数字普惠金融、非农就业与农户增收——基于中介效应模型的实证分析

张兵 ，李娜

（1. 南京农业大学金融学院，江苏 南京 210095；2. 河海大学商学院，江苏 南京 210098）

2020年中央一号文件就农民就业和农民增收做出部署要求，能否持续增加农民收入已然成为解决“三农”问题的一个重要思路与努力方向。在第三次科技革命的背景下，以数字技术为依托的数字普惠金融逐步成为我国农村金融服务的主力军。数字普惠金融使农民可以以其可负担的成本获得正规金融服务，成为推行普惠金融的重要源动力和增长点[1]。数字普惠金融使实现农业农村现代化和农民持续增收成为了可能[2]。此外，非农就业对农户增收也具有重要作用，非农岗位的多少和就业的难易是影响非农就业水平的关键。而数字普惠金融可以通过缓解信贷约束，促进企业的萌生和发展，增加非农就业岗位。同时，数字普惠金融可以通过缓解农村劳动力的金融约束，为其人力资本的积累和转移成本的支付提供金融支持，降低其就业难度。因此，探究数字普惠金融对农户增收的影响，非农就业在数字普惠金融与农户增收之间的作用机制，对推动农村数字普惠金融发展，提高非农就业水平，进而带动农户增收具有重要的现实意义。

关于数字普惠金融与农民收入之间关系的研究，已有较多学者就此展开研究，无论是采用宏观数据还是微观数据，采用何种研究方法，大多表明数字普惠金融有助于农民增收。国外学者Beck[3]和Chibba[4]分别从信贷约束和市场失灵角度提出数字普惠金融可以通过克服市场失灵和缓解信贷约束为低收入者带来好处。国内学者杨伟明等[5]探究了经济增长和创业在数字普惠金融与农民收入之间的中介作用，发现数字普惠金融可以通过促进经济增长和创业增加农民收入。刘丹等[6]仅就数字普惠金融对农民非农收入的影响展开研究，得出数字普惠金融对农民非农收入存在明显的空间溢出效应。张勋等[7]证实了相较于城镇居民，农村居民将从数字普惠金融发展中获益更多，这有助于缓解我国收入分配不均问题。王永仓[8]通过构建门槛模型实证发现数字普惠金融对农户的增收作用存在非线性特征，即随着数字普惠金融的发展，其对农户增收的促进作用更加显著。

关于数字普惠金融与非农就业之间关系的研究，有学者提出，作为新时代金融发展的产物，数字普惠金融具有更强的包容性，为企业经营规模的扩大和创新升级提供信贷支持，衍生出更多的劳动力需求，创造就业机会[9-10]。数字普惠金融也可以通过提高城乡居民的信贷可得性，缓解融资约束，分散经营风险，促进城乡居民创业[11]。而创业的增加会向社会提供大量非农岗位，增加农村劳动力非农就业机会，拓宽其就业选择范围，有助于农村劳动力非农转移任务的完成[12]。另外，数字普惠金融可以加速社会经济的发展，而经济快速发展伴随的是就业率的增加[13-14]。以上研究均表明，数字普惠金融的发展有助于当代农村居民的非农就业。

关于非农就业与农民收入之间关系的研究，学术界已形成共识，即非农就业是解决农民收入问题的根本[15]。农民收入由农业收入、经营性收入、财产性收入、转移性收入、工资性收入和其他收入组成。财产性收入和转移性收入受当地政策影响，在农民收入中占比少，且波动幅度较小。此外，为加快城镇化建设进程，政府征用土地增加，使得许多地区存在失地现象，农民生产经营减少。同时，城镇化进程的推进使土地交易频繁，农村劳动力非农就业增加，农业收入和经营性收入基本不再增长。据统计，自2013年起，非农收入已经反超农业收入，成为农民收入的最主要来源。因此，非农就业成为农户收入增加的关键。

已有文献倾向于数字普惠金融、非农就业和农户增收三者之间两两关系研究，但鲜有文献研究非农就业在数字普惠金融与农户增收之间的作用，以及参照CFPS分类方式分析数字普惠金融对农户不同收入的异质性影响。另外，农户有富裕与贫穷之分，如果在证明数字普惠金融有助于不同财富水平农户增收的同时，证实财富较少的农户从中获益更多，这将为推动数字普惠金融发展进而改善农村居民收入分配结构提供重要的理论支撑作用，而鲜有文献就此展开研究。因此，本文采用2014年、2016年和2018年CFPS数据和北京大学数字普惠金融指数匹配的面板数据，探究数字普惠金融对农户收入的影响；以非农就业水平为中介变量分析其在数字普惠金融与农户收入之间的中介作用；参照CFPS分类方式细分农户收入，探究数字普惠金融对不同收入的影响是否存在差异；运用分位数回归法，探究数字普惠金融对不同财富水平农户收入的异质性影响。以期填充现有研究，并为在农村地区发展数字普惠金融进而实现农户持续增收提供理论支持。

1 理论分析与研究假说

作为数字技术与普惠金融结合的产物，数字普惠金融充分释放金融的普惠性，对农户生产生活产生重要影响。另外，随着政策的扶持和数字基础设施的完善，数字普惠金融对农户的影响愈发增加，其为农户营造了良好发展环境，有助于农户收入的增加。

1.1 数字普惠金融与农户增收

数字普惠金融因时、因地和因人创新设计金融产品，农户可以通过投资理财产品获得较高水平的收益，增加收入和财富，而且多样化的数字保险产品涉及农户生产生活，可以通过缓解自然灾害、意外和疾病等风险，保障农户的财产安全，有助于农户收入增加。另外，不可否认的是，我国现存农村劳动力呈现老龄化趋势，而用人单位对老年劳动力的排斥力度大于年轻劳动力，导致许多老年劳动力非农就业难，加上子女就业信息的来源和就业的难易程度常会受到父母的影响[16]，老年劳动力的就业与否及好坏影响整个家庭的收入水平。而数字普惠金融的发展有助于优化产业结构[17]，涌现出了许多可以容纳老年劳动力的产业，为老年劳动力提供了良好的工作岗位，进而对其子女的就业和整个家庭收入的增加产生了积极影响。数字普惠金融也可以发挥“涓滴效应”，通过带动高收入人群收入的增加，刺激经济的发展，释放经济增长的红利，带动低收入人群收入增加[2,5]。基于以上分析，数字普惠金融对当地农户收入的增加起到正向促进作用。

1.2 数字普惠金融与非农就业

现阶段，我国劳动力市场提供的非农岗位仍无法完全满足农村劳动力的需求，这使得农户非农就业水平的高低主要取决于劳动力市场非农岗位供给的多少[18]。与传统金融不同的是，数字普惠金融摆脱了对实体网点的依赖，建设成本低，可以实现以更低的成本提供金融产品，并可以突破时空限制为借款人贷款提供便利，减少时间成本，且一般不要求企业和个人提供抵押物，而是通过技术手段汇总梳理两者信用信息来决定是否放贷，这大大降低了企业和个人的借贷成本，为企业经营规模的扩大和居民创业创造了有利条件。而企业的设立和发展释放出大量就业岗位，有助于农民非农就业[19]。农村劳动力在向非农岗位转移的过程中，存在着就业信息获得成本、交通成本和住宿饮食成本等，许多经济实力有限的农村劳动力因无法承担转移成本而无法实现非农就业[20-21]，数字普惠金融可以缓解农村劳动力对资金的一时之需，有利于农村劳动力向非农岗位转移。另外，数字普惠金融也可以为农村劳动力提升就业能力提供资金和信贷支持，帮助劳动力满足非农岗位的用人需求，进而提高农村劳动力与非农岗位匹配成功的概率。综上所述，数字普惠金融可以通过促进企业设立与发展、缓解劳动力资金约束和提高劳动力就业能力，进而提升农户非农就业水平。基于以上分析，数字普惠金融的发展有助于当地农户非农就业水平的提升。

1.3 数字普惠金融、非农就业与农户增收

由于我国农业基础设施薄弱，农业生产仍大多采取传统生产方式，而非农部门采用先进技术，非农部门的劳动边际生产效率往往高于农业部门，非农收入高于农业收入。并且农业生产自然风险大，极易受到干旱、洪涝等自然灾害的影响，纵使新型保险产品不断出现以减轻风险，但自然灾害导致的损失往往高于农业生产原本的收益，农户收入少。此外，农户农业收入来源于其向社会提供的农产品，但也受限于社会对农产品的需求。农产品需求缺乏弹性，而我国农产品市场供过于求，伴随农产品产量增加的是农户农业收入的减少，“谷贱伤农”便是对农产品市场的最合适描述。因此，增加农户收入的关键在于提升农户非农就业水平[15]。数字普惠金融带来的农户非农就业水平的提升，将伴随着农户收入的增加，即存在着“数字普惠金融→非农就业→农户增收”的作用机制。基于以上分析，数字普惠金融可通过影响农户非农就业水平，进而影响农户收入。

2 研究方法

2.1 数据来源

本文采用的数据主要来源于中国家庭追踪调查（CFPS）和北京大学数字普惠金融指数。其中，中国家庭追踪调查（CFPS）涵盖村（居）、家庭和个人3个层面，囊括村（居）基础设施与环境、人口、家庭收支和个人教育工作等内容，较为全面地反映了我国经济发展和社会变迁情况。北京大学数字普惠金融指数以指数编制的形式定量刻画了我国数字普惠金融发展水平，并同时考虑数字普惠金融服务被使用的深度、覆盖范围的广度和客户真正被惠及便利的程度，其下设使用深度、覆盖广度和数字化程度3个维度，完整、准确地反映了我国数字普惠金融发展现状和演变趋势。基于本文以农户为研究对象，参考已有文献，本文选取财务回答人为户主，并按照省份编码将中国家庭追踪调查（CFPS）和北京大学数字普惠金融省级指数匹配，保留在CFPS2014、CFPS2016和CFPS2018均接受调查的家庭样本。经剔除无效数据后，获得5 766个观测值，涵盖1 922个农村家庭。其中，东部家庭占比37.5%，中部占比31.0%，西部占比31.5%。

2.2 变量设定

1）被解释变量。本文使用农户人均纯收入的对数衡量被解释变量农户收入。参考肖龙铎和张兵[22]、彭克强和刘锡良[23]的研究，用农户纯收入总额和家庭人口总数的比值衡量农户人均纯收入。其中，农户纯收入总额等于农户各项收入的总和在扣除各项生产成本费用后的收入净额。

2）解释变量。参考杨伟明等[5]、张庆君和黄玲[17]的研究，使用北京大学数字普惠金融指数中省级总指数及其子指数的对数值做为解释变量。

3）中介变量。本文参考张景娜和朱俊丰[24]的研究，将只从事自家农业劳作的家庭成员取值为0；将兼顾自家农业劳作和非农就业的家庭成员取值为1；将只从事非农工作的家庭成员取值为2。此后，参照肖龙铎和张兵[22]的研究，用非农就业人数与劳动力总人数的比值衡量农户非农就业水平。

4）控制变量。考虑到还有来自户主、家庭和地区等方面的因素会影响农户收入，本文从户主特征、农户家庭特征和地区特征3个层面选取控制变量。其中，家庭净资产、地区金融发展程度、财政支出改善分别参考肖龙铎和张兵[22]、傅秋子和黄益平[25]、宋晓玲[26]的处理方法。变量定义及描述性统计见表1。

表1 变量定义及描述性统计Table 1 Definitions and descriptive statistics of variables

2.3 统计分析

为更好地比较不同地区数字普惠金融的发展水平和不同农户的收入水平，采用数字普惠金融总指数和农户人均纯收入原数据，而不采取对数化处理。参照杨思宇等[27]的研究，分别按照数字普惠金融、农户收入和非农就业水平将样本四等分，并分别计算各分位区间的均值，以期分析不同地区数字普惠金融发展水平的分布差距，以及农户间收入水平和非农就业水平的差距。

此外，按照数字普惠金融将样本十等分，计算农户收入在各分位区间的均值，分类分析农户收入分布情况，探究农户收入随数字普惠金融变动的趋势。同理，按照非农就业水平将样本十等分，计算农户收入在各分位区间的均值，探究农户收入随非农就业水平变动的趋势。但限于农户非农就业水平取值区间为[0, 1]，区间分布端点存在多次重合，部分区间样本数为0，没有实际意义。因此，仅对样本数不为0的区间展开统计分析。

2.4 模型构建

1）基本回归分析。为检验数字普惠金融对农户收入的影响，本文设定基本模型为：

其中，Yijt为被解释变量农户收入，表示不可观测的i省份样本家庭j在t年的人均纯收入，Xijt表示解释变量，α表示待估参数，Zijt表示控制变量。ε1表示残差项，衡量一系列不可观测的因素。

此外，考虑到内生性问题会对回归结果产生影响，本文选取省级互联网普及率为工具变量，进行2SLS回归[28]。

2）中介效应分析。在基本模型的基础上，本文参考Baron和Kenny[29]、温忠麟等[30]的方法，以农户非农就业水平为中介变量，检验分析农户非农就业水平在数字普惠金融与农户收入中的中介作用。首先，检验数字普惠金融对农户收入的影响；其次，检验数字普惠金融对农户非农就业水平的影响；最后，将数字普惠金融、农户非农就业水平与农户收入同时放入模型，检验数字普惠金融和农户非农就业水平对农户收入的共同影响。具体检验模型为：

其中，Yijt为被解释变量农户收入，表示不可观测的i省份样本家庭j在t年的人均纯收入，Xijt表示解释变量，Mijt表示中介变量农户非农就业水平。α、β和θ表示待估参数，Zijt表示控制变量。ε表示残差项，衡量一系列不可观测的因素。

在以上模型的基础上，本文进行Sobel goodman检验，检验程序如下：第一步，检验系数α1是否大于0，如若大于0则进行下一步，反之，终止检验。第二步，检验系数θ1和β1是否至少有一个显著，如果两者都不显著，则证明中介效应不显著；如果系数θ1和β1均显著，则进行第三步；如果系数θ1和β1中有一个不显著，则进行第四步。第三步，检验系数θ2是否显著，如果系数θ2不显著，则该中介效应为完全中介效应，反之，如果系数θ2显著，且小于系数β1，则该中介效应为部分中介效应。第四步，计算SobelZ值，计算公式为：

其中，Sθ12和Sβ12分别表示回归系数θ1和β1的方差，若SobelZ的值大于临界值，则中介效应显著，且为部分中介作用。若小于，则中介效应不显著。

2.5 异质性分析

主要从两方面入手：一是探究数字普惠金融对不同农户收入的异质性影响。参照CFPS的方法，将农户收入按照收入的来源细分为农业收入、经营性收入、财产性收入、转移性收入、工资性收入和其他收入。但由于其他收入涵盖内容不唯一，仅就农业收入、经营性收入、财产性收入、转移性收入和工资性收入展开研究。二是探究数字普惠金融对不同财富水平的农户收入的异质性影响。采用由Koenker和Bassett[31]提出的分位数回归法，避免极端值影响，从不同分位数上提供全面而详细的数字普惠金融与农户收入关系的信息。具体模型为：

其中，βq为在q分位数上的回归系数，计算公式为：

为探究数字普惠金融对不同财富水平农户收入的异质性影响，参考尹鸿飞等[9]、肖龙铎和张兵[22]的研究，将农户样本按照家庭净资产中位数划分为财富较少的农户和财富较多的农户，展开分组回归分析。

2.6 稳健性分析

对基本回归分析和中介效应分析结果分别展开稳健性检验。一方面，鉴于上一期数字普惠金融的发展水平对本期农户收入有所影响，采用滞后一期的数字普惠金融总指数和分指数作为解释变量分别进行回归，评估上一年的数字普惠金融如何影响当期农户收入，以检验数字普惠金融对农户收入影响的稳健性。另一方面，采用Bootstrap法检验中介效应结果的稳健性。Bootstrap检验法适用各种中介模型。其原理为：第一步，检验模型（2）中α1是否大于0，如果大于0，则进行下一步，如果不大于0，则证明中介效应不存在。第二步，检验模型（3）和模型（4）中β1和θ1乘积项（β1×θ1）的95%置信区间是否包括0。如果包括0，说明非农就业在数字普惠金融与农户增收之间不存在中介作用；如果不包括0，则说明存在中介效应，则进行第三步。第三步，如果θ1×β1的95%置信区间不包括0，且模型（4）中θ2显著，说明存在部分中介效应，反之，为完全中介效应。

3 结果与分析

3.1 数字普惠金融、非农就业和农户收入分析

统计分析结果显示，数字普惠金融指数平均值为232.185（表2），而按照其将样本四等分后发现，各分位区间观测值相近，但区间均值之间存在差距，最高分位区间均值和最低分位区间均值的比值约为1.813（表3），这表明农村地区间数字普惠金融发展水平存有差异，数字普惠金融发展不均。可能的原因在于，数字普惠金融的发展依赖于实体经济和传统金融[5]，其无法摆脱传统金融的积淀而独自生存[32]，经济发展水平高、传统金融覆盖面广的农村地区发展水平高，而我国农村地区经济发展水平和传统金融覆盖率存在差异，这使得不同农村地区数字普惠金融发展水平存有差异。

农户非农就业水平的平均值为0.407（表2），按照其将样本四等分后，小于50%分位点的农户占比为49.6%，其中非农就业水平为0的农户占比48.0%（表3）。这表明仍有许多农户非农就业水平低，甚至无人从事非农岗位，推进农村劳动力非农转移仍是一项严峻任务。可能的原因在于，有些地区经济发展落后，地处偏僻区域，就业信息闭塞，就近就业机会少，而外出就业需要支付交通、生活等费用，许多经济实力有限的劳动力无法承担，且许多劳动力自身人力资本有限，无法满足岗位需求，劳动力非农就业难。此外，25%～50%分位点的农户仅占1.6%，可能的原因在于，家庭规模均值为3.949（表1），而老人抚养比和少儿抚养比低，家庭不健康人数少，也就是说，在排除老人、少儿和病人并有人从事非农就业的情况下，正常农村家庭非农就业水平大于0.333，即从事非农就业的农户大多位于50%分位点以上区间。

表2 数字普惠金融指数、非农就业水平和农户收入统计结果Table 2 Descriptive statistics of digital inclusive finance,non-agricultural employment level, and farmers’ income

表3 数字普惠金融、非农就业水平和农户收入分布统计Table 3 Distribution statistics of digital inclusive finance, non-agricultural employment level, and farmers’ income

农户人均纯收入的均值为1.453万元（表2），按照其将样本四等分后发现，全部样本中，收入水平小于25%分位点的样本占25.0%，大于75%分位点的样本占比24.6%（表3），最高分位区间均值与最低分位区间均值的比值约为11.510，这说明农户间收入水平存在较大差距。此外，农户收入和数字普惠金融指数、非农就业水平均有相同变动趋势（图1）。也就是说，随着数字普惠金融发展水平或者农户非农就业水平的提升，农户收入有所增加，这为后文实证研究奠定了基础。

图1 数字普惠金融、非农就业水平与农户收入变动趋势Fig. 1 Trends of digital inclusive finance, non-agricultural employment level, and farmers’ income

3.2 数字普惠金融和非农就业对农户增收的影响分析

OLS回归结果显示，数字普惠金融指数的系数显著为正（表4），说明一个地区数字普惠金融的发展对当地农户收入的增加具有正向促进作用。具体来说，一个地区数字普惠金融的发展程度每提升一个单位，当地农户收入水平将提升0.886个单位。可能的原因在于，从数字普惠金融包含的具体内容来看，数字普惠金融实现了金融产品的创新，其包含的货币基金所产生的投资理财收益使增加农户财富成为了可能，保险产品为农户的财产安全提供了保障。数字普惠金融也可以通过带动高收入人群收入的增加，带动经济的发展，进而为低收入农户的发展营造了良好的发展环境，有利于农户实现增收。另外，数字普惠金融有助于产业结构优化升级，涌现出可以吸纳老年劳动力的产业，为老年劳动力提供收入来源。

表4 数字普惠金融对农户收入的回归估计结果Table 4 Regression results of the impacts of digital inclusive finance on farmers’ income

在控制变量方面，户主年龄越大的家庭，收入越低，而户主受教育程度越高的家庭，收入越高。可能的原因在于，年龄越大、受教育程度越低，该劳动力被非农岗位排斥的力度越大，不易实现向非农部门的转移，而子女的就业往往受到父母的影响，进而对整个家庭的收入产生影响[16]。党员户的平均收入水平高于非党员户。可能的原因在于，政治面貌这一控制变量在一定程度上反映了农户的社会资本水平，而社会资本有助于信息资源的优化和配置，增大就业信息的可得性和真实性，具有独特的收入效应[21]。老人抚养比、少儿抚养比和家庭健康水平的系数均显著为负，可能原因在于，许多劳动力因照顾家中老人、少儿和病人而无法离家从事工资水平较高的非农工作，导致家庭人均纯收入水平低。

在控制了其他变量以后，使用深度、覆盖广度和数字化程度对农户收入均具有正向促进作用，且在1%的水平上显著（表4），并且三者对农户收入的影响存在差异，数字化程度对农户收入的影响最为显著，覆盖广度次之。可能的原因在于，鉴于农户的收入和征信水平，传统金融机构往往将其作为排斥对象，农户使用金融服务的门槛高，借贷资金困难，不利于其生产和生活。而数字化程度反映了数字普惠金融给农户使用金融服务带来的便利程度和成本高低，它显著降低了农户使用金融服务的门槛，有助于农户生活和从事生产。数字化程度从根源上减少了农户使用金融服务的障碍，农户收入对其的敏感程度要更高。

2SLS回归结果表明，在控制内生性问题后，数字普惠金融总指数与分指数对农户收入的影响仍是显著且正向的（表4）。也就是说，无论是否考虑内生性，本文结论始终是成立的。除此之外，农户非农就业水平的提升同样有助于农户收入的增加。具体而言，非农就业水平每提升1个单位，农户收入水平将提升0.404个单位。一般来说，由于我国二元经济结构的长期存在，我国非农部门技术资源倾斜力度大，这使得非农部门的劳动边际生产效率高于农业部门，并且非农收入的高低与劳动力工作的时间呈正比，即劳动力非农工作时间越长，其所获得的收入越高，而农业生产耗时长，收入却不随时间增加而发生较大波动，且其受自然风险、市场风险影响大。基于成本和收益比较，非农收入占农户总收入的比重越高，农户总收入越高。因此，当农户非农就业水平提升时，非农收入增加，农户总收入水平也将会随之提升。

3.3 农户非农就业水平的中介效应分析

数字普惠金融指数对农户非农就业水平和农户收入的影响系数均显著为正，并且在加入了农户非农就业水平之后，农户非农就业水平对农户收入的影响系数显著为正，数字普惠金融指数对农户收入的影响系数仍显著为正（表5）。这一系列结果表明，一方面数字普惠金融的发展对当地农户非农就业水平的提升具有正向促进作用；另一方面农户非农就业水平在数字普惠金融与农户收入之间发挥中介效应，即数字普惠金融会通过影响农户非农就业水平来影响农户收入。另外，在加入农户非农就业水平之后，数字普惠金融指数对农户收入的影响系数变小，说明农户非农就业水平在两者之间发挥部分中介作用，具体而言，数字普惠金融对农户收入的影响有3.507%的比例来自于农户非农就业水平。

表5 农户非农就业水平中介效应分析Table 5 Intermediary effect analysis of farmers’ non-agricultural employment level

农户非农就业水平在使用深度、覆盖广度、数字化程度与农户收入之间的中介效应结果显示，使用深度对农户非农就业水平与农户收入的影响系数均显著为正，在加入了农户非农就业水平之后，农户非农就业水平对农户收入的影响系数显著为正，使用深度对农户收入的影响系数仍显著为正且变小（表5）。这说明农户非农就业水平在使用深度与农户收入之间发挥部分中介作用，具体而言，使用深度对农户收入的影响有5.500%的比例来自于农户非农就业水平。覆盖广度对农户收入的影响系数均显著为正，对农户非农就业水平的影响不显著，而在加入了农户非农就业水平之后，农户非农就业水平和覆盖广度对农户收入的影响系数均显著为正。就此，进行中介效应检验第四步，计算SobelZ值。结果显示，SobelZ值为1.483，在5%的水平上显著（表5），这说明农户非农就业水平在覆盖广度与农户收入之间发挥部分中介作用。数字化程度对农户收入的影响系数均显著为正，对农户非农就业水平的影响不显著，而在加入了农户非农就业水平之后，农户非农就业水平和覆盖广度对农户收入的影响系数均显著为正。同理，计算SobelZ值。结果显示，SobelZ值为0.938（表5），中介效应不显著，这说明农户非农就业水平在数字化程度与农户收入之间不发挥中介作用。

3.4 异质性分析

1）数字普惠金融对农户不同收入的影响。数字普惠金融指数对农户工资性收入的系数显著为正，对农户农业收入显著为负（表6），这表明数字普惠金融有助于农户工资性收入的增加，而不利于农户农业收入的增加。可能的原因在于，数字普惠金融有助于经济增长和收入增加[5]，而经济增长和收入的增加会导致农户整体农业总收入的减少[15]。数字普惠金融为企业的产生与发展提供了强有力的支持，伴随而来的是岗位的增加，利于农民就业而获取工资性收入。而当工资性收入与农业收入的比较报酬高至一定比值时，为实现收益的最大化，农户将倾向于赚取工资性收入，这使得部分农户弱化了对土地的保障性需求，进而彻底脱离自家农业生产，农户农业收入减少[24]。

数字普惠金融指数对财产性收入和转移性收入的影响不显著（表6）。可能的原因在于，财产性收入反映农户通过出租转让使用权和投资理财所获得的收入，财产性收入反映政府对农民基本生产生活的保障，两者主要受政策颁布实施、当地市场自由度和农户所持风险态度的影响，受数字普惠金融的影响少。

数字普惠金融指数对农户经营性收入的系数显著为负（表6），这说明数字普惠金融不利于农户经营性收入的增加。一般来说，随着我国城镇化的建设，政府征用土地，不少地区存在失地现象，这不利于农户从事生产经营，且农户经营性收入基本不呈增加状态[15]，而数字普惠金融对农户工资性收入的促进作用可能会对农户经营性收入产生冲击作用，使得数字普惠金融对农户经营性收入产生负向影响。

表6 数字普惠金融对农户不同收入的影响Table 6 Impacts of digital inclusive finance on farmers’ different incomes

2）数字普惠金融对不同财富水平农户收入的影响。数字普惠金融对不同财富水平农户的收入均具有显著正向影响，且主要体现于数字普惠金融对工资性收入的促进作用；数字普惠金融对财富较少农户的增收效应大于财富较多的农户（表7）。可能的原因在于，相较于财富较多的农户，财富较少的农户信息获取渠道少、社交网络简单、职业技能低，在就业方面处于劣势地位。当数字普惠金融的发展带来就业机会增加时，财富较少的农户实现非农就业的可能性增加，进而实现收入增加。因此，财富较少的农户对数字普惠金融带来的变化更加敏感，反应更加强烈。这一结论表明，数字普惠金融的发展可以改善财富较少农户的经济状况，缓解农村贫困，助力我国“乡村振兴”战略的实施和推进。

表7 数字普惠金融对不同财富水平农户收入的影响Table 7 Impacts of digital inclusive finance on farmers’ income at different wealth levels

3.5 稳健性分析

1）数字普惠金融对农户收入的影响。在将解释变量滞后一期后，无论是数字普惠金融总指数还是分指数对农户收入的系数显著为正，且其他变量结果基本没有发生改变（表8）。这表明，上文数字普惠金融有助于农户收入增加的结论是稳健的。

表8 数字普惠金融对农户收入的影响Table 8 Impacts of digital inclusive finance on farmers’ income

2）农户非农就业水平的中介效应。数字普惠金融指数的总效应、间接效应和直接效应均为正向且显著，且间接效应95%置信区间不包括0（表9），这表明农户非农就业水平在数字普惠金融与农户收入之间存在中介效应，且为部分中介效应，占比约为3.656%。同理，非农就业水平在使用深度、覆盖广度与农户收入之间均起到部分中介效应，与前文保持一致。数字化程度的间接效应95%置信区间包括0（表9），说明非农就业水平在数字化程度与农户收入之间不起中介作用，与前文保持一致。以上结果表明前文农户非农就业水平中介效应的结果是稳健的。

表9 农户非农就业水平的中介效应Table 9 Intermediary effects of farmers’ non-agricultural employment level

4 结论与启示

4.1 结论

研究表明，当前农户间收入仍存有较大差异，从数字普惠金融对农户收入的影响来看，数字普惠金融总指数和分指数对农户收入均有显著正向作用，数字化程度相较其他两个分指数而言影响最大。数字普惠金融有助于农户工资性收入的增加，而不利于农业收入和经营性收入的增加。此外，相较于财富较多的农户，数字普惠金融对财富较少农户的增收效应更加明显，数字普惠金融对增加财富较少农户的收入、缓解农村相对贫困、缩小农户间收入差距具有积极作用。但农村地区间数字普惠金融发展不均，部分地区数字普惠金融发展水平低。另外，非农就业有助于农户增收，数字普惠金融可以通过提升农户非农就业水平进而带动农户收入增加，但部分农户的非农就业水平尚处于较低水平，有待提升。因此，在推动农户增收、缩小农户间收入差距的过程中需要注重数字普惠金融的发展和农户非农就业水平的提升。

需要指出的是，限于研究目的，本文未就数字普惠金融如何影响非农就业展开详细研究，而这对缓解我国农村剩余劳动力，促进农村劳动力就业具有重要的作用。因此，基于微观视角，构建面板数据，探究数字普惠金融对农村劳动力非农就业的影响和作用机制将是进一步研究方向。

4.2 启示

1）完善农村地区数字化建设，推动农村地区数字普惠金融均衡健康发展。数字技术释放了金融的普惠性，数字普惠金融在农村地区的顺利推行和普惠作用的充分发挥，离不开农村地区数字化建设。各地应通过加大互联网普及率、普及智能手机等方式健全数字普惠金融基础设施建设，使更多的人连接到数字化信息超级高速公路，并通过为数字普惠金融发展水平低的农村地区提供政策和资金扶持，实现数字普惠金融均衡发展。另外，各地政府不可盲目追求数字普惠金融快速发展，应根据当地经济和传统金融发展水平精准发展数字普惠金融，并根据市场发展实时更新完善相关法律法规，推动数字普惠金融健康发展。

2）瞄准农户需求，精准提供数字金融产品。数字普惠金融对不同财富水平的农户均具有增收效应，但不同农户需要的金融产品大相径庭。各地金融机构应瞄准不同农户需求，创新金融产品，在成本可担与风险可控的条件下，支持农户自主发展，助力其生产经营与投资，使实现持续增收成为可能。同时，充分发挥财富较少农户对数字普惠金融增收效应更加敏感的优势，注重变“输血式”扶持为“造血式”扶持，为财富较少农户弯道超车提供可能，缩小农户间收入差距。

3）引导使用数字金融产品，促进农民非农就业。就业机会、转移费用和自身技能水平是影响农民非农就业的重要因素。囿于当地就业机会少、外出就业成本高和自身技能水平低，许多农民未实现非农就业，部分农户非农就业水平低。而数字普惠金融有助于企业设立和发展，增加农民就业机会。因此，各地可以鼓励引导使用数字金融产品，增设和发展当地中小企业，迸发经济活力，衍生就业机会，促进农民就近就业。同时，加大对农民的宣传教育，引导其适当使用数字金融产品，支付转移费用，提升自身技能水平，实现非农就业。

致谢：感谢北京大学中国社会科学调查中心（ISSS）中国家庭追踪调查（CFPS）数据库、北京大学数字金融研究中心和蚂蚁金服集团联合课题组“北京大学数字普惠金融指数”的支持。