魏 苗 苗
(重庆大学经济与工商管理学院,重庆 400044)
随着中国经济由高速增长阶段向高质量发展阶段的推进，“互联网+”逐渐成为引导经济转型升级和持续增长的新动力。互联网技术以其日新月异的蓬勃发展态势快速渗透到经济、金融等各个领域，并得到了广泛的应用。根据第47次《中国互联网络发展状况统计报告》，截至2020年12月，我国网民规模达9.89亿，互联网普及率达70.4%。其中，农村网民规模为3.09亿，农村地区互联网普及率为55.9%[1]。互联网的开放性、大众性等特征降低了金融产品和金融服务获取的时空限制，有效降低了交易成本，且提高了金融风险评估工作的便捷性，有效提升了家庭的金融市场参与度。鉴于此，在农村普惠金融发展的背景下，实证分析互联网使用情况对农村家庭金融排斥的影响有助于了解农村家庭金融资产配置状况，对乡村振兴和城乡统筹发展具有重要意义。
金融排斥的概念最早由Leyshon等提出，他们将金融排斥定义为阻止某些社会群体或个体进入金融系统的现象[2]；
Kempson等进一步拓展了金融排斥的内涵，将金融排斥分成地理排斥、评估排斥、条件排斥、价格排斥、营销排斥和自我排斥等6个维度[3]。随着经济的发展，家庭对金融产品的需求日益增加，但部分家庭依然因难以获得满足其需求的金融产品而受到金融排斥。诸多学者关注这一问题，并进一步从理论层面和实证层面探究家庭金融排斥的影响因素。如张号栋等基于CHFS 2013数据，研究发现金融知识可以显著降低家庭金融排斥的概率[4]；
周洋等基于CFPS 2014数据，研究发现认知能力的提高可以显著降低家庭对储蓄、股票投资和基金投资的排斥[5]。随着互联网的广泛使用和微观数据可得性的提高，学界侧重于研究互联网使用情况对家庭金融资产投资和家庭金融排斥的影响。
1.互联网使用情况对家庭金融资产投资的影响。学界关于互联网使用情况对家庭金融资产投资影响的研究表明，使用互联网可以显著促进家庭金融资产投资。如周广肃等基于CFPS 2010和CFPS 2014数据，研究发现使用互联网对家庭风险金融资产投资具有显著的正向影响，主要通过降低市场摩擦来提高家庭风险金融资产投资的概率[6]；
朱卫国等基于CHFS 2015数据，研究发现使用互联网能显著促进家庭参与风险金融市场、股票市场和金融理财产品市场[7]；
杨碧云等基于CFPS 2014和CFPS 2016数据，研究发现使用互联网显著提高了收入和受教育程度较低的居民家庭购买商业保险的概率和程度[8]；
钟京东等基于CHFS 2013、CHFS 2015和CHFS 2017数据，研究发现互联网使用情况显著促进了家庭对正规金融产品的投资，金融素养在互联网使用情况对家庭正规金融产品投资的影响中发挥中介作用[9]。
2.互联网使用情况对家庭金融排斥的影响。学界关于互联网使用情况对家庭金融排斥影响的研究表明，使用互联网可以显著缓解家庭金融排斥。如刘长庚等基于CHFS 2013数据，研究发现使用互联网能显著降低农户金融排斥的概率，且对储蓄排斥、风险资产排斥、贷款排斥和商业保险排斥都具有抑制作用[10]；
张樱基于CHFS 2017数据，研究发现互联网使用情况能显著降低家庭金融排斥、信贷类排斥、投资类排斥和保险类排斥的概率，且互联网使用情况对信贷类排斥的影响大于投资类排斥和保险类排斥[11]；
韦倩等基于CFPS 2014、CFPS 2016和CFPS 2018数据，研究发现使用互联网能显著降低居民信贷排斥的概率，而人力资本效应、收入效应和健康效应在其中发挥着重要作用[12]。
梳理相关文献发现，既有研究从多个角度分析互联网使用情况对家庭金融资产投资和家庭金融排斥的影响，取得了一定的成果，但鲜有研究分析互联网使用情况对农村家庭金融排斥的影响。鉴于此，本研究基于中国家庭金融调查数据，从微观层面考察互联网使用情况对农村家庭金融排斥的影响，并采用中介效应模型从社会互动和信息关注两个方面分析互联网使用情况对农村家庭金融排斥的影响机制，以期为农村普惠金融发展提供参考。
(一)互联网使用情况与农村家庭金融排斥
市场摩擦是影响家庭金融市场参与行为的深层次原因，其主要因素包括交易成本、信息不对称和有限参与途径等[13]。使用互联网在一定程度上可以降低市场摩擦的影响，从而提升农村家庭的金融市场参与度。具体体现在：(1)使用互联网可以降低交易成本。互联网的使用打破了传统金融模式的时空限制，使得金融产品可以直接通过线上渠道获得，既降低了金融机构的营销成本，也节省了交易所需的时间和精力。(2)使用互联网可以降低信息不对称程度。在大数据时代，金融机构通过信息技术提高了对借款人进行风险评估的便捷性，降低了家庭贷款被拒的概率；
同时，家庭通过互联网可以了解到更多关于金融产品的信息和知识，提高了对金融市场的了解程度。(3)使用互联网可以削弱有限参与途径的限制。金融可得性的提高对家庭参与金融市场活动和进行金融资产配置具有显著的正向影响[14]。而互联网的发展和普及，极大地丰富了家庭可以选择的金融产品和服务的种类，有效降低了金融参与行为对银行和商业保险公司等实体金融机构的依赖程度，有助于提高家庭的金融市场参与度。可见，使用互联网是降低家庭金融排斥的有效途径。鉴于此，本研究提出假设H1：互联网使用情况显著负向影响农村家庭金融排斥。
(二)影响机制
1.社会互动。传统社会互动主要基于血缘关系和地缘关系，人们进行社会互动的成本较高，影响范围较小。而互联网突破了传统社会互动的限制，不仅有利于增加家庭之间的互动频率和互动程度，也促进了金融机构和家庭之间的信息交流，进而降低了信息不对称程度，有效提升了家庭的金融市场参与度。同时，互联网的发展能够增加家庭和社会之间的互动，扩大家庭和社会之间的互动范围，进而提高家庭参与股票市场和购买商业保险的可能性[15-16]。鉴于此，本研究提出假设H2：社会互动在互联网使用情况对农村家庭金融排斥的影响中发挥中介作用。
2.信息关注。信息技术的快速发展极大地改变了家庭获取信息的方式，通过互联网获取信息和资源成为最重要的方式之一。互联网为家庭参与金融活动提供了丰富的信息资源，大大降低了信息搜寻成本和信息不对称程度，且使用互联网可以拓宽家庭对财经等金融信息和金融知识的获取渠道，提升公众对金融市场的了解程度和认识水平，从而降低金融市场进入壁垒，有效降低家庭金融排斥的可能性。鉴于此，本研究提出假设H3：信息关注在互联网使用情况对农村家庭金融排斥的影响中发挥中介作用。
(一)模型设定
1.基准回归模型。鉴于金融排斥是一个二值选择变量，本研究主要通过Probit模型分析互联网使用情况对农村家庭金融排斥的影响。基准回归模型具体如下：
Prob(Yi=1|Xi)=Prob(β1Ii+β2Xi+εi>0|Xi)
(1)
其中,Yi表示第i个农村家庭金融排斥的哑变量。当Yi=1时，表示第i个农村家庭受到金融排斥；
当Yi=0时，表示第i个农村家庭未受到金融排斥。Ii表示第i个农村家庭互联网使用情况的衡量变量,Xi表示控制变量,β1表示互联网使用情况对农村家庭金融排斥的影响系数,β2表示控制变量对农村家庭金融排斥的影响系数,εi表示误差项。
2.中介效应模型。基于前文的分析，本研究进一步采用中介效应模型检验社会互动和信息关注在互联网使用情况对农村家庭金融排斥影响中发挥的中介作用。具体参考Baron等的做法[17]，将中介效应检验程序分为3个步骤，即检验解释变量和被解释变量是否存在显著的相关关系，检验解释变量和中介变量是否存在显著的相关关系，将解释变量、中介变量和被解释变量同时放入模型进行检验。公式(1)已经检验了互联网使用情况对农村家庭金融排斥的影响，余下2个步骤的检验模型具体如下：
Mi=α0+α1Ii+α2Xi+εi
(2)
Prob(Yi=1|Xi)=Prob(θ1Ii+θ2Mi+θ3Xi+εi>0|Xi)
(3)
其中,Mi表示中介变量，包括社会互动和信息关注;α0表示截距项;α1表示互联网使用情况对中介变量的影响系数;α2表示控制变量对中介变量的影响系数;θ1表示模型加入中介变量后互联网使用情况对农村家庭金融排斥的影响系数;θ2表示中介变量对农村家庭金融排斥的影响系数;θ3表示模型加入中介变量后控制变量对农村家庭金融排斥的影响系数。
(二)变量选取
本研究的变量包括被解释变量、解释变量、中介变量和控制变量。各变量的赋值和描述性统计详见表1。
1.被解释变量。关于金融排斥的衡量，目前尚未有统一的衡量方法。本研究参考李涛等的做法[18]，采用农村家庭是否拥有金融账户来测度金融排斥，具体包括支付储蓄排斥、信贷排斥和商业保险排斥。其中，在支付储蓄排斥方面，用农村家庭既没有银行活期存款也没有银行定期存款来表示农村家庭受到支付储蓄排斥；
在信贷排斥方面，用农村家庭既没有贷款也没有信用卡来表示农村家庭受到信贷排斥，包括申请银行贷款但被拒绝以及需要银行贷款但没有申请的情况；
在商业保险排斥方面，用农村家庭没有商业人寿保险、商业健康保险、其他商业保险等3种基本金融产品中的任何一种来表示农村家庭受到商业保险排斥。其中，金融排斥的均值为0.108，表明少数农村家庭受到金融排斥；
支付储蓄排斥的均值为0.123，表明少数农村家庭受到支付储蓄排斥；
信贷排斥的均值为0.786，表明多数农村家庭受到信贷排斥；
商业保险排斥的均值为0.947，表明多数农村家庭受到商业保险排斥。可见，农村家庭受到的信贷排斥和商业保险排斥较为严重。
表1 各变量的赋值和描述性统计
2.解释变量。解释变量为互联网使用情况。互联网使用情况的均值为0.230，表明少数农村家庭使用过互联网，农村家庭的互联网使用程度较低。
3.中介变量。中介变量包括社会互动和信息关注。其中，社会互动方面，本研究参考马光荣等的做法[19]，选取家庭礼金支出的对数进行表征；
信息关注方面，本研究选取家庭财经信息关注度进行表征。社会互动的均值为7.726，表明农村家庭的社会互动处于中等水平；
信息关注的均值为1.804，表明农村家庭的信息关注度较低。
4.控制变量。控制变量包括户主特征、家庭特征和地区特征等3个层面。其中，年龄的均值为56.937岁，表明户主平均年龄较大；
性别的均值为0.895，表明户主性别比例失衡，以男性为主；
婚姻状况的均值为0.882，表明户主多数为已婚；
健康状况的均值为3.149，表明户主的健康状况一般；
受教育年限的均值为7.095年，表明户主的受教育程度不高，以初中为主；
工作状况的均值为0.763，表明多数户主有工作；
风险偏好的均值为0.061，表明只有少数户主倾向于选择高风险、高收益或略高风险、略高收益的投资项目；
房产数量的均值为1.092处，表明户主平均拥有房产数量较少；
家庭总收入的均值为10.803，标准差为11.753，表明农村家庭总收入整体不高，且差距较大；
家庭总资产的均值为12.814，标准差为13.824，表明农村家庭总资产整体不多，且差距较大；
金融发展水平的均值为3.194，标准差为0.760，表明各省金融发展水平较为均衡；
各省人均GDP的均值为10.948，标准差为9.992，表明各省经济发展不平衡，且差距较大。
(三)数据来源
本研究的数据来自于2017年中国家庭金融调查(China Household Finance Survey, CHFS)的全国调查数据[20]。该调查覆盖除西藏、新疆和港澳台地区以外的29个省(自治区、直辖市)，355个县(区、县级市)，1 428个村(居)委会，样本规模为40 011户。结合研究对象，进一步以农村户口、户主年龄位于18～<81岁为条件对样本进行筛选，最终得到的有效样本为9 208户。
(一)基准回归分析
本研究采用Probit模型分析互联网使用情况对农村家庭金融排斥、支付储蓄排斥、信贷排斥、商业保险排斥的影响。由表2可知，互联网使用情况均在1%的水平上显著负向影响金融排斥、支付储蓄排斥、信贷排斥和商业保险排斥，表明互联网使用情况对农村家庭金融排斥、支付储蓄排斥、信贷排斥和商业保险排斥均具有显著的抑制作用。鉴于此，假设H1成立。同时，通过对比分析可知，互联网使用情况每提高1个标准差，支付储蓄排斥、信贷排斥和商业保险排斥分别降低8.1%、6.6%和1.9%，表明互联网使用情况对支付储蓄排斥的抑制作用最为显著，对信贷排斥的抑制作用次之，对商业保险排斥的抑制作用最小。这可能是缘于农村地区互联网普及率较低，导致农村家庭的互联网使用程度较低，对提升农村居民的金融知识水平影响有限，农村居民更加倾向于参与支付储蓄等较为基础的金融活动，使得互联网使用情况对支付储蓄排斥的影响更为显著，而对信贷排斥和商业保险排斥的影响较小。
表2中第2列报告了金融排斥的回归分析结果。从控制变量来看，年龄在10%的水平上显著负向影响金融排斥，年龄的平方在10%的水平上显著正向影响金融排斥，表明年龄与金融排斥呈U型关系，即年龄较大或较小的户主容易受到金融排斥；
性别在1%的水平上显著负向影响金融排斥，表明户主为男性的农村家庭受到金融排斥的概率更低；
受教育年限、工作状况、家庭总收入和家庭总资产均在1%的水平上显著负向影响金融排斥，表明受教育程度越高、拥有工作、家庭总收入越高和家庭总资产越多的农村家庭受到金融排斥的概率越低。可见，户主的年龄、性别、受教育年限、工作状况、家庭总收入和家庭总资产均是农村家庭金融排斥的重要影响因素。
表2中第3～5列报告了支付储蓄排斥、信贷排斥和商业保险排斥的回归分析结果。该结果表明控制变量对支付储蓄排斥、信贷排斥和商业保险排斥的影响存在差异。其中，性别、受教育年限和工作状况均在1%的水平上显著负向影响支付储蓄排斥，分别在1%、1%和10%的水平上显著负向影响信贷排斥，而对商业保险排斥的影响均不显著，表明性别、受教育年限和工作状况对支付储蓄排斥和信贷排斥均具有抑制作用，而对商业保险排斥无显著影响。这主要是缘于男性相对于女性有更高的风险承受能力，受教育年限更长的户主掌握金融知识和获取金融信息的能力更强，拥有工作的户主的社会互动范围更广，使得这部分农户更倾向于参与金融市场的支付储蓄活动和信贷活动；
而性别、受教育年限和工作状况均不能改变户主的风险规避倾向，使得性别、受教育年限和工作状况对商业保险排斥的影响均不显著。健康状况在5%的水平上显著负向影响支付储蓄排斥，在5%的水平上显著正向影响信贷排斥，而对商业保险排斥的影响不显著，表明健康状况对支付储蓄排斥具有抑制作用，对信贷排斥具有促进作用，而对商业保险排斥无显著影响。这可能是缘于户主健康状况越好，越容易获得稳定的收入，使得农户越倾向于参与支付储蓄活动，而对银行贷款的需求越小；
而户主健康状况越好，风险规避倾向就越低，购买商业保险的需求就越小，且户主健康状况越好，收入就越稳定，购买商业保险的能力就越强，二者作用相互抵消，使得健康状况对商业保险排斥的影响不显著。风险偏好仅在10%的水平上显著负向影响商业保险排斥，而对支付储蓄排斥和信贷排斥的影响均不显著。这一结果和传统理论中关于风险规避型居民更倾向于购买保险的预期相反，可能是体现了反向因果关系。即购买了商业保险的农村家庭相当于拥有了一定保障，使得其更倾向于参加高风险的投资活动。房产数量仅在1%的水平上显著负向影响信贷排斥，而对支付储蓄排斥和商业保险排斥的影响均不显著，表明房产数量对信贷排斥具有抑制作用，而对支付储蓄排斥和商业保险排斥均无显著影响。这可能是缘于房产可以作为银行贷款的抵押物，房产数量越多，则农户获得贷款的几率越大；
但房产作为不动产，并不能直接转化为现金流，对农户参与支付储蓄活动和商业保险活动的作用有限。金融发展水平仅在1%的水平上显著正向影响商业保险排斥，各省人均GDP仅在1%的水平上显著负向影响商业保险排斥，二者对支付储蓄排斥和信贷排斥的影响均不显著。这表明金融发展水平对商业保险排斥具有促进作用，各省人均GDP对商业保险排斥具有抑制作用，而二者对支付储蓄排斥和信贷排斥均无显著影响。这可能是缘于金融发展水平较高地区的金融风险治理体系较为完善，农村家庭风险规避倾向较低，使得农户较少购买商业保险，而经济发展较好地区的农村家庭收入较高，购买商业保险的能力较高，使得农户购买商业保险的概率较高；
且金融发展水平和各省人均GDP作为地区特征变量，不能很好地反映农村家庭的实际情况，使得二者对支付储蓄排斥和信贷排斥的影响较小。
表2 互联网使用情况对农村家庭金融排斥的影响
(二)内生性问题的处理
农村家庭的互联网使用情况和金融排斥之间可能存在因反向因果、遗漏变量等引起的内生性问题，会导致估计结果有偏。鉴于此，本研究采用工具变量Probit模型解决内生性问题。农村家庭拥有电脑数量的均值与农村家庭互联网使用情况具有较强的相关性，满足工具变量相关性的条件；
且农村家庭拥有电脑数量的均值与该农村家庭的金融行为不相关，满足工具变量外生性的条件。因此，本研究选取农村家庭拥有电脑数量的均值作为工具变量。由表3可知，一阶段F统计值为66.780(超过经验值10)，表明所选取的工具变量不存在弱工具变量的问题。且在两阶段估计中，Wald检验分别在1%、1%、10%和5%的水平上通过显著性检验，拒绝工具变量非外生的原假设，表明工具变量的选取是合理的。同时，互联网使用情况分别在1%、1%、5%和5%的水平上显著负向影响金融排斥、支付储蓄排斥、信贷排斥和商业保险排斥。这表明互联网使用情况可以显著降低农村家庭受到金融排斥、支付储蓄排斥、信贷排斥和商业保险排斥的概率。可见，工具变量估计结果进一步验证了假设H1。
表3 工具变量估计结果
(三)稳健性检验
为了验证上述实证回归分析结果的可靠性，本研究进一步进行稳健性检验。具体方法如下：(1)采用替换解释变量的方法分析互联网使用情况对农村家庭金融排斥的影响，具体选取智能手机作为解释变量互联网使用情况的替代变量。由表4可知，智能手机均在1%的水平上显著负向影响金融排斥、支付储蓄排斥、信贷排斥和商业保险排斥，表明智能手机对农村家庭金融排斥、支付储蓄排斥、信贷排斥和商业保险排斥均具有显著的抑制作用，即智能手机每增加1倍，农村家庭受到金融排斥、支付储蓄排斥、信贷排斥和商业保险排斥的概率分别降低6.2%、6.4%、5.4%和2.6%。这与基准回归分析结果相吻合。(2)采用倾向得分匹配法分析互联网使用情况对农村家庭金融排斥的影响。由于家庭是否使用互联网具有自我选择的特征，为避免样本出现选择性偏差，通过匹配和分析使用互联网的农村家庭(实验组)和不使用互联网的农村家庭(对照组)得到互联网使用情况的平均处理效应。具体步骤包括：使用逐步回归选取匹配变量，并进行一对二倾向得分近邻匹配和核匹配；
对匹配结果进行平衡性检验，检验协变量的均值在实验组和对照组之间是否存在显著差异。由表5可知，多数观测值均在共同取值范围内，且协变量基本通过平衡性检验；
同时，近邻匹配和核匹配均表明，互联网使用情况均在1%的水平上显著负向影响金融排斥、支付储蓄排斥、信贷排斥和商业保险排斥。可见，基准回归分析结果是稳健的。
表4 智能手机对农村家庭金融排斥的影响
表5 互联网使用情况对农村家庭金融排斥的影响(倾向得分匹配法)
(四)差异性分析
1.年龄差异。考虑到不同年龄的农户对互联网的接受程度和使用程度不同，会导致互联网使用情况对金融排斥的影响在不同年龄户主的农村家庭中可能存在差异。本研究按照联合国世界卫生组织关于年龄划分的规定，将户主年龄分为青年(18～<45岁)、中年(45～<60岁)和老年(≥60岁)等3个年龄段，进一步分析互联网使用情况对农村家庭金融排斥影响的年龄差异。由表6可知，互联网使用情况对户主为青年、中年和老年的农村家庭金融排斥影响的边际效应分别为-8.3%、-5.1%和-10.1%，表明互联网使用情况对户主为老年的农村家庭金融排斥的影响最为显著，对户主为青年的农村家庭金融排斥的影响次之，对户主为中年的农村家庭金融排斥的影响最小。与表2中全体样本的边际效应相比，互联网使用情况对户主为老年和青年的农村家庭金融排斥影响的边际效应的绝对值大于总样本，而对户主为中年的农村家庭金融排斥影响的边际效应的绝对值小于总样本。这可能是缘于老年和青年的收入稳定性和财富水平比中年低，更容易受到地理排斥、营销排斥等因素影响，而使用互联网可以更有效地降低这些因素的影响，使得互联网使用情况对户主为老年和青年的农村家庭金融排斥的缓解作用更为显著。
表6 互联网使用情况对农村家庭金融排斥影响的年龄差异
2.区域差异。为了进一步分析互联网使用情况对农村家庭金融排斥影响的区域差异，本研究将样本涉及的29个省份分为东部地区、中部地区和西部地区进行检验。由表7可知，互联网使用情况对东部地区、中部地区和西部地区农村家庭金融排斥影响的边际效应分别为-8.5%、-7.4%和-6.5%，表明互联网使用情况对东部地区农村家庭金融排斥的影响最为显著，对中部地区农村家庭金融排斥的影响次之，对西部地区农村家庭金融排斥的影响最小。与表2中全体样本的边际效应相比，互联网使用情况对东部地区农村家庭金融排斥影响的边际效应的绝对值大于总样本，而对中部地区和西部地区农村家庭金融排斥影响的边际效应的绝对值均小于总样本。这主要是缘于东部地区金融信息和金融资源的可获得性更高，金融机构的服务质量和创新能力也更强，使得东部地区农村家庭的互联网使用情况对金融排斥的影响更大。
表7 互联网使用情况对农村家庭金融排斥影响的区域差异
基于上述实证分析结果可知，互联网使用情况能够降低农村家庭金融排斥、支付储蓄排斥、信贷排斥和商业保险排斥的概率。本研究进一步采用中介效应模型，从社会互动和信息关注等方面分析互联网使用情况对农村家庭金融排斥的影响机制。
(一)社会互动的中介效应
本研究进一步选取社会互动作为中介变量，分析社会互动在互联网使用情况对农村家庭金融排斥影响中的中介效应。具体来说，结合公式(2)进行估计可知，互联网使用情况在1%的水平上显著正向影响社会互动；
结合表2可知，互联网使用情况均在1%的水平上显著负向影响金融排斥、支付储蓄排斥、信贷排斥和商业保险排斥。本研究基于上述分析，进一步在基准回归分析中加入社会互动这一中介变量分析互联网使用情况对金融排斥、支付储蓄排斥、信贷排斥和商业保险排斥的影响。由表8可知，社会互动均在1%的水平上显著负向影响金融排斥、支付储蓄排斥、信贷排斥和商业保险排斥；
同时，与表2的回归分析结果相比，表8中互联网使用情况的边际效应的绝对值均有所降低。可见，互联网使用情况可以通过社会互动降低农村家庭金融排斥，部分中介效应存在，验证了假设H2。
表8 社会互动在互联网使用情况对农村家庭金融排斥影响中的中介效应
(二)信息关注的中介效应
本研究进一步选取信息关注作为中介变量，分析信息关注在互联网使用情况对农村家庭金融排斥影响中的中介效应。具体来说，结合公式(2)进行估计可知，互联网使用情况在1%的水平上显著正向影响信息关注；
结合表2可知，互联网使用情况均在1%的水平上显著负向影响金融排斥、支付储蓄排斥、信贷排斥和商业保险排斥。本研究基于上述分析，进一步在基准回归分析中加入信息关注这一中介变量分析互联网使用情况对金融排斥、支付储蓄排斥、信贷排斥和商业保险排斥的影响。由表9可知，信息关注分别在1%、1%、1%和10%的水平上显著负向影响金融排斥、支付储蓄排斥、信贷排斥和商业保险排斥；
同时，与表2的回归分析结果相比，表9中互联网使用情况的边际效应的绝对值均有所降低。可见，互联网使用情况可以通过信息关注降低农村家庭金融排斥，部分中介效应存在，验证了假设H3。
表9 信息关注在互联网使用情况对农村家庭金融排斥影响中的中介效应
(一)结论
基于CHFS 2017数据，实证分析互联网使用情况对农村家庭金融排斥的影响及其作用机制，得出以下结论：(1)互联网使用情况显著负向影响农村家庭金融排斥。互联网使用情况对支付储蓄排斥、信贷排斥和商业保险排斥均具有显著的抑制作用，其中对支付储蓄排斥的抑制作用最为显著，对信贷排斥的抑制作用次之，对商业保险排斥的抑制作用最小。(2)互联网使用情况对农村家庭金融排斥存在显著的年龄差异和区域差异。互联网使用情况对户主为老年和东部地区的农村家庭金融排斥的影响最为显著。(3)社会互动和信息关注在互联网使用情况对农村家庭金融排斥的影响中发挥中介作用。互联网使用情况可以通过社会互动和信息关注降低农村家庭金融排斥。
(二)对策
互联网使用情况对降低农村家庭金融排斥具有显著的促进作用，应进一步提高农村家庭互联网使用率、拓展线上线下社会互动渠道、提升农村居民的信息关注度等，以推进农村普惠金融发展。
1.提高农村家庭互联网使用率。互联网使用率的提升能够显著降低农村家庭受到金融排斥的概率，有助于优化农村家庭金融资产配置。地方政府应不断扩大农村地区互联网的覆盖面，进一步加强农村地区互联网基础设施建设，尤其是要加大5G网络等新型基础设施的建设力度，以持续提高农村地区的互联网普及率，从而提高农村家庭的互联网使用率，让更多农村家庭能够参与到金融市场活动中。同时，地方政府要加大对农村地区互联网使用的补贴力度，通过逐步出台和完善电信产业、税收等相关政策，对农村居民使用互联网进行补贴，有效降低互联网使用壁垒，以提高农村居民对互联网的可及性，从而让农村居民更好地共享“互联网+”的发展成果，缩小城乡之间的“数字鸿沟”。
2.拓展线上线下社会互动渠道。社会互动有利于增进农村家庭对金融知识的了解，进而提升农村家庭的财富管理能力。金融机构应采取线上线下相结合的方式，进一步拓展社会互动渠道，建立完善的金融知识培训体系。其中，线下活动应通过定期举办金融知识讲座、金融教育培训、网点宣传活动等系统推进金融知识普及活动的开展，并结合现场的反馈情况，采取更具互动性、趣味性的方式吸引农村家庭参与到金融知识的学习中；
线上活动应通过微博、微信、官方网站等渠道，提供丰富的金融知识教育与培训资源，以多元化的方式更好地满足不同群体的学习需求，从而促进农村居民了解和掌握更多的金融知识。
3.提升农村居民的信息关注度。信息关注度的提高有助于提升农村居民的金融素养，从而提升农村家庭的金融风险防范能力。其中，农村居民应自觉主动关注财经信息，通过书籍、广播、电视、互联网等拓宽农村居民的信息获取渠道，增进其对金融知识的了解和掌握，以提高金融风险管理能力，从而能够在家庭资产配置过程中更好地实现对金融资源的利用与整合；
相关部门应进一步加大金融市场的监管力度，通过建立健全法律法规体系，有效保障投资者的合法权益不受损害，以消除农村居民对金融市场的畏惧感，提高农村居民对财经信息的接受度，进一步引导农村居民参与金融市场活动。