数字普惠金融发展对农民收入的影响——基于空间溢出视角的实证检验

陈 鸣 于 杰

（南华大学，湖南 衡阳 421001）

一、引言

“三农”问题即在我国发展进程中农民、农业以及农村中存在的问题，一直受到国家的高度关注，是政府每年各项工作中的重点。目前，我国社会与国民经济的发展进入新阶段，如何解决好“三农”问题，尤其是农民的收入问题，关乎能否充分激发我国农村经济的发展活力、推动建设现代化新农村、实现乡村振兴目标。近年来，随着我国经济发展与各项支农政策的实施，农村地区的经济得到持续发展，农民收入也随之提高。根据国家统计局公布的数据，2019 年我国农村居民人均可支配收入达到16020元，与2014年相比增长52.75%。然而从横向角度分析，2019年，我国城乡收入比为2.64∶1，说明我国城乡收入差距问题仍较为严重。持续提高农民群体收入、改善农村居民的生活水平、进一步推动城乡间协调发展、实现乡村振兴是我国农村经济下一阶段发展的目标。

由于我国农村地区基础设施较落后，农民金融意识较弱，现有金融产品不能完全满足农民需求，一些发展落后地区的农民群体长期被排斥在我国的金融体系外围，较少有机会接触到不断创新的金融服务，而普惠金融的出现与发展使该问题逐渐得到缓解。普惠金融最初于2005 年被提出，之后在世界各地得到快速发展，其主要目的是解决贫困与收入不平等的问题。近几年，随着互联网的普及以及人工智能、大数据等信息技术发展越发成熟，这些新兴技术被推广运用到各个行业中，传统的普惠金融也适应发展的潮流，将金融机构的业务逐步向网络化、数字化转型。2016 年，G20 峰会上首次提出“数字普惠金融”的概念，该模式打破了传统普惠金融的发展壁垒，使金融系统的各项服务覆盖至地理偏远、经济落后的地方，此外信息技术还有助于减少金融机构的经营成本，提高金融服务获取的便捷性。农民参与金融服务的意愿提高，商业持续性增强，有利于解决我国的“三农”问题、实现经济包容性增长。

二、文献综述

由于数字普惠金融提出的时间较短，目前学术界对该领域的研究较少，研究内容也主要集中在其对城乡收入差距、减缓贫困和经济增长的影响等方面。其中，宋晓玲（2017）认为数字普惠金融通过引入数字技术、扩大用户群体和更好地控制风险等三个方面使金融机构的服务门槛降低，减缓农村贫困，有利于缩小城乡收入差距。程名望和张家平（2019）指出，互联网技术的发展与普及运用有利于促进农村经济的包容性发展，缩小城乡间差距，并呈先增后减的倒“U”型趋势。孙继国和赵俊美（2019）通过对数字普惠金融与传统普惠金融的实证研究，发现它们对城乡收入差距的影响均存在门限效应，且不同地区具有明显差异。任金政和陈宝珍（2020）认为数字金融通过丰富农户理财知识和贷款知识实现信息效应，从而缓解农户的金融排斥。张勋等（2019）结合我国家庭追踪调查数据研究，发现数字普惠金融的发展不仅有助于提高农民群体的家庭收入，还能够增加农民的创业机会。张林（2021）基于县级数据进行实证研究，发现数字普惠金融对县域产业升级与农民收入的提高具有正向促进作用，且对县域产业升级具有中介效应。从空间视角出发，陈啸和陈鑫（2018）提出数字普惠金融突破了地域限制，有效缓解区域整体性贫困的问题，在短期内主要借助数字技术发挥空间外溢效应，有助于促进农民增收、缩小城乡间的收入差距。余海华和张静（2021）发现中国省际数字普惠金融空间关联具有显著的非均衡特征，各省份之间存在明显的关联与溢出效应，且东部省份的数字普惠金融的发展联动效应比中、西部省份显著。

现有文献中研究数字普惠金融与农民收入关系的较少，且存在一定的局限性：一是发展数字普惠金融与农民增收都无法避免生产要素在不同地区间的流动，而目前学术界的研究还未考虑到空间层面的影响，可能会导致研究结论缺乏严谨性；二是现有的研究文献因为考虑到数字普惠金融指数的可获得性，大多数采取的是2011～2015年的数据，使得研究的区间比较短而且时效性较弱，无法说明我国数字普惠金融发展的最新情况。鉴于此，本文基于2011～2019年北京大学数字普惠金融指数，通过建立空间计量模型实证分析数字普惠金融影响农民收入的空间效应，以便更好地为我国数字普惠金融的下一步发展提出政策建议。

三、理论分析与研究假设

（一）数字普惠金融影响农民收入的理论分析

第一，降低门槛效应。得益于数字技术的快速发展与运用，农民利用智能端，足不出户就可以获取所需要的金融服务，而各个金融机构也可以通过人工智能为客户提供服务，不仅可以降低机构的运营成本，还大大提高工作效率。借助于大数据平台可以对客户的信用进行评估，有利于及时有效地对风险进行控制。减轻地域条件的限制，有利于降低金融机构对弱势群体的服务门槛，也使更多的农民有机会获得与其金融需求相匹配且在其负担范围内的金融服务，进一步增加农民资本投资的选择渠道，帮助其提高收入。第二，缓解排除效应。由于我国农村地区经济发展与信用体系发展都比较落后，金融服务的成本与风险较高，各大金融机构不愿意深入农村地区开展金融业务，农民很难有机会接触到精准化的金融服务。而数字普惠金融通过数字化技术扩大金融的市场覆盖面与拓宽金融的服务深度，使更多弱势群体有机会接触到精准化、定制化的金融服务，有助于其收入的增加。第三，经济增长效应。随着信息技术发展的成熟，数字普惠金融逐步被推广运用到各行各业，使得各大企业的经营模式变得更加智能高效，劳动产出的效率大大提高，也带来更多就业机会。此外，数字普惠金融发展使更多农民参与到金融业务中，扩大金融体系的客户群体，加快金融资源的转移，使更多资金留在农村，增加农村储蓄，农村的资本也得到进一步的积累。根据新古典经济增长理论，较高的储蓄率，使人力资本较低的地区获得更快的经济增长（郑志强，2020）。因此发展数字普惠金融有利于农村获得更快的经济增长，再进一步通过“涓滴效应”增加农村贫困人口的收入，使弱势群体的福利得到提高。第四，收入分配效应。合理地改善收入分配能够促进弱势群体增收。数字普惠金融发展的同时也衍生出许多政策性金融产品，帮助农村的贫困群体获得其需要的政策性补贴贷款，使收入得到再次分配，有利于实现经济的包容性增长。

（二）数字普惠金融发展的空间相关性

根据地理学第一定律，空间距离越近的物体，关联程度越高（白俊红等，2017）。而相邻区域之间，经济发展和生产活动等方面也常常存在着较为相似的特征，且某个区域的经济活动可能会受到其他区域的一些经济行为的影响。当一个区域对金融资源进行集聚，优化升级其生产要素的配置，使得该区域逐渐发展成为金融中心，并利用信息技术发展形成规模经济，成功发展数字普惠金融，使当地的经济水平与农民收入得到提高，那么该地区的发展模式、政策措施与创新经验都将会通过空间溢出效应对周边其他地区产生示范作用。此外，信息技术的快速发展与运用在一定程度上使金融市场信息不对称的问题得到缓解，为有效发挥数字普惠金融的空间溢出效应提供技术支持（王永静等，2021）。

基于以上分析，本文从空间角度出发，实证分析数字普惠金融与农民收入之间的关系。提出本文的假设：数字普惠金融的发展有利于促进农民收入增加，且存在显著的空间溢出效应。

四、研究设计

（一）变量选取

1.被解释变量：农民收入水平（INC）。以农村居民的人均可支配收入衡量。需说明的是，统计口径自2013 年发生改变，所以本文中2011 年与2012 年的INC 用农村居民纯收入衡量。从计算方式上二者并无太大的差别，因此本文将两个统计口径中的收入数据统称为农村居民的可支配收入。

2.解释变量：数字普惠金融发展水平（INDEX）。由于数字普惠金融是一种新兴的概念，目前对其测量的标准还未得到统一。学术界较权威的数据是北京大学数字金融研究中心编制的《数字普惠金融指数》。本文中选用的是其在2020年公布的数据（郭峰等，2020）。

3.控制变量。经济发展水平（RGDP）：以各省份人均生产总值衡量。财政支农水平（EXP）：政府部门财政支农资金的使用效率将会对农民收入水平产生影响，本文以各省份的农林水事务支出占地方一般公共预算支出的比重来衡量。城镇化水平（URBAN）：城镇化发展会使农村地区多余的劳动力流向城市，提高农村劳动力的报酬，从而增加其收入。本文以各省份的常住城镇人口占总人口的比重来衡量。移动电话普及率（MOB）：该指标反映一个地区的信息通讯技术水平。通讯技术可以提高信息传输的效率，帮助农民迅速获得农业生产及经营方面的信息，有助于增加经济机会，提高其劳动收入。本文以各省份每百人拥有的移动手机数量来衡量。

（二）数据来源与描述性统计

本文选取我国31 个省份2011～2019 年的面板数据为样本（港澳台地区数据缺失，故不纳入考量）。文中采用的数据均来源于《中国统计年鉴》和《北京大学数字普惠金融指数（2011—2019 年）》与各省份统计年鉴，并对其进行整理与计算。为避免出现异方差，本文对数据进行取对数处理，各变量描述性统计结果如表1所示。

表1 各变量描述性统计

（三）模型设定

1.空间计量模型。不同的空间计量模型具有不同的传导机制。空间误差模型（SEM）假设空间溢出是随机冲击导致，其空间效应通过误差项体现；而空间自回归模型（SAR）则假设因变量通过空间交互作用对其他地区产生影响。然而实际上，某因素的空间效应可能同时存在上述这两种情况，所以会导致研究结果出现偏差，缺少说服力。基于此，Lesage &Pace（2009）构建空间杜宾模型（SDM），包含上述两种传导机制。为了更加全面严谨地分析数字普惠金融对我国农民收入的影响，本文按如公式（1）至公式（3）所示的顺序依次对空间计量模型进行设定和检验，通过对实证的结果分析比较，选出其中具有最优拟合效果的空间模型，如公式（1）所示。

公式（1）为空间杜宾模型（SDM），当θi=0(i=1,2)时，为空间自回归模型（SAR），如公式（2）所示。

当公式（1）中的交互项系数θi、回归系数β1与空间滞后系数ρ三者之间满足θi=-ρβ1时，为空间误差模型（SEM），如公式（3）所示。

其中，lnINCit表示第i个省份第t年的农民收入，lnINDEXit表示第i个省份第t年的数字普惠金融发展水平，Xcontrol表示影响农民收入的控制变量，W为n*n阶空间权重矩阵，μit表示个体效应，εit表示随机误差，都满足μit～iid(0,δ2)，εit～iid(0,δ2)，而ρ、βi、θi为待估计的参数。

2.空间权重矩阵。在以往的实证研究中，大多数学者们采用的是邻接矩阵，即如果某两个地区是相邻的，矩阵中相对应的元素则取1，如果这两个地区不相邻则取0。然而也有许多学者提出采用地理邻接矩阵并不能充分全面反映出各区域间的关联度（李婧等，2010）。因为某个省份的经济活动产生的空间效应并不仅仅只针对相邻的省份，它会对所有的地区都产生影响，地理距离越远的地区受其影响的程度越弱。例如上海与安徽、新疆都是不相邻的，当采用邻接矩阵时，它们的权重都为0，然而实际上，由于安徽距离上海更近，上海的经济活动对安徽的影响程度可能要强于相距较远的新疆的影响。而当选用邻接矩阵时则体现不出这些不同，可能会导致研究结果出现偏差。为进一步增强实证结果的可靠性，本文通过空间距离权重矩阵W 进行研究，该矩阵中主对角线的Wij都为0，其他非主对角线上的Wij则用两个省会间的地理中心距离dij平方的倒数来表示，如公式（4）所示。

其中，i=1,2,···,31;j=1,2,···,31。

3.空间效应分解。参照Lesage &Pace（2009）的研究方法，本文将利用偏微分对空间效应进行分解，具体计算过程如下：

第一步，将SDM 模型转化为矩阵形式，如公式（5）所示。

令P(W)=(Ιn-ρW)-1，Qm(W)=P(W)*(Ιn βm+QmW)，其中，为了使公式简化，用Y来表示农民收入，其余变量的意义均与上述的一致，则公式（5）可以转化如公式（6）所示。

其中，m=1，2，…，k，用来表示自变量的个数。将因变量依次对第j 地区中第m 个自变量进行偏微分，通过计算处理可以得到直接效应（Direct Effects）、间接效应（Indirect Effects）和总效应（Total Effects），如公式（8）所示。

五、实证结果与分析

（一）空间相关性检验

本文采用Moran’s I 指数检验变量的空间相关性，全局Moran’s I 指数表示变量在整个空间上的集聚情况，其定义如公式（9）所示。

表2 数字普惠金融与农民收入的全局Moran’s I指数

从表2 可以看出，2011～2019 年我国各省份的数字普惠金融发展和农民收入的全局Moran’s I 指数值均显著为正，说明二者均存在显著的空间正相关特征。进一步地，对二者的局部空间特征进行检验，图1 至图4 分别给出2011 年和2019 年空间距离权重矩阵下我国31 个省份INDEX 与INC 的局部Moran’sI指数散点图。图中数字1～31依次代表北京、天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、上海、江苏、浙江、安徽、福建、江西、山东、河南、湖北、湖南、广东、广西、海南、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆等31个省份。由图1和图3可知，2011年和2019年的数字普惠金融指数的局部Moran’s I指数分别为0.257和0.304，由图2和图4可知，2011年和2019年的农民收入水平的局部Moran’s I指数分别为0.379和0.367，且均显著为正。说明我国数字普惠金融与农民收入存在空间正相关特征。此外，从整体上分析，我国的数字普惠金融和农民收入在空间上均呈集聚分布的特点，且其主要分布在第一、三象限，即呈“高—高”和“低—低”集聚。因此，当对数字普惠金融发展与农民收入的关系进行实证分析时，不能忽略其存在的空间效应。

图1 2011年数字普惠金融指数Moran’s I散点图

图2 2011年农民收入Moran’s I散点图

图3 2019年数字普惠金融指数Moran’s I散点图

图4 2019年农民收入Moran’s I散点图

（二）空间计量模型回归分析

首先，对固定效应模型和随机效应模型进行Hausman 检验，结果显示其卡方值为31.16，且在1%的水平下拒绝原假设，因此本文将采用固定效应模型。进一步地比较分析，本文将选择最有效的时间固定效应模型。

其次，表3 给出了基于空间距离权重矩阵的SAR、SEM和SDM模型的估计结果。由表3可看出三个模型中数字普惠金融发展水平（lnINDEX）的回归系数均显著为正，所以可初步判断：数字普惠金融的发展可正向促进农民增收。此外，SEM模型的空间滞后系数ρ为0.730，SAR和SDM模型的空间误差系数λ分别为0.544和0.374，且均在1%的统计水平下显著，说明农民收入在省域空间上存在显著的正向空间集聚效应。原假设得到进一步验证，即数字普惠金融的发展有助于促进农民收入增加，且存在显著的空间溢出效应。

表3 基于空间距离权重的模型估计结果

最后，进一步对上述三种模型进行比较分析，发现SDM模型的拟合优度R2最高且回归系数显著个数较多。为了加强实证的严谨性，本文参考Ramos（2005）的研究方法，对SDM 模型进行LR 空间滞后检验和LR 空间误差检验，原假设分别为H0：θ=0 时，SDM 可退化为SAR；H0：θ+δβ=0 时，SDM 可退化为SEM。由表4 可知，检验结果均显著拒绝上述原假设。因此本文将采用SDM模型进一步分析数字普惠金融对农民收入的影响及其空间效应。

表4 LR空间检验结果

从上文的分析中可知，不能简单地通过实证结果中的回归系数来说明本文中数字普惠金融发展对农民收入的全部影响效应。因此本文通过偏微分方法将其进行分解，直接效应可看作数字普惠金融对本省份农民收入的影响，间接效应（空间溢出效应）则可看作数字普惠金融对其他省份农民收入的影响，结果如表5所示。

表5 空间效应分解结果

一方面，对解释变量的分解结果进行分析，由表5 可知，数字普惠金融发展水平（lnINDEX）对农民收入的直接效应为0.349，且在1%的水平下显著，说明某省份的数字普惠金融发展水平对其省内农村居民收入水平提高有显著的促进作用。这是因为随着数字普惠金融的发展，数字技术逐渐广泛应用到金融机构的各项工作中，提高机构的工作效率，人工智能的成熟也大大降低服务成本。此外，大数据的发展也使金融机构征信系统得到升级完善，降低机构的整体风险，鼓励越来越多的金融机构愿意逐渐向农村地区拓展金融业务，使广大农村群体的金融需求得到满足，有利于促进其增收。从空间溢出效应来看，其系数为0.130，且通过显著性检验，说明数字普惠金融的发展不仅会对本地区农民收入的增加有着积极影响，还有助于提高其他地区的农民收入。这是由于数字普惠金融利用信息技术可以突破地理界限，使各省份间的普惠金融服务可以相互渗透，相互作用，产生空间溢出效应。

另一方面，对控制变量进行分析，经济发展水平（lnRGDP）的直接效应的回归系数为0.380，间接效应的系数为0.696，总效应的系数为1.077，并且均在1%的统计水平下显著，说明经济发展水平对农民收入的影响在省域空间层面存在着强烈的正向溢出效应，不仅促进本省农民增收，还有助于邻省农民增收。这是因为某地区经济的增长会使该地区的物质水平得到整体提高，再通过“涓滴效应”促进弱势群体的收入增加，提高社会福利水平。财政支农水平（lnEXP）的系数均为负值且绝对值比较小，出现这种结果的原因可能是：一是财政支农作为一种激励政策手段有助于促进农村经济增长，使农民受益（黄寿峰，2016），但是当存在收入分配不平等时，一些需要政策支持的农民并未得到相应的资助，导致财政支农政策的效果不是很明显；二是由于我国的农林水事务支出主要投入第一产业中，而近年来，各地区积极利用农村地区的当地特色资源，发展有优势的产业，改变农村的产业结构，总产值中第一产业的占比不断下降，导致财政支农政策对农民增收的作用不明显甚至为负的结果。城镇化率（lnURBAN）的统计结果不显著，表明我国城镇化发展对农民收入影响不显著。然而统计上的结果并不能完全否定城镇化发展对农民收入提高的积极作用。提高城镇化率有助于农村地区将剩余的劳动力逐渐转移到城市，农民可以通过在城市中就业增加其收入来源，提高农民的非农收入，使其总收入得到提高（聂高辉和宋璐，2020）。移动手机普及率（lnMOB）对农民收入的间接效应和总效应的回归系数均为负值，表明移动手机普及率的提高会抑制农民增收。这个结论虽然看似与理论相悖，但通过分析会发现，我国农村居民的平均受教育时长较短，手机的使用年限也尚短，大部分农村网民的网络活动只是简单的社交、观影或游戏等，对于互联网的认知还局限在休闲娱乐层面，很少涉及金融理财等（徐光顺和蒋远胜，2017），农民阶层还未能通过利用信息技术获取有效信息，以此改善其收入水平。

六、结论与建议

（一）结论

1.我国数字普惠金融对农民收入的直接效应与空间溢出效应均为正，说明数字普惠金融的发展不仅可以促进本地区农民增收，还有助于其他地区农民增收。

2.我国数字普惠金融和农民收入均存在显著的正向空间相关性，且整体上均呈“高—高”和“低—低”的集聚特点，表明二者均表现出发展不平衡性。

3.从其他因素分析，经济发展水平对农民收入具有显著正向作用，但财政支农、城镇化率与移动手机普及率等因素还未能有效地帮助农民增加收入。

（二）政策建议

1.进一步深化数字普惠金融发展。通过运用新型数字技术，有序拓展数字普惠金融的各项业务，逐渐扩大农村地区的服务覆盖范围；加强基础设施的建设，优化金融资源的配置，衍生出更多符合广大农民需求的金融产品；进一步完善并加强我国农村地区的信用体系，向广大农民积极宣传并普及数字金融知识，提高农民对数字化金融服务的使用意愿。此外，要真正发挥数字普惠金融的优势，全方位、多层次地服务于农村金融市场。通过对金融产品进行合理创新，使广大农民有更多机会可以接触到自己真正需要的金融产品，通过金融服务提高其收入水平。

2.优化金融资源空间布局，加强跨区域合作。各地在推进数字普惠金融发展的过程中，应根据不同地区的具体情况和问题制定具有针对性和差异化的政策，努力消除数字普惠金融发展的区域不平衡性。也可以选择在经济基础较好、服务设施完善的城市构建数字普惠金融发展网络，充分发挥中心城市的溢出效应来进一步带动其他地区的数字普惠金融发展，形成良性循环。进一步加强区域间的合作，利用信息以及知识共享等技术，打破地域间的壁垒，通过各区域间的直接效应和溢出效应促进各区域共同发展。优化资源配置，使更多金融资源投入“三农”领域，促进农民增收，提高其生活质量，加快农业现代化转化，进一步推动新农村的建设，助力我国乡村振兴的目标实现。

3.进一步促进数字普惠金融与其他因素协同发展。借助于互联网技术来扩大农业的融资渠道，改善农村金融市场环境，推进我国农业的现代化发展；建立健全财政支农政策的长效激励机制，进一步对我国财政支出的结构进行调整与优化，提高资金的使用效率，真正惠及广大农民群体。因地制宜，结合各农村地区的现有资源，利用互联网大数据进行宣传，在当地金融机构的帮助下促进地方特色产业发展；积极向广大农民群体宣传普及金融知识，加强其对数字技术的应用，提高其对金融服务的参与意愿。

4.加快完善数字普惠金融的监管体系。农村居民在享受数字普惠金融快速发展带来福利的同时，也面临着一些风险。由于我国大多数农村居民受教育程度比较低，金融方面的知识比较欠缺，对风险的识别以及对损失的承受能力都有限，我国农村金融市场存在着较大的潜在风险。为充分发挥出数字普惠金融的积极作用，首先，应加强我国的金融环境建设，提高农民群体对数字普惠金融的认识，在农村地区积极宣传普及数字金融方面的知识，增强农民风险识别与规避的能力。其次，应进一步促进信息技术的发展与升级，保障数字化服务的安全性。最后，政府也要加快构建更加完善的监管体系，在鼓励金融机构创新的同时也要加强监管要求与力度，降低风险，保护金融客户的利益。