摘要：金融市場活動容易受到人們感覺認知的影響。在數(shù)字普惠金融快速發(fā)展的背景下，數(shù)字普惠金融發(fā)展狀況成為人們在信貸市場上能夠動態(tài)感知的、越來越重要的信號。根據(jù)信號的同時對比與繼時對比，人們有可能改變經(jīng)濟決策與行為。研究結(jié)果表明：不僅數(shù)字普惠金融能夠通過信用傳導機制及多重門檻效應(yīng)對實際利率施加顯著影響，而且門檻變量表現(xiàn)出顯著的時滯效應(yīng)。在信貸市場上，人們關(guān)于數(shù)字普惠金融的體驗極有可能具備感覺閾限與感覺適應(yīng)的特征。數(shù)字普惠金融發(fā)展能減弱利率市場對于信用風險溢價的反應(yīng)。隨著數(shù)字普惠金融處于越來越快的發(fā)展階段，人們在面對信用風險時表現(xiàn)得越來越樂觀。

關(guān)鍵詞：數(shù)字普惠金融；信用風險溢價；多重門檻模型；感覺閾限；信貸市場

中圖分類號：F830" "文獻標識碼：A" "文章編號：1674-3652（2024）03-0045-11

DOI：10.19933/j.cnki.ISSN1674-3652.2024.03.006

一、引言

數(shù)字普惠金融是指一切通過使用數(shù)字金融服務(wù)以促進普惠金融的行動。它包括運用數(shù)字技術(shù)為無法獲得金融服務(wù)或缺乏金融服務(wù)的群體提供一系列正規(guī)金融服務(wù)，不僅所提供的金融服務(wù)能夠滿足需求，并且是以負責任的、成本可負擔的方式提供，同時對服務(wù)提供商而言是可持續(xù)的[ 1 ]。數(shù)字普惠金融兼顧創(chuàng)新發(fā)展與風險防范，在充分考慮適當?shù)娘L險緩釋措施和安全保障的前提下，通過創(chuàng)新發(fā)展減少金融約束，增強金融服務(wù)可獲得性，降低金融服務(wù)成本，提高金融資源配置效率；同時構(gòu)建數(shù)字普惠金融法律和監(jiān)管框架，開發(fā)客戶身份識別系統(tǒng)，擴展消費者數(shù)字技術(shù)基礎(chǔ)知識和金融知識的普及等，從而讓社會共享金融發(fā)展的成果。

然而，數(shù)字普惠金融機構(gòu)的資金來源渠道不同于那些能夠吸收公眾存款并且參加存款保險的傳統(tǒng)商業(yè)銀行。一些類金融機構(gòu)打著數(shù)字普惠金融的旗號從事非法集資、非法吸收公眾存款等活動，也干擾了數(shù)字普惠金融機構(gòu)的正常融資活動。另外，數(shù)字普惠金融機構(gòu)面對數(shù)量眾多的長尾客戶，提供金融服務(wù)的成本遠高于傳統(tǒng)金融機構(gòu)。因此，成本因素是制約數(shù)字普惠金融發(fā)展的瓶頸[ 2 ]，而且終將影響中小微企業(yè)的融資成本。隨著數(shù)字普惠金融發(fā)展進入“深水區(qū)”，在從高速增長向高質(zhì)量增長的轉(zhuǎn)型升級過程中，它能否一如既往地發(fā)揮降低企業(yè)融資成本的作用，是公眾非常關(guān)注的議題之一。

二、文獻綜述

一般而言，資金供求的實際缺口和信用風險溢價是影響實際利率的最重要因素，即便是在數(shù)字普惠金融快速發(fā)展的背景下，它們對于實際利率的影響也依然非常重要。普惠金融需要兼顧資金可獲得性（即普及）、成本適當（即優(yōu)惠）以及商業(yè)可持續(xù)性（即低風險）。雖然這三個方面往往存在悖論，但是科技發(fā)展有望成為推動破解“三元悖論”的渠道之一[ 3-4 ]。隨著大數(shù)據(jù)、云計算、人工智能等技術(shù)被廣泛應(yīng)用于經(jīng)濟金融領(lǐng)域，金融機構(gòu)能夠比以往更加充分地挖掘海量的信息數(shù)據(jù)，這在一定程度上緩解了信息不對稱的問題，同時推動融資模式、交易方式以及金融工具的創(chuàng)新發(fā)展。例如，擴大金融服務(wù)范圍，減少投融資門檻與信息傳遞成本，縮減分支機構(gòu)與服務(wù)人員等，不僅提高了小微企業(yè)、城鎮(zhèn)居民和農(nóng)戶等市場主體的融資可獲得性、可持續(xù)性，而且降低了交易的時間成本、經(jīng)濟成本以及風險溢價等[ 5-6 ]。因此，（1）相對于傳統(tǒng)金融而言，數(shù)字普惠金融的競爭優(yōu)勢日益明顯，并且部分地擠出了傳統(tǒng)金融的市場份額。在其他條件不變的情況下，數(shù)字普惠金融有助于降低企業(yè)債務(wù)融資成本[ 7 ]。（2）數(shù)字普惠金融具有覆蓋廣泛、觸達便捷、政策靶向性、邊際成本近乎為零等特點，能從規(guī)模、速度和準度等多個維度顯著降低融資成本，并提高風控能力[ 8 ]。（3）數(shù)字普惠金融能促進金融市場結(jié)構(gòu)優(yōu)化，較好地提升城市銀行業(yè)多樣性，降低企業(yè)投融資錯配程度，進而顯著降低上市公司的債務(wù)融資成本[ 9 ]。（4）數(shù)字普惠金融能大幅度降低債券融資的征信成本、風控成本、交易成本等，從而顯著降低債券信用風險利差。一方面，與國企和上市公司相比較，數(shù)字普惠金融降低民營企業(yè)、非上市公司債券信用利差的效果更加明顯；另一方面，與中西部地區(qū)相比較，數(shù)字普惠金融降低東部企業(yè)債券信用利差的效果更加明顯[ 10 ]。許多實證分析表明，數(shù)字普惠金融可以顯著緩解企業(yè)的融資約束，并且通過債務(wù)融資成本這個中介變量激勵企業(yè)創(chuàng)新[ 11-13 ]。

然而，在現(xiàn)有的監(jiān)管框架下，數(shù)字技術(shù)在普惠金融領(lǐng)域的應(yīng)用依然面臨一些問題，并且有可能影響融資活動及成本。例如，區(qū)塊鏈應(yīng)用是多法人參與的業(yè)務(wù)。這些業(yè)務(wù)并沒有直接的收入來源，而是通過緩解信息不對稱問題，間接地增強金融產(chǎn)品的信用，或者減少未來極端事件的處置成本。這是一種看不見的收益。如果長期投資沒有可見的收益，一旦初始投入耗盡且無法繼續(xù)融資，那么區(qū)塊鏈參與方的動機減弱，區(qū)塊鏈的應(yīng)用運轉(zhuǎn)便難以持續(xù)[ 14 ]。數(shù)字普惠金融的供求雙方借助互聯(lián)網(wǎng)和移動終端，采用平臺化、非直接面對面的方式完成交易。與一般客戶相比，銀行等金融機構(gòu)與長尾客戶之間存在的信息不對稱問題可能會更加突出。一旦雙方發(fā)生金融糾紛，那么銀行等金融機構(gòu)通過打官司維權(quán)的成本將會非常高，而且耗時很長，可能導致金融服務(wù)提供者遭受利益損失，甚至有可能威脅資金（鏈）安全[ 15 ]。一方面，數(shù)字普惠金融可以降低資金供需雙方面臨的信息不對稱程度，提高金融機構(gòu)和企業(yè)運營效率，激勵金融市場體系創(chuàng)新，從而促進“專精特新”企業(yè)融資；另一方面，現(xiàn)階段普惠金融與數(shù)字技術(shù)依然存在著某種程度的風險隱患，而且金融平臺也有可能濫用壟斷地位，從而使得“專精特新”中小企業(yè)的融資行為面臨挑戰(zhàn)[ 16 ]。國內(nèi)數(shù)字普惠金融在取得顯著發(fā)展成效的同時，也面臨著從業(yè)機構(gòu)數(shù)字化能力、消費者數(shù)字金融素養(yǎng)、信用信息體系建設(shè)、產(chǎn)品服務(wù)定位等問題與挑戰(zhàn)。例如，國內(nèi)數(shù)據(jù)互聯(lián)互通及融合應(yīng)用有待加強，普惠金融從業(yè)機構(gòu)（尤其是中小機構(gòu)）缺乏足夠的數(shù)據(jù)信息支撐信貸決策，難以發(fā)揮數(shù)據(jù)信息在營銷獲客、風險控制等環(huán)節(jié)的應(yīng)有作用[ 17 ]。

盡管許多文獻已經(jīng)深入探討了數(shù)字普惠金融發(fā)展與企業(yè)融資成本的關(guān)系，但是相關(guān)研究還可以考慮在以下3個方面進行拓展。

（1）與直接融資方面的實證研究相比，數(shù)字普惠金融發(fā)展影響間接融資成本的實證研究文獻較少。許多實證文獻著重分析了數(shù)字普惠金融對企業(yè)債券融資成本的影響，而較少實證分析數(shù)字普惠金融對信貸融資成本的影響。雖然現(xiàn)階段國內(nèi)企業(yè)直接融資比重呈現(xiàn)上升趨勢，但是間接融資事實上依舊占據(jù)較大比重。實證研究數(shù)字普惠金融與間接融資（尤其是信貸融資）之間的關(guān)系具有重要的現(xiàn)實意義。

（2）與線性關(guān)系實證研究相比，數(shù)字普惠金融發(fā)展水平在不同區(qū)制下影響融資成本的實證研究文獻較少。許多文獻強調(diào)了數(shù)字技術(shù)在降低信用風險方面的作用，并由此促進數(shù)字普惠金融的融資成本下降，卻沒有實證分析數(shù)字普惠金融發(fā)展水平在量變過程中通過信用機制降低融資成本的現(xiàn)實路徑。例如，有的文獻實證分析了數(shù)字普惠金融發(fā)展水平對信貸融資規(guī)模的、線性的促進作用，而忽視了不同數(shù)字普惠金融發(fā)展水平與信貸融資成本之間可能存在的非線性關(guān)系。尤其是當整體信用風險呈現(xiàn)一定程度加快釋放的趨勢時，在各地區(qū)數(shù)字普惠金融發(fā)展差異的背景下，關(guān)于信用風險影響融資成本的實證研究具有重要的現(xiàn)實意義。有的文獻采用雙門檻面板回歸模型分別研究了在外商直接投資發(fā)展的不同階段、在金融發(fā)展的不同階段，多個經(jīng)濟變量之間的非線性關(guān)系[ 18-19 ]。在參考這些文獻的基礎(chǔ)上，本文將探討各地區(qū)數(shù)字普惠金融發(fā)展指數(shù)（DIF）在不同數(shù)值區(qū)間或者說數(shù)字普惠金融的不同發(fā)展階段，一般貸款加權(quán)平均實際利率（RR）與資金供求的實際缺口（GAP）、信用風險溢價（Credit）之間的非線性關(guān)系。尤其是現(xiàn)實生活中，人們是不完全理性的，容易受到內(nèi)外環(huán)境、感覺認知等因素影響。在數(shù)字普惠金融的不同發(fā)展階段，數(shù)字技術(shù)的廣泛應(yīng)用使社會信用環(huán)境發(fā)生改變，導致人們對信用風險的感覺體驗存在差異，并有可能呈現(xiàn)出物理心理學理論所描述的非線性、非連續(xù)的感覺閾限特征，進而通過非線性、非連續(xù)的風險補償要求（即信用風險溢價）影響實際信貸利率。如果數(shù)字普惠金融發(fā)展劃分為4個不同階段（對應(yīng)3門檻τ1、τ2、τ3），那么理論函數(shù)關(guān)系可以描述為式（1）。

[RR=f0（GAP）+f1（CreditDIFlt;τ1）+f2（Creditτ1≤DIFlt;τ2）+f3（Creditτ2≤DIFlt;τ3）+f4（CreditDIF≥τ3）]" "（1）

其中：[CreditDIFlt;τ1]、[Creditτ1≤DIFlt;τ2]、[Creditτ2≤DIFlt;τ3]和[CreditDIF≥τ3]分別代表數(shù)字普惠金融在不同發(fā)展階段的信用風險溢價。

（3）許多文獻忽略了數(shù)字普惠金融發(fā)展的時滯效應(yīng)及其對融資成本影響的實證研究。凡是缺少數(shù)字普惠金融變量滯后項的實證模型，都暗示了數(shù)字普惠金融發(fā)展能夠在當期釋放出所有的影響力或者經(jīng)濟效果。但是，人們感受數(shù)字普惠金融發(fā)展并做出反應(yīng)的過程可能存在時滯效應(yīng)，尤其是在決策時，往往會將過去幾期的狀況與當期狀況進行對比。數(shù)字普惠金融發(fā)展對信用風險溢價的影響力可能是逐步釋放出來的，不僅數(shù)字普惠金融在過往幾期的發(fā)展狀況能對當期的其他經(jīng)濟變量施加影響；而且與過往幾期相比較，數(shù)字普惠金融在當期對其他變量的影響力未必是最強的；隨著時間的不斷推移，過往幾期數(shù)字普惠金融發(fā)展狀況在當期的影響力將會逐漸減弱，甚至消退。在實證分析中添加數(shù)字普惠金融發(fā)展的時滯變量，對提高金融政策的精準性具有重要的理論與現(xiàn)實意義。因此，理論函數(shù)關(guān)系可以進一步細化并描述為式（2）。

[RR=f0（GAP）+f1（CreditDIF（n）lt;τ1）+f2（Creditτ1≤DIF（n）lt;τ2）+f3（Creditτ2≤DIF（n）lt;τ3）+f4（CreditDIF（n）≥τ3）]（2）

其中：DIF（n）是滯后階數(shù)為n的數(shù)字普惠金融發(fā)展指數(shù)。

因此，本文接下來將以2015—2020年國內(nèi)各個地區(qū)數(shù)字普惠金融發(fā)展水平與一般貸款加權(quán)平均實際利率之間的關(guān)系為例，利用包含時滯門檻變量的面板模型，著重研究不同區(qū)制的數(shù)字普惠金融發(fā)展水平通過信用傳導機制影響一般貸款加權(quán)平均實際利率，并嘗試探索這種非線性關(guān)系背后的行為經(jīng)濟學原理，然后提出對策建議，如圖1所示。

三、方法

為了清晰描述變量之間可能存在的非線性函數(shù)關(guān)系，本文設(shè)定簡化的、暫不包括數(shù)字普惠金融發(fā)展指數(shù)滯后項的計量模型，如式3所示。

[RRi，t=αi+βiGAPi，t+γ1，iCrediti，tV（DIFi，tlt;τ1）+γ2，iCrediti，tV（τ1≤DIFi，tlt;τ2）+γ3，iCrediti，tV（τ2≤DIFi，tlt;τ3）+γ4，iCrediti，tV（DIFi，t≥τ3）+εi，t]" "（3）

（1）根據(jù)Hansen、Wang等學者提供的面板門檻模型分析方法[ 20-22 ]，本文將門檻變量的觀測值升序或降序排列，在剔除排序靠前的2.5%觀測值以及排序靠后的2.5%觀測值之后，利用網(wǎng)格搜索法找出可能存在的若干個門檻值。對于帶固定效應(yīng)的面板門檻模型而言，如果給定的門檻值越接近真實的門檻值，那么回歸模型的殘差平方和就越小。一方面，構(gòu)建Fm統(tǒng)計量，用于檢驗門檻效果是否顯著，即顯著性檢驗，其中m=1，2，3。Fm統(tǒng)計量的分布是非標準的，需要通過自抽樣法獲得相應(yīng)的漸近分布，并計算伴隨概率p值。另一方面，構(gòu)建LRm統(tǒng)計量，用于檢驗門檻估計值是否等于門檻真實值，即一致性檢驗，并且LRm檢驗的臨界值是[-2ln（1-1-sig）]，其中，sig代表顯著性水平。如果在檢驗?zāi)Ｐ褪欠翊嬖趩我婚T檻效應(yīng)時，檢驗結(jié)果不能拒絕原假設(shè)“沒有門檻效應(yīng)”，那么模型就不是面板門檻模型。

如果面板模型被證實存在門檻效應(yīng)，那么這意味著信貸市場上可能存在感覺閾限。根據(jù)心理物理學理論[ 23 ]，反應(yīng)刺激變化過程的神經(jīng)結(jié)構(gòu)在機能上被分為若干個神經(jīng)量子。只有在刺激增量⊿Φ大到足以興奮一個附加的神經(jīng)量子單位時，人們才能察覺到刺激增量，隨后行為出現(xiàn)調(diào)整。類似地，只有當動態(tài)變化的數(shù)字普惠金融發(fā)展水平這個信號的強度超出一定閾限時，人們才能通過信用傳導機制明顯地感受到在同一時點的不同類信號刺激以及在不同時點的同一類信號刺激的差異。

另外，隨著動態(tài)變化的數(shù)字普惠金融發(fā)展水平持續(xù)刺激人們的感覺，并使感覺閾限發(fā)生變化，人們對后續(xù)變化的數(shù)字普惠金融發(fā)展水平這個信號的感受性提高或降低了，即出現(xiàn)了感覺適應(yīng)。當數(shù)字普惠金融發(fā)展狀況從較低區(qū)制向較高區(qū)制轉(zhuǎn)換時，人們對信用風險溢價的感受發(fā)生改變，實際利率的信用風險溢價彈性提高或者降低，Crediti，t的回歸系數(shù)可能提升或者下降。作為市場信號之一，不僅當期的數(shù)字普惠金融發(fā)展狀況（如DIFi，t）能通過信用傳導機制、其他信號等各種渠道（如Crediti，t）對人們施加刺激，形成同時對比，而且過往的、動態(tài)變化的數(shù)字普惠金融發(fā)展狀況（如DIFi，t-1）也能夠通過信用傳導機制、其他信號等各種渠道，先后對人們施加刺激（如Crediti，t），形成繼時對比。在金融市場上，這種動態(tài)對比的過程有可能表現(xiàn)為時滯效應(yīng)。

因此，本文將重點研究數(shù)字普惠金融發(fā)展狀況的繼時對比，及其通過信用傳導機制影響實際利率的實證模型，驗證人們對于數(shù)字普惠金融發(fā)展水平的感覺閾限與感覺適應(yīng)。

（2）實際利率RRi，t是影響企業(yè)實際融資成本的重要因素。在間接融資比重較大的現(xiàn)實情況下，實際利率RRi，t可以采用i地區(qū)一般貸款加權(quán)平均利率減去通貨膨脹率進行估算，而通貨膨脹率則是根據(jù)消費者價格指數(shù)CPI進行測算。

（3）信用風險溢價Crediti，t是i地區(qū)資金借入方對出借方承擔信用風險的補償。它可以采用i地區(qū)產(chǎn)業(yè)債券信用利差的自然對數(shù)加以表示。在其他條件不變的情況下，信用風險溢價Crediti，t越多（少），那么實際利率就越高（低）。一般來說，較多（少）的信用風險溢價Crediti，t導致較高（低）的實際利率。當包括數(shù)字普惠金融發(fā)展水平在內(nèi)的市場環(huán)境發(fā)生變化時，實際利率對信用風險溢價Crediti，t的敏感程度γk，i可能就會出現(xiàn)相應(yīng)的調(diào)整。待估系數(shù)γk，i隨著數(shù)字普惠金融發(fā)展水平的區(qū)制變化而調(diào)整，并且γk，i的預(yù)期值為正值。

（4）數(shù)字普惠金融發(fā)展變量DIFi，t是關(guān)于i地區(qū)數(shù)字普惠金融覆蓋廣度、使用深度以及數(shù)字金融支持程度的綜合反映。它可以采用i地區(qū)數(shù)字普惠金融發(fā)展指數(shù)[ 24-25 ]的自然對數(shù)加以表示。根據(jù)文獻綜述，數(shù)字普惠金融市場尚未完善，縮減分支機構(gòu)與服務(wù)人員支出、數(shù)字化交易效率高等因素能促進實際融資成本和實際利率下降，而籌集資金成本較高以及缺乏數(shù)據(jù)信息導致難以支撐信貸決策等問題，抑制了實際融資成本和實際利率下降。在現(xiàn)階段，數(shù)字普惠金融最終能否降低實際利率，取決于兩個方面因素的強弱對比。因此，DIFi，t待估系數(shù)θk，i的預(yù)期值可能是負值，也可能是正值。

（5）產(chǎn)出增長率缺口GAPi，t是i地區(qū)真實產(chǎn)出增長率與潛在產(chǎn)出增長率之差。其中，潛在產(chǎn)出增長率是真實產(chǎn)出增長率的長期趨勢成分，可以采用真實產(chǎn)出增長率通過HP濾波法[ 26 ]得到的趨勢成分進行估算。產(chǎn)出增長率缺口GAPi，t不僅代表各地區(qū)經(jīng)濟的冷熱情況，而且也反映出各地區(qū)融資需求的強烈程度。由于利率政策需要在多個宏觀調(diào)控目標之間進行權(quán)衡，產(chǎn)出缺口與利率間不存在機械關(guān)聯(lián)，因此GAPi，t待估系數(shù)βi的預(yù)期值符號具有不確定性，可能顯著為正，可能顯著為負，也可能無法顯著區(qū)別于零。

（6）截矩項αi是待估常數(shù)，代表了其他因素對i地區(qū)實際利率的平均影響力。在正常情況下，名義利率減去通貨膨脹率的差值大于等于零，以確保商業(yè)銀行能從信貸業(yè)務(wù)中獲取利潤，或者至少不出現(xiàn)實際虧損。因此，在其他條件不變的情況下，截矩項αi的預(yù)期值是非負的。

四、數(shù)據(jù)分析

（一）數(shù)據(jù)來源及特征

本文從Wind數(shù)據(jù)庫和相關(guān)文獻采集數(shù)據(jù)，經(jīng)過濾波、自然對數(shù)等運算和整理，在剔除數(shù)據(jù)缺失的一部分省份資料之后，最終得到2015—2020年國內(nèi)23個樣本省份關(guān)于RRi，t、GAPi，t、Crediti，t、DIFi，t的平衡面板數(shù)據(jù)，并且統(tǒng)計特征如表1所示。另外，根據(jù)LLC面板數(shù)據(jù)單位根檢驗方法[ 27 ]，本文設(shè)定檢驗方程僅包含截矩項，采用SIC準則篩選最優(yōu)滯后階數(shù)，譜估計使用Bartlett算法，利用Newey-West方法篩選最優(yōu)帶寬。檢驗結(jié)果在1%顯著水平拒絕RRi，t、GAPi，t、Crediti，t、DIFi，t擁有“同質(zhì)面板單位根”的原假設(shè)，即平衡面板數(shù)據(jù)是平穩(wěn)的。

（二）門檻效應(yīng)的顯著性檢驗

Hausman檢驗結(jié)果在10%顯著水平拒絕“個體效應(yīng)與解釋變量不相關(guān)”的原假設(shè)，因此面板數(shù)據(jù)回歸模型應(yīng)該選擇固定效應(yīng)模型。

在表2當中，關(guān)于單一門檻效應(yīng)的檢驗結(jié)果在1%顯著水平拒絕“沒有門檻效應(yīng)”的原假設(shè)，所以面板模型包含門檻效應(yīng)，而且至少包含1個門檻值；在已知至少包含1個門檻值的條件下，關(guān)于雙重門檻效應(yīng)的檢驗結(jié)果在1%顯著水平拒絕“單一門檻效應(yīng)”的原假設(shè)，所以面板模型包含雙重門檻效應(yīng)，而且至少包含2個門檻值；在已知至少包含2個門檻值的條件下，關(guān)于三重門檻效應(yīng)的檢驗結(jié)果無論是在1%、5%還是10%顯著水平均無法拒絕“雙重門檻效應(yīng)”的原假設(shè)。因此，面板模型僅包含雙重門檻效應(yīng)，而不包含三重門檻效應(yīng)。由此可見，式（3）選擇雙重門檻模型是較為合理的。

檢驗結(jié)果還顯示，關(guān)于DIFi，t雙重門檻（三區(qū)制）模型的2個門檻值分別是5.590 2和5.721 9。模型包含5.590 2lt;DIFi，t、5.590 2≤DIFi，tlt;5.721 9、DIFi，t≥5.721 9等3個區(qū)制，如表3、圖2所示。

關(guān)于DIFi，t雙重門檻（三區(qū)制）模型的回歸結(jié)果如表4所示。樣本總數(shù)的39.86%處于低區(qū)制（5.590 2lt;DIFi，t），樣本總數(shù)的23.91%處于中區(qū)制（5.590 2≤DIFi，tlt;5.721 9），樣本總數(shù)的36.23%處于高區(qū)制（DIFi，t≥5.721 9）。

表4反映出以下幾個方面的判斷：

（1）數(shù)字普惠金融發(fā)展變量DIFi，t能通過信用風險溢價變量Crediti，t顯著地影響實際利率RRi，t，而且這個傳導機制（過程）呈現(xiàn)顯著的多門檻效應(yīng)特征。

（2）在既定的數(shù)字普惠金融發(fā)展階段，例如DIFi，t在同一個區(qū)制內(nèi)，Crediti，t的回歸系數(shù)是相同的。這意味著，如果其他條件不變，那么數(shù)字普惠金融發(fā)展水平在同一區(qū)制內(nèi)的提升，將難以通過信用傳導機制推動融資成本更進一步下降。雖然數(shù)字普惠金融發(fā)展的信號刺激逐漸增強，但是只要它沒有超過感覺閾限，人們就難以做出及時的、顯著的反應(yīng)。此時，量變尚未誘發(fā)質(zhì)變或者突變。

（3）在數(shù)字普惠金融更高的發(fā)展階段，例如DIFi，t從較低區(qū)制上升到較高區(qū)制，信貸利率對相同幅度信用風險溢價的反應(yīng)將會變得越來越不敏感。雖然信用風險溢價變量Crediti，t將會抬高實際利率RRi，t，但是隨著數(shù)字普惠金融發(fā)展變量DIFi，t持續(xù)增長，尤其是當DIFi，t跨越到更高的門檻區(qū)間時，信用風險溢價變量Crediti，t對實際利率RRi，t的影響將會減弱，如圖3所示?？梢?，隨著數(shù)字普惠金融處于越來越快的發(fā)展階段，人們在面對信用風險時表現(xiàn)得越來越樂觀，信用風險補償要求就越少，信貸利率就越低。數(shù)字普惠金融發(fā)展的信號刺激超過感覺閾限，人們就會做出及時的、顯著的反應(yīng)。此時，量變誘發(fā)質(zhì)變或者突變。

當數(shù)字普惠金融處于較低發(fā)展水平（5.590 2lt;DIFi，t）時，Crediti，t的回歸系數(shù)為0.731 9，即在較低區(qū)制內(nèi)如果信用風險溢價的自然對數(shù)Crediti，t增加1個百分點，那么在其他條件不變的情況下，實際利率RRi，t將會上升0.731 9個百分點。

當數(shù)字普惠金融發(fā)展從較低區(qū)制（5.590 2lt;DIFi，t）推進至中區(qū)制（5.590 2≤DIFi，tlt;5.721 9）時，Crediti，t的回歸系數(shù)為0.541 5，即在中區(qū)制內(nèi)如果信用風險溢價的自然對數(shù)Crediti，t增加1個百分點，那么在其他條件不變的情況下，實際利率RRi，t將會上升0.541 5個百分點。與較低區(qū)制的發(fā)展階段相比，在中區(qū)制發(fā)展階段，信用風險溢價的利率彈性下降0.190 4個百分點。

當數(shù)字普惠金融發(fā)展從中區(qū)制（5.590 2≤DIFi，tlt;5.721 9）推進至較高區(qū)制（DIFi，t≥5.721 9）時，Crediti，t的回歸系數(shù)為0.402 8，即在較高區(qū)制內(nèi)如果信用風險溢價的自然對數(shù)Crediti，t增加1個百分點，那么在其他條件不變的情況下，實際利率RRi，t將會上升0.402 8個百分點。與中區(qū)制的發(fā)展階段相比，在較高區(qū)制發(fā)展階段，信用風險溢價的利率彈性下降0.138 7個百分點。

從總體趨勢看，人們在感覺認識數(shù)字普惠金融發(fā)展的信號刺激方面存在2個感覺閾限，即低、中、高3個發(fā)展階段。數(shù)字普惠金融發(fā)展階段越高，人們承擔相同信用風險所要求的溢價補償就越少，結(jié)果信用風險溢價的利率彈性就越低。

（4）截矩項αi為正數(shù)，符合模型預(yù)期，但是無法顯著地區(qū)別于零。這表明，在剔除經(jīng)濟增長率缺口、信用風險溢價等因素之后，2015—2020年各地信貸市場基本上都是在較低的實際利率水平區(qū)間運行，而且與數(shù)字普惠金融發(fā)展的各個階段都沒有形成顯著的關(guān)聯(lián)。

（三）門檻變量的時滯性檢驗

如果式（3）門檻變量DIFi，t被一階滯后項DIFi，t-1替代，那么回歸結(jié)果既能在1%顯著水平下拒絕“沒有門檻效應(yīng)”的原假設(shè)，也能在10%顯著水平拒絕“單一門檻效應(yīng)”的原假設(shè)，但是無論是在1%、5%還是10%顯著水平，均無法拒絕“雙重門檻效應(yīng)”的原假設(shè)。因此，與數(shù)字普惠金融的當期發(fā)展狀況相比，數(shù)字普惠金融的過往發(fā)展狀況（例如DIFi，t-1）也能通過信用機制（例如Crediti，t）影響當期的實際利率，并呈現(xiàn)出雙重門檻效應(yīng)的特征，如表5所示。當DIFi，t-1處于較低區(qū)制（5.422 3lt;DIFi，t-1）時，Crediti，t的回歸系數(shù)為0.670 9，即在較低區(qū)制內(nèi)，如果信用風險溢價變量Crediti，t增加1個百分點，那么在其他條件不變的情況下，實際利率RRi，t將會上升0.670 9個百分點。當DIFi，t-1處于中區(qū)制（5.422 3≤DIFi，t-1lt;5.590 2）時，Crediti，t的回歸系數(shù)為0.563 4，即在中區(qū)制內(nèi)，如果信用風險溢價變量Crediti，t增加1個百分點，那么在其他條件不變的情況下，實際利率RRi，t將會上升0.563 4個百分點。當DIFi，t-1處于較高區(qū)制（DIFi，t-1≥5.590 2）時，Crediti，t的回歸系數(shù)為0.372 2，即在較高區(qū)制內(nèi)，如果信用風險溢價變量Crediti，t增加1個百分點，那么在其他條件不變的情況下，實際利率RRi，t將會上升0.372 2個百分點。

表4與表5存在比較明顯的共通之處，即無論包含時滯門檻變量（例如DIFi，t-1）的面板模型，還是不包含時滯門檻變量（例如DIFi，t）的面板模型，當期信用風險溢價變量Crediti，t的回歸系數(shù)都將隨著過往或者當期數(shù)字普惠金融發(fā)展水平的區(qū)制提升而逐步地下降。

進一步的檢驗結(jié)果表明：（1）門檻變量DIFi，t-q（q=0，1，2）能通過信用風險溢價變量Crediti，t對實際利率RRi，t施加顯著的影響，并且呈現(xiàn)顯著的雙重門檻效應(yīng)。雖然Crediti，t的回歸系數(shù)為正值，但是它卻隨著區(qū)制的提升而下降。換言之，當區(qū)制上升時，信用風險溢價對實際利率的影響將會減弱。在此情形下，3個面板門檻模型的F統(tǒng)計量數(shù)值分別是37.86、36.91、43.72。（2）門檻變量DIFi，t-q（q=3）能通過信用風險溢價變量Crediti，t對實際利率RRi，t施加顯著的影響，并且呈現(xiàn)顯著的單一門檻效應(yīng)。雖然Crediti，t的回歸系數(shù)為正值，但它卻隨著區(qū)制提升而下降。換言之，當區(qū)制上升時，信用風險溢價對實際利率的影響將會減弱。在此情形下，面板門檻模型的F統(tǒng)計量數(shù)值是10.71。（3）門檻變量DIFi，t-q（q=4）無法通過信用風險溢價變量Crediti，t對實際利率RRi，t施加顯著的影響，并且也不具備顯著的門檻效應(yīng)。（4）在門檻效應(yīng)顯著的4個回歸模型（q=0，1，2，3）當中，門檻變量DIFi，t-2對應(yīng)的回歸模型F統(tǒng)計量數(shù)值最大，回歸模型也最顯著，如表6、圖4所示。

因此，無論當期還是過往的數(shù)字普惠金融發(fā)展狀況（DIFi，t-q，q=0，1，2，3）都有可能通過信用傳導機制對當期實際利率施加影響，并呈現(xiàn)出非常顯著的門檻效應(yīng)特征。如果區(qū)制越高，或者說數(shù)字普惠金融發(fā)展階段越高，那么信用風險溢價對實際利率的影響就會越小，即實際利率的信用風險溢價彈性就會越弱。這與人們對信號刺激的感覺適應(yīng)有關(guān)。另外，雖然這種門檻變量的時滯長度最多只有3期，門檻變量（DIFi，t-q，q=0，1，2，3）都能顯著地影響當期實際利率，但是只有DIFi，t-2對當期實際利率的影響最強。式（3）的最優(yōu)滯后階數(shù)是q=2。數(shù)字普惠金融發(fā)展對人們感覺認知的影響是深刻的、持續(xù)的，這種影響不僅僅局限于數(shù)字普惠金融發(fā)展指數(shù)發(fā)生變化的當年，還與人們對信號刺激的同時對比、繼時對比有關(guān)。

五、結(jié)論與啟示

（一）主要結(jié)論

基于2015—2020年國內(nèi)23個樣本省份的實證分析表明：（1）數(shù)字普惠金融能通過信用傳導機制及多重門檻效應(yīng)對實際利率施加顯著影響。門檻變量的時滯長度或者繼時對比的顯著影響時長最多只有3年。其中，前2年數(shù)字普惠金融發(fā)展狀況對當前實際利率的影響最強。（2）隨著數(shù)字普惠金融發(fā)展水平的不斷提高，尤其是在數(shù)字普惠金融從較低區(qū)制到較高區(qū)制演進的過程當中，實際利率的信用風險溢價彈性呈現(xiàn)持續(xù)下降的趨勢。但是，在同一區(qū)制內(nèi)提升數(shù)字普惠金融發(fā)展水平，卻無法通過信用傳導機制更進一步地降低融資成本。

（二）重要啟示

在信貸市場上，人們關(guān)于數(shù)字普惠金融的體驗極有可能具備感覺閾限與感覺適應(yīng)的特征。數(shù)字普惠金融發(fā)展能減弱利率市場對信用風險溢價的反應(yīng)，或者說人們在面對信用風險時表現(xiàn)得越來越樂觀。從長期趨勢看，加快數(shù)字普惠金融發(fā)展將有助于降低實際利率，而且這是一個從量變到質(zhì)變的過程。在閾限值的附近，人們關(guān)于數(shù)字普惠金融的體驗?zāi)艽偈箤嶋H利率發(fā)生一定幅度的“跳躍”或者“突變”。因此，企業(yè)和居民在獲得實際融資成本下降利益的同時，也要注意防范在閾限值附近實際利率非連續(xù)波動可能帶來的風險，并適時調(diào)整企業(yè)和居民的資產(chǎn)負債表，縮小久期缺口[ 28 ]。

參考文獻：

[1] G20普惠金融全球合作伙伴（GPFI）. 二十國集團數(shù)字普惠金融高級原則[EB/OL]. （2016-07-10）[2022-10-25]. https：//www.doc88.com/p-7748434522248.html.

[2] 胡濱，程雪軍. 金融科技、數(shù)字普惠金融與國家金融競爭力[J]. 武漢大學學報（哲學社會科學版），2020（3）：130-141.

[3] 蒲海濤. 以科技破解普惠金融“不可能三角”[J]. 中國金融，2020（1）：23-25.

[4] 郭正江，何九仲，黃杰，等. 大數(shù)據(jù)技術(shù)破解普惠金融“不可能三角”的理論邏輯、實踐基礎(chǔ)與路徑選擇——基于信息不對稱理論視角[J]. 浙江金融，2021（10）：18-25.

[5] LU X M， GUO J J， ZHOU H L.Digital financial inclusion development， investment diversification， and household extreme portfolio risk[J]. Accounting and finance，2021，61（5）：6225-6261.

[6] 張瓊，張雨晗. 數(shù)字普惠金融助力鄉(xiāng)村振興的實證分析[J].長江師范學院學報，2023（5）：51-64.

[7] 黃沖. 數(shù)字普惠金融發(fā)展對企業(yè)債務(wù)融資成本的驅(qū)動效應(yīng)研究[J].中國農(nóng)業(yè)會計，2021（6）：26-29.

[8] 肖忠意，陳海濤，李潤琪. 數(shù)字普惠金融發(fā)展能降低上市公司債務(wù)融資成本嗎[J].財會月刊，2022（4）：34-41.

[9] 張雪瑩，劉茵偉，于露. 數(shù)字普惠金融對債券信用利差的影響研究[J]. 武漢金融，2022（1）：25-32.

[10] 萬佳彧，周勤，肖義. 數(shù)字金融、融資約束與企業(yè)創(chuàng)新[J]. 經(jīng)濟評論，2020（1）：71-83.

[11] 陳銀飛，苗麗. 數(shù)字普惠金融、債務(wù)融資成本與中小企業(yè)技術(shù)創(chuàng)新[J]. 浙江金融，2021（9）：10-22.

[12] 房昊. 數(shù)字普惠金融、債務(wù)融資成本與中小微企業(yè)創(chuàng)新——來自新三板掛牌公司和中國地級市的經(jīng)驗證據(jù)[J]. 區(qū)域金融研究，2022（5）：20-29.

[13] 楊竹清，張超林. 數(shù)字普惠金融與銀行信用貸款關(guān)系研究——基于中國城市數(shù)據(jù)的實證研究[J]. 當代經(jīng)濟管理，2021（6）：79-89.

[14] 魏先華，張峰，李健，等. 區(qū)塊鏈金融[M]. 北京：高等教育出版社，2021：25.

[15] GU N.Digital financial inclusion risk prevention based on machine learning and neural network algorithms[J].Journal of intelligent and fuzzy systems，2021，28（2）：1-16.

[16] 岳鵠，劉濤. 數(shù)字普惠金融促進“專精特新”中小企業(yè)融資的機制、挑戰(zhàn)與政策建議[C]//廣東省新興經(jīng)濟體研究會. 新發(fā)展格局與新型全球化論文集：下. 廣州：廣東省新興經(jīng)濟體研究會，2021：410-421.

[17] 楊農(nóng). 共促數(shù)字普惠金融高質(zhì)量發(fā)展[J]. 清華金融評論，2021（5）：89-91.

[18] 魯釗陽，廖杉杉. FDI技術(shù)溢出與區(qū)域創(chuàng)新能力差異的雙門檻效應(yīng)[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2012（5）：75-88.

[19] 許文彬，葉文霞. FDI、經(jīng)濟增長與金融發(fā)展雙門檻效應(yīng)——基于我國1992—2012年省際面板數(shù)據(jù)[J]. 數(shù)理統(tǒng)計與管理，2016（6）：972-983.

[20] HANSEN B E.Inference when a nuisance parameter is not identified under the 1 hypothesis[J]. Econometrica，1996，64（2）：413-430.

[21] HANSEN B E.Threshold effects in non-dynamic panels： estimation， testing， and inference[J].Journal of econometrics，1999，93（2）：345-368.

[22] WANG Q Y. Fixed-effect panel threshold model using stata[J]. The stata journal，2015，15（1）：121-134.

[23] STEVENS S S， MORGAN C T， VOLKMANN J .Theory of the neural quantum in the discrimination of loudness and pitch[J]. The American journal of psychology，1941，54（3）：315-335.

[24] 郭峰，王靖一，王芳，等. 測度中國數(shù)字普惠金融發(fā)展：指數(shù)編制與空間特征[J]. 經(jīng)濟學（季刊），2020（4）：1401-1418.

[25] 郭峰，王靖一，王雪，等. 北京大學數(shù)字普惠金融指數(shù)（2011—2020年）[EB/OL]. （2021-04-21）[2022-10-25].https：//idf.pku.edu.cn/yjcg/zsbg/513800.html.

[26] HODRICK， R， PRESCOTT E P. Postwar business cycles：an empirical investigation[J]. Journal of money， credit， and banking，1997，29（1）：1-16.

[27] LEVIN A， LIN C F， CHU C S J. Unit root tests in panel data：asymptotic and finite-sample properties[J]. Journal of econometrics，2002，108（1）：1-24.

[28] 熊豪，王琴，黃大勇.數(shù)字金融、科技創(chuàng)新對經(jīng)濟增長的影響——基于成渝地區(qū)雙城經(jīng)濟圈面板數(shù)據(jù)實證[J].重慶文理學院學報（社會科學版），2023（3）：67-78.

Impact of Credit Risk Premium on Real Interest Rate in the Context of Digital Inclusive Finance： Based on the Multiple Threshold Model Analysis and the Explanations from the Perspective of Behavioral Economics

HUANG Rong-zhe1， 2

（1.School of Finance and Insurance， Guangxi University of Finance and Economics， Nanning 530003， Guangxi， China;"2.Guangxi Institute of Finance and Economics， Guangxi University of Finance and Economics， Nanning 530003， Guangxi， China）

Abstract： Financial market activities are vulnerable to people’s sensory cognition. In light of the rapid growth of digital inclusive finance， its development emerges as an increasingly significant indicator perceptible to individuals within the credit market. According to simultaneous contrast and successive contrast of the signals， people may change their economic decisions and behaviors. Research shows that digital inclusive finance casts significant influences on the real interest rate via credit transmission mechanism and multiple threshold effect， and the threshold variables show a significant time-lag effect. In the credit market， individuals’ engagement with digital inclusive finance often mirrors the principles of sensory threshold and sensory adaptation. The development of digital inclusive finance can weaken the interest rate market’s response to credit risk premiums. As digital inclusive finance develops more rapidly， people become more optimistic when facing credit risks.

Keyword： digital inclusive finance; credit risk premium; multiple threshold model; sensory threshold; credit market

（責任編輯：趙慶來）

引用格式：黃榮哲. 數(shù)字普惠金融背景下信用風險溢價對實際利率的影響——基于多重門檻模型的分析與行為經(jīng)濟學的解釋[J]. 長江師范學院學報，2024，40（3）：45-55.

基金項目：廣西一流學科建設(shè)項目“廣西財經(jīng)學院應(yīng)用經(jīng)濟學”（桂教科研〔2022〕1）；廣西高校人文社會科學重點研究基地“廣西財經(jīng)學院廣西金融與經(jīng)濟研究院”（桂教科研〔2019〕17）；廣西高校重點實驗室建設(shè)項目“廣西高校面向東盟區(qū)塊鏈金融支付中的實驗室”（桂教科研〔2022〕10）。

作者簡介：黃榮哲（1974—），男，廣東新會人，博士，教授，主要從事現(xiàn)代金融理論研究。Email：452003158@qq.com。