数字普惠金融在农户间的收入分配效应研究——基于再中心化影响函数的证据

■田红宇 苏治豪 覃朝晖

一、引言

党的十九届五中全会提出“人民生活更加美好，人的全面发展、全体人民共同富裕取得更为明显的实质性进展”的目标。目前，农村发展不均衡不充分是实现共同富裕最大的短板，其中突出表现为农村内部收入差距大。可见，解决农户收入差距问题是从脱贫攻坚迈向共同富裕的重要一步。1978—2019年我国农村经济发展取得了显著成就，农户人均收入水平稳步提升，农村人均可支配收入从133.6元增至16020.7 元，年均增长率达到了12.57%。但也应当注意到，农村地区发展不平衡、不充分问题依然突出，农户内部收入差距在不断扩大。改革开放以来，中国农村基尼系数从1978年的0.21 上升到2017年的0.47，高于国际警戒线0.4。另外，根据《中国住户年鉴》数据，2020年农村收入前20%家庭的平均年人均可支配收入是后20%家庭的8.46倍。过高的收入差距会降低经济效率，造成收入阶层固化，进而导致各种负面社会效应，对新时代中国经济的高质量发展带来重大挑战。因此，切实改善农户内部收入差距不仅有利于新时代“三农”问题的解决，更有利于乡村振兴战略与共同富裕目标的实现。

长期以来，由于城乡二元经济结构的差异，导致金融资源在农村地区无法合理配置。普惠金融为缓解这一局面提供了可能，普惠金融能提高金融服务覆盖率，为社会不同群体有效地提供合适的金融产品。与此同时，随着大数据、人工智能、云计算、物联网等数字技术向乡村快速渗透，数字技术与普惠金融的深度融合能使金融服务效率大幅提升。数字普惠金融的发展不仅提高了农村地区金融资源配置效率，改善了金融服务的可得性和便利性，还给农户收入及收入分配状况带来了直接影响，日渐成为推动农村经济发展的新力量。

已有研究表明，数字金融更有利于促进资源禀赋和能力较优农户的收入增长，从而扩大农户收入差距[1]。然而部分学者持有不同观点。刘魏[2]以Kakwani 相对剥夺指数来测度收入不平等，发现数字普惠金融能缓解个体间的收入不平等。在我国大力推进数字普惠金融发展的背景下，数字普惠金融对农户收入差距带来何种影响，学界对此仍未形成一致结论[3]。基于此，本文试图回答数字普惠金融对农户收入分配格局到底有何影响，是有助于缓解还是会加剧农户内部收入差距的扩大，数字普惠金融对农户收入分布又存在怎样的差异，数字普惠金融对农户收入差距的贡献度究竟有多大。回答以上问题有助于厘清数字普惠金融与农户收入差距之间的关系，对政府找准相对贫困切入点进而完善相关制度安排具有重要的现实意义。

二、文献综述

为了巩固脱贫攻坚成果，推进乡村振兴战略和实现共同富裕目标，学术界对农户收入差距进行了研究，主要包括三个方面。一是对农民收入差距的测定。整体层面主要是采用基尼系数、广义熵指数、Atkinson 指数等[4—6]，个体层面上主要采用Kakwani指数和Yitazhaki 指数等[7，8]。二是对农民收入差距的回归分解。为了分析各因素对农户收入差距的贡献度，学术界使用的指标分解方法也各有差异。史常亮等[9]基于Fields 分解法量化了土地流转对农户收入差距的贡献程度。杨丹等[10]运用再中心化影响函数（RIF）回归分解创业对农户收入不平等的影响。三是对农户收入差距影响因素的解释。目前对其影响因素可以划分为微观和宏观两个层面。在微观层面，学术界主要探讨人力资本、社会资本和物质资本等对农户收入差距的影响[11，12]。在宏观层面，研究主要集中在扶贫资源、产业融合、保险政策和农业社会化服务等[13—16]，而较少文献探究数字普惠金融对农户收入差距的影响。基于此，本文在分析农户收入差距的宏观因素时考虑数字普惠金融因素。

自2012年数字金融概念首次提出以来，学术界逐渐重视数字普惠金融的经济效应问题，主要包括四个方面。一是数字普惠金融发展的宏观经济效应。大多文献认为数字普惠金融对经济增长表现为促进效应[17，18]。另外，关于数字普惠金融对产业结构的影响，大部分研究发现数字普惠金融有显著促进产业结构优化的作用[19]。二是数字普惠金融对居民生产生活行为的影响。数字普惠金融具有商业持续性、金融服务全面性、金融可获得性和可负担性的优势，能对社会就业、创业和家庭资产配置等产生积极影响[20—22]。三是数字普惠金融对农村相对贫困效应的影响。在我国脱贫攻坚战取得了全面胜利之后，数字普惠金融与相对贫困的研究逐渐成为学术研究的重点。大部分学者认为数字普惠金融发展有利于缓解农村相对贫困。孙继国等[23]发现相对于中西部地区和城镇地区，数字普惠金融更能缓解东部地区和农村地区的相对贫困问题。刘魏等[24]采用条件混合过程方法，分析数字普惠金融和居民相对贫困的关系，发现数字普惠金融能缓解客观相对贫困和主观相对贫困。然而部分学者持有不同观点。胡联等[25]研究发现数字普惠金融会加剧居民的相对贫困。四是数字普惠金融对城乡收入差距的影响。目前学术界对数字普惠金融与城乡收入差距关系的研究非常丰富，且研究结论基本一致，均认为数字普惠金融发展能够有效缩小城乡收入差距。李牧辰等[26]研究发现数字普惠金融的发展缓解了城乡收入差距的扩大，主要体现在数字普惠金融的覆盖广度和使用深度方面。周利等[27]运用门槛模型和分位数回归的MM 分解方法，发现数字普惠金融的发展能显著缓解城乡收入差距。在与本文相近的研究主题中，少部分学者分析了数字普惠金融对农户收入差距的影响[1，2]，但未就数字普惠金融对农户收入差距的影响达成一致。

总体来说，在乡村振兴战略和实现共同富裕的要求下，学术界对数字普惠金融和收入差距的关注度越来越高。通过对以上文献进行梳理发现，目前还应从以下四个方面进行完善：一是已有文献中不乏数字普惠金融与城乡收入差距的研究，但鲜有文献研究数字普惠金融缓解农户收入差距的作用。本文使用宏观层面的中国数字普惠金融指数和微观层面的中国家庭跟踪调查数据，运用再中心化影响函数（RIF）分析了数字普惠金融对农户收入差距的影响。二是已有文献对数字普惠金融收入分配红利的区域和个体异质性关注不够，导致研究结论的适用性和政策指导的针对性有所欠缺。本文从区域差异、贫困县与非贫困县间差异以及个体差异视角探讨了数字普惠金融发展对农户收入差距的影响。三是部分研究对遗漏变量等内生性问题考虑不足，其研究结果可能存在偏差。本文运用再中心化影响函数（RIF）来弱化内生性。进一步，本文使用夏普利值分解法分析数字普惠金融对农户收入差距的贡献度。Fields 等分解方法严格受到收入决定模型和收入差距衡量指标的限制，而夏普利值分解法对收入方程和不平等指标没有任何限制。四是现有文献主要从省级面板数据进行分析，数据精准度不足。本文从县域层面的数字普惠金融指数与微观层面的农户收入差距等数据进行多角度论证，在一定程度上提高了研究数据的精确性。

三、理论分析与研究假设

农户间会因所拥有的初始资源禀赋和个人能力等方面的差异而产生收入差距。随着农村地区金融发展水平的上升，金融产品的增加和金融服务能力的提高能够通过经济增长和分配效应来增加农户收入水平，但农村内部金融资源的配置和获取能力存在差异，导致长尾农户在获取金融资源时存在一定的门槛。普惠金融的出现能弥补传统金融短板，以可负担的成本为社会所有阶层群体有效提供合适的金融服务，是实现包容性增长的一种重要措施[28]。随着普惠金融政策在我国大范围实施，农村地区的金融服务体系和金融服务覆盖程度已经得到明显改善。近年来，随着数字技术与普惠金融的融合，数字普惠金融应运而生，数字普惠金融发展符合包容性增长理论。与传统普惠金融相比，数字普惠金融突破了金融供需的时空限制，具有商业持续性、金融服务全面性、金融可获得性和可负担性等优势，在促进金融服务创新的同时能以合理的成本获取金融服务，提高金融资源配置效率，有效缓解长尾农户面临的金融排斥，促进长尾农户收入水平的改善，进而实现农村居民机会均等化和包容性发展，为缓解农户收入差距创造条件[29]。另外，数字普惠金融的发展能够解决信息不对称、弱化逆向选择和道德风险等问题。同时，数字普惠金融对农户收入具有正向促进作用，随着农户收入水平的增加，长尾农户面临的发展不确定性会降低，能有效改变长尾农户的风险偏好，有利于长尾农户的收入实现包容性增长，从而显著缓解收入不平等问题。最后，数字普惠金融可以通过电子商务、微信和支付宝等第三方支付来弥补长尾农户征信缺失问题，有利于缓解长尾农户受到的信贷约束，并促进农户自雇型就业。基于以上分析提出假设：

假设1：数字普惠金融有助于缓解农户收入差距。

数字普惠金融能缓解农户收入差距，关键在于能将被传统金融排斥的长尾农户群体纳入进来[30]，提高长尾农户金融服务的可得性和降低其交易成本等。数字普惠金融对西部地区农户收入差距的缓解效应可能强于中东部地区，对贫困县农户收入差距的缓解作用可能大于非贫困县。由于我国的地区间数字基础设施建设存在差异，数字普惠金融指标测定也会受区域差异和经济发展水平等各种因素影响，导致经济欠发达地区数字普惠金融发展水平存在一定的地区间差距，但欠发达地区的收敛速度更快，且呈“β收敛”。除此之外，不同地区农户拥有的初始资源禀赋存在明显异质性，经济发达地区农户所拥有的家庭资源禀赋远远高于欠发达地区，而数字普惠金融的发展能使资源配置更加合理有效率，那么数字普惠金融对西部地区农户和贫困县农户的补充效果应当更强。因此，数字普惠金融发展对农户收入差距的缓解作用存在区域间差异和贫困县与非贫困县间差异。与此同时，由于不同农户在人力资本、社会资本和物质资本等方面存在异质性，进而导致在金融资源获取方面存在差异。2020年，中国互联网络信息中心发布的第45次《中国互联网络发展状况统计报告》显示，技能缺乏和受教育程度偏低是导致农村地区不使用互联网的主要因素。互联网等信息技术有助于加快数字普惠金融发展，但不同年龄群体的学习接受能力不同，不同学历群体的金融素养和数字素养有着较大差距[31]，不同就业类型拥有的发展机会也不一样，从而导致精英型农户在对金融资源的获取及使用上更有效率，最终改善农户生产生活行为方式，提高收入水平，即数字普惠金融对农户收入差距的缓解效用会存在个体异质性。因此，基于以上分析提出假设：

假设2：数字普惠金融缓解农户收入差距的效用在区域间和个体间存在异质性。

四、数据来源、模型设定与变量选取

（一）数据来源

本文使用的数据来自两个方面。一是北京大学中国社会科学调查中心组织实施的中国家庭追踪调查（CFPS）微观数据。二是由北京大学数字金融研究中心和蚂蚁科技集团组成的联合课题组负责编制的北京大学数字普惠金融指数[32]。本文将中国家庭追踪调查（CFPS）2014年、2016年和2018年的数据与北京大学数字普惠金融指数进行合并作为实证检验的数据集。本文研究对象为农户，将样本范围限定在农村地区，经过筛选和清理共得到包含11724个观测值的面板数据库。

（二）模型设定

本文采用Firpo 等[33]提出的再中心化影响函数（RIF）回归方法，探究数字普惠金融对农户内部收入差距的影响。与传统的OLS 回归相比，RIF 的回归估计结果更加稳健，而且能够有效弱化由遗漏变量等引起的内生性问题[34]。此外，RIF回归不仅能够反映解释变量对被解释变量分布统计量（分位数、方差、基尼系数）的边际影响，而且在研究收入差距问题中具有较强契合度，从而可以从分布的角度直接考察数字普惠金融对农户收入差距的边际影响。本文将主要采用基尼系数作为度量农户内部收入差距的主要指标，公式如下：

式（1）满足：

进一步定义基尼系数的影响函数为：

式（2）满足：

在式（1）和式（2）的基础上得到基尼系数的再中心化影响函数如下：

结合式（3）将农户家庭人均收入对数的基尼系数作为被解释变量，将数字普惠金融作为核心解释变量，以农户个人层面、家庭层面和村庄层面的特征变量为控制变量进行RIF回归。在RIF回归方法的框架下，构建基于基尼系数的农户收入差距再中心化影响回归模型：

式（4）中，GINI(Income)it代表农户家庭人均收入对数的基尼系数，DIFit为数字普惠金融指数，Xit表示相应的控制变量，θi、δt分别是地区固定效应和时间固定效应，εit表示随机误差项。

（三）变量选取与描述性统计

1.被解释变量：农户收入差距

参考主流研究方法，以农户家庭人均收入对数的基尼系数作为农户收入差距的测度指标，即作为本文的核心解释变量。

2.解释变量：数字普惠金融

本文使用北京大学数字金融研究中心和蚂蚁科技集团共同编制的北京大学数字普惠金融指数来度量。数字普惠金融指数从数字金融覆盖广度、数字金融使用深度和普惠金融数字化程度三个维度来构建。本文以数字普惠金融指数测度数字普惠金融，同时，将三个子指数纳入分析进行稳健性检验。为了避免异方差和量纲不统一等问题，本文对所有指数均采用对数形式进行分析。

3.控制变量

为了获得数字普惠金融对农户收入差距的无偏估计量，尽可能避免遗漏变量造成的估计偏误，本文借鉴其他文献控制了个人、家庭和村庄层面的特征变量。个人层面的特征变量包括年龄、性别、婚姻状况、教育水平；家庭层面的特征变量包括家庭人口规模、家庭负债、政府补助、医疗保障、工作是否受雇；村庄层面的特征变量包括县城距离、矿区、土地类型、自然灾害频发区。

各变量指标描述性统计结果如表1所示。

表1 全样本描述性统计

五、数字普惠金融影响农户收入差距的实证分析

（一）基准回归：数字普惠金融对农户收入差距的影响

基准回归采用再中心化影响函数（RIF）回归方法，实证检验数字普惠金融对农户收入差距的影响。表2是以基尼系数作为农户收入差距不平等衡量指标的RIF 回归估计结果，回归系数反映了各变量变化对农户收入差距指标的边际影响。此外，为了进一步增强统计推断的效能，本文在回归过程中均进行了500次Bootstrap重复抽样[35]。

表2 数字普惠金融影响农户收入差距的基准估计结果

模型（1）仅加入核心解释变量数字普惠金融，可以发现数字普惠金融的估计系数为负，且通过了1%的显著性水平检验，表明数字普惠金融的发展缓解了农户内部收入差距的扩大。模型（2）、（3）和（4）表明，在分别控制个人、家庭和村庄特征变量的条件下，数字普惠金融的估计系数仍然为负，且在1%的统计水平上显著，说明数字普惠金融对缓解农户内部收入差距扩大的作用结果较为稳健。这可能是因为数字普惠金融发展水平越高，越有可能弱化长尾农户融资难和金融排斥等现象，并为该类农户提供公平合适有效的金融信贷服务，激励其开展创业活动。同时，数字普惠金融发展水平越高，相应的城市经济发展水平会上升，合适的就业岗位也就会增加，有助于非农就业机会增多。因此，数字普惠金融的发展能为长尾农户提供更多发展机会，从而提高长尾农户的收入水平，缓解农户收入差距。

控制变量方面，年龄、婚姻状况、教育水平、家庭人口规模、家庭负债、政府补助、医疗保障、工作是否受雇、矿区和土地类型均为显著影响农户内部收入差距的因素。就个人特征变量而言，年龄对农户收入差距的影响呈现倒“U”型，而婚姻状况和教育水平显著为负，这表明提高农户的结婚率和受教育水平，有助于缩小农户间的收入差距。就家庭特征变量而言，家庭人口规模的扩大、医疗保障和政府补助的获得、工作为受雇类型将同样有利于缓解农户收入差距的扩大，而家庭负债将导致收入分配格局不均程度的增加。就村庄特征变量而言，土地类型为山地和林果地将加剧农户收入差距的扩大，而村庄有矿区将减缓收入差距的扩大。

上文证实数字普惠金融能缓解农户收入差距的扩大，这意味着数字普惠金融会影响农户收入分布，特点是增收效果集中于低收入农户，但更加严谨的结论有待进一步分析。本文对农户收入水平进行基于RIF 的无条件分位数（UQR）回归分析。表3为数字普惠金融对农户收入水平在10 分位点（低收入组）、25 分位点（中低收入组）、50 分位点（中等收入组）、75 分位点（中高收入组）和90 分位点（高收入组）的RIF 无条件分位数回归结果。从表3可以看出，数字普惠金融系数均为正值，且均在1%的统计水平上显著，这表明数字普惠金融对农户收入水平有显著的正向影响。同时，这种正向影响呈“U”型变化，且体现出明显的左偏特征，这表明相对于75%～90%农户收入分位，数字普惠金融对10%～25%收入分位水平提升的拉动作用更为明显。由此，可判断数字普惠金融能缩小低收入农户和高收入农户之间的差距，本文的研究假说1得到验证。

表3 数字普惠金融的无条件分位数回归结果

（二）稳健性检验

虽然再中心化影响函数回归方法能有效降低因遗漏变量等引起的内生性问题，但为了使研究结论更加可靠，本文采用改变收入差距衡量指标、更换因变量、数字普惠金融子指数代替这三种方式进行稳健性检验，结果见表4。

首先，采用农户家庭人均收入对数的方差来衡量农户收入差距，并重新进行RIF 回归。实证结果见表4（1）列，稳健性检验的估计系数方向和显著性与基准回归的估计结果保持一致，表明本文的研究结论不会受到被解释变量度量方式的影响。

表4 稳健性检验结果

其次，使用家庭人均总支出对数的基尼系数来替代家庭人均收入对数的基尼系数。因为相对于收入变量，消费变量的统计更加真实稳定。另外，收入是消费的来源和基础，能够很好地衡量收入不平等。表4（2）列的回归结果与基准回归的估计结果基本一致，表明通过替换不同的被解释变量后，数字普惠金融依旧能显著缓解农户收入差距。

最后，使用子指数代替的方式进行RIF 回归来检验研究结论的稳健性。本文选取数字金融覆盖广度、使用深度以及数字化程度这三个子指数进行深度回归分析。表4（3）和（4）列的回归结果显示，覆盖广度和使用深度均能缓解农户收入差距的扩大，且在1%的统计水平上显著。而（5）列的基准回归结果表明，数字化程度不会显著影响农户收入差距，且回归系数为正。这可能是因为，数字化程度指标的衡量中有信用风险和利率风险，金融市场因素的不利变动会导致资产损失，并且金融风险具有传染性和扩散性，会加剧农户收入不平等，从而出现系数为正的情况。总的来说，三个子指数的估计结果与基准回归的结果大部分一致，表明本文的研究结论基本稳健。

（三）数字普惠金融缓解农户收入差距的异质性分析

1.区域的异质性分析

上文结果从整体上证实了数字普惠金融能缓解农户收入差距逐渐扩大的问题。由于我国城乡二元经济结构的差异，导致区域经济发展存在不平衡现象，而区域差异对农户收入差距起着至关重要的作用[36]。因此，本文试图探究数字普惠金融对农户收入差距的区域异质性影响。本文将25 个省（市、自治区）划分为东部、中部和西部地区并分别进行回归。表5的（1）、（2）、（3）列分别表示数字普惠金融对西部、中部和东部地区农户收入差距的RIF 估计结果。回归结果表明，数字普惠金融将在1%的统计水平上显著缓解西部地区农户收入差距的扩大，而中部地区和东部地区的估计结果并不显著。这可能是因为，受地理位置和初始资源禀赋的影响，各区域经济发展不平衡，导致西部地区农户的金融资源配置效率低下，而数字普惠金融的发展能合理配置金融资源，那么数字普惠金融对西部地区农户的这种补充效果就会更强。另外，地区间数字基础设施建设存在差异，中部地区和东部地区数字技术和金融服务发展迅速，导致该地区社会所有阶层的群体能享受到合适的金融服务，从而数字普惠金融对东部和中部地区农户收入差距的作用不显著。西部地区的地理位置相对较差，金融服务存在覆盖率相对不足、使用深度有限及便利化程度不高等问题，进而该地区发展存在明显的金融排斥现象，而数字普惠金融的大力发展能直接改善西部地区社会各阶层群体难以获得金融资源的状况，从而能更有效缓解西部地区的农户收入差距。

2.贫困县和非贫困县的异质性分析

上文的区域异质性证实数字普惠金融有利于缓解偏远地区的农户收入差距。同时，由于各地方的经济发展不平衡、政策决策效率的差异和金融资源配置方式与使用效率不同，导致各地方数字普惠金融的覆盖广度和使用深度有所不同。因此，本文从是否为贫困县出发进一步探讨数字普惠金融对农户收入差距的影响。本文将样本划分为国家级贫困县和非贫困县组来进行回归分析，结果如表5所示。表5的（4）和（5）列对比分析了数字普惠金融对贫困县和非贫困县农户收入差距的影响差异。结果表明，数字普惠金融对贫困县和非贫困县农户收入差距影响效应均显著为负，但从回归系数来看，数字普惠金融对贫困县农户收入差距的影响系数是非贫困县的2.22倍，说明数字普惠金融对贫困县农户收入差距的缓解效应要强于非贫困县。以上分析从侧面反映出，贫困地区的金融扶贫政策更有利于缓解当地收入分配格局的不平衡，这也与主流文献的研究结论相一致[37]。

表5 区域和贫困县与非贫困县间的异质性分析

3.个体差异的异质性分析

上文实证结果证明了数字普惠金融能给农户带来“数字红利”，且宏观上来看这种“数字红利”更加倾向西部地区和贫困地区，即地区间存在“数字鸿沟”。那么，更进一步的具体到农户个体，从微观层面来探究数字普惠金融对不同特征农户收入差距的影响，对如何高效率的使用数字普惠金融具有一定的现实意义。本文从年龄、教育水平、工作是否受雇方面来探究数字普惠金融对农户收入差距的影响是否存在个体差异。结果如表6所示。

从年龄来看，本文将年龄按照中位数分为50岁以下和50岁及以上两个群体，验证年龄的异质性作用。表6的（1）和（2）列结果显示，数字普惠金融均能显著缓解50 岁以下和50岁及以上农户收入差距的扩大。从回归系数来看，数字普惠金融对50岁以下群体的缓解作用远远大于50岁及以上群体，说明在数字信息技术时代，中老年人与青壮年人存在“数字鸿沟”。可能原因在于，青壮年人更富有学习的精神和活力，其接受新事物的能力和精力优于中老年人，对数字技术的认同度更高，使用数字技术的能力更强，因而更容易把数字普惠金融的价值发挥出来。

从教育水平来看，表6的（3）、（4）、（5）列显示，数字普惠金融均能缓解不同学历农户群体收入差距，但缓解作用强度表现出较大差异，学历越高的群体其收入差距的缓解效应越明显。这可能是因为，学历越高的农户所拥有的社会资本和人力资本会越高，对数字普惠金融的掌握与应用能力就会越强，从而能够通过金融资源来创造财富[38]，缓解农户收入差距的扩大。

表6 个体异质性分析

从工作是否受雇来看，数字普惠金融能在1%的统计水平上显著缓解自雇型就业群体收入差距，而对受雇型就业群体收入差距影响不显著，说明数字普惠金融不利于受雇型群体收入差距的缓解，而有助于自雇型群体收入差距缓解。可能的原因是，受雇型就业更趋向于稳定，对金融服务需求不大，而自雇型就业的灵活性和风险性更大，比如创业常受制于自有资金规模限制，数字普惠金融的发展能弥补农户融资难的短板，增强农户市场参与能力，从而更加有利于缓解自雇型就业农户收入差距。

以上分析结果验证了假设2，即数字普惠金融对农户收入差距的缓解存在区域间、贫困县与非贫困县间和个体间的异质性。

六、进一步讨论：数字普惠金融对农户收入差距的贡献分解

上文结果证实数字普惠金融能改变农户收入分配格局，缓解农户内部收入差距。那么，数字普惠金融对农户收入差距的贡献度到底有多大？本文采用的差异分解方法是Shorrocks[39]提出的夏普利值分解法。相对于其他收入差距分解方法，夏普利值分解法根据边际贡献能准确反映出解释变量对被解释变量差异的贡献度，适用于任何收入决定模型和任何收入差距的衡量指标。

夏普利值分解法主要分为两个步骤：首先，构建合适的收入决定模型，得出模型的各个估计系数；然后，把各变量的回归系数代入收入差距测度指标，利用夏普利值分解法计算各个变量对收入差距的贡献度。本文使用基尼系数作为反映农户收入差距的衡量指标，选定年龄、年龄平方、性别、婚姻状况、教育水平、家庭人口规模、家庭负债、政府补助、医疗保障、工作是否受雇、县城距离、矿区、土地类型、自然灾害频发区等变量做农户收入差距的差异分解，得出各解释变量对农户收入差距的贡献度。另外，由于夏普利值分解法涉及的运算量非常大，运算量随变量个数呈指数式增长，当面对的变量超过10个的时候，就需要对变量进行分组。为了简化计算，本文将控制变量分组为个人、家庭和村庄三个维度来研究模型的贡献度。分组后得到的相应结果为该组各变量对农户收入差距的贡献度总和。除此之外，由于农村地区的数字普惠金融存在分布不均等现象，为了降低数字普惠金融与农户收入差距因地区差异而产生的内生性问题，本文将全体样本划分为贫困县和非贫困县进行夏普利值分解。

表7为对收入基尼系数进行夏普利值分解的结果。总的来看，在全体样本、贫困县样本和非贫困县样本中，各变量对农户收入差距影响的排序比较一致，但贡献度却有很大不同。在全体样本中，数字普惠金融对农户收入差距的贡献度约为47.81%，排在首位。这表明现阶段数字普惠金融已成为缓解农户收入差距扩大的重要措施。进一步区分贫困县和非贫困县来看：在非贫困县，数字普惠金融对农户收入差距的贡献度仅为25.11%，其作用仅次于家庭层面变量；而在贫困县，数字普惠金融对农户收入差距的贡献度达到了50.86%，排在首位。这可能是因为，金融资源在我国地区间分配极不平衡，地方经济越不发达，金融服务的覆盖率就越低，金融排斥现象就越突出，长尾农户数量就越多。而数字普惠金融具有覆盖面广、成本低、盈利水平高等优势，通过提高信贷等金融资源配置效率、改变家庭初始禀赋，使长尾农户的金融资源获取“门槛”降低，从而解决融资难和金融排斥等问题，促进长尾农户的收入水平改善。另外，数字普惠金融的发展能够缓解信息不对称、弱化逆向选择和道德风险等问题，降低长尾农户面临的发展不确定性，有效改变弱势群体的风险偏好，从而提高农户收入水平。因此，数字普惠金融是缓解农户收入差距的重要因素，且对贫困县的缓解效用更明显。这一研究结论能为相关政策制定者提供借鉴，对共同富裕的实现具有重要研究意义。

表7 夏普利值分解结果

七、研究结论与建议

在政府大力推进数字普惠金融发展和乡村振兴战略的背景下，随着农村经济的不断增长，农户收入水平也在不断提高。本文基于北京大学数字普惠金融指数和中国家庭追踪调查2014—2018年数据，采用RIF回归方法研究了数字普惠金融对农户内部收入差距的影响。研究表明：（1）数字普惠金融有利于缓解农户收入差距，这一结论在一系列稳健性检验下仍成立。（2）异质性分析表明，数字普惠金融对西部地区农户收入差距的缓解效应要强于东中部地区，对贫困县农户收入差距的缓解效应要强于非贫困县，对50 岁以下、高学历和自雇型就业群体收入差距的缓解效应要强于50岁及以上、较低学历和受雇型就业群体。（3）运用夏普利值分解法发现，数字普惠金融能够解释农户整体收入差距的47.81%，其中相对于非贫困县而言，数字普惠金融对贫困县农户内部收入差距的贡献更大。

本文研究的政策建议如下：一是应优先发展数字普惠金融，健全数字普惠金融市场体系。数字普惠金融的发展理念与共同富裕同向而行，既能有效地促进农户收入水平提高，又能缩小农户收入差距。因此，为了充分发挥数字普惠金融的优势，应不断加强数字普惠金融基础设施建设，通过提高农村互联网设施的覆盖率，提高农村地区第三方支付的普及率和健全农村征信体系等措施，使得农户能高效的享受到金融服务。二是数字普惠金融应实行区域差别化发展。我国数字普惠金融在区域上呈一种“东强西弱”的特征，虽然对西部地区的农户收入差距的缓解效应更强，但总体上西部地区的经济发展水平仍旧落后东中部地区，所以政府部门要以优化升级数字基础设施为契机，实行区域差异化的金融政策，为西部地区吸引更多的金融资源，从而克服区域间的“数字鸿沟”。三是应加强农村地区弱势群体的教育培训力度，实现包容性发展。需要提高对弱势群体政策上的倾斜，加强对低学历和中老年群体的数字技能和金融教育培训，改善弱势群体数字普惠金融的使用环境，提高农户金融素养、数字素养和金融资源的使用效率，从而让弱势群体也能享受到数字经济的红利，最终缩小不同农户间的收入差距。■