数字普惠金融能否改善金融“脱实向虚”局面

2021-06-29马丹王丹申琳

海南金融 2021年4期

马丹王丹申琳

摘要：本文首先从理论上梳理了数字普惠金融发展对实体经济的内在影响机理，其次运用固定效应和空间静态面板模型，以2011—2018年中国31个省市区为研究对象，实证分析了数字普惠金融发展对实体经济的影响和异质性。研究发现：我国数字普惠金融与实体经济发展均存在显著的空间相关，数字普惠金融能促进实体经济发展，但存在负的空间溢出效应;异质性分析的结果显示，金融服务的覆盖广度、使用深度和数字支持服务程度都有助于促进实体经济发展，但空间上使用深度存在负的空间溢出效应，其他两个维度不显著。在此基础上，本文建议加强区域之间数字普惠金融协同发展，扭转“虹吸效应”局面，促进各地合作共赢。

关键词：数字普惠金融;脱实向虚;实体经济;空间效应

DOI：10.3969/j.issn.1003-9031.2021.04.009

中图分类号：F832;F124 文献标识码：A 文章编号：1003-9031（2021）04-0067-12

一、引言及文献综述

习近平总书记指出“不论经济发展到什么时候，实体经济都是我国经济发展、我们在国际经济竞争赢得主动的根基。我国经济是靠实体经济起家的，也要靠实体经济走向未来。”近年来，我国经济发展“脱实向虚”现象严重，许多学者从多个角度分析了其成因。彭俞超和黄志刚（2018）认为传统金融体系差别对待风险异质性企业是造成经济“脱实向虚”的主要原因。风险低的企业易获得更多的信贷支持，从而促进富余资金流向高收益的金融市场，造成资产价格膨胀、虚拟经济泡沫化等现象;而风险高的企业不易获得资金，从而影响其生产经营，造成实体经济有效投资不足。王国刚（2018）从资本“逐利”的本性出发，分析金融“脱实向虚”的主要原因是实体经济企业层面的资产边际收益率下降且波动较大，而资金具有追逐高收益低风险的性质，即导致资金流向虚拟经济，造成实体经济有效投资不足。陈享光和黄泽清（2020）认为是金融化催生了虚拟经济的发展，进而使“脱实向虚”问题凸显，即由实体部门产生的资本逐渐突破产业资本循环的约束，在非生产领域中循环和扩张，使得纯粹虚拟经济得以形成和发展。综上，我国金融发展呈现“脱实向虚”的主要原因是实体部门金融化现象加剧和实体经济有效投资不足。而十四五规划也多次强调要促进“普惠金融服务实体经济”，因此如何更好地促进金融服务实体经济，支持经济转型和产业升级，成为当下我国面临的经济难题之一。

借助互联网技术的发展，数字普惠金融应运而生，大大改善了金融服务的可得性和便利性，降低了金融服务的成本。鉴于数字普惠金融发展具有较好的经济特性，许多学者探究了其对实体经济的影响。

一是探究数字普惠金融对实体经济中单个经济变量的影响。现有研究从收入分配、消费、创业、社会保障、农村金融等多个角度探讨了普惠金融的经济效应。在收入分配方面，宋晓玲（2017）通过省际面板研究发现普惠金融发展可以缩小城乡收入差距，促进经济增长。在消费方面，易行健、周利（2018）研究发现，在样本期间内数字普惠金融发展可以通过缓解流动性约束与便利支付显著促进居民消费，尤其是对于农村家庭、中低收入家庭和欠发达地区家庭这一促进作用更为显著。在创业方面，谢绚丽等（2018）研究了发现数字普惠金融发展对创业有显著促进作用，且数字金融服务的覆盖广度、使用深度和支持服务程度均对其有促进作用。在社会保障方面，汪亚楠等（2020）通过收入效应和就业效应研究发现数字普惠金融发展能够显著提升社会保障水平。在农村金融方面，傅秋子、黄益平（2018）结合中国家庭金融调查，研究发现数字普惠金融发展能够促进农村正规金融需求，尤其对拥有手机、教育水平较高、有网购习惯的群体。

二是探究数字普惠金融对整体经济发展的研究。鉴于数字普惠金融同时具备传统普惠金融和互联网技术的独特优势，许多学者探究了其对经济增长的内在作用机理。郝云平和雷汉云（2018）发现数字普惠金融发展能够促进经济增长，且该作用是非线性的。张勋等（2019）基于微观数据，实证发现数字普惠金融特别有助于促进低物质资本或低社会资本家庭的创业行为，从而促进中国经济的包容性增长。然而这些研究都是从整体上探究数字普惠金融对经济增长的影响，并未细分实体经济与虚拟经济。此外，汪亚楠等（2020）基于地级市数据，实证发现数字普惠金融可以通过创新研发促进实体经济增长。成学真和龚沁宜（2020）通过传统金融发展、消费水平和科技创新机制，实证发现数字普惠金融发展有利于促进实体经济增长。但这些研究主要从线性的角度分析数字普惠金融对实体经济发展的影响，且割裂了区域之间可能存在的相互影响，从而会导致结果不能真实反映两者之间的关系。

综上，目前关于直接探究数字普惠金融与实体经济关系的文献较少，且都未考虑数字普惠金融和实体经济发展存在的空间外部性。在此基础上，本文拟从普惠金融与传统金融的差异上深入探讨数字普惠金融对实体经济的内在影响机理，从金融服务三个维度分析其异质性影响，并在模型中引入空间因素，基于省际面板数据使用空间杜宾模型实证分析数字普惠金融对实体经济的空间效应和异质性分析。

二、理论分析与研究假设

（一）数字普惠金融对实体经济的直接效应

与传统金融发展相比，普惠金融在目的和理念上具有独特的优势：首先，在目的上，傳统金融发展主要目的是通过将市场中分散的资金以储蓄的方式集中起来进行投资，随后将资金优化配置到国民经济的各个部门，从而促进实体经济的增长。而普惠金融的目的是以可负担的成本为社会各阶层和群体提供金融服务，其更注重金融服务覆盖的广度，让那些受到金融排斥的个体也能够享受金融服务，从而进一步扩大了参与实体经济的市场主体。其次，在理念上，传统金融发展主要以盈利为目的、追求利润最大化，导致金融资源流向具有“高收益”、“高回报率”特点的虚拟经济中，造成“脱实向虚”现象严重，从而不利于实体经济发展。而普惠金融发展更注重机会公平和商业可持续性，通过政策导向，能够有效促进金融资源流向中小微企业和弱势群体，激发该部分市场主体的潜在活力，从而更好地助力实体经济的健康发展。

数字普惠金融是普惠金融与互联网技术的结合体，除了具有上述普惠金融的优势之外，还同时具有互联网技术“成本低、速度快、覆盖广”的优势。具体来看，数字普惠金融促进实体经济发展主要体现在金融服务的覆盖广度、使用深度和数字支持服务程度三个维度上。

金融服务的覆盖广度是指其具有更强的客户触达能力。通过借助互联网技术，数字普惠金融能够跨越地理限制，使更多的人能够享受金融服务，尤其是偏远、贫困地区的人们，从而形成更广泛的覆盖面。金融服务覆盖面的扩大，可以使原来受到金融排斥的个体能够重新参与市场，增加市场主体的数量，创造新的产出，从而促进实体经济的发展。具体来看，近年来，数字普惠金融凭借较好的“地理穿透性”，助推了我国脱贫攻坚事业的发展。由于我国贫困人口主要集中于农村地区，而农村地区金融资源较为匮乏、金融机构数量少，导致金融服务覆盖率较低。数字普惠金融的发展能够较好的规避这些缺点，促进农村地区金融发展，进一步推动实体经济发展。

金融服务的使用深度是指互联网金融的实际使用情况，其中包括金融服务的类型和使用情况。就金融服务的类型而言，主要包括支付、信贷、保险、投资和征信服务。近年来，依托于互联网的数字普惠金融发展迅速，移动支付的快速发展极大地降低了金融服务的交易成本和时间成本，便利了居民消费，从而拉动实体经济增长。在信贷方面，数字普惠金融具有较强的政策性和靶向性，主要集中于为小微企业、“三农”领域和弱势群体提供普惠性贷款，降低了金融服务的门槛，缓解了这部分群体的融资约束，激发该部分群体创新创业的热情，从而推动实体经济发展。在保险、投资和征信方面，数字普惠金融可以借助于互联网技术对小微企业和低收入者的信用风险进行评估，从根源上降低金融投资风险;另外，数字普惠金融可以为实体经济提供保险，对冲实体经济发展过程中存在的各种风险，从而有助于降低实体经济的风险，为实体经济发展保驾护航。

金融服务的数字支持服务程度是具有更强的便利性和更低的服务成本。这是数字普惠金融与传统普惠金融发展最显著的差异。数字普惠金融发展的便利性主要体现为数字技术在其中的运用，通过数字技术的传导具有低成本、高效率的特点，从而提升数字普惠金融服务实体经济的效率。一方面，数字普惠金融通过移动终端就可以将金融服务送达到用户手中，摒弃了传统金融机构依赖于“营业网点数”和“从业人员数量”扩展业务的高成本服务模式，从而进一步降低了金融服务的门槛，有助于改善中小微企业融资难、融资贵问题，进而促进实体经济发展;另一方面，用户可以通过移动终端不分时间、不分地点的享受金融服务，提高了金融服务的效率，扩大了金融服务的范围，从而更好地服务市场主体，助力实体经济发展。

综上，本文提出假设H1：数字普惠金融能够促进实体经济的发展，具体来看，其从金融服务的覆盖广度、使用深度和数字支持服务程度三个维度促进实体经济的发展。

（二）数字普惠金融对实体经济的空间效应

基于上述分析，数字普惠金融以其独特的优势能够促进实体经济的发展。近年来，随着互联网技术的运用，使得区域间的空间距离缩小，区域间的经济相互影响，区域间数字普惠金融发展呈现较强的相关性。此外，我国实体经济发展也存在较强的空间相关性。因此，不能单单只研究本区域经济变量之间的关系，还应考虑邻近区域经济变量对本区域经济发展的空间影响。即本区域数字普惠金融的发展不仅会对本地区实体经济发展产生影响，也会通过空间效应影响邻近区域实体经济的发展。

现有的空间效应主要包含溢出效应和虹吸效应两类。其中，溢出效应是指一个组织在进行某项活动时，不仅会产生预期的效果，而且会对组织之外的人或事物产生正的外部性。与之相反，虹吸效应是指在资源有限的情况下，一个组织优先发展就会对其周边组织的人或事物产生强力的吸引，从而抢占周边组织的优秀资源，对其产生负的外部性。具体来看，数字普惠金融对实体经济发展的空间效应取决于溢出效应和虹吸效应的相对大小，对此本文提出如下两个假设：

H2-1：数字普惠金融对实体经济发展存在正的外部性，即空间溢出效应——本地区数字普惠金融发展会促进邻近地区实体经济发展;

H2-2：数字普惠金融对实体经济发展存在负的外部性，即空间虹吸效应——本地区数字普惠金融发展会抑制邻近地区实体经济发展。

三、空间相关性检验

（一）数据来源

本文的研究样本为中国31个省市区，时间跨度为2011—2018年。相关数据来源于北京大學数字金融研究中心、国家统计局分省年度数据、中国教育统计年鉴、中国互联网信息中心和Wind数据库。

（二）变量定义

1.被解释变量

实体经济发展水平（re）。本文参照张林（2016）的方法，选择各省区市生产总值剔除金融业和房地产业增加值的部分衡量地区实体经济总量增长指标。为避免人口因素干扰，本文将得到的总量指标比上地区年末常住人口，得到人均实体经济发展水平指标作进一步研究。此外，本文对该指标以2011年为基期做了平减处理，以剔除价格因素的影响。

2.核心解释变量

数字普惠金融指数（dfii）。本文参照北京大学数字金融研究中心等机构联合编制的《北京大学数字普惠金融指数（2011—2018年）》。该套指标从互联网金融服务的覆盖广度（cdfii）、使用深度（udfii）和数字支持服务程度（ddfii）三个维度构建了含24个指标的指数体系，能够较为全面地反映数字普惠金融发展的实际情况。

3.控制变量

地区创新水平（novelty），使用各省份专利授权数量表示地区创新水平，并对其做对数处理;政府支出规模（gov），使用地方财政一般预算支出占该地区当年GDP的比重表示地区财政支出规模;开放度（fdi），使用外商直接投资占该地区当年GDP的比重表示地区对外开放程度;教育水平（edu），本文参照杨伟明等（2020）使用每十万人高等学校平均在校生人数表示地区教育发展情况，并对其进行对数处理;城镇化（urban），使用城镇人口占总人口的比重来表示地区城镇化发展水平;互联网发展水平（net），本文利用中国互联网信息中心（CNNIC）公布的2011—2018年省级层面的互联网普及率来衡量当地互联网发展水平。变量的描述性统计见表1。

（三）空间相关性检验

空间自相关检验是使用空间计量模型的第一步。本文以空间邻接权重矩阵为基础，采用莫兰指数分别对2011—2018年实体经济发展水平和数字普惠金融指数的空间相关性进行检验（见表2）。我国实体经济发展水平和数字普惠金融指数的莫兰值都大于0，且均通过1%的显著性水平，说明我国各省市区实体经济发展水平和数字普惠金融均存在较强的空间正相关，为本文后续进一步研究奠定了基礎。

四、实证分析

（一）模型设定

1.普通面板模型设定

为了更好地描述在考虑空间因素后，数字普惠金融对实体经济发展的影响变化，本文在进行空间计量前，先设定了普通面模型与之进行比较。具体模型如下：

2.空间计量模型设定

空间计量模型的种类较多，本文主要对三种常见的模型进行了分析和选择，它们分别是空间滞后模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM）进行选择，具体模型依次如下：

其中，为空间自回归系数，为空间自相关系数，其余变量同普通面板回归模型的设定。SAR模型反映的是不同区域间实体经济发展水平的内生交互效应，即邻近区域实体经济发展会对本地区实体经济发展产生一定的影响;SEM模型反映的是空间中存在的自相关性是由于误差项之间的相关性所引起的;SDM模型同时反映了不同区域间实体经济发展水平的内生交互效应和外生交互效应，即本地区实体经济发展水平同时受到邻近地区实体经济发展水平和数字普惠金融发展的影响。

（二）模型估计

鉴于SDM模型较其他两个模型较为全面，本文在SDM模型基础上参照Elhorst（2014）提出的LR检验和Wald检验对模型做进一步选择选择。其中，LR检验和Wald检验的主要功能是判断SDM模型能否退化为SAR模型或SEM模型。首先，本文对普通面板回归模型进行Hausman检验，结果显著拒绝原假设，使用固定效应模型进行后续分析。结果如表3所示，LR检验和Wald检验统计值都在10%的显著性水平下拒绝原假设，说明SDM模型不能退化为SAR模型或SEM模型，因此本文选择SDM模型进行后续研究。

更进一步，为了直观地看出各个模型统计上的区别，本文依次列出了OLS、SAR、SEM和SDM模型的实证结果进行分析，此外也可以通过Log-L值的大小对模型进行选择。具体结果如表4所示，其中SDM模型的Log-L值最大，结合上述分析，本文将着重考虑SDM模型进行后续分析。

由表4可知，OLS、SAR、SEM和SDM模型中数字普惠金融对实体经济发展水平的估计系数分别为0.0468、0.0425、0.0522、0.0698，且均通过1%的显著性水平，说明数字普惠金融能够促进实体经济的发展。与OLS模型相比，SDM模型的估计系数更大，说明考虑空间因素后，数字普惠金融对实体经济的影响更加显著。SAR和SDM模型的空间自回归系数依次为0.2238、0.2766，且通过1%的显著性水平，即说明实体经济发展存在较强的空间正相关性，邻近区域实体经济发展会对本地区实体经济发展产生正向空间溢出效应。在SDM模型中，数字普惠金融指数的空间系数为-0.0610，且通过1%的显著性水平，意味着本区域数字普惠金融的发展会对邻近区域实体经济发展产生负的空间效应，即所谓“虹吸效应”。

由上述结果可知，在考虑空间因素以后，实体经济发展存在较强的空间相关，从而会使模型估计产生偏误，即SDM模型中其余经济变量的空间回归系数不能完全反映变量本身对实体经济发展的影响大小。为解决上述问题，本文参照LeSage & Pace（2009）采用求偏微分的方法，对变量的效应进行分解，分别为直接效应、空间效应和总效应，本文主要讨论直接效应和空间效应。其中，直接效应表示本地区数字普惠金融等相关变量对本地区实体经济发展的影响，空间效应表示邻近区域数字普惠金融等相关变量对本地区实体经济发展的影响（见表5）。

由表5可知，数字普惠金融对实体经济发展的直接效应和空间效应的空间回归系数分别为0.0674、-0.0568。其中，空间效应占比高达46%，说明本地区实体经济发展不仅受到本地区数字普惠金融发展的影响，还受到邻近区域数字普惠金融发展的影响。此外，数字普惠金融对实体经济发展的直接效应显著为正，说明本地区数字普惠金融发展有利于促进本地区实体经济的发展，而其空间效应显著为负，即邻近区域数字普惠金融发展对本地区实体经济发展存在负向空间效应。这证实了我们的假设H2-2。本文认为造成负的空间效应的主要原因是我国数字普惠金融发展起步较晚，区域间基础设施、数字技术等发展状况各不相同，从而使得区域间资源配置不均。当某地区数字普惠金融发展较好时，即意味着更多种类的金融服务、更低的金融服务成本和更高的金融服务便利性，从而会吸引邻近区域的中小微企业和低收入者异地迁移来该地创业、发展，产生“虹吸效应”，促进了本地区实体经济的发展，同时会导致邻近区域资源流失，对其实体经济发展产生负向作用。

在控制变量方面，创新水平的直接效应显著为正，说明地区创新水平越高，对本地区实体经济发展的促进作用越强。空间效应为正但不显著，说明本地区创新水平对邻近区域实体经济发展不具有显著影响。政府支出规模的直接效应和空间效应均显著为负，说明本地区及邻近地区政府支出规模的扩大会抑制本地区实体经济发展水平，可能的原因是：一方面，近年来地方政府热衷于基础设施建设，基础设施的完善促进了房地产价格的抬升，从而不利于实体经济发展;另一方面，地方政府支出并未直接流向实体经济部门，或是财政资金使用效率较低，从而导致实体经济有效投资不足，不利于实体经济发展。开放度的直接效应和空间效应显著为正，说明本地区及邻近地区对外开放程度的提高有利于促进本地区实体经济的发展。人力资本的直接效应和空间效应均为负但不显著，可能的原因是我国高技术人才缺乏，且大多数高技术人才都流向金融等领域，造成我国实体经济人才匮乏局面，不利于实体经济的发展;另外，我国人才在省域间流动较为频繁，当受教育程度较高的劳动力都流向经济发展较好的区域时，将会对发展较弱地区实体经济发展产生负向冲击。互联网发展水平的直接效应和空间效应为正但不显著，可能的原因是我国互联网技术还处于基础阶段，其对实体经济的正向促进作用还未显现出来。城镇化水平的直接效应显著为正，说明地区城镇化水平越高，其对本地区实体经济发展的促进作用越强。空间效应不显著，即说明本地区城镇化进度对邻近区域实体经济发展没有显著影响。

（三）稳健性检验

上述估计都是基于邻接权重矩阵进行的分析，为了更好地验证该矩阵下SDM模型的稳定性，本文通过引入地理距离权重矩阵与其进行比较。不同空间权重矩阵下SDM模型估计结果见表6。

由表6可知，无论在邻接权重矩阵还是地理距离权重矩阵下，SDM模型估计结果均显示：空间相关系数显著为正，即说明区域间实体经济发展存在正的空间相关性;数字普惠金融直接效应系数显著为正，即说明数字普惠金融发展能够显著促进本地区实体经济的发展;数字普惠金融空间效应系数显著为负，即存在负的空间效应，说明邻近区域数字普惠金融发展将会对本地区实体经济发展产生抑制作用;其余控制变量正负、显著性基本一致。以上结果与上文结论保持一致，证实了本文研究结论的稳健性。

（四）数字普惠金融对实体经济发展的异质性分析

数字普惠金融发展主要可以分为金融服务的覆盖广度、使用深度和数字支持服务程度三个维度。为了验证上文H1的假说，本文分别就这三个维度对实体经济发展的异质性影响进行分析（见表7）。

由表7可知，数字普惠金融服务的覆盖广度、使用深度和数字支持服务程度直接效应的回归系数依次为0.0135、0.0228、0.0175，均通过了10%的显著性水平，即证实了本文假设H1，数字普惠金融可以具体通过三个维度促进实体经济发展。从数值大小来看，使用深度的系数大于覆盖广度和数字支持服务程度，即说明金融服务的使用深度对实体经济发展的促进作用强于其余两个维度。空间效应上，只有使用深度的空间效应显著为负，其余维度不显著。究其原因，首先，使用深度是区域间数字普惠金融发展不平衡的主要原因，数字普惠金融发展相对发达的地区，金融服务业务发展较深，从而能够较好的促进本地区实体经济发展水平。其次，优质的金融服务业务会冲破地理空间限制，吸引邻近区域的市场主体前来办理，产生“虹吸效应”，从而挤占了邻近区域金融服务的市场份额，对邻近区域实体经济发展产生负面作用。

五、结论与政策建议

本文梳理了数字普惠金融对实体经济的内在影响机理，通过对比数字普惠金融与传统金融发展存在的差异，发现数字普惠金融在理念、目的上可以弥补传统金融的不足之处，从而促进金融更好地服务实体经济。具体来说，数字普惠金融主要通过金融服务的三个维度：覆盖广度、使用深度、数字支持服务程度作用于实体经济。本文将2011—2018年北大数字普惠金融指数与我国31个省市区宏观数据进行匹配，采用普通面板模型和静态空间面板模型实证检验数字普惠金融对实体经济的直接效应和空间效应。研究发现：第一，空间相关性检验显示数字普惠金融和实体经济发展均存在显著的空间相关性，即本地区经济变量的活动与邻近区域经济变量的活动是相互影响的;第二，SDM模型效应分解显示数字普惠金融的直接效应为正、空间效应为负，即数字普惠金融发展对本地区实体经济具有显著促进作用，但是会抑制邻近区域实体经济的增长，即虹吸效应;第三，数字普惠金融对实体经济的异质性分析显示金融服務的覆盖广度、使用深度和数字支持服务程度的直接效应均显著为正，即数字普惠金融发展可以依靠金融服务的广覆盖、多样化和低成本促进本地区实体经济的发展。空间效应方面只有使用深度显著为负，其余不显著，即本地区金融服务使用深度的发展会抑制邻近区域实体经济的发展。

基于上述理论分析和实证检验，本文提出以下建议：一是加强地区互联网基础设施建设，完善数字普惠金融服务体系，扩大数字普惠金融的覆盖广度，推进金融服务的普及，更好激发潜在市场主体的经济活力;二是加强地区金融产品创新，深入研究信用评估、信贷、保险、支付等金融手段促进实体经济的作用，创造更多利于实体经济发展的金融产品，构建数字普惠金融产品体系，更好地对标实体经济发展;三是加强省域之间的经济技术交流，极大化利用数字普惠金融良好的“地理穿透性”，鼓励金融服务的跨区域供给和使用，扭转“虹吸效应”导致的集中局面，促进省域间的合作共赢，从而更大程度上发挥数字普惠金融促进实体经济的作用。

（责任编辑：孟洁）

参考文献：

[1]彭俞超，黄志刚.经济“脱实向虚”的成因与治理：理解十九大金融体制改革[J].世界经济，2018，41（9）：3-25.

[2]王国刚.金融脱实向虚的内在机理和供给侧结构性改革的深化[J].中国工业经济，2018（7）：5-23.

[3]陈享光，黄泽清.金融化、虚拟经济与实体经济的发展——兼论“脱实向虚”问题[J].中国人民大学学报，2020，34（5）：53-65.

[4]张勋，万广华，张佳佳，何宗樾.数字经济、普惠金融与包容性增长[J].经济研究，2019，54（8）：71-86.

[5]黄益平，黄卓.中国的数字金融发展：现在与未来[J].经济学（季刊），2018，17（4）：1489-1502.

[6]宋晓玲.数字普惠金融缩小城乡收入差距的实证检验[J].财经科学，2017（6）：14-25.

[7]易行健，周利.数字普惠金融发展是否显著影响了居民消费——来自中国家庭的微观证据[J].金融研究，2018（11）：47-67.

[8]谢绚丽，沈艳，张皓星，郭峰.数字金融能促进创业吗？——来自中国的证据[J].经济学（季刊），2018，17（4）：1557-1580.

[9]汪亚楠，谭卓鸿，郑乐凯.数字普惠金融对社会保障的影响研究[J].数量经济技术经济研究，2020，37（7）：92-112.

[10]傅秋子，黄益平.数字金融对农村金融需求的异质性影响——来自中国家庭金融调查与北京大学数字普惠金融指数的证据[J].金融研究，2018（11）：68-84.