《表4 数字金融发展与居民消费增长》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《数字金融发展与居民消费增长：理论与中国实践》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：（1）括号内是城市层面的稳健聚类（Cluster）标准误，其中，***p<0.01，**p<0.05，*p<0.1；(2）工具变量是距离变量与数字金融发展指数的全国均值（除本市）的交互项。

如前文所说，数字金融发展和居民消费增长之间可能存在反向因果关系。因此，我们采用工具变量估计方法来进行内生性分析。我们所选取的工具变量为家庭所在地区与杭州的球面距离，以及家庭所在地区与省会的球面距离。前文也论证了这两类工具变量具备相关性和排他性的特征，是合适的工具变量。不过，在估计之前，有一点必须指出：模型（13）中的内生变量，即数字金融发展是随年份变化的变量，但我们所选取的工具变量并不随时间变化，这使得通常的第二阶段估计失效。因此，我们将工具变量与全国层面（除本市外）的数字金融发展指数的均值进行交互，作为新的具有时间变化效应的工具变量。我们首先从统计学的角度检验了两者的相关性。在表4的第（2）列中，我们报告了第一阶段的回归结果。很明显，这两类距离的工具变量都与数字金融发展显著负相关，意味着离数字金融发展中心越远，数字金融的发展水平越低。这是符合预期的（5）。