数字普惠金融发展对农民收入影响的时空分异与收敛性分析

范丽琴 刘国勇

摘要：金融体系的运作与农民生产生活息息相关，通过剖析数字普惠金融发展对农民收入的具体影响，为有针对性地制定助农增收策略提供更为准确、可靠的实证依据。基于我国2011—2020年30个省域的面板数据，分别构建面板时空地理加权回归模型与空间收敛模型分析数字普惠金融对农民收入影响的时空分异与收敛特征。研究表明：数字普惠金融发展对农民收入具有显著的积极影响，且影响表现出显著的时空分异特征，不同地区、不同时期的数字普惠金融增收效应存在差异，其系数估计最小值为0.268，最大值为0.633。以新疆为代表的西部偏远地区的数字普惠金融增收效应不断增强，各地区整体差异在快速缩小。空间收敛模型中β绝对收敛与β条件收敛系数估计值分别为-0.165、-0.158，且均为负数，表明数字普惠金融增收效应符合空间收敛特征。数字普惠金融可有效改善传统金融发展的非均衡性，同时可为西部偏远地区农民增收提供赶超渠道，进一步减少农民内部收入不平等现象。

关键词：数字普惠金融；农民收入；时空分异；空间收敛

中图分类号：F323.8

文献标识码：A

文章编号：2095-5553 （2023） 04-0248-09

Abstract： The operation of the financial system is closely related to the production and life of farmers. By analyzing the specific impact of the development of digital inclusive finance on farmers income， more accurate and reliable empirical evidence can be provided for the targeted formulation of strategies to increase farmers income. Based on panel data of 30 provinces in China from 2011 to 2020， the geographic and temporally weighted regression model for panel data （PGTWR） and spatial convergence model were constructed to analyze the spatio-temporal differences and convergence characteristics of the impact of digital financial inclusion on farmers income. As the results indicated that the development of digital financial inclusion exerted a significant positive impact on farmers income， which featured remarkable spatial and temporal variation. There were differences in the income enhancement effects of digital financial inclusion in different regions and periods， the minimum coefficient was estimated to be 0.268 and the maximum was 0.633. With the growing income enhancement effects of digital financial inclusion in remote western regions represented by Xinjiang， the regional differences narrowed rapidly. In the spatial convergence model， the estimated β absolute convergence and β conditional convergence coefficients were -0.165 and -0.158， respectively， and both were negative， indicating that the increased effect of digital financial inclusion conformed to the spatial convergence characteristics. Digital financial inclusion effectively improved the unevenness in the development of traditional finance， provided a catch-up channel for farmers in remote western regions to increase their income， and thus alleviated the income inequality within farmers.

Keywords： digital inclusive finance; farmers income; spatio-temporal heterogeneity; space convergence

0 引言

增加农民收入是农村改革发展的基本目标之一，是实现我国经济发展模式顺利转型的关键所在。2021年中央“一号文件”中再次强调：在我国新发展阶段，要把实现农民收入稳定持续增长作为最终的落脚点。事实上，自2004年以来，连续十八年中共中央发布的“一号文件”中始终把农民增收问题作为全党工作的重点，坚持强农惠农富农政策不减弱。而金融资源常常被认定为影響农民收入的关键因素，囿于金融排斥，农民难以获得所需的金融支持。近年来，数字普惠金融借助其覆盖广、成本低、使用便捷等天然优势，大幅提高了农村地区金融服务可得性，将原本难以获取金融资源的农民群众纳入服务范围。然而相关法律的不健全以及监管不到位导致数字普惠金融行业内部鱼龙混杂、风险隐患重重［1］，数字普惠金融能否成为促进农民增收的新动力有待进一步考证。此外，数字普惠金融发展本身是多维度、动态的，它对农民收入的影响也不会一成不变。因此，以动态的视角多方位探究数字普惠金融是否以及如何影响农民收入是一项具有重要现实意义的研究。

1 文献回顾

既有研究主要围绕数字普惠金融对城乡居民收入差距的影响［2-4］、数字普惠金融的减贫效应［5-7］、数字普惠金融对居民消费的影响［8-9］、数字普惠金融对居民创业意愿的影响［10-11］等方面展开，仅有少数学者分析数字普惠金融对农民收入的影响［12］，鲜有从动态视角探讨数字普惠金融对农民收入影响的研究。此外，有学者认为数字普惠金融发展在地理空间上存在异质性特征［13-14］。对此，为提高实证结果的严谨性，已有研究采取划分不同区域的方式以解决空间异质性问题［15-16］，但遗憾的是，目前研究仅仅是划分东中西部地区进行比较，尚未细分至省级层面。与此同时，数字普惠金融对农民收入的影响在不同时期也可能具有一定差异，虽有研究已区分不同时期数字普惠金融增收效应差异［12］，但仅划分两个时期，会导致时间跨度过大而无法准确反映数字普惠金融增收效应的时期异质性特征。数字普惠金融增收效应是否的确存在时空分异特征？若是，各地区数字普惠金融增收效应随时间推移会发生怎样的变化，是趋于收敛还是发散？为回答以上问题，本研究分别构建面板时空地理加权回归模型与空间收敛模型，利用2011—2020年30个省域的面板数据，深入探究数字普惠金融对农民收入影响的时空分异与收敛特征，以动态视角对数字普惠金融增收效应进行分析。在既有文献的基础上，本研究边际贡献在于：一是将时空因素纳入分析，更符合实际情况，估计结果更为准确可信；二是从省级层面进行逐年比对，更为精准地描述数字普惠金融增收效应的时空分异与收敛特征，为有针对性地制定数字普惠金融支农政策提供决策依据。

2 理论分析与假说

数字普惠金融可通过以下几方面促进农民增收：（1）拓宽原有服务覆盖范围，增加金融服务可得性。数字普惠金融无需设立实体网点，仅需通过网络以及数字终端即可为居民提供服务，使得原本受地理位置约束难以获得金融服务的农民群体可以公平地享受服务。（2）缓解信息不对称，减少金融排斥。数字普惠金融依托于云计算以及大数据分析等新型技术，将用户散落于支付平台的海量信息进行整合，刻画全面立体的征信画像，进而有效缓解信息不对称难题，减少农民金融排斥状况，从而促进其收入增长。（3）简化服务流程，降低服务门槛。数字普惠金融通过信息技术的应用大大缩减资金交易的中间环节、缩短交易时间、提高获取金融服务的便捷程度，同时可大幅度减少金融服务成本、降低金融服务的使用门槛，为农民提供价廉质优的金融服务，实现增收目的。

据此本文提出假说1：数字普惠金融发展有助于农民增收。

近年来，我国经济发展较快，但同时也伴随着区域发展不平衡问题。为此，不同地区、不同时期的数字普惠金融增收效应有所不同。一方面，宏观环境的外部经济差异使得数字普惠金融发展存在明显的地区差异，且各地区农民收入水平差异较大，数字普惠金融发展与农民收入水平的双重失衡导致数字普惠金融增收效应产生区域分化现象。另一方面，不同时期内，数字金融发展水平与农民收入水平呈现不断变化状态，因此在时间维度上，数字普惠金融增收效应同样可能存在一定差异。

据此本文提出假说2：数字普惠金融增收效应具有时空异质性特征。

弗里德曼在《区域发展政策：委内瑞拉案例研究》中，以更长远的视角讨论了区域发展不平衡产生的经济后果：在最初阶段，中心与外围区域构成的空间二元结构明显，但随着政府干预，交通运输条件的改善等诸多因素，二元结构的界限将变得模糊，形成区域一体化。从以上观点可知，区域发展的差异会随时间推移逐渐减小，那么，由此推测各地区数字普惠金融增收效应同样可能会出现收敛现象，即不同地区数字普惠金融发展促进农民增收效果最终相同。

据此本文提出假说3：数字普惠金融增收效应具有收敛特征。

3 研究方法与数据来源

3.1 面板时空地理加权回归模型构建

普通最小二乘法估计只能得到回归系数的平均结果，掩盖了被解释变量与解释变量之间回归关系的时空分异特征，无法准确刻画在时空推移的双重作用下系数的动态演变过程［17］。而同时纳入时间和空间因素的时空地理加权回归模型，其回归系数会因时间及空间的不同而随之变化，可反映数字普惠金融对农民收入的影响在不同时期、不同地理位置的局部演变特征［18］。虽然时空地理加权回归模型现已得到广泛应用，但该模型仍存在诸多不足之处：（1）时空地理加权回归模型忽略了样本地区向目标分析地区映射的间接路径；（2）时空地理加权回归模型模糊了空间溢出效应随时间推移的传导路径；（3）时空地理加权回归模型所采用的自适应带宽存在一定缺陷，即容易忽略具有顯著空间影响的非样本区域，而纳入无显著空间影响的样本区域。鉴于此，范巧等［19］提出面板时空地理加权回归模型，通过采用全息时空权重矩阵、遴选最优带宽等方法克服了时空地理加权回归模型的既有缺陷，进一步提高了估计结果的准确度以及可信度。面板时空地理加权回归模型的基本公式如式（1）所示。

3.4 数据来源及处理

综合考虑数字普惠金融发展的背景、实际情况以及历年指标的一致性、可比性，本文最终选取2011—2020年除西藏自治区以外的30个省（区）面板数据，少量数据缺失采用线性插值法补齐。农民收入、农村固定资产投资额、农林水事务支出额以及第一产业增加值数据来源于2011—2021年的《中国农村统计年鉴》、数字普惠金融相关数据来源于《北京大学数字普惠金融指数报告（2011—2020）》、各地区平均受教育年限、进出口总额、GDP值、总人口数、社会消费品零售额、互联网宽带接入端口数及移动电话普及率来源于2011—2021年的《中国统计年鉴》。为消除价格因素影响，针对非比值价格变量（农民收入、农村资产投资、社会消费品零售额），本研究利用各地区相应的指数分别对以上变量进行折算（以2011年为基期），再采用对数变换，使其数据变化趋势更为平滑，减少异方差的影响。由于数字普惠金融相关数据与本研究选取的其他变量数据相比过大，因此，为统一量纲，将数字普惠金融相关数据除以100作为原始数据纳入分析。此外，需要说明的是在空间收敛模型中，为方便解释系数含义，所有变量均作对数处理。以上相关变量说明详见表1。

4 实证结果分析

4.1 数字普惠金融对农民收入影响分析

基于AICc准则、GCV准则与RSS准则测出最优空间带宽和时间带宽分别为30、9。在设定最优带宽后，本研究分别试算基于最优带宽下的混合效应、空间固定效应、时期固定效应以及时空双固定效应的面板时空地理加权模型的整体统计性质。由于最优空间带宽纳入了所有地区，所以无须考虑随机效应。具体的统计性质见表2。

由表2可知，基于最优带宽的双固定效应面板时空地理加权模型相较于其他效应的模型，整体统计性质最优，其中，局部系数估计值的显著比率为0.975，明显高于其他效应的模型；修正后的拟合优度值为1，表明该模型几乎完美地拟合了数据；F统计值最大，并通过了1%显著性水平下检验。基于以上比对，本研究将依据具有双固定效应的面板时空地理加权回归模型的估计结果展开分析。面板时空地理加权回归模型在对变量进行系数估计时，是分别对单个局部点（即每个城市不同时期）的参数进行估计，在此分析过程中会依据最优空间带宽以及时间带宽，纳入一定数量的近邻局部点形成新的面板，该面板包含所分析的单个局部点以及其近邻局部点，再按照空间计量模型的估计方法，确定该局部点的所有参数估计值。为更清晰简洁地呈现估计结果，本文将全部城市所有时期的系数估计值从小到大依次排列，再展示其中的25%、50%、75%分位数上的系数估计值以及系数估计平均值。显著比率为系数估计值在10%水平上显著的局部点占所有局部点的比例。具体的变量回归系数统计结果见表3。

由表3可知，面板时空地理加权模型中数字普惠金融的系数估计值变化较大，最小值仅为0.268，最大值高达0.633，可见数字普惠金融的增收效应存在较强的时空分异特征，并非如全域估计中的系数一致。从控制变量的系数估计值来看，除财政支农以外，其余控制变量的参数估计值符号在全范围内均为正数。仅依据表2的变量回归系数统计分析无法详细地刻画系数估计值的时空演化过程，因此，本研究采用ArcGIS软件通过地图的形式将系数的时空演变过程可视化，囿于篇幅，仅展示数字普惠金融的系数变化图，具体见图1。

由图1可知，2011—2015年期间，数字普惠金融发展对农民收入的高影响区域主要集中在南部沿海地区，尤其是两广地区以及海南省，低影响区域大多位于东北地区，影响程度整体呈现南强北弱格局。在2016—2020年期间，新疆地区发展为高影响区域，影响格局开始转变为由西向东逐渐衰减态势。从整体上看，数字普惠金融与农民增收之间不是简单的线性关系，2011年数字普惠金融的估计系数平均值为0.332，之后在2014年上升至0.512，然后逐渐减弱直至平稳，2016—2020年数字普惠金融的估计系数平均值基本保持不变，平均增收效应总体呈现先增后减的倒U型曲线。从局部看，可以明显看出西部地区，特别是新疆地区，随时间推移，其数字普惠金融增收效应逐渐开始赶超其他省份。2011年新疆的数字普惠金融增收效应最低，而在2014年，其数字普惠金融增收效应已经与绝大多数省份别无二致。2014年之后，除两广地区、海南省、新疆等高影响区域以及东北地区等低影响区域以外，其他所有省份的数字普惠金融增收效应趋于一致。

西部偏远地区的数字普惠金融发展对农民增收的边际贡献在不断增强。对此可能的解释是，对西部偏远地区而言，受地理位置、交通条件及基础设施等多因素桎梏，传统金融发展较为迟缓，而数字普惠金融减少了对物理网点的依赖程度，具有更强的物理穿透性。因此，对于金融资源相对不足的西部偏远地区，数字普惠金融的边际增收效应在逐步提升。

4.2 数字普惠金融增收效应的收敛性分析

由图1可知，数字普惠金融增收效应具有显著的时空分异特征，不同地区、不同时期的数字普惠金融增收效应存在差异，数字普惠金融增收效应可能存在收敛趋势，但仅依据个人主观判断，所得结论并不准确。鉴于此，本研究将构建空间杜宾模型对数字普惠金融增收效应的收敛性展开实证检验。

4.2.1 空间相关性分析

在进行空间收敛性分析之前，需要通过莫兰指数（Morans I）及吉尔里指数（Gearys C）对数字普惠金融增收效应的空间相关性进行检验，具体检验结果如表4所示。

由表4可知，莫兰指数（Morans I）及吉尔里指数（Gearys C）均处于［0，1］区间且通过1%显著性水平检验，表明数字普惠金融增收效应具有显著的正向空间自相关特征，即经济水平相近地区的数字普惠金融增收效应存在较强的空间相互作用。空间相关性是否会引致数字普惠金融增收效应产生空间收敛是下文探讨的重点。

4.2.2 空间收敛性分析

由于数字普惠金融增收效应存在空间自相关，采用空间收敛模型更为恰当。关于空间收敛模型的选取，本研究将依据Hausman检验、LM检验以及稳健LM检验结果进行抉择，具体检验结果见表5。

由表5可知，Hausman檢验结果表明不论是空间β绝对收敛，还是空间β条件收敛模型均选择固定效应。LM检验以及Robust LM检验结果表明所有收敛模型均不能明确拒绝无空间误差项或空间滞后项的原假设，因此，选择同时具有空间误差项以及空间滞后项的空间杜宾模型更为合理。基于空间杜宾模型的β绝对收敛、β条件收敛检验结果见表6。

由表6可知，数字普惠金融增收效应存在显著的β绝对收敛与β条件收敛特征。从收敛周期来看，数字普惠金融增收效应绝对收敛周期为38.439年，表明所有地区的数字普惠金融增收效应收敛于同一水平需38.439年。数字普惠金融增收效应还表现出显著的β条件收敛特征，其收敛周期为36.275年，表明各地区数字普惠金融增收效应收敛于各自稳态水平所需时间更短。

5 结论与建议

本研究基于我国2011—2020年30个省域的面板数据，通过构建面板地理时空加权回归模型与空间收敛模型深入探究数字普惠金融发展对农民收入的影响的时空分异与收敛特征。由以上实证结果可知：（1）数字普惠金融发展对农民收入具有显著的积极影响，但不同地区、不同时期的数字普惠金融发展对农民收入的影响不同，其系数估计最小值为0.268，最大值为0.633。（2）以新疆为代表的西部偏远地区的数字普惠金融增收效应不断增强，整体差异在快速缩小，收敛模型估计结果显示β绝对收敛与β条件收敛系数估计值分别为-0.165、-0.158，均为负数，表明数字普惠金融增收效应存在收敛特征。（3）数字普惠金融增收效应的β条件收敛周期为36.275年，小于β绝对收敛周期38.439年，说明各地区数字普惠金融增收效应先收敛于各自稳态水平，后收敛于同一水平。

数字普惠金融是促进农民收入增长的新动力，是西部偏远地区农民收入赶超其他地区的重要途径，也是缓解农民内部收入不平等现象的关键所在。为此，本文政策启示在于：需加快网络基础建设，着重提升西部偏远地区数字普惠金融发展水平。西部偏远地区数字基础建设远落后于其他地区，“上网难、上网慢”问题严重阻碍数字普惠金融增收效应的发挥，建议尽快将西部偏远地区网络提速降费工作落到实处，提高西部偏远地区的网络普及率，让数字普惠金融能够继续在西部偏远地区发挥更大效力，为西部偏远地区农民收入赶超其他地区提供更多可能，缩小省际间农民收入差距。

参 考 文 獻

［1］ 刘锦怡， 刘纯阳. 数字普惠金融的农村减贫效应： 效果与机制［J］. 财经论丛， 2020（1）： 43-53.

Liu Jinyi， Liu Chunyang. Rural poverty alleviation effect of digital inclusive finance： Effects and mechanisms ［J］. Collected Essays on Finance and Economics， 2020（1）： 43-53.

［2］ Yu N， Wang Y. Can digital inclusive finance narrow the Chinese urban-rural income gap？ The perspective of the regional urban-rural income structure ［J］. Sustainability， 2021， 13.

［3］ 张贺， 白钦先. 数字普惠金融减小了城乡收入差距吗？——基于中国省级数据的面板门槛回归分析［J］. 经济问题探索， 2018（10）： 122-129.

［4］ 李牧辰， 封思贤， 谢星. 数字普惠金融对城乡收入差距的异质性影响研究［J］. 南京农业大学学报（社会科学版）， 2020， 20（3）： 132-145.

Li Muchen， Feng Sixian， Xie Xing.Heterogeneity effects of digital inclusive finance on urban-rural income gap ［J］. Journal of Nanjing Agricultural University （Social Sciences Edition）， 2020， 20（3）： 132-145.

［5］ Ozili P K. Impact of digital finance on financial inclusion and stability ［J］. Borsa Istanbul Review， 2018， 18（4）： 329-340.

［6］ Gabor D， Brooks S. The digital revolution in financial inclusion： international development in the fintech era ［J］. New Political Economy， 2017， 22（4）： 1-14.

［7］ Lyons A， Kass-Hanna J， Greenlee A. Impacts of Financial and Digital Inclusion on Poverty in South Asia and Sub-Saharan Africa ［J］. Social Science Electronic Publishing， 2020（8）： 1-37.

［8］ Li J， Wu Y， Xiao J J. The impact of digital finance on household consumption： Evidence from China ［J］. Economic Modelling， 2020， 86： 317-326.

［9］ Wang N， Wang Y. Impact of digital inclusive finance on consumption levels of urban and rural residents in Anhui province-analysis of its mechanism ［J］. Frontiers in Economics and Management， 2021， 2（1）： 288-294.

［10］ 谢绚丽， 沈艳， 张皓星， 等. 数字金融能促进创业吗？——来自中国的证据［J］. 经济学（季刊）， 2018， 17（4）： 1557-1580.

Xie Xuanli， Shen Yan， Zhang Haoxing， et al. Can digital finance promote entrepreneurship？—Evidence from China ［J］. China Economic Quarterly， 2018， 17（4）： 1557-1580.

［11］ 杨伟明， 粟麟， 王明伟. 数字普惠金融与城乡居民收入——基于经济增长与创业行为的中介效应分析［J］. 上海财经大学学报， 2020， 22（4）： 83-94.

Yang Weiming， Su Lin， Wang Mingwei. Digital financial inclusion and income of urban and rural residents： Based on the intermediary effect of economic growth and entrepreneurial behavior ［J］. Journal of Shanghai University of Finance and Economics， 2020， 22（4）： 83-94.

［12］ 何宜庆， 王茂川， 李雨纯， 等. 普惠金融数字化是“数字红利”吗？——基于农村居民收入增长的视角［J］. 南方金融， 2020（12）： 71-84.

［13］ 赵丙奇. 中国数字普惠金融与城乡收入差距——基于面板门限模型的实证研究［J］. 社会科学辑刊， 2020（1）： 196-205.

［14］ 陈慧卿， 陈国生， 魏晓博， 等. 数字普惠金融的增收减贫效应——基于省际面板数据的实证分析［J］. 经济地理， 2021， 41（3）： 184-191.

Chen Huiqing， Chen Guosheng， Wei Xiaobo， et al. Effect of digital inclusive finance on increasing rural income and reducing poverty： Empirical analysis based on inter-provincial panel data ［J］. Economic Geography， 2021， 41（3）： 184-191.

［15］ 陳啸， 陈鑫. 普惠金融数字化对缩小城乡收入差距的空间溢出效应［J］. 商业研究， 2018（8）： 167-176.

Chen Xiao， Chen Xin. The special spillover effects of inclusive finance digitization on narrowing urban-rural income gap ［J］. Commercial Research， 2018（8）： 167-176.

［16］ 易行健， 周利. 数字普惠金融发展是否显著影响了居民消费——来自中国家庭的微观证据［J］. 金融研究， 2018（11）： 47-67.

Yi Xingjian， Zhou Li. Does digital financial inclusion significantly influence household consumption？ Evidence from household survey data in China ［J］. Journal of Financial Research， 2018（11）： 47-67.

［17］ 玄海燕， 张安琪， 蔺全录， 等. 中国省域经济发展影响因素及其时空规律研究——基于GTWR模型［J］. 工业技术经济， 2016， 35（2）： 154-160.

Xuan Haiyan， Zhang Anqi， Lin Quanlu， et al. Affecting factors research of Chinese provincial economic development—Based on GTWR model ［J］. Industrial Technology & Economy， 2016， 35（2）： 154-160.

［18］ Huang B， Wu B， Barry M. Geographically and temporally weighted regression for modeling spatio-temporal variation in house prices ［J］. International Journal of Geographical Information Science， 2010， 24（3-4）： 383-401.

［19］ 范巧， 郭爱君. 一种新的基于全息映射的面板时空地理加权回归模型方法［J］. 数量经济技术经济研究， 2021， 38（4）： 120-138.

Fan Qiao， Guo Aijun. A new geographically and temporally weighted regression model for panel data based on holographic mapping ［J］. The Journal of Quantitative & Technical Economics， 2021， 38（4）： 120-138.

［20］ 李恩康， 陆玉麒， 陈娱. 中国外贸货物出口的地理格局演化及影响因素分析——基于货物出口距离和GTWR模型［J］. 地理研究， 2019， 38（11）： 2624-2638.

Li Enkang， Lu Yuqi， Chen Yu. Geographic pattern evolution of Chinas merchandise export and its influencing factors： Based on the analysis of merchandise export distance and the GTWR model ［J］. Geographical Research， 2019， 38（11）： 2624-2638.

［21］ 余新平， 熊皛白， 熊德平. 中国农村金融发展与农民收入增长［J］. 中国农村经济， 2010（6）： 77-86， 96.

Yu Xinping， Xiong Xiaobai， Xiong Deping. Development of rural finance and increase in farmers income in China ［J］. Chinese Rural Economy， 2010（6）： 77-86， 96.

［22］ 温涛， 冉光和， 熊德平. 中国金融发展与农民收入增长［J］. 经济研究， 2005， 40（9）： 30-43.

Wen Tao， Ran Guanghe， Xiong Deping. Financial development and the income growth of farmer in China ［J］. Economic Research Journal， 2005， 40（9）： 30-43.

［23］ 唐躍桓， 杨其静， 李秋芸， 等. 电子商务发展与农民增收——基于电子商务进农村综合示范政策的考察［J］. 中国农村经济， 2020（6）： 75-94.

Tang Yuehuan， Yang Qijing， Li Qiuyun， et al. The development of e-commerce and the increase of farmers income： An examination based on the policies of e-commerce into rural areas ［J］. Chinese Rural Economy， 2020（6）： 75-94.

［24］ 姚凤阁， 李丽佳. 数字普惠金融减贫效应及区域差异研究［J］. 哈尔滨商业大学学报（社会科学版）， 2020（6）： 3-18.

Yao Fengge， Li Lijia. Research on the poverty reduction effect and regional differences of digital inclusive finance ［J］. Journal of Harbin University of Commerce （Social Science Edition）， 2020（6）： 3-18.

［25］ 骆永民， 樊丽明. 中国农村人力资本增收效应的空间特征［J］. 管理世界， 2014（9）： 58-76.

［26］ 杜江， 张伟科， 范锦玲. 农村金融发展对农民收入影响的双重特征分析——基于面板门槛模型和空间计量模型的实证研究［J］. 华中农业大学学报（社会科学版）， 2017（6）： 35-43.

［27］ 王征， 鲁钊阳. 农村金融发展与城乡收入差距——基于我国省级动态面板数据模型的实证研究［J］. 财贸经济， 2011（7）： 55-62.

［28］ 李静， 马丽娟， 姜旭. 财政支出、农村人口对脱贫攻坚的影响［J］. 社会科学战线， 2019（9）： 248-252.

［29］ 申云， 陈効莉. 财政扶贫与金融扶贫效率比较研究［J］. 农村金融研究， 2020（1）： 27-36.

Shen Yun， Chen Xiaoli. A comparative study on the efficiency of government financial and banking financial poverty alleviation ［J］. Rural Finance Research， 2020（1）： 27-36.

［30］ 罗东， 矫健. 国家财政支农资金对农民收入影响实证研究［J］. 农业经济问题， 2014， 35（12）： 48-53.

［31］ 余泳泽. 中国省际全要素生产率动态空间收敛性研究［J］. 世界经济， 2015， 38（10）： 30-55.

［32］ 辛冲冲， 陈志勇. 中国基本公共服务供给水平分布动态、地区差异及收敛性［J］. 数量经济技术经济研究， 2019， 36（8）： 52-71.

Xin Chongchong， Chen Zhiyong. Distribution dynamics， regional differences and convergence of basic public service supply level in China ［J］. The Journal of Quantitative & Technical Economics， 2019， 36（8）： 52-71.

［33］ 王雪， 何广文. 中国县域普惠金融发展的空间非均衡及收敛性分析［J］. 现代经济探讨， 2020（2）： 41-49.

［34］ 金发奇， 言珍， 吴庆田. 数字普惠金融减缓相对贫困的效率研究［J］. 金融发展研究， 2021（1）： 14-21.

Jin Faqi， Yan Zhen， Wu Qingtian. Research on the efficiency of digital inclusive finance in alleviating relative poverty ［J］. Journal of Financial Development Research， 2021（1）： 14-21.