数字普惠金融农村减贫效应的传导机制与实证检验

◎张林 周舒影

一、引言及文献综述

近年来，随着互联网、大数据、区块链、云计算等现代信息技术与传统金融的深度融合，数字科技逐渐改变着传统普惠金融的信贷逻辑，为农业农村等普惠金融重要阵地带来了市场增量，数字普惠金融快速发展壮大并逐渐成为普惠金融发展的主要模式。在数字普惠金融中，金融是本质，普惠是性质，数字是手段（李牧辰等，2020）。相较于传统普惠金融，数字普惠金融可以帮助降低信息不对称程度、可获得性更高、覆盖范围更广、金融服务成本更低。因此发展数字普惠金融对农村地区贫困缓解具有积极作用。但是，数字普惠金融作为一个新兴事物，在其发展过程中也产生了不少问题。一是虽然数字和通信技术可以降低金融中介机构的交易成本，扩大其覆盖范围，但市场必须有足够的规模使得投资具有成本效应。二是广大农村居民由于缺少经济机会、缺乏数字金融服务教育等多种原因而存在“自愿金融排斥”的现象。三是广大农村地区征信体系覆盖范围不足、农户征信体系建设欠缺，也影响了数字普惠金融的减贫效果。因此，我国数字普惠金融发展对于农村贫困减缓的效果究竟如何？其减贫效应的作用机制是什么？哪些因素会对数字普惠金融农村减贫效应的充分发挥产生影响？这些问题值得思考。

贫困是经济社会发展中始终存在的社会现象，学术界早在20世纪就展开了对金融发展与贫困问题的研究。Kablana&Chhikara（2013）研究表明，金融普惠价值每增加1%，人均GDP平均增加0．715%。普惠金融可通过提高信贷的可获得性，平滑消费水平，对抗收入波动，缓解农村的金融排斥，使个人的贫困状况得到显著改善（Dupas&Robinson，2013）。国内学者认为普惠金融可以通过减少金融排斥（尹志超等，2019）、促进居民创业就业（刘丹等，2019；郑秀峰、朱一鸣，2019）、提高居民收入和缓解收入不平等（武丽娟、徐璋勇，2018）、包容性经济增长（刘金全、毕振豫，2019）等途径实现减贫。但普惠金融既不是社会救助式扶贫，也不是粗放“漫灌”式扶贫，只能帮助有发展潜力、能还本付息的贫困群体（何德旭、苗文龙，2015），必须通过商业化实现可持续发展。而且，普惠金融的扶贫效应存在基于不同群体、不同地区的异质性（杨艳琳、付晨玉，2019）、门槛效应和空间溢出效应（顾宁、张甜，2019）。然而，也有部分学者认为普惠金融发展的减贫效应并不具可持续性。张兵、翁辰（2015）认为中国农村金融发展在短期上可以缓解农村贫困，但不具有长期的可持续性。因此，提升普惠金融的扶贫效应需要构建更加开放便利的（董晓林、朱敏杰，2016）、信息化的（李建军、韩珣，2019）、多位一体的系统性普惠金融体系，降低金融服务门槛和成本，提高贫困居民金融服务可获性。随着数字普惠金融的快速发展，学界开始关注数字金融的减贫效应。部分学者认为数字普惠金融发展通过提高金融资源的可获得性、缓解金融排斥、增加经济机会和改善居民内部的收入不均，对农村贫困的减缓产生积极效应（黄倩等，2019），但其减贫效应在西部农村地区存在门槛效应。近年来，较多学者又开始研究数字普惠金融对相对贫困减缓的作用效应及其传导机制，并普遍认为数字普惠金融发展有利于减缓相对贫困（孙继国等，2020；刘魏等，2021）。

国内外丰富而又深刻的理论与实践研究为本文提供了极具价值的思路借鉴和逻辑起点。但是，专门针对数字普惠金融缓解农村贫困问题的研究还不够充分，且已有研究更多反映的是数字普惠金融的“普”，对“惠”比如金融服务便利性和成本的刻画不够充分。另一方面，关于数字普惠金融减贫效应的传导机制，现有文献大多是基于经济发展水平视角，鲜有从产业结构升级的视角探讨农村减贫的中介效应和门槛效应。基于此，本文将利用北京大学数字普惠金融指数和2011-2018年的省际面板数据，在理论分析及研究假说提出的基础上，采用中介效应模型和面板门槛回归模型，实证研究数字普惠金融对农村地区的减贫作用及其中介效应和门槛效应，并提出相关的政策建议。

二、理论分析与研究假说

（一）数字普惠金融减贫的直接效应

金融普惠通过增加个体经济机会和扩大他们的选择权，参与经济发展进程，提高收入水平，最终摆脱贫困陷阱，主要通过两种方式减贫：一方面数字普惠金融可以缓解农村地区的金融排斥，提高金融服务的可获得性。数字普惠金融，利用互联网及移动通信技术，将触角延伸到了广大农村地区，使得金融服务的覆盖范围更加广泛，保障了农村居民参与金融服务体系的权利。相较于传统的金融服务，数字普惠金融突破了空间的限制，金融机构可以减少线下营业网点数量，从而降低金融机构的固定资产投入和营业成本，偏远地区的居民也拥有利用互联网以及移动通信技术获得金融服务的潜在机会，缓解了农村地区金融排斥中的“地理排斥”。相比于传统的以人工方式收集、整理、核对用户数据，人工智能、区块链、大数据等金融科技的应用使得工作效率得到指数级增长。传统的贷款放款流程需要严格审查、逐级上报审批，从提交申请到最终完成往往程序繁杂、耗时费力，而数字普惠金融的应用简化了程序，提高了金融服务效率，同时也节约了客户的时间成本。随着市场竞争的日益激烈，为了满足农村地区居民、新型农业经营主体和小微企业的多样化金融需求，金融机构不断提高金融产品多元化程度和金融服务效率，极大地降低了金融服务的准入门槛与价格，缓解了农村地区金融排斥中的“条件排斥”与“价格排斥”，使得之前难以获得金融服务的群体也被纳入到金融服务体系，提高了金融服务的可获得性。另一方面，随着金融资源可获得性的增加，农村居民助学贷款的可获得性提高，他们接受教育的机会增加，这不仅提高了个人知识水平、丰富了个人技能，还拓宽了个人发展道路、提高了自主创业的可能，从根源上缓解了个体乃至整个家庭的贫困状况。基于上述分析，提出研究假说1：

H1：数字普惠金融有利于缓解农村贫困。

（二）数字普惠金融减贫的经济增长效应

从微观层面，得益于人工智能、区块链、大数据等金融科技的普遍应用，金融机构能够掌握海量的用户信息并较为准确地挖掘及分析用户需求，有效降低了信息成本。数字普惠金融的发展能够有效满足农村居民、涉农经济组织以及小微企业的融资需求，这增加了个体经济机会并扩大了选择权，有利于提高自身的收入水平。数字普惠金融在支持农村经济主体参与经济增长的过程中，通过推动当地农村产业的发展，延长农业产业链和价值链，创造了更多的就业机会，有利于推动当地经济发展并实现农村居民减贫增收。

从宏观层面看，数字普惠金融的发展能促进经济包容性增长，为经济带来“数字红利”（宋晓玲、侯金辰，2017）。一方面，当人均收入水平低于一定值时就会陷入贫困陷阱，而一旦跨越门槛值时就会形成规模报酬递增效应，因此资本积累是制约农村地区贫困缓解的重要因素，数字普惠金融的发展有利于增加农村储蓄、积累农村资金。同时，随着数字普惠金融的发展和推广普及，中小微企业可以相对比较容易地获得信贷支持，而且农村地区良好的创业环境，有利于吸引外来投资，加快农村地区的资本积累（李涛等，2016）。另一方面，金融机构可以利用信息优势优化资源配置，促进金融资源在不同产业、部门之间的科学配置，促进农村地区产业的优化升级。金融服务的优先发展能为经济发展提供支持，金融资源的流动和配置将带动劳动、技术、土地等其它生产要素的流动，这些生产要素的流动与它们在不同产业和部门之间的高效配置有利于当地产业的优化升级并促进整体经济水平的增长，当地的贫困群体也因此能够共享经济增长的成果（张勋等，2019）。虽然金融服务的优先发展能为经济发展提供支持，但金融服务作为一种软性基础设施会受到经济发展水平的影响。经济发展水平落后的地区，会存在金融设施不足、金融效率低下等问题，从而影响数字普惠金融减贫效应的发挥。

在经济发展的过程中，往往会伴随出现“涓滴效应”现象，越来越多的研究表明整体的经济增长并不代表个体经济状况的改善，贫困群体能否共享经济增长的“红利”，取决于经济增长模式。一方面，如果经济增长集中于无法使贫困群体受益的产业部门，不平等就会加剧，这种经济增长模式会阻碍贫困群体从经济增长中获益（Montalvo&Ravallion，2010）。另一方面，不同产业的生产效率和收入分配效应不同，在不同的产业发展水平下，金融资源的利用效率也存在差异。因此农村地区数字普惠金融减贫效应的发挥与经济增长的产业构成有关。基于上述分析，提出研究假说2和3：

H2：数字普惠金融可以通过推动经济增长缓解农村地区的贫困。

H3：数字普惠金融减贫效应会受到经济发展水平和产业结构的影响，即存在经济发展和产业结构的门槛效应。

（三）数字普惠金融减贫的收入分配效应

建国初期，基于当时的基本国情和经济状况，在政策的引领下大部分先进生产要素大规模集中到城市，而小部分生产要素散置于农村，造成城乡经济发展的巨大差异，形成了城乡经济“二元结构”。金融资本天然的逐利性质使得资金从低收益的部门流向高收益的部门，在不平衡的城乡二元结构中，城市地区的产业往往具有更高的收益率，因此金融资本更多地流向城镇地区，使得农村陷入了金融资源匮乏的困境。由于这种不均衡的城乡二元金融结构，城镇居民具有获取金融资源的天然优势，而农村居民有限的资本积累使得他们被排斥在传统金融体系之外，造成了城乡之间的收入差距。金融体系的包容性发展会减轻获得金融服务的不平等性、矫正资金在不同群体之间的歧视性分配，从而进一步提高低收入者收入水平并遏制城乡收入分配的进一步恶化（何德旭、苗文龙，2015）。大量研究发现数字普惠金融的发展能够显著缩小城乡居民收入差距，数字技术的发展提高了资金流通、转移、分配的速度，促进了金融资源的有效配置，为农村地区的经济发展注入活力，有利于改善农村居民的收入水平，缩小城乡收入差距；同时，数字普惠金融发展也可以通过产业结构升级、居民创业的中介效应，最终促进农民收入持续增长（张林，2021）。其次，数字普惠金融发展缓解了农村地区的金融排斥，保障了农村居民获得金融服务的基本权利，也拥有了获得财政补贴性贷款的潜在机会，为改善贫困状况提供更好的财政杠杆。基于上述分析，提出研究假说4：

H4：数字普惠金融有利于缩小城乡收入差距，从而缓解农村地区的贫困。

三、实证研究设计

（一）模型设定

为检验假说1，即数字普惠金融能否缓解贫困，建立如下模型：

其中，lnpovit为被解释变量，代表t年i省的农村人均可支配收入的对数，用来衡量农村的贫困水平； difiit为核心被解释变量，代表t年i省的数字普惠金融发展水平。Controlsit代表其他控制变量包括经济发展水平（pgdiit）、就业水平（empit）、政府财政支出水平（govit）、财政支农结构（agovit）、对外开放水平（openit）、教育水平（eduit）、产业结构水平（istrit）、城镇化水平（urit）、社会投资水平（investit）。随机变量uit代表省域层面的个体异质性，代表随机扰动项。

为检验假说2和假说4是否成立，建立如下模型：

其中，Mit代表中介变量，在经济增长效应传导途径中中介变量为pgdiit（代表经济发展水平），在收入分配效应传导途径中中介变量为indit（代表城乡收入差距）。1表示数字普惠金融对贫困缓解的总效应，1表示数字普惠金融对贫困缓解的直接效应，表示控制了数字普惠金融的影响中介变量对被解释变量的影响效应。代表中介效应，表示中介效应占总效应的比重。关于是否存在中介效应，若均显著，说明中介效应显著，如果比小，说明存在部分中介效应；若、都显著而不显著，则存在完全中介效应。

为检验假说3，以pgdiit、istrit为门限变量，建立如下面板门槛模型：

其中，Inpovit为被解释变量，代表t年i省的农村人均可支配收入的对数，用来衡量农村的贫困水平；difiit为核心被解释变量，代表t年i省的数字普惠金融发展水平。Controlsit代表其他控制变量。模型（5）是以经济发展水平（pgdiit）为门槛变量，表示当经济发展水平低于时，核心解释变量数字普惠金融指数（difiit）对于被解释变量（Inpovit）的影响水平，表

（二）变量定义与数据来源

本文以2011-2018年31个省（自治区、直辖市）为研究样本。被解释变量为农村贫困程度（Inpov），用“农村人均可支配收入”（2013年之前指标名称为“农村人均纯收入”）来衡量。农村居民收入不仅仅是减贫成果的现实依据，也是减贫的直接来源。地区人均纯收入不仅能够较好地体现扶贫增收的结果，也能避免我国贫困线的标准性、不定期变化等问题所引起的偏差。除此之外，纯收入也能够较为客观地反映农村居民可用于商业活动、消费投资等生产生活的实际经济剩余水平。因此，本文参考朱一鸣、王伟（2017）的做法，使用各地区的农村居民人均可支配收入作为地区减贫增收效果的衡量指标，并进行对数化处理以避免异方差导致的偏误。

核心解释变量数字普惠金融指数（difi）来自《北京大学数字普惠金融指数》（2011-2018），该套指数还包括了数字金融使用深度指数（usage depth）、覆盖广度指数（coverage breadth）、数字化程度（digitization level）、保险指数（insurance）、移动支付指数（payment）等指标。本文参考傅秋子、黄益平（2018）的做法，将各省市数字普惠金融综合指数及各指数均取对数处理。

中介变量城乡收入差距(ind)采取泰尔指数(Theil)来衡量，泰尔指数大于等于0，数值越小表示城乡收入差异越小。地区经济发展水平（pdgi）采用各省市人均GDP衡量，并取对数处理。

控制变量方面，就业水平（emp）采用乡村私营与个体就业人数占比来衡量，财政支出规模(gov)采用财政支出占GDP比重衡量，财政支农结构(agov)采用农林水务支出占财政支出比重衡量，对外开放水平（open）采用进出口总额与GDP之比衡量，教育水平(edu)采用农村地区平均受教育年限衡量，产业结构（istr）采用各省市第二三产业增加值与GDP之比衡量，互联网发展水平（iar）用各省市互联网普及率衡量，城镇化水平（ur）采用城镇人口占总人口比重衡量，社会投资水平（invest）用社会固定资产投资占GDP之比衡量。相关数据主要来源于历年的《中国统计年鉴》《中国人口和就业统计年鉴》和wind数据库等。

变量的描述性统计如表1所示，核心解释变量数字普惠金融指数最大值为3．77，最小值仅为0．162，标准差为1．164，这表明中国各个省份数字普惠金融发展不均衡，东部沿海地区与西部地区的数字普惠金融发展水平差距较大。农村居民人均可支配收入取对数之后，最大值与最小值之间的差距并不大，仅从绝对值的考虑，全国的农村居民人均可支配收入最大值为30374，最小值为3909，两者之间有巨大的差距，体现了各地区经济发展水平的不平衡。

四、数字普惠金融农村减贫效应的实证检验

（一）基准回归分析

表2报告了基准模型的回归结果，在总体上数字普惠金融指数都在1%的水平下显著，其中基于个体固定效应模型和LSDV模型的回归结果基本一致，数字普惠金融指数弹性系数为0．187；基于最小二乘法估计（OLS）和二阶最小二乘法（2SLS）得出的数字普惠金融指数的弹性系数为0．254。实证结果表明在农村地区数字普惠金融发展有利于提高农村居民人均收入从而改善贫困状况，与现实情况相符，说明数字普惠金融具有显著的农村减贫效应，符合假说1的预期。表2还报告了数字普惠金融三个分维度指数的减贫效应，结果发现在使用深度（usedep）、数字化程度（digitl）、覆盖广度（cover）三个指标中，使用深度指标对农村居民收入的促进作用最为明显，其弹性系数为0．141，且在1%的水平下显著；覆盖广度指标对农村居民收入的促进作用次之，其弹性系数为0．081，在10%的水平下显著；数字化程度对农村居民的促进作用最弱，其弹性系数为0．029，在10%的水平下显著。在其他的控制变量中，地区经济发展水平、政府财政支出水平、地区开放程度和受教育水平对于农村地区的人均可支配收入具有显著的影响。

表1 变量的描述性统计

表2 基准回归估计结果

已有文献将农村居民人均消费支出作为衡量贫困水平的指标（黄倩等，2019），因此，本文以农村居民人均消费支出替换被解释变量进行稳健性检验，数据来源于《中国统计年鉴》，对人均消费支出取对数处理，用各种估计方法得到的结果如表3所示，我们可以看出不同的估计方法一致表明，数字普惠金融水平对贫困缓解具有显著影响，且在1%的水平下显著，这与上文的结论一致。

（二）中介效应检验

从表4可以看出，当不引入中介变量时，核心解释变量difi的估计系数为0．27且在1%的水平下显著，当引入中介变量pgdi后，difi的系数依然在1%的水平下显著，为0．254，相比于0．27均存在不同程度的减小，且pgdi的估计系数在1%的水平下显著，说明存在中介效应。在收入分配的传导途径中，ind的系数为-0．658且在1%的水平下显著，因为泰尔指数越小说明城乡收入差距越小，收入分配越公平，因此该系数前面的负号与经济含义一致，即缩小城乡差距有利于缓解贫困。中介变量pgdi对被解释变量产生正向影响，若存在中介效应引入中介变量后difi的估计系数变小；中介变量ind对被解释变量产生负向影响，若存在中介效应引入中介变量后difi的估计系数变大。在表5中，当引入中介变量ind后，difi的估计系数为0．284，略大于0．27符合其经济含义，且在1%的水平下显著，说明存在中介效应。

表3 稳健性检验结果

表4 中介效应模型初步回归结果（OLS）

接下来采用逐步回归法对中介效应进行进一步检验，囿于篇幅，实证结果未全部列出，仅报告了汇总结果（见表5）。表5中第2-3列结果显示，数字普惠金融可以通过促进地区经济发展水平来提高农村居民收入水平，从而缓解贫困，这一结论与假说2的预期一致，即数字普惠金融通过推动经济增长缓解农村地区的贫困状况，使用不同估计方法可以得到一致结果。核心解释变量（difi）对被解释变量（Inpov）的总效应（系数）显著，数字普惠金融指数（difi）对经济发展水平的影响（系数）显著，在引入中介变量后数字普惠金融对被解释变量的直接效应（系数）依然显著，说明中介效应显著。系数2显著且＜，说明存在部分中介效应。两种估计方法的中介效应占总效应的比重分别为5．98%、7．93%。

表5中第4-5列结果显示，数字普惠金融可以通过缩小城乡差距，改善收入分配来提高农村居民收入，从而缓解贫困，这一结论与假说4的预期一致，即数字普惠金融可以通过缩小城乡差距后改善收入分配来缓解农村贫困状况，使用不同估计方法可以得到一致结果。数字普惠金融（difi）对被解释变量（Inpov）的总效应（系数）显著，数字普惠金融指数对收入分配产生显著的负向影响（系数），在引入中介变量后数字普惠金融对被解释变量的直接效应（系数）依然显著，说明中介效应显著；同时收入分配对被解释变量产生了显著的负向影响（系数）且＞，说明存在部分中介效应，两种估计方法的中介效应占总效应的比重分别为-4．99%、-8．5%。

表5 中介效应汇总表

表6 门槛效应检验（以pgdi为门槛变量）

表7 门槛模型输出结果（以pgdi为门槛变量）

表8 门槛效应检验（以istr为门槛变量）

（三）门槛效应检验

1．基于地区经济发展水平的门槛效应检验

以pgdi为门槛变量，通过自举法（Bootstrap）来获得检验统计量的显著性水平，显著性水平的数值大小作为判断两者之间是否存在门限效应的主要依据，结果如表6所示。从表6可以看出，核心解释变量（difi）对被解释变量（Inpov）存在经济发展（pgdi）的单门槛效应。相应的门槛值为10．008，95%的置信区间为[9．953，10．04]。

利用单门槛模型对面板数据进行估计，回归结果如表9所示，无论经济发展水平是否超过门槛值，数字普惠金融指数都能够有效缓解农村贫困，且在1%的水平下显著。当经济发展水平达到一定水平，即超过门槛值10．008时，核心解释变量数字普惠金融（difi）前面的系数从0．0878提高到了0．203，说明数字普惠金融减贫效应会受到经济发展水平的影响和制约，存在经济发展的门槛效应，经济发展水平达到一定水平后，数字普惠金融对贫困的缓解作用大幅提高，该结果与假说3的预期一致。

2．基于产业结构的门槛效应检验

以istr为门槛变量，通过自举法（Bootstrap）来获得检验统计量的显著性水平，显著性水平的数值大小作为判断两者之间是否存在门槛效应的主要依据，结果如表8所示。可以发现，核心解释变量（difi）对解释变量（Inpov）的影响存在产业结构（istr）的双门槛效应，第一门槛值为0．889，95%的置信区间为[0．896，0．900]；第二门槛值为0．987，95%的置信区间为[0．982，0．988]。

利用门槛模型对面板数据进行估计，回归结果如表9所示。无论产业结构水平是否超过门槛值，数字普惠金融水平都对农村贫困缓解产生影响，且在1%的水平下显著。当产业结构水平超过0．899这一门槛值时，数字普惠金融的减贫效应有一定程度的减小，从0．198减小到了0．181，说明随着第二、三产业比重的上升，数字普惠金融的农村减贫效应受到制约。当产业结构水平跨越第一门槛值0．899时，数字普惠金融的农村减贫效应有所收敛，从0．191减小到0．173，但仍在1%的水平下显著；当产业结构水平跨越第二门槛值0．987时，数字普惠金融的农村减贫效应显著提升，从0．173提升到0．2，并在1%的水平下显著，说明随着第二、三产业比重的逐步上升，数字普惠金融的农村减贫效应呈现出先减弱后增强的态势。

表9 门槛模型输出结果（以istr为门槛变量）

五、研究结论与政策启示

本文基于31个省2011-2018年的面板数据，对数字普惠金融发展缓解农村贫困的总体效应及作用机制进行实证检验。研究表明：在总体上，数字普惠金融具有显著的农村减贫效应，各分指数的减贫贡献率从高到低依次为使用深度、覆盖广度和数字化程度。从传导途径看，数字普惠金融通过推动经济发展、缩小城乡收入差距改善收入分配来缓解农村贫困。数字普惠金融的农村减贫效应具有经济发展门槛效应和产业结构门槛效应，当经济发展水平超过门槛值时，数字普惠金融的农村减贫效应得到了显著提高；当第二、三产业比重的逐步上升时，数字普惠金融的农村减贫效应呈现出先减弱后增强的态势。数字普惠金融可以帮助降低信息不对称程度、可获得性更高、覆盖范围更广、金融服务成本更低、金融服务效率更高，农村地区的居民也拥有利用互联网以及移动通信技术获得金融服务的潜在机会，因此发展数字普惠金融对贫困缓解具有积极作用。

基于上述研究结论，本文提出以下政策建议：第一，将互联网、大数据、区块链等现代信息技术与普惠金融服务深度融合，完善数字普惠金融体系与基础设施建设，将触角延伸到广大农村地区，使得数字金融服务的覆盖范围更加广泛，保障农村居民参与金融服务体系的权利。提高农村地区财政支出中教育经费的投入比例，强化农村地区的数字金融教育，从而提高农户的数字金融素养，减少农户的“自我排斥”。农村居民可以通过学习新的知识和技能来增加自己的收入，还可以通过人力资本积累提高就业能力，最终摆脱贫困陷阱。第二，改善农村基础设施建设，培育新型职业农民，因地制宜选择农村主导产业，深入发掘当地特色产业，加快农村一二三次产业融合发展，不断推进农村产业结构优化升级，增加农民就地就业机会，扩宽农民收入增长渠道，实现扶贫模式从单方面“输血”到自主“造血”的转变。充分将金融政策、财政政策与产业政策相配合，在风险可控的前提下，赋予各类金融机构下沉创新权限，允许县域金融机构根据当地实际情况，开发设计操作简单、交易便捷、“接地气”的数字金融产品与服务，引导农村金融资源向主导产业和特色产业流动，促进主导产业和特色产业又好又快发展，充分发挥金融扶贫和产业扶贫的协同效应，增强农村地区的内生发展能力。利用金融资源的先导性作用，加快城乡其他资源要素的充分流动和合理分配，促进城乡一体化发展，不断缩小城乡居民收入差距，进而实现减贫。