数字普惠金融与农村经济增长：空间溢出机制与经验证据

陈 鸣，陈 峰，廖世伟

(1.南华大学 经济管理与法学学院，湖南 衡阳 421001；2.中国社会科学院大学 应用经济学院，北京 102488)

一、问题提出与文献概述

自党的十九大提出乡村振兴战略以来，“发展乡村普惠金融，健全农村金融体系”成为农村金融改革与发展的重点任务。数字普惠金融为广大农村地区提供了优质便捷以及低成本的金融服务，凭借大数据、云服务等通信技术，有效扩大了金融覆盖范围，缓解了金融排斥现象，迅速成为农村金融发展新的重要形式和途径。那么，数字普惠金融是否能够破解传统农村金融难以内生化成长的困局？数字普惠金融对中国不同农村地区经济增长的影响有何差异？其是通过何种作用机制与途径影响农村经济增长的？回答这些问题，对于更好地促进乡村振兴战略的实施、加快推进农业农村现代化建设意义重大。

关于数字普惠金融与经济增长关系的理论基础，源自麦金农(McKinnon，1973)和肖(Shaw，1973)提出的金融深化论与金融抑制理论[1-2]。根据研究的理论脉络不同，可将现有文献大致分为两类：一是基于内生增长理论框架的分析。帕加诺(Pagano，1993)将金融部门从技术进步因素中分离出来，由此提供了一个金融促进经济增长的理论框架[3]。作为研究分支与新型金融形式，数字普惠金融近年来逐步进入学术界研究视野，学者们发现数字普惠金融可以有效缓解企业融资困难，并通过破解资本约束和降低经营风险促进企业创新增长[4-6]。中国学者对数字普惠金融的研究起步较晚，有关数字普惠金融的研究较为少见。多数研究聚焦于核实传统普惠金融与经济增长之间的正相关关系[7-9]；部分学者采用微观调研数据，肯定了数字普惠金融能有效促进中国农村地区经济发展水平的提高[10-12]。二是以空间经济学为理论框架，从经济活动空间分布和相互关联的角度，探究金融发展与经济增长之间的相互关联与影响机制。此类研究以新经济地理学为视角，认为金融资本具有明显的地理空间特征，金融规模和效率的改善能影响生产要素配置结构和使用成本，金融资源空间外溢与区域经济发展关系紧密[13-14]。有学者聚焦于农村普惠金融的空间溢出机制，指出金融资源的扩散效应会加剧各地区金融不平衡发展的态势，并对经济活动产生空间外溢效应[15-17]。也有学者开始关注数字普惠金融的空间效应，探讨了数字普惠金融发展对城乡收入差距[18]、农民非农收入[19]以及居民消费[20-21]的空间作用特征。

关于金融与经济增长之间的关系的研究已经取得了相当丰硕的成果，但有几点有待进一步探讨：一是已有研究多集中于传统普惠金融，鲜有研究深入分析数字普惠金融的空间溢出机制与传导渠道，此外，关于空间外溢效应的异质性问题也缺乏更为精准细致的研究；二是随着空间经济联系的理论研究不断深入，越来越多的研究表明，金融要素不仅有利于促进本地资金融通和经济发展，而且具有较为明显的正外部性与外溢效应，忽视数字普惠金融的空间效应，可能造成有偏估计和对现实的解释存在偏差。基于此，本文余下部分作如下安排：首先，基于新地理经济学理论框架，对数字普惠金融促进经济增长的空间溢出机制进行探讨；其次，选取和构建合适的空间计量模型对数字普惠金融的空间溢出效应进行实证检验；再次，根据不同地区、不同构成维度进一步分析验证空间溢出效应的异质性；最后，总结全文并提供政策启示与建议。

本文可能的边际贡献包括：第一，在研究内容方面，目前聚焦数字普惠金融影响农村经济增长的实证研究较为丰富，理论探讨相对少见，本文构建数字普惠金融影响农村经济增长的理论模型并对其空间效应展开探索，丰富了已有研究；第二，在研究方法方面，本文综合运用空间计量、中介效应模型、双重差分等方法，着眼于数字普惠金融通过何种途径影响农村经济增长这一问题，验证了数字普惠金融促进农村经济增长的机制与路径；第三，在处理内生性与稳健性问题时，本文采取了平行趋势检验、替换变量以及调整样本范围等多种途径，一定程度确保了结论的稳健性。

二、空间溢出效应的理论分析

本文以新经济地理学中的自由资本模型(footloose capital model)为分析框架，构建一个经典的两地三部门模型，假定一个封闭的经济系统中包含传统农业部门(OA)、现代农业部门(MA)(1)藤田等(Fujita et al.，1999)指出，现代农业交易成本并不为零，意味着其产品生产存在异质性，农业交易成本的加入对要素空间流动的基本结论不会产生本质性的影响[22]。和金融服务部门(FI)三个部门。传统农业部门遵从瓦尔拉斯分析框架，现代农业部门遵从迪克西特·斯蒂格利茨(D-S)分析框架，金融服务部门为现代农业部门提供金融服务和产品；传统农业部门生产同质化农产品且交易成本为零；现代农业部门生产差异化农产品。区域之间起始时呈稳态对称。

(一)消费者效用分析

假定消费者效用函数形式如下：

(1)

其中，COA为传统农业部门产品组合，CMA为现代农业部门产品组合，μ为差异化商品消费份额，μ<1。CMA的函数形式为连续产品的常替代弹性效用函数(CES)形式：

(2)

式中，σ为产品间替代弹性，且σ>1，NW为经济系统内全部现代农业部门产品种类。Ci为现代农业部门中第i种产品数量。假设每种企业专业化生产一种产品，投入与其产品相匹配的金融资本，则NW为企业数量。令消费者支出为ε，p(i)为现代农业部门产品i的价格，消费者需求函数可表示为：

q(i)=μεp(i)-σPσ-1

(3)

考虑到区际产品流动服从冰山贸易成本τ>1，令r，s∈{1，2}，可得r区域总需求函数为：

qr(i)=μErpr(i)-σ+μEs[ps(i)τ]-σPsσ-1τ

(4)

其中，Er和Es表示r区域总支出和s区域总支出。

(二)生产者效用分析

金融部门提供金融产品与服务，根据已有研究[22-25]的做法，其产出与金融借贷规模、金融知识存量与金融知识异质性程度有关。考虑地区1和地区2之间的空间溢出，令Fr为r地区金融产出，fin为地区金融资本投入，h(i)为金融要素i所拥有的特定知识量，构建地区1和地区2金融产出的函数如下：

设定区域金融总投入为1，则任意区域r∈{1，2}内有：

(5)

式中，Fr为r地区金融产出，κr为r地区金融资本投入份额，ηr(0<ηr<1)为其他地区的金融知识和信息向r地区的扩散强度(即空间溢出程度)。β(0<β<1)为金融知识异质性(2)贝里安特和藤田(Berliant & Fujita，2012)认为，金融异质性是指金融从业者的知识结构差异，专有或异质性知识是创新的重要源泉和生产效率提高的关键。文化多样性和人员多样性能够提高研发的生产效率，从业者为了提高劳动生产率而必须具有不同于其他人的差异性知识[24]。。

(三)短期均衡解

定义φ=τ1-σ为两地区现代农业生产部门产品的贸易自由度，可得r区域现代农业部门产品的均衡价格、均衡数量、均衡利润分别为：

(6)

(7)

(8)

由于企业在区域间可以自由迁移，市场均衡的条件为企业在不同区域获得的利润必然相等。由式(8)得出：

(9)

(10)

其中，E表示1区域和2区域的总支出。当N1=NW，N2=0；N1=0，N2=NW时为两种特殊情况，推导过程省略。

(四)长期均衡解

根据自由资本模型(footloose capital model)长期均衡条件，金融资本可以自由流动，可得资本流动方程：

Δfin=(π1-π2)κn(1-κn)

(11)

求解式(11)可知，有两种长期均衡解，一是两地收益率相等的对称结构，一是金融资本向其中一地集聚而形成的核心边缘结构，即其长期均衡解一种情况是π1=π2，另一种情况是κn=0或者κn=1。其中π1=π2是不稳定均衡状态，一旦出现任何微小的偏离将导致κn=0或者κn=1。

(五)金融资本对于经济增长的空间溢出

令经济变量为E，有下式：

(12)

其中，

(13)

(14)

(15)

三、空间计量模型的选择与构建

(一)模型设定与指标选取

基于上文空间经济学分析框架的结论可知，金融将通过区域间的外溢效应影响农村地区经济增长。实际上，数字普惠金融发展的外部性是否的确存在且如理论所述促进了经济增长有待证实。基于此，本文选用空间杜宾模型来检验和解释数字普惠金融影响农村地区经济增长的空间外溢特征和扩散效应。相较于传统空间计量模型，空间杜宾模型存在两个方面的优势：一是能够通过引入空间滞后项，同时分析解释变量与被解释变量的空间相关性与溢出效应；二是其模型设定形式灵活，对于改善结果偏误有较大帮助[26]。此外，经济增长通常是其各类影响因素长期积累的结果，其当期水平往往与上一期的水平密切相关，即经济增长路径通常表现出路径依赖和马太效应。因此，本文依据埃尔霍斯特(Elhorst，2014)[27]提出的方法，构建如下可将空间溢出效应区分为长期效应和短期效应的动态空间杜宾模型：

lngdpit=τlngdpi，t-1+ρWlngdpt+δWlngdpt-1+β1lnfinit+

φWlnfint+β2lnCVit+μi+γt+εit

(16)

其中，下标i和t分别表示市域和年份；W为空间权重矩阵；lngdpit为被解释变量；Wlngdp表示被解释变量的空间滞后项；Wlngdpt-1代表被解释变量的时间空间滞后变项；lnfinit为核心解释变量；Wlnfint为核心解释变量数字普惠金融发展水平的空间滞后项；CVit表示本文选取的各类控制变量；μi、γt分别为个体效应与时间效应；εit为随机误差项。

(二)变量说明与描述性统计

1．被解释变量：农村经济增长(农村gdp)

借鉴吕承超和崔悦(2021)[28]、聂丽和石凯(2021)[29]的研究，综合考虑数据的可获得性、完整性和统计口径的一致连续性，本文选用农村gdp即第一产业gdp+乡镇企业增加值来估算，并对农村居民消费价格指数进行消胀处理获得实际值。

2．核心解释变量：数字普惠金融(fin)

北京大学数字金融研究中心基于蚂蚁金服的海量数据，运用层次分析的变异系数赋权法编制了数字普惠金融总指数。该指数从总体层面及各维度层面反映数字金融动态演化过程，在有关数字金融的研究中得到广泛使用，具有较强代表性与可靠性。本文采用该指数衡量数字普惠金融。

3．控制变量

本文的控制变量主要有四个：第一，区域贸易水平(tra)，采用各区域农产品贸易总额衡量；第二，财政支农水平(gov)，以各城市年度财政支农支出表示(3)从统计口径上讲，财政支农支出历来有大口径、中口径和小口径的区别。其中，小口径的财政支农支出包括支援农村生产支出、农业综合开发支出和农林水事务支出。考虑到数据的可获得性和统一性，本文根据小口径范围进行统计。；第三，农村人力资本(qua)，以农村地区居民受教育年限来衡量(4)根据《中国城市统计年鉴》将劳动力的受教育状况划分为文盲半文盲、小学、初中、高中和大专及大专以上五类的标准，将文盲半文盲界定为3年，大专及大专以上界定为14年，因此人力资本水平的计算公式可表示为：文盲半文盲×3年+小学×6年+初中×9年+高中×12年+大专及大专以上×14年。；第四，人均耕地面积(lan)，用可耕地面积与乡村人口的比值表示。

本文以285个地级及以上城市2008—2019年的观测值作为实证研究的样本。数据来源于2008—2020年的《中国城市统计年鉴》《中国区域统计年鉴》以及2008—2020年各省市的统计年鉴和统计公报。

表1为各变量的统计特征。

表1 变量的描述性统计

(三)空间自相关检验

空间自相关(spatial autocorrelation)是指分布在同一或者相邻空间范围内的变量之间存在的相互依赖和影响，这些相互依赖和影响可以通过可观测的数据检测出来。检验变量之间是否存在空间自相关性是进行空间计量建模分析的前提。度量空间自相关性的常用方法，包括莫兰指数(Moran’s I)、吉里尔指数(Geary’s C)、热点分析空间统计(Getis-Ord General G)、连接计数聚类检验(Join count)等。而计算全局和局部空间莫兰指数是最常见的空间相关性检验方法。本文首先采用全局莫兰空间自相关方法，选取常用的地理距离标准构建权重矩阵(5)地理距离权重矩阵根据各城市之间地理距离的倒数编制，既克服了二元邻接矩阵过于简单的缺陷，又避免了经济距离矩阵可能存在的内生性问题。城市之间地理距离公路里程数据来源于2014年《中国地图集》，根据经纬度坐标计算获得。，运用软件Stata 16对农村经济与数字普惠金融数据进行空间自相关检验，结果如表2所示。

表2 数字普惠金融与农村经济的Moran I指数

检验结果显示，Moran’sI值均位于[-1，1]区间且全部非零，此外通过了1%显著性水平检验，其正态统计量z值也均大于临界值(1.96)，这说明二者存在显著的空间自相关性，即各变量在地理空间上不是相互独立随机分布的，而是存在显著空间集聚现象。

四、计量结果分析与讨论

(一)空间溢出效应检验

在确定所选变量具有空间相关性后，需要验证选择空间杜宾模型的合理性。从现有常见的三种空间计量模型来看，空间误差模型(SEM)及空间滞后模型(SLM)可视为空间杜宾模型(SDM)的特殊形式。本文最适合采用哪种模型，需采用拉格朗日乘数(LM)检验及沃尔德(Wald)检验进行确定。依次对式(16)进行LM检验、沃尔德检验和豪斯曼(Hausman)检验，以确定动态空间计量模型的具体估计形式。沃尔德空间滞后(Wald-spatial-lag)值和LR空间滞后(LR-spatial-lag)值均拒绝了θ为零的原假设，沃尔德空间偏差(Wald-spatial-error)值和LR空间偏差(LR-spatial-error)值也拒绝了θ+δβ为零的原假设，这证明了选择空间杜宾模型的合理性，即不仅模型所选择的被解释变量存在溢出效应，解释变量也存在溢出效应，在对本地区的被解释变量产生影响的同时，也对相邻区域或地理邻近区域的被解释变量产生影响，同时豪斯曼检验结果表明固定效应模型更合适。

为更细致地探究数字普惠金融对农村经济增长空间溢出效应的区域异质性，本文将285个城市分为东、中、西三个地区(6)东部地区包括：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南；中部地区包括：山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北和湖南；西部地区包括：广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆和西藏。，并分别评估三个地区的空间溢出效应。为便于比较和检验引入动态模型的必要性和稳健性，本文还采用传统静态空间杜宾模型进行了估计。所得检验结果详见表3。

表3 空间溢出效应的检验

(二)结果分析

根据上文结果可知，对被解释变量时间滞后项系数显著性进行分析，并结合对数似然值及拟合优度(R2)来看，动态空间杜宾模型比静态模型拟合度更高，解释力更强。模型中，农村经济增长滞后一期的系数显著为正，说明农村经济增长在时间上存在明显的惯性效应，印证了前文假定的积累和马太效应，即上一期经济增长对当期经济增长具有同向作用效果。就本文考察的重点，核心解释变量数字普惠金融发展水平而言，其空间滞后项系数通过了显著性检验，这意味着普惠金融发展对于经济增长的影响，在空间上的确具有显著的扩散效应与溢出效应。

需要注意的是，鉴于空间杜宾计量模型的特殊性，其空间滞后项系数并不能直接用于说明空间溢出效应，因此，需要进一步通过偏微分求解并分解为直接效应与间接效应[25]。由于采用了动态空间杜宾模型，故而其直接效应和间接效应又可分为长期效应和短期效应。表4列出了空间效应的分解结果。

表4 空间效应的分解

由表4可知，全国总体样本的直接效应和间接效应均在1%～10%的水平下显著，说明数字普惠金融不仅对本地区经济增长产生促进作用，还辐射至周边地区而显现出明显的空间溢出效应。长期效应在多数情况下大于短期效应，这意味着数字普惠金融的发展具有长期累积效应，时间越长对于经济增长的影响效果就越大，其空间溢出作用就体现得越充分。

(三)区域异质性分析

从东中西三个区域的分区域计量结果来看，三个区域均表现出了较为明显的空间溢出效应。根据分解后的结果来看，三大区域空间溢出效应的异质性特征明显。结果显示，东部各城市数字普惠金融的空间溢出效应更强，系数最大，而中西部地区的直接效应和间接效应都弱于东部地区。可能是因为东部各城市多处于沿海发达地区，其数字普惠金融发展的环境优于中西部。具体包括：首先，就数字普惠金融发展最重要的网络条件而言，东部城市的信息基础设施建设较中西部地区有明显的优势。其次，东部地区较早引入了大数据、云计算、区块链等先进理念与技术方法。充裕的资金、夯实的硬件基础以及更超前的技术条件为信息流通扩散和金融专业知识传播提供支撑。此外，东部城市金融发展具备相对有利的环境，例如金融制度安排与政策扶持力度、数字普惠金融知识的储备与金融素养、金融规则的规范性等为数字普惠金融的发展提供了有利条件。再次，东部城市的新型金融人才流动更为频繁，金融知识传播渠道又更为便捷。与东部城市相对优越的信息传播环境相比较，中西部的信息尤其是数字普惠金融专业知识传播与扩散条件存在滞后性，数字普惠金融资源在良好的外部环境中更能发挥潜力及效率。为了验证本文实证结果的稳健性，采用传统空间杜宾模型检验对比可知(限于篇幅未列示具体结果)，影响系数除大小稍有变化外，其作用方向和显著性均无明显差异，验证了实证结果的稳健性。

五、中介机制检验

上文分析验证了数字普惠金融发展对农村经济增长存在空间溢出效应，但其具体作用机制如何有待进一步分析。从现有的文献研究脉络看，结合数字普惠金融的特有属性，数字普惠金融对农村经济增长的影响体现在以下两个方面：

第一，数字普惠金融通过支付渠道的创新与应用促进农村经济增长。首先，国家网信办发布的《数字中国发展报告(2021年)》显示，农村地区互联网普及率提升到57.6%。农村电子支付进一步推广，微信、支付宝等新型支付方式的不断普及，在一定程度上降低了农村居民的现金持有成本和交易成本[28]，促进农户市场参与行为[30]，促进农产品等电商产业的发展，加快农产品销售速度，在改善贫困群体生活状况的同时，促进农户增收、农业增产、农村经济增长。其次，高效便捷的支付方式也为农村地区吸引社会资本创造了条件，带动生态农业、智慧农业等农村新兴产业的蓬勃发展，催生新的就业岗位，完善农村基础设施建设，最终促进农村的全面发展[31]。最后，在农村地区，数字普惠金融不断将数字技术应用于金融服务中，尤其是支付工具和交易工具的革新大幅度降低了金融服务的边际成本，满足了居民支付、储蓄、转账等多种需求，为增加农村居民收入提供便利[32]。例如，迪图斯和克莱因(Dittus & Klein，2011)认为，如果肯尼亚M-PESA的成功案例可以在其他地区推广，那么通过信息和通信技术获得金融服务将是人们脱贫致富的关键[33]。

第二，数字普惠金融通过融资平台的创新与应用促进农村经济增长。一方面，数字普惠金融凭借大数据、云服务等通信技术，为农村居民提供了更加普惠便捷的金融服务，提高农户使用金融服务的意愿，同时其突破了金融交易时空同步的限制，创造出了更加多元化的金融服务内容，推动了农户投资理财数字化，将直接提高农户的投资意愿。另一方面，农户以及农村小微企业需要信贷资金的支持来实现自身的可持续发展，数字普惠金融通过降低抵押品要求和促进信贷服务创新，为农户以及农村小微企业扩大农业生产规模和拓展增收渠道提供融资渠道和平台[34]，为农村经济持续发展注入活力，如以花呗为代表的互联网信贷以及数字普惠金融催生出的众多融资平台和小额信贷渠道，能够有效缓解农村居民以及农村小微企业的流动性约束，更好地满足农户以及农村小微企业的扩大再生产需要，降低农业生产的不确定性，助推农村产业发展与经济增长。

本文借鉴巴伦和肯尼(Baron & Kenny，1986)[35]、张杰等(2016)[36]的中介效应检验方法，并考虑空间效应的影响，构建与前文基准模型一致的递归模型，以上述两条路径展开中介渠道检验，用以识别和验证数字普惠金融通过支付渠道和融资渠道影响农村经济的传导机制。中介效应模型可由以下三个公式表示：

lngdpit=τ1lngdpi，t-1+ρ0Wlngdpt+δ0Wlngdpt-1+

(17)

(18)

(19)

第一步，对式(17)进行回归，检验数字普惠金融的系数是否显著，如果显著，则进入到下一个步骤的回归，事实上这一步骤在前文中已经得到验证，可以省略；第二步，对式(18)进行回归，被解释变量Mit为中介变量，在本文中为支付创新和应用渠道与信贷创新和应用渠道，如果此式中数字普惠金融发展变量的系数显著，说明数字普惠金融发展会对上述中介变量产生影响；第三步，对式(19)式进行回归，依据检验结果可判断，如果数字普惠金融系数和中介变量系数均通过了显著性检验，且与式(17)相比系数值变小，表明具有部分中介效应；假如只有中介变量的系数通过显著性检验，那么表明具有完全中介效应。本文分别采用数字普惠金融深度指数中的支付和信贷两类业务指数，即支付使用指数(pay)与信贷使用指数(credit)作为两个中介变量的表征指标(7)数字普惠金融的支付手段与信贷工具，均可视为相对于传统金融的创新。因此，本文采用支付使用指数和信贷使用指数作为体现出创新水平的指标。，根据上述递归模型所得的检验结果如表5所示。

表5 中介效应的检验结果

表3展示了式(17)的检验结果，表5则列出式(18)、(19)的估计结果，关注两个中介变量的估计结果，并通过对比式(17)、式(18)、式(19)所得结果分析中介效应的性质。首先，当以支付使用指数作为中介变量计算时，表5中式(18)的参数估计结果显示，数字普惠金融发展的短期和长期直接效应、间接效应均显著为正，这再一次说明数字普惠金融发展不仅显著促进了本地区农村经济增长，而且对周边地区也具有明显的空间外溢效应。式(19)的参数估计结果显示，数字普惠金融发展的直接效应通过了10%的显著性检验，间接效应仅在长期通过检验而短期不显著；不仅如此，从参数估计值变化来看，在式(19)中数字普惠金融发展的直接效应、间接效应的系数值均明显小于式(17)，这说明数字普惠金融在促进农村经济增长过程中，支付使用指数具有部分中介效应的作用。其次，当以信贷使用指数为中介变量时，由表5可知，式(18)中数字普惠金融发展的相应估计结果也均在1%以上水平通过显著性检验。然而在式(19)中数字普惠金融的短期效应和长期效应均不显著，中介变量系数却显著，这意味着在以信贷使用指数为中介变量进行中介机制检验时，信贷使用指数在数字普惠金融带动本地区和邻近地区农村经济增长中，起到了完全中介作用。由此可知，数字普惠金融发展对农村经济的空间溢出效应的确能够借助支付创新途径和信贷创新途径得以实现，二者起到了部分或近乎完全中介效应的作用。

六、稳健性检验与内生性处理

(一)稳健性检验

为确保回归结果的可靠性，本文从替换控制变量、缩短时间跨度和剔除部分城市样本三个方面进行稳健性检验，稳健性检验的结果见表6。

表6 稳健性检验

第一，替换控制变量。模型(16)的控制变量人均耕地面积(lnlan)在静态模型和动态模型中均不显著，可以考虑将其剔除。同时，为了缓解遗漏变量导致的内生性问题，在原有模型基础上加入城镇化率和产业结构这两个新的控制变量进行稳健性检验。表6的结果显示，数字普惠金融(fin)与农村经济增长(农村gdp)具有显著正相关关系。

第二，缩短时间跨度。央行2016年颁布的《G20数字普惠金融高级原则》可视为中国“十三五”时期更加重视数字普惠金融发展的标志性政策文本，数字普惠金融发展可能会受该项政策的影响较大。因此，本文选择缩短时间区间，删除2016—2019年的数据，再次进行回归估计，用以检验前文回归结果的稳健性。

第三，剔除部分城市样本。各城市根据行政级别可划分为直辖市、副省级城市、非副省级省会城市和普通地级市，计算2008—2019年各行政级别城市数字普惠金融指数均值发现，各直辖市、副省级城市和省会城市的数字普惠金融发展水平明显高于普通地级市。然而，不同地区农村经济发展水平存在较大差异，直辖市、副省级城市和省会城市的农村地区经济发展水平远高于普通地级市。因此，本部分剔除了直辖市、副省级城市和省会城市样本进行稳健性检验。

比较表4和表6的结果可知，三种稳健性检验方法所得出的数字普惠金融指数的回归系数在符号和显著性方面均没有明显变化。稳健性检验结果表明，中国数字普惠金融的发展有利于促进农村经济增长。

(二)基于外生冲击的内生性处理

为克服可能由反向因果带来的内生性问题，本文采用“普惠金融”试点政策作为外生政策冲击，采用双重差分(DID)方法评估数字普惠金融的经济增长效应。中国政府2016年批准了第一批7个普惠金融改革试验区(8)第一批试点城市分别是河南省兰考县(2016年12月)、浙江省宁波市(2019年12月)、福建省宁德市和龙岩市(2019年12月)、江西省赣州市和吉安市(2020年9月)、山东省临沂市(2020年9月)，其中，山东省临沂市为普惠金融服务乡村振兴改革试验区。选择第一批试点城市的原因在于试点时间跨度较长，能满足准自然实验要求。，试点城市和地区积极服务和支持乡村振兴、民营小微企业发展。普惠金融改革试点为研究数字普惠金融的经济增长效应提供了一项良好的准自然实验。为验证“普惠金融”试点是否提高了农村经济总体收入和农村人均收入，本文设定多期双重差分模型进行检验：

lnYit=α0+α1Bctit+α2Cit+μi+γt+εit

(20)

式(20)中，lnYit为农村整体收入(lngdp)和农村人均收入(lnpgdp)；Bctit是“普惠金融”哑变量，如果城市i在t年被设立成“普惠金融”试点，赋值1，否则取0；其他变量与式(16)保持一致。

采用双重差分法的重要前提是样本满足平行趋势假设，即在政策实施前，处理组和对照组的被解释变量的变化趋势应该相同，则该对照组为合适的。为检验“普惠金融”试点设立前的平行趋势和观测试点设立后的影响，本文参考雅各布森等(Jacobson et al.，1993)[37]的做法，运用事件分析法做平行趋势检验。

鉴于样本中普惠金融试点设立前的时期较长，故而将政策实施前第8年以上作为基准组，得到了估计系数(α-8，α-7，α-6，...，α1，α2，α3)的大小与对应的90%置信区间，同时分析了被解释变量分别为农村整体收入(lngdp)和农村人均收入(lnpgdp)时“普惠金融”试点设立对农村经济发展的动态影响。结果(限于篇幅未详细列示)显示，“普惠金融”试点设立前的8年内，估计系数在90%的置信区间内基本都不显著，而政策实施当年与之后系数估计值均通过了10%水平的显著性检验，估计结果不但验证了平行趋势假设，而且表明政策效果在发生之后呈现逐渐上扬状态并具有持续性。值得注意的是，平行趋势检验也表明了政策存在时滞效应(政策实施后第一年系数出现了下降)。随后采用双重差分法估计“普惠金融”试点对农村经济增长的平均处理效应，结果如表7所示，进一步验证了前文的实证结果具备稳健性。

表7 “普惠金融试点”影响经济增长的双重差分估计

七、研究结论与政策建议

在乡村振兴与农业农村现代化改革的战略背景下，如何发挥数字普惠金融支农兴农的作用，既是学术界面临的重大课题，也是政府未来长期施政的重点方向。近年来数字普惠金融取得了长足发展，但是否如政策所期和理论所述对农村经济增长做出了应有贡献值得仔细研究。本文得出了如下结论：第一，数字普惠金融发展具有显著的经济增长效应，数字普惠金融发展与农业增产增收息息相关，数字普惠金融的发展有利于农村经济增长目标的实现；第二，数字普惠金融对农村经济增长的促进作用具有明显的空间外溢效应。数字普惠金融不仅能促进本区域经济增长，还能带动相邻地区经济发展，且其长期作用效果高于短期作用效果；第三，数字普惠金融对农村经济增长的空间溢出作用表现出明显的区域异质性特征。不论是促进本地经济的直接效应，还是促进周边地区经济的间接效应，东部地区表现得更为突出，其影响效应均高于中西部地区；第四，数字普惠金融对农村经济增长的空间溢出效应可以通过支付创新渠道与信贷创新渠道两条路径传导，二者均通过显著性检验，存在明显的中介效应。

基于上述结论，本文提出以下几点政策建议：

第一，大力发展农村数字普惠金融。数字普惠金融的发展对农村经济增长存在显著促进效应，然而，目前农村数字普惠金融发展水平与城市相比还有明显差距。因此，政府应将持续加大农村数字普惠金融投资作为积极财政政策的重要手段，重点围绕农村数字普惠金融发展的短板和薄弱环节加大投入力度，如农村地区数字化设施建设以及农村数字普惠金融素养培训教育等领域，打好农村数字普惠金融发展的根基，以发挥其对农村经济增长的促进作用。

第二，确保农村数字普惠金融政策的延续性，充分发挥区域空间溢出效应。数字普惠金融存在明显的空间溢出效应。因此，应从中央政府层面引导农村数字普惠金融提质增效，加强顶层设计，有序扩大普惠金融试点城市范围，以便充分发挥普惠金融试点城市对周围农村地区经济增长的促进作用，同时加强与其他相邻城市之间的合作与交流，强化区域间金融要素自由流动的平台和渠道，以促进金融知识、技术的溢出，保证数字普惠金融能够持续发挥对农村经济增长的空间溢出效应，推动区域经济协同增长。同时，数字普惠金融的长期效应优于短期效应，这就要求各级政府精心谋划，从农村数字普惠金融供需领域、发展现状以及资源禀赋条件等方面出发，制定和出台农村数字普惠金融长期发展规划和具体实施细则，完善数字普惠金融监管体系，使数字普惠金融政策的制定与实施具有连续性，从而破除金融信息和资源向农村流入的政策、制度和技术性障碍，引导金融要素流入农村信息化基础建设、农村电商等农村经济发展的重点领域和薄弱环节，从而提高农村数字普惠金融发展水平。

第三，实行差别化、动态化的农村数字普惠金融发展战略。东部地区数字普惠金融的空间溢出效应比中西部地区更突出。因此，东部与中西部地区在发展农村数字普惠金融时应各有侧重点。东部农村地区应注重农村数字普惠金融关键核心技术的创新攻关，充分发挥“示范效应”和“聚集效应”，引导数字普惠金融发展较好的产业向中西部农村地区转移，推动中西部农村地区传统涉农产业与数字经济相融合；中西部地区则应加快布局农村信息化体系建设，大力推进大数据、云服务、区块链以及5G技术等应用，通过降低数字经济使用门槛、加大数字金融人才培养和引进力度等政策扶持措施加快农村数字普惠金融发展速度，以逐步缩小与东部地区数字普惠金融发展差距，培育区域新的经济增长极，从而构建数字普惠金融与农村经济协同增长的长效机制。

第四，强化创新激励，提升农村数字普惠金融服务水平。数字普惠金融对农村经济增长的促进作用可以通过支付创新渠道与信贷创新渠道实现。因此，政府和银行等金融服务机构要强化创新激励，并通过提供延期支付、抵押品支付等服务促进支付渠道创新，以及开发推出“金融+龙头企业+农民专业合作社”“创业贷”“惠农贷”等融资模式和产品来实现信贷渠道创新，持续不断地提升农村数字普惠金融服务水平，从而提高农村地区数字化支付意愿以及多渠道融资能力，最终促进农村经济增长。