数字普惠金融抑制了家庭相对贫困吗？
2022-07-18刘鹏举张一童周升起
刘鹏举 张一童 周升起
(青岛大学经济学院，山东 青岛 266061)
一、引言
中国经济的快速增长成就了史无前例的贫困下降速度和规模[1]，2020年我国实现了832个贫困县脱贫、农村贫困人口全部脱贫的成绩，绝对贫困已历史性消除。从居民收支状况来看，我国城乡居民人均可支配收入从2010年的19 109.44元和5 919.01元到2019年的42 358.80元和16 020.70元，分别上涨了121.66%和170.67%，人均消费性支出从2010年的13 471.45元和4 381.82元到2019年的28 063.40元和13 327.70元，分别上涨了108.32%和204.16%(1)数据来源于国家统计局《中国统计年鉴(2020)》和《中国统计年鉴(2011)》。。由此可见，近些年来人民生活水平有了显著提高。然而，由于我国人口基数大、分布广，各区域间经济难以得到均衡发展，城乡居民贫富差异依然存在。按照国际通用标准，基尼系数超过0.40则表示收入差距过大。根据国家统计局公布的数据可以发现，改革开放以来我国基尼系数的峰值出现在2008年，数值为0.49。虽然2019年该数值下降至0.47(2)数据来源于国家统计局网站《中国住户调查年鉴(2020)》。，但仍严重超过国际公认的警戒线。党的十九届四中全会指出“坚决打赢脱贫攻坚战，巩固脱贫成果，建立解决相对贫困的长效机制”，这意味着相对贫困问题成为目前我国面临的严峻挑战和急需破解的重大课题。
解决相对贫困问题，不仅要让人们的日常生活基本需求得到满足，还要缩小个人或家庭与社会平均生活水平的差距。党的十九大报告曾指出：“大力发展普惠金融是我国消灭贫困、全面建成小康社会、维护社会和谐的必要手段”。普惠金融自2005年被提出之后，其商业可持续性和机会平等原则为众多发展中国家解决相对贫困问题作出了巨大贡献。2016年，G20杭州峰会通过的《G20数字普惠金融高级原则》正式提出“数字普惠金融”概念，弥补了普惠金融在推广过程中出现的服务时间和地理空间受限问题，泛指一切利用数字技术手段促进普惠金融的行为。一方面，数字普惠金融降低了金融服务门槛，以完善农村家庭或低收入群体直接接触的金融工具、金融服务、金融机构等方式，对相对贫困问题产生直接影响；另一方面，数字普惠金融通过改善居民和企业的资金周转率提高了地区物质资本的积累，进而促进了人力资本的提升，居民在强化自身学习的过程中改善了收入水平并缩小了收入差距，间接地缓解了相对贫困。但是，金融风险导致的不确定性和金融机构本身的逐利目标都可能会阻碍数字普惠金融的减贫效应。那么，数字普惠金融的发展是否对家庭相对贫困有所影响？数字普惠金融的减贫效应是否存在阶段性影响特征？这些问题的解决对于新时期数字普惠金融服务的普及以及家庭相对贫困的缓解具有重要现实意义。
回顾以往文献可以发现，目前相关研究还存在以下几个问题：一是研究数字普惠金融减贫的文献对相对贫困的测度不够全面。关于相对贫困线如何确定，国际上通常按照收入中位数或平均数的一定比例进行划定[2-4]。国内学术界对此表示认同，大多建议以居民人均可支配收入中位数的40%或50%作为相对贫困标准线[5-6]。事实上，我国目前面临的相对贫困问题不仅仅包含收入不能满足基本需求引起的“贫”，也应包括教育、卫生、社会参与以及公共品获取等活动能力被剥夺造成的“困”[7]。虽然在后续的研究中教育与健康、生态环境、社会救助和社会服务、公共服务供给与基础设施建设等陆续被纳入到相对贫困的衡量指标中，但是有关数字普惠金融与相对贫困关系的文献仍以“收入比例法”为主对相对贫困进行测度[8-10]。鉴于此，本文结合中国社会现实发展情况构建出全新的多维相对贫困评价体系，以弥补以往研究的不足。二是少有学者从家庭视角出发进行微观层面的数字普惠金融减贫研究。当前关于数字普惠金融发展水平的数据中“北京大学数字普惠金融指数”最为权威，该数据测度了中国内地不同地区数字普惠金融发展水平，现有的相关研究也主要以省、市、县三级地区为研究视角展开[11-12]。考虑到相对贫困着重强调个人或家庭在收入、健康、文化、生活水平等方面与社会平均水平的差距，本文将家庭作为独立的研究对象展开讨论，将宏观数据与微观数据库相结合，考察数字普惠金融对相对贫困的影响。三是缺乏对数字普惠金融非均衡效应的研究。数字普惠金融的发展依赖于金融设施建设水平和数字技术提升能力，那么地区资源禀赋和资金投入力度便是发展的关键。目前有关数字普惠金融的非均衡效应研究大多只考虑到东中西部地理位置的异质性[13-14]，未深入探究数字普惠金融的发展路径与影响因素。我国分税制改革后，地方政府财政自主性增强，科技支出效率决定了地区互联网技术发达程度[15]。再加上我国区域经济发展本身具有不平衡特征，导致各地区数字普惠金融发展普遍存在资源配置不均衡问题。这些因素都可能会影响数字普惠金融的减贫作用，厘清影响状况将有利于提高减贫效率。
本文可能存在的贡献点如下：第一，通过构建4个维度16个指标的多维相对贫困评价体系，更加系统与全面地刻画了样本家庭的相对贫困水平；第二，以家庭为研究对象探究数字普惠金融对相对贫困的影响，拓展了现有研究视角，与仅利用宏观数据进行研究相比更加贴近我国居民现实状况，为政府提高数字普惠金融减贫效果提供了更有针对性的现实依据；第三，鉴于数字普惠金融对相对贫困的影响是有条件的，本文在探究地理位置非均衡的基础上，将政府财政自给能力和地区产业结构差异纳入考察范围，不仅充实了两者关系的研究成果，还增添了研究结论的现实指导意义。
二、文献综述与理论分析
面对我国目前相对贫困问题凸显现状，学界关于数字普惠金融的脱贫增收效应作出了诸多研究，围绕着金融与贫困关系的主线，本文将从数字普惠金融有利于贫困减缓、减贫效应具有非均衡性、数字普惠金融与相对贫困的非线性关系三个层面进行梳理，在此基础上提出三点假说。
传统金融通过储蓄平滑消费、投资获得收益、技术创新促进经济增长、提升自有资本增加就业机会等途径降低了贫困发生率[16]。紧接着，普惠金融的发展进一步扩大了金融服务范围，保证了相对弱势群体与富人一样得到共同的、公平的金融服务权利，进而提高了居民整体生活水平、有效防止了家庭相对贫困的发生。然而，普惠金融在推广过程中面临着成本高、效率低等难题[17]，可持续发展前景堪忧。大数据和信息技术等创新科技的发展加快了金融数字化的步伐，“以第三方支付、移动支付替代传统支付，以P2P信贷代替传统存贷款业务，以众筹融资代替传统证券业务”的数字普惠金融有效地降低了服务成本与消费成本，通过精确瞄准贫困人口及其需求，将金融服务的普惠效应得以释放[23-24]。此时，金融服务机构不必将服务网点深入到偏远的贫困或农村地区，金融服务对象通过互联网平台就可以实现多样化的金融产品交易，避免了消耗时间在咨询和来往路程上[19]。同时，数字技术能够收集和保存海量用户数据，大大缓解了传统金融服务体系存在的信息不对称问题[20]。从金融机构层面，这些数据可以更精准地对客户进行信用评估，实现实时监控和风险管控，进而发现更多的潜在客户[21]；从金融产品客户层面，这些数据能够帮助他们理解产品，尤其是农村居民和低收入人群，他们往往缺乏一定的金融知识和金融意识，很容易因为对金融体系的不信任而退出整个金融市场。因此，本文认为相较于“嫌贫爱富”的传统金融和普惠金融体系，以支付宝为代表的数字普惠金融有效地促进了金融资源的均衡配置，通过增加金融服务的广度和深度促进贫困减缓，一定程度上缓解了区域间收入分配不均等问题[22-23]。据此，提出假说1。
H1数字普惠金融能够抑制家庭相对贫困的发生。
改革开放以来，我国区域经济发展战略一直采取“优先发展沿海地区”的不平衡发展战略，这使得沿海地区经济得以迅速发展起来。再加上我国地域辽阔，人力资源条件、地区产业结构及市场化水平分布差异明显，各区域间经济实力十分悬殊。虽然我国发展目标由高速度发展转为高质量发展后，一系列政策明显向边远和落后地区倾斜，但物质资源调配的局限性阻碍了中西部地区的发展速度，无法挽回其经济水平远低于东部地区的局面[24]。对于东部经济带，传统金融体系已十分完善，金融知识和投资意识也较为普及，金融排斥程度相对较低。而数字普惠金融发展的重要意义就在于通过降低服务门槛满足那些难以享受到金融资源的弱势群体的需求[25]，所以对于金融资源更为匮乏、金融排斥更为广泛的中西部地区，数字普惠金融的减贫增收作用可能更加明显。除此之外，科技资源配置方面的不均衡，尤其是财政资金的不合理分配也可能阻碍数字普惠金融减缓贫困。我国对于科技活动的投资以政府财政拨款的形式为主，虽然近些年来国家财政投入力度逐年增大，但是各地区科技产出效率却出现明显差异[26]。田时中等(2015)[27]曾指出财政科技支出项目绩效的本质就是财政支出绩效。因此，合理配置财政资金以最大程度发挥地区财政自给能力可以显著增强数字普惠金融的减贫效应。与此同时，依托于大数据、云计算等信息技术发展起来的数字普惠金融有赖于数字技术的提升，一般来说地区第三产业占比越高数字资本供给与数字应用需求就越大，而数字经济对经济发展有着强大的推动作用，可以间接地提高居民平均收入水平[28-29]，这表明地区产业结构也会影响数字普惠金融对贫困的减缓作用。综上所述，本文认为不同地区的金融发展基础、财政自给能力及产业结构分布会有所不同，而这些差异很可能会影响数字普惠金融的减贫增收效应。据此，提出假说2。
H2数字普惠金融在减贫过程中存在非均衡效应。
首次提出金融发展与贫困减缓之间具有非线性结构的是Greenwood和Jovanovic(1990)[30]，随后这一结论在中国得到验证[31]。从需求方角度来看，随着传统金融与互联网的不断结合，金融服务范围和种类得到了扩大和增加，但是由于部分地区缺乏一定的科技创新基础，金融在整个产业结构中占比不高，导致数字普惠金融的优势尚未完全显现。同时，数字普惠金融的减贫效应还受移动通信、光纤宽带等基础设施普及度的影响[32]，尤其是农村地区，如果接通互联网的物质条件都无法满足，金融排斥问题将一直存在。除此之外，地区之间教育水平差异引起的居民金融认知水平不同也会使得数字普惠金融减缓贫困呈非线性[33]。从供给方角度分析，作为一种新型的金融服务模式，数字普惠金融并没有脱离“金融”的本质。金融机构的利润最大化目标致使优质的金融资源不自觉地偏向拥有更高水平融资能力和收入条件的家庭，高收益回报使其积累了更多的财富，从而拉高了相对贫困标准线，短时间内体现为相对贫困人口比重增加。与此同时，金融本身具有的风险与数字技术赋能下的技术风险、网络风险交织在一起，进一步增强了风险的隐蔽性和传染性，甚至引发金融危机[34]。然而我国金融体系发展较晚、居民风控意识较弱，这些风险很可能对数字普惠金融减缓贫困带来不利影响。综合以上分析，数字普惠金融以其低成本、广覆盖、可持续的优势改善了传统金融抑制，增进了全民福祉，但部分地区和居民的资本欠缺和信息沟壑问题以及金融产品的逐利本质和风险不确定性会影响数字普惠金融减贫，这些因素决定了数字普惠金融与相对贫困之间的关系是非线性的。据此，提出假说3。
H3数字普惠金融与相对贫困之间呈非线性结构。
三、数据来源与实证设计
(一)数据来源
本文选用北京大学中国社会科学调查中心(ISSS)发布的中国家庭追踪调查(CFPS)数据库，之所以选择该数据库主要出于以下几点考虑：一是CFPS不仅关注受访者的经济与非经济福利，还包含了教育成果、医疗健康、家庭关系与家庭动态等诸多研究主题，为本文多维相对贫困的测度提供了丰富的数据；二是其已在众多微观层面研究中被广泛应用，该数据库涉及个人、家庭和社区三个不同的层面，截至2018年已覆盖31个省级行政单位、共完成约15 000个家庭的访问，应答率具备国际水平，生动刻画了人口健康、经济效益和社会福利的变迁；三是CFPS调查时间连续、样本量稳定且问卷不断被完善，目前已发布2010年、2012年、2014年、2016年和2018年五年的调查数据。考虑到数字普惠金融本身具有结构性差异，本文将拓展现有研究维度，进一步探讨数字普惠金融子指标与相对贫困之间的关系。由于业务分类子指标仅公布了2015-2020年，在删除相关变量缺失值和不适用样本后本文实证检验的数据集横跨2016年和2018年，涵盖中国内地31个省，有效样本量为38 862。
(二)多维相对贫困评价指标体系的构建
按照每人每年2 300元(2010年不变价)的贫困标准，我国已实现绝对贫困的消除。全面建成小康社会后，“两不愁”的生存型贫困问题也基本得到解决，而以“三保障”为代表的发展型贫困问题逐步凸显。因此，在新时期的“相对贫困”概念中，既应该考虑代表经济层面福利相对不足的“贫”，又应该反映非货币方面公共服务相对不足的“困”。2020年7月16日联合国开发署发布了最新的全球多维贫困指数(Multidimensional Poverty Index)，确定了人们在健康、教育和生活水准这三个关键维度上的贫困程度，是当今国际上最具代表性和权威性的多维相对贫困测度指数。但由于MPI体现的是全球70多个国家的普遍相对贫困水平，部分指标并不适用于我国现状。例如，在“生活水准”维度中“电力”指标衡量了“家庭没有电”的比例，而我国目前基本达到了电力全覆盖水平，所以这一指标对于我国居民家庭相对贫困水平的测度意义不大。鉴于此，本文以MPI为基础，本着“一维划线，多维识贫”的理念，借鉴Wang等(2021)[35]、郭熙保和周强(2016)[36]、邹薇和方迎风(2011)[37]等的研究，在综合考量数据的可获得性后设置了4个维度16个指标的多维相对贫困评价体系。在“经济水平”维度中主要涉及家户收入、家户支出与家户资产三个方面，赋值依据主要为问卷中受访者回答的真实数据；“教育水平”维度包含“家庭平均教育年限”指标，根据加总得出的家庭总教育年限与家庭规模进行赋值；“健康水平”维度中，前三项指标分别根据“您认为自己的健康状况如何”“您享有哪些医疗保险”“您参保了哪几种养老保险项目”与家庭规模进行计算；“医疗负担水平”衡量了家庭医疗支出占家庭非食品支出的比重；除了部分消费性支出外，“生活水平”维度还包括体现家庭消费结构的恩格尔系数。
表1 多维相对贫困的维度、指标和权重
由于不同维度和指标的计算标准与数据形式有所不同，本文将16个指标进行了标准化，分别根据十分位数1至10等级评分。其中，“家庭总房贷支出”“家庭医疗负担水平”“家庭恩格尔系数”为负向指标，数值越大家庭得分越少。为了厘清各指标对多维相对贫困影响效应的大小和关系，如何科学准确地赋予权重需要进一步指出。目前，测定权重的方法主要包括主观赋权法和客观赋权法。主观赋权法依赖于人们对各个因素重要程度的主观判断，这种方法简单直接、便于理解，在多维相对贫困测度上多数学者采用该种方法[38]。然而，为了更清晰地体现标准化后数据本身的特质，本文采用客观赋权法中的熵权法计算权重，具体权重值如表1所示。
进一步地，本文将样本家庭各指标的1至10等级评分分值与对应权重相乘得到家庭多维相对贫困评价体系综合得分，以此作为家庭是否发生相对贫困的划分依据。
(三)变量设计与说明
1.被解释变量：是否为相对贫困家庭
虽然部分文献在界定贫困标准线时认为平均数受极值的影响较大并使用中位数作为衡量标准，但由于本文被解释变量为0-1二元变量，若使用中位数将难以直观地体现目前我国相对贫困家庭总体比例，并且通过计算可知各样本家庭多维相对贫困综合得分分值标准差较小，数值分布较为平稳且平均值与中位数接近，选取平均值作为衡量指标具有一定的可靠性。因此，定义相对贫困家庭为综合得分在平均值以下的样本，赋值为1，其余为0，作为本文的被解释变量。
2.核心解释变量：数字普惠金融发展水平
直接采用郭峰等(2020)[39]编制的覆盖中国内地31个省的“北京大学数字普惠金融发展指数”衡量数字普惠金融发展水平。该指数考虑了3个维度共计33个具体指标，运用层次分析法、变异系数法等方法进行测算，最终提供了一套基本可以反映我国目前数字普惠金融发展现状和演变趋势的数据。在实证中，进一步将“数字金融覆盖广度”“数字金融使用深度”以及“普惠金融数字化程度”3个二级子指标、深度指数中的“支付、保险、货币基金、投资、信用、信贷”6个业务分类指数三级子指标分别与被解释变量进行回归，通过分析与比较总结出各指标的影响方向和大小，以保证基准回归的稳健性。在实证分析中，对上述数据进行了取对数处理。下图1为数字普惠金融指数与各省相对贫困发生率的关系图。由图1可见，若不考虑其他因素，二者呈反向比例关系，即数字普惠金融发展水平越高，相对贫困发生率越低。
图1 数字普惠金融发展水平与各省相对贫困发生率
3.控制变量
综合考虑可能影响家庭发生相对贫困的相关因素后，借鉴已有文献，本文主要设置了3个方面的控制变量，即地区特征变量、个人特征变量和家庭特征变量。在地区特征变量中，“财政自由度”以“地方政府预算内财政收入/预算内财政支出”表示，主要衡量地方政府财政压力。在当今财政分权体制下，地区财政自给自足能力往往会影响教育、医疗、土地等公共服务领域，从而进一步对家庭经济情况与生活水平产生作用；“城镇化水平”以“城镇就业人口占总人口的比重”表示，随着农民进入城市的相关政策不断放宽，农村地区劳动力过剩问题不断缓解，城市现代化建设也逐步推进，大大提升了居民收入和社会发展水平；“地区经济水平”以“人均实际GDP的对数值”表示，一般来说一地区经济增长会促进所在地居民生活条件改善，考虑到不同省份的人口规模不同，为统一量纲，本文未直接采用该地区生产总值作为控制变量。在个人特征变量中，“婚姻状况”“民族情况”“是否为党员”均为虚拟变量，“户主年龄”为连续变量，这些变量均来自CFPS成人问卷。在家庭特征变量中，“家庭亲友邻里关系”和“家庭规模”分别在家庭经济问卷和家庭成员问卷中获得。其中，“家庭亲友邻里关系”以问卷中“如果您家需要借金额较大的一笔钱(例如用于买房、经营周转等)，首选的借钱对象会是谁”为依据进行计算。
各变量描述性统计如表2所示。
表2 变量描述性统计
四、实证检验
(一)基准回归结果与分析
数字普惠金融发展水平与相对贫困的面板probit回归结果如表3所示。列(1)显示了模型中仅加入核心解释变量的结果，二者呈显著反向关系；在列(2)-(4)中分别加入宏观层面地区特征变量、微观层面个人特征变量和家庭特征变量后，结果依然显著为负，说明从整体而言，数字普惠金融的发展确实减缓了我国相对贫困家庭的产生，假说1成立。传统金融的“二八法则”意味着金融机构往往将最优质的金融服务聚焦于20%的顶端客户，而80%的长尾客户则被排除在外。金融资源的不均衡配置是导致城乡居民福利差异的重要原因之一，当金融资源偏向富裕群体时，资金也会从农村流向城市，从而扩大城乡收入差距，加深相对贫困程度。近几年来，得益于互联网的不断发展和金融形式的不断创新，数字普惠金融突破了传统金融服务时间和地理空间的限制，大大提升了金融资源可得性。对于农村居民、贫困人群等相对弱势群体来说，数字普惠金融通过降低服务门槛、放松信贷约束条件等形式使其直接获得融资资金。与此同时，金融服务网点和政策性金融产品的增加使得贫困地区物质资本获得积累，推动了当地的经济发展，间接地保障了居民生活水平，从而达到减贫目的。
除了数字普惠金融发展水平外，本文选取的控制变量也对家庭相对贫困的发生产生了显著影响。首先，就地区特征变量而言，财政自由度与城镇化水平显著为正，地区经济发展水平显著为负。这说明在财政分权体制下，地方政府之间良性的“标尺竞争”演变为“过度竞争”，从而导致多方面惠及民生的公共服务领域财政支出效率低下；虽然随着城市户籍门槛不断放低、住房保障范围不断扩大，农村人口正陆续脱离土地向城镇集聚，但自身能力不足、社会网络关系狭窄等问题仍不能使其摆脱相对贫困的现状；一般来说，区域经济发展水平越高，提供给居民的经济性和非经济性福利就越多，居民生活条件和生活环境相应提高，那么多维相对贫困发生率就会降低。其次，就个人特征而言，除婚姻状况外，其余变量均显著为负，从侧面体现出家庭成员结构、财富和阅历积累、民族及政治身份的政策红利均可以减少家庭相对贫困状况的发生。最后，就家庭特征而言，二者均显著为负。当社会空间中一个家庭遭受负面冲击，其亲友邻里便会起到分散风险的作用。同时，家庭具有规模效应，其对于整个家庭的收入与消费也会产生积极影响。
表3 数字普惠金融与相对贫困基准回归结果
表4 数字普惠金融与家庭多维相对贫困综合得分基准回归结果
考虑到选取多维相对贫困得分平均值作为“家庭是否发生相对贫困”衡量标准可能会引起误差，本文将家庭综合得分分值作为被解释变量再次进行回归。结果如表4所示，数字普惠金融发展水平的提升确实可以显著提高家庭综合得分，进而降低家庭相对贫困发生率，与基准回归结论一致。
表5汇报了数字金融指数二级与三级指标对家庭相对贫困发生的影响(3)由于版面限制，“数字金融使用深度”回归结果不在表中展示，系数为-0.172 7，标准差为0.072 5，P值为0.017。。回归结果表明，数字金融覆盖广度、数字金融使用深度、普惠金融数字化程度均显著为负。就影响效应而言，数字金融覆盖广度——即绑定银行卡的第三方支付账户覆盖率，对相对贫困发生率的抑制效应更强，说明这种不受地域限制、快速便捷的支付方式对于多数居民，尤其是农民等特殊群体的减贫增收作用更为明显，能够有效地缩小城乡贫富差距。而数字金融使用深度与普惠金融数字化程度还存在一定的服务门槛，部分金融业务缺少普及性、服务成本较高，导致减贫效果降低。进一步地，在三级指标中，除了货币基金业务和信贷业务结果显著为正外，其余指标会降低家庭相对贫困的发生。其中，货币基金业务与支付宝中的余额宝相关，主要衡量了人们使用余额宝的频率和程度；信贷业务从个人消费贷和小微经营贷两个角度出发，包括贷款笔数、贷款金额和贷款用户比例三方面数据。余额宝和互联网贷款虽然方便了居民的储蓄和融资行为，但实证结果表明其并不能降低家庭相对贫困发生率，这可能是由于余额宝收益率高于银行存款利率的同时也存在一定的金融风险，投资收益不足以缓解城乡居民的经济水平差距，并且贷款业务只能短时间内提升个人或企业的资金流动性，还贷对于居民来说仍是不小的经济压力。
表5 数字普惠金融子指标与相对贫困基准回归结果
(二)内生性和稳健性检验
1.内生性检验
由于数字普惠金融的普及可能降低或提高居民相对贫困水平，反过来相对贫困的发生也可能限制居民对数字金融的使用，所以本回归存在一定的反向因果性。但由于被解释变量采用家庭微观数据库，核心解释变量为宏观数据，数据本身来自两个不同的数据库，反向因果性大大减弱。进一步地，中国家庭追踪调查采取了多阶段、概率与规模成比例(PPS)的方法抽取，数字普惠金融指数运用了层次分析法、变异系数法等方法进行测算，都具有较高的稳健性，同时本文相对贫困的测度考虑了16个指标并进行了标准化及熵权法赋权，所以测量误差问题可以忽略。然而，考虑遗漏变量引起的内生性问题，虽然本文选取了具有代表性的3种不同类型控制变量，但是地区性的基础设施建设、教育水平、风俗习惯等均可能被遗漏，因此采用工具变量估计方法来解决这一问题。
参照张勋等(2020)[40]、傅秋子和黄益平(2018)[41]等研究，选取“家庭所在地区到杭州市的球面距离”作为工具变量。之所以选择杭州，是因为数字普惠金融指数测算数据主要来源为总部位于杭州的蚂蚁金服集团，同时以支付宝为代表的数字金融起源于杭州，因此杭州的数字普惠金融发展处于领先位置，可以预期距离杭州越近互联网金融的推广力度越大，即杭州数字普惠金融的发展对周边城市的影响具有正向的空间溢出效应[42]。考虑到“家庭所在地区到杭州市的球面距离”既与数字普惠金融发展水平直接相关，又不会通过数字普惠金融的发展进而影响家庭相对贫困，满足工具变量的两个条件，故而可以减少遗漏变量引发的内生性问题。
根据回归结果，2SLS中第一阶段F值大于10，否定弱工具变量。表6显示，工具变量与核心解释变量结果均显著，且数字普惠金融发展水平结果为负，说明排除了内生性问题后，假说1仍然成立。
表6 内生性检验结果
2.稳健性检验
本文分别考虑了3种情况进行稳健性的检验。首先，虽然2014年数字普惠金融指数子指标数据尚未完全公布，但为了验证基准回归中核心解释变量结果的稳健性，本文将2014年、2016年和2018年CFPS数据进行合并，赋值31个省份的数字普惠金融指数后扩大样本量重新进行回归；其次，进一步选取主观赋权法中的AHP层次分析法代替上文采用的熵权法对多维相对贫困评价体系各指标权重进行计算，从而达到更换被解释变量的效果；最后，本文选用人均快递量、人均电信业务量、互联网普及率分别衡量数字经济中的邮政业务、电信业务及互联网业务，使用熵权法算出权重后得到新变量从而替换原核心解释变量。从表7中可以看出3个结果均为负，说明无论是扩大样本量、更换被解释变量还是核心解释变量，回归系数的方向以及显著性均和前文保持一致，说明本文基准回归具有稳健性，数字普惠金融发展水平整体来说确实会降低家庭相对贫困的发生率。
表7 稳健性检验结果
(三)异质性检验
如表8列(1)-(3)所示，考虑地区分布特征，本文对东、中、西部不同省份数字普惠金融减贫效应进行了回归。其中，中、西部地区结果为负而东部地区结果为正，这可能是由于我国本身区域间经济发展不均衡，东部地区经济较为发达，金融资源往往集中于珠三角、长三角等东部沿海地区，居民可以选择从原有的且发展较为完善的传统金融机构获取金融服务与产品。而本文选取的数字普惠金融指数仅统计基于互联网的新型数字金融业务情况，因此实证结果体现为相对贫困发生率的提高。中部地区尤其是西部地区地广人稀，规模效率水平较低，传统金融机构服务对中西部地区的覆盖程度远不如东部地区，而数字普惠金融的发展突破了传统金融服务在时间和空间上的限制，不仅能降低金融交易成本，还能有效缓解金融排斥，因此中西部地区更可能成为数字普惠金融发展的受益者。
如表8列(4)(5)所示，为考察财政状况维度上的异质性效应，本文选用“财政自给率”进行衡量，该指标由各省一般财政预算收入与一般财政预算支出相除计算得出，根据平均值将所有样本分为“财政自给率低”和“财政自给率高”两类子样本。一般来说，地区经济发展水平与财政自给率呈正相关关系，但根据计算可以发现，部分位于东部经济带的省份其财政自给能力并不强，相反，重庆市、安徽省、湖北省等内陆地区的地方政府更能满足辖区各项支出的需求。所以，相比经济发展水平，财政资金在社会各项事业中分配的合理程度及运用效率是决定地区财政自给能力的关键。回归结果可知，在财政自给率高的地区，数字普惠金融发展水平对相对贫困发生的抑制效应显著，而当地方政府财政自给能力较低时，数字普惠金融减贫效应不显著甚至有增加贫困发生的趋势，这是因为地方政府普及金融产品与服务的过程与当地财政状况直接关联。数字普惠金融发展的关键不仅包括基础通信设施和网络文化环境的建立，还包括支付结算系统的建设与完善。对于自有财力充足的地区，其相比于其他地区具有更多的资金加快网络设施的建设，从而增加该区域的网络使用率，促进金融产品数字化。尤其是对于农村居民，财政自给率高的地方政府也拥有更多的渠道向其提供金融资源从而降低数字金融门槛，让更多家庭享受到“数字红利”带来的便捷与高效，减少贫困。
如表8列(6)(7)所示，进一步考察基准回归结果是否在产业结构维度上存在异质性效应，本文采用第三产业增加值占地区生产总值比重进行衡量。根据其平均值将所有样本分为“第三产业基础发达地区”和“第三产业基础薄弱地区”两类子样本。由回归结果可知，数字普惠金融发展对相对贫困发生的抑制效应显著，并且这种效应在第三产业基础薄弱地区更强，这可能是因为这些地区本身金融基础设施并不完善，随着数字技术与普惠金融的结合与发展，居民传统消费模式迅速发生改变，信贷约束和信息约束的缓解提高了居民收入水平，城乡经济差距也快速缩小。然而，根据最优金融结构理论，数字普惠金融作为一种新型的金融结构，其必须与当下发展阶段的产业规模结构相匹配才能更好地发挥作用。因此，应进一步加大信息化建设和资金扶持力度，营造良好的创新环境以促进产业转型，从而保证金融结构与产业结构升级的匹配度，提高数字普惠金融减贫效率。
综上所述，异质性检验充分说明了数字普惠金融发展水平对家庭相对贫困的影响存在非均衡效应，假说2成立。
表8 异质性检验结果
(四)门槛效应检验
基于理论分析，数字普惠金融发展水平与家庭相对贫困程度之间存在着某一阈值或门槛，在这一临界点前后家庭相对贫困发生率将截然不同。那么，如何识别这一门槛值便是关键。Hansen(1999)[43]认为针对经济因素之间的门槛效应可以采用面板门槛回归模型加以描述，具体到本文研究问题模型可以设定为
yit=ui+β1xit·l(qit≤γ1)+β2xit·l(γ1
(1)
其中，xit(g)是示性函数，qit为门槛变量，γ1和γ2是所要确定门槛值，并且在qit≤γ1、γ1
在回归过程中，首先根据BIC信息准则估计了最优门槛个数，结果显示数字普惠金融发展水平对家庭相对贫困的发生影响呈非线性且共有2个门槛，其中γ1=5.415 3，γ2=5.536 3，对应数字普惠金融指数值分别为224.820 0和253.737 4。如表9所示，2个门槛将整个影响分成3个区域。在Region1中，数字普惠金融发展水平显著为负，说明在向大众尤其是相对弱势群体普及金融服务、降低金融产品门槛的初级阶段，减贫效应最为明显。在这一阶段，数字普惠金融利用便捷的移动终端提高了农村地区金融运行效率，通过互联网平台集中和利用社会闲散资金，为贫困人群提供小额信贷、农业保险等个性化产品，使得居民在短期内获得资金，平滑消费的同时积累了物质资本，减贫增收效果明显。而在Region2和Region3中，系数为正，这说明当数字普惠金融发展到一定水平，不同收入群体之间的差距反而加大，相对贫困程度增强。虽然农村居民享受到了更多的金融资源，但相比城镇居民而言其承受金融服务成本的能力较差，短期内资金周转的加速并不能维持长期的生活水准，也不能缓解根深蒂固的贫困状态。然而，城镇居民在融资能力等方面都更强，所以能更快地获得数字普惠金融带来的优势，进而扩大了城乡差距。同时，农村居民往往缺乏一定的金融知识与意识，数字普惠金融本身的金融风险和技术风险很可能对减贫带来不利影响。考虑影响效应可以发现，Region2中的回归系数比Region3数值大，说明随着地区数字普惠金融指数的增长，相对贫困发生率有降低的倾向。数字普惠金融所体现出来的金融包容性除了能够缓解部分居民所面临的金融排斥，还可以通过提高整个社会的金融资源配置效率促进地区经济增长。个人的富裕或贫困与所在地区的经济发展水平息息相关，经济的增长不仅可以直接改善居民生活条件，还能通过“涓滴效应”带动周边贫困阶层或地区，从而达到减贫目的。一项政策的福利效应通常需要执行一段时间才得以发挥，随着居民越来越适应数字普惠金融带来的新型消费模式，“数字鸿沟”会随之有效地转化为“数字红利”，进一步促进居民收入增长，缓解相对贫困现状。
控制变量均显著且个人特征变量和家庭特征变量在3个区域中系数符号均为负。在地区特征变量中，财政自由度结果由负变为正后又变为负，说明长期来看财政自给能力的提升可以降低家庭相对贫困的发生；城镇化水平结果由正变为负且符号为正时系数逐渐变小，说明随着数字普惠金融的发展，家庭减贫效应明显；地区经济水平结果由正变为负后又变为正，说明虽然社会整体经济发展变快，但利益并不能有效地惠及百姓。
表9 数字普惠金融与相对贫困双门槛模型估计结果
为保证门槛回归结果的稳健性、防止相对贫困标准线设定引起结果误差，本文将根据多维相对贫困评价体系计算出的各样本家庭综合得分作为被解释变量再次进行面板门槛回归。结果显示2个门槛依然存在且与上文数值相同，其余变量回归结果如表10所示。
在相对贫困的界定上，本文将各样本综合得分低于平均值的家庭视为处于相对贫困状态的家庭，所以综合得分越高所对应的家庭发生相对贫困的概率越低。根据表中结果，数字普惠金融发展水平系数由正变为负，说明数字普惠金融指数的不断提高将逐步减少家庭综合得分，从而增加相对贫困的发生概率。通过比较Region2与Region3，这种降低效应在不断减弱，与上文结论一致，说明面板门槛回归结果比较准确，结论具有参考价值。
表10 数字普惠金融与家庭多维相对贫困综合得分双门槛模型估计结果
结合实际，虽然描述性统计中显示变量“数字普惠金融发展水平”平均值为5.432 8，处于两个门槛值之间，但从整体看我国内地31个省份的取值多集中于Region1，这表明我国大部分地区正在数字普惠金融发展探索阶段，该阶段有助于家庭摆脱贫困，这也印证了基准回归中核心解释变量显著为负的结果，即从整体角度而言数字普惠金融对多维相对贫困具有显著的抑制效应。另外，处于Region2的共有5个省份，分别是湖北省、天津市、广东省、江苏省和福建省，这些地区在追求快速普及数字金融服务的过程中往往忽视了城乡二元结构间固有的物质资本和人力资本差距，导致减贫效果并未完全发挥；处于Region3的共有3个省份，即浙江省、北京市和上海市，这三个省(市)正经历数字普惠金融稳定发展阶段，该阶段虽然从数据上看家庭相对贫困发生率增加，但相比于第二阶段，相对贫困发生比重得到有效缓解。由于本文研究仅考察至2018年，而我国数字普惠金融拥有较大的减贫潜力，所以随着数字普惠金融不断发展，减贫效果有望更加显著。
五、结论与建议
2020年后，我国减贫工作重难点将转向兼具多维性和相对性的相对贫困问题。鉴于数字普惠金融利用先进数字技术将“金融扶贫”提升到新高度，本文在分析了数字普惠金融对相对贫困的影响及其作用机制后，通过构建多维相对贫困评价体系和面板数据模型，基于面板probit和门槛计量方法实证检验了数字普惠金融减贫的非均衡效应和非线性结构，研究结果表明：(1)整体而言，数字普惠金融发展能够抑制家庭相对贫困的发生，该结论通过了内生性检验与稳健性检验，假说1成立；(2)考虑到家庭所在东中西部地理位置、地方政府财政自给能力以及当地第三产业发展均可能对数字普惠金融的减贫效应产生影响，分别回归后结果指出数字普惠金融在减贫过程中确实存在三种非均衡效应，假说2成立；(3)数字普惠金融与相对贫困之间存在非线性关系，当数字普惠金融跨越自身发展水平第一个门槛后，城乡差距增大，短期内体现为多维相对贫困发生率的增加；当达到第二个门槛值进入稳定发展阶段后，正向效应依然显著，但相对贫困发生率有降低的倾向，假说3成立。因此，从实证中得出的主要结论是：数字普惠金融缓解相对贫困的效应是显著的，但由于农村地区物质资本积累较差、低收入群体金融知识与金融意识匮乏，再加上金融机构的逐利本质和金融产品的风险不确定性，导致数字普惠金融的减贫作用呈非线性。与此同时，数字普惠金融发展对相对贫困的影响是有条件的，需要根据地区间金融发展基础、财政自给能力及产业结构的差异不断调整，从而实现减贫效应的最大化目标。综上所述，随着相对贫困问题逐渐显露，缩小信息沟壑、防范金融风险、制定差异化数字金融发展战略尤为重要。
针对上述结论，本文提出以下三点建议：第一，提升贫困群体的金融素养水平。首先，可以将互联网及金融基础知识引入义务教育制度中，完善农村教育基础设施，加强农村教育培训政府支持力度，强化居民对于数字普惠金融的整体认知。其次，通过公众号、广告栏等方式大力宣传数字普惠金融产品和服务，让贫困群体认识到数字普惠金融对自身生产生活可能带来的益处。此外，金融机构应安排人员到农村或偏远地区进行专业讲解，鼓励居民利用互联网平台获取金融服务，从而解决农村居民数字金融技能不足问题。第二，强化数字普惠金融监管体系。数字普惠金融扩大了金融服务范围的同时也带来了有关客户隐私、资金安全的问题，而金融产品本身存在的金融风险也不容忽视。对此，政府部门在建立健全信息披露机制的同时应要求信息披露文件或相关政策文本简洁明了，便于居民理解、防止信息不对称。监管部门应不断改进监管流程，提升监管者自身能力，保证监管体系的高效运作。金融机构应完善消费者投诉受理和处理机制，设置分层管理机构，积极响应央行新一代征信系统的使用。第三，推行区域差异化数字普惠金融发展计划。由于数字普惠金融对相对贫困的影响存在非均衡效应，因地制宜地制定发展方针与策略将显著提高减贫质量和效率。具体而言，针对传统金融体系已较为完善的东部地区，应通过加大宣传普及力度转变居民的传统观念，使其充分认可“金融产业数字化转型”是今后发展的必然趋势，而中西部地区则可以通过加强金融基础设施建设规模和提升金融服务个性化和产品创新，促进数字普惠金融减贫。针对财政自给能力较差的地区，国家层面在适当提高专项资金拨付比例的同时，地方政府自身应调整并完善财政支出结构和效率，防止财政资金错配导致数字化无法充分释放金融普惠性。针对第三产业基础薄弱地区，应加大对以大数据、云计算为代表的信息产业、科技服务业的资金投入力度，加快产业结构升级从而促进金融结构的转变和经济增长，改善地区数字普惠金融的减贫增收效应。
