本文数据来源于西南财经大学中国家庭金融调查与研究中心开展的2019年家庭金融调查(以下简称2019年CHFS数据)。问卷样本规模达到34,643户，包含全国29省市(不包含港、澳、台、西藏和新疆)，343个区县，1360个村(居)委会；主要内容包括：人口统计学特征、家庭资产与负债、家庭社会保障与保险、家庭支出与收入、金融知识、基层治理以及主观评价等相关信息，为本文研究移动支付与家庭债务水平的关系提供了理想的数据支持。在数据的筛选及处理部分，剔除数据库中严重缺失样本和极端数值，最终得到了26,210个有效样本。

被解释变量为家庭债务水平。衡量家庭债务水平的指标包括以负债总额为代表的绝对债务水平和以债务收入比为代表的相对债务水平 [8] [23] [24] 。

解释变量为移动支付。选取2019年CHFS问卷问题“目前，您家是否开通支付宝、微信支付、京东网银钱包、百度钱包等第三方支付账户？”，回答“是”记为1，反之为0 [2] [4] 。

中介变量为家庭信贷可得性和家庭消费。其中，信贷可得性主要包含正规信贷可得性和网络信贷可得性等 [25] 。参考杨波等学者的做法 [26] ，针对生产经营、住房购买、家用汽车购买、教育、医疗等方面，选取问卷问题“目前是否有尚未还清的银行/信用社贷款/互联网借款？”，若家庭通过某一层面就获得资金，则将家庭定义为正规信贷可得性/网络信贷可得性，赋值为1，反之为0。

控制变量为家庭特征变量、户主特征变量和地区经济发展变量三大类。前者包含家庭拥有汽车数量、家庭持有房产状况、家庭婚姻状况和户籍类型；中者涵盖户主性别、身体状况、受教育程度；后者为家庭所在地区。具体变量定义见下 表1 。

表2 为上述变量的描述性统计。根据描述性统计，26,210个观测值中标准差最高值为5.442，最低为0.068，均属于正常范围内。同时，对所有变量进行方差膨胀因子分析，其中VIF最高值为3.35，最小值为1.10，VIF均值为1.71，均在0~10之间的可接受范围；对所有变量进行了相关系数分析，结果显示变量整体间不存在严重的多重共线性。

关于移动支付对家庭债务水平的影响，由于家庭债务水平的度量指标具有截断数据特征，本文主要通过Tobit模型进行研究，并通过ols模型进行稳健性检验和工具变量IV-Tobit模型两阶段回归进行内生性处理。构建模型如下：

${\text{debt}}^{\text{*}}=\alpha +\text{cpay}+\beta \text{controls}+\epsilon$(1)

其中，包含debt1和debt2两个变量，controls为各种控制变量，ε为模型残差项。根据 表3 回归结果显示，移动支付在不同的模型下均显著提高了家庭债务水平，并且均在1%的显著性水平，符合理论假设H1。在绝对债务水平度量下，通过Tobit模型和ols模型，移动支付对于家庭债务水平的平均边际效应分别是1.997和1.755；在相对债务水平衡量下，通过Tobit模型和ols模型，移动支付对于家庭债务水平的平均边际效应分别是0.959和0.483。除了主要解释变量，家户特征变量和地区经济发展变量也会显著影响家庭债务水平。

但是，移动支付的估计结果可能存在内生性问题。一方面，家庭中存在着日常生活和工作中需要小额信贷或者有消费透支习惯的情况，他们可能会有意识地选择使用移动支付来获取信贷资金，这种情况下存在着一种反向因果关系。另一方面，家庭的债务行为和移动支付的使用也可能受到当地金融环境、消费习惯以及社会互动等不可观测因素的影响，这可能导致一些潜在因素未被考虑到，存在着遗漏变量的问题。参考尹志超等的做法 [13] ，本文采用工具变量法进行内生性处理，选取2019年CHFS问卷问题“目前使用哪款手机”中对智能手机的回答作为移动支付的工具变量。智能手机作为人们进行便捷移动支付的主要工具，在移动支付使用与智能手机拥有有着密切的关联性。另外，虽然极少数家庭可能会通过按揭购买智能手机，但大多数家庭的负债行为通常不会直接受到是否拥有智能手机的影响。因此，该变量具有很好的外生性，符合工具变量的基本特征。

表3 中第(2)和(5)列报告了工具变量IV-Tobit模型两阶段回归的估计结果。可以看到，Wald检验都在1%的水平下具有显著性，说明原方程具有内生性。在第一阶段估计中，工具变量t值和F值分别为73.22和1296.09，即是否拥有智能手机与家庭移动支付行为高度相关，排除弱工具变量问题。对于工具变量回归结果，移动支付的估计系数分别为7.427和4.819，并且都在1%的水平下呈现显著性，说明移动支付显著提高家庭债务水平的结论具有稳健性。

注：除 表3 中(2)和(5)列为估计系数外，表格中报告的系数均表示边际效应。括号中为标准误，^***、^**、^*分别表示1%、5%、10%的显著性水平(下表同)。

根据上述分析，移动支付会显著提高家庭债务水平。那移动支付的使用是通过怎样的路径影响家庭债务水平的呢？本文构建中介效应模型如下：

$deb{t}^{*}=\alpha +\text{cpay}+\beta \text{controls}+\epsilon$(1)

$M={\alpha }_1+\text{apay}+\epsilon \text{controls}+{\epsilon }_1$(2)

${\text{debt}}^{*}={\alpha }_2+c^{\prime }\text{pay}+\text{bM}+\delta \text{controls}+{\epsilon }_2$(3)

其中，M包含credit1、credit2和consume，ε₁和ε₂为模型残差项。根据Bootstrap检验方法，第一步检验方程(1)的系数c是否显著，第二步依次检验方程(2)和(3)的系数a和b是否显著，如果都显著，并且ab与 $c^{\prime }$的同号，即存在部分中介效应。

从信贷可得性角度，移动支付为家庭提供了更多的借贷途径。家庭能够通过简洁的借贷手续在较短时间内获得资金用于生产经营、购买资产和消费服务等。根据 表4 的中介效应模型回归结果，可以发现信贷可得性在移动支付对家庭债务水平的影响中存在部分中介作用，符合理论假设H2；相较于正规信贷，家庭更愿意通过网络信贷途径获取资金，这可能是因为网络信贷具有手续简便和还款利率较低的特点，直观上降低了家庭的负债成本。但网络信贷可能存在较大风险隐患。与传统金融机构相比，网络信贷平台的监管程度和透明度较低。一些网络信贷平台可能具有隐藏费用和附加条件，导致最终借款人支付的费用高于预期。另外，由于网络信贷的便利性，一些借款人可能会陷入过度负债的境地，甚至形成循环借贷的恶性循环，最终导致财务困境。从家庭消费角度，移动支付刺激了家庭消费需求的增长和超前消费想法的产生，一定程度上提高了家庭债务水平。根据 表5 的中介效应模型回归结果显示，家庭消费在移动支付对家庭债务水平的影响中存在部分中介作用，即移动支付通过增加消费的路径提高了家庭债务水平，符合理论假设H2。

根据 表6 结果显示，不同的家庭群体中移动支付对家庭债务水平的影响会呈现异质性。从户主年龄

角度来看，不同年龄阶段的户主家庭使用移动支付均会显著提升家庭债务水平。其中，45岁以上的户主家庭使用移动支付产生的边际效应较大，且在1%的水平呈现显著性，这可能是因为随着年龄的增长，户主的金融素养日益提升，经验逐渐积累，对自身金融服务操作和还款能力具有较大的自信，但实际可能与预期不相符。从户主性别层面来看，无论是男性还是女性户主使用移动支付，均会显著提高家庭债务水平。其中，男性户主产生的边际效应较大，这可能与大部分男性偏好风险有关。从城乡差异来看，城乡家庭对移动支付的使用均会显著提高家庭债务水平。其中，相较于农村，城市家庭对移动支付使用的接受程度和普及程度较高，增加了家庭负债的概率，符合理论假设H3。