数字普惠金融化解多维贫困可持续机制研究

曾之明，王浩维，赵志刚

(湖南工商大学 地方金融研究所，湖南 长沙 410205)

一、引言

现阶段我国脱贫攻坚战取得重大进展，2020年11月中国832个国家级贫困县全部脱贫摘帽，脱贫攻坚战取得了初步胜利，也标志着中国步入了由绝对贫困转向相对贫困、收入贫困转向多维贫困的新阶段。多维贫困不仅契合了贫困问题的本质与内涵，还有助于为我国2020年之后的扶贫战略实施提供新思路。一方面，多维贫困摆脱了收入等经济贫困只从货币维度衡量贫困的范畴，进一步加入了可行能力的考量。正如Sen A(1999)[1]指出，贫困问题的根源是对人们可行能力的剥夺，这种可行能力不仅包括收入增长，还包括教育、健康和生活质量改善等多维能力的获得。我国农村贫困具有多发性和表现形式多样性的复杂特征，并不局限于收入或消费维度的经济贫困，还表现为教育、健康和生活质量等多维方面的匮乏。由此今后我国反贫困战略将升级转换。在现阶段乡村振兴背景下，要建立解决农村多维贫困的长效机制，离不开数字普惠金融的支持。传统的普惠金融服务往往需要借助银行等金融机构的物理网点来实现，致使经营成本高居不下；而为防止信用风险溢出，金融机构在对农村客户提供信贷支持时往往需要严格的审核程序，这在一定程度上也提高了对“信用状况较低”的人群的服务门槛。数字普惠金融则在降低服务成本、提高金融服务渗透率等方面有着明显的优势，能深化共享、公平机制以提升金融福利，通过“长尾机制”有效缓解相对多维贫困，对构建化解多维贫困的长效机制、扫除贫困顽疾发挥日益重要的作用。

我国传统普惠金融体系建设过程中仍存在着金融服务覆盖面不均衡、农村民间借贷与信贷并存、部分地区人民对新科技了解不深，以致无法享受互联网技术带来的便捷等问题，这些难题在一定层次上阻滞了扶贫渠道的通畅运行。而由于“新信息技术”和“传统包容性金融”的进一步融合，减贫已俨然成为数字包容性金融的固有属性。但在金融科技日益创新的当下，数字普惠金融发展给农村地区带来的是数字鸿沟还是数字红利,是“益贫”效应还是“溢富”效应更明显，都有待进一步研究。因此本文认为有必要深入研究数字普惠金融减贫效果以及构建化解多维贫困长效机制。试图通过构建多维贫困指数，以探求贫困评价指标与数字普惠金融指数的关系，构建合适的面板数据模型，测度我国数字普惠金融化解多维贫困的效应，为构建数字普惠金融化解多维贫困可持续机制提供可行性建议。

二、文献回顾

(一)数字普惠金融测度

在普惠金融发展水平的测度方面，国内外学者都基本认可使用指数指标体系来进行衡量。普惠金融指数，这一概念最早是由Sarma(2008)[2]所提出，之后的研究大多在其指数构建研究方法的基础上，分别从不同角度对普惠金融的测度进行探讨。一部分学者从供给方和需求方入手，在供给方层面，将居民的储蓄行为、借款来源与正式账户作为衡量普惠金融发展水平的重要指标，我国大多采用金融服务渗透指标进行衡量；在需求方层面，则主要考察的是普惠金融产品和服务相关指标(Demirguc-Kunt和Klapper，2014；王韦程，2015；Petr Teply和Michal Polena，2020)[3-5]。另一部分学者则认为，旧制的普惠金融指数存在着编制方法过于简单、历史数据不足、研究开启时间过早的问题，难以全面刻画普惠金融的发展情况，还应将政府政策、科技发展、法治建设、人口经济特征、金融素养等外部因素纳入普惠金融指数指标体系综合考虑(伍旭川和肖翔，2014；PARK，2015；Hossein CS，2015；Antonia Grohmann等,2018)[6-9]。近年来，随着“互联网+”概念逐渐兴起以及信息技术应用场景的不断深入，普惠金融也换上了信息化的新引擎走上了发展的快车道。为此，北大数字金融研究中心于2016年提出了数字普惠金融指数，该指数主要从互联网金融的使用深度、覆盖广度以及数字支持服务等维度来构建指标体系，逻辑严密，时效性强。易行健和周利(2018)[10]也认为互联网金融在我国的发展速度极快，在编制指数时应更多考虑第三方支付系统所体现的作用。赵燕和李季刚(2019)[11]结合变异系数法与欧式距离法，从金融知识覆盖率、金融资金运用以及基层文化建设四个方面考虑了数字普惠金融指数的构成。

(二)数字普惠金融减贫效应影响

在研究数字普惠金融的减贫效应方面，国内外学者尽管研究方法有所差异，但研究结论基本一致，即普遍认为，数字普惠金融能够通过扩大金融服务范围，强化基层金融服务渗透率，有效地提高贫困人口的生活水准。具体而言，国内学者较多地关注整体性分析，力求通过更新数字普惠金融指数的编制方法反映我国普惠金融发展现状，并利用回归模型来探究数字普惠金融发展对各地的贫困发生率的影响，研究成果较为丰富。谢升峰等(2021)[12]进行了数字普惠金融缓解农村相对贫困的长尾效应测度，基于湖北贫困地区调研数据，对不同农村收入群体进行主成分分析的结果表明:收入越高的群体数字普惠金融水平均值越高，信息沟壑越小;建立广义Logit相对收入模型进行实证分析后发现，数字普惠金融水平越低，越容易陷入相对贫困;群体收入越高，信息沟壑在缓解相对贫困中的约束越强，数字普惠金融缓解相对贫困的长尾效应值越大。罗俊等(2014)[13]认为，数字普惠金融主要从拓宽网络金融业务、降低营运成本、打破服务区域限制这三个方面助力扶贫进程。武苏粉和杨艳杰(2019)[14]结合河北省的实际情况,着重从信息不对称、金融基础覆盖率等角度分析互联网金融对农村普惠金融的影响，认为互联网金融完善了农村普惠金融的信息渠道，降低了普惠金融的服务成本。傅秋子和黄益平(2018)[15]研究发现数字金融整体水平的提升减少了农村生产性正规信贷需求概率,其中拥有智能手机的群体受影响更明显。陈阳和赵丙奇(2019)[16]以我国各省贫困发生率为分析对象，数字普惠金融指数为核心解释变量，研究表明数字普惠金融发展确实能够降低贫困发生率。国外学者则更注重“点”的分析，即通过选取普惠金融具有代表性的变量进行研究。Mbiti和Weil(2011)[17]以M-PESA手机钱包数据为研究样本，通过实证研究发现第三方支付金融工具能帮助人们在正规金融机构进行储蓄，降低人们在非正规金融机构储蓄的意愿。Diniz等(2012)[18]提出互联网技术对普惠金融造成的影响具有两面性，一方面，信息技术能够进一步促进普惠金融的发展；另一方面，在相对贫困的国家，互联网技术会引起低收入人群的负债加重，从而抑制普惠金融发展。Dmitriy等(2014)[19]研究发现，普惠金融体系的完善能够扩大金融服务的范围，从而削弱金融排斥效应带来的负面影响。 Sehrawat(2015)[20]指出提高金融资源可得性能够有效地提高贫困人口的收入。Vasantha(2016)[21]等人认为移动银行技术在增加无银行地区、农村的金融服务等方面发挥了重要的作用。Okello Candiya Bongomin(2018)[22]测试了社交网络在乌干达农村地区移动货币使用与金融包容性关系之间的调节作用，结果表明社会网络在移动货币使用与乌干达农村金融包容性之间的关系中具有显著和积极的调节作用。Abor和Amidu(2018)[23]对加纳的大量家庭数据进行了分析，研究结果表明，移动渗透率和金融包容性显著降低了家庭变穷的可能性，但其福利待遇在女户主家庭中并不明显。

三、相关概念与理论分析

(一)相关概念内涵

1.数字普惠金融

联合国于2005年首次提出“包容性金融”的概念，旨在解决金融排斥问题，要让处境不利的人们能够享受高质量的金融服务，并强调要设立惠及公众的金融服务体系。我国近年来也越发重视普惠体系的建设，在2016年的G20峰会上，我国率先提出了“数字普惠金融”的概念，倡议利用信息技术促进普惠金融服务的发展。“数字普惠金融”是传统金融服务在运营模式上的创新，它将信息技术广泛运用于金融服务中，具有低成本、高效率的特点，能够通过互联网实现资金的融通，打破了传统物理网点的地域界限，在一定程度上解决了由信息不对称所导致的金融排斥现象，加上其广泛的受众和较低的使用门槛，为弱势群体提供了平等享受金融服务的机会。

2.多维贫困相关概念

我国最早提出贫困相关概念的是来自南京大学教授童星等人于20世纪90年代发表的《我国农村贫困标准线研究》[24]。随着学界对贫困问题研究的不断深入，对贫困的概念界定了更为丰富的层次。贫困是指在经济或精神上的贫乏窘困，是经济、社会、文化贫穷落后现象的总称，是一种社会物质生活和精神生活贫乏的综合现象。其中收入贫困是指用于人们日常生活的物质匮乏，能力贫困是指人们获取生活资料的能力不足，即挣钱能力的缺乏，权利贫困则是指社会成员应享受的政治和文化权利的丧失。收入贫困是贫困的表现形式，能力贫困是贫困的直接原因，而权利贫困则是贫困的社会后果，而多维贫困应涵盖以上内容。

表1 贫困概念划分与释义

第一，绝对贫困又叫生存贫困，是指在一定社会生产方式和生活方式下，个人和家庭依照其劳动所得和其他合法收入不能满足其基本的生存需要。2011年11月，中国政府决定将农民年人均纯收入2300元作为国家扶贫标准线，此基准可能按照物价等指数不定期调整。贫困人口脱贫以户为单位，主要衡量指标是“一超过、两不愁、三保障”。2020年贫困人口脱贫验收的标准为年人均纯收入超过4000元，实际上已是按照多维度的方法识别贫困。

第二，相对贫困是指与社会平均水平相比其收入水平少到一定程度时维持那种生活状态、各个社会阶层之间的收入差异和各阶层内部的收入差异。国际惯例通常是把人口的一定比例归于相对贫困阶层。相对贫困可以解释为在解决绝对贫困后，社会成员所拥有的资源未达到社会平均生活水平，以及存在的权利保障缺失等带来“相对剥夺感”的问题，相对贫困体现着社会成员在进一步发展过程中遇到的多维贫困问题。

第三，多维贫困。贫困是一个多维的概念，除收入外，还包括许多非货币的维度，如教育、健康、住房以及公共物品的获得等。有较高的收入并不一定可以获得良好的教育、医疗或其他公共物品。这样，如果仅从收入维度测量贫困，可能导致那些教育、健康或其他相关维度处于贫困(短缺)状态的人口得不到及时救助。较早明确提出从多维角度来认识贫困与发展问题的学者则是印度学者阿马蒂亚·森(Amartya Sen，1996)，其“可行能力”理论被公认为是多维贫困的理论基础。Sen从“可行能力”的视角定义贫困催生了多维贫困理论，提出收入匮乏作为一系列功能性活动中的一种，在市场不完善或不存在的现实情境下，无法作为工具性变量完全反映个体或家庭的被剥夺程度。要正确衡量个体或家庭的贫困程度，就必须从多个功能性维度来考虑个体或家庭被剥夺的状况，构建多维贫困测度指数。因此，采用多维度的方法测度贫困，不仅可以加宽和加深人们对贫困的认识，还可以为贫困人口提供瞄准率更高、效果更好的分类救助措施。

总之，现阶段多维相对贫困仍会长期存在，我国扶贫战略思路需要对此进行相应方向的转变。数字普惠金融作为经济发展的内生新动力，正逐渐演变为新型的扶贫方式。数字普惠金融重视消除贫困，实现社会公平，因为增加弱势群体获得金融服务的机会通常被认为是一种可以缓解多维贫困的有效途径。“十三五”期间提出了一项重要国策，即发展普惠金融，“十四五”开局我国正进入数字经济时代，大力创新数字普惠金融服务势在必行，研究数字普惠金融化解多维贫困可持续机制十分必要。

(二)数字普惠金融化解多维贫困机制

首先数字普惠金融具有直接减贫机制。数字普惠金融的出现在一定程度上缓解了金融排斥，让这些被排斥的群体也能享受经济发展的优势。穷人获得金融服务(一般是贷款服务)后，就可以发展生产，改善自己的生存状态，慢慢累积资金，在一定程度之后，某些具备企业家才能的低收入者可以创业，最终实现经济水平的提高，减缓贫困。具体来说，数字普惠金融促进贫困减少的直接途径主要是向穷人提供储蓄、信贷以及保险等服务。其次数字普惠金融具有间接减贫机制。经济增长作为数字普惠金融与贫困减缓之间的重要环节，对于贫困减缓有重要意义。(1)经济增长。随着数字普惠金融创新，提高了储蓄转为生产力的能力，继而提高了资源的配置效率，使得经济发展更好，让贫困群体获得更高的收入，实现减贫；经济的增长，又提高了税收，通过加大转移支付与财政支出，减少贫困。所以数字普惠金融利用经济增长这个中间作用来实现贫困减缓，经济增长具有中介效应。(2)收入分配。数字普惠金融的出现降低了金融服务门槛，特别是对于低收入人群来说，能够获得金融服务提高收入水平，普惠金融可以优化企业的融资环境，使得小微企业也能享受到金融服务，有利于缩小收入分配差距；数字普惠金融可以实现农村劳动力转移，提高贫困居民的收入，减小收入分配差距；数字普惠金融通过居民的资本积累来改善收入分配情况从而实现减贫。所以，普惠金融通过减小收入分配差距实现贫困减缓，收入分配有中介效应。

具体而言数字普惠金融主要通过以下三条路径(如图1所示)来减缓多维贫困：

图1 数字普惠金融减贫路径图

1.缓解金融排斥

数字普惠金融主要从以下三个方面来缓解金融排斥。

(1)缓解区位分层问题

考虑到成本因素，我国传统的金融机构一般不愿在偏远农村地区设立分支机构。因为农户的贷款性需求具有季节性、需求频繁、总量较小等特点，无形中推高了金融机构的经营成本，挤占了利润空间。金融机构的逐利性迫使它们从贫困地区撤离，转而将目光放在更有机会获取高额利润的城区。从长远来看，贫困地区居民的金融服务需求将越来越难以得到满足，便会成为边缘群体。数字普惠金融的普及为解决这一问题带来了转机，它能使得资金需求者逐渐挣脱地理因素限制，纵使身处偏远山区亦可享有平等的金融服务。金融机构也可以借助互联网将业务发展至全国，拓宽获客渠道。

(2)消除主体评估歧视

与城区客户相比，传统金融机构对农户的评估要求要更为严苛，由于农户的收入波动性较强，农作物的收成往往取决于气候状况，如遇恶劣天气，则收入难以保障，及时还款的可能性也会大大降低。同时，由于贫困地区的农户大多未接触过金融知识，履约意识尚有不足，拖延还款也实属常态。一言以蔽之，由于农户未来收入的不确定性较大，缺乏足够的信息来进行评估，在为其提供金融服务时，传统金融机构面临更大的风险，因此将采用更严苛的准则。数字普惠金融利用大数据与人工智能技术，能够在风险评估与防控方面为金融机构提供更为全面的信息，手中掌握了足够的信息，金融机构对客户的资信状况也能做出更准确的分级，农户也能获得更为公正的服务。

(3)协调产品供给不平衡

在农村地区，传统金融机构所提供的金融产品种类有限，多为大额存单、定期存款等产品，证券、基金类的产品较少。实际上，随着经济的持续良好发展，山区农户的资金需求已逐步多样化，这也必将导致供给的多元化，数字化金融服务则能够借助互联网降低企业的服务运营成本，满足山区农户的多样化需求。

2.涓滴效应

通过促进经济增长，数字普惠金融能够借由涓滴效应，进一步缓解多维贫困状况。即先让贫困地区拥有更大发展潜力的金融服务对象率先发展起来，先富起来的人群又能将其所得的发展成果反馈给当地贫困居民，为当地居民提供更多就业岗位，有效帮助贫困人民摆脱贫困窘境，提高居民生活水平。同时贫困地区居民收入整体提升，意味着当地政府的税收收入也会相应增加，政府将会拥有更强大的资金实力来完成基建工程，提高当地的社会福利，缓解金融体系的脱节难题，使金融系统持续向好发展。

3.降低金融服务门槛

传统金融机构往往因审核流程繁琐、人工费用高昂等原因，不得不将一部分的成本费用分摊至客户，从而推高了金融服务费，使许多有金融服务需求的人望而却步。此外，传统金融机构为了严控风险，信贷审核十分严格，对客户的信誉以及抵押物都有较高的标准。然而，当前贫困地区的征信系统仍有待完善，居民手中可用的抵押物也较少，大多难以触及信贷审核的门槛。数字化金融服务的出现则能够有效缓解这一问题，传统金融机构可通过在网络上设立平台，进行线上的金融服务工作，不用特地在当地设立实体网点、雇佣新员工，显著降低其运营成本。金融服务费率也就有了更大的下降空间。通过电子支付系统保证资金流能快速到账，缓解贫困人民的资金短缺需求。

四、模型、变量与数据

(一)模型

结合以往国内外学者的研究成果及本文研究思路，首先构建面板数据模型如下：

lnMRIit=C+β1lnDIDFit+β2lnRGDPit+β3lnWEFGit+β4lnISit+μit

(i=1,2,3,…；t=1,2,3,…)

(式1)

为使回归结果更为科学合理，本文对变量进行了对数化处理，其中lnMRIit为多维贫困指数，度量的是各地区的农村居民贫困水平；lnDIDFit为数字普惠金融指数，表示各地的数字普惠金融发展水平；lnRGDPit为人均地方生产总值，以表示地方的经济发展水平；lnWEFGit为福利支出水平，是各地民政福利支出与GDP之比，以衡量各地福利支出情况；lnISit是第二、第三产业增量占GDP总量的比例，以衡量该地区的产业结构状况；μit为随机扰动项。

(二)变量的选取

1.被解释变量

农村居民多维贫困指数(MRI)：本文从农村居民支出端的8个维度构建贫困指数来衡量某地区的农村居民贫困状况，该指数越高，该地区的农村居民越贫穷。

2.解释变量

数字普惠金融指数(DIFI)：该指数由北大数字金融研究所编制，考察维度涉及的领域较广，能够从多角度科学评价某地区的数字包容性金融发展水平。DIFI指数越大，则表明该地区的数字普惠金融发展水平越高。

3.控制变量

影响某一地区相对贫困水平的因素很多，为避免遗漏变量偏误，本文控制了一系列变量如下所示：区域经济发展水平(RGDP)，以人均区域生产总值来代表一地的经济发展状况，该数值越高，则说明该地区的经济发展水平越高；产业结构(IS)，用第二、第三产业增加值与GDP的比值来表示某一地区的产业结构变化，该数值越高，该地区的产业结构高级化程度越明显；民政福利支出水平(WEG)等于某地民政福利支出与GDP的比值，以此表示一地的民政福利支出水平，数值越大则代表这一地区福利支出水平越高。

(三)核心数据的来源与处理

本文实证研究将使用省际面板数据分析的办法，含31个省、自治区、直辖市，时间跨度为2014—2018年，共计5年时间，数据来源于统计局官网及北京大学数字金融研究中心。

1.多维贫困指数的来源与处理

本文跳脱出仅以农村居民收入衡量贫困程度的单一维度，从农村居民支出端8个维度着手对其生活质量进行考察(表2)：

表2 多维贫困指数评价维度一览表

根据表2的评价维度，从各省统计局官网共搜集了1240个数据观测值(31*8*5)并进行多维度贫困指数编制。

编辑指数首先要确定各评判指标的权重，因为等权重赋权法存在着过于理想化，现实意义不足的问题，故本文选用熵权法来进行赋权以保证评价体系更为科学。

第一步，在计算各指标权重时，将第i项评价指标的熵确定为θi，根据以下公式，便可计算出αi：

(式2)

第二步，假设当fij=0时，fijlnfij=0，k为玻尔兹曼常数，令k>0。依据熵值的定义，可解得第i项评价指标的熵权ωi，见式3。

(式3)

第三步，便可计算出历年农村居民消费支出的权重，计算结果如下：

表3 历年指标权重计算结果一览

求得权重后，即可进行多维相对贫困指数的计算，依据恩格尔理论，可衍生出如下算式：

(式4)

其中，RPIij代表第i个地区的农村居民于第i个测算指标上的相对贫困指数，piqi代表各测算指标的基本需求支出，AOij则代表该地区农村居民在第i个测算指标上的实际支出。本文将采用经济学家Luch提出的ELES模型，对基本需求支出进行测定，以下为步骤及相关公式：

(式5)

(式6)

Ei=αi+βiY

(式7)

(式8)

其中，Ei代表居民在第i个指标上的平均支出，βi代表边际消费倾向，αi代表截距项，Y表示该地区农村居民的可支配收入。根据上述公式，我们将各维度的实际支出Ei与收入Yi分别做回归，便可得到相应的截距与斜率，代入式8，即可解得各维度的居民基本消费支出。具体结果如表4，表5。

从上表的回归结果来看，前四个维度拟合效果较好，大部分的回归测算模型的拟合优度都在0.7以上，其中食品与住房消费同可支配收入的数据拟合性更佳。

表4 线性回归结果(前四个维度)

表5 线性回归结果(后四个维度)

较前四个指标而言，后四个指标与可支配收入的数据拟合优度欠佳，但仍在可接受的范围之内，其中交通通信与可支配收入的数据拟合程度最佳。经过上述步骤，我们已解得α与β的数值，利用公式8可算出各测算指标历年的基本需求支出，计算结果见表6。

表6 历年消费需求基本支出测算结果一览表

从表6中的计算结果可知，食品支出所占比例最高，而其他项支出则占最低比例。

基于以上的计算，我们已求得基础参数和指标，便可根据式9解得多维贫困指数MRI：

(式9)

MRI指数越高意味着该地区相对贫困程度越严重，具体的计算结果如表7。

表7 前16个地区MRI计算结果

表7为前16个编号地区的MRI指数，从表7可知，截至2018年，上海(0.3087)、北京(0.3104)等地的农村相对贫困问题较轻，山西省(0.6501)、江西省(0.6117)等地的农村相对贫困问题较严重。其中，上海、北京等地属于我国东部地区，山西、江西则属于中部地区。后15个编号地区的多维贫困指数则如表8所示。

表8 后15个地区MRI计算结果

结合表7、表8的数据我们可以得知：截至2018年，在31个地区中，多维贫困程度最严重的是西藏(1.0158)、云南(0.7169)、贵州(0.6867)等西部经济不发达的地区，多维贫困程度最轻的则是上海(0.3087)、北京(0.3104)、天津市(0.3379)等东部经济发达的地区，基本按照“东部贫困程度最低，中部次之，西部最高”的梯度分布，因此，尽管我国近年来扶贫的效果显著，但分地区来看，地区之间仍存在着较为明显的差距，这点可以从各地区代表省份或城市的MRI指数看出。按照学术界有关定义，一般认为，MRI指数在0.4以下的地区为低贫困地区，MRI指数在0.4至0.8的地区为中度贫困地区，0.8以上的则为高度贫困地区，表9、表10、表11为2014年与2018年我国农村居民的多维贫困空间布局情况：

表9 2014年我国农村居民多维贫困空间格局一览

表10 2018年我国农村居民多维贫困空间格局一览

表11 配对T检验结果一览

总体上来看，2014年我国东部存有6个中度贫困地区、4个低贫地区；中部则有8个中贫地区，2个高贫地区；西部则有6个中贫地区，5个高贫地区。到了2018年，我国东部中度贫困地区减少1个，西部高度贫困地区减少3个，东西中部的多维贫困指数平均值均有明显下降，同时，配对T检验的结果拒绝原假设，说明我国近些年来的减贫工作已经有了显著的成就。

2.数字普惠金融指数的来源与处理

本文所选取的数字普惠金融指数，来源于北京大学数字金融研究中心。我们以此数据衡量2014年到2018年5年间全国各省的数字普惠金融水平，具体情况如图2所示：

数据来源：北大数字金融研究中心

从图2中我们可以得知，2014年至2018年我国各地区数字普惠金融水平一直处于上升的势头，且东部地区的发展速度较快，以上海市为例，2018年上海市的普惠金融指数达到了377.73，位居首列，中部西部地区的数字普惠金融推进工程尽管起步较晚，但发展的速度并未落后，在前文中属于农村居民贫困程度较高地区的西藏，如今其数字普惠金融指数也达到了274.33，可以见得，在信息技术的推动下，我国数字普惠金融服务渗透力度与覆盖广度正在逐步加深，数字金融服务扁平化的格局正逐步形成。

五、实证结果分析

(一)平稳性检验

尽管所选数据属于短面板数据(时间跨度小于截面数)，数据可能存在长期平稳的趋势，但为保证实证结果严谨，本文仍对模型中所涉及的变量进行了LLC平稳性检验，检验结果如表12所示。

表12 变量平稳性检验结果

结果表明，在0.01显著性水平下，所有变量均为平稳的数据。其中c为常数，1代表考虑时间趋势，0代表不涉及滞后项。

(二)协整检验

表13 Pedroni变量检验结果

由表13可知，检测项目共7项，其中有4项表明变量之间存在协整关系，故本文有一定理由表明，变量存在协整关系。

(三)面板回归模型

1.霍斯曼检验与面板回归结果

面板模型的选择有混合、随机、固定三大类，混合模型在理论意义上的解释能力比较强，但实际意义的解释能力劣于后两类模型，故本文面板模型的可选项缩减为后两类，可利用Hausman检验进行模型的选择，以下为检验的结果(表14，表15)。

表14 霍斯曼检验结果

表15 固定效应模型与随机效应模型

续表

根据以上检验输出结果，我们可知，应选择固定效应模型。

2.稳健性检验

本文采取更换计量方式的方法进行模型稳健性检验，即使用GMM回归估计来进行检验(表16)。GMM的模型设定不同于本文在进行固定个体效应分析所使用的静态模型，而是通过引入滞后项的方式，考察的数据动态化，为研究面板数据的内生性问题提供了一种很好的解决方案，同时其计量的假设也与OLS计量方法有着较大的差距，故本文将使用此种方法来进行检验。

表16 GMM回归分析结果

续表

为验证模型的有效性，本文采用了GMM模型对数据进行估计，根据表16的输出结果，可知本文所选取的模型、工具变量等是有效的：sargan检验通过两种拟合方式(LS与GMM)中涉及变量符号相同、显著性大多有保证。同时，自相关检验结果显示，AR(1)的对应P值(0.0845)小于0.1,AR(2)的对应P值(0.3782)大于0.1，即被解释变量MRI存在一阶自相关，但是MRI的二阶自相关现象并不显著。

3.模型构建与结果分析

由以上两表的结果我们可以得知，应当选择个体固定效应模型。

即：

lnMRI=-0.37081D1+…+0.13795D31-0.3087lnDIDF-0.1633lnRGDP+0.0981lnWEFGit-0.7503lnIS

(式10)

以上模型表明，数字普惠金融指数(DIDF)与多维贫困指数存在负相关关系，即我国数字普惠金融水平的提高，能够有效地提高农村居民的生活状况，其系数为-0.3087，这意味着在其他条件不变的情况下，平均而言，我国数字普惠金融水平每提高1%，将使我国农村居民多维贫困状况减缓0.3087%。这主要是因为我国数字技术与普惠金融服务的融合日渐紧密，使得金融服务的延展性以及渗透性得以有效提升，金融服务的门槛也在逐日下降，全体居民都能够有机会平等地享受最新的金融科技成果，缓解金融排斥效应，通过涓滴效应有效提高当地居民收入，使得数字鸿沟转化为数字红利，助力减贫工作的进一步实施。

经济发展状况(RGDP)同农村居民多维贫困程度呈现出反方向变动的现象，这是因为经济水平提升将会促进金融资源在全国范围内更有效地配置，更多的金融资源将流入乡村，改善(完善)农村的基础性设施建设，拓宽农村与外界的交流渠道，使得农村的农副产品、矿产资源都能够以更快的速度到外地，成为当地农村的经济增长点，同时，也能够缓解农村“年轻人口空心化”的现象，为当地农村提供更多就业机会，减缓农村青年劳动力向经济发展速度更快的城市外流。因此，数字普惠金融化解多维贫困的效应在农村地区更为明显。

产业结构(IS)同样也与MRI指数负相关，即我国产业结构升级也能在一定程度上助力扶贫工作，在产业结构高级化的过程中，城市的科技成果、企业经营理念等会加速流入乡村，农村的居民则能利用这些“宝藏”调整自己的经营方式，树立更为科学的经营理念，同时转变农村生产方式，反哺于城市，与城市之间形成更为良好的互动关系，进一步推进该地区的发展。

民政福利支出水平(WEG)则与MRI指数正向关联，即我国社会福利支出的提高会加深我国农村居民的相对贫困，毋庸置疑的是，优越的福利政策能够有助于帮扶贫困的人口脱离多维贫困，但凡事均有两面性，福利政策自然也有着其负面影响，本文的实证研究结果表明，在本文所研究的时间跨度下，在扶贫方面，福利支出的负面效应要大于正面效应。比如，前文中所提及的“福利依赖”现象，即贫困人口中有部分人，因为脱贫后无法继续获得政府的补助，必须自力更生解决温饱问题，而不愿意脱离贫困，从而可能导致“扶贫资金投入逐年增长，但扶贫效果却并未有明显的改变，而政府为了达成扶贫目标又不得不继续加大资金投入”这一怪圈现象。

六、结论

本文以2014—2018年全国31个省(自治区、直辖市)的面板数据为样本，通过编制多维度相对贫困指数MRI，建立固定效应模型，对数字普惠金融化解多维贫困效应进行了实证研究，结论如下：第一，从多维度贫困指数计算结果分析可知，我国多维贫困情况呈现出“东部贫困程度最低，中部次之，西部最高”的梯度分布，近年来，东部、中部、西部三大地区的贫困水平均有所下降，扶贫工作效果显著，其中西部地区化解相对贫困成效最为明显。第二，我国数字普惠金融水平的提高有助于降低农村居民多维贫困水平，帮助他们提高生活水平。此外，地方经济发展水平提升和地方产业结构升级，也能在一定程度上助力缓解多维贫困。第三，过高的地方民政福利支出水平，会增加该地区多维贫困程度，可能是由于“福利依赖”现象导致。

基于以上研究结论，本文提出创新金融科技促使国有银行升级转型、打造数字普惠金融网络提升减贫效率、推动数字普惠金融融合发展和推广运用、建设新型征信系统以强化数字普惠金融风控以构建化解多维贫困长效机制等对策建议：

(一)创新金融科技促使国有银行升级转型

尽管近几年各大银行都在金融科技方面投入了大量资金，但在发展过程中仍然存在着“重概念轻落实”“重应用轻基础”“重销售轻运营”等一系列问题。具体表现在盲目追逐热点和概念、底层技术(人脸识别、云计算等)缺失、工作指标重于客户体验等方面。要想摆脱这些状况，除了要加强与阿里、腾讯等金融科技巨头公司的合作外，国有银行还需要加强自己的研发能力，同时不能让“金融科技”流于形式，要重实践而轻攀比，不能因为新的技术出现而盲目增设新的指标要求，徒增基层工作人员压力，使得金融服务向销售经济靠拢而不是体验经济靠拢。近年来，国家政策倾向于让国有银行挑起数字普惠金融大梁，并由此推进农村金融的发展，国有银行更应狠抓技术落实，扩大金融服务的受众群体，防止脱贫后返贫，建立化解多维贫困可持续机制。

(二)打造数字普惠金融网络提升减贫效率

农村基层政府部门要积极应对数字经济带来的机遇与挑战，主动联合金融科技公司，在建设好农村基础数字技术设备、建立网络平台征信系统，打造数字普惠金融网络并提供相应技术支持的基础上，整合农村数字普惠金融信息平台，构建并完善贫困群体在医疗、教育、衣食住行等各方面的数字化服务平台及线上资金运行渠道。并以数字技术培训和数字化管理帮扶贫困人群的后备队伍，以提高对多维贫困的实时监测和帮扶实效。

(三)推动数字普惠金融融合发展和推广运用

农村金融机构要利用好金融科技发展的契机，充分整合移动互联网、物联网、区块链以及最新的大数据、云计算、供应链金融等新型技术及资源，推动数字普惠金融创新发展，在稳定“头部”大客户的同时，积极捕获尾部80%的相对贫困者及小微企业，使之成为机构可持续发展的重要来源。为进一步发挥数字普惠金融化解多维贫困的积极作用，要在农村地区通过电视、网络、媒体广播等方式广泛宣传，强化农村居民对于数字普惠金融的整体认知，提升农民的数字普惠金融素养。此外，还可以进一步在农村建立普惠金融服务站、情景体验区等，向农民普及数字平台中金融产品的功能、性质和风险方面的知识，并且指导农民参与体验，以激发农民参与数字化金融平台交易和咨询的兴趣。

(四)建设新型征信系统以强化数字普惠金融风控

近期受新冠肺炎疫情的影响，全球经济发展遭受重挫，全球资本市场风险扩大，要求进一步加强对系统性金融风险的防控，只有保住不发生系统性金融风险，才能走好金融扶贫的最后一里路，助力小微企业平稳发展，并不断缩小数字鸿沟，发挥数字普惠金融的红利效应，构建更加共享包容、创新融合的数字普惠金融可持续发展机制。要控制金融风险，应当建立以区块链技术为核心的征信系统，助力金融行业的监管：

1.模拟监管沙盒以填补行业法律漏洞

以第三方支付行业为例，《非金融支付机构服务管理办法》这一行业内的核心法案，在我国的法律体系中却属于效力最小、地位最低的规范性文件，且对于第三方支付参与主体之间的法律关系等细节方面的界定较为模糊，加之互联网金融拥有发展速度快、变化频率高等特点，就使得现行行业监管体系明显滞后于市场的发展，而推行监管沙盒机制，则能在一定程度上改变当前的状况。监管沙盒机制,实质上就是在一个预先设好的安全空间内,规定其中的金融机构可以对其创新产品或是营销方式进行测试,在遇到问题时，并不会立即面临监管规则的束缚。本质上来说，是要建立一种政策试点机制，模拟与观察政策实施后的变化，提高政策制定的容错率，在风险可控的情况下，让监管机构能够创新监管模式、探索监管边界，建立合规的行业风险评估标准以及弹性更强的第三方支付监管协议，形成可持续发展的行业生态圈。

2.引入区块链技术构建良好的数字普惠金融生态

区块链实质上是由数据区块按照一定顺序编排而成的一种链式数据结构，运用区块链技术能够实现对第三方支付机构的运营能力以及存在的风险进行实时精准评估，监管机构能够根据区块链提供的交易信息风险情况进行监管创新和监管决策。在日常监管的过程中，应当确保交易数据在区块链上同步记录，保证信息的不可篡改，降低由于信息不对称所导致的行业风险，以保护消费者的个人信息。同时逐步更新监管部门的基础设施、适当放权给地方监管部门，建立统一的数字普惠金融监管系统以及风险预警机制，加强中央与地方的监管联动效应，谨防系统性风险发生。同时利用区块链技术打造存证溯源、数字钱包、数字票据、快速清算等数字普惠金融运用场景，构建良好的数字普惠金融生态。