数字普惠金融对农村回流劳动力收入影响及解释①[基金项目]山东省社会科学规划研究项目“新生代家庭化迁移农民工城市生存压力评估及行动策略研究”（课题号：22CSHJ04）。

谭灵芝 张宇争 田诺澜 孙奎立

（1.重庆工商大学 人口发展与政策研究中心，重庆 400067；2.山东第一医科大学 医学管理学院，山东 泰安 271003）

1 引言

“十四五”时期是我国全面实现脱贫与乡村振兴有效衔接的过渡期，更是实现共同富裕的关键期[1]。近年来，在持续发力的脱贫攻坚、乡村振兴等政策推动下，农村劳动力回流呈明显增势。劳动力回流不仅引致产业、资金、技术等向农村地区流动，还进一步影响农村青少年高等教育入学率[2]、劳动力的空间供给差异以及劳动生产率[3]等；影响农村基础设施的改善、乡镇乃至县域经济的发展[4]，从多个维度影响农村地区高质量发展。尽管如此，我国农村地区劳动力向城市集中的趋势短期内并未改变。吸引劳动力回流需要回流地区产业及各种基础设施等的支持，需要各种社会资本和经济资本的保障，特别是需要各种金融要素的持续投入[5]。而现实中，概因农村地区劳动力普遍存在获得金融要素投入渠道狭窄、分布散、投资项目规模较小且存在较大市场风险、缺乏抵押物、信息不对称等问题，传统正规金融机构多难以向其提供资金担保和支持[6]。

随着我国数字经济的快速发展，数字金融因其高效化、包容性和普惠化为改变农村地区经济发展模式和农民收入增长提供了新机遇[7]。一方面，农村劳动力回流与乡村振兴存在内在逻辑，回流之后若想保证收入不减少，除依赖地区经济发展获得一定就业机会之外，是否得到金融机构支持，开展相关经济活动也是吸引农民工回流和推进乡村振兴的重要驱动力[8]。另一方面，数字普惠式金融能在一定程度上克服传统农村金融服务的极化效应，减缓金融服务的城市偏向，助力回流农民工获得经济活动的金融支持，实现收入增长，推进城市与乡村、经济发达和不发达地区共同富裕[9]。

但在农村地区相对封闭的经济发展环境下，数字普惠金融是否影响回流农村劳动力收入变动仍受制于金融系统的基本特征：第一，囿于资金和资本的逐利性，数字普惠金融边际成本与城乡金融边际收益份额分配难以完全匹配[10]；其次，金融排斥的存在致使数字普惠金融仍难以公平性和针对性的为低收入群体提供服务，机构对低收益业务仍存一定歧视[11]；第三，信息网络的外部性及金融市场的非均衡性，可能引致数字普惠金融服务更极端的两极分化，农村地区和经济不发达地区难以获得有效的金融投资[12]，数字普惠金融对提升回流农民工收入的影响作用可能极为有限。

相较于已有文献，本文的边际贡献在于：第一，数字普惠金融降低了农民工返乡创业的机会成本[13]，这种成本的降低可能显著提升农民工回流概率和收入增长的可能性。第二，本文从区域空间差异视角讨论数字普惠金融如何影响回流农民工收入。概因区域间经济发展基础和资源禀赋差异的客观存在，即使农民工回流也可能会选择省内高收入地区就业或创业，这种回流地区的内部差异也增加了数字金融的区域普惠异化，反过来会影响回流农民工收入增长的地区差异。本文将对这种区域空间差异及其影响进行分析，为数字普惠金融促进回流农民工收入增长，推进乡村振兴提供决策参考。

2 理论分析及假说提出

2.1 数字普惠金融支持下的回流农民工职业选择及其收入特征

数字普惠金融在一定程度上能提高回流农民工创业动力，增加收入，并带动当地就业及乡村经济或县域经济发展，更多地回流农民工也能获得就业机会[14]。

第一，在推进共同富裕和实现乡村振兴背景下，发展数字经济必然对突破城乡藩篱、缩减城乡社会经济差距等产生推动作用。研究者认为数字普惠金融改变了农村长期存在的以社会网络为核心的同乡或者亲戚间民间借贷模式[15]。在农村地区相对封闭的经济发展环境下，数字普惠金融因其低成本、便利性等特征避免了金融服务农业农村的“最后一公里”的梗阻现象[16]，拓宽了农村劳动力的就业渠道和创业机会，实现了金融支持与农村劳动力收入增长的融合。更因数字普惠金融的网络效应，进一步提高了数字普惠金融平台的聚集和规模效应，也提高了各级政府对回流农民工创业和就业的支持力度。习近平总书记也多次强调要把握数字经济对实体经济的放大、叠加及倍增作用，以数字普惠金融支持作为乡村振兴的“牛鼻子”。在上述政策推动下，数字普惠金融可为回流农民工提供更好的创业及就业环境，实现收入预期增长。由此，本文提出：

H1：数字普惠金融能通过改变传统金融环境，推动回流农民工创业，增加就业机会，提升回流农民工收入。

其次，从理性经济人角度，农村劳动力回流的关键要素是实现回流后总收入增加。而实现经济收入增加需要有一定数量的资金支持进行创业活动或回流地有足够的就业机会。但传统金融对回流农民工的创业与就业选择均难以实现良好的金融服务。依靠自有资金或民间借贷均极大的增加了创业项目的失败风险[17]。若一个城市中小微企业的缺乏，对劳动力的吸纳作用也偏弱。另一方面，返乡农民工多拥有丰富的务工经验，更易吸收和利用最新的信息和技术，其创业项目在一定程度上甚至可以改变当地产业形态和结构，并可能成为吸纳回流劳动力就业的蓄水池。数字普惠金融引进之后，对创业农民工类型的识别能力增加，数字普惠金融能帮助回流农民工充分发挥自身能力、利用乡村资源优势开展创业及就业活动提供更为快捷的融资通道。同时与大数据及信息化技术结合，对回流农民工创业项目从立项、成本、经营等情况全程监测，并根据农民工类型、农民工创业等实际情况变化进行资金投入规模和投资方式的调整，降低风险。不受地域限制，规避信息茧房的数字普惠金融可以成为回流农民工创业就业和收入增长的重要“拉力”。综上提出：

H2：数字普惠金融具有就业带动效应，数字金融能够通过促进地区创业活跃度的提升，进而带动就业增加，提升回流农民工收入增加的可能性。

H3：数字普惠金融能减少信息不对称，增加回流农民工就业和创业机会，提高回流农民工总收入。

2.2 数字普惠金融对农民工回流收入变动的区域空间差异影响

数字普惠金融对农民工回流收入变动产生直接和间接影响，这种影响又因金融体系自身存在的非均衡性而产生空间溢出效应：首先，数字普惠金融对农村回流劳动力收入变动的影响因回流地社会经济水平差异表现明显的空间异质性。对于经济相对发达地区，其资本通常较为充沛，数字普惠金融对其影响有限。相同的数字金融平台可能使得经济落后地区回流劳动力获得更多的金融支持。第二，地方政府支持政策的差异也会影响不同地区回流农民工收入结构及变化。第三，数字普惠金融对农民工回流的影响与其所处地区的产业结构、发展战略等影响因素密切相关。近年来，中部地区、西南地区受益于东部地区产业转移及自身劳动密集型和资金密集型产业的迅速发展，吸引了大量农民工返乡创业。东部地区资金能通过数字金融平台低成本进入这些地区，为回流农民工提供了丰富的资金支持，缓解了返乡农民工在重新择业过程中的信贷约束，提高了其回流后收入增长可能性。第四，我国各地的自然条件存在较大差异，对农民工回流之后的职业或创业项目选择有较大影响。从目前回流的地理区域分布看，平原地区和自然及气候条件良好的地区仍是农民工回流的主要目的地。最后，数字普惠金融提高了农村地区和农业经济部门的资金可得性。为地区经济均衡化发展和农民工回流的地区均质化分布提供相应的金融资本。并借助数字普惠金融的大数据优势，对临近地区回流农民工收入增长产生空间溢出影响。基于上述分析，本文提出：

H4：受制于地区间经济结构、产业结构和政府政策、地理条件等诸多因素的影响，数字普惠金融对农民工回流收入影响存在显著的地区空间差异。

3 研究方法及数据来源

3.1 数据来源

本文将数字普惠金融指数与中国劳动力动态调查进行匹配作为实证分析数据集。具体包括三部分：一部分是数字普惠金融数据。该数据主要来自于北京大学数字金融研究中心发布的“数字普惠金融指数”，定位在地级市级别。另一部分来自于中山大学发布的2014 年和2016年CLDS数据。本文定义回流农民工为曾离开户籍所在地，回到家乡半年及以上的16-64岁农村户籍劳动力，且近期没有打算离乡就业或创业的农民工[18]。第三，社会、经济等宏观数据主要来自于中国统计年鉴。剔除部分微观个体特征数据缺失样本，两个年度共获得有效样本量2334个。

3.2 变量选取及说明

被解释变量：家庭层面的年个人收入，个人收入分解为农业收入，工资收入和经营收入。数据来自于 CLDS 数据库中的个体问卷。

解释变量：数字普惠金融指数。根据郭峰等（2020）[19]，对主要指标进行标准化处理、确定权重、指数合成，以及无量纲化处理等，最后形成覆盖广度、 使用深度和数字化程度的数字普惠金融指数。为便于更清晰的分析回归结果，本文将数字普惠金融指数做对数化处理。此外，本文使用了市级数字普惠金融指数，主要反映市级层面的数字金融覆盖、使用和服务情况。同时计算金融资源配置能力。

中介变量：根据影响回流农民工收入的主要宏微观因素，选择金融资源动员能力探讨地方金融支持对回流农民工收入的影响渠道；借助回流后职业选择分析数字普惠金融对不同职业收入影响；利用注册资本/投入资金来源中提供帮助的群体类型衡量回流农民工社会网络。

控制变量：基于CLDS问卷，本文控制了个人和家庭特征、城市社会经济特征、地理因素和行业固定效应及年份固定效应等。表1给出了相关变量描述性统计分析结果。

表1 变量及描述性统计

3.3 模型构建与内生性讨论

根据已有文献，结合本文研究目的，构建基准回归模型如下：

式（1）中，Y为被解释变量，代表回流劳动力总收入，i代表回流劳动力所在城市，t表示研究年份。β1为数字普惠金融对回流农民工收入影响的估计系数。Cit为数字普惠金融指数（包括覆盖广度、使用深度及数字化程度）。X为一系列控制变量，包括家庭及个体特征、城市社会经济特征及地理特征等。δi为省份固定效应，γi则为时间固定效应，εit为随机干扰项。μit为回流劳动力随时间变化的不可观测值。若μit与数字普惠金融指数存在相关性，则会因为遗漏变量而产生内生性问题。为避免内生性问题，采用混合效应模型、随机效应模型及固定效应模型分别进行分析。BP检验和Hausman检验发现，固定效应模型更为合适。鉴于不同行业间收入差可能较大，模型同时控制了行业固定效应。

进一步，为验证假说H1和H2，借鉴郭沛瑶和尹志超（2022）[13]，构建如下模型：

式（2）和（3）中，Mit为中介变量，包括政府金融资源动员能力、社会网络及职业选择。若式（2）中的α1和式（3）φ2均显著，则可以说明数字普惠金融能通过中介变量Mit影响到回流农民工总收入。若α1和φ2不同时显著，则并不存在中介机制。

如前所分析，在一个传统金融相对不发达地区，回流农民工自身能力、资金和信息水平等可能更易于影响数字金融使用的广度、深度及覆盖度。如何消除这种反向因果关系，以回流农民工所在城市与杭州球面距离作为工具变量进行分析。具体原因见郭沛瑶和尹志超（2022）[13]。

4 实证结果及分析

4.1 数字普惠金融指数对回流农民工收入影响分析

表2为式（1）回归结果。第1列控制了省份及时间固定效应。列（2）为加入了家庭及个体特征变量、社会经济特征变量及地理特征等控制变量。列（3）为引入回流农民工所在城市与杭州地区球面距离的工具变量分析结果。从第（1）列回归结果可见，数字普惠金融指数对回流农民工收入影响在1%统计水平下正向显著，指数每提高1%，回流农民工收入增长0.1324%。为检验工具变量的强弱，采用两阶段工具变量估计，结果发现第一阶段F值为4495.34，大于10%偏误下的临界值为10，不存在弱工具变量，工具变量选择合理。列（3）估计结果可见，数字普惠金融指数对回流农民工收入影响为正向显著(p＞0.01)。

表3 列（1）-（4）分析了数字普惠金融三个维度指数（覆盖广度、使用深度及数字化程度）对回流农民工收入的影响结果。表3估计系数显示，数字金融三个维度指数均能显著提升回流农民工的收入。三个维度指数均在1%统计水平下正向显著。其中覆盖广度的影响最为显著，说明数字普惠金融对回流农民工收入增长的渠道和方向覆盖程度越广，回流农民工收入增长越快。可能的解释在于：受制于传统金融渠道过于狭窄和定向投入等问题，更为广泛适用领域的数字普惠金融能使回流农民工更易于在多个领域获得金融支持，一定程度上避免创业产业扎堆现象，降低因为同质化而产生的过度竞争问题，也在一定程度上实现了回流地区的产业多样化，吸引更多回流农民工实现就业。此外，根据表2中回归结果可知，能获得正规金融机构贷款的群体更易获得收入提升。因此，借鉴何婧等（2021），进一步采用金融资源配置能力考量其对回流农民工收入的影响[22]。根据表3第（4）列估计结果，金融资源配置能力越强，回流农民工收入越高。即良好的金融资源配置能力能积极推动回流农民工各类创业活动，也能给本地企业发展造就良好的金融支持环境，引导企业发展的同时吸纳更多回流劳动力。

表2 数字普惠金融指数对回流农民工收入影响回归分析

表3 数字普惠金融三个维度指数对回流农民工收入的影响

4.2 数字普惠金融影响回流农民工收入的区域空间差异

根据《2020年农民工监测调查报告》，我国东部地区，特别是长三角及珠三角地区回流农民工收入更高，并会通过信息、技术及资金的外溢向邻近地区扩展，引致湖南、湖北和安徽等地区回流农民工收入较之其他中西部地区为高。近年来，中西部地区劳动力回流速度和总量正逐渐超过东部地区。在此背景下，数字普惠金融可能会改变传统金融的区域空间影响。为此，将我国地理区域分为东中西部地区，以及东北、西北、华北、华中、华东、华南、西南七大区域。同时根据我国经济发展重心变化，进行南北对比②东部是指北京市、辽宁省、天津市、河北省、上海市、江苏省、浙江省、福建省、山东省、广东省，中部指黑龙江省、 吉林省、山西省、安徽省、江西省、河南省、湖北省、湖南省，西部是指内蒙古自治区、广西壮族自治区、重庆市、四川省、 贵州省、云南省、陕西省、甘肃省、青海省、宁夏回族自治区和新疆维吾尔自治区。 以秦岭淮河为界划分为北方（山东省、河南省、山西省、陕西省、甘肃省、青海省、新疆维吾尔自治区、河北省、天 津市、北京市、内蒙古自治区、辽宁省、吉林省、黑龙江省、宁夏回族自治区），南方（江苏省、安徽省、湖北省、重庆市、四 川省、云南省、贵州省、湖南省、江西省、广西壮族自治区、广东省、福建省、浙江省、上海市）。东北（黑龙江省、吉林省、辽宁省）、西北（陕西省、甘肃省、青海省、宁夏回族自治区、新疆维吾尔自治区、内蒙古自治区）、华北（北京市、天津市、山西省、河北省）、华中（河南省、湖北省、湖南省）、华东（上海市、江苏省、浙江省、安徽省、江西省、山东省、福建省）、华南（广东省、广西壮族自治区）、西南（重庆市、四川省、贵州省、云南省）。。具体在表（2）基准回归基础上，对回流农民工收入与不同地区进行交互项分析，在控制了其他变量之后，最终回归结果见表4。

从表4可知，数字普惠金融对我国不同区域回流农民工收入影响存在显著差异。从表4第（1）列可以看出，以西部为参照区域，数字普惠金融指数系数为0.0875，且在1%统计水平上正向显著。数字普惠金融指数与东部地区、中部地区交互项系数均为正向显著（p＞0.01），其中东部地区数字普惠金融对回流农民工收入正向激励作用最显著，系数绝对值为0.4382，中部地区则为0.3277。即东中西部地区数字普惠金融对回流农民工收入变化均产生正向影响。南北方地区对比与上述结果一致。如第（2）列所示，以北方地区为参照区域，数字普惠金融指数系数为0.0427，南方地区与数字普惠金融指数交互项系数为0.6869，二者系数绝对值为0.6442。该结果表明，较之北方地区，南方地区数字普惠金融对回流农民工收入影响更为显著。上述结果与我国GDP分布基本一致，南方地区相对良好的市场环境、更为灵活的政策环境、较为发达的第三产业以及相对优良的地理位置等，加之南方地区多聚集了传统劳动力流出大省，数字普惠金融在南方地区覆盖广度和使用深度及服务支持程度较之北方地区更强。第（3）列完整汇报了七大地理区域的回归结果。以东北地区为参照区域估计结果可知，在东北地区，数字普惠金融指数每增长1%，回流农民工收入增长0.0029%。西北、华北、华中、华东、华南和西南地区，数字普惠金融指数对回流农民工收入影响均正向显著，其中华中地区最高、西南地区次之，西北地区也相对较高。华中地区和西南地区自改革开放以来即为主要农民工流出地。近年来，在国家区域一体化经济发展政策驱动下，以成渝地区双城经济圈和中原城市群为核心的经济圈层使其成为我国新的区域经济增长点，更为宽松的数字普惠金融环境成为吸引两地劳动力回乡创业和就业，提升回流后收入增长的重要因素。需要注意的是西北地区，数字普惠金融指数的影响也较为显著，可能原因在于西北地区相对落后的社会经济基础，传统金融缺乏支持回流农民工创业和再就业的能力，数字化普惠金融“成本低、速度快、覆盖广”等特点则能较好的突破这种限制。加之西北地区国家发展战略的调整，数字普惠金融能更大限度的支持国家在西北地区大力发展新能源、大农业，也因此吸引更多的劳动力返乡就业。这种地区异质性主要根源于产业结构、国家发展战略和政策环境等差异。

表4 数字普惠金融对回流农民工收入影响空间异质性-区域异质性

调查发现，农民工回流之后多会选择省会城市或经济相对发达城市[24]，数字普惠金融的影响在经济水平不同的城市也可能存在较大空间差异。按照最新城市划分排名，将城市划分为一线、新一线、二线城市；三、四五线及其他城市两组。表5的实证结果显示一线、新一线及二线城市的数字普惠金融影响更为显著，指数每增加1%，这些城市的回流农民工收入增长0.3619%。而三、四、五线城市及其他城市则在10%统计水平上正向显著。这与资本、资金、技术、产业、信息等集聚及流动方向基本一致。表4和表5回归结果均验证了假说H4，即数字普惠金融对回流农民工收入影响存在显著的区域空间异质性。

表5 数字普惠金融对小微企业创新影响——城市异质性

4.3 影响机制检验

数字普惠金融让更多的弱势群体有机会获得现代金融服务，因此，对回流农民工而言，政府金融支持是推动其回流的重要动力，为回流农民工提供一定程度的金融保障。根据表6第（1）列估计结果显示，数字普惠金融指数每增加1%，政府金融资源动员能力提升1.734%。即数字普惠金融能增加地方政府资金融资规模，减少从业人员数量及资本存量。对比列（2）及列（3）加入金融资源动员能力变量前后可知，列（3）中，金融资源动员能力系数为正（p＞0.05），说明金融动员能力能显著推动回流农民工收入增长。作为现阶段变革式的金融服务方式，数字金融重构了传统金融资源配置方式。对于融资规模较小的地方政府，其能通过数字普惠金融平台获得更多的资金来源。原有的存量资本通过数字技术和金融科技创新，可以提升贷款的精准性、快捷性和广泛性，加速存量资金的转化，改善回流农民工金融支持外部环境。回流农民工收入有可能增长，也因此提升其回流意愿。前文假说H1得到验证。

表6 政府金融支持影响机制的检验结果

研究发现，农户收入流动性增加一定程度取决于其职业选择的结果。但这种职业选择也受制于金融渠道是否畅通。为此我们检验数字普惠金融对回流农民工不同职业选择的影响。在控制了其他变量之后，表7第（1）列回归结果显示，数字普惠金融指数每增加1%，创业群体收入增长0.5391%，受雇佣群体收入增长0.2172%。第（3）列和第（5）列、第（4）列和第（6）列的结果均表明数字普惠金融能明显提升回流农民工收入，且对创业群体收入影响更为显著。数字普惠金融通过信息共享消弭信息鸿沟，回流农民工可以更快的方式获得资金实现自己创业目标，并在获得一定收益后能继续通过增加资金、技术和人力资本等生产要素投入扩大经营规模，提高收入增长可能性。在良好的金融环境下获得发展的中小微企业，也在一定程度保障受雇佣劳动力能更方便的在回流地重新就业。即数字普惠金融传递了收入增长的积极信号，助推回流农民工收入获增。前文假说H2得到验证。

表7 职业选择影响机制的检验结果

对农民工而言，社会网络是其获取信息、技术和资本的重要渠道，影响其职业选择或创业项目，实现收入增长。为此本文进行社会网络影响的中介效应检验（表8）。根据表8列（1）回归结果可知，数字普惠金融扩展了回流农民工的社会网络。第（2）列与第（3）列为加入了社会网络变量之后的对比结果证实，回流农民工社会网络越广，其对回流农民工收入影响越显著。上述结论证明社会网络能通过外部影响促使数字普惠金融推动回流农民工收入增长。数字普惠金融依托互联网及数字化的金融创新对个人信息和资金安全性要求更高，创业者及求职者更易于在其增加社会信任感。在相互信息交流过程中，回流农民工之间，以及其自有的社会网络均更易便捷方便的交流经验、信息和技术等，甚至形成获益网络，比如通过短视频、直播等方式互相支持，最终扩展了收入增长渠道，提高收入增长的可能性。验证了假说H3。

表8 社会网络影响机制的检验结果

5 稳健性检验

5.1 更换计量方法

为检验上述结果的稳健性，考虑到存在回流之后收入为0的被调查样本，采用Tobit进行回归分析。表9估计显示，在更换了分析方法之后，数字普惠金融指数、三个维度指数及金融资源配置能力等为正向显著。证明上述结果是稳健的。同时本文对回流农民工收入上下缩尾5%、10%，结论依然稳健。

表9 数字普惠金融对回流农民收入影响（更换计量方法）

5.2 基于群体差异的稳健性检验

表2回归结果可知，个体及家庭社会经济特征会极大影响其收入水平。基于此，本文选择样本家庭收入，将其从低到高排序等分为5个组，与数字普惠金融指数构成交互项进行回归分析。由表10回归结果可知，较之家庭收入最低的20%样本，数字普惠金融对家庭收入在40%-80%上下的回流劳动力群体收入影响更为显著。收入低于40%及高于80%的被调查样本，数字普惠金融影响相对较小。根据表10列（2）受教育程度与数字普惠金融指数交互项回归结果，以初中及以下为参照组，相较于高中及以下学历的回流农民工群体，学历大专及以上被调查样本更易受到数字普惠金融的影响而获得较高收入。相对于16-30岁回流劳动力，年龄在30-45岁被调查样本影响更为显著，对年龄在45-64岁群体受数字普惠金融影响显著为负。参考曾湘泉及郭晴（2022）[18]，将儿童抚养比分为高和低两类，表10第（3）和（5）列分别将数字普惠金融指数与性别、数字普惠金融指数与儿童抚养比等构建交互项进行回归，结果发现高儿童抚养比的群体更倾向于利用数字普惠金融的优势获得更高的收入以支撑其抚育子女的需求。男性回流群体收入更易受数字普惠金融影响。结论与表2估计结果一致，表明结论是稳健的。

表10 数字普惠金融对回流农民工收入影响（基于群体差异性）

6 结论及政策建议

数字普惠金融能否包容性和公平性的保障所有群体获得现代金融服务，实现收入增长仍需进行实证检验。本文将数字普惠金融指数与2014年和2016年CLDS中 回流农民工个体数据进行匹配，探讨数字普惠金融对回流农民工收入的影响结果与影响机制，得出以下结论：

第一，数字普惠金融对回流农民工收入呈正向显著性影响。数字普惠金融指数每提高1%，回流农民工收入增长0.132%。个体特征变量显示，数字普惠金融对男性、已婚、高受教育程度及心理和身体素质较好的群体呈现正向显著性影响。社会经济特征变量显示，数字普惠金融对拥有较高人均GDP以及合理产业结构地区的回流农民工收入增长影响更为显著，拥有良好的教育和医疗等公共服务能力的地区也具有同样的效果。此外，较之山地和丘陵地区，数字普惠金融更倾向于提升平原地区的回流农民工收入。

第二，数字普惠金融三个维度指数（覆盖广度、使用深度及数字化程度）估计结果显示，覆盖广度回归系数每提高1%，回流农民工收入增长0.1679%，而使用深度和数字化程度的回归系数分别为 0.1003和0.0736。即覆盖广度影响更为显著。此外，一个地区高金融资源配置能力能更好的提升回流农民工收入。

第三，我国数字普惠金融对回流农民工收入影响表现为显著的地区空间差异性。数字普惠金融对东部地区回流农民工收入影响最为显著，其次是中部地区。南方地区的影响高于北方地区。七大地区(东北、西北、华北、华中、华东、华南、西南以东北地区）中，华中地区、西南地区和西北地区回流农民工收入更易受到数字普惠金融的影响。较之三、四、五线城市及其他城市，一线、新一线及二线城市的数字普惠金融影响更为显著。上述结果与区域人口流动、地区经济发展水平和国家宏观产业政策变动结果基本一致。

第四，中介影响机制结果显示，数字普惠金融通过政府金融资源动员能力、回流农民工职业选择和社会网络等中介变量影响回流农民工收入，并均为正向显著性影响。通过更换计量分析方法，群体差异稳健性分析等，证明实证分析结论是稳健的。

根据上述结论，并结合我国现阶段数字普惠金融发展实际，提出如下政策建议：（1）中央政府应基于政策顶层设计，提升区域之间数字普惠金融服务和金融供给能力的均衡性。同时正视区域之间数字普惠金融存在差异的现实性，根据地区社会经济发展、资源禀赋和人口流动等现实特征，对数字普惠金融进行有序动态调整和建设。特别需关注数字普惠金融发展缓慢地区，应通过完善平台建设和推广，加强区域间合作，以信息、资源和资金共享等方式拓宽金融支持渠道，以专门性政策支持带动落后区域数字普惠金融的发展。区域之间应加强信息平台合作共享共建，以金融要素的聚集与外溢，促使发达地区带动不发达地区，以此实现数字化普惠金融对各类群体收入增长的无差别支持。（2）地方政府应以数字普惠金融支持作为回流农民工创业、就业的新渠道。借助大数据、云计算等信息平台构建适合本地农村社会经济发展实际、农村回流劳动力特征及地方产业特点的数字普惠金融系统。以数字普惠金融打破传统资金流动产生的资源流动及分配不均衡现象，降低回流农民工返乡创业就业的机会成本，提高实现收入增长的可能性。同时通过大数据平台的分析评测，加强数字金融平台对回流农民工创业项目实现精准投放、精准追踪，以高金融服务质量实现回流农民工创业、就业与地区区域经济和产业结构深度融合。同时需加强风险严控，最终通过合力实现回流农民工收入增长预期。（3）通过金融知识和互联网信息技术的培训，全面提升回流农民工数字金融素养，促使回流农民工实现金融知识与数字化网络信息的充分融合。引导回流农民工正确使用数字金融平台，通过数字金融平台丰富资金需求群体的资金来源渠道，实现金融服务与个体需求的无缝对接。此外，仍需重视数字普惠金融所具有的传统金融服务的特性，如金融排斥和金融服务极化效应等，在制定区域性或有目标针对性数字普惠金融服务或金融产品时，应充分赋予数字技术普惠功能，通过数字技术推动普惠金融更多地为弱势群体和经济不发达地区社会经济发展提供专有服务。这也是数字普惠金融推动回流农民工收入增长的意义之一。