数字普惠金融对就业水平的影响效应研究

方君娟

（中国社会科学院研究生院，北京 100102）

一、引言及文献综述

普惠金融概念的提出，为各大金融机构帮扶社会弱势群体打下了良好基础。据中国人民银行《金融机构贷款投向统计报告》显示，2021 年中国信贷结构持续优化，普惠金融贷款全年增加5.02 万亿元，较上年增长0.78 万亿元。然而，在普惠金融跨越式发展的背后，普惠网点覆盖度低、信息不对称以及小微企业群体信用风险过高等因素，导致金融机构呈现出“不愿贷、不想贷、高门槛贷”等“使命漂移”现象[1]，难以向相关群体持续提供优质普惠的金融服务。而借助云计算、人工智能等核心技术，可以在数据层面为普惠金融服务群体塑造用户“画像”，能在一定程度上缓解金融机构的部分顾虑[2]。2022 年两会期间，有关专家表示，应实施更高水平的商业银行数字化转型，稳序推动普惠金融绿色可持续发展。由此来看，以数字化技术驱动金融体系变革的方式可促进普惠金融深度与广度不断扩大。近几年，随着数字技术持续创新，政府不断引导金融机构向普惠金融数字化方向转型，这在很大程度上推进了中国数字普惠金融的发展[3]。依据金融深化理论可知，金融深化一定程度上可以有效改善发展中国家存在的金融抑制现象[4]，以就业效应促进收入增长，实现社会经济水平的提升。对数字普惠金融而言，其正是对金融机构普惠金融服务的进一步深化。故凭借数字技术所具备的信息化、低成本、风险控制和时空突破等优势，可以促使金融机构普惠金融业务更好地落实“稳民生、促就业”的目标。

既有文献主要从间接影响和直接影响视角出发，梳理数字普惠金融对就业水平的影响关系。间接影响视角，Manyika(2016)指出数字普惠金融发展在提高国内新兴经济体就业机会的同时，有效改善了中小微企业融资难问题[5]。并由此推及，数字普惠金融发展会带动当地企业发展，为社会带来巨大就业机会。Beck(2018)指出数字普惠金融可借助智能技术减缓区域间信息不对称现象，降低城镇就业人员信息搜寻成本，从而赋予城镇人员更多就业可能性[6]。当然，以数字金融使用频率可以反映出数字普惠金融使用深度，也反映出数字普惠金融的发展促使了就业人员享受多元化、深层次的金融服务。因此，数字普惠金融发展能够增加偏远地区就业人员在金融生态系统中的获取机会，提升就业公平。直接影响视角，何燕等(2021)选取差分GMM法对中国数字普惠金融的动态减贫效应进行测算，指出数字普惠金融带来的就业机会存在城乡与区域异质性[7]。方观富等(2020)利用中国家庭跟踪调查数据构建固定效应模型，发现数字普惠金融对居民就业和收入具有正向促进作用，对非农就业和私企就业的影响则更大[8]。冉光和、唐滔(2021)基于2011—2019 年省级面板数据，探讨数字普惠金融对社会就业影响，发现数字普惠金融能显著促进第三产业就业，而对第一、第二产业存在抑制效应[9]。

由此来看，随着数字普惠金融的大力推进，中国社会传统就业形态正逐渐发生演变，并且出现自媒体、网络主播等多种灵活的就业方式，涌现出大量新兴就业机会。在此过程中，数字普惠金融发展能否通过提高金融机构工作效率、降低企业及个人融资成本来促进就业水平提升？数字普惠金融对就业水平到底有何影响？这种影响是否存在异质性？解决上述问题，对新时期下制定与出台金融促进就业政策具有重要现实意义。因此，文章使用2011—2020 年中国26 个省份287 个地级及以上城市面板数据，探究数字普惠金融及其细分指标对就业水平的影响效应，并深入考察不同条件下的影响差异。

二、研究设计

1. 模型设定

为考察数字普惠金融对就业水平的影响作用，文章构建如下计量模型：

其中，ELit表示i 省份第t 年的就业水平；indexit为数字普惠金融发展指数；CVit表示控制变量，其中涵盖经济发展水平、消费水平、产业结构、人均受教育水平、对外开放水平、交通网密度；β0、β1、β2均表示截距项；εit为随机扰动项。

2. 指标选取

（1） 被解释变量

就业水平(ELit)。就业水平是指一定时期内就业总人数占该时期应就业总人数的比重，结合李启文(2021)[10]的相关研究，以就业率为综合考量。就业率=适龄就业人口/总劳动人数。其中，适龄人口指三大产业15～64 周岁就业人口之和。

（2） 解释变量

数字普惠金融(indexit)。参考多数学者研究[11，12]，采用《北京大学数字普惠金融指数》 作为文章的参考依据，从覆盖广度(Cbit)、使用深度(Udit)和数字化程度(Ddit)三个维度衡量2011—2020 年各省份数字普惠金融发展状况。

（3） 控制变量

经济发展水平(EDLit)。经济增长是促进地区就业增长的有效途径，一定程度上可显著促进就业规模的扩大，降低失业率[13]。文章选取人均GDP 与全国可支配收入的比值进行衡量。

消费水平(CLit)。消费水平是指一定时期内，消费者用于满足自身日常生活、精神娱乐等项目支出总和。这里选取社会消费品零售总额与地区总GDP 的比值进行衡量。

人均受教育水平(PCELit)。参照林春等(2019)[14]的方法，以居民平均受教育年限占地区6 岁及以上人口数量的比值进行衡量。具体计算公式为：Labor=L1×6+L2×9+L3×12+L4×16。其中，L1、L2、L3、L4 分别指代小学、初中、高中和大专以上受教育水平人口；6、9、12、16 分别指代年龄。

产业结构(ISit)。产业结构对国家经济发展水平具有重要作用，同时也影响着国家就业结构。刘伟等(2015)对中国三大产业就业结构展开探究发现，三大产业存在就业容纳差距，从高到低排序为第三、第二、第一产业[15]。也就是说，第三产业就业容纳度越高，对就业的影响也就越大，即第三产业的兴起可以创造新的就业岗位。故在控制变量中纳入产业结构这一参数，并以第二、第三产业产值总和与地区GDP 的比值来衡量。

对外开放水平(OULit)。提高对外开放水平可以显著促进中国对外贸易发展，增加出口和外商投资，有利于中国就业水平的提升。选取当期进出口贸易总额与当期地区GDP 的比值表示。

交通网密度(TNDit)。以城市内河航道里程、公路和铁路里程数与城市面积的比值衡量。交通网密度越大，意味着当地外出就业机会越多，各地区就业结构越平衡。因此，文章选取交通网密度作为控制变量。

3. 数据来源与描述性统计

文章主要选取2011—2020 年中国26 个省份287 个地级及以上城市（限于数据可得性及精确性，排除港澳台地区和西藏以及4 个直辖市） 的面板数据展开研究。其中，控制变量相关数据源于历年《中国统计年鉴》 《中国金融年鉴》及各省级统计年鉴。被解释变量相关数据源于历年《中国劳动统计年鉴》《中国城市统计年鉴》。解释变量相关数据源于《北京大学数字普惠金融指数》 报告。其中，针对部分年份缺失数据，选用MATLAB 插值法进行补充，即取前一年与后一年的平均数值补齐当年数据。

由表1 变量描述性统计结果可知，中国就业水平均值为0.6242，说明当前就业水平在62.42%左右，整体就业水平中等偏上。最大值与最小值之间的差额为0.6485，说明各地区就业水平差距较大。数字普惠金融均值为4.1423，标准差为0.6942，表明数字金融发展水平存在地区差异。在将数字普惠金融分解为覆盖广度、使用深度与数字化程度后发现，数字化程度均值为5.5728，大于使用深度5.3125 与覆盖广度4.9342。这说明，相较于覆盖范围与使用频率，数字普惠金融数字化程度差异更加显著。

表1 变量描述性统计

三、实证分析

1. 基准分析

在开始回归分析前，有必要对该模型进行Hausman 检验。从结果看，Hausman 检验的P 值在1%水平上显著，说明该结果拒绝原假设，应选取固定效应模型展开下一步分析。此外，考虑到分析过程中可能会因为个体效应与时间效应而影响模型预估精准性，所以文章选取双固定回归分析法展开分析。如表2 所示，列(1)～(7)分别为未加入控制变量和逐次加入控制变量的回归结果。

表2 基准回归

由表2 可知，在不考虑控制变量时，数字普惠金融对应的回归系数为0.2477，在5%水平上显著。在逐步控制变量后，尽管回归系数有所波动，但正负方向并没有发生变化。这说明数字普惠金融对就业水平的正向作用较为稳健，即数字普惠金融的提高会促使就业水平上升。分析这一结果产生的原因：一方面，政府相关部门不断出台普惠金融数字化相关政策，扩大了数字普惠金融覆盖面，使整体就业水平呈现上升趋势，但仍受限于数字普惠金融提出时间较短，其政策辐射效应影响相对较小，整体就业水平涨幅并不明显；另一方面，据国家统计局公布的数据显示，截至2020 年5 月，中国中小企业与非公企业数量超过4200 万户，占全国企业总数的99.8%，这天然与数字普惠金融的受众群体相吻合。由此来看，数字普惠金融凭借此优势带动小微企业就业水平提升，进而影响整体就业水平。

2. 稳健性检验

（1） 内生性问题处理

考虑到就业水平测算过程中，可能存在的内生性问题，文章借鉴赫国胜等(2021)[16]的方法，将数字普惠金融指标工具变量选取为互联网普及率IP。具体公式如下所示：

上式中，(a)为互联网普及率对数字普惠金融的回归方程，其中CVit是控制变量，与式(1)一致；βx表示该组（控制变量的系数向量。方程(b)是用方程(a)中indexit的拟合值对就业水平进行回归，其中γx为CVit的系数向量；表示indexit实际值与拟合值之间的残差。indexit 拟合值indexit 的构成如下所示：=β1IPit+βxCVit。其中，（和分别指代式(2)(a)中β1和βx 的估计值。

在进行工具变量法回归之前，需要判断indexit是否具有内生性。首先，对indexit进行异方差稳健的DWH 检验，检验得到P 值小于0.03，故认为indexit为内生解释变量。其次，使用最小二乘法回归对互联网普及率进行弱工具变量检验，得到偏R2结果，F 统计量的P 值为0.001，即可判断IP 不是弱工具变量。

表3 为带入公式(2)得出的内生性回归结果。列(1)为引入indexit一阶滞后项的基准模型结果，其中indexit的回归系数为正且在1%水平上显著。这一结果表明数字普惠金融不受一阶滞后项影响，仍对就业水平起促进作用。在第一阶段回归结果中，互联网普及率的系数在1%水平上显著为正，在第二阶段回归结果中，数字普惠金融的系数在5%水平上显著为正。这说明即使在引入IP 之后，indexit对就业水平的影响依然显著。故综合来看，在考虑解释变量的内生性后，估计结果依然表明数字普惠金融对就业水平的影响显著，这说明基准回归结果的结论基本稳健可靠。

表3 考虑内生性回归结果

（2） 替换解释变量

参考相关研究[17，18]，从覆盖广度、使用深度以及数字化程度三方面，对数字普惠金融展开进一步分析。其中，覆盖广度、使用深度以及数字化程度指标分别用账号覆盖率、移动支付和信贷业务、信息化和移动化指数综合衡量。然后，按照权重相等原则，将三个子指标合成数字普惠金融indexit1，并以indexit1 替换indexit重新进行回归。稳健性检验结果如表4 所示，列(1)为使用系统GMM 估计结果，列(2)为重新合成数字普惠金融指标的估计结果。对照列(1)、列(2)分析来看，基准回归结果进一步得到验证。

表4 稳健性检验结果

3. 异质性分析

以上研究是基于就业水平整体层面所得出的结论，仅从宏观角度阐释数字普惠金融对就业水平的影响，未从不同层次深入考量数字普惠金融对就业水平的异质性影响。故文章进一步从异质性视角探究数字普惠金融对就业水平的影响效应。

（1） 城乡异质性视角

由表5 回归结果可知，数字普惠金融的发展对城镇与乡村均有积极促进作用。数字普惠金融对城镇就业水平的影响系数为0.2856，在1%统计水平上显著为正。数字普惠金融对乡村就业水平的影响系数为0.2154，在10%统计水平上显著。于城镇而言，数字普惠金融水平的高低会显著影响城镇就业能力，即数字普惠金融水平越高，企业对市场劳动力的吸收能力越强，就业规模就越大。于乡村而言，数字普惠金融水平对乡村就业水平影响较弱。由此可知，相较乡村，数字普惠金融对城镇就业的影响效应更为显著。可能的原因有：一方面，城乡之间的认知差异所致。乡村居民文化程度相对较低、自身经济水平不高等现实因素使其对数字普惠金融的认识不足。城镇居民得益于地理区位、文化程度以及经济实力等因素，对数字普惠金融的理解较为深入，进而促进城乡的就业水平；另一方面，城乡之间的互联网使用差异所致。从数据上看，据中国互联网络信息中心数据统计，截至2021 年6 月，中国城市地区与乡村地区互联网普及率差距由2020 年的23.9%缩小至19.1%。尽管城乡地区互联网普及率差距在逐渐缩小，但就现实而言，城镇网民规模与乡村网民规模相差近40%的近况，仍是制约城乡互联网使用差距的重要因素。

表5 数字普惠金融对就业水平影响的城乡异质性研究

（2） 企业异质性视角

为便于后期数据处理与计算，文章将国有经济、集体经济、私营经济、个体经济、联营经济、股份合作制经济、外商投资、港澳台投资及其他经济类9 种企业性质统分为国有企业与私营企业两类，并在此基础上展开企业异质性研究。结果如表6 列(1)、列(2)所示，从系数上看，尽管数字普惠金融对二者均有着显著促进作用，但对私营企业的影响要高于国有企业。因此，为深入分析数字普惠金融对不同量级私营企业的影响效应，文章将私营企业拆分为大中型私营企业和小微型私营企业，结果如列(3)、列(4)所示。从系数上看，相比大中型私营企业而言，数字普惠金融对小微型私营企业的就业促进效应更高。

表6 数字普惠金融对就业水平影响的企业异质性研究

由上述结论可知，数字普惠金融对不同性质企业的就业促进效应具有不同影响，且对小微企业就业的影响作用显著高于其他性质企业。造成这一影响的原因主要有以下两方面：一方面是数字普惠金融的普适性与包容性在降低中小微企业金融排斥的同时，促使其更进一步利用金融服务提高生存率，进而提高社会就业水平；另一方面，国有企业凭借政府无形的担保“优势”，拥有比民营企业和中小微企业更多的传统金融渠道服务资源。所以，数字普惠金融的就业促进效应要整体小于对私营企业与中小微企业。也就是说，尽管数字普惠金融属于一种普适性惠民政策，但是依照国有企业体量而言，对于数字普惠金融政策依赖性远低于私营企业。

（3） 区域异质性视角

由于中国疆域辽阔，各区域就业环境不尽相同，故为明晰不同区域间数字普惠金融对就业水平的影响，参考国家统计局的划分依据，划分为东部、中部、西部三大地区。如表7 所示，东部地区数字普惠金融及其子指标均对就业水平存在显著正向影响，而中西部地区则不显著。据此可知，虽然数字普惠金融兼具开放性与无边界性的特点，但仍然存在区域异质性。具体来看，东部地区正向影响显著的原因可能是，一方面，自改革开放以来的40 余年中，得益于实行了优先发展东部沿海地区的“区域非均衡发展战略”，其域内各城市得到大量资源倾斜，故在经济发展水平、公共服务基础设施、教育水平以及地理区位因素等方面系数较大，不仅为东部地区实行数字普惠金融提供物质基础，也在一定程度上拉大了东部地区与中、西部地区的域内就业水平。虽然中西部地区也有与之对应的“中部崛起”战略和“西部大开发”战略，但东部地区一直凭借先发优势，吸引大量优质劳动力涌入。在这种先发优势带领下，中西部地区就业水平如若提升就业水平，还需在技术、金融、资源等方面完成转型升级。

表7 数字普惠金融对就业水平影响的区域异质性

四、结论与建议

1. 研究结论

文章选取2011—2020 年中国26 个省份287 个地级及以上城市面板数据，考察数字普惠金融对就业水平的影响效应。研究发现：数字普惠金融对就业水平具有显著促进作用，在进行稳健性检验后，结论仍然有效，且这一影响作用存在显著异质性。城乡异质性层面，数字普惠金融能够促进城乡就业水平，但相比城镇，其对乡村就业水平的促进作用更小。企业异质性层面，数字普惠金融对国有企业就业水平的影响要高于私营企业；对小微型私营企业就业水平的影响比大中型私营企业更显著。区域异质性层面，数字普惠金融发展对不同地区就业推动效应的强度不同，整体呈现东部地区、中部地区、西部地区递减趋势。

2. 政策建议

首先，加强农村地区数字普惠金融传播力度。根据研究结论可知，数字普惠金融传播不足是制约城乡地区异质性的重要原因。因此，应加强乡村地区数字普惠金融服务使用和安全知识的普及，进而缩小城乡就业差距。一方面，地方政府要注重对于数字普惠金融知识和互联网技术的普及与指导，尽可能使更多乡村居民清楚并掌握金融知识和互联网技术，保证居民能够通过掌握这些知识易于获得就业机会，充分发挥数字普惠金融对偏远地区和乡村地区的就业促进作用。另一方面，加大对农村数字普惠金融领域人才的培养，在金融机构内部需持续性开展数字普惠金融“惠民化”讲座与培训，提升工作人员的专业水平与业务能力。

其次，加快完善数字化征信系统。前已述及，信息不对称是制约企业获得数字普惠金融服务的重要因素，且关乎着该地区就业水平的高低。由此来看，借助互联网技术优势推动征信系统数字化，不仅能够有效缓解企业与数字普惠金融服务提供者之间的信息不对称难题，还可以进一步提升地方就业水平。其一，相关主管部门应将公共部门与传统金融机构以外的互联网征信体系、逾期信息、黑名单等纳入全国统一征信系统，实行数字化征信系统中信用数据的互联互通。其二，提升数字化征信系统与中小微企业的衔接，并利用互联网数据优势，完善信息对接机制来缓解小微企业融资约束，继而提升就业水平。

最后，持续布局数字新基建。持续布局数字新基建，不仅有利于缩小地区发展差距，提高就业水平，还有助于提升金融服务覆盖广度。一方面，打破传统基础设施桎梏，重点扩大数字基建覆盖范围。乡村地区应以数字基建为契机，加快布局与完善乡村互联网体系，增强该地区数字基建投入，克服可能出现的“数字鸿沟”现象，为数字普惠金融发展构筑优良的基础环境。另一方面，以数字普惠金融政策支持，带动数字新基建发展。政府可出台财政补贴、税收补贴、价格调控等政策，引导互联网服务供应商加快落实农村地区网络服务，以此扩大数字普惠金融力度覆盖面，进而促进农村地区的就业水平，减小农村劳动力持续性流出问题。