数字普惠金融对多维贫困减缓影响研究

林佳敏

(福州大学 数学与统计学院，福州 350108)

一、引言

贫困问题贯穿着人类社会发展，解决贫困是国际社会共同的责任和追求，缓解贫困问题在发展中国家尤为重要。作为世界上体量最大的发展中国家，我国在脱贫攻坚过程中贡献了宝贵的中国经验，并取得了阶段性的成功，截至2020年，我国已全面实现消灭绝对贫困。然而，由于贫困问题的复杂性，我国在深入推进脱贫攻坚的过程中，严峻的挑战和压力依然存在。虽然绝对贫困已被消灭，但贫困问题并未彻底得到解决。随着经济社会的发展、人均可支配收入的提高，脱贫攻坚的主要任务逐渐从消灭绝对贫困过渡到缓解相对贫困。必须指出，贫困并不单指收入方面，还包括经济能力、发展能力以及生活标准等各个维度的福利是否被剥夺。收入以外其他维度的福利剥夺情况反映了我国脱贫攻坚目前面临的多维态势。建立解决多维贫困的长效机制是新时期扶贫政策所需要研究的重点课题。

近年来，由于能够充分发挥科技优势，弥补传统普惠金融的不足，政界、学术界纷纷将目光转移到数字普惠金融上，数字普惠金融的发展俨然成为反贫困研究的热点问题。数字普惠金融是对传统金融与普惠金融的升级，利用数字化手段弥补传统普惠金融的劣势，其本质仍然属于普惠金融范畴。传统普惠金融往往受到空间地理的制约，无法真正发挥其普惠性，数字普惠金融能够运用数字化手段将传统普惠金融服务的覆盖面积扩大，提高金融服务对特定人群，尤其是贫困群体的触达，同时也降低了金融机构提供金融资源所需的人力、物力成本。鉴于此，本文希望通过实证方法检验数字普惠金融对多维贫困减贫的效果，并探寻可能的影响路径。

基于上述背景，本文将中国家庭追踪调查(CFPS)数据与北大数字普惠金融指数相结合，探讨数字普惠金融的发展在减缓多维贫困过程中的作用。首先，基于全样本的实证分析发现，从人均收入水平来看，绝对贫困已经基本消除，数字普惠金融的发展能够缓解家庭的多维贫困状况；其次，数字普惠金融的多维减贫效果在城镇与农村之间存在差异，农村家庭相比于城镇家庭而言，数字普惠金融的减贫效果更为显著；最后，分析该减贫效应的传导机制，数字普惠金融的发展能够促进居民的创业行为，从而改善居民的多维贫困现象。

本文的边际贡献在于：第一，从多维视角来分析数字普惠金融的减贫效果，并分城乡两个群体考察区域差异性；第二，在数据处理方面，利用微观数据从家庭的经济能力、发展能力、生活标准三个维度上构建多维贫困指数，再将多维贫困指数与宏观数据相匹配；第三，以居民的创业决策为中介变量，研究数字普惠金融减缓多维贫困的影响机制。

二、文献综述与研究假设

贫困问题亘古以来都是一个复杂和综合的社会问题，人类对贫困的认识也随着经济社会的发展不断在延伸。贫困的概念也由简单的收入多寡逐渐过渡到能力贫困。阿马蒂亚森(1976)提出了能力贫困的概念，他指出居民贫困归根结底是其能力和权利受到限制。[1]在此观点上，森进一步发展了以能力贫困为基本理论的多维贫困体系，国内外关于多维贫困的研究也大多基于森的多维贫困理论而展开。目前国内外的多维贫困研究主要有以下几个方面：第一，多维贫困的测算。学者们基于CFPS、CHARLS、CHNS以及相关课题组实地调研等各类数据来源测算家庭或个人的多维贫困程度，包括收入水平、就业能力、生活水平、教育水平、健康水平等方面。[2]第二，多维贫困致贫因素的探究。在宏观层面上，主要考察了人口规模结构、户籍制度[3]、劳动供给[4]、基本公共服务[5]等方面的致贫因素。在微观层面上，研究户主的个人特征、家庭规模[6]以及家庭的社会资本对农村多维贫困的影响[7]。第三，多维贫困的减贫政策与途径研究。贫困治理中宏观政策能够起到促进的作用，例如财政支持[8]、农村基础设施建设[9]。

大量文献研究发现，普惠金融对改善贫困具有显著的正向作用[10]；数字技术奠定了数字金融发展的基石，而数字金融又为经济包容性增长提供了一个新的方向[11]。随着科技的发展与进步，数字普惠金融应运而生，它是普惠金融与数字技术结合下的一种新型金融，对减贫也具有一定的作用。传统普惠金融往往受到空间、地理的限制，未能让所有居民都享受到金融的普惠性，但数字普惠金融能够利用数字技术将原先因身处边远山区而受到金融排斥的贫困群体纳入目标客户，利用金融资源让他们自身实现“自救式”脱贫，从而减缓个体或特定群体的家庭贫困状况，[12]数字普惠金融拓宽了传统金融服务的深度和广度，减轻家庭贫困程度[13]；在降低农村家庭的贫困广度的同时还在一定程度上缩小了城乡差距[14]，也缓解了贫困群体的融资约束，拓宽他们的创业融资渠道[15]。王倩和张晋嵘(2022)从微观角度出发证明了在中国农村，数字普惠金融在一定程度上推动了农民的创业。[16]陈清华等(2022)从宏观层面上出发，检验了数字普惠金融通过影响企业创新来促进经济增长[17]。韩文龙和唐湘(2021)基于省级面板数据发现，数字普惠金融的发展刺激了家庭的创业行为[18]。综上可见，数字普惠金融的发展能够一反以往简单粗犷的“输血式”扶贫，推动贫困群体的创业水平，从而实现“造血式”扶贫。

对相关文献进行梳理发现：(1)研究数字普惠金融的多维减贫效果多从宏观角度出发，利用微观层面数据的分析和检验比较缺乏，且微观层面的研究大都以农村贫困人群为主体，忽略了城镇边缘人群的贫困状况以及可能存在的城乡差异性；(2)对贫困的测度还比较简单，通常利用人均收入来反映宏观的贫困状况，而对微观家庭贫困状态的关注不足，较少研究从多维贫困的角度探讨数字普惠金融的减贫影响；(3)对数字普惠金融与多维贫困缓解中存在的机理探究较少。

鉴于数字普惠金融对多维贫困的影响，本文提出研究假设：

H1：数字普惠金融对多维贫困具有减缓作用，但该作用存在着城乡差异。

H2：数字普惠金融能够通过提升居民的创业意愿达到多维减贫效果。

三、研究设计

(一)数据来源与样本选择

本文实证分析所使用的数据来源于三部分。首先，家庭层面上构建与测算多维贫困指数的数据来源于中国家庭追踪调查数据(CFPS)，该数据由北京大学中国社会科学调查中心编制，能够从微观视角观察中国社会、经济问题，样本涉及25个省，具有良好的全国代表性。由于最近一期调查数据官方还未完全发布，本文选用上一轮调查数据即2018年追踪调查数据进行分析，剔除样本中缺失值与极端值后，经过样本筛选，最终得到的有效样本为11,159个。其次，使用蚂蚁金服集团同北京大学编制的中国数字普惠金融指数衡量各省份数字普惠金融的发展情况。第三部分数据是宏观层面上控制变量，原始数据来自《中国统计年鉴》以及各省份《统计年鉴》。

(二)模型变量与指标

1. 多维贫困的衡量

国内外现有关于多维贫困指数的计算大多是基于A-F双界。在指标的权重选择上，有学者采用等权重法[19]，也有部分学者采用非等权重法[20]，借鉴以往研究，本文参考Alkire和Foster的双界限法，采用等权重的A-F法构造多维贫困指数，选取经济能力、发展能力、生活标准三个维度共8个指标测算居民多维贫困的程度，具体步骤如下：

首先，确定家庭在各维度上的贫困剥夺情况。A-F双界法利用两个临界值来识别贫困：临界值z和临界值k。现假设样本中有N个家庭，本文选择了三个维度对家庭的贫困状况进行判断。每个家庭i在指标j上的贫困情况由xi,j结合临界值z进行识别，具体操作为：当xi,j

其次，对d个维度下的指标进行赋权，权数为ωj，本文采用的是等权重法。依据赋权计算家庭i的加权剥夺总分，用ci表示，计算公式：

最后，确定第二个临界值k，并将各家庭加权剥夺总分ci与该临界值k进行比较，若ci>k，则判定该家庭遭受的贫困程度超过了临界值，此时可以认定家庭i是处于多维贫困情况之下。多维贫困各指标设计及权重如表1所示。

表1 多维贫困指数的构建

完成了对家庭多维贫困状况的初步判断之后，为深入衡量家庭的多维贫困状态，本文基于A-F理论构建多维贫困指数体系。

多维贫困广度(H)：表示样本中处于多维贫困状况的家庭占所有家庭的比率。计算方法：

其中，q为发生多维贫困的家庭数，N是样本总数，该指标计算简便，能反映群体中贫困人群的多少，但对家庭户福利剥夺程度的衡量不精准。

多维贫困深度指数(MP)：表示根据权重调整后的多维贫困发生率，计算方法：

A称为平均缺失份额，表示家庭被剥夺的维度数与多维贫困家庭数之比。多维贫困深度指数将平均缺失份额与贫困人口相结合，是对多维贫困广度指数的补充，能够更深入地反映贫困家庭的福利缺失水平。

将家庭分为城镇和农村两组，横向对比城镇与农村的多维贫困程度，参考以往文献，取k值为0.3。

表2 城乡多维贫困指数

从表2可以看出，我国多维贫困呈现出城乡差异性。城镇居民多维贫困发生率为10.23%，农村家庭多维贫困发生率为27.18%，城镇家庭的多维贫困深度为4.89%，农村家庭的多维贫困深度为7.70%，说明多维贫困现象在城乡均有体现，但农村的多维贫困状况无论从广度还是深度来看远比城镇严峻。原因在于相较于城镇，农村地区经济贫弱、基础设施落后、教育水平较低、自然环境恶劣、就业面受限，从而更容易造成深度贫困现象。

现将各维度进行分解，分析单维贫困的发生情况，如表3所示。

表3 各指标贫困发生率

从表3可以看出，无论是城镇地区还是农村地区，如果仅考虑人均收入这一维度，贫困发生率并不高，尤其是城镇地区，收入贫困发生率仅为1.43%，这与我国当前打赢脱贫攻坚战的大背景相符。从教育水平、失业情况、健康情况等指标可以观察到，城乡地区仍有相当一部分家庭的经济能力和发展能力受到限制。从各维度的贫困发生率可以说明，传统以单一收入维度衡量贫困的方法在新时代已不适用，仅仅从收入这一维度识别贫困家庭，将会忽视许多家庭在生活标准、发展能力、经济能力上存在的贫困。

分维度观察，农村家庭各指标的贫困发生率普遍高于城镇家庭，特别是生活标准维度下的两项指标：生活燃料和做饭用水的贫困发生率远高于城镇家庭。这从侧面说明了农村地区的基础设置落后、自然环境相对恶劣。而数字普惠金融相较于传统普惠金融，其中一个优势在于数字普惠金融并不需要设立众多物理网点，换言之，其在减贫过程中不受空间地理位置的限制，提高金融服务的可得性，缓解因地理位置受限而导致的金融排斥现象，让金融服务能够更好地惠及群众，特别是处于交通不发达的农村地区的贫困人群。

2. 数字普惠金融发展程度

本文的核心解释变量为数字普惠金融发展程度，采用的是省级层面上北京大学数字普惠金融发展指数，为了减缓异方差性，本文对该指数进行对数化处理。

3. 中介变量

本文的中介变量为家庭的创业决策。不确定性是创业行为的一大特征，创业的风险往往无法由一个人来承担，因此本文将个人的创业行为界定为一项家庭行为，使用CFPS2018问卷中的“过去一年内，您家庭是否有成员从事个体私营活动，或者您家庭内是否有成员开办私营企业”为根据构建“创业决策”这一虚拟变量作为中介变量。

4.工具变量

为了减轻模型存在的内生性问题，本文使用工具变量对研究结果的稳健性进行检验。本文分别从宏观和微观层面上选取了两个工具变量。首先，宏观层面上，数字普惠金融的发展存在着较强的空间聚集性和收敛特性，相邻地区的数字普惠金融发展程度正在日益趋同，并以杭州为中心向周边扩散。因此，认为家庭所在省与浙江省的距离可能会与数字普惠金融的发展相关[21]。同时，地理区位因素是不受任何主观因素影响的纯外生性变量，与家庭多维贫困不存在直接意义上的关系，和其他家庭或个人特征因素也不相关。故本文借鉴张勋等(2020)[22]、李牧辰等(2020)[23]、陈池波等(2021)[24]和徐光胜等(2022)[25]的做法，选取“被调查家庭所在省的省会到杭州市球面距离”为工具变量。其次，在微观层面上，家庭过去对邮电费用的支出与后续家庭采纳数字技术具有较强的关联性，而历史时期的邮电费用支出与该家庭的多维贫困状况关联度不高，具有外生性，所以本文借鉴了张景娜和张雪凯(2020)[26]的方法，采用“2012年家庭邮电支出”作为另一个工具变量。

5. 控制变量

参考已有研究成果[27]本文控制了以下影响多维贫困的因素：第一，户主层面。户主的个人情况对家庭是否处于贫困具有很大影响，所以本文选取了包括户主性别、年龄、是否为中共党员、受教育程度、婚姻状况为控制变量。但CFPS数据库中并未明确户主，本文使用对家庭财务信息最熟悉的成员作为户主。第二，家庭层面。家庭成员的构成情况对多维贫困有重大的影响，本文控制了家庭规模、老年人抚养比、儿童占比等变量。第三，区域层面。区域的经济发展程度能够影响家庭减贫的困难程度，本文控制了家庭所在区域、城镇化水平、人口比重、地区经济发展情况等变量。加入不同层面的控制变量，以保证模型的稳健性。

上述变量的详细介绍见表4。

表4 变量说明

(三)模型设定

1. 为了检验研究假设H1，使用如下模型：

povertyi=α0+α1lnfini+α2contronlsi+εi

(1)

其中，被解释变量poverty使用家庭i被剥夺得分ci(k)所替代，解释变量lnfin代表数字普惠金融发展程度，controls是表2中的控制变量。如果假设H1得到验证，则lnfin的系数为负，数字普惠金融的发展能够减缓家庭多维贫困程度。

2. 为了检验中介效应，本文使用如下模型：

entrepreneuri=β0+β1lnfini+β2controlsi+μi

(2)

povertyi=γ0+γ1lnfini+γ2entrepreneuri+γ3contronlsi+θi

(3)

首先对式(1)进行回归，α1代表了数字普惠金融的发展对多维贫困影响的总效应。接着对式(2)进行回归，计算数字普惠金融与家庭创业意愿的关系，其中β1代表了家庭创业行为受数字普惠金融的影响程度。最后对式(3)进行回归，γ2表示在控制了数字普惠金融发展程度之后，创业水平对家庭多维贫困程度的影响，系数γ1表示在控制创业意愿之后，数字普惠金融发展对多维贫困的直接效应。其中β1γ2/α1表示该中介效应的强度。

四、实证结果分析

(一)描述性统计分析

根据表5全样本描述性统计，家庭多维贫困剥夺得分的均值为0.1878，标准差为0.1508。从全样本角度来看，2018年中国家庭的多维贫困程度并不高，这说明脱贫攻坚取得了较大的成果。除此之外，其他各控制变量分布合理。

表5 全样本描述性统计

根据表6城乡分组描述性统计，农村家庭的多维贫困状况更为严峻，数字普惠等发展程度要略落后于城镇家庭。不仅如此，大多数控制变量在城镇和农村两组样本中有明显差异，例如农村家庭中户主的教育程度低于城镇家庭、家庭需要抚养的儿童和老年人数量要高于城镇家庭，目前我国城乡二元化的现象依然存在，这也是家庭多维贫困较为严峻的根本所在。

表6 分组描述性统计

(二)数字普惠金融对多维贫困减贫效果分析

本文首先检验提出的假设H1，即检验数字普惠金融对多维贫困的减贫效果，并进行城乡异质性分析。相关回归结果列于表7，表7中(2)(3)列将样本分为了城镇和农村两个地区。

表7 数字普惠金融对多维贫困影响的回归结果

从统计结果可以看出，控制相关变量后，数字普惠金融对多维贫困的影响为负，并且这种效应在1%的水平下显著有效。由此可见，随着数字普惠金融的发展，家庭多维贫困的情况得到改善。从分组回归结果可以看出，在城镇与农村，数字普惠金融的发展都能做到减缓多维贫困的效果，但农村家庭的多维减贫受数字普惠金融发展的影响更大。回归结果进一步说明，数字普惠金融能够突破空间地理的限制，让先前因地理环境受限的贫困群体享受到金融服务，利用金融资源摆脱多维贫困。

观察各控制变量，城镇与农村家庭的控制变量符号一致并符合预期。值得关注的是家庭层面上家庭老年人抚养比这一控制变量。相比于农村家庭，城镇家庭的老年人占比系数较小，说明在城镇家庭中，老年人的数量对多维贫困的影响并没有农村地区严重。原因在于农村地区的社会养老保险措施尚未完善，农村赡养老人成本远高于城镇，这也是数字普惠金融未来的发展方向，为农村养老保险的完善奠定金融基础。

综合以上分析，本文假设H1得以验证。

(三)稳健性检验

本文将宏观数据与微观家庭数据相结合来分析数字普惠金融的减贫效果，可以减少模型内生性问题，为进一步明确二者之间存在的效应，本文使用了工具变量估计方法，以保证数字普惠金融的发展与多维贫困减缓存在着因果关系。

首先，对工具变量进行检验。第一阶段回归的F值大于10，表明本文所选取的工具变量是有效的。其次，表8报告了两阶段最小二乘估计中第二阶段的回归结果。从估计结果上看，使用了工具变量进行回归后，数字普惠金融的系数依然为负，表明数字普惠金融的发展的确能够减缓家庭的多维贫困。综上，本文估计的结果是稳健的，没有受到过多的内生性干扰。

表8 数字普惠金融对多维贫困影响的回归结果

(四)数字普惠金融影响多维贫困的机制分析

多维贫困群体的信贷约束因数字普惠金融发展的同时得到一定程度上的缓解，数字普惠金融利用先进的数字技术，将居民征信数字化，缓解贫困人群因缺少抵押信物而导致的金融排斥现象，让更多贫困人群能够享受到金融的普惠性，利用金融资源实现自救式脱贫。

表9是检验中介效应的回归结果，(5)列显示创业决策的系数显著为正，表明数字普惠金融的发展能够显著提升居民创业意愿水平。(6)列核心解释变量、中介变量的系数在1%的水平显著为负，表明数字普惠金融的进步以及家庭创业意愿的提升对减缓多维贫困存在着直接推动的作用。根据系数计算中介效应为：0.3135*-0.0499/-0.3462=0.0452。

表9 数字普惠金融影响多维贫困的中介效应研究

综上可知，数字普惠金融发展程度可以促进家庭的创业水平，创业意愿越强，对多维贫困的减缓效果就越好，本文提出的H2得到实证支持。

五、结论与建议

本文基于中国家庭追踪调查(CFPS)、北大数字普惠金融指数以及各省份统计年鉴数据，考察数字普惠金融的发展对多维贫困的影响，并研究了该影响的城乡差异，在此基础上进一步探讨可能存在的中介效应。研究发现：第一，目前我国脱贫攻坚取得了阶段性的成就，若仅从人均收入贫困指标来看，绝对贫困已基本消除。但从经济能力、发展能力以及生活标准分维度观察，仍有部分居民处于多维贫困之中，并且农村地区的多维贫困现象更为严重。第二，数字普惠金融的发展能够显著减缓家庭的多维贫困程度，在农村贫困群体中，这种减贫的效果更为显著。第三，本文挖掘了数字普惠金融至多维贫困减贫的中介效应，发现数字普惠金融的进步能够提升家庭创业意愿，为贫困群体利用金融资源摆脱多维贫困提供了可能性。

基于以上研究结论，提出如下政策启示：

第一，建立科学有效的多维贫困识别体系。政府在实施以收入贫困为主导扶贫工作的同时，也要针对扶贫工作的复杂性，建立起科学有效的多维度贫困人口识别体系，将衡量贫困人口的标准从以往单一的收入维度过渡到多维识别。在衡量家庭贫困过程中，具体可以从家庭的经济能力、发展能力、生活标准等维度出发将收入与其余非收入福利指标结合，以精准识别贫困人群，做到精准扶贫、精准脱贫。同时，针对城乡多维贫困存在的差异性这一客观事实，政府应统筹相关扶贫政策和扶贫目标，建立科学有效的城乡多维贫困评价标准体系，在乡村地区进行脱贫攻坚的同时，也不能忽视城镇边缘人群存在的多维贫困问题。

第二，加强数字基础设施建设，深化数字普惠金融的多维减贫效应。数字普惠金融的发展及其多维减贫作用的发挥需要以强大、开放和高效的基础设施为依托。相较于城镇地区，数字普惠金融在农村的减贫效果更优异，但目前农村地区的各项基础设施，尤其是数字基础设施较为落后，而数字基础设施的建设是提高普惠金融服务水平，提升金融产品使用效率以及供给质量的基本前提。针对数字技术在城乡的差异性，重点要完善农村地区的互联网基础建设，提高偏远地区互联网普及率，缩小因城乡基础设施差异而造成的“数字鸿沟”，导致减贫效果的差异化。同时，国家也可以牵头三大运营商，对处于多维贫困的群体进行专项补贴，在确保数据能够稳定传输的同时，降低该群体的上网资费。

第三，强化数字普惠金融，推动贫困群体“自救式”扶贫。在推动数字普惠金融发展的过程中，特别要注重提升多维贫困群体的自主发展能力。深化数字普惠金融体系改革，尤其是要加强数字普惠金融对创业的支持作用，将家庭创业活动与数字普惠金融有效衔接起来，推动数字普惠金融高质量发展。各金融机构在计算成本与控制风险的前提下，应推出创新型的金融形式，大力支持家庭的创业活动，充分提高居民的发展能力。同时，利用数字化推进信用评估体系改革，缓解贫困群体信贷约束，拓宽贫困人群创业融资渠道。面向贫困人群，可以纳入除收入、资产以外的信用信息，缓解金融资源因信息不匹配而造成的供需不平衡的现象。将各平台的信息通过数字化手段共享整合，以此达到信息对称的目的，拓展更多的信贷业务，进一步缓解多维贫困人口的金融排斥，优化贫困群体的创业环境，提供相关金融服务，释放贫困人口的创业潜力、提升他们的创业水平。同时，针对家庭中存在健康贫困和社保贫困等现象，要充分挖掘数字普惠金融对二者的改善效应，维持普惠金融精准扶贫、精准脱贫的可持续性发展。

本文亦存在不足。第一，度量多维贫困程度的Poverty指标存在一定的缺陷，未来可以针对各维度构建更加完美的评价标准。第二，对数字普惠金融的多维减贫机制的研究还不够深入，后续可以再深入研究其存在的影响机制。