数字普惠金融：减贫效应实证评价与助力乡村振兴研究

丁竹君，孙亚琴

(西北师范大学 经济学院，兰州 730070)

一、引言

新中国成立后，一直存在的贫困问题是制约我国经济稳定发展的重要因素，因而贫困减缓乃至贫困消除是全国人民的共同愿景。从1978年党的十一届三中全会通过《中共中央关于加快农业发展若干问题的决定》开始，我国的扶贫工作进入了新阶段。经过40多年的努力，截至2020年我国实现现行标准下9 899万农村贫困人口全面脱贫，832个贫困县全部摘帽，12.8万个贫困村全部出列，这一成就的背后，普惠金融功不可没。早在2013年，党的十八届三中全会就将普惠金融上升为国家战略。2015年，国务院印发了《推进普惠金融发展规划(2016—2020年)》。2016年，G20峰会正式发布《G20数字普惠金融高级原则》，提倡通过数字技术推进普惠金融建设。2021年，中央一号文件首次明确提出“发展农村数字普惠金融”。2022年，中央一号文件明确提出坚决守住不发生规模性返贫底线，要大力推进数字乡村建设，强化乡村振兴金融服务，开展金融机构服务乡村振兴考核评估，明确要求涉农金融机构更加优惠、更大力度地支持乡村振兴，凸显了数字普惠金融过去助力农村脱贫、现在助力乡村振兴的重要作用。

将数字技术应用到金融领域会大幅降低金融服务门槛，扩大金融服务覆盖范围，提升农村群体金融服务的可获得性。数字普惠金融具有信息共享、交易便捷、融资低成本、服务低门槛的特点，对金融的商业模式、产品服务、组织架构等方面注入了新的活力，丰富了金融服务提供主体[1]，延伸了金融服务触角，对促进城乡金融资源均衡配置，使弱势群体获得更多金融资源，渐进实现从扶贫、减贫、脱贫直至乡村振兴意义重大。

国外学者研究认为，普惠金融通过提高穷人金融服务可得性、改善穷人的生活条件等方式来减缓贫困。数字金融的发展有利于普惠金融的推进，因此，更多的是从数字金融的角度入手研究数字金融与减贫之间的关系。如OZILI P K[2]研究了数字金融在普惠金融与金融稳定性方面的作用，认为数字金融可以让发展中国家和发达国家的低收入者与非固定收入者以更低成本从正规银行获得金融服务；LI J，WU Y，XIAO J J[3]利用中国面板数据研究数字金融对家庭消费的影响，结果表明数字金融发展能够促进支付与交易，扩大投资渠道，增加收入，进而促进家庭消费的增长，尤其是对那些资产少、收入低、地处三四线城市的家庭而言增长效果更加明显，这也正反映了数字金融的普惠性质。国内学界对普惠金融与减贫之间的关系研究较多，普遍认为二者具有正向关系，同时对数字普惠金融与减贫之间的关系也进行了多角度研究，如宋晓玲[4]认为数字普惠金融能够显著缩小城乡收入差距；龚沁宜、成学真[5]认为西部地区数字普惠金融与贫困减缓呈显著的非线性关系，且存在单一的门槛特征值；陈啸、陈鑫[6]认为数字普惠金融在改善本地区收入差距的同时，短期内还存在显著的溢出效应；董玉峰、陈俊兴[7]认为要保障数字普惠金融减贫模式的有效运行，就要加强农村地区的数字基础设施建设，优化数字普惠金融服务环境，强化农村人群的数字金融能力。本文力求在分析数字普惠金融扶贫减贫脱贫机理、实证评价数字普惠金融扶贫减贫脱贫效应的基础上，对数字普惠金融减贫脱贫、助农发展的理论逻辑进行系统分析，从而为防止规模化返贫、实现乡村振兴提供理论支撑与实践对策。

二、数字普惠金融助力减贫与乡村振兴的机制分析

数字普惠金融助农脱贫与发展的机制可分为直接影响机制和间接影响机制：一方面，数字普惠金融依托数字技术提升金融服务的可获得性和金融助农的精准性，直接助力农村脱贫与乡村发展；另一方面，数字普惠金融降低资金融通成本，通过线上、线下双渠道优化资源配置，服务“三农”、小微企业等经济发展薄弱领域，推动经济实现包容性增长，进而推动城乡均衡发展，促进收入公平分配，实现农村脱贫与乡村振兴。

(一)直接影响机制

1.通过互联网提升金融服务的可获得性，助力减贫

数字普惠金融利用互联网渠道可以明显降低弱势群体获取金融服务的成本，增加信贷、储蓄、保险、理财等金融服务的可获得性，直接助力农村减贫[7]。

(1)信贷渠道。过去，银行的普惠金融业务往往会出现“普”而不“惠”或“惠”而不“普”的问题，而通过数字化转型，综合利用大数据、人工智能、区块链等科技手段，则能弥补传统金融服务的不足，使低收入群体获得更多的信贷支持[8]。一方面，金融机构通过物联网、互联网等平台获得用户的线上消费、娱乐社交、线下出行、征信等信息数据，从而全面动态了解用户潜在金融需求和信用变动等情况，使很大一部分尚处信用空白的长尾用户获得金融服务，实现减贫[4-7]；另一方面，金融机构通过大数据技术，对获取的数据信息进行分析，实现用户识别、信用评估、风险预警、风险管控等。同时，通过人工智能技术，提高风险控制的精准度，把握风险规律，提升银行信贷供给能力，使不被传统普惠金融纳入贷款范围的用户获得信贷支持，增加收入，消除贫困。

(2)储蓄渠道。数字形式的出现为低收入群体参与储蓄拓宽了渠道。对储蓄者来说，一方面，将闲置资金进行储蓄，可在一定程度上限制不合理的消费行为，并为其带来利息收入，实现资金保值增值；另一方面，弱势人群因病致贫、因病反贫现象频发，而且从事农业生产的农村人群易受到自然灾害影响，通过储蓄可以实现平滑消费，让低收入者在出现重大疾病或者生产损失时，利用储蓄资金渡过难关，增强弱势群体的风险抵御能力。

(3)保险渠道。保险行业利用源源不断的鲜活数据，更有针对性地洞察用户需求，更加精准地打造成本更低的线上线下保险产品和独特的用户体验，扩大低收入人群保险保障范围。具体来说，一是通过购买人身保险，可增强农村人群抵御“因病致贫、因病返贫”风险的能力，构筑农村人群生活保障；二是通过购买财产保险、农业保险等，增强农民抵御自然灾害风险的能力，防止因灾返贫；三是保险业在为小微企业生产经营资产提供保障的同时，还专门为小微企业提供互联网保险产品，如小额贷款保证保险为小微企业融资提供担保，解决其融资难的问题。

2.通过数字科技助力精准扶贫，缓解贫困

数字科技与金融的结合创新了支农模式，助力实现精准减贫与发展。利用大数据完善扶贫信息系统，实现对扶贫对象的精准画像与动态监测，从而对农民群体进行精确扶贫、精确管理，并利用这样的扶贫系统还可对扶贫工作的进展进行监督，确保扶贫落到实处，提升扶贫的精细度与高效化，有效助力贫困缓解。同时，利用数字技术优势可将金融、电商、物流进行资源整合，打破落后地区因生产资源缺乏导致返贫的限制。在这样的资源圈或者供应链上，在为落后地区提供发展资金的同时，还可依托电商平台为这些地区农民或小微企业打开市场销路，促进地方产业发展，打造地方产业品牌，实现地方产业脱贫和振兴[7，9]。

(二)间接影响机制

1.通过促进经济包容性增长助力减贫

数字普惠金融更具“普惠”性质，可使金融资源不断下沉面向“三农”、弱势群体与小微企业，从而实现更具包容性的增长。包容性增长能够为农村地区引致更多的有效投资，促进资本积累，使农村地区有更多的资源禀赋支持自身经济发展，创造就业机会，增加收入来源。包容性增长具有“涓滴效应”，即通过促进周边经济增长让其产生的红利渗透至农村地区，带动该区域人群就业，促进产业发展，最终使经济增长效益惠及整个社会[5-6]，由此带来税收增加，政府可通过转移支付来改善相对贫困地区的福利水平，完善基础设施建设，促进相对贫困地区发展，有效防止规模化返贫，实现乡村振兴。

2.通过优化城乡收入分配助力减贫

首先，数字普惠金融具有多元的服务主体，通过线上、线下相结合的方式，引致更多的信贷资金到相对贫困地区，支持贫困地区经济增长，创造就业机会，提高收入水平，实现收入分配公平。其次，数字普惠金融的推进可使弱势群体接触到更为多样的金融产品，例如互联网理财产品，使得弱势群体同样可以获取理财收益，拓宽收入渠道。同时，数字化征信的发展促进了征信体系的完善，能够有效缓解弱势人群、小微企业等在借贷过程中的信息不对称问题，从而使这些群体能够获得更多的信贷资金用于发展和增加收入，而收入分配的优化意味着弱势群体占有的社会财富增加，能够有更多资金用于生产、投资，相对贫困状况将得以减缓[10-11]。

需要注意的是，经济增长带来的贫困减缓并不是绝对的，在一定程度上还受分配制度、福利水平等多项因素的影响。在经济增长过程中，如果富人所得远远大于穷人，即经济增长伴随收入分配恶化，那么收入分配差距加大带来的负向影响将抵消经济增长带来的好处，穷人将陷入更加贫困的境地；相反，如果经济增长更具包容性，收入分配不断优化，则穷人的贫困状况也将逐渐得以缓解。综上，数字普惠金融对减贫的影响机制如图1所示。

图1 数字普惠金融减贫影响机制

三、数字普惠金融减贫效应的实证分析

在对数字普惠金融减贫机制分析的基础上，选取2011—2018年我国31个省(区、市)的面板数据作为研究样本，利用GMM模型对数字普惠金融的减贫效应进行实证检验，并对减贫的作用机制进行实证分析。

(一)模型选取与构建

1.模型选取

因贫困具有较强的延续性，故模型中纳入贫困的滞后变量进行考量，属于典型的动态面板模型。动态面板模型可以通过控制固定效应有效地克服遗留变量和反向因果的问题，但将被解释变量的滞后项作为解释变量可能导致解释变量与随机扰动项相关，产生内生性问题。如果采用传统的估计方法，将会导致参数估计有偏，不能很好地反映研究对象的本质。而GMM估计方法则无需对变量分布进行假定，也不需要考量随机变量的分布信息，可以很好地克服内生性问题[6，12-13]。

GMM估计包括一阶差分GMM估计和系统GMM估计。ARELLANO M，BOND S[14]在前人对动态面板研究的基础上，使用所有可能的滞后变量作为工具变量，创立了差分GMM的估计方法，但是差分GMM估计方法会将不随时间变化的量消除，无法估计其参数，且在T较大或者被解释变量持续性较强的情况下会产生弱工具变量的问题，使得差分GMM模型估计的有效性大打折扣。为此，BLUNDELL R，BOND S[15]将差分方程与水平方差相结合进行GMM估计，创立了系统GMM。系统GMM作为差分GMM的扩展，能够克服差分GMM在小样本中的偏差问题，并且可以估计不随时间变化变量的系数。系统GMM估计的原理如下：

yit=δyit-1+γXit+μi+εit。

(1)

式(1)为动态面板模型，其中，yit为被解释变量，yit-1为被解释变量滞后项，δ为滞后项系数，γ为k×1阶回归系数向量，Xit为k×1阶解释变量的列向量，μi为非观测截面个体固定效应，εit为随机扰动项。i表示第i个样本，t表示年份；i=1，2，…，N；t=1，2，…，N。

在动态面板模型基础上进行一阶差分，得到式(2)差分GMM估计：

Δyit=αΔyit-1+βΔXit+Δεit。

(2)

其中，yit-1为εit-1的函数。通常把yit-2，Δyit-2作为工具变量，它们与Δyit-1高度相关，而与Δεit则不相关。

在此基础上，采用下列矩条件：

(3)

εi(a)的表达式为

(4)

设置目标函数：

Hf(a)。

(5)

其中，权重H为某一正定矩阵，目标函数极小化时的参数估计量，即系统GMM的估计量。

作为一致估计，GMM模型要求原模型扰动项无自相关，且要求工具变量具有严格的外生性，因此需要进行Arellano-Bond检验以及Sargan检验，分别检验序列相关及工具变量有效性的问题。BOND S R，HOEFFLER A，TEMPLE J R W[16]提出系统GMM估计值的有效性可由OLS估计值和FE估计值来判断，由于OLS估计通常高估滞后项系数，而FE估计又会低估滞后项系数，所以认为当系统GMM滞后项估计值位于二者区间时即为有效。

2.模型构建

根据对数字普惠金融减贫机理以及模型选取的分析，本文采用系统GMM进行分析，构建动态面板模型如下[12-13]：

povit=α0+β1povit-1+β2difiit+β3rgdpit+

β4insit+γXit+λi+μt+εit。

(6)

其中，下标i代表各省份，下标t代表各年份。被解释变量pov衡量贫困程度；difi为数字普惠金融指数，代表数字普惠金融发展水平；rgdp衡量地区经济发展水平；ins表示收入分配差距；X代表其他控制变量，包括产业结构(is)、城镇化水平(urban)、财政支农水平(fs)、教育水平(edu)和经济开放程度(open)。λ表示不可观测的地区个体效应，μ为不可观测的时间效应，ε为误差项。

(二)变量选取与数据说明

1.变量及指标选取

(1)贫困减缓(pov)。本文采用贫困发生率来衡量贫困程度，其中贫困发生率采用地区城乡低保人口总和占总人口的比重计算求得[8，13]。

(2)数字普惠金融发展水平(difi)。北京大学数字金融研究中心从数字金融的数字化程度、使用深度和覆盖广度3个维度编制了“北京大学数字普惠金融指数”，为数字普惠金融相关研究提供了可参考的数据[3-6，13，17]。本文采用2011—2018年的省级数据来衡量我国数字普惠金融发展水平。

(3)经济增长水平(rgdp)。本文选用GDP增长率来衡量一个地区的经济发展水平。经济增长可以带来资本积累，创造更多的就业机会，改善贫困群体福利水平；经济增长还存在“涓滴效应”，使贫困群体受益[13]。

(4)收入分配(ins)。本文分别选用城市与农村居民人均可支配收入的比值来衡量城乡收入分配差距。收入分配差距扩大意味着经济增长带来的好处多流向富人阶层，不利于贫困减缓[13]。

(5)其他控制变量。产业结构(is)。产业结构的优化利于各产业之间协调发展，推动经济实现高质量增长，带动更多的就业，且产业结构的不断优化能够推动贫困地区实现产业脱贫，降低单一农业生产的脆弱性，提高贫困群体的收入保障。本文选取第二、三产业增加值与GDP的比值来衡量产业结构[5-6]。城镇化水平(urban)。城镇化水平的提高会减少农村剩余劳动力，促进城乡金融资源的公平分配，使农民收入来源多样化，但人口的过度转移又会导致农村劳动力短缺，阻碍农村经济发展，进而影响农村金融发展。因此，城镇化是否促进贫困减缓有待验证，本文将选用城镇人口占地区总人口的比重来衡量城镇化水平[6]。财政支农水平(fs)。财政支农水平的提高有利于推进农村基础设施建设，推动地方产业发展，从而带动经济增长，促进就业。因此，一般而言，地方财政对“三农”的支持力度越大，越有利于推动地区贫困的减缓。本文选取财政支农支出占财政总支出的比重来衡量财政支农水平，其中财政支农支出指地方政府对农林水事务的支出。教育水平(edu)。教育水平的提升有利于人力资本的积累，贫困群体也可以通过提升受教育水平增强其就业的竞争力，获得更高收入水平的工作，从而利于贫困减缓。本文采用地方教育财政支出占总财政支出的比重来衡量教育水平[5-6，12]。经济开放水平(open)。经济开放能够促进具有比较优势产业的地区发展，从而实现这类地区的贫困减缓，但是对没有优势产业且相关资源禀赋缺乏的地区而言，经济开放可能带来负向影响。本文采用地区进出口贸易总额占GDP的比重来衡量经济开放水平，其中地区进出口贸易总额用当年加权平均汇率折算为人民币数值[4，6，12]。

2.数据说明

本文原始数据源于国家统计局、各省统计年鉴、《金融统计年鉴》等。为保证数据的一致性和平稳性，对绝对性变量取自然对数处理，以提高分析结果的稳健性。各变量通过统一处理后的描述性分析结果如表1所示。

表1 各变量描述性统计

(三)实证结果与分析

1.面板单位根检验

对面板数据进行实证分析时，为避免出现“伪回归”，需要对面板数据进行单位根检验，以分析数据的平稳性。本文采用 HT检验方法对面板数据的平稳性进行检验，检验结果如表2所示。

表2 单位根检验结果

由HT检验结果可知，非平稳变量 urban 和fs在一阶差分后得到平稳数据，其他变量在原阶即为平稳数据。

2.模型主要估计结果

表3中列(1)～列(3)分别为混合面板估计、固定效应估计和系统GMM估计分析结果，当系统GMM估计被解释变量滞后变量的系数位于混合面板估计和固定效应估计之间时，系统GMM模型估计结果有效。由回归结果可知，系统GMM贫困发生率滞后变量系数为0.914，位于混合面板估计和固定效应估计结果之间，因此说明采取系统GMM估计是有效的。同时，模型通过了Sargan检验和序列相关性检验，说明模型设定是有效的。

表3 数字普惠金融减贫的实证结果

由系统GMM的回归结果可以得知，贫困指标的一阶滞后项高度显著，说明贫困具有较强持续性，即前一期的贫困状况会对当期产生影响。数字普惠金融指数与贫困发生率指标系数显著为负，说明数字普惠金融有利于贫困减缓，且数字普惠金融指数的减贫系数小于经济增长的减贫系数，符合实际情况。

经济增长与贫困发生率呈负相关关系，与理论及机理分析结果相符。

3.模型稳健性检验

为了进一步验证数字普惠金融对贫困减缓的有效性，本研究采用逐渐加入控制变量的方法，在表4 列(2)～列(6)中逐次加入产业结构、城镇化、支农水平、教育水平以及经济开放程度等指标。由表4的回归结果可知，在逐次加入其他控制变量的过程中，并没有改变数字普惠金融指数与贫困指标的负相关关系，并且始终保持显著，这就说明分析结果稳健有效，数字普惠金融的发展是有利于贫困减缓的。

表4 数字普惠金融减贫的实证结果(稳健性检验)

续表4

对于其他控制变量，产业结构、城镇化、支农水平、教育水平与贫困发生率呈负相关关系，而经济开放程度与贫困发生率正相关。

产业结构(is)的优化有利于推动产业扶贫实现由“输血式”向“造血式”转化。当前，我国大力推动脱贫地区特色产业发展，就是为脱贫地区创造新的经济增长点，从而实现永久性脱贫。

城镇化(urban)伴随着农村人口向城市的转移，有利于城乡资源禀赋的公平分配，从而改善农村人口的福利状况。当前，我国推进城乡融合发展，城镇化建设与乡村振兴战略提速，将持续有效助力贫困减缓。

财政支农水平(fs)的高低反映了政府扶贫的态度。近年来，我国对“三农”领域大力实行减税降费，同时对特色产业给予财政补贴，力求实现产业扶贫脱贫。

教育水平(edu)的提高有利于积累人力资本。多年来，我国不断推进义务教育，一直秉持“扶贫”先“扶智”，从根本上化解致贫的因素。

经济开放水平(open)与贫困发生率正相关，但未通过显著性检验，说明贸易自由化对贫困减缓影响甚微。

4.数字普惠金融减贫效应的影响机制检验

由影响机理分析可知，数字普惠金融可以通过经济增长和收入分配渠道间接助力贫困减缓，因此，对数字普惠金融发展减贫的作用机制进行验证，分别以经济增长指标和收入分配指标作为被解释变量进行系统GMM回归，并构建如下模型：

rgdpit=α0+β1rgdpit-1+β2difiit+β3insit+γXit+λi+μt+εit，

(7)

insit=α0+β1insit-1+β2difiit+β3rgdpit+γXit+λi+μt+εit。

(8)

表5中列(1)和列(2)为式(7)和式(8)的系统GMM分析结果，分别对数字普惠金融与经济增长、收入分配的关系进行验证。结果表明，模型通过了序列自相关以及过度识别检验，说明系统GMM模型估计方法可行，估计值真实有效。

第(1)列估计结果显示，数字普惠金融与经济增长显著正相关，说明数字普惠金融发展能够促进经济增长，即间接减贫机制得到验证。经济增长的一阶滞后项与其显著正相关，说明经济增长具有较强延续性，因为上一期的经济增长可以为本期进行资本累计，同时有利于构建一个稳定可持续的经济增长环境。收入分配与经济增长正相关，说明在短期内可以通过牺牲收入分配的公允性来拉动经济增长，但从实际的社会发展角度而言是不可取的，因为收入分配的加剧不利于社会公平稳定。

第(2)列估计结果显示，数字普惠金融与收入分配显著负相关，说明数字普惠金融发展有利于缩小收入分配差距，即间接减贫机制也得到验证。收入分配的一阶滞后项、经济增长指标与收入分配差距显著正相关，说明前期收入分配的不平等程度同样会对本期收入分配产生影响，而经济增长会在一定程度上拉大收入分配差距。产业结构、城镇化及经济开放水平与收入分配呈负相关，即这些指标有利于收入分配的优化；教育水平与收入分配呈正相关，而我国财政教育支出分配存在城市远远大于农村的失衡现象，可能因此对贫困减缓产生负向影响；最后，支农水平与收入分配负相关，但未通过显著性检验。

表5 数字普惠金融减贫的影响机制检验

四、结论与政策建议

(一)研究结论

基于我国2011—2018年31个省(区、市)的面板数据，利用GMM模型对数字普惠金融的减贫效应进行实证检验，发现贫困指标的滞后变量高度显著，说明贫困具有较强的代际传递特征，呈现较强的延续性，从而使得当期贫困会受到前期贫困因素积累的影响，致使贫困地区减贫难度加大。因此，只有通过各方努力不断将金融资源下沉，促进贫困地区资本积累，才能有效避免陷入贫困或脱贫后又返贫的恶性循环，从而真正步入乡村振兴的轨道。

数字普惠金融指数与贫困发生率呈显著负相关且在不断加入其他控制变量时，回归结果仍然呈显著负相关，说明分析结果较为稳定可靠，数字普惠金融的发展能够有效助力贫困减缓直至消除贫困，实现乡村振兴。数字普惠金融减贫机制分为直接影响机制和间接影响机制。在间接影响机制中，经济增长与贫困减缓负相关，收入差距与贫困减缓正相关，说明经济增长可以减缓贫困，而收入分配的加大会导致贫困加剧。在其他控制变量中，产业结构、城镇化水平、财政支农水平和教育水平与贫困发生率呈负相关，说明可以通过优化产业结构、提升城镇化水平、提高财政支农水平、加大教育支出等来助力贫困减缓，防止返贫，实现乡村振兴。

数字普惠金融指数与经济增长指标正相关，与收入分配指标负相关，说明数字普惠金融发展可以促进经济包容性增长，且有利于收入分配的优化，从而促进贫困减缓，消除贫困。根据间接作用机制回归结果，产业结构的优化、城镇化水平的提升能够在促进经济增长的同时缩小收入分配差距。因此，我国可以通过推进产业结构优化以及城镇化建设来实现城乡融合发展，助力产业扶贫与乡村振兴。

总之，改革开放以来，党中央、国务院组织和动员各行各业各方面力量，经过40多年的不懈努力，历经体制变革大规模缓解贫困阶段、经济高速增长下的开发式扶贫阶段、扶贫攻坚阶段、全面建设小康社会中的扶贫开发阶段与巩固成果脱贫攻坚阶段，实现了农村贫困人口全面脱贫的伟大胜利。而在这一进程的重要节点即2013年，将数字普惠金融上升为国家战略助力减贫，显著加速了脱贫攻坚战役的进度，也为数字普惠金融在助力乡村振兴的过程中发挥更好的作用提供了现实依据。

(二)相关政策建议

根据研究结论，数字普惠金融已经助力完成了减贫脱贫，还要助力防止返贫与实现乡村振兴，主要通过加强金融业数字化建设、优化数字金融生态环境、落实好金融支持政策、促进经济增长与缩小收入差距来实现。

1.增强数字普惠金融的服务供给能力

弱势群体对金融的需求同样是多样化的，因此，金融行业必须多角度、多元化、多手段提供各类低成本金融产品，提升金融服务的可获得性。

(1)加快涉农金融服务主体的数字化转型。我国金融科技发展水平已居世界前列，银行助力“三农”发展责无旁贷。商业银行应加快业务经营的数字化转型，运用大数据和云计算技术，创新互联网产品与服务模式，形成线上线下一体化经营。作为支持“三农”发展主力军的地方金融机构更应迅速跟进，通过以大带小的方式加快银行等中小金融机构数字化转型，不断将传统业务进行线上集成改造，形成互联网环境下的高效触客服务，实现业务线上化、资产数字化、运营智能化、平台开放化、办理高效化，运用数字普惠金融手段解决涉农金融服务痛点、难点、愁点问题，提高农村金融承载能力，增强农民金融服务的可得性，提升农业产业现代化水平。

(2)加快数字普惠金融业务的拓展步伐。要在提升数字化技术能力和风险控制能力的前提下，不断为客户创造更多、更直接、更快捷、更现实的金融市场价值。其一，将数字普惠金融与现代农业产业链有机结合。通过将产业链中各环节的资金需求与相匹配的数字金融服务有效衔接，提升数字普惠金融的精准化服务水平，有效降低融资成本，解决融资贵的问题。其二，围绕“三农”的不同需求，开发地域针对性较强、符合本地区农业农村发展实际情况的金融应用程序。这样一来，一方面，可以向本地区不同收入的农民、农业经营主体、小微企业提供流程简化、高效快捷的金融服务，不断通过线上化服务积累数据；另一方面，可以为农民提供诸如购买理财、电子国债、股票等智能化的金融服务，切实解决农民额度小、碎片化、与农业生产周期高度相关的融资需求。其三，持续加强数字普惠金融产品创新，以满足乡村振兴需求。目前，金融机构助力乡村振兴还存在许多现实挑战。比如，种植业、养殖业、农村旅游业、劳务输出等产业受自然环境、新冠肺炎疫情和市场供求的影响较大，农户对期货、保险等产品理解不深，使其收入不够稳定，影响银行贷款支持的信心；部分农户征信意识淡薄，还款意识不强，导致银行还款逾期率过高；保险业信息不对称现象相当严重，如套保现象频发这种道德风险使得保险公司被迫进行提高保费、降低赔付率、缩小投保人范围等逆向选择，降低了农村居民购买保险的积极性。对此，金融机构应创新迭代数字普惠金融产品，针对农村地区发展现状因地制宜，一镇一策、一村一策，加强应用场景建设，有效增加数字普惠金融服务的供给。例如，通过卫星遥感、云计算、大数据、IOT等新型数字技术识别和监测农作物、牲畜等生长情况，建立智能数字风险把控模型，对其产量和价值进行估算，为农户设定个性化、实用化的信贷额度、贷款利率与还款周期。中小银行应立足本地村镇，开发具有针对性的数字普惠金融产品，支持地方特色产业发展，还可就近与电商开展合作，积极搭建集金融、产业、电商、物流于一体的农村数字普惠金融平台。创新金融机构电商助农模式，与政府、基金公司、互联网公司、直播平台等合作，为农村地区特色农产品、特色商品、特殊劳务创建互联网宣传销售平台。建立区域特色农户线上服务平台，为广大农村居民提供专属的线上结算服务、理财业务等，这样才能让数字普惠金融服务覆盖到所有农村地区的“长尾群体”，从而带动农村地区整体经济发展。

(3)充分释放互联网金融机构创新服务活力。新型互联网金融机构在大数据、云计算、区块链、人工智能等领域优势明显，拥有庞大的客户消费群体和消费数据，对推进“互联网+金融+助农”模式不可替代[6，14]。因此，应充分激发新型互联网金融机构在资源整合、数字技术运用等方面的创新活力，通过整合电商、物流、信贷、保险等资源，发展基于农业产业链的助农模式，通过对农业产业链上下游企业及农户的数据分析，建立资金需求与产品需求数据库，连接关联企业与农户的供求信息，确保前期资金来源有保障，后期产品销路可畅通，从而形成多方共赢的局面，助力实现产业发展和乡村振兴。

(4)扩大农村地区互联网保险覆盖范围[11]。在全面推进乡村振兴的道路上，为有效防止因病返贫、因疫情返贫、因灾返贫现象发生，要利用好互联网渠道将保险服务持续向农村地区推进，不断扩大保险服务的覆盖面，增强农民群体的风险保障。可结合不同地域的特色产业，开发推广专门的特色农产品种植保险，为当地产业发展保驾护航。在保险审核、理赔等流程中要更多地运用数字技术，提高保险理赔效率，降低保险理赔成本，以便更好地服务于“三农”。针对各地区的农业发展风险点，设计面向农村、面向农田、面向农民的数字普惠保险产品，增加农村居民抵御自然风险的能力。加强银行与保险行业公司的合作，通过计算机视觉识别、人工智能反欺诈等手段提高保险机构对农、林、畜等产品的风险辨识与监管能力，有效分担银行的信贷风险，引导更多资本向农村地区投放。

(5)落实好匹配有力的财政金融支持政策。2020年新冠肺炎疫情暴发，波及诸多领域，尤其对建筑、餐饮、物流、娱乐、旅游等行业影响更大，而这些行业往往是进城务工人员就业务工的主阵地，必然会对其收入产生很大影响，由此可能造成的局部返贫问题甚至规模性返贫问题不容忽视。政府层面应当及早考虑，适时出台相应的特殊补贴政策与金融制度安排。一是鼓励和引导农民工留乡创业。近3年来，世界粮食出现了供求紧张的局面，主要粮食产品价格上涨连续刷新纪录，种粮的收益显著提高。既要考虑粮食安全又要考虑农民利益，国家就要因势利导精准施策，一方面继续提高对种粮户的直接补贴，另一方面继续按保护价敞开收购，以增加农民土地收入。二是支持和引导规模化二、三产业向农村地区特别是城市近郊区域转移。以增添农村经济动能，激发农村经济活力，带动农村小微企业发展，促使农业产业有效升级，农产品转化升值，产销紧密衔接，农民收入持续增长。三是落实2022年中央一号文件的各项要求。对涉农金融机构要加大支农支小再贷款、再贴现力度，实施更加优惠的存款准备金政策；对受疫情影响较大的农村与小微企业给予补贴救助或延期还本付息；完善农商行治理机制，完善乡村振兴金融服务统计制度，积极推进金融机构服务乡村振兴考核评估。

2.优化农村地区数字普惠金融生态环境

数字普惠金融要更好地服务于农村地区，需要相对完善的基础设施与良好的金融生态环境。(1)不断扩大农村地区的网络覆盖面。我国农村地区居民居住分散，使得网络建设和维护成本较高，实现网络全覆盖的难度较大，数字普惠金融全方位服务也因此受阻。对此，政府应当加大财政投入，加快偏远农村地区网络基础设施建设，相关部门也要督促运营商加大网络提速降费的力度，减轻困难人群使用网络的费用负担。同时，也要加大移动智能终端的普及，让更多的困难人群享受数字金融带来的便捷服务[18]。(2)推进农村地区的支付体系建设。要利用好互联网渠道，在农村地区积极推广非现金支付。要立足于农户的实际需求，因地制宜地开发真正的惠农支付产品。要扩大移动支付、网络支付等新型支付方式的覆盖面以及应用场景，形成商业银行支付器具、惠农网点与第三方支付共存的农村支付体系。要推进助农服务点与村级电子商务服务站点合作共建、资源共享的融合发展。(3)完善农村信用体系建设。要充分利用好电商、物流等互联网企业积累的涉农信用数据，对现有征信体系进行完善与补充，发挥大数据在信息集合与处理中的优势，纳入多维度数据作为信用考核标准，实现数据信息的互联互通，以便更好地发挥信用数据的价值。要整合涉农数据，搭建信息共享平台，实现信用数据资源共享。对符合标准的村镇银行、涉农互联网金融服务平台等要逐步接入征信体系，以缓解这些金融机构与农户之间的信用缺失和信用不对称问题，提升金融服务的可获得性[19]。

3.培养金融消费者权益保护能力

(1)加大数字普惠金融宣传教育力度。要加大对农村群体的数字普惠金融宣传教育，培养金融消费者的数字技术基础知识与金融素养，提高自我风险防范意识。金融机构在推广线上金融产品的同时，也要担负起宣传与教育的责任，联动地方政府进乡进村进户普及数字普惠金融知识及操作技能。同时，可选取一些典型风险案例进行宣讲，以增强农户的风险识别与防范能力[6，18]。

(2)完善数字普惠金融消费者权益保护机制。要加强对农民群体的个人金融信息保护，提升金融机构技术安全水平，妥善保管好用户个人资料及交易信息。针对农民群体平均受教育水平不高、对数字金融产品了解程度较低的情况，金融机构对其互联网产品的内容、免责条款，与农民群体利益相关的信息充分披露，并要开设畅通的投诉渠道，切实保护好农民群体的数字金融消费权益。

4.完善数字普惠金融监管体系

要调动各类金融机构参与数字普惠金融建设的积极性，使各类金融机构充分发挥市场主导作用。政府部门要加强货币政策、财税政策的指引，发挥其积极的引导和激励作用。同时，相关监管部门也要不断探索和完善数字普惠金融的监管体系建设，与时俱进创新监管方式，为数字普惠金融健康有序推进奠定基础。

(1)加强政府政策引导和激励作用。要推动数字普惠金融的持续发展，需要政府和市场协同发挥作用。政府部门主要是通过政策引导和财政补贴的方式引导金融机构的服务重心继续下沉。要鼓励金融机构创新符合“三农”、小微企业等需要的互联网小额信贷产品。针对“三农”、小微企业征信数据不足、缺乏有效抵押物的情况，利用好互联网数据，适当放宽考量维度。对“三农”、小微企业的贷款可适当放宽不良贷款率要求，完善尽职免责制度，引导信贷资金向“三农”、小微企业倾斜。要引导各金融机构共同搭建普惠金融信用信息服务平台、助农服务平台等数字化金融基础设施服务平台，以搭建平台的方式，鼓励更多金融机构参与到数字普惠金融建设中来。财税政策也要发挥好杠杆作用，对有金融科技创新与研发需求的企业要予以一定的财税支持与补贴，重点促进以移动互联网、云计算、大数据、人工智能为代表的创新型企业的发展，鼓励金融科技创新[20]。

(2)加强对数字普惠金融的监管力度[21]。在新型数字技术快速发展的当下，各项金融产品创新层出不穷，但也衍生了新的风险，出现监管漏洞、监管空白，在侵害消费者权益的同时，也在一定程度上威胁着金融体系的安全稳定运行。对此，相关监管部门要从市场准入、市场运营、市场退出等各环节进行立体式监管。在监管过程中要做到多部门分工协作，落实监管职责，填补监管漏洞和监管空白。既要制定适度宽松的监管政策鼓励创新，也要不断完善监管体制，做到“依法监管、适度监管、分类监管、协同监管、创新监管”。同时，也应建立互联网金融风险防控体系，加大对数字普惠金融的监督管理、风险监测以及惩处力度，严守不发生系统性金融风险的底线。