《Journal of Behavioral and Experimental Finance》：Digital Financial Anxiety Perception Scale: Measuring financial emotions in the digital age
编辑推荐：
数字金融焦虑感知量表（Digital Financial Anxiety Perception Scale, DFAPS）的开发与验证：数字时代金融情绪的测量工具
随着数字化技术对金融业的深度嵌入，个人财务决策的环境已发生根本性转变。研究人员提出数字金融焦虑
数字金融焦虑感知量表（Digital Financial Anxiety Perception Scale, DFAPS）的开发与验证：数字时代金融情绪的测量工具
随着数字化技术对金融业的深度嵌入，个人财务决策的环境已发生根本性转变。研究人员提出数字金融焦虑（Digital Financial Anxiety, DFA）这一构念，将其定义为个体通过数字金融技术管理财务资源时所体验到的持续性忧虑、担心与情绪不适状态。与传统金融焦虑不同，DFA聚焦于个体与金融应用程序、平台及其他数字金融技术交互过程中产生的情绪反应，涵盖交易安全、隐私保护、自动化服务、可用性挑战及技术依赖等数字化情境特有的压力源。本研究旨在开发并验证数字金融焦虑感知量表（DFAPS），为评估这一新兴构念提供心理测量学上稳健的工具。
DFAPS的构建整合了金融焦虑、网络安全与隐私、金融服务数字化、数字金融素养及金融技术可用性等领域的文献见解，并结合金融应用程序用户的焦点小组实证证据，最终形成四个互补性维度：（i）金融应用程序安全性相关焦虑；（ii）金融服务自动化与数字化相关焦虑；（iii）可用性挑战相关焦虑；（iv）金融应用程序使用相关焦虑。DFA被概念化为二阶多维构念，四个维度反映同一潜在心理现象在不同数字金融交互情境中的具体表现。
量表的开发遵循迭代式量表开发流程，整合定性研究与定量验证程序。定性阶段包括文献综述、焦点小组、专家评审和预测试，建立了量表的理论基础并提供了内容效度证据。定量验证阶段采用两个独立样本，分别进行探索性因子分析（Exploratory Factor Analysis, EFA）和验证性因子分析（Confirmatory Factor Analysis, CFA），以检验因子结构的稳定性和可复制性。研究样本共1,170名参与者，随机分配至探索性样本（n = 380）和验证性样本（n = 790）。探索性分析采用主轴因子法（Principal Axis Factoring, PAF）结合直接斜交旋转，验证性分析采用最大似然估计法（Maximum Likelihood, ML）。
研究结果支持DFAPS作为二阶多维构念的有效性和可靠性。探索性因子分析产生了四个因子，共同解释67.66%的总方差。经过项目筛选，初始38个条目中20个条目被保留。各维度的Cronbach's alpha系数介于0.865至0.952之间，McDonald's omega系数介于0.728至0.882之间，表明内部一致性良好。验证性因子分析显示二阶模型拟合良好（χ2/df = 2.491，CFI = 0.983，TLI = 0.980，RMSEA = 0.043，RMSR = 0.058），四个一阶因子在二阶DFA构念上的标准化载荷均为正且显著，其中可用性挑战相关焦虑的载荷最高（0.983）。收敛效度通过平均方差提取值（Average Variance Extracted, AVE）评估，各维度AVE值介于0.535至0.773之间，均超过0.50的推荐阈值。区分效度通过Fornell-Larcker准则和异质-单质比率（Heterotrait-Monotrait Ratio, HTMT）评估，HTMT值介于0.562至0.809之间，均低于0.85的保守阈值。
DFAPS的开发填补了现有金融焦虑测量工具在数字金融情境下的应用空白，为行为金融研究提供了概念化基础。该量表可应用于金融教育、金融包容性评估、数字金融服务改进以及公共政策制定等领域，有助于理解个体在日益数字化环境中如何感知和应对数字金融环境，识别脆弱群体，促进可持续金融福祉。研究的局限性包括未检验效标效度和测量不变性，样本以在线便利抽样为主，数据依赖自我报告。未来研究应考察DFAPS在不同人口群体中的测量不变性、跨文化适用性、时间稳定性及其与客观金融行为的关系。
数字金融焦虑（DFA）作为数字时代金融情绪管理的关键构念，其测量工具的缺乏制约了该领域的实证进展。本文围绕数字金融焦虑感知量表（DFAPS）的开发与验证这一核心主题，从研究背景、研究方法、研究结果到理论意义与局限，提供系统性的论文解读。
**一、研究背景与问题提出**
金融决策长期在物理环境中进行，面对面交互和较长时间的信息评估构成了传统金融决策过程的典型特征。数字化的到来将数字技术嵌入金融部门，极大地拓宽了个人可获得的金融产品、服务和提供商范围。数字技术已从获取金融服务的渠道，演变为金融决策形成和实施环境的组成部分。金融应用程序的采用重塑了个体获取、处理和利用金融信息的方式，直接影响其金融行为。
尽管数字化扩大了金融服务的可及性，使更多个体能够参与金融体系，但也引入了新的挑战。对数字应用程序和平台不熟悉的个体，以及缺乏适当设备和基础设施的群体，可能面临使用金融技术的困难。数字金融环境中的交互可能引发不安全感、忧虑和焦虑，尤其在经验有限的使用者中更为显著。这些挑战超出了纯技术层面，塑造了个体在数字环境中体验金融决策的方式，使金融应用程序的交互伴随着不确定性、脆弱性和忧虑感。
传统金融焦虑文献将金融焦虑定义为与个体财务状况、履行当前和未来财务义务的感知能力以及个人财务管理相关的忧虑、不安、不适或压力状态。然而，金融决策情境已随金融服务数字化发生实质性转变。当下个体管理财务时的部分担忧并非仅源于财务状况，还来自与应用程序、平台及其他金融技术的交互。交易安全与数据保护、信息隐私、操作故障及对数字技术的依赖等关切已成为日常金融管理体验的组成部分。尽管这些风险已从金融和技术角度得到广泛研究，但其对个体情绪反应——特别是金融焦虑——的影响研究相对有限。
基于上述背景，研究人员提出数字金融焦虑（DFA）的概念，定义为个体通过数字金融技术管理财务资源时体验到的持续性忧虑、担心和情绪不适状态。DFA与传统金融焦虑的区别在于：传统金融焦虑主要围绕个体财务状况的担忧，而DFA指向与应用程序、平台及其他数字金融技术交互产生的情绪反应，涵盖交易安全、隐私、自动化、可用性和技术依赖等关切。从理论角度看，DFA可能塑造个体感知风险、评估替代方案和参与数字金融服务的方式，是理解日益数字化环境中金融行为的重要构念。
DFA区别于金融焦虑、技术焦虑和数字化焦虑。金融焦虑根植于个体财务状况，技术焦虑指与使用技术相关的负面情绪反应，数字化焦虑关注数字化带来的更广泛社会转型。DFA特定地定位于数字金融管理情境，构成数字金融领域内的独特概念域。作为多维构念，DFA涵盖数字金融技术交互产生的不同但相互关联的情绪反应，包括：金融应用程序安全性相关焦虑、金融服务自动化与数字化相关焦虑、可用性挑战相关焦虑、金融应用程序使用相关焦虑四个维度。
理解DFA需要能够解释数字金融环境特征性压力源如何被感知、认知评估并转化为金融行为的理论框架。压力与应对理论（stress and coping theory）为此提供了基础，解释金融技术相关压力源如何被认知评估并转化为情绪反应（Lazarus and Folkman, 1984）。计划行为理论（theory of planned behavior）进一步解释这些情绪反应如何塑造感知行为控制、行为意向并最终影响金融行为（Ajzen, 1991）。稀缺理论（scarcity theory）则表明，需求和担忧过载导致的认知资源约束会损害个体信息处理能力，从而在复杂数字金融环境中加剧情绪反应（Mullainathan and Shafir, 2013）。三种视角共同为概念化和测量DFA提供了整合的理论基础。
**二、研究方法**
研究采用迭代式量表开发流程，整合定性研究和定量验证程序，遵循DeVellis和Thorpe（2021）的方法论建议。研究包含两个互补阶段：第一阶段聚焦量表的开发和内容验证，通过文献综述、焦点小组、专家评审和预测试完成，建立了概念基础，优化了维度结构，改进了条目措辞，提供了内容效度证据。第二阶段采用独立样本进行探索性因子分析（EFA）和验证性因子分析（CFA）的心理测量学验证。
文献综述检索Web of Science和Scopus数据库，使用金融焦虑、数字金融服务、金融科技、移动银行、网络安全、信息过载等术语组合，最终保留53项研究。焦点小组选取12名金融应用程序用户，覆盖不同年龄、性别、教育背景、职业和数字金融服务经验。专家评审由五名专家组成，包括行为金融与量表开发研究者、数字金融研究者、技术接受模型研究者和心理测量学专家，采用Hernandez-Nieto（2002）提出的内容效度系数（CVC）评估专家一致性。预测试由16名目标人群完成，评估理解性、语义清晰度和答题格式。
定量验证阶段，数据于2025年10月至2026年2月通过线上和面对面混合方式收集，约80%线上完成，20%线下完成。样本包含1,170名参与者，平均年龄35岁，57.6%为女性。参与者随机分配至探索性样本（n = 380）和验证性样本（n = 790）。EFA采用主轴因子法（PAF）结合Direct Oblimin斜交旋转，因子数通过特征值大于1准则确定。CFA采用最大似然（ML）估计法。收敛效度通过标准化因子载荷和平均方差提取值（AVE）评估，区分效度通过Fornell-Larcker准则和异质-单质比率（HTMT）评估，信度通过Cronbach's alpha和McDonald's omega评估。因子可复制性通过H指数评估。
**三、研究结果**
探索性因子分析中，Bartlett球形检验显著（p < 0.001），KMO统计量为0.932，支持数据因子可分析性。Kaiser准则产生四个因子，共同解释67.66%的总方差。四因子解在数量和概念构成上复现了量表开发阶段确定的维度结构。初始38个条目中，9个条目因公因子方差低于0.50被排除，6个条目因交叉载荷被移除，最终保留20个条目。各维度H指数均超过0.800，Cronbach's alpha和McDonald's omega值均超过0.700，表明因子可复制性和内部一致性良好。
验证性因子分析中，初始CFA模型在四个构念中的三个显示拟合不佳。通过移除载荷低于0.70的条目（条目3和14）以及指定理论上合理的残差协方差进行模型优化。优化后最终模型显示满意拟合，所有标准化残差低于2.58。组合信度（Composite Reliability）和Cronbach's alpha表明内部一致性良好。AVE值介于0.535至0.773之间，均超过0.50的收敛效度阈值。区分效度方面，各构念AVE平方根超过其与其他构念的相关系数，满足Fornell-Larcker准则；HTMT值介于0.562至0.809，均低于0.85的保守阈值。二阶DFAPS模型显示良好拟合（χ2/df = 2.491，CFI = 0.983，TLI = 0.980，RMSEA = 0.043，RMSR = 0.058），四个一阶因子均正向显著载荷于二阶DFA构念，其中三个标准载荷超过0.80。
**四、讨论与结论**
从个体视角看，DFAPS识别了数字金融焦虑的关键维度，可用于金融咨询项目中的重点关注对象识别，为高金融焦虑个体提供针对性干预。从细分视角看，量表有助于识别报告较高DFA水平的群体，使银行营销部门能够制定更道德和有效的细分策略。数字金融知识和数字金融素养在数字时代作为抵御欺诈和焦虑的保护因素，测量DFA对于制定金融稳定和福祉倡议具有现实意义。在公共政策领域，DFAPS可应用于现金转移项目等情境的DFA评估。政策制定者可利用该量表检验DFA变化是否与应用程序和金融法规更新相关，以及这些变化是否与更大包容性或新形式排斥相关。
研究人员指出研究局限包括未检验效标效度和测量不变性，非概率便利抽样以线上调查为主，以及自我报告数据可能引入共同方法偏差、社会期望偏差和回忆偏差。未来研究应涵盖七个关键方向：（i）考察DFA的前因变量，如数字素养和社会经济特征；（ii）开展纵向研究考察DFA随宏观经济周期的变化；（iii）检验DFA在金融技术使用与福祉关系中的中介作用；（iv）考察金融格局变化对用户金融安全感和安心感的影响；（v）检验DFAPS在不同数字金融包容水平、监管环境和金融技术采用模式国家的跨文化适用性；（vi）通过检验DFAPS与既有构念（如金融焦虑、金融压力、技术焦虑、数字素养）及客观金融行为的关系，考察其效标效度、nomological效度和预测效度；（vii）通过重测信度分析评估DFAPS的时间稳定性。
研究结论指出，测量DFA是高度复杂且具有战略相关性的工作，DFA可能不仅反映个体体验，还反映数字金融服务使用所处的更广泛制度和金融环境。数字金融行为受到态度和知识的中介作用，这些因素有助于有效的金融包容。DFAPS可作为评估数字金融焦虑感知的有用工具，在公共政策和银行营销策略中具有潜在应用价值，有助于更好地理解个体如何感知和应对数字金融环境，识别脆弱性并促进发展中社会的可持续金融福祉。
