数字普惠金融能够缩小城乡收入差距吗——基于空间面板模型

王君萍 刘亚倩

(1.西安石油大学 经济管理学院，陕西 西安 710065；2.西安石油大学 陕西(高校)油气资源经济管理研究中心，陕西 西安 710065)

0 引 言

在2020年中央政治局会议中，习近平总书记首次提出“双循环”概念，要求以扩大内需作为战略基点，扩大最终消费，缩小城乡收入差距。双循环的主体是国内大循环，要扩大内需，就要以内循环为主，充分发掘国内需求剩余潜力，而在内循环中，农村地区是薄弱点，可见提高农村居民收入，缩小城乡收入差距，最终扩大国内需求是实现内循环的关键节点。我国城乡经济发展水平差异导致收入差距问题持续存在，进而严重阻碍了农村经济的发展，如果贫富差距持续扩大将会引发其他的社会问题并影响内循环的顺畅运行。此外，我国在金融发展中一直存在着二元金融结构问题，农村金融体系发展滞后，处于长期被严重抑制的状态，造成农村地区长期处于“系统性负投资”，使农村经济的发展受到严重制约，城乡居民收入差距增大。2016年，基于互联网的数字普惠金融在20国集团峰会上首次被正式提出。数字普惠金融就是运用互联网技术，将大数据、云计算等应用到金融领域，实现信息共享，降低了金融服务的门槛和交易成本，也扩大了金融服务的范围。近年来，数字普惠金融的发展迅猛，不仅便捷了广大民众尤其是农村居民的支付和交易，而且有助于消除贫困，缩小收入差距，实现社会公平。

基于此，本文利用2011-2018年中国30个省市的面板数据，借助北京大学数字金融中心郭峰等[1]1401-1408编制的一套“数字普惠金融指数”，基于空间效应视角，研究数字普惠金融对城乡收入差距的影响。本文梳理了数字普惠金融发展和城乡收入差距之间的关系，运用空间自回归模型实证分析其具体作用机理，对进一步发挥数字普惠金融和收入分配体系在扩大内需中的作用方面具有一定意义。

1 文献综述

金融支持与低收入群体增收问题研究始终是经济学领域关注的主题。现有文献已从普惠金融的概念、理论内涵等角度探讨了普惠金融对不同收入群体间收入差距的影响。Demirgü和Levine[2]287-318，Corrado等[3]19-23，Dai-Won等[4]1-14经过大量研究表明，普惠金融因其特殊的服务群体和功能，能降低金融服务门槛，有效提高低收入阶层的金融可得性，进而减少贫困并消除不平等。随着数字经济的蓬勃发展，学者们逐渐将研究视野转向数字普惠金融与城乡收入差距关系这一领域。其研究结果大致呈现为三种：张贺、白钦先[5]122-129，江红莉、蒋鹏程[6]18-32，庞加兰、陈思佳等[7]8-15认为数字普惠金融仍然保留普惠金融的功能，在与互联网的融合发展下，能够进一步缩小城乡收入差距；相反，邹新月、王旺8]133-145，王修华、赵亚雄[9]114-133研究表明，低收入群体受制于其教育水平及互联网环境等原因，数字普惠金融的发展或将进一步扩大城乡收入差距；此外，另有一些学者认为数字普惠金融与城乡收入差距之间关系复杂，两者并非绝对的正向或是反向关系，该观点有待进一步研究探讨。

从研究方法来看，殷贺、江红莉等[10]33-49采用空间计量方法，分析了数字普惠金融如何从空间溢出的角度影响城乡收入差距；梁双陆、刘培培[11]33-41，赵丙奇[12]196-205利用面板阈值模型研究了数字普惠金融对城乡收入差距的阈值效应，研究结果发现，数字普惠金融对城乡收入的收敛效存在门槛，数字普惠金融发展需跨越门槛，才可发挥自身特有作用，进而实现缩小城乡收入差距的目标；周利、冯大威等[13]99-108使用基于分位数回归的MM分解方法，发现城乡之间的收入差距的测量是由选取变量的特征差异所导致的。

通过上述文献梳理，发现学术界由于较少考虑空间因素的影响，所得结论可能产生一定偏误，故其仍对数字普惠金融是否能缩小城乡收入差距这一问题存有较大争议。基于此，本文选择空间计量模型，就数字普惠金融对城乡收入差距的空间溢出效应展开研究，这不仅是对现有相关文献的有益补充和丰富，而且可为建立公平有效的收入分配制度提供一些理论支持和实证依据。

2 理论分析与研究假说

根据相关金融理论可知，数字普惠金融对城乡收入差距的影响机制主要有门槛效应、减贫效应以及非均衡效应。(1)门槛效应。一般来说，数字普惠金融无须经由物理网点，通过网络便可将金融服务融入生活场景并实现服务，大大简化交易中间环节，从而降低获客成本和交易成本。依托大数据和云计算技术，可以清晰刻画客户的特征肖像，针对客户类型合理提供金融服务，降低信息搜寻成本。同时，数字技术可有效监督客户，降低信息不对称引发的逆向选择或道德风险等问题发生的概率和程度。在增加可获得性方面，由于数字普惠金融的成本较低，定价也可以进行合理调整，使更多低收入者和弱势群体能够获得金融服务，增加可获得性，从而降低了金融服务的门槛。(2)减贫效应。减贫效应主要是基于数字普惠金融低成本的特点，使农村居民、乃至低收入群体购买金融产品，让更多获得金融支持的低收入农村居民增加收入，从而对生产、生活消费和投资进行长期决策，合理分配资源，提高资源利用效率，从而缓解贫困。(3)非均衡效应。数字普惠金融的服务对象涵盖了以往传统金融排斥严重的农村地区居民，其通过针对性地为农村居民提供服务，引导资金流向农村地区，从而缓解城乡金融服务的非均衡问题。综上所述，本文提出以下假设：

假设H1: 数字普惠金融能够缩小城乡收入差距，即数字普惠金融发展水平越高，城乡收入差距越小。

由于我国省域之间地理位置接壤，市场化改革也进一步推动了劳动力、资金等生产要素的流动，使得不同地区间的市场关联性和互动依赖性不断提升，数字普惠金融与城乡收入差距均表现出了明显的空间依赖性。基于上述考虑，在研究数字普惠金融对城乡收入差距的影响时，不应将各省域割裂开来考察，因此，在研究数字普惠金融对城乡收入差距的影响时，应考虑其空间关联性。由此，提出以下假设：

假设H2：数字普惠金融与城乡收入差距在省域间存在着空间的正相关性，即本省数字普惠金融发展水平的提高对邻接省份的城乡收入差距的缩小同样具有积极作用。

3 研究设计

3.1 模型构建

在使用面板数据分析各省市产业变迁对经济增长的影响时，一个不能忽视的客观现实就是省域之间的空间联系，几乎全部的空间数据都存在空间依赖性和空间自相关的特点。而空间计量方法在计量分析的基础上，加入地理位置和空间关联因素，可以更好地识别和度量经济现象之间的空间变化规律和决定因素，在一定程度上避免了传统计量估计结果可能忽略的偏误。为研究各省域数字普惠金融与城乡收入差距之间存在的空间相关性，本文建立空间计量模型，见(1)式：

Y=ρWy+βX+ε

ε=λW+μ

(1)

(1)式中，Y是被解释变量;X是解释变量;ρ为空间自相关系数;W为空间权重矩阵;β为自变量系数;ε为残差;λ为空间残差相关系数。

3.2 变量选取

自变量数字普惠金融(index)数据采用北京大学数字金融研究中心发布的数字普惠金融指数。因变量城乡收入差距(gap)选择城镇人均可支配收入与农村可支配收入之比。控制变量包括一些对城乡收入差距有影响的其他因素，本文选择城镇化率(urban)、产业结构(is)、对外开放程度(open)以及政府行为(afe)。具体而言，选用地区城镇人口占地区总人口比例来表示城镇化率；一般来说，二三产业水平高的地区其居民收入水平高，因此用第二、第三产业增加值占GDP比重衡量产业结构；对外贸易多发生于城市，增加城市人均收入，故其会扩大城乡收入差距，对外开放程度用地区货物进出口总额占地区GDP比重计算；使用财政支出占GDP的比重来衡量政府行为。

3.3 数据来源与描述性统计分析

本文选取中国30个省(自治区、直辖市)(西藏、香港、澳门、台湾除外，下同)2011—2018年间的面板数据。数字普惠金融的相关数据来自北京大学数字金融研究中心编制的中国数字普惠金融指数，其他数据来自各省及中国统计年鉴。各变量定义及描述性统计见表1。

表1 各变量定义及描述性统计

4 实证分析

4.1 构建空间权重矩阵

为了检验各地区城乡收入差距是否存在空间相关性，本文基于各省份之间的地理位置构建空间邻接矩阵。空间邻接矩阵是根据各省市的相邻关系(拥有非零长度的公共边界)来构造的空间权重矩阵，若两个省市之间有共同边界记为“1”;若两省市之间没有共同边界则记为“0”。为了避免分析误差，本文对矩阵进行标准化处理。

4.2 空间相关性检验

4.2.1 全局空间相关性

莫兰指数I能够有效检验整个空间区域中邻近地区之间的相关关系，莫兰指数的取值范围一般为-1≤I≤1，当指数大于0时表示各省份在空间上是正相关;当指数小于0时表示各省份在空间上是负相关;当指数等于0时表示各省份不存在空间相关性。

本文利用Stata15软件分别计算了空间邻接矩阵之下城乡收入差距、数字普惠金融的空间相关性，空间相关性检验结果见表2。

表2 空间相关性检验

空间矩阵计算出的指数值均通过显著性检验， 所有年份对应的Z值均大于1.96， 表明中国各地区城乡收入差距存在非常显著的空间自相关性，即城乡收入差距相近的省份具有地理邻近性。

4.2.2 局部空间相关性

本文使用局部莫兰散点图来检验局部地区是否存在集聚性，并利用空间邻接矩阵，分析中国30个省(自治区、直辖市)2011年和2018年各地区城乡收入差距、数字普惠金融发展水平。莫兰指数散点图见图1。

从图1可以看出，观测值绝大部分位于第一、三象限，具有明显的空间集聚特征，整体来看，呈现出明显的H-H集聚和L-L集聚状态，观测点高值与高值关系紧密、低值与低值关系紧密。这表明中国城乡收入差距高的省份，其临近省份城乡收入差距也比较高;城乡收入差距低的省份，其临近省份的城乡收入差距水平也同样比较低。

图1 莫兰指数散点图

4.3 空间计量模型的选择

本文通过LM检验判断应该选择空间自回归模型，其表达式见(2)式:

gap=ρWgap+β1index+β2open+β3is+β4afe+β5urban+ε

(2)

其中，ε=λW+μ；ρ为空间自回归系数;β1—β5为自变量系数;ε为残差项;λ为空间残差相关系数。

4.4 回归结果分析

数字普惠金融与城乡收入差距的回归结果见表3。

表3中第(1)列是普通最小二乘回归(OLS)的回归结果，第(2)列为基于空间邻接矩阵的静态空间自回归模型(SAR)的回归结果，第(3)列为考虑异方差稳健性的固定效应静态空间自回归模型的估计结果，第(4)列为固定效应动态空间自回归模型的估计结果。对比上述模型发现，核心系数大小与显著性基本一致，说明结果具有较好的稳健性。通过对第(3)列的静态空间自回归模型结果分析可以看出，数字普惠金融(index)系数这一核心解释变量在1%水平上显著为负，表明数字普惠金融的发展对缩小城乡收入差距具有促进作用，验证了假设H1。被解释变量的空间自回归系数ρ为正，且在1%的显著性水平下显著，表明各地区的城乡收入差距存在空间相关性，且相邻地区的城乡收入差距提高1%，会促进该地区城乡收入差距提高0.232%。在控制变量方面，仅有财政支出水平(afe)系数在1%的水平上显著为正，表明财政支出水平会扩大城乡收入差距。

表3 数字普惠金融与城乡收入差距的回归结果

为了检验上述估计系数的准确性并进一步分析数字普惠金融对城乡收入差距的空间影响，本文将空间效应进行分解，具体结果见表4。

由表4可见，数字普惠金融的直接效应在1%的水平下为负，间接效应在5%的水平下显著为负，说明本省数字普惠金融发展水平会缩小本省内部的城乡收入差距，而对邻接省份的城乡收入差距的缩小也同样具有积极作用，验证了假设H2。

表4 空间效应分解

4.5 内生性检验

静态空间面板模型往往忽略了解释变量和空间影响因素之外的时间因素对城乡收入差距的影响，因此，上述静态空间面板模型有可能存在内生性问题。为解决此问题，本文加入被解释变量的一阶滞后项，建立关于城乡收入差距的动态空间面板模型，对模型的估计结果进行深入分析，从第(4)列动态空间自回归模型结果分析可以看出，gap(-1)在1%显著性水平下显著为正，这说明某地区过去城乡收入差距的情况将会对未来该地区的城乡收入差距有正向影响，数字普惠金融(index)系数这一核心解释变量在1%水平上显著为负，表明数字普惠金融的发展对缩小城乡收入差距具有促进作用，各控制变量都在1%的水平上通过了显著性检验，这说明动态空间面板模型很好得解决了静态模型存在的内生性问题。

5 结论与对策

本文将2011—2018年数字普惠金融指数和各地区城乡收入差距相匹配，在分析其内在影响机理和研究假说的基础上，运用空间自回归模型研究了数字普惠金融对城乡收入差距的影响效应，并利用动态空间模型进行了内生性检验。研究发现：第一，空间自回归模型的结果表明，数字普惠金融会缩小城乡收入差距。第二，空间效应分解结果表明，本省数字普惠金融发展水平会缩小本省内部的城乡收入差距，而对邻接省份的城乡收入差距的缩小也同样具有积极作用。

基于上述结论，本文提出以下对策：第一，推动金融数字化转型应成为普惠金融发展的重点，依托数字技术拓展普惠金融服务生态系统，加快中西部地区和偏远农村地区互联网和信息通信基础设施建设，提升数字普惠金融水平。第二，加强周边省份数字普惠金融的协同发展与合作，充分发挥数字普惠金融的空间溢出效应，缩小城乡收入差距。第三，加强对数字普惠金融服务体系的监管和对金融消费者的保护。数字普惠金融作为新兴事物，不仅要助力其发展，更要做好监管工作，让数字普惠金融更好地为金融消费者服务。