数字普惠金融减贫效应的区域差异----基于“胡焕庸线”的空间定量分析

王刚贞,贾荣先,陈梦洁,郑美华

(安徽财经大学 金融学院,安徽 蚌埠 233030)

贫困是普遍存在于世界各国的社会问题,纾解贫困是国际社会的共同责任与追求。基于此,国内外对如何减贫进行了积极的探索。20世纪70年代末,印度格莱珉银行最早推出联保小微贷,取得成功并迅速普及,完成了小额贷款→微型金融→普惠金融的转变,并助力全球普惠金融走向纵深。我国在发展普惠金融方面也进行了诸多尝试。 80年代初期,政府推行了扶贫式低息贷款和面对广大农户的农业保险。90年代曾试点并推广小额贷款。2005年,联合国与世界银行共同提出了普惠金融(Financial Inclusion)的理念。2016年9月,杭州G20峰会上提出:借力数字技术是助推普惠金融发展的第一原则。这标志着,作为一种以突破空间维度限制为主要特征的新兴金融发展模式,数字普惠金融成为全球金融扶贫的有效途径,并发挥着增加贫困群体福利、增进社会福祉的重要作用。

一、 相关文献回顾

数字普惠金融充分施展了新时代互联网技术的优点,并将普惠金融理念与实践融会贯通,成为解决如今普惠金融下沉难题的有力措施。国外大部分学者认为普惠金融能够增强贫困群体的金融服务获得性,破除金融发展与减贫目标的双重矛盾[1-4]。数字金融可以突破地理空间的限制,提高普惠业务在贫困地区的覆盖广度,能够有效减缓贫困[5]。国内多数学者都认为数字金融能支持普惠金融的发展,弥补中小微型企业与低收入群体难以获取传统金融服务的缺陷,促进金融资源的合理配置[6-7]。有学者通过实证发现,随着数字普惠金融业务的日益完善,城乡居民间的收入差距也逐渐缩小[8-9]。除此之外,数字普惠金融还能降低周边省市的城乡收入差距与贫困发生率[10-11]。

目前,有关数字普惠金融的研究较少涉及“胡焕庸线”。 陈银娥等对我国普惠金融发展的动态分布及趋同演变过程进行探究,结果表明我国东部地区普惠金融逐渐发散,但中西部地区趋于收敛[12]。 王靖一研究了数字经济的发展规律,发现数字经济正在以其独特的地理渗透性推动“胡焕庸线”东西两侧地区的平衡发展[13]。 所有研究表明,数字普惠金融水平较高的城市集中分布在“胡焕庸线”东南部,正逐渐由长三角区域向西部区域扩散。 “胡焕庸线”是“中国地理百年大发现”之一,在学术界具有重要地位,而数字普惠金融的发展是否存在异质性也是学术界研究的热点问题。

本文以我国31个省(自治区、直辖市,以下简称“省”)为研究单元,以数字普惠金融的“区域差异与空间集聚特征—减贫的空间溢出效应—‘胡焕庸线’是否为最佳分界线—探究空间分异规律”为研究主线,有助于科学把握数字普惠金融的区域异质性,促进数字普惠金融发展,并加深对其减贫效应空间分异规律的理解。鉴于此,本文研究的边际贡献之处在于: ①本文使用的北京大学中国数字普惠金融指数是一套以数字化全新视角编制的普惠金融指数,用这套指数来研究中国数字普惠金融的空间分布特征对推动我国普惠金融的数字化建设具有一定意义;②本文使用空间杜宾模型综合考虑时空双维度数据,探究“胡焕庸线”两侧数字普惠金融减贫效应的空间溢出效应,加深对减贫效应区域异质性的理解;③研究数字普惠金融的空间分异格局,判别“胡焕庸线”是否能准确反映数字普惠金融的空间分割现象,有利于明确数字普惠金融的未来重点建设方向。

二、 理论分析与研究假设

数字普惠金融拥有数字技术和普惠金融的双重优势,解决了金融扶贫成本与收益不匹配的问题。纵观国内外相关研究文献,发现数字普惠金融的分布具有空间相关性特征,其减贫效应存在区域异质性,且“胡焕庸线”东侧地区数字普惠金融的发展不仅对本区域产生减贫效应,还有可能辐射“胡焕庸线”西侧地区。

1. 数字普惠金融空间相关性的理论假说

数字普惠金融的发展是否具有空间相关性是近年来的热点话题之一。目前,关于数字普惠金融发展过程中存在的空间相关性研究已有少数成果,胡宗义等使用Kernel密度估计法研究我国普惠金融发展的动态分布及其收敛性质,发现普惠金融具有明显的空间相关性并逐渐收敛[14]。徐敏运用变异系数及Moran指数对数字普惠金融发展的空间差异进行了分析,指出偏远地区可以运用互联网技术迅速提高数字普惠金融发展水平,具有明显的空间集聚性[15]。现阶段,我国长三角地区的数字普惠金融水平正趋向于一体化发展,具有显著的正向空间集聚效应[16-17]。由上述研究可知,数字普惠金融的发展并不独立,它穿透信息壁垒、打通信息孤岛、突破空间维度的限制,与周边省份产生了交互影响。由此提出:

假设1 数字普惠金融发展存在显著的空间相关性并倾向于集聚分布,“胡焕庸线”东侧地区倾向于高值聚集,西侧地区倾向于低值聚集。

2. 数字普惠金融减贫效应的理论假说

数字普惠金融是落实以普惠金融政策促进精准扶贫战略的落脚点,其减贫机理可以从宏观与微观两个层面展开叙述。图1为数字普惠金融减贫效应的宏观、微观作用机理。

图1 数字普惠金融减贫效应的宏、微观作用机理

数字普惠金融通过提高覆盖广度、使用深度和数字化程度实现了长尾理论,借由长尾理论达到了宏观和微观的减贫作用。从宏观层面来看,数字普惠金融的发展有利于推动一国经济增长及缩小城乡收入差距,为偏远地区的“长尾人群”提供更多工作机会。国外学者Wyman经研究发现,数字普惠金融能够推动部分东南亚国家国内生产总值增长,贫困人群可增加约10%的收入[18]。国内学者普遍认为,数字普惠金融可以缩小我国城乡收入差距,还能通过促进家庭创业间接减轻贫困程度[19]。从微观层面来看,数字普惠金融能降低农村低收入群体金融服务门槛,还可以平滑消费,提升风险抵御的能力。数字普惠金融扶贫是数字普惠金融的外在显化形式之一,能提供突破地理界限的新型金融服务。国内学者从消费视角进行研究,发现数字普惠金融可以平滑居民消费并拉动国内经济增长,还能加速产业结构的升级,是保障脱贫质量的关键所在[20-21]。由此提出:

假设2 数字普惠金融具有显著的减贫效应,其减贫效应随数字普惠金融水平的提升而增强。

3. 数字普惠金融减贫的区域异质性

由于省域间金融发育基础各异,区域同质性假设在解释数字普惠金融与减缓贫困关系方面可能存在缺陷。国内学者对数字普惠金融减贫效应的区域异质性进行了研究,发现数字普惠金融能缩小城乡差距,其减贫效应显著且具有空间溢出效应,在不同地区间存在异质性[22-23]。造成该现象的原因应该是资本、信息、技术等要素可跨区域流动,区域整体贫困与数字普惠金融可能存在空间相关的情况。综合来看,由于地理因素与社会因素的双重作用,各省数字普惠金融发展水平之间存在关联性和溢出性,本省数字普惠金融能逐渐过渡,影响周边省份产生正向空间溢出减贫效应。由此提出:

假设3 数字普惠金融的减贫效应存在区域异质性,“胡焕庸线”东侧地区不仅可以通过数字普惠金融的发展降低自身贫困率,还可以通过“涓滴效应”辐射西侧地区,间接降低西侧地区的贫困率,具有正向的空间溢出效应。

三、 模型、变量和数据说明

1. 计量模型设定

(1) 空间权重矩阵。本文选取我国31个省为研究对象,采用Arcgis软件生成球面距离空间权重矩阵,所用经纬度数据来自谷歌地图。设矩阵元素为Wij,并将矩阵标准化处理为

式中,dij代表省份i和省份j之间的直线距离。

(2) 空间相关性检验。Moran’sI可以用来衡量指标的空间相关性,I表示为

(3) 空间计量模型。本文利用空间杜宾模型(SDM)衡量数字普惠金融的减贫效应及空间溢出性,模型形式如下:

式中:POVit为被解释变量,代表i省在第t年的贫困率;IFIit为核心解释变量,表示i省在第t年的数字普惠金融发展水平;X为控制变量;μi和λt表示个体和时间效应;εit为随机扰动项;δ为空间溢出效应强度;β1、β2为直接效应的系数;θ1、θ2为空间影响系数。

2. 变量说明

本文选取的相关变量、构造方法及描述性统计如表1所示。借鉴顾宁的方法,利用农村居民恩格尔系数来衡量减贫效果[24];用核心解释变量IFI衡量各省数字普惠金融的发展水平。考虑到解释变量对贫困率影响的滞后效应,故将解释变量进行滞后1期处理。此外,引入5个控制变量以提高实证结果的精准度和完整性。本文数据只有数字普惠金融指数直接从北京大学互联网金融研究中心获得[25],其余数据均来源于国家统计局数据库,经作者整理计算而得。

表1 空间计量模型的变量选取及数据来源

(1) 被解释变量(POV)。选取农村居民家庭恩格尔系数衡量各省份贫困指数差异,利用各省统计年鉴中食品烟酒支出占总消费的比例进行测算。该指数在一定程度上反映了居民的生活水平状况,可用来度量数字普惠金融的减贫效果。通常,POV指数水平越低地区贫困程度越低。

(2) 解释变量 (IFI)。反映中国数字普惠金融发展水平。参考北京大学互联网金融研究中心编制的中国数字普惠金融指数(2011—2018),表示不同省份数字普惠金融发展的差异[25]。该指数从数字金融覆盖广度、数字金融使用深度及普惠金融数字化程度3个方面进行刻画。

(3) 控制变量。本文的控制变量共有5个。x1代表人均GDP的对数值,用来衡量各省经济发展水平; x2代表城乡收入差距,以各省泰尔指数衡量,计算公式为

式中,Ii是第i个地区的收入,I是总收入,Pi是地区i的人口,P是总人口,用国家统计局数据测算得到;x3代表城镇化率,用城镇人口占总人口比例来反映我国城镇化进程对贫困率的影响;x4为财政支出规模,使用财政支出占GDP比例反映政府支出规模对减贫的作用;x5代表受教育程度,采用各省普通本、专科招生数占全国比例代表本、专科教育在各省的普及率。

四、 实证结果分析

1. 数字普惠金融空间相关性分析

为验证假设1是否成立,本文首先采用全局Moran’sI对数字普惠金融发展水平和农村居民恩格尔系数的全局空间相关性进行检验,并且运用局部Moran’sI来探究数字普惠金融发展的“胡焕庸线”空间分布格局。

(1) 全局莫兰指数检验。本文运用Arcgis生成的空间权重矩阵和Stata测算2011—2018年中国数字普惠金融发展水平和农村居民恩格尔系数的莫兰系数,对其空间相关性进行莫兰检验,结果如表2所示。

由表2得知,中国数字普惠金融发展水平及农村居民恩格尔系数的I值均大于0,具有全域范围内的正向空间集聚效应。在1%的显著性水平上拒绝两变量不存在空间自相关的原假设,即可认为我国31个省的数字普惠金融和农村居民恩格尔系数存在交互影响的现象。

表2 全局莫兰指数统计值

(2) 局部莫兰指数检验。本文通过局部Moran’sI和LISA聚集图(图2)来辨析“胡焕庸线”两侧数字普惠金融发展和农村居民恩格尔系数的空间分布特征。Ii> 0 表示区域i的高(低)值被附近区域的高(低)值包围,对应的LISA聚集图位于第Ⅰ(Ⅲ)象限; Ii< 0表示区域i的高(低)水平被附近区域的低(高)值包围,位于LISA聚集图的第Ⅱ(Ⅳ)象限。接下来以2011年和2018年为例进行分析。

由图2可知,2011年与2018年数字普惠金融发展的空间分布格局存在一定的变化,但大多数省份都位于第Ⅰ、Ⅲ象限,二者大约占总样本的79%。这说明我国数字普惠金融发展具有高水平集聚及低水平集聚的特点,而且2011年和2018年高-高聚集区分布主要为北京、上海、江苏及浙江等“胡焕庸线”东侧地区,低-低聚集区则为西藏、宁夏、甘肃等 “胡焕庸线”西侧地区。由图3可知,2011年及2018年农村居民恩格尔系数位于第Ⅰ、Ⅲ象限的省份占总样本的比重为70.9%,2018年的LISA图显示,农村居民恩格尔系数的空间聚集效应较2011年更为分散,表明我国贫富差距过大的现象得到了一定缓解。综合全局莫兰指数、局部莫兰指数LISA聚集图分析可知,我国的数字普惠金融发展和农村居民恩格尔系数都存在较为明显的空间集聚效应,且“胡焕庸线”东侧地区数字普惠金融发展较快,能辐射其周边区域的数字普惠金融发展,“胡焕庸线”西侧地区数字普惠金融发展基础较差,其相邻省份发展也较为缓慢。

图2 2011年与2018年各省数字普惠金融指数LISA聚集图

图3 2011年与2018年各省贫困率LISA聚集图

2. 数字普惠金融减贫效应分析

空间杜宾模型可以显示数字金融减贫的直接效应与溢出效应,溢出效应可用来衡量本省数字普惠金融对其他省份贫困率的影响,通过豪斯曼检验确定固定效应空间杜宾模型,使用以省份为聚类变量的聚类稳健标准误。

表3中全域空间杜宾模型的Spatial rho值通过了显著性水平检验,使用空间计量模型能够充分考虑空间交互效应。数字普惠金融与农村居民恩格尔系数的总效应系数在1%水平下显著为负,表明数字普惠金融发展具有显著的减贫效果,减贫效应随数字普惠金融水平的提高而增强。直接效应与间接效应系数均为负值,说明伴随金融科技的迅猛发展,资本、信息、技术等生产要素进行了跨区域流动,其流动效率与区域间距离无关的特性使得数字普惠金融跨越了地理的阻碍。稳健性检验使用的回归检验方法包括空间自回归模型(SAR)及空间误差模型(SEM)。将被解释变量替换为低保人数占本省人口数的比例,具体结果见表3。结果表明:数字普惠金融的减贫效应在5%置信水平下仍然显著,且系数符号未改变,数字普惠金融的减贫效应依然存在。因此,本结果具有一定的稳健性。

表3 全域空间杜宾模型的回归结果

3. 数字普惠金融减贫效应的区域异质性分析

资源流动、地理禀赋都会使数字普惠金融发展水平不同的地区间具有关联性和溢出性,本文采用分样本空间杜宾模型进一步考察了“胡焕庸线”东侧对西侧的直接影响与相互间的溢出影响,故接下来按国际惯例将31个省分为东侧(25省:京、冀、浙、沪、粤、闽等)与西侧(6省:新、藏、青、甘、宁、蒙)两个样本进行空间计量分析。分样本回归结果如表4所示。

表4 “胡焕庸线”两侧分样本回归结果

由“胡焕庸线”西侧地区IFI项直接效应系数为-0.001 2可知:数字普惠金融可以直接减缓西部地区的贫困程度,但其负面的溢出效应抵消了原本正面的减贫效应,致使西部地区整体性贫困仍未破解。可能的原因是:经济发展程度相对落后的西侧区域面临的金融排斥更为严重,而金融资源具有稀缺性,西侧地区的竞争会更激烈,从而导致较高的金融资源损失及负外部性。

“胡焕庸线”东侧地区IFI项间接效应系数为-0.000 4,说明数字普惠金融可以跨越地理条件的限制,减缓其周边地区即“胡焕庸线”西侧地区的贫困程度。可能的原因是:经济发展程度高的东侧地区获取金融资源的门槛较低,各省间对金融资源的竞争较为缓和,致使金融资源的损失及负外部性也更低,可以通过金融部门对资源的有效配置将资金输向西侧地区。

对于5个控制变量来说,东侧和西侧城镇化率的提高都具有显著的减贫效应,说明交通便利程度的提升及人口流动带来的红利都能减缓贫困。政府支出的提高会在一定程度上提高农村居民的恩格尔系数,可能的原因是:政府购买支出的增多对价格上涨造成影响,但政府投资的增加会改善数字普惠金融发展的环境,产生“涓滴效应”,故无法得出政府支出的增加会加剧农村贫困程度的结论。教育的普及会暂时增加农村居民恩格尔系数,这是由于在外求学子女的生活费是农村居民家庭的一笔巨大支出,但长远来看受教育程度的增加会令农村家庭彻底摆脱贫困。控制变量人均GDP和收入差距GAP对“胡焕庸线”东西两侧的减贫效应各不相同:在西侧地区,人均GDP的提升及收入差距GAP的缩小会降低各省农村居民的恩格尔系数,提升贫困群体的福利水平,但在东部地区则会增加农村居民的恩格尔系数。这是由于东侧地区的初始人均收入较高,在满足最基本的温饱需求后,消費结构重心已经向文教娱乐类及医疗健康等发展型消费方面转移。

4. 数字普惠金融的空间分异规律

本部分考察2011年和2018年中国数字普惠金融在“胡焕庸线”东西两侧地区的空间分异格局。设定梯队标准为该年指数最高城市的数值,数值在最高值20%以内的城市为第一梯队,21%～30%的为第二梯队,31%～40%的为第三梯队,以此类推划分为5个梯队。

考察数据显示,2011年我国数字普惠金融水平较高的城市大多集中于“胡焕庸线”东侧地区,西侧地区发展普遍较为落后。但发展到2018年,“胡焕庸线”东侧绝大部分城市处于三、四梯队,而第五梯队集中在长三角、珠三角及其他发达大城市,“胡焕庸线”西侧省份数字普惠金融全部落在一、二梯队。这说明数字普惠金融存在明显的“胡焕庸线”空间分布格局。值得注意的是,“胡焕庸线”西侧部分省份的数字普惠金融水平已逐渐向东侧省份收敛,给西部地区带来均等化的发展机会。

研究还表明,数字普惠金融并没有因省份的行政划分而骤然割裂,而是由“胡焕庸线”东侧地区向西侧地区相互影响逐渐由高到低过渡的。数字普惠金融水平的提高,会使资本、信息等生产要素借助数字技术向相关地区扩散辐射,帮助周边地区提高自我发展能力,创造经济收入途径,具有良性的区域“循环累积因果效应”。

五、 结论与建议

本文利用全局和局部莫兰指数、LISA 聚集图、空间杜宾模型及Arcgis软件对31个省2011—2018年数字普惠金融存在的空间相关性及其减贫效应的区域异质性进行了深入分析,实证研究了数字普惠金融减贫的空间溢出效应,并考察了数字普惠金融的“胡焕庸线”空间分异规律。研究发现:

(1) 2011—2018年数字普惠金融发展水平和贫困程度具有较强的空间自相关性,数字普惠金融的全局空间自相关系数呈现阶段性上涨的趋势,且具有明显的集聚趋势。

(2) 从全国层面来看,数字普惠金融能够提高农村居民的生活水平,对破解区域性整体贫困起到了积极的作用。

(3) 分样本来看,数字普惠金融可以直接减缓“胡焕庸线”西侧地区的贫困程度,但其负面的溢出效应抵消了原本正向的减贫效应;“胡焕庸线”东侧地区的数字普惠金融可以跨越地理条件的限制,间接减缓“胡焕庸线”西侧地区的贫困程度。

(4) 数字普惠金融并没有因省份的行政划分而骤然割裂,而是“胡焕庸线”东西两侧地区相互影响,逐渐由高到低过渡。“胡焕庸线”可以有效反映数字普惠金融的空间分布格局。

2020年是脱贫攻坚的收官之年,绝对贫困问题的解决并不意味着工作的结束，接下来要集中资源巩固拓展脱贫攻坚的成果。为此,结合上述结论,本文提出以下建议:

(1) 由于数字普惠金融的空间分布具有相关性,因此要以全局建设为着力点,树立区域一体化观念,加强“胡焕庸线”东西两侧的区域金融合作,统筹各省数字普惠金融均衡发展。对于东侧地区,需要攻克数字普惠金融发展的创新瓶颈,多措并举推进数字普惠金融服务向纵深发展。对西侧地区而言,由于资源禀赋的限制及金融机会的缺乏,仅进行政策扶持无法实现数字普惠金融的可持续发展,故应做好顶层设计,增强与东侧地区的金融联系和信息互通。

(2) 由于数字普惠金融具有减贫效应,因此要集合政府和社会的力量推动线上小额贷款、互联网金融、村镇银行手机客户端等数字普惠金融基础设施建设,使数字普惠金融下沉更好地为“长尾人群”服务。应进一步加强数字普惠金融对“胡焕庸线”西侧欠发达地区的倾斜,合理引导农村信贷资金流向农村欠发达地区。

(3) 数字普惠金融减贫效应的空间溢出作用对于巩固脱贫攻坚成果具有深刻的政策含义。①将空间溢出效应纳入制定经济政策的过程中,采取更具针对性的区域政策组合对西侧地区进行精准帮扶,有助于减少我国贫富差距过大的问题。②建立健康的双向竞争机制,形成“胡焕庸线”两侧地区互利共赢的金融服务新格局。东侧地区需要积极寻求数字普惠金融创新渠道,激活空间溢出效应源;而西侧地区在接纳溢出效应的同时,也要积极寻求本地区数字普惠金融溢出渠道,促进本区域减贫效应的顺利发挥。