认知与数字路径解码金融行为：印度职业女性的混合SEM-ANN研究

本研究针对印度城市职业女性，探讨了金融素养(FL)通过风险感知(RP)和数字金融服务(DFS)使用的中介作用对金融行为(FB)的影响。基于SOR框架，采用混合PLS-SEM和ANN方法对564名样本进行分析。结果表明，FL不仅直接促进积极FB，还通过提升RP和DFS使用产生间接效应。该多维模型为新兴经济体女性金融赋权的针对性干预提供了重要启示。

　　

在数字技术席卷全球金融体系的浪潮中，印度凭借统一支付接口(UPI)等创新走在了前列，其数字支付占比已高达75%。然而，这场数字革命并未惠及所有人，女性群体在金融参与度上依然面临显著障碍。尽管金融工具触手可及，许多印度职业女性仍对自主金融决策犹豫不决，其背后是金融素养(Financial Literacy, FL)的缺失、对风险的过度担忧以及对数字平台的不信任。这些问题在德里首都圈(NCR)这样互联网普及率高达80%、女性就业率两年间增长59%的发达地区依然突出，凸显了单纯提供数字接入不足以实现真正的金融包容，探究影响女性金融行为的深层认知与数字机制迫在眉睫。

在此背景下，研究团队在《Borsa Istanbul Review》上发表了最新成果，旨在解码印度职业女性的金融行为。研究以刺激-机体-反应(Stimulus-Organism-Response, SOR)理论为框架，将FL视为关键刺激，探讨其如何通过影响风险感知(Risk Perception, RP)和数字金融服务(Digital Financial Services, DFS)的使用，最终驱动积极的金融行为(Financial Behavior, FB)。研究创新性地采用了混合研究方法，结合了偏最小二乘法结构方程模型(Partial Least Squares-Structural Equation Modeling, PLS-SEM)和人工神经网络(Artificial Neural Network, ANN)，以期同时验证变量间的线性关系并捕捉潜在的复杂非线性模式。

为开展此项研究，研究人员主要应用了几项关键技术方法。研究采用目的性抽样和滚雪球抽样相结合的方式，招募了564名来自印度德里国家首都辖区(NCR)的18至55岁在职女性（包括受薪者和自雇者）作为样本。数据收集通过结构化问卷进行，并使用SmartPLS 4.1.1.2软件进行PLS-SEM分析，以检验测量模型的信度、效度以及结构模型中的路径关系和中介效应。同时，研究采用SPSS 27软件进行ANN分析，具体运用多层感知器(Multilayer Perceptron, MLP)神经网络模型，通过十折交叉验证来评估模型对金融行为的预测能力，并利用敏感性分析确定关键预测因子的重要性。

4.1. 测量模型评估

对测量模型的评估显示，所有构念的克隆巴赫系数(CA)和ρA信度系数均高于0.70，平均方差萃取量(AVE)均大于0.50，表明模型具有较好的信度和收敛效度。异质特质-单质特质比率(HTMT)均低于0.90，支持了良好的判别效度。二阶构念DFS和FB的评估也符合要求，确保了模型测量的准确性。

4.2. 结构模型评估

结构模型分析结果支持了所有研究假设。金融素养(FL)对金融行为(FB)具有显著的正向直接影响(β=0.142)，支持了假设H1。同时，FL对数字金融服务(DFS)使用(β=0.570)和风险感知(RP)(β=0.246)均有显著正向影响，支持了H2和H3。DFS使用对RP也有显著正向影响(β=0.574)，支持了H4。中介效应分析表明，DFS使用和RP在FL与FB的关系中均起部分中介作用（间接效应分别为0.163和0.121），支持了H5和H6。更重要的是，DFS使用和RP在FL与FB之间存在显著的链式中介效应(β=0.161)，支持了H7。模型解释了FB 66.4%的方差和RP 54.6%的方差，显示出较强的解释力。

4.3. 重要性-绩效图分析

重要性-绩效图分析(IPMA)结果显示，对于改善金融行为(FB)而言，金融素养(FL)的重要性最高，但其当前绩效水平相对较低；而风险感知(RP)的重要性虽相对较低，但其绩效水平最高。这一发现提示，提升FL是改善FB最具潜力的干预方向。

4.4. ANN结果

人工神经网络(ANN)分析进一步验证了PLS-SEM的发现。模型1（预测RP）和模型2（预测FB）的均方根误差(RMSE)均很低（训练和测试集均值约为0.079），表明模型具有良好的预测准确性。敏感性分析显示，在影响RP的因素中，DFS使用的重要性(100%)远高于FL(43.99%)；而在影响FB的因素中，RP的重要性(100%)最高，其次是DFS使用(59.47%)和FL(34.85%)。ANN模型的预测R2高达89%，优于PLS-SEM的57.2%，揭示了变量间可能存在的非线性关系。

研究结论与讨论部分深刻阐述了本研究的理论贡献与实践意义。结论明确指出，金融素养(FL)是驱动印度城市职业女性积极金融行为(FB)的核心引擎，但其作用并非简单的直接因果，而是通过认知（风险感知, RP）和数字技术（数字金融服务使用, DFS）两条关键路径间接实现的。这一“双路径”机制模型极大地丰富了对FL-FB关系的理解，突破了传统研究将行为视为单一结果的局限。

在理论层面，本研究成功地将计划行为理论(TPB)、技术接受模型(TAM)、前景理论(Prospect Theory)和SOR框架整合到一个统一模型中，为理解金融决策，特别是在数字环境下的决策，提供了更全面、更贴近现实的理论视角。研究证实，FL通过增强感知行为控制（TPB）和修正风险认知偏差（前景理论），为理性FB奠定基础；同时，FL通过提升对数字工具的感知有用性和易用性（TAM），作为外部刺激（SOR）激活积极的机体状态（如信任），最终促进行为响应（DFS使用和FB）。特别重要的是，研究揭示了DFS使用和RP的链式中介作用，表明数字技术的熟练运用能够有效降低感知风险，从而将金融知识转化为切实的金融行动。这一发现强调了在数字时代，基础FL是有效利用DFS的前提，缺乏FL可能导致数字接入反而加剧不平等。

在实践层面，研究结果为政策制定者、金融服务提供商、雇主和教育机构提供了清晰的行动指南。对于印度等新兴经济体的政策制定者而言，应优先投资于针对女性的、结合FL教育和数字技能培养的综合性项目，而不仅仅是扩大数字基础设施。对于金融科技公司和银行，应着力设计更简单、透明、可信的DFS界面，并内置金融教育内容，以降低使用门槛、构建用户信任。雇主可将金融福利和培训纳入员工支持计划，提升女性员工的财务安全感和生产力。教育机构则需将FL和数字金融知识融入课程体系，从早期培养女性的金融能力。

本研究也存在一些局限性，如样本局限于德里NCR的都市职业女性，未来研究可扩展至农村地区或其他人口群体；横截面数据难以确立因果关系，后续可采用纵向追踪或实验法；并可纳入如金融焦虑、数字自我效能感等更多心理变量进行深入探索。尽管如此，这项研究无疑为在新兴市场背景下通过认知赋能和数字包容促进女性金融赋权提供了关键的科学依据和实践路径。