数字普惠金融对县域农民增收减贫的效应研究——基于湖北省孝感市县域面板数据

蔡皎洁

(湖北工程学院 经济与管理学院，湖北 孝感 432000)

2021年习近平总书记在全国脱贫攻坚总结表彰大会上指出：在迎来中国共产党成立一百周年的重要时刻，我国脱贫攻坚战取得了全面胜利，现行标准下9899万农村贫困人口全部脱贫，832个贫困县全部摘帽，12.8万个贫困村全部出列，县域性整体贫困得到解决。乡村振兴是实现中华民族伟大复兴的一项重大任务，坚持把解决“三农”问题作为全党工作重中之重，持续缩小城乡县域发展差距，让低收入人口和欠发达地区共享发展成果。习近平总书记在2017年“一带一路”论坛开幕式和第五次全国金融工作会议上进一步强调金融科技创新及发展普惠金融的重要性，指出：要坚持创新驱动发展，促进科技与金融深度融合；要推动金融科技创新，建立金融业云计算、大数据等应用技术规范；要建设普惠金融体系，加强对小微企业、三农和偏远地区的金融服务，推进精准扶贫，鼓励发展绿色金融。这些重要论述对进一步依托数字普惠金融助力精准扶贫指明了方向。以“三农”为主体的县域经济，由于封闭的生产生活环境、落后的信息基础设施、及较低文化水平的限制，仍存在着普惠金融供需不平衡、发展不均衡的状态。因此，充分利用大数据环境优势，力推数字普惠金融精准扶贫，这对降低金融服务成本、扩大金融服务渗透力有重要的理论及现实意义。

一、文献综述

关于不同形式金融扶贫的价值，传统金融扶贫中往往存在“精英俘获”的现象。温涛等(2016)[1]通过对贫困县和非贫困县的实证分析，认为精英行为偏离整体利益，农贷资金呈现被精英占有的“精英俘获”机制，该机制使农贷市场结构扭曲、功能错位、目标偏离。普惠金融(Inclusive Finance)来自联合国系统在宣传“2005年小额信贷年”时提出的词汇，产生于金融排斥与收入差距的深刻社会背景，内涵是即不排斥弱势金融需求者，也不排斥强势金融需求者，能有效、全方位满足所有阶层和群体的金融需求。周才云(2017)[2]指出普惠金融的创新性符合精准扶贫的内生扶贫目标，普惠金融的广覆盖性符合精准扶贫的均等扶贫目标，普惠金融的可持续性符合精准扶贫的持续扶贫目标。随着大数据、云计算、人工智能、区块链等新兴数字技术的出现，2016年由G20普惠金融全球合作伙伴组织(GPFI)制定的《G20数字普惠金融高级原则》鼓励发挥新兴数字技术为金融服务带来的巨大潜力。宋晓玲(2017)[3]、姚远(2017)[4]、章祥生(2017)[5]等均认为数字普惠金融以其低成本、高效率、广覆盖的优势成为推动精准扶贫发展的关键。

其中，关于数字普惠金融对我国农民增收及贫困减缓效应的研究，主要侧重：(1)数字普惠金融对农民增收减贫是否有直接效应。姚凤阁(2020)[6]、郑美华(2020)[7]等人通过实证分析发现数字普惠金融有显著的直接减贫效应，并通过收入分配和经济增长达到减轻贫困；(2)数字普惠金融对农民增收减贫是否存在“U”型非线性关系。王永静(2021)[8]等人实证检验指出数字普惠金融的发展对农民收入的影响存在“U”型非线性关系，当数字普惠金融发展水平未跨越“U”型曲线的最低点之前，对农民收入的影响显著为负，而跨越最低点后对农民收入影响显著为正。杨虹(2021)[9]等人在研究数字普惠金融对教育减贫的效应影响上，也提出当跨越门槛值后，数字普惠金融减贫效果明显上升。陈慧卿(2021)[10]等人提出数字普惠金融增收减贫效应中明显存在门槛效应；(3)数字普惠金融对农民增收减贫是否存在空间溢出效应。郭小卉(2021)[11]等人利用空间杜宾误差模型验证了数字普惠金融发展可以有效收敛城乡收入差距，但这一收敛效应对邻近地区没有明显的溢出效应。钱鹏岁(2019)[12]等人利用空间杜宾模型实证分析数字普惠金融发展与贫困减缓之间的关系，发现本地区数字普惠金融对关联地区产生了正向空间溢出效应；(4)数字普惠金融对农民增收减贫是否存在县域异质性。多数研究均肯定了县域异质性的存在，陈慧卿(2021)[13]等人指出中部地区数字普惠金融的农村增收效应最大，其次为东西部，但差异不明显。王刚贞(2021)[14]等人基于“胡焕庸线”空间定量分析得出东侧地区的数字普惠金融减贫效应对西侧地区产生空间溢出效应。

本文立足于湖北省孝感市县域经济发展，探讨数字普惠金融对农民增收减贫的效应影响。利用2016-2020年孝感7大区县的面板数据，在基准回归模型的基础上构建门槛模型，以进一步研究数字普惠金融对农民增收减贫的曲线效应。由于一个县域的宏观经济指标分隔并不明显，因此不考虑空间异质性研究。

二、理论分析与研究假设

(一)数字普惠金融有利于农民增收减贫

数字普惠金融影响农民增收减贫的途径有直接和间接两种，其中直接途径有；(1)通过互联网、移动互联网等平台提高金融信息透明度，扩大农民选择金融产品与服务的可及面，有效将以往“被动束缚式”寻找金融产品与服务转换为“主动开放式”推送金融产品与服务，提高农民使用金融产品与服务的效率，降低农民获取金融产品与服务的成本。(2)通过大数据、云计算、物联网等新兴数字化技术，构建精准画像及大数据风险控制系统，精准匹配金融需求，提升金融供给力度与金融风险控制能力，可有效提高农民借贷额度和扩大使用场景，从而增加农民增收减贫机率。间接途径有：(1) 数字普惠金融发展所带动的信息基础设施的不断完善及由“二八定律”所引导的长尾客户倾向的金融政策改革，间接推动了当地经济发展，增加农民工创业及就业机会。(2)传统金融机构与非金融机构在数字普惠金融发展中，针对“三农”问题，相互合作，共同构建融合支付、借贷、供应链金融、保险、理财，及电子商务、培训、医疗等金融生态圈，提高农民意识形态，促进当地教育医疗等发展。基于以上分析，提出假设H1：

假设H1：数字普惠金融正向影响农民增收减贫。

(二)数字普惠金融与农民增收减贫呈现非线性关系

在数字普惠金融发展初期，由于其应用模式、政策监管与支持及新兴技术应用等诸多方面发展还不够成熟完善，对农民增收减贫的促进作用表现并不明显，甚至呈现边际效益递减的趋势；但随着数字普惠金融的不断发展完善，当其发展水平迈过门槛后，对农民增收减贫的效果呈现边际效益递增的趋势。[15]另外，农村地区经济发展需要一个过程才能与数字普惠金融发展相匹配，才能互相产生正向促进作用。当农村地区经济发展水平相对落后，如信息基础建设不完善、农户接受教育水平低、产业结构不合理等，都会抑制数字普惠金融发展，间接影响农民增收减贫效应提高；但经济发展水平迈过门槛后，数字普惠金融便会落地生根，正向推进农民增收减贫。基于以上分析，提出假设H2：

假设H2：数字普惠金融的发展与农民增收减贫效应的提高呈现非线性关系。

三、变量选择与模型构建

(一)变量选取

被解释变量：农民增收减贫(POV)。参照杨公元(2021)[16]、李连梦[17]等人的研究，选取农村居民可支配收入对数化作为衡量指标。2013年国家统计局将“农村人均纯收入”统计口径变为“农村可支配收入”，代表农民可用于自由支配的收入。

解释变量：数字普惠金融发展水平(DIFI)。选取北京大学数字金融研究中心[18]《北京大学数字普惠金融指数(第二期，2011—2018)》报告中的2014—2018年度县域层级指标数据。

中介变量：为了研究数字普惠金融的间接影响作用，参照王刚贞(2020)[19]等人、姚凤阁(2020)[20]等人的研究，选取经济发展水平(RGDP)，用人均生产总值的对数化来衡量；及收入分配程度(INS)，用泰尔指数横向城乡收入差距的变化程度。

控制变量：(1)产业结构(IS)。第二产业、第三产业的增加代表县域产业结构的调整，农村劳动力的转移，市场资源的合理配置，能够有效起到缓解贫困作用。选择县域第二、三产业增加值与地区生产总值之比来衡量。(2)政府财政支出(GOV)。政府在教育、社会保障与就业、医疗卫生与计划生育、农林水利事务、住房保障等方面的财政投入，促使社会公共资源有效配置，减缓贫困。选择地方公共财政预算支出与地区生产总值之比来衡量。(3)高新技术产业增加值(DS)。高新技术产业的增加代表地区产业结构向知识密集、技术密集方向发展，可有效推动数字化产业应用，达到减贫目标。选择高新技术产业增加值的对数来衡量。(4)人均受教育程度(EDU)。参照杨虹(2021)[21]等人的研究，选取小学、初中、高中、大专及以上人口与对应年限的加权比重来衡量。(5)城镇登记失业率(UNE)。失业率高代表县域经济低迷，贫困程度加重。

上述变量数据均来自各年份《孝感统计年鉴》及孝感市统计局官网公布的相关统计数据，泰尔指数需对原始数据计算得出。为了使各变量的量纲统一，以上对指数型变量、总数型变量进行对数化处理，比值型变量保持不变。

(二)模型构建

根据上述分析，数字普惠金融对农民增收减贫的直接效应基准回归模型方程如下：

POVit=α0+α1DIFIit+∑6j=2αjControlit+εit

(1)

分别以经济发展水平(RGDP)、收入分配程度(INS)作为被解释变量，数字普惠金融发展水平(DIFI)作为解释变量的间接效应基准回归模型方程如下：

RGDPit=θ0+θ1DIFIit+∑6j=2θjControlit+ωit

(2)

INSit=λ0+λ1DIFIit+∑6j=2λjControlit+μit

(3)

数字普惠金融对农民增收减贫的中介效应回归模型方程如下：

POVit=δ0+δ1DIFIit+δ2RGDPit+δ3INSit+∑8j=4Controlit+νit

(4)

其中，i表示县域，t表示时间，Control为控制变量，α0、θ0、λ0、δ0为截距项，αj、θj、λj、δj(j=1，2，…，6)为待估系数，εit、ωit、μit、νit为随机扰动项。

数字普惠金融对农民增收减贫的影响并非线性关系，而是随着县域环境的改变呈现“U”型曲线关系。由上文分析可知，构成县域环境的因素诸多，本文选取经济发展水平(RGDP)、政府财政支出(GOV)、人均受教育程度(EDU)作为门槛变量，研究数字普惠金融与农民增收减贫之间具体的门槛效应关系。门槛效应回归模型方程如下：

POVit=β0+β1DIFIit.I(qit≤γ)+β2DIFIit.I(qit≻γ)+ηit

(5)

其中，I()为示性函数，qit为门槛变量，γ为待估门槛值，ηit为随机扰动项。

四、实证分析

(一)单位根检验

检验数据的平稳性，避免出现伪回归现象，进行单位根检验。由于本文数据时间跨度不大，选取LLC和ADF-Fisher两种方法进行检验，P<0.05且各变量均通过显著性水平检验，可以进行回归分析。结果如表1所示。

表1 面板数据单位根检验结果

(二)数字普惠金融对农民增收减贫的基准效应检验

对基准方程(1)在不考虑控制变量和加入控制变量后，均通过Hausman检验，使用固定效应模型(FE)进行回归分析。结果如表2所示。

FE(1)为不加入控制变量的模型回归结果，FE(2)为加入控制变量的模型回归结果，其中数字普惠金融发展水平(DIFI)回归系数分别是0.0017和0.0026，且在1%置信水平上显著，说明数字普惠金融发展有利于农民增收减贫。假设H1成立。

具体影响因素上，政府财政支出(GOV)、人均受教育程度(EDU)回归系数为正，且分别在1%和10%置信水平上显著，证明这2个变量与农民增收减贫显著正相关。产业结构(IS)、高新技术产业增加值(DS)回归系数为正，但未通过置信水平，证明这2个变量对农民增收减贫有正向影响，但效果不显著。城镇登记失业率(UNE)回归系数为负，证明失业率越高，农民增收减贫效果越差。

(三)数字普惠金融对农民增收减贫的中介效应检验

由上文可知，数字普惠金融对农民增收减贫过程中存在间接影响效应，设置经济发展水平(RGDP)、收入分配程度(INS)作为中介变量，检验对数字普惠金融增收减贫的中介传导效应。对方程(2)、方程(3)、方程(4)分别进行Hausman检验，均通过显著水平，因此采用固定效应模型(FE)进行回归分析，结果如表3所示。

表3 中介效应回归结果

FE(3)是对方程(2)的回归结果，将经济发展水平(RGDP)作为被解释变量，数字普惠金融发展水平(DIFI)回归系数为0.0015，且在1%置信水平上显著，可见数字普惠金融的发展可以带来县域经济的发展，且影响效果显著。FE(4)是对方程(3)的回归结果，将收入分配程度(INS)作为被解释变量，数字普惠金融发展水平(DIFI)回归系数为-0.0011，且在1%置信水平上显著为正，说明数字普惠金融的发展可以缩小城乡收入差距，有利于农民增收减贫。FE(5)是对方程(4)的回归结果，将农民增收减贫(POV)作为被解释变量，数字普惠金融发展水平(DIFI)、经济发展水平(RGDP)、收入分配程度(INS)的回归系数分别是0.0009、0.0003、0.0501，且分别在1%和5%置信水平上达到显著，证明数字普惠金融不仅能直接达到农民增收减贫效果，还能通过提高经济发展水平和缩小城乡收入分配间接达到农民增收减贫效果。假设H1再次成立。

(四)数字普惠金融对农民增收减贫的门槛效应检验

在设置不同门槛模型的前提下对方程(5)进行统计，采用Bootstrap(自抽样法)反复抽样500次得出各门槛变量所对应的不同门槛模型的相关统计值，如表4所示。门槛变量经济发展水平(RGDP)和人均受教育程度(EDU)，在单一门槛模型中F值分别为56.32和83.71，且P值均小于0.01，并在1%置信水平上显著，但双重门槛模型和三重门槛模型的统计值并不显著，因此待估门槛值γ应为单一门槛值。门槛变量政府财政支出(GOV)，在单一门槛模型中F值为76.69，P值小于0.05，且在5%置信水平上显著，但双重门槛模型和三重门槛模型的统计值并不显著，因此待估门槛值γ仍为单一门槛值。门槛变量的待估门槛值γ及置信区间如表5所示。

表5 门槛估计值及置信区间

表5中门槛变量经济发展水平(RGDP)门槛值为5.3214，且95%的置信区间较窄，因此该门槛变量可分为两个样本区间，即RGDP>5.3214和RGDP≤5.3214。同理，门槛变量政府财政支出(GOV)也可分为两个样本区间，即GOV>1.5598和GOV≤1.5598。门槛变量人均受教育程度(EDU)也可分为两个样本区间，即EDU>7.1953和EDU≤7.1953。可见，门槛效应回归模型方程(5)构建成立，使用单一门槛模型，假设H2成立。

采用固定效应模型对方程(5)进行回归分析，各门槛变量的单一门槛模型回归结果如表6所示。可见，门槛变量经济发展水平(RGDP)和政府财政支出(GOV)在小于门槛值以内的投入并不会引起数字普惠金融的快速发展，随着门槛变量发展及投入程度的加强，数字普惠金融发展水平呈现快速递增。门槛变量人均受教育程度(EDU)越高，数字普惠金融发展越快。总结来看，数字普惠金融由于其科技性强，对环境基础设置及用户知识水平有较高要求，当县域经济发展到一定水平，政府对基础设施完善、农民科技培训达到一定标准程度后，数字普惠金融才能跳过抑制其快速发展的门槛，融入高速发展的经济环境和知识环境，才能有效健康地持续发展。

表6 门槛变量单门槛模型回归结果

五、结论与政策建议

(一)结论

本文以数字普惠金融对农民增收减贫的效应为研究主题，选用2016—2020年孝感7大区县的面板数据，分别构建基准效应回归模型、中介效应回归模型和门槛效应回归模型进行实证分析，论证了机理假设：数字普惠金融发展有利于农民增收减贫；数字普惠金融的发展与农民增收减贫效应的提高呈现非线性关系。

(1)数字普惠金融发展有利于农民增收减贫。从直接效应上看，数字普惠金融发展水平的提高，可直接促使农民增收减贫效应提升。从间接效应上看，数字普惠金融通过提高经济发展水平和缩小城乡收入分配，可间接影响农民增收减贫效果。

(2)数字普惠金融的发展与农民增收减贫效应的提高呈现非线性关系。数字普惠金融在发展前期对农民增收减贫效应并不明显，而是随着县域经济发展水平、政府财政支出和人均受教育程度的不断投入与提升，当达到一定程度后，数字普惠金融的发展与农民增收减贫效果才呈现显著相关性。

(二)政策建议

(1) 从精准扶贫的角度，扶贫办、金融机构、科技公司等各部门应联手积极发展数字普惠金融。一方面，政府部门应在数字普惠金融发展政策上进行扶持，加大对农村信息基础设施建设、农民信息科技与数字金融知识培训的投入，调整产业结构，不断推进县域高新技术产业发展，带动农民返乡创业减少失业率，充分利用数字普惠金融发展红利实现县域经济发展。另一方面，金融机构与科技公司应在数字普惠金融发展的底层核心技术上不断展开合作，并能针对县域用户对金融服务的需求开发出精准匹配的数字普惠金融产品。如不断推动县域大数据发展，实现金融机构多部门数据整合，构建基于云端的共享数据库，挖掘三农用户金融需求偏好，构建用户画像，开展数字支付、数字借贷、在线供应链金融等多样化数字普惠金融产品的深度营销与应用推广，提高农民使用数字普惠金融产品与服务的效率。

(2) 从经济发展的角度，应根据县域经济发展的程度分阶段、分目标、分形式引入数字普惠金融，逐步孵化数字普惠金融产品与服务，实现逐级增收减贫的目标。由于数字普惠金融的“数字”性，需要新兴科技知识的不断植入、信息基础设施的不断完善、用户数字素养的不断提高，以及相应监管与法制的不断修改，才能为数字普惠金融的良性发展提供孕育的土壤。当县域经济的发展程度不能够匹配数字普惠金融的发展速度时，并不会显著改变农民增收减贫的现状，但当县域经济发展到一定阶段后，一旦满足数字普惠金融发展条件的各个阈值，便会扎根结果，产生较为显著的农民增收减贫效果。

(3) 从数字金融知识学习与传播的角度，应正确认知数字普惠金融与传统金融产品与服务的区别，不要过分夸大其作用，也不能压制其合理发展。一方面，政府部门应积极督促金融机构与科技机构在数字普惠金融发展方面的有效合作，并密切监管发展动向，如对数字普惠金融产品是否过度宣传其应用价值，特别是网络借贷产品，在其借贷周期、审核过程、大数据风控构建以及借款金额和还款利率上都应该有明确的监管规定；另外，对数字普惠金融产品与服务运行的信息技术平台，应给予有效监管，如是否存在大数据过度采集、泄露、杀熟等有损用户隐私安全问题，系统是否存在违规账号切入、盗取国家金融安全数据等系统性安全问题等。另一方面，应提高县域民众整体教育水平，人均受教育程度的提升，更利于家庭意识形态的改变，从内心接受数字普惠金融产品和服务，更利于数字金融知识的学习和传播。