区域数字金融发展对乡村相对贫困的影响及其作用机制

刘自强 张天

摘   要：为检验我国数字金融发展的普惠程度，基于中国家庭金融调查数据与北京大学数字普惠金融指数的微观匹配数据，考察区域数字金融发展对乡村相对贫困的影响及其作用机制。结果表明：区域数字金融及其子维度的发展能显著提升农民整体收入水平，但惠及的重点人群是相对贫困线以上的农户，而相对贫困户受益面不足，现阶段无法显著缓解相对贫困。对其机制的分析表明：数字金融更多地表现为对传统金融业务的替代， 仅显著促进了相对贫困线以上农户金融可得性的提升，促进了这部分农户使用数字金融以实现增收;进一步地，相对贫困户难以获得数字金融服务的主要障碍因素并不是技术层面的数字鸿沟，即网络基础设施滞后，而主要源于相对贫困户因受教育水平所限导致金融素养较低而形成的参与门槛较高。对此，建议提升农户的教育水平和金融素养，推进农村金融数字化进程，促进其与传统金融融合发展以提升相对贫困农户的数字金融参与。

关键词：数字金融;相对贫困;农民收入;金融可得性

中图分类号：F832.35  文献标识码：A  文章编号：1674-2265（2021）11-0013-08

DOI：10.19647/j.cnki.37-1462/f.2021.11.002

一、引言

我国全面建成小康社会后，下一步贫困治理的重点将转向缓解相对贫困的长效机制。农村地区是相对贫困治理的重要区域，提升农民收入水平是缓解农村相对贫困的重要途径，而这离不开数字金融的支持。作为互联网科技支撑下的新型金融业态，数字金融由于具有更强的地理穿透性，近年来在服务农业生产、农民生活的过程中，为农民脱贫致富提供了重要支撑，但其所表现出的普惠性能否适用于治理乡村相对贫困，还需要深入解析。在此背景下，本文以数字金融服务供给与需求为切入点，基于中国家庭金融调查数据（CHFS）与北京大学数字普惠金融指数的微观匹配数据，探究区域数字金融发展对乡村相对贫困的影响及其直接作用机制。这对巩固扶贫攻坚成果的工具手段选择具有理论意义，对下一步相对贫困治理实践也具有一定的应用价值。

本文对已有文献做如下拓展：一是在数字金融迅猛发展的背景下，考察其对乡村相对贫困的影响，从数字金融服务供给与需求的视角深入考察数字金融影响相对贫困的效应，有助于厘清当前数字金融在乡村发展中的普惠程度。二是参考相对贫困的度量指标，以乡村相对贫困户与非相对贫困户收入的变动差异作为乡村相对贫困状况的衡量指标，基于数字金融对乡村不同群体的收入作用差异来考察其对相对贫困的影响，拓展现有相关研究。

二、文献综述与理论分析

贫困的內涵丰富而复杂，学者对贫困的认识由单一收入维度、多维度衡量的绝对贫困逐步转向包含社会排斥与社会剥夺、能力缺失维度的相对贫困理论（杨立雄和谢丹丹，2007;Alkire 和Foster，2010）[1，2]。大多数学者认为相对贫困是在基本生存需要得到满足后，发展机会、社会保障等落后于社会一般水平的一种状态（王国敏和何莉琼，2021;叶兴庆和殷浩栋，2019）[3，4]。相对贫困是贫困长期、真实的表现形式，反映了社会发展和分配的不平衡、不充分情况。中国相对贫困存在城乡差异，相较于城镇，乡村地区相对贫困问题较严重（李永友和沈坤荣，2007;仲超和林闽钢，2020）[5，6]。已有文献表明收入来源较少、教育资源匮乏以及健康状况欠佳是导致相对贫困发生的重要因素，而金融资源可得、激发脱贫致富的内生动力是解决相对贫困问题的有效途径（米运生，2009;曾晨晨，2010;解垩和李敏，2020）[7-9]。

近年来，数字金融作为我国金融发展的新业态，凭借交易便捷、低成本等优势，触及金融活动的方方面面，成为推进我国乡村普惠金融发展、缩小城乡收入差距和缓解贫困的重要工具（Mookerjee和Kalipioni，2010;Suri和Jack，2016）[10，11]。已有研究分别从宏观、微观层面，基于省级面板数据、微观截面样本实证探寻了数字金融发展与贫困的关系，大多数研究认为数字金融总体上有利于贫困的缓解（黄倩等，2019;龚沁宜和成学真，2018;金发奇等，2021;彭澎和徐志刚，2021） [12-15]。部分学者进一步探讨了数字金融减贫的作用机制，认为其可以通过直接拓宽信贷获得渠道、增加信贷可获得性改善贫困状况（周利等，2021）[16]，也可以通过增加就业创业机会、促进经济增长和缩小收入差距等间接渠道发挥作用（刘锦怡和刘纯阳，2020）[17]。同时，部分研究探寻了减贫效应的地区差异，但仍未形成共识。姚凤阁和李丽佳（2020）[18]认为数字金融具有一定的普惠性，对西部居民作用最大，陈慧卿等（2021）[19]研究表明数字金融对中西部农村地区减贫效应的边际贡献相对较高。但曾福生和郑洲舟（2021）[20]的研究表明，西藏、青海等地区数字金融的减贫效果还未完全发挥。此外，部分学者进一步探究了数字金融对相对贫困的影响，大部分学者认为其对缓解相对贫困具有一定的促进作用（孙继国等，2020;谢升峰等，2021）[21，22]。

数字金融在相对贫困治理中的角色取决于数字金融对不同特征群体增收效应的作用差异。不同特征群体参与数字金融的程度，获取发展、生产经营所需的数字金融服务的差异也直接影响了区域数字金融对相对贫困的作用方向及程度，而相对贫困户与非相对贫困户是否获取数字金融服务、是否能实现增收取决于供给和需求两方面因素。一方面，数字金融在乡村的供给与延伸是农户获取数字金融服务的前提。根据路径依赖理论，作为传统金融的延续性创新，数字金融在乡村的发展一定程度上会延续传统金融机构分布、扩散路径，率先在经济基础较好、网络基础设施较完善的地区发展，会间接忽视在偏远地区的拓展，促使农户面临“数字鸿沟”问题（姚耀军和施丹燕，2017;张龙耀和邢朝辉，2021;Guo等，2016）[23-25]，这可能不利于缓解相对贫困。事实上，已有研究表明，数字金融无法供给接触不到互联网的居民，同时也挤占了这部分居民的经济资源与发展机会（何宗樾等，2020）[26]。相对贫困农户可能因为数字金融服务供给延伸滞后而无法获取其所需的服务。另一方面，弱势群体，尤其是乡村低收入群体由于知识水平、发展型要素积累等初始禀赋、资源的相对匮乏，一定程度上会阻碍金融需求转化为实际的数字金融服务，从而难以在数字金融的发展过程中获益（王瑶佩和郭峰，2019;王修华和赵亚雄，2020）[27，28]。实际上，有学者的研究结果说明仅仅依靠数字金融的推广和供给难以实现金融普惠，发展数字金融的同时，也需提升居民教育水平与金融素养（周雨晴和何广文，2020;郭峰和王瑶佩，2020）[29，30]。因此，从金融服务的需求方看，相对贫困户可能会因为自身教育程度较低等问题无法从数字金融发展中获益。

通过对现有文献的梳理可以发现，数字金融发展促进绝对贫困减缓的作用已得证实，但对于数字金融对相对贫困治理的研究，还需从更多角度对其进一步验证，其作用机制还需要深入探讨。本文从数字金融服务供给与需求两方面切入，着重从是否获取数字金融服务的直接渠道探讨其在乡村地区的减贫效果与直接作用机制，丰富相关研究。

三、研究设计

（一）变量选取及数据来源

1. 被解释变量。现有相对贫困的测度方法主要有以下几种：一是OECD成员国的做法，即将家庭等值规模可支配收入中位数的一定比例确定为相对贫困线;二是墨西哥、哥伦比亚、南非等部分发展中国家制定的多维贫困指标，基于相对剥夺视角，考虑教育、健康等权力或机会剥夺状况，形成多维相对贫困标准;三是基于收入差距视角，使用基尼系数进行测算。收入比例法数据处理较容易，但相对贫困的划分受主观因素影响，难以合理界定;多维相对贫困指标能够综合多种维度更全面地进行测度，但数据可得性难以保障;而部分学者认为基尼系数测算基础、测算过程中存在偏误和遗漏，具有局限性（孙久文和夏添，2019）[31]。综合指标合理性与数据处理简易性，本文采用样本中位数人均收入的40%作为相对贫困线将样本进行划分，并以其50%的划分线做稳健性检验，将相对贫困线以下的农户定义为相对贫困户，其余农户定义为非相对贫困户，选取这两部分农民的家庭人均收入水平，基于区域数字金融发展对二者收入的影响差异来考察其是否有效緩解乡村相对贫困。

2. 核心解释变量。本文的核心解释变量是区域数字金融发展，参考北京大学数字金融研究中心基于蚂蚁金服提供的数据所刻画的北京大学数字普惠金融指数，该指数包含支付、保险、信贷和信用等业务，从覆盖广度、使用深度和数字化程度三个维度，较好地衡量了区域数字金融发展水平。

3. 控制变量。除核心解释变量外，本文还控制了其他影响农民收入水平的因素，包括农户个体特征变量、家庭特征变量和地区特征变量。其中个体特征包括性别、年龄、是否已婚和健康程度;家庭层面，家庭规模和家庭总资产是家庭收入的重要影响因素，这里用家庭成员数和家用汽车数量加以衡量;地区层面控制变量包括人均GDP、产业结构和城镇化水平，其中产业结构用第二、三产业占GDP比重加以衡量。此外，本文添加了中部和西部的地区控制变量。表1给出了相关变量的描述性统计。

4. 数据来源。本文样本农户基本数据来源于2017年西南财经大学中国家庭金融调查与研究中心开展的中国家庭金融调查项目，其样本数据覆盖了全国范围内29个省（自治区、 直辖市，以下简称省份）;核心解释变量数据来自《北京大学数字普惠金融指数（第二期，2011—2018）》;地区控制变量数据来源于《中国统计年鉴》。按照中国家庭金融调查数据中微观样本所属的省份将相关数据与数字普惠金融指数合并，最终得到12732户乡村家庭有效样本，其中相对贫困户和非相对贫困户样本数分别为3908个和8824个。为保证实证结果的可靠性，本文还使用 2013年、2015年中国家庭金融调查数据进行了稳健性检验。

（二）模型构建

1. 模型设定。为研究区域数字金融发展对乡村相对贫困户和相对贫困线上农户收入差距的影响，本文选取农民家庭人均收入作为因变量，估计数字金融对农户收入的边际贡献，如果数字金融对相对贫困户收入的促进作用显著大于相对贫困线上农户，则表示区域数字金融发展会缓解乡村内部不同群体的收入差距，反之则扩大收入差距。具体模型如下：

其中，[β0]为常数项，[IFIP]表示核心解释变量数字金融发展指数，[xip]表示个体控制变量，[zip]表示家庭层面控制变量，[pip]表示地区层面的控制变量，[uip]为误差项。

2. 内生性问题。在估计数字金融发展对农民收入的影响时，要尽可能避免存在的内生性问题。一方面，农民收入水平较高的地区往往会推动当地数字金融发展，存在反向因果问题;另一方面，存在测量误差和遗漏变量问题，导致估计偏误。以上情况均可能导致模型存在内生性问题。为解决该问题，本文采用倾向得分匹配法削弱内生性的影响。

四、实证分析

（一）数字金融对农民收入和乡村相对贫困的影响

表2第（1）列给出了数字金融与农民收入的基准回归结果，第（2）（3）列和第（4）（5）列分别为以中位数农户人均收入的40%、50%作为相对贫困线的分样本回归结果。可以看出，总体样本中，数字金融系数显著为正，即区域数字金融发展会促进整体农民收入水平的提升，说明其发展增加了乡村金融服务，缓解了资金约束，有利于农户开展创业、生产经营等活动，提升乡村居民整体收入水平。第2—5列的结果显示，数字金融显著提升了相对贫困线以上农户的收入水平，但对相对贫困农户收入的提升无显著促进作用，说明数字金融的发展没有发挥出改善农民相对贫困状况的作用。这意味着，现阶段区域数字金融发展依旧难以充分缓解传统金融发展供给的不平衡、不充分问题，其普惠性在乡村地区尚未得到充分体现，无法惠及全部农民，也无法有效缓解乡村相对贫困。

在控制变量方面，户主是否已婚、健康水平、家庭拥有汽车数等个体、家庭因素显著扩大了乡村相对贫困户和非相对贫困户之间的收入差距，不利于相对贫困的缓和，而地区控制变量无显著影响。这意味着，一方面，相对于相对贫困线以上的农户，相对贫困农户离异、未婚比例较高，健康状况较差，家庭资产相对较少，其个人、家庭经济社会资本的匮乏或低效利用是造成其无法增收、加剧相对贫困的重要因素，而地区经济、产业发展为农民个人发展、生产经营提供了相近的地区经济、社会环境，因此不是制约减缓相对贫困的主要因素;另一方面，农户参与数字金融并从中获益存在一定的门槛，其初始经济、社会禀赋等因素一定程度上制约了相对贫困农户利用区域数字金融的发展实现自我发展与增收，不利于相对贫困的缓解。

本文进一步利用倾向得分匹配法进行稳健性检验，参考周雨晴和何广文（2020）[29]的做法，以各年度数字金融发展均值为界划，大于均值的赋值为1，视为处理组;小于均值的赋值为0，为控制组。同时，选取个体和家庭特征变量作为协变量，估计倾向得分。表3报告了倾向得分匹配的平衡性检验结果，可以发现，解释变量的伪[R2]、[LR]统计量和标准化偏差在匹配后均大幅下降，可知用以下三种匹配方法匹配后，协变量不存在显著系统性差异，匹配效果较好。

从稳健性检验结果可知（见表4），使用近邻匹配和核匹配的检验结果均表明区域数字金融发展显著增加了相对贫困线以上农户收入，但不利于相对贫困的改善;使用半径匹配的检验结果表明区域数字金融发展有利于整体农户增收，但对相对贫困农户增收的促进作用明显较小。以上结果均验证了上述回归结果的稳健性。

（二）数字金融不同维度对相对贫困的影响

北京大学数字金融指数包含覆盖广度、使用深度和数字化程度三个子维度，分别从不同角度刻画了数字金融的发展程度，其对乡村相对贫困的作用可能存在差异。本文使用中国家庭金融调查2013年、2015年和2017年的面板数据，采用家庭所在省份距浙江省杭州市的距离与北京大学数字普惠金融指数子维度的乘积①作为工具变量，进一步识别其发展不同维度对相对贫困的影响。

表5报告了数字金融三个维度对乡村相对贫困的回归结果。可以发现，数字金融覆盖范围的延伸、服务的深化和其数字化程度的提升均未有效缓解相对贫困，其子维度的发展显著促进了非相对贫困农户收入的增加，实际上扩大了二者之间的收入差距。从中可以看出，相对贫困群体在数字金融服务范围拓展、使用程度的深化以及服务的便捷程度提升和成本下降的过程中均未能实现增收。这意味着区域数字金融发展的主要方面均未能惠及相对贫困农户。

（三）数字金融对乡村收入差距影响的机制检驗

在我国，乡村金融资源分布不均现象较为突出，金融机构不仅更多地集中于中心城镇、县城郊区等经济交通相对发达、人口相对密集的地区（程惠霞和杨璐，2020）[32]，还更积极地为收入水平较高的农户提供金融服务，从而有可能忽略收入水平较低农户的金融需求，间接导致较为严重的相对贫困农户传统金融排斥现象。

理论上讲，数字金融地理穿透性较传统金融更具优势，具有更广泛的普惠性，但在乡村地区与传统金融是互补关系（即主要客户群体不交叉，将传统金融难以覆盖的群体纳入服务对象）还是替代关系（即主要客户群体交叉，数字金融没有显著地扩大传统金融的覆盖面）直接影响了其对相对贫困的作用方向和程度，需要进一步实证分析。如果是替代关系，则相对贫困农户仍然难以获取其发展、生产经营所需的金融服务以实现增收，相对贫困程度无法受惠于数字金融服务而得以缓解;如果是互补关系，说明相对贫困农户能够在区域数字金融发展中获取以利于其增收致富的收益，从而实现相对贫困的减缓。参考周利等（2020）[33]的做法，将银行网点和金融服务网点距离作为传统金融环境的替代变量，具体地，如果家庭所在社区距离最近网点的公里数大于均值，定义为距网点远，传统金融环境较差，赋值为1;反之则为0。基于家庭所在地区传统金融发展水平高低进行分组回归，检验该机制是否存在。

表6为分样本下的区域数字金融发展的机制检验结果，其中第（1）、（3）列分别报告了不含控制变量的回归结果，第（2）、（4）列报告了包含个人、家庭和地区控制变量的回归结果。可以发现，无论在传统金融发展较好的地区，还是相对滞后的区域，数字金融发展变量与相对贫困交互项的系数均显著为负，表明现阶段数字金融服务的覆盖范围仅触及了非相对贫困农户，未显著增加非相对贫困农户的金融可得性，即仅相对贫困线以上农户能够获取一定的数字金融服务，在区域数字金融发展中实现增收，乡村相对贫困状况因此没有显著改善。

进一步分析表明，数字金融发展仅在传统金融发展水平较高地区显著提高了农民收入水平（0.743***），在传统金融发展水平较低地区作用不显著，说明一方面，数字金融现阶段更多地表现为对传统金融业务的替代，其发展遵循传统金融机构在乡村的分布、扩散路径，仅显著促进了相对贫困线以上农户金融可得性的提升，促使其潜在的数字金融需求转化为实际服务，从而实现增收;另一方面，数字金融在乡村的发展没有显著表现出与传统乡村传统金融的互补性，无法覆盖相对贫困农户，这部分农户存在数字金融排斥现象，无法通过获取发展、生产经营所需的数字金融服务以实现增收。

理论上，数字金融能够克服传统普惠金融对物理网点的依赖，依靠互联网、数据通信等信息技术最大限度地拓展数字金融服务供给，有利于缓解相对贫困。但实际上，对比相对贫困农户，只有相对贫困线以上的农户更有可能获取有利于其增收的数字金融服务，这可能意味着区域数字金融发展在相对贫困缓解上并没有发挥其应有的作用。较为可能的解释是：一方面，乡村不同群体接触互联网程度不同，导致数字金融服务使用存在差异;另一方面，相对贫困农户受较低教育水平和金融素养的限制无法将改善生产经营、促进增收的数字金融潜在需求转化为实际服务。本文将对此展开进一步探讨。

关于农户使用数字金融变量的选取，参考何婧和李庆海（2019）[34]的做法，将农户数字金融使用情况归为以下三类：（1）购物时支付方式为电脑支付、手机、Pad 等移动终端支付;（2）家庭购买了互联网理财产品;（3）使用过网络借贷。若农户参与了以上三类中的任意一项，则认为该农户参与了数字金融，能够获取相关服务。农户教育水平用乡村居民受教育年限加以衡量（小学6年，初中9年，中专及高中12年，大专及本科16年，研究生及以上19年）。互联网可得变量基于问卷问题“是否使用过互联网？（包括上网或使用App）”，是赋值为1，否则为0。

表7报告了教育水平和互联网可得对数字金融影响乡村不同群体使用数字金融情况的回归结果。可以看出，相对贫困农户和相对贫困线以上农户数字金融和教育水平交互项分别为不显著和显著为正，数字金融发展指数和互联网可得性的交互项均显著为正。表明一方面，相较于非相对贫困农户，相对贫困农户较低的教育水平现阶段没有起到正向调节作用，无法促使其潜在金融需求得到满足，从而实现增收;另一方面，支持农村数字发展的网络基础设施正在逐步完善，互联网等网络基础设施并不是制约相对贫困农户获取数字金融的主要因素。以上研究表明，相对贫困农户较低教育水平等自身因素是制约其获取数字金融服务、无法缓解乡村相对贫困的主要原因，也是阻碍数字金融向低收入人群延伸和制约“数字红利”实现的重要因素。

五、结论与建议

（一）结论与讨论

本文基于中国家庭金融调查数据和北京大学数字金融指数的微观匹配数据，重点考察了区域数字金融发展对乡村相对贫困的影响，并进一步分析其效应存在与否的作用机制。研究发现，数字金融发展对农民整体收入水平的增长有显著促进作用;同时，分样本回归表明区域数字金融发展对乡村相对贫困没有起到应有的缓解作用，即其发展仅提升了相对贫困线以上农户的收入水平，并且扩大了乡村内部相对贫困与非相对贫困农户收入差距;从数字金融不同维度的影响也可以发现，数字金融覆盖范围的扩大、使用程度的深化和数字化程度的提升都未对缓解乡村相对贫困发挥其应有的正面作用;分析这一现象的机制表明，在乡村，数字金融更多地表现为对传统金融业务的替代，即相较于相对贫困农户，区域数字金融更多减轻了金融资源较为充足的非相对贫困农户对传统金融的依赖，促进了这部分农户的金融可得性以实现增收;进一步分析表明，教育水平、金融素养差异是影响乡村不同群体数字金融服务获取差异、造成乡村相对贫困恶化的主要因素。

（二）政策建议

结合上述研究结果，为提升数字金融的普惠程度，使之更好地服务于相对贫困治理，本文提出以下建议：第一，加强偏远乡村、低收入农民的素质教育与培训力度。政府应加强更偏远落后乡村低收入人群的教育扶贫力度和教育普及程度，与金融机构积极开展乡村金融素养相关的宣讲、培训合作，缓解相对贫困农户因无法适用数字金融服务所形成的“自我排斥”。第二，政府应针对数字金融机构下乡出台相关优惠政策，推动乡村数字金融进程，切实降低相对贫困农户使用数字金融服务的“数字门槛”和成本，让更便捷、成本更低、信用化程度更高的数字金融服务逐步覆盖低收入群体和相对贫困农户。第三，数字金融与传统金融应更多地实现融合发展，提升两类金融业态的互补性，最大程度扩展乡村金融服务的覆盖面，使更多相对贫困农户能够获得相应的金融服务来扩大其发展能力。

注：

①具体为家庭所在省份距离浙江省杭州市的球面距离分别与数字金融子维度相乘（参考周利等（2020）[33]的做法）。

参考文献：

[1]杨立雄，谢丹丹.“绝对的相对”，抑或“相对的绝对”——汤森和森的贫困理论比较 [J].财经科学，2007，（1）.

[2]Sabina Alkire，James Foster. 2010. Counting and Multidimensional Poverty Measurement [J].Journal of Public Economics，（7）.

[3]王国敏，何莉琼.我国相对贫困的识别标准与协同治理 [J].新疆师范大学学报（哲学社会科学版），2021，（3）.

[4]叶兴庆，殷浩栋.从消除绝对贫困到缓解相对贫困：中国减贫历程与2020年后的减贫战略 [J].改革，2019，（12）.

[5]李永友，沈坤荣.财政支出结构、相对贫困与经济增长 [J].管理世界，2007，（11）.

[6]仲超，林闽钢.中国相对贫困家庭的多维剥夺及其影响因素研究 [J].南京农业大学学报（社会科学版），2020，（4）.

[7]米运生.金融自由化、经济转轨与农民相对贫困的恶化 [J].经济理论与经济管理，2009，（10）.

[8]曾晨晨.农村居民健康对我国农村人口相对贫困的影响——以我国中西部地區为例 [J].农村经济，2010，（9）.

[9]解垩，李敏.相对贫困、再分配与财政获益：税收和转移支付的作用如何？[J].上海财经大学学报，2020， （6）.

[10]Rajen Mookerjee，Paul Kalipioni. 2010. Availability of Financial Services and Income Inequality：The Evidence from Many Countries [J].Emerging Markets Review，（4）.

[11]Tavneet Suri，William Jack. 2016. The Long-run Poverty and Gender Impacts of Mobile Money [J].Science，（6317）.

[12]黄倩，李政，熊德平.数字普惠金融的减贫效应及其传导机制 [J].改革，2019，（11）.

[13]龚沁宜，成学真.数字普惠金融、乡村贫困与经济增长 [J].甘肃社会科学，2018，（6）.

[14]金发奇，言珍，吴庆田.数字普惠金融减缓相对贫困的效率研究 [J].金融发展研究，2021，（1）.

[15]彭澎，徐志刚.数字普惠金融能降低农户的脆弱性吗？ [J].经济评论，2021，（1）.

[16]周利，廖婧琳，张浩.数字普惠金融、信贷可得性与居民贫困减缓——来自中国家庭调查的微观证据 [J].经济科学，2021，（1）.

[17]刘锦怡，刘纯阳.数字普惠金融的乡村减贫效应：效果与机制 [J].财经论丛，2020，（1）.

[18]姚凤阁，李丽佳.数字普惠金融减贫效应及区域差异研究 [J].哈尔滨商业大学学报（社会科学版），2020，（6）.

[19]陈慧卿，陈国生，魏晓博，彭六妍，张星星.数字普惠金融的增收减贫效应——基于省际面板数据的实证分析 [J].经济地理，2021，（3）.

[20]曾福生，郑洲舟.多维视角下农村数字普惠金融的减贫效应分析 [J].农村经济，2021，（4）.

[21]孙继国，韩开颜，胡金焱.数字金融是否减缓了相对贫困？——基于CHFS数据的实证研究 [J].财经论丛，2020，（12）.

[22]谢升峰，尤瑞，汪乐乐.数字普惠金融缓解农村相对贫困的长尾效应测度 [J].统计与决策，2021，（5）.

[23]姚耀军，施丹燕.互联网金融区域差异化发展的逻辑与检验——路径依赖与政府干预视角 [J].金融研究，2017，（5）.

[24]张龙耀，邢朝辉.中国农村数字普惠金融发展的分布动态、地区差异与收敛性研究 [J].数量经济技术经济研究，2021，（3）.

[25]Guo Feng，Kong Sherry Tao，Wang Jingyi.  2016. General Patterns and Regional Disparity of Internet Finance Development in China： Evidence from The Peking University Internet Finance Development Index [J].China Economic Journal，（3）.

[26]何宗樾，张勋，万广华.数字金融、数字鸿沟与多维贫困 [J].统计研究，2020，（10）.

[27]王瑶佩，郭峰.区域数字金融发展与农户数字金融参与：渠道机制与异质性 [J].金融经济学研究，2019，（2）.

[28]王修华，赵亚雄.数字金融发展是否存在马太效应？——貧困户与非贫困户的经验比较 [J].金融研究，2020，（7）.

[29]周雨晴，何广文.数字普惠金融发展对农户家庭金融资产配置的影响 [J].当代经济科学，2020，42，（3）.

[30]郭峰，王瑶佩.传统金融基础、知识门槛与数字金融下乡 [J].财经研究，2020，46，（1）.

[31]孙久文，夏添.中国扶贫战略与2020年后相对贫困线划定——基于理论、政策和数据的分析 [J].中国乡村经济，2019，（10）.

[32]程惠霞，杨璐.中国新型乡村金融机构空间分布与扩散特征 [J].经济地理，2020，40，（2）.

[33]周利，冯大威，易行健.数字普惠金融与城乡收入差距：“数字红利”还是“数字鸿沟”[J].经济学家，2020，（5）.

[34]何婧，李庆海.数字金融使用与农户创业行为[J].中国乡村经济，2019，（1）.