共同富裕视角下数字普惠金融对农户收入的影响——来自黄河流域中上游地区的证据

薛凯芸，王越，胡振

（西北农林科技大学经济管理学院，陕西 杨凌 712100）

2020年中华民族千百年存在的绝对贫困问题得到彻底解决，全面建成小康社会“第一个百年奋斗目标”如期实现。党的十九届五中全会对全面建成社会主义现代化强国“第二个百年奋斗目标”作出了重大战略部署，提出到2035年“全体人民共同富裕取得更为明显的实质性进展”。共同富裕是社会主义的本质要求，是人民对美好生活需要的重要内容[1]。推动经济社会发展，归根结底是要实现全体人民共同富裕[2]。改革开放以来，居民人均年可支配收入持续增加。然而，当前我国发展不平衡不充分的问题仍然突出，居民收入差距较大，存在陷入“中等收入陷阱”的潜在风险。巩固脱贫攻坚和促进共同富裕，最艰巨最繁重的任务仍在农村地区[2]，尤其是中西部欠发达地区。黄河流域是我国人口活动和经济发展的重要区域，其综合经济发展水平同长江流域存在明显差距。同时黄河流域地区农户收入水平较低，大部分区域低于全国平均水平，存在很大提升空间。尽管我国已经消除了现行标准下的绝对贫困，但是欠发达地区经济发展相对落后的情况并未根本改变，仍可能由于金融排斥增加返贫风险。因此，重点关注黄河流域地区，持续增加低收入群体收入，不断缩小群体间收入差距，是扎实推进共同富裕过程中亟待解决的关键问题。

普惠金融（inclusive finance）由联合国于2005年正式提出，是指可以全面地为社会各阶层，尤其是为中小微企业、贫困人口等弱势群体提供有效的金融服务。网络技术的创新及应用范围的扩大，赋予了普惠金融全新的内涵与形式，数字普惠金融应运而生。近年来，国内外学者使用多种研究方法、从不同视角探究了数字普惠金融与收入增长、贫困减缓和收入分配间的关系，其结论主要可归纳为三种观点：一是收入增长效应。数字普惠金融具有更强的时空穿透力和低成本优势，有助于改善传统金融在促进农户增收方面的不足[3]。对此，学者们研究发现数字普惠金融可以显著促进弱势群体尤其是农村低收入群体的家庭收入[4]。张林[5]以贫困县和非贫困县为研究对象，发现数字普惠金融对农村居民人均可支配收入均具有显著的促进作用，并且在非贫困县中作用更明显。王永仓等[3]基于数字金融需求方的视角，利用大样本农户家庭数据研究发现，数字金融使用能够改变农户收入结构，促进家庭总收入增长。二是贫困减缓效应。数字普惠金融通过创新储蓄、信贷和支付手段，提高金融产品和服务可获性、降低金融交易成本和缓解信贷约束等途径有效缓解居民贫困[6-7]；并且不同阶层和群体并非平等地获益于数字普惠金融发展。如Mohammed等[8]利用多个国家低收入家庭数据研究发现，普惠金融通过向穷人提供净财富和更多福利显著降低贫困水平。黄倩等[9]指出贫困群体能够较富裕群体从数字普惠金融发展中获益更多，收入比较会激发贫困家庭利用金融资源来改善财务状况和积累人力资本[10]。三是收入分配效应。在考察数字普惠金融与居民收入水平关系的基础上，相关研究指出数字普惠金融能够改善不同群体间收入分配、缩小收入差距[11]。宋晓玲[12]利用泰尔指数计算中国各省城乡居民收入差距，得出数字普惠金融发展能够显著缩小城乡居民收入差距。此外，也有诸多学者基于基尼系数研究国家层面的收入不平等，发现普惠金融对改善收入不平等具有积极作用[13-14]。

综上，通过文献梳理发现，学界先贤已经对数字金融和收入方面做了不少探索，但仍存在值得探讨的地方：从研究视角来看，既有文献虽有涉及数字普惠金融与增收减贫、收入分配等方面研究，但较少系统性地将减贫增收和收入分配纳入以共同富裕为目标的统一分析框架，聚焦微观农户家庭，探究数字普惠金融发展在其中发挥的作用；从研究数据来看，以往文献中数字普惠金融指标常用省级、市级层面数据反映区域的数字金融发展情况，本文则细化到了县级层面，更细致地检验县域数字普惠金融发展对农户收入的影响效应；从研究内容来看，目前鲜有研究从产业结构变迁入手，探究数字普惠金融影响农户收入的中介效应和传导路径。鉴于此，本文基于共同富裕的视角，利用黄河流域中上游地区6省11县（市、区）1 260个农户的实地调研数据，运用OLS模型和Probit模型探讨数字普惠金融对农户收入增长和相对贫困减缓的影响，通过分位数回归法分析数字普惠金融对农户收入分配的影响，并且采用中介效应模型探讨产业升级在数字普惠金融增收效应中所发挥的作用，为推进黄河流域中上游地区数字普惠金融发展，助力农户减贫增收和收入分配进而促进共同富裕提供科学依据。

1 理论分析与研究假说

1.1 共同富裕视角下数字普惠金融与农户收入的关系

共同富裕是社会主义的根本原则与本质要求，是人民群众的共同期盼[2]。马克思主义共同富裕理论是对早先空想社会主义的批判性继承，提出了在理想的社会主义和共产主义社会中“生产将以所有的人富裕为目的”，并且深刻揭露了资本主义两极分化特质，即社会极端贫富差距现象：一边是财富积累与集中，一边是贫困加深与恶化。共同富裕中“共同”要求使发展成果公平地惠及全体人民，消除两极分化；“富裕”意味着居民生活变得更加美好。这就需要一方面社会消除绝对贫困、全体人民均达到富裕水平；另一方面，群体收入差距处于合理区间[15]。因此，提高居民收入水平和改善收入分配是实现全体人民共同富裕的重要着力点[1,16]。

1）数字普惠金融对减贫增收的影响。由于地理环境、社会地位等方面原因，低收入群体和弱势群体通常囿于其收入水平或财富规模的限制被优质金融资源排斥在外，难以有效满足自身金融需求。特别是，在农村地区正规信贷约束普遍存在，突出表现为农户“融资难、融资贵、融资久”[17]。在此背景下，农户往往较容易陷入贫困循环陷阱，而普惠金融可以打破这一恶性循环[18]。“数字化+普惠金融”通过互联网、物联网、大数据、云计算和人工智能等新一代信息技术促进普惠金融转型升级，能够降低金融交易门槛与成本、促进信息流通与价格发现、增强风险控制能力、扩大金融服务范围和触达能力，大幅提高了低收入群体和弱势群体金融服务的可得性与便利性[19-20]。由此看来，数字普惠金融利用现代化信息技术拓展了农村地区金融发展的广度与深度，有效地为农户提供所需金融服务和产品，缓解低收入群体和弱势群体融资约束，促进其收入增长。一方面，居民拥有金融账户并频繁使用，能够释放其消费与投资潜力，有效改善当地经济发展，优化居民社会保障、就业创业、医疗和教育等条件，进而为更多居民提供可持续发展机会，最终促进居民收入增长[21]。另一方面，良好的金融发展环境为低收入群体创造了共享经济发展红利的机会，有效提升居民金融素养与风险防范意识，优化家庭投资、储蓄、负债和消费等金融行为。金融素养的提升，使其有更稳固的经济条件进行加强教育、分散投资、购买保险和看病治疗等一系列活动，从而防止因抵御风险能力的欠缺与薄弱再次返贫。因此，农村地区数字普惠金融发展能让更多农户享受到金融服务和产品，使其通过从事生产活动、投资金融产品和提升个人能力等途径提高家庭收入，降低家庭相对贫困发生的可能性。基于此，本文认为数字普惠金融能够促进农户收入水平提高，并降低农户相对贫困发生率。

2）数字普惠金融对收入分配的影响。传统金融所表现出的“嫌贫爱富”是由金融自身逻辑所决定的，即在信息不对称条件下“挑客户、设门槛、索抵押”追求商业可持续[22]。这种“嫌贫爱富”的本性使得金融服务具有一定的排斥性，当农村地区、低收入群体等被排斥在外的时候，可能会加剧居民贫富差距。此外，传统金融通过在各个地区设置机构网点提供金融产品与服务，容易受到成本、交通等因素限制，使金融网点难以深入到偏远、欠发达地区，造成金融排斥中的地理排斥，金融机构和消费者间信息不对称程度更为严峻。发展农村地区数字普惠金融是为了解决金融排斥问题，推进金融包容性发展，实现全体人民共享经济成果。具体地，数字普惠金融对收入分配的影响表现在两个方面：一是数字普惠金融能够帮助落后地区积累资金。相较于传统金融服务，数字普惠金融利用数字技术使客户可以通过手机等智能终端设备，获得自身所需金融产品与服务；拓展金融服务覆盖广度和深度，使得偏远、欠发达地区的微观经济主体也能享受到便捷的金融服务。二是数字普惠金融将给予低收入群体更多的增收和发展机会。一方面，降低了客户准入门槛，使得金融服务更具普惠性[23]；另一方面，有利于提高低收入群体内生发展能力，譬如增加金融知识、积累社会资本等。基于此，本文认为数字普惠金融具有包容性特征，对低收入群体的收入增长促进作用更明显，可以有效缩小收入差距、改善收入分配问题。

1.2 产业升级的中介作用

产业振兴是乡村振兴战略实施的首要任务，是扎实推进农民农村共同富裕的重中之重[24]。乡村产业以县域为基本单元，以农民为主体，能够有效促进当地就业创业，带动农民持续增收。县域产业发展离不开金融服务的有力支撑，例如现代农业提质增效催生大量融资需求、特色产业蓬勃发展亟须乡村金融创新等。金融科技赋能延伸了金融服务触角，为众多中小微企业、乡村经济主体放宽服务准入门槛并提供多元化融资渠道[25]，帮助乡村企业积累资本进而形成良性循环。数字普惠金融的快速发展，带动劳动力、技术和资本等生产要素流向乡村产业，促进产业结构由劳动密集型产业为主的低级结构，逐步向资本密集型、技术密集型产业为主的高级结构转变[26]。县域产业升级是促进经济增长的重要途径[27]，从中观层面“做大蛋糕”为共同富裕奠定物质基础。同时，县域产业升级能够为农村剩余劳动力提供就近非农就业机会，多渠道促进农户收入增长[5]。基于此，本文认为在数字普惠金融影响农户收入增长的过程中，县域产业升级发挥了中介作用。

综上所述，本文认为数字普惠金融主要通过减贫增收与收入分配两个维度来影响农户收入，助力实现共同富裕目标。同时，县域产业升级在数字普惠金融促进农户收入增长中发挥中介效应（图1）。

图1 数字普惠金融影响农户收入的理论框架Fig. 1 A theoretical framework for digital inclusive finance for rural household income

2 研究方法

2.1 数据来源

本文使用的数据主要来源于2020年西北农林科技大学经济管理学院组织实施的“黄河流域生态保护与农业农村高质量发展”调查。该调查首先采用随机抽样方法确定样本选择区域，抽取了黄河上游地区青海、宁夏和内蒙古，以及黄河中游地区的陕西、山西和河南。然后，通过概率与规模成比例抽样方法抽取了13个沿黄河流域的样本县（市、区），并采用分层抽样和随机抽样相结合的方式，在各样本县（市、区）抽取2～5个样本乡镇，每个乡镇选取2～5个样本村，各样本村随机抽取10～25个农户进行问卷调查。该调查涉及农户个人、家庭和村居三个层面，具体内容包括农户基本情况、家庭基本特征、社会经济地位和外部环境等特征，能够较好地满足本文研究需求。此次调查共获得了104份村级问卷，2 362份农户问卷。

数字普惠金融数据源自第三期北京大学数字普惠金融指数（2011—2020年），包括覆盖广度、使用深度和数字化程度3个维度，涵盖中国省级、城市级指数和县域指数，能够较好地反映各地区数字普惠金融发展现状和演变趋势[23]。考虑到反向因果的可能性，本文选取滞后一期2019年的县域指数。此外，其他经济社会数据来源于《中国统计年鉴》、各县统计年鉴及其年度国民经济社会发展统计公报。对于部分经济社会数据缺失值，则采用该指标相应的市级和省级数据进行插补。本文在农户调研数据的基础上，按照县级编码匹配了各县域的数字普惠金融数据和其他经济社会数据。为保证各省样本数量分布均衡，本文选取了来自11个县（市、区）的农户样本，同时删除了缺失家庭收入等关键信息的数据和极端异常值，最终获得1 260个农户样本，涵盖70个村庄。此外，剔除村级数据不全的样本，最终得到50个村庄样本。

2.2 变量选择

1）被解释变量。本文的被解释变量为农户收入水平和相对贫困状态。前者用农户2019年家庭年总收入作为代理指标，并对其取对数。后者参考世界银行社会贫困线界定方法进行测度，即社会贫困线=max{1.9, 1.0+0.5×收入中位数}，其中货币单位是美元。根据各县域相对贫困的标准判断并识别农户相对贫困状态。

2）解释变量。使用北京大学数字金融研究中心2019年统计的县域数字普惠金融指数来反映黄河流域中上游地区各个县（市、区）的数字普惠金融发展状况。为了更好地进行统计推断，本文将该指数及其子指标都进行对数化处理。

3）中介变量。本文的中介变量是产业升级，包含产业结构高级化和产业结构合理化两层含义[28]。参考杜金岷等[29]的研究，选取第三产业产值与第二产业产值的比值来衡量产业结构高级化，用于反映产业结构向高级化转变的趋势。产业结构合理化则是要素投入结构和产出结构耦合程度，用于反映不同产业之间的耦合质量，一般采用结构偏离度测算[28]，计算公式为：

式中：TR表示产业结构合理化指标，Yi表示第i产业的产值，Li表示第i产业的从业人数，Y为地区总产值，L为地区总从业人数。TR为0则表示产业结构处于均衡，TR不为0则表示产业结构偏离均衡。由于TR是反向指标，为方便理解产业结构合理化的变动，将其正向化处理，具体为：

4）控制变量。本文从户主特征、家庭特征和地区特征3个层面选择影响农户收入水平、相对贫困和收入分配的控制变量。根据梁榜和李晓琳[30]、张勋等[4]的研究，户主特征选取性别、年龄、受教育年限、婚姻状况、健康状况、新农合和智能手机。家庭特征包括家庭人口总数、少儿抚养比、老人抚养比和家庭负债。地区特征包括村庄人口总数和农业技术水平。农业技术进步对农户增收具有重要作用[31]，通常采用农业机械总动力或全要素生产率等指标来衡量。农业机械总动力是指投入在农林牧渔业的各种机械动力总和，能够较好地反映出农业机械化程度[32]，因此本文采用单位面积农业机械总动力来代表农业技术水平。变量定义及描述性统计见表1。

表1 变量定义及描述性统计Table 1 Definitions and descriptive statistics of variables

2.3 统计分析

为了把握数字普惠金融与农户收入的分布特征，本文对样本进行统计分析。首先，计算数字普惠金融指数均值，分析数字普惠金融发展的整体情况和区域发展情况；同时，利用各县数字普惠金融指数计算泰尔指数和变异系数，基于黄河中上游两个区域分解得出数字普惠金融区域内差异。然后，将数字普惠金融指数按其分位数分为低指数到高指数五组区间，并计算各区间内农户收入和相对贫困率的均值，以探究随着数字普惠金融指数增加，农户收入和相对贫困率可能的变化规律。

2.4 模型设定

1）农户收入增长模型。本文运用OLS模型估计数字普惠金融对农户收入水平的影响。具体模型设定为：

式中：Yij表示j县域农户i在2019年家庭总收入的对数值，该值反映该农户收入水平；Xj代表j县域数字普惠金融发展水平；Cij为影响县域j中农户i收入水平的其他控制变量；εij为随机扰动项。

2）农户贫困减缓模型。由于农户相对贫困状态是取值为0～1型虚拟变量，本文采用Probit模型估计数字普惠金融对农户相对贫困的影响。具体模型设定为：

式中：PKij为j县域农户i相对贫困状态；Xj为j县域数字普惠金融发展水平；Cij为相关控制变量。

3）农户收入分配模型。在上述模型的基础上，本文采用分位数回归进一步探究数字普惠金融对农户收入分配的影响。如果数字普惠金融有利于提升低收入群体收入，则表明数字普惠金融具有收入分配改善效应[30]。具体模型设定为：

式中：Qτij(Yij|Zij)表示j县域农户i在τ分位数上的收入水平；Zij为影响农户i收入的变量，包括解释变量和控制变量；ετij为随机扰动项。本文选取了Q10、Q25、Q50、Q75和Q90五个常用的分位点。

4）增收作用机制模型。在农户收入增长模型的基础上，本文借鉴温忠麟等[33]的做法，通过逐步回归分析数字普惠金融增收效应的作用机制。具体中介效应模型设定为：

式中：Mj为中介变量，表示j县的产业结构；Yij为被解释变量，表示j县域农户i的收入水平；Xj为解释变量，表示j县域数字普惠金融发展情况。由于本文研究农户相对贫困和收入分配均是以农户收入水平为基础展开进行的，所以在此只分析产业升级对数字普惠金融与农户增收之间的中介作用。

3 结果与分析

3.1 数字普惠金融与农户收入表征分析

整体上，样本区的数字普惠金融指数均值为106.099（表2），低于全国各县的中等水平（中位值为110.471）。分区域来看，中游地区数字普惠金融发展情况较好，指数均值比上游地区高3.542个单位；上游地区数字普惠金融组内差异较大，泰尔指数和变异系数均高于中游地区。表明在黄河流域中上游地区数字普惠金融发展呈现地区差异，可能是由于不同县域数字技术水平存在差距和各地区居民认知程度存在差异。具体来说，数字普惠金融与普惠金融最大的区别点在于数字技术，以大数据、物联网和5G等为代表的新一代数字技术创新与应用，给金融发展带来了巨大变革。而黄河流域横贯我国东中西三大地区，不同地区间产业结构和技术水平存在差异，使得黄河流域地区数字普惠金融发展不均衡。另外，认知程度较高的居民往往具有高水平的金融素养和数字素养，较容易接受并运用新一代数字技术产物，积极参与数字金融市场。

表2 黄河流域中上游地区数字普惠金融发展差异Table 2 Differences in digital financial inclusion in the middle and upper reaches of the Yellow River basin

根据样本统计得出，1 260个农户家庭总收入平均值为7.853万元，处于相对贫困的农户占比为43.9%（表3）。将数字普惠金融五等分后发现，29.4%的农户位于数字普惠金融低指数组，仅12.8%的农户位于高指数组，并且高指数组的农户收入均值是低指数组的近2.5倍。黄河流域中上游地区高收入农户占少数，绝大多数农户的家庭总收入低于总体平均水平，说明农户收入仍存在有提升空间。此外，随着数字普惠金融指数的增高，农户收入大致呈现增加趋势，相对贫困率总体呈下降趋势。究其原因，可能是数字普惠金融拓展了农村地区金融发展的广度与深度，有效地为农户提供所需金融服务和产品，促使其收入水平提高。更精确严谨的结论还需要做进一步实证检验。

表3 数字普惠金融、农户收入水平和相对贫困率统计结果Table 3 Descriptive statistics of digital inclusive finance,rural household income and relative poverty rate

3.2 数字普惠金融对农户减贫增收的影响分析

3.2.1 收入增长效应 OLS模型估计结果显示，数字普惠金融的回归系数为正且在1%的水平下显著，每提升一个单位标准差（0.066），样本农户收入将增长25.85个百分点（0.066×3.917×100%）（表4，模型4），说明数字普惠金融对农户收入具有显著促进作用。可能的原因为数字普惠金融突破了空间限制，降低金融服务门槛及融资成本，促进农村经济产业的发展，进而提升农户收入水平。此外，户主个人特征变量中，受教育年限、健康状况和智能手机使用都显著促进了农户收入增长。农户受教育程度越高，其“驾驭”物质资本的能力也会越强，其农业生产的效率得以提高，收入随之增长；同时对于黄河流域地区农户，其主要收入来源于农业，而农业生产依赖体力劳动以及农业生产者身体条件，因此健康状况对农户收入具有重要影响[34]；智能手机使用是农村电子商务推广的基础，电子商务发展可以拓宽农产品销售渠道，从而增加农户收入[35]。家庭特征变量中，家庭人口总数正向作用于家庭收入增长，而家庭60岁以上人数比例显著抑制了家庭收入增长，这些结果均与理论预期一致。地区特征变量中，不同于张勋等[4]的研究，本文发现村庄人口规模对农户收入增长具有显著影响，其原因可能是黄河流域地区农户收入大多来源于农业和畜牧业，实施乡村人口振兴可以促进农村产业兴旺[36]，农户收入得以增长。此外，农业技术水平对农户收入具有正向影响，这与既有文献结论一致[31]。

表4 数字普惠金融影响农户收入增长的估计结果Table 4 Estimation results of the impacts of digital inclusive finance on rural household income growth

3.2.2 贫困减缓效应 回归结果显示，数字普惠金融总指数对农户相对贫困具有负向影响，且在5%的水平上显著（表5，模型1）。表明数字普惠金融发展有利于降低相对贫困发生率，主要有两个方面的原因：一是数字普惠金融能够有效满足各群体的金融需求，促进投资创业、非农就业等增收活动，从而降低个体发生相对贫困的概率；二是数字普惠金融能够帮助个体积累互联网技能和金融知识，提高数字素养与金融素养、优化个体金融行为，进而减缓相对贫困。覆盖广度和使用深度均对相对贫困具有负向影响，但使用深度负向影响并不显著。就覆盖广度而言，数字普惠金融触达用户的直接体现由原本的金融机构网点数、金融服务人员数转变成了电子账户覆盖率[23]，突破了传统金融原本的地理空间束缚，在分布上促进了偏远、欠发达地区的发展，大大提高了金融服务的可得性。使用深度则更侧重于实际使用数字金融服务的情况，例如支付、信贷、保险和投资服务等。郭峰等[23]认为覆盖广度衡量的是一种机会上的公平，而使用深度则更多体现为结果上的均衡，该结果取决于数字金融服务在当地发展的各种软硬环境。对于黄河流域中上游地区，使用深度依旧相对落后，这可能是造成回归结果不显著的原因。此外，数字化程度加剧了居民相对贫困，原因可能是：数字化程度更多地表现为数字金融服务的便捷性、信用化等，反映数字普惠金融的实际价值与发挥效力。在利用外部社会资源扶贫的过程中，有时会出现“精英捕获”现象，也就是让原本属于惠及大众的资源被农村少数“精英”占有，造成弱势群体的利益损失，进一步强化了贫困家庭的脆弱性[37]。

表5 数字普惠金融影响农户相对贫困的估计结果Table 5 Estimation results of the impacts of digital inclusive finance on relative poverty of rural households

3.3 数字普惠金融对农户收入分配的影响分析

分位数回归结果显示，数字普惠金融对不同分位点农户的收入增长都有促进作用，且均在1%的水平上显著（表6），与前文结论一致；并且随着收入水平的提升，这种促进作用呈现先降低后上升的趋势，在Q75分位点的农户收入促进作用最低。同时数字普惠金融对处于Q10和Q25分位点的农户收入促进作用远大于高收入分位数（Q75和Q90）的农户，说明数字普惠金融对低收入农户的收入提升作用更大，有利于缩小农户间收入差距，改善收入分配问题。

表6 数字普惠金融影响农户收入分配的估计结果Table 6 Estimation results of the impacts of digital inclusive finance on rural household income distribution

在控制变量方面，户主健康状况对不同分位点农户收入均有显著正向影响，并且回归系数随农户收入增加而逐步减小，表明增强身体素质可以提高农户收入，并且在中低收入群体中效果更明显。原因可能是中低收入农户多数情况下会从事体力劳动，即使外出务工，从事的行业多为对体力等健康状况要求较高的职业，所以良好的身体健康状况对低收入农户的影响程度更大。60岁以上人数比例对各层次农户收入均具有显著负向影响，并且该影响在中低收入群体中更为明显。区别于城镇地区老年群体大多以退休工资作为收入来源，农村地区主要依靠种植、养殖等农业生产活动，若是家中老年人口比重较高，往往会出现农业劳动力供给不足或工作效率降低的现象，造成家庭收入减少；同时老年人口比例较高，正常情况下医疗开销会给家庭带来较重负担，并且因为照顾老年人，家庭劳动力务工时长会相应减少，导致家庭总收入降低。

数字普惠金融三个子指标分位数回归结果显示，覆盖广度和使用深度对农户收入的促进作用在中低收入群体中更明显，对高收入群体的促进作用相对较小（图2），体现出数字普惠金融具有包容性特征，可以有效缩小农户间收入差距。然而数字化程度仅对高分位数家庭收入具有显著的促进作用，对低分位数家庭收入一定抑制作用。原因可能是数字化程度更多地反映的是数字普惠金融的价值体现，也就是“惠”的体现。低收入群体往往整体受教育程度偏低、金融素养等可行能力较为滞后，会明显抑制农村数字普惠金融的效力发挥[38]。同时，社会资本、教育水平和个人技能等因素也会影响到居民整体发展，低收入群体往往处于就业和创业竞争的劣势地位，这也会使得新一代信息技术带来的数字红利主要惠及能力较强的高收入群体，而低收入群体由于不具备竞争优势，其收入可能会略有减少。综上所述，覆盖广度和使用深度再次支持了数字普惠金融的包容性特征，对农户收入分配具有改善效应，表明前文实证结果是稳健的。

图2 数字普惠金融子指标对农户收入的分位数回归结果Fig. 2 Quantile regression results of different indicators of digital financial inclusion on rural household income

3.4 产业升级的中介效应分析

根据理论分析，数字普惠金融通过促进县域产业升级，拉动经济增长、提供就业机会，实现农户收入持续增长。中介效应检验结果显示，数字普惠金融对农户收入的影响系数为3.917，对产业结构高级化的影响系数为4.141，两者均在1%的水平上显著（表7）。

表7 中介效应检验结果Table 7 Mediation effect test results

在加入产业结构高级化变量后，数字普惠金融对农户收入的影响系数依旧在1%的水平上显著为正，并且产业结构高级化对农户收入的影响系数显著为正。表明县域产业结构高级化在数字普惠金融对农户收入增长的影响过程中起到部分中介作用，证实数字普惠金融能够通过推动县域产业结构高级化，促进农户收入增长。在加入产业结构合理化变量后，数字普惠金融指数的影响系数在1%的水平上显著为正，说明数字普惠金融能够带动县域产业间比例合理化程度提升。此外，产业结构合理化对农户收入的影响呈现出了抑制作用，这可能是因为在经济相对落后的地区，产业结构合理化程度越高，要素快速流动和劳动力转移可能会对农业发展造成挤压。

3.5 异质性与内生性检验分析

鉴于地区经济社会发展存在差异，仅全样本分析缺乏代表性，本文将样本划分为黄河流域上游和中游地区。结果显示，数字普惠金融在黄河流域上游和中游地区影响农户收入的回归系数分别为2.791和9.609（表8），说明在黄河流域中游地区数字普惠金融的增收效果更好。其原因可能是黄河流域中游地区的经济发展水平相对较高，数字普惠金融的提升更容易激发当地高质量发展潜力，进而提升当地农户收入。同时，产业结构合理化在不同区域中对农户收入的影响方向存在差异，对上游地区农户收入具有抑制作用，一定程度上印证了中介效应分析中关于产业结构合理化部分的解释。

表8 不同区域分组分析结果Table 8 Results of grouping analysis in different regions

考虑到数字普惠金融与农户收入可能会因遗漏变量、互为因果等存在内生性问题，本文借鉴孙学涛等[39]的研究，选取了县域所属地级市的数字普惠金融指数作为工具变量。结果显示，市级指数与数字普惠金融指数显著正相关，说明具备工具变量的相关性要求。同时，Cragg-Donald Wald F统计量为339.56（表9），大于10%偏误下的临界值16.38，拒绝弱工具变量假设，说明选市级指数作为工具变量是合理的。同时，工具变量回归结果与基准回归结果并无明显差异，数字普惠金融指数对农户收入水平的影响仍在5%的水平显著为正，表明数字普惠金融发展的确促进了农户收入增长，进一步说明了结果的可靠性。

表9 内生性检验结果Table 9 Endogenous test results

3.6 稳健性检验分析

选取村庄层面相对贫困发生率作为被解释变量验证数字普惠金融减贫效应。具体而言，在前文识别农户相对贫困状态的基础上用一个村庄中处于相对贫困状态的户数占村庄总户数的比重来反映村庄层面相对贫困发生率。控制变量则选取村庄层面指标，包括村庄总人口、村庄抚养比、本村党员与预备党员数量、是否有金融机构服务网点、粮食播种面积和村里有无邮政服务网点等。OLS模型估计结果显示，数字普惠金融总指数和覆盖广度对村庄层面相对贫困发生率均具有显著负向影响，并且通过了至少10%统计水平的显著性检验（表10）。反映了发展农村地区数字普惠金融能够显著地减缓村庄层面相对贫困发生率，有助于防范农户再次返贫。由此可见，数字普惠金融既可以显著地降低农户个体发生相对贫困的概率，又能有效地减缓村庄层面相对贫困发生率，表明以上研究结果是稳健的。

表10 稳健性检验：村庄层面相对贫困发生率Table 10 Robustness test: relative poverty incidence in villages

此外，考虑到可能出现的测量误差偏误，本文使用腾讯研究院发布的中国“互联网+”数字经济指数替代前文数字普惠金融指数。结果显示，中国“互联网+”数字经济指数对各分位点农户收入均有显著的促进作用，并且这种作用在中低收入群体中更明显（表11），表明数字经济指数改善了收入分配，促进了样本区域的包容性增长，同前文结论一致，充分说明估计结果整体上具有稳健性。

表11 稳健性检验：中国“互联网+”数字经济指数Table 11 Robustness test: China“Internet plus” & Digital economy index

4 结论与政策启示

4.1 结论

研究表明，黄河流域中上游地区6省11县市区的数字普惠金融发展水平较低，且呈现明显地区差异。数字普惠金融作为数字技术与普惠金融相互融合的产物，对农户收入水平产生了显著的正向影响，并且显著降低了农户相对贫困的概率，黄河流域中上游地区发展数字普惠金融有利于实现农户减贫增收。同时，数字普惠金融对低收入群体的增收效应更明显，能够较好地惠及弱势群体，有助于实现全体人民共同富裕。

数字普惠金融的不同维度对农户贫困减缓和收入分配的影响存在差异，其中数字化程度仅对高收入家庭具有显著的增收效应；对于黄河的不同区域，数字普惠金融在中游地区的增收效果更好。此外，县域产业结构高级化在数字普惠金融对农户收入增长的影响过程中发挥部分中介效应，推进县域产业升级是提高农民收入的重要途经。因此，在扎实推进农民农村共同富裕的过程中，需要大力发展农村数字普惠金融并坚持乡村产业振兴，多渠道促进农民收入增长。

需要说明的是，本文仅从共同富裕经济内涵出发，重点关注的是农户减贫增收与收入分配问题。同时，仅选取了2020年实地调研数据探讨数字普惠金融对农户收入的影响，未分析两者之间可能存在的动态关系，如时滞效应等。因此，后续可在具备更详细的数据时，从更丰富的共同富裕内涵出发，建立全面的指标体系，并对其进行动态分析。

4.2 政策启示

1）持续推进数字普惠金融发展，夯实基础金融设施建设。力争扩大支付清算、信息通讯和5G网络等信息技术覆盖面，尤其是对黄河流域上游地区的普惠金融基础设施建设，进一步提升数字普惠金融的广度与深度，充分发挥数字普惠金融便捷性、安全性和普惠性的特征，助力低收入群体和弱势群体收入增长，将居民群体收入差距控制在合理范围。

2）全力发展县域富民产业，推进县域产业转型升级。立足于农业农村资源，明确自身发展优势，以特色产业发展为重要突破口，打造高产品附加值、高规模效益的特色产业集群，加快产业结构高级化，促进县域产业向资本密集型、技术密集型为主的高级化产业结构迈进，早日实现“产业兴旺”，辐射带动当地整体经济发展，多渠道增加农民收入，为促进全体人民共同富裕夯实物质基础。

3）加强数字金融教育的开展力度，弥合弱势群体“数字鸿沟”。将农村低收入人群等弱势群体作为数字普惠金融新技术和新政策的重点宣传对象，针对农户认知特征制定科学的金融知识普及策略，增强其数字素养和金融素养，切实提高弱势群体参与数字金融服务的积极性，保障农村数字普惠金融的发挥效力，减小“数字鸿沟”所导致的城乡差异和农村内部差异。

4）政策上鼓励金融机构将金融服务引向弱势群体，利用数字技术更好地为偏远、欠发达地区服务，使其能够利用便捷的金融服务来改善家庭经济状况；同时，支持鼓励金融机构推出扶贫再贷款等面向弱势群体的金融产品，避免出现“精英捕获”现象，充分满足各群体多样化的金融服务需求，优化信贷资源配置，助力共同富裕。

致谢：感谢北京大学数字金融研究中心和蚂蚁金服集团联合课题组“北京大学数字普惠金融指数”的支持。