数字普惠金融对农民收入的影响<br/>——以辽宁省为例

数字普惠金融对农民收入的影响
——以辽宁省为例

2023-03-02姜云笛

山西农经 2023年2期

□姜云笛，王娟

（渤海大学经济学院，辽宁锦州 121000）

2022 年中央一号文件对乡村振兴重点工作作出了全面部署，“三农”工作仍然是重中之重，以“稳、硬、进、责”4 字表达出任务的重要性，坚持稳字当头，促进乡村治理建设，压实乡村振兴责任，以更大力度推进乡村振兴，迈出农业新步伐。辽宁省“十四五”规划纲要中指出，要优先发展农业农村，推动县域经济高质量发展，加强数字社会建设，发展数字经济与普惠金融的融合，推进数字普惠金融助力辽宁经济高质量发展。

现阶段，国内的研究学者主要研究普惠金融对农民收入的影响以及对城乡收入差距的影响，而研究数字普惠金融对农民收入影响机制的文献相对较少。

杨伟明等（2020）[1]实证研究结果显示，我国数字普惠金融的发展提升了农民收入水平，但数字普惠金融对城镇居民收入影响更显著。

董玉峰等（2020）[2]认为，数字普惠金融能够打破传统金融扶贫的难点，能够有效扩大偏远贫困地区享受金融服务范围；产业发展是数字普惠金融减贫的重要一环，将数字普惠金融与地方特色产业相结合，可以发挥数字普惠金融优势。

葛和平和朱卉雯（2018）[3]得出数字普惠金融的使用深度对数字普惠金融的影响最大，东部的发展水平高于中西部，互联网的使用情况能够正向促进数字普惠金融的发展。

顾宁和张甜（2019）[4]选取了我国2007—2016 年30 个省份（不含西藏、台湾、香港、澳门）面板数据，建立面板平滑门限回归模型探究农村普惠金融减贫的门槛效应，结果表明普惠金融对消除贫困有积极作用。

蔡洋萍等（2021）[5]分析了我国目前数字普惠金融发展所存在的问题，并总结出我国农村数字普惠金融目前覆盖不足且存在“自身排斥”现象，安全隐患较大。

目前学者主要研究我国数字普惠金融发展对农民收入的影响，细分到省份以及城市的文献较少。文章以辽宁省14 个市为样本，通过建立面板数据模型进行实证研究，通过实证结果分析辽宁数字普惠金融对农民收入的影响。

1 辽宁省数字普惠金融发展现状

文章截取《北京大学数字普惠金融指数》第四期中2011—2020 年辽宁省各市数字普惠金融的聚合指数。从数据看出，大连市2011—2021 年数字普惠金融发展总水平最高，朝阳市最低。2021 年我国337 个地州市的数字普惠金融指数平均水平为282.78，辽宁省只有沈阳市和大连市超过全国平均水平，其他12 个市均低于全国平均水平，说明辽宁省数字普惠金融目前总体发展水平偏低，发展不平衡。但是辽宁省各市数字普惠金融呈上升趋势，具有一定发展空间与前景。

在细分的在覆盖广度指标上，2011—2021 年，沈阳市、大连市、鞍山市、抚顺市、营口市、盘锦市6 个城市总指标均高于全国平均水平；在使用深度指标上，沈阳市、大连市、鞍山市、盘锦市4 个城市总指标高于全国水平；在数字化程度指标上，大连市、本溪市、营口市3 个城市总指标高于全国水平。

以上结果说明辽宁省数字普惠金融的发展水平目前落后于全国平均水平，需要提高各地区数字普惠金融的覆盖广度以及使用度，缩小各城市间数字普惠金融的发展差距。

2 辽宁农民收入现状

增加农民收入是“三农”工作的关键。农民增收不仅是缩小城乡差距的重要途径，也是扎实推进共同富裕的客观要求。辽宁省围绕粮食生产稳面积提产能，多产业融合发展，打造数字化乡村，扎实推进各地农民增收。2021 年辽宁省农村居民人均可支配收入为19 217 元，比2020 年增长10.1%，增长率高于城镇居民。乡村振兴战略为辽宁省农业农村发展提供了更多机会。根据国家统计局与华经情报网统计数据显示，2014—2019 年，辽宁省农村居民经营性收入最高，之后依次是工资性收入和转移净收入，财产净收入最低。辽宁省农民收入的增加离不开数字普惠金融的影响，为此文章研究分析数字普惠金融对农民收入的影响，以期使数字普惠金融更有效地促进农民增收。

3 研究设计

3.1 变量选取

文章主要分析了数字普惠金融对辽宁省农民收入的影响，因此，选取2013—2020 年辽宁省14 个市的面板数据，将辽宁省农民收入水平作为被解释变量，数字普惠金融发展水平作为核心解释变量，将地区农业发展水平、政府财政支出、产业结构、城镇化率作为控制变量。

3.2 数据来源

3.2.1 被解释变量

农民收入水平（Y）：选取2013—2020 年《辽宁统计年鉴》中辽宁省各市农村常住居民人均可支配收入来衡量农民收入水平，虽然在2014 年前农村常住居民人均可支配收入这项指标的名称为农民纯收入，但是这两个指标均能衡量农民收入水平，不影响实证分析的结果。

3.2.2 核心解释变量

数字普惠金融发展水平（DIF）：截取《北京大学数字普惠金融指数》第四期中2013—2020 年辽宁省各市数字普惠金融的聚合指数。该数据由北京大学金融研究中心和蚂蚁科技研究院联合编制，具有一定的权威性和可信度。

3.2.3 控制变量

农业发展水平（ADL）：辽宁省种植业和养殖业较多，农业发展水平与农民收入有正向促进关系，将辽宁省各市的农林牧渔总产值作为衡量农村经济发展水平指标。

政府财政支出（GE）：将辽宁省各市农林水事务与财政总支出之比作为衡量指标。

产业结构（IS）：将第二产业增加值和第三产业增加值之和与地区生产总值之比作为衡量产业结构的指标。

城镇化率（UR）：辽宁省各城镇常住人口与该地区常住总人口之比。

以上所用数据均来源于2013—2020 年《辽宁统计年鉴》。

3.3 模型构建

文章所采用的数据为面板数据，同时参考数字普惠金融对农民收入水平影响的相关文献研究，建立模型如下。

式中：i表示辽宁省各市；t表示年份；βi为待估计参数；εit为随机扰动项；lnY表示农民收入水平的对数，为使数据更加平稳，消除异方差，因此对Y进行取对数处理；DIF表示数字普惠金融发展水平；ADL表示农业发展水平；GE表示政府财政支出；IS表示产业结构；UR表示城镇化率。

4 实证分析

文章实证分析使用的软件为Stata 16.0。

4.1 描述性统计

各变量的描述性统计结果见表1。

表1 变量的描述性统计

数字普惠金融与农民收入水平间的关系见图1。

图1 数字普惠金融与农民收入水平之间的关系

4.2 分析过程

文章研究样本选择的数据为面板数据，并且属于平衡面板数据。分析模型的选择会影响实证分析的最后结果，因此选择固定效应模型和随机效应模型进行估计，随后运用Hausman 检验固定效应模型和随机效应模型哪个更合适，回归结果见表2。

表2 两种模型回归结果

根据回归结果显示，固定效应模型的R2值大于随机效应模型，说明其拟合优度是最优的。固定效应模型结果中，数字普惠金融发展水平（DIF）产出系数为0.003，且回归系数通过了1%显著性水平检验，说明数字普惠金融发展水平与农民收入水平呈正相关。在控制变量中，农业发展水平（ADL）和城镇化率（UR）对农民收入影响显著，虽然产业结构（IS）对农民收入影响并不显著，但从符号上来看，产业结构也会促进农民收入。虽然政府财政支出（ge）的系数为负，但是从实际情况来看，政府财政对农业支出越多，并且使用率越高，农民收入会有所增长。为进一步判断固定效应模型是否合适，对模型进行Hausman 检验，检验结果见表3。

表3 Hausman 检验结果

Hausman 检验结果中显示，P值为0.011 3＜5%，所以拒绝原假设，选择固定效应模型。

5 结论与建议

根据对辽宁省数字普惠金融的发展现状数据分析得出，近年来辽宁省数字普惠金融发展水平呈上升趋势，发展前景良好，同时辽宁省农民收入增长率逐年升高，说明城乡收入差距逐渐缩小。为进一步确定数字普惠金融发展水平对辽宁省农民收入是否有影响，文章以辽宁省农民收入水平作为被解释变量，数字普惠金融发展水平作为核心解释变量，农业发展水平、政府财政支出、产业结构、城镇化率作为控制变量，建立面板数据模型。

通过Hausman 检验确定选择固定模型进行估计，结果显示，数字普惠金融发展水平与农民收入水平呈正相关且结果显著，表明数字普惠金融对辽宁省农民收入具有明显的促进作用。

为使数字普惠金融更有效地促进农民收入增加，提出以下建议。

5.1 扩大数字普惠金融覆盖度

一是完善农村网络设施。数字普惠金融发展前提之一是互联网的使用。相关部门应加强农村网络建设和改造升级，提高光纤网络、4G、5G 的覆盖面和信号强度，保证网络使用顺畅。

二是缩小农民数字鸿沟。建议镇政府或下级单位多举办农民网络素质培训会，宣传并讲解如何使用网络及使用网络的优势，同时鼓励技术工作者开发出适合中老年农民使用、操作便捷的系统，减少烦琐的操作步骤。

5.2 加大数字普惠金融的宣传力度

目前大部分农民并不了解数字普惠金融，甚至产生抗拒感。因此政府与银行等可信度高的金融机构应共同举办宣传活动，积极向农民普及金融知识，讲解数字普惠金融的优点等。与此同时，银行与农村当地超市等商家合作，建立数字普惠金融服务点，为当地农民提供基础的金融服务，使数字普惠金融“灌溉”田间地头。

5.3 以数字普惠金融发展多元化产业

数字普惠金融能够推动农村产业融合发展，带动农民发展当地特色产业，开展多种创新方式，例如运用“数字普惠金融+民营企业+农民合作社”融资模式，打造观光农业、乡村民宿、乡村旅游、网络直播带货等多产业联动协同发展模式；运用数字普惠金融平台对农业企业、农民提供数字保险功能，提供便捷、安全的融资服务，解决农业企业、农民创业者融资难问题。以数字普惠金融发展多元化产业，有助于增加当地农民就业机会，增加农民收入，提高农民生活质量。