shù)字金融發(fā)展：現(xiàn)在與未來[J].經(jīng)濟學（季刊），2018，17（4）：1489-1502.

[9] 郭峰，王瑤佩.傳統(tǒng)金融基礎、知識門檻與數(shù)字金融下鄉(xiāng)[J].財經(jīng)研究，2020，46（1）：19-33.

[10] 王馨.互聯(lián)網(wǎng)金融助解“長尾”小微企業(yè)融資難問題研究[J].金融研究，2015（9）：128-139.

[11] 王春超，馮大威.中國鄉(xiāng)—城移民創(chuàng)業(yè)行為的決定機制——基于社會關系網(wǎng)的分析視角[J].經(jīng)濟學（季刊），2018，17（1）：355-382.

[12] Evans D S， Jovanovic B. An estimated model of entrepreneurial choice under liquidity constraints[J]. Journal of Political Economy， 1989， 97（4）： 808-827.

[13] 胡金焱，張博.社會網(wǎng)絡、民間融資與家庭創(chuàng)業(yè)——基于中國城鄉(xiāng)差異的實證分析[J].金融研究，2014（10）：148-163.

[14] 盧亞娟，張龍耀，許玉韞.金融可得性與農(nóng)村家庭創(chuàng)業(yè)——基于CHARLS數(shù)據(jù)的實證研究[J].經(jīng)濟理論與經(jīng)濟管理，2014（10）：89-99.

[15] Gomber P， Koch J A， Siering M. Digital Finance and FinTech： Current Research and Future Research Directions[J]. Journal of Business Economics， 2017， 87（5）： 537-580.

[16] Chandler G N， Hanks S H. Founder Competence， the Environment， and Venture Performance[J]. Entrepreneurship Theory and Practice， 1994，18（3）： 77-89.

[17] 何婧，李慶海.數(shù)字金融使用與農(nóng)戶創(chuàng)業(yè)行為[J].中國農(nóng)村經(jīng)濟，2019（1）：112-126.

[18] 鄭馨，周先波.社會規(guī)范是如何激活創(chuàng)業(yè)活動的？——來自中國“全民創(chuàng)業(yè)”十年的微觀證據(jù)[J].經(jīng)濟學（季刊），2018，17（1）：189-220.

[19] 尹志超，劉泰星，王曉全.農(nóng)村收入差距抑制了農(nóng)戶創(chuàng)業(yè)嗎？——基于流動性約束與人力資本投資視角的實證分析[J].中國農(nóng)村經(jīng)濟，2020（5）：76-95.

[20] 張應良，高靜，張建峰.創(chuàng)業(yè)農(nóng)戶正規(guī)金融信貸約束研究——基于939份農(nóng)戶創(chuàng)業(yè)調(diào)查的實證分析[J].農(nóng)業(yè)技術經(jīng)濟，2015（1）：64-74.

[21] Hatak I， Harms R， Fink M. Age， job Identification， and Entrepreneurial Intention[J]. Journal of Managerial Psychology， 2014， 30（1）： 38-53.

[22] Hsieh C， Parker S C， van Praag C M. Risk， Balanced Skills and? Entrepreneurship[J]. Small Business Economics， 2017， 48（2）： 287-302.

[23] Rosenbaum P R， Rubin D B. The Central Role of the Propensity Score in Observational Studies for Causal Effects[J]. Biometrika， 1983， 70（1）： 41-55.

（責任編輯：趙春江）