13 浏览3.1.1 需求侧排斥（贫困、流动性约束）
3.1.2 能力侧排斥（技能不足、设备限制）
3.1.3 供给侧排斥（平台设计、风险暴露）
3.2 财富异质性对数字金融排斥的影响逻辑
3.2.1 低财富家庭：成本型排斥
3.2.2 高财富家庭：风险型与认知型排斥
3.2.3 中等财富家庭：混合型排斥
3.3 “未开通第三方支付账户”家庭的行为机理
3.3.1 技术门槛
3.3.2 信任与安全顾虑
3.3.3 替代性行为路径（现金偏好）
3.4 分析框架构建
3.4.1 财富水平 → 能力因素 → 排斥行为
3.4.2 财富水平 → 风险偏好 → 排斥行为
3.4.3 区域因素的调节作用
第四章 研究设计
4.1 数据来源与样本构建
4.1.1 采用数据（如 CHFS）
4.1.2 筛选“从未开通账户”家庭
4.1.3 财富层级划分方法（收入、资产）
4.2 变量设定
4.2.1 被解释变量：是否存在“数字金融排斥”行为
4.2.2 核心解释变量：家庭财富水平
4.2.3 中介变量：数字技能、设备条件、安全担忧
4.2.4 调节变量：互联网覆盖度、地区数字化水平
4.2.5 控制变量：年龄、教育、城乡、职业等
4.3 模型构建
4.3.1 Logit/Probit 排斥概率模型
4.3.2 多分类模型：能力型 vs 认知型排斥
4.3.3 中介效应模型（Bootstrap）
4.3.4 调节效应模型（交互项）
4.3.5 稳健性检验模型
第五章 实证分析
5.1 描述性统计
5.1.1 排斥群体规模与特征
5.1.2 财富层级差异显著性检验
5.1.3 排斥原因分布特征（五类原因）
5.2 基准回归结果
5.2.1 财富水平对数字金融排斥的影响方向
5.2.2 低财富与高财富家庭对比分析
5.3 排斥机制路径分析
5.3.1 需求侧约束的路径效应
5.3.2 能力侧约束的中介效应
5.3.3 风险认知的影响机制（高财富家庭）
5.4 异质性分析
5.4.1 区域差异（东部/中部/西部）
5.4.2 城乡差异
5.4.3 年龄与教育水平差异
5.5 稳健性检验
5.5.1 财富指标替代（资产→支出）
5.5.2 排斥定义替代（“未开通”→“开通但不使用”）
5.5.3 工具变量法检验潜在内生性
第六章 案例研究（特色章节）
6.1 案例一：低财富家庭（老年家庭）
6.1.1 缺乏智能手机
6.1.2 技能匮乏
6.1.3 对数字诈骗高度敏感
6.2 案例二：中等财富家庭（务工家庭）
6.2.1 使用场景有限
6.2.2 对现金的路径依赖
6.3 案例三：高财富家庭
6.3.1 隐私保护极度敏感
6.3.2 对平台不信任
6.3.3 担忧数据泄露与资金安全
6.4 案例比较与启示
第七章 结论与政策建议
7.1 研究结论
7.1.1 数字金融排斥具有明显财富异质性
7.1.2 低财富家庭以能力型排斥为主
7.1.3 高财富家庭以认知型与风险型排斥为主
7.1.4 区域与基础设施因素具有调节效应
7.2 政策建议
7.2.1 针对低财富家庭：提升数字技能、设备补贴
7.2.2 针对高财富家庭：强化隐私保护与平台透明度
7.2.3 政府：完善数字基础设施
7.2.4 平台：优化界面设计、降低使用难度
7.2.5 社区与银行：开展数字金融教育项目
7.3 研究不足与展望
7.3.1 数据时间限制
7.3.2 缺乏动态跟踪数据
7.3.3 可扩展到多国比较研究
